Inteligencia Artificial - aula 2 - STF Educa

Prévia do material em texto

APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
1
GUSTAVO MASCARENHAS LACERDA PEDRINA
APLICAÇÃO DA 
INTELIGÊNCIA 
ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
2
INTRODUÇÃO ............................................................................. .3
1. ANÁLISE DA APLICAÇÃO DE AI NOS EUA .................... .4
2. COMO A AI VEM SENDO UTILIZADA NO JUDICIÁRIO 
BRASILEIRO ................................................................................. .8
2.1 A AI NO STF ................................................................ .9
2.2 COMO OUTROS TRIBUNAIS NO BRASIL TÊM 
ABORDADO A QUESTÃO? .......................................... 13
CONCLUSÃO ............................................................................... 14
REFERÊNCIAS ............................................................................ 15
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
3
INTRODUÇÃO 
Olá, voltamos! 
Para começar, gostaria de te mostrar o quanto já aprendemos até aqui: 
identificamos o que é e o que não é exatamente inteligência artificial; entendemos 
as origens da AI e o que é o Teste de Turing; navegamos pelas ondas de evolução 
desse tipo de tecnologia desde a década de 1950; compreendemos, por fim, 
o que é big data e machine learning. Com tais conceitos, restou evidente que 
mesmo os robôs-algorítmicos que utilizam aprendizado de máquina precisam de 
parâmetros (os dados de treinamento), e que, ainda que possam replicar o que 
aprendem autonomamente, partem do que diz um programador. 
Ufa! Após consolidados esses conhecimentos, podemos ver como esse tipo 
de inteligência artificial tem sido aplicada ao direito, nosso foco de estudo.
Para tanto, é importante ter em mente que 
 nem tudo o que entendemos como inteligência artificial é mesmo inteligente 
ou pode ser considerado como inteligência artificial (para isso é razoável cobrarmos 
que a máquina seja capaz de passar ao menos no Teste de Turing) e 
 que não há nesse apontamento uma crítica ao trabalho dos competentes 
cientistas da computação que trabalham arduamente no desenvolvimento da 
tecnologia, mas trata-se apenas de uma rigorosa constatação, sempre tendo 
como primazia a busca da singularidade, o ponto-ótimo de desenvolvimento no 
qual a tecnologia seria capaz de mimetizar redes neurais humanas (o que é difícil 
de prever até se será possível um dia), ao qual se possa chamar efetivamente de 
inteligência artificial. 
Com essas observações em pauta, nesta aula analisaremos como a inteligência 
artificial vem sendo utilizada no campo do direito. Partiremos de dois casos práticos 
que, a par de demonstrarem o uso de AI no estágio estatístico, não são iguais. O 
primeiro deles versa a respeito do uso de AI para sugestão de sentenças penais e 
fianças nos EUA. No segundo, discutiremos como tem se desenvolvido o uso da 
AI aqui no STF, com a aplicação do robô algorítmico Víctor. 
Está pronto? Vamos começar?
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
4
1. ANÁLISE DA APLICAÇÃO DE AI NOS EUA
É notável o dado de que mais de 30 Estados norte-americanos utilizam 
atualmente programas de inteligência artificial para sugerir aos juízes sentenças 
e fianças. Todos esses programas utilizados hoje são baseados em computação 
estatística (STARR, 2013). 
Recentemente, o caso Wisconsin vs. Loomis levou a questão até a Suprema 
Corte estadunidense, quando Eric Loomis questionou o uso de um programa de 
inteligência artificial (o Compas – Correction Offender Management Profiling for 
Alternative Sanctions) por parte do Juízo para determinar a sua condenação a seis 
anos em regime fechado. A defesa de Loomis queria ter acesso aos critérios que 
levaram o robô algorítmico a recomendar sua pena – a Suprema Corte negou o 
recurso, assentando tratar-se de segredo industrial o caminho desenvolvido pelo 
referido robô. 
Veja o artigo e as notícias veiculadas a respeito do caso:
• O Supremo Tribunal de Wisconsin exige aviso antes do uso de avaliações 
de risco algorítmicas em sentenças
• Condenação pelos números
• Em Wisconsin, uma reação contra o uso de dados para prever o futuro dos 
réus
• Enviado para a prisão pelos algoritmos secretos de um programa de 
software 
Como vimos, a aprendizagem de máquinas envolve um estágio de pré-
processamento e treinamento de dados de entrada (KOTSIANTIS et al, 2006). 
