Co siedzi pod spodem

Bo model nie ma czym skłamać. Jego całym wyjściem jest lista liczb:

{ "assignments": [
  { "segment": 14, "role": "teza",       "salience": 0.96 },
  { "segment": 19, "role": "przeslanki", "salience": 0.91 }
] }

Numer zdania i ocena istotności - nigdy tekst. Zdanie, które widzisz na ekranie, jest tym samym zdaniem, które napisał sąd, bo nie ma innej drogi, którą mogłoby się tam dostać.

To jest różnica między „mało prawdopodobne" a strukturalnie niemożliwe. Narzędzie generujące prozę może być trafne w dziewięćdziesięciu dziewięciu przypadkach na sto - i właśnie dlatego jest ryzykowne dla kogoś, kto się uczy: ten setny raz wygląda identycznie jak pozostałe, a do wykrycia potrzeba wiedzy, której się dopiero nabywa.

Dodatkowo każda odpowiedź modelu przechodzi dwa stopnie sprawdzenia: najpierw kształtu, potem tego, czy zwrócone numery naprawdę istnieją w dokumencie. Numer, którego nie ma, nie trafia na ekran - 42 jest poprawną liczbą także wtedy, gdy wyrok ma trzydzieści dwa zdania.

Bo w polskim uzasadnieniu akapit ma kilkanaście zdań i miesza w sobie co najmniej dwie role. Akapit z przesłankami kończy się zdaniem, które stosuje je już do konkretnej sprawy. Przy podziale akapitowym obie te rzeczy dostają jedną ocenę i jeden kolor - a granica między regułą a jej zastosowaniem to dokładnie to, po co się tu przyszło.

Na czym wykłada się podział po kropce

Tekst prawniczy jest gęsty od skrótów z kropką. Naiwny split('.') tnie w każdym z tych miejsc, a wtedy numeracja rozjeżdża się względem tego, co widzi model.

• art.

  …naruszenie art. 385(1) § 1 k.c. przez błędne przyjęcie…

• m.in.

  …sąd pominął m.in. zeznania świadka…

• r.

  …umowę z dnia 8 czerwca 2008 r. zawarto na 30 lat…

• k.p.c.

  …na podstawie art. 386 § 1 k.p.c. orzeczono jak w sentencji…

Stąd własna lista skrótów zamiast gotowej biblioteki: odesłania i jednostki redakcyjne, źródła prawa, sygnatury, kodeksy, tytuły naukowe i pojedyncze inicjały. Osobno traktowana jest numeracja wypunktowań - 1. na początku wiersza nie kończy zdania.

Z dokumentu, nie z listy wpisanej w kod. Pierwsze przejście czyta całość i odpowiada na trzy pytania: co to jest, o czym jest i na jakie role dzielą się jego fragmenty. Nigdzie w repozytorium nie ma słownika etykiet prawniczych, który model miałby tylko przyporządkować.

Widać to natychmiast, gdy puścić ten sam silnik na dwóch różnych tekstach. Nie ma tu gałęzi „jeśli to wyrok" - jest jedno wywołanie, które dostaje inny dokument:

W obu zestawach dokładnie jedna rola ma wagę 1,00. To wymóg kontraktu, nie przypadek: bez wskazanego sedna nie ma z czego zbudować pierwszej klatki. Opis roli też nie jest ozdobnikiem - jedzie do drugiego przejścia jako instrukcja klasyfikacji pojedynczych zdań.

Jak role rozkładają się w przykładowym wyroku

Wszystkie warstwy są w dokumencie i wszystkie da się rozwinąć. Podział mówi tylko, od której zacząć, żeby reszta czytała się szybciej - stan faktyczny zrozumiesz lepiej, wiedząc, do czego sąd nim zmierzał.

Bo nie pyta modelu o nic. Istotność każdego zdania jest policzona raz, przy analizie, i zapisana razem z dokumentem. Suwak porównuje gotową liczbę z progiem po stronie przeglądarki - stąd brak czekania i brak kosztu przy każdym ruchu.

Na uzasadnieniach orzeczeń - i pod nie jest dziś zestrojone. Tam jednostką naturalną jest zdanie, a struktura ról (rozstrzygnięcie, przesłanki, argumentacja, zarzuty, stan faktyczny) powtarza się między sprawami, więc kolejność czytania da się ustalić trafnie.

Teksty ciągłe spoza prawa - artykuły, rozdziały książek - też przechodzą, bo silnik sam buduje kategorie pod dokument, który dostał.

Ustawy to osobna struktura: nie zdania, tylko jednostki redakcyjne - artykuł, ustęp, punkt, litera. Podział po ich drzewie jest następny w kolejce i wtedy ustawy wejdą na te same prawa co orzeczenia.

Ty - narzędzie tylko proponuje kolejność. Suwak jest cały czas pod ręką, a każdy zwinięty ciąg zostawia w tekście ślad z liczbą zdań i rozwija się w miejscu, między sąsiadami. Nic nie jest usuwane i nic nie wymaga powrotu do początku dokumentu.

Dlatego propozycja narzędzia nigdy nie jest kosztowna: jeśli chcesz zobaczyć fragment, który akurat jest zwinięty, dzieli cię od niego jedno kliknięcie.

Szczególnie pilnujemy przesłanek schowanych w zdaniach podrzędnych i zastrzeżeniach - „chyba że", „z zastrzeżeniem", „o ile". To one decydują o wartości uzasadnienia, więc mierzymy je osobno. Jeśli trafisz na zdanie, które powinno stać wyżej, zgłoszenie zajmie minutę i trafi prosto do zestawu, na którym sprawdzamy kolejną wersję.

Domyślnie są prywatne i kasowane automatycznie po trzydziestu dniach od ostatniego otwarcia. Nie trafiają do wspólnej pamięci i nie widzi ich nikt poza tobą.

Wspólny cache obejmuje wyłącznie dokumenty oznaczone jako publiczne - czyli orzeczenia z publicznych źródeł, które i tak są jawne z definicji. Rozdział jest szczelny i wymuszony w samej bazie, nie regulaminem.

Treść dokumentu nie trafia też do logów aplikacji - na żadnym poziomie, także we fragmencie. W logu zostaje skrót i długość w znakach: do diagnozy wystarcza, do odtworzenia tekstu już nie.

Zdania i ich długości są prawdziwe: pochodzą z przykładowego uzasadnienia wbudowanego w aplikację i liczy je ten sam kod, który jedzie w produkcji. Trzydzieści dwa zdania to realna liczba, nie okrągła wartość dobrana pod ładny wykres.

Podział na role i oceny istotności na stronach publicznych to adnotacja ręczna, nie wynik modelu - i tak jest podpisana wszędzie, gdzie się pojawia. Nie da się inaczej: wynik modelu wymagałby wywołania API w czasie budowania strony, a wymyślenie liczb i podpisanie ich „tak ocenił model" byłoby dokładnie tą fikcją, przeciw której ustawiony jest cały produkt.

Prawdziwy wynik modelu jest jeden klik dalej i nie ma w nim ani jednej liczby wpisanej z ręki.