국가전략정보포털

표제지

목차

요약 8

제1장 서론 9

1. 연구의 필요성 9

2. 연구 범위 및 방법 10

제2장 인공지능 기술의 이해 및 법률분야 활용 현황 12

1. 인공지능 기술의 이해 및 활용수준 12

2. 국내 법률제정시 활용사례 35

3. 국내 민간 법률 서비스 기업 활용사례 47

4. 해외 법률 및 기업의 활용사례 52

제3장 법률안 입안과정의 활용방안 검토 58

1. 유사 입법례 검색기능 검토방안 58

2. 법률 체계 및 자구 자동검사 기능 도입 검토 65

3. 법률용어의 적정성 및 자동 변환기능 도입검토 72

4. 개정지시문 및 신ㆍ구조문대비표 검수 방안 105

제4장 인공지능기술 활용에 따른 효과분석 117

1. 법률안 기획 및 처리에 소요되는 기간 단축 117

2. 의원 발의 법률안의 품질향상 117

3. 일반인들이 이해하기 쉬운 법률 제정 118

4. 정부조직개편에 따른 법률과 조례의 상충요소 해소 118

제5장 결론 119

1. 인공지능 적용시 법률전문가들의 참여가 반드시 필요 119

2. 양질의 데이터를 확보할 단계별 전략수립의 필요성 120

3. 인공지능기술 도입 저해요인의 이해 및 극복 120

참고자료 121

표 1. 국회사무처 법제지원편집기의 주요 기능 36

표 2. AI 법률안 서비스 구성 40

표 3. 법제처 법령안편집기 메뉴 구조 45

표 4. 법률체계 설명 65

표 5. 법률 각 항목별 설명 66

표 6. 법령에 포함된 주요항목 68

표 7. 한자어 사용에 대한 용어 정비 유형 73

표 8. 일본식 한자어 사용에 대한 용어 정비 유형 74

표 9. 외래어 및 외국어 사용에 대한 용어 정비 유형 74

표 10. 용어 정비 유형별 적용 자연어 처리 기술 75

표 11. 사전 학습 모델 검토 결과 85

표 12. 기존 모델과 말뭉치 적용 모델 성능 비교 94

표 13. 말뭉치 구축 절차 95

표 14. 기호 정제 예시 97

표 15. 신ㆍ구조문대비표 점검 기준 rule 116

그림 1. 국회 입법현황 및 가결률 비교 10

그림 2. 영국의 범용 컴퓨터 Colosus(좌측)와 미국의 ENIAC(우측) 17

그림 3. "미국 국립에너지연구소 과학컴퓨팅센터 (NERSC) 슈퍼컴퓨터 '펄머터' 19

그림 4. 프랭크 로젠블랫과 그가 고안한 퍼셉트론 장비 20

그림 5. AI의 발전단계 22

그림 6. IoT의 증가 규모 23

그림 7. 머신러닝의 유형 26

그림 8. 분류와 군집 개념도를 이용한 차이 27

그림 9. GAN의 활용 29

그림 10. 심층신경망(DNN)을 구성하는 과정 30

그림 11. 머신러닝과 딥러닝의 비교(특징의 자동 추출) 33

그림 12. 데이터의 양과 인공지능(머신러닝 vs 딥러닝)의 성능 비교 34

그림 13. 인공지능을 이용한 얼굴인식 결과 34

그림 14. 현행법률 검색기능 화면 36

그림 15. 조문별 검색기능 화면 37

그림 16. 주제어 검색기능화면 38

그림 17. 참조된 조문 검색기능 화면 38

그림 18. 인용조문 목록출력기능 화면 39

그림 19. AI법률안 서비스 중 동일조문 비교기능 화면 41

그림 20. AI법률안 서비스 중 동일조문 비교기능 설명 41

그림 21. AI법률안 서비스 중 심사단계별 조문 비교기능 화면 42

그림 22. AI법률안 서비스 중 심사단계별 조문 비교기능 설명 42

그림 23. 전문개정 화면 45

그림 24. 조문 검토 기능화면 46

그림 25. 법률지도서비스의 실행화면 47

그림 26. 문서내 법령정보 추출 개념도 48

그림 27. 생활용어 및 일반 문장형 검색과 하이라이트 기능 제공 화면 49

그림 28. 시뮬레이션 기반의 다중 정보 탐색 기능 49

그림 29. 법률메카 주요화면 50

그림 30. Hans를 이용한 자동의사록작성 예시(에스토니아의회 관련기사) 53

그림 31. 거버트랙 화면 55

그림 32. 데이터 기반의 법률 연구 서비스 Ravel 화면 57

그림 33. word2vec을 이용한 CNN 모델 62

그림 34. 조문 자동 작성예시 63

그림 35/그림 34. 로봇을 이용한 법률조문 작성 절차 63

그림 36/그림 35. 입안기준 준수 여부 검사 예시 화면 (기준 : 법령입안심사기준) 69

그림 37/그림 36. 법제지원편집기에서의 자구변환 기능 70

그림 38/그림 37. Word2vec 모델 개념도 71

그림 39/그림 38. 인공지능 기반 법률 용어 정비 절차 75

그림 40/그림 39. 트랜스포머 아키텍처 77

그림 41/그림 40. 시퀀스를 생성하는 입력 출력값 예시 79

그림 42/그림 41. MASS 공식 구현체 사전학습 방식 85

그림 43/그림 42. 법률용어 정비를 위한 사전 모델 설계구성도 86

그림 44/그림 43. 법률지식베이스 주요 내용 87

그림 45/그림 44. 법률분야 온톨로지 모델 스키마 예시 88

그림 46/그림 45. 영어번역 작업에서 배치 크기에 따른 트랜스포머 모델 성능비교 89

그림 47/그림 46. 배치 크기에 따른 번역 모델 성능비교 90

그림 48/그림 47. 학습률에 따른 번역 모델 성능비교 91

그림 49/그림 48. 학습률 위밍업 횟수에 따른 번역 모델 성능 비교 92

그림 50/그림 49. sacre BLEU가 점수를 내는 과정 93

그림 51/그림 50. 법률용어 정비 사례 95

그림 52/그림 51. 정제 이전 DB 조회 결과 97

그림 53/그림 52. 정제 이후 DB 조회 결과 98

그림 54/그림 53. OpenNMT-tf 구성도 103

그림 55/그림 54. 신ㆍ구조문대비표 예시 105

그림 56/그림 55. 개정문 조단위 작성 예외 예시 107

그림 57/그림 56. 개정문 분리 작성 예시 107

그림 58/그림 57. 조ㆍ항ㆍ호 등 내용 개정시 신ㆍ구조문대비표 108

그림 59/그림 58. 조ㆍ항ㆍ호 등 개정시 신ㆍ구조문대비표 109

그림 60/그림 59. 후단이나 단서 조항 신설 시 신ㆍ구조문대비표 110

그림 61/그림 60. 현행 조문과 공포 후 시행 전 조문 개정 시 신ㆍ구조문대비표 111

그림 62/그림 61. 공포 후 시행전 조문 개정 시 신ㆍ구조문대비표 111

그림 63/그림 62. 신ㆍ구조문대비표 작성 절차 및 법률편집기 화면예시 112

그림 64/그림 63. 인공지능 기반 개정지시문 및 신ㆍ구조문대비표 검증 절차 113

그림 65/그림 64. AST(abstract syntax tree) 예시 114

그림 66/그림 65. 동일 시퀀스 찾기 예시 115