Esse pré-processamento, também chamado de rotulagem, pode ser automático, 
de caráter meramente estatístico, ou humano – o que é mais comum, mas que 
No Estado da Virgínia, a utilização de algoritmos para estabelecer 
condenações já acontece há mais de dez anos. Caliskan-islam, Byron e 
Narayaan (2016) já demonstraram o perigo no seu uso com tal fim: algoritmos 
são necessariamente programados e essa programação pode conter um erro 
de viés ideológico. Os pesquisadores demonstraram que sentenças produzidas 
por robôs algorítmicos, em relação a nomes geralmente atribuídos a pessoas de 
ascendência africana, são comumente mais duras do que aquelas que contêm 
nomes tradicionalmente europeus (MONAHAN, J. & SKEEM, J., 2019). 
https://www.supremecourt.gov/Search.aspx?FileName=/docketfiles/16-6387.htm
https://harvardlawreview.org/2017/03/state-v-loomis/
https://harvardlawreview.org/2017/03/state-v-loomis/
https://www.nytimes.com/2005/01/02/magazine/sentencing-by-the-numbers.html
https://www.nytimes.com/2016/06/23/us/backlash-in-wisconsin-against-using-data-to-foretell-defendants-futures.html
https://www.nytimes.com/2016/06/23/us/backlash-in-wisconsin-against-using-data-to-foretell-defendants-futures.html
https://www.nytimes.com/2017/05/01/us/politics/sent-to-prison-by-a-software-programs-secret-algorithms.html
https://www.nytimes.com/2017/05/01/us/politics/sent-to-prison-by-a-software-programs-secret-algorithms.html
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
5
justamente leva ao estabelecimento de vieses, já que a máquina será programada 
e passará a buscar resultados de acordo com parâmetros estabelecidos por um 
programador.
Observe que o que esse tipo de programa faz não difere em nada daqueles 
de análise de risco geralmente empregados em operações financeiras, por 
exemplo. De acordo com dados atuariais, fornece-se uma sugestão de sentença 
para o Juízo que, em última análise, (i) aplica superficialmente a prevenção geral e 
(ii) busca inibir a reincidência (STARR, 2013). Ambos os resultados, no longo prazo, 
tornam-se verdadeira profecia aos sujeitos-objeto da análise, já que não é comum 
que mudem, por exemplo, de gênero (e se o risco de homens adultos for maior 
para a reincidência em um determinado delito, o programa recomendará maior 
tempo de pena).
Ainda conforme Starr (2013), esses programas são baseados em análise 
atuarial de risco, mais precisamente em um esquema chamado de EBS (evidence-
based sentencing, sentenciando por base em evidências, em tradução livre). O 
exemplo mais famoso de programa desse tipo é o Compas, mas há outros como 
o Ohio Risk Assessment System (Oras), o Correctional Assessment and Intervention 
System (Cais) e o Wisconsin Risk and Needs Tool (WRN). 
A abordagem atuarial representa um modelo de avaliação de riscos focado 
em critérios históricos ou imutáveis do indivíduo. Eles “pontuam” o indivíduo e 
cruzam essa pontuação com uma tabela atuarial do sistema, resultando em uma 
estimativa de risco por um período específico (a chance de X reincidir em 10 anos 
é Z, por exemplo). 
Essa estimativa representa a porcentagem de participantes no estudo de 
desenvolvimento do instrumento que recebeu essa pontuação e reincidiu. 
Por exemplo, se um infrator recebe uma pontuação de +5 em um instrumento 
traduzido em uma estimativa de risco de 60% em 10 anos, isso significa que60% dos indivíduos que receberam uma pontuação de +5 no estudo original do 
instrumento passaram a reincidir nesse período.
Perceba: isso não significa que o criminoso alvo da aplicação do programa 
tenha 60% de chance de reincidência por um período de 10 anos, mas sim 
que outras pessoas, na mesma situação, reincidiram em 60% dos casos – ou 
seja, em aplicação de norma penal toma-se como régua o “outro”, o que não é 
recomendável do ponto de vista dogmático e sociológico, mas é o que esse tipo 
de programa faz. Certo?
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
6
Podemos notar que os instrumentos são mecânicos: cada valor possível de 
cada variável corresponde a um aumento ou redução específica da estimativa de 
risco em todos os casos. Os pesos das variáveis não são determinados com base nas 
circunstâncias de cada caso – por exemplo, os homens sempre receberão escores 
de risco mais altos do que mulheres em situações idênticas (porque, no geral, em 
média, os homens têm reincidência maior), mesmo que o contexto específico seja 
aquele em que homens e mulheres tendem a ter riscos de reincidência próximos 
ou em que as mulheres têm riscos mais altos. Além disso, na prática, os instrumentos 
usam sistemas de pontos ainda mais simples, nos quais o “alto risco” responde a 
um sim ou não. 
Vamos examinar algumas situações concretas em que foram utilizados esses 
sistemas para que você comece a ter uma noção acerca das lógicas que estão por 
trás das suas operações.
No sistema utilizado no Estado do Missouri, por exemplo, os relatórios 
incluem uma pontuação para cada indivíduo em avaliação, com uma escala de -8 
a 7. De tal maneira, de 7 a 4 é classificado como “bom”, de 3 a 2 é “acima da média”, 
de 1 a 0 é “média”, de -1 a -2 é “abaixo média” e de -3 a -8 é “ruim”. 
Diferentemente da maioria dos instrumentos em uso, o Missouri não inclui 
gênero. No entanto, um abandono escolar seguido de desemprego gerará uma 
pontuação três pontos abaixo do que um empregado com ensino médio concluído 
– fazendo a diferença substancial no resultado final da avaliação de risco. 
Da mesma forma, um acusado com menos de 22 anos terá pontuação três 
pontos pior do que um com idade acima de 45, simplesmente por sua idade. Em 
comparação, ter cumprido anteriormente prisão vale menos um ponto; ter quatro 
ou mais condenações prévias por contravenção que resultou em prisão retira mais 
um ponto (possuir três ou menos condenações não retira nenhum); ter cumprido 
liberdade condicional vale um ponto; e uma fuga da prisão vale menos outro 
ponto. 
-8 a -3 -2 a -1 0 a 1 2 a 3 4 a 7
BomAbaixo da média Acima da médiaRuim Média
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
7
Veja que se tem literalmente uma conta de pontos a partir de condições 
do sujeito – em algumas ele contribuiu (ter sido preso mais de três vezes, por 
exemplo), mas outras são inerentes (como a idade).
Aqui valem as perguntas: alguém tem culpa da idade que tem? Esse sistema 
é justo? Qual a sua opinião?
Em outro contexto, o Compas, aplicado no caso Loomis, leva em 
consideração 137 itens, não necessariamente ligados a questões atinentes ao 
delito possivelmente praticado, como (i) se há antecedentes penais na família do 
réu ou (ii) se há ocorrências relacionadas a álcool e drogas envolvendo a pessoa 
em julgamento (FENOLL, 2018). Os critérios incluem atitudes do indivíduo, de 
amigos e familiares, histórico de comportamento antissocial, possíveis problemas 
de personalidade, dados acerca da escolaridade, problemas de saúde e uso de 
drogas. 
Em todas as situações apontadas, por tratar-se de segredo industrial, é 
impossível saber com precisão como os itens levados em consideração são 
combinados (em que ordem e proporção, por exemplo) para sugerir sentenças ou 
fianças. Você há de concordar comigo que isso viola ao menos dois princípios caros 
ao direito penal e processual penal: o devido processo legal, já que é impossível 
contraditar dados sem que se saiba nem mesmo quais são, e a proporcionalidade, 
porque não se pode garantir que sejam realizadas sempre as mesmas operações. 
Há ainda o problema da fidelidade dos dados: se um dos dados levados em 
consideração em qualquer dos critérios estiver equivocado, a sugestão do sistema 
será necessariamente injusta. Para que mecanismos desse tipo sejam efetivos 
no propósito de ao menos evitar a reincidência, é necessário que se utilize um 
algoritmo sempre atualizável e com critérios claros, que levem em consideração 
os princípios que regem a preservação dos direitos humanos. 
De qualquer forma, essa é a realidade hoje, nos EUA, de programas de 
inteligência artificial: a aplicação de critérios atuariais sistematicamente para sugerir 
aos juízes o valor de fianças (quanto maior a “chance” do indivíduo reincidir, maior 
a fiança) e para recomendar penas (da mesma forma, quanto maior o “risco” de 
reincidência, maior deverá ser a pena). 
SAIBA MAIS
Leia o artigo “NIST Study Evaluates Effects of Race, Age, Sex on Face 
Recognition Software” (em inglês), um texto bastante interessante sobre 
os vieses racial, de sexo e idade na IA.
https://www.nist.gov/news-events/news/2019/12/nist-study-evaluates-effects-race-age-sex-face-recognition-software
https://www.nist.gov/news-events/news/2019/12/nist-study-evaluates-effects-race-age-sex-face-recognition-software
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
8
Tudo bem até aqui? Está claro como os sistemas estão sendo utilizados nos 
EUA? Qual a sua percepção a respeito?
Agora, é chegado o momento de abordarmos o assunto em nosso país. 
Acompanhe comigo no próximo tópico.
2. COMO A AI VEM SENDO UTILIZADA NO JUDICIÁRIO 
BRASILEIRO
Vamos ao que afeta mais diretamente o nosso trabalho enquanto operadores 
do direito? 
Mesmo que recente, já há no mercado brasileiro programas com ferramentas 
de inteligência estatística para a análise de dados e o oferecimento de respostas 
tanto ao advogado quanto ao magistrado. Confira matéria a seguir “Justiça Federal 
discute inteligência artificial no Judiciário e escritórios”. 
No primeiro caso, o robô pode analisar os dados fornecidos e adaptá-los a 
uma petição padrão – por exemplo, escolhendo qual é o melhor contrato para 
ser oferecido por uma empresa a um determinado cliente (exemplos de empresas 
que trabalham com soluções de TI: Softplan e LawGeex). 
Há ainda aplicações que comparam contratos comerciais com a jurisprudência 
das autoridades antitrust (Kira) e robôs algorítmicos que separam peças de um 
processo que julgam serem as principais. 
SAIBA MAIS
Ficou curioso a respeito do 
funcionamento desses sistemas? No link 
a seguir você pode fazer o download do 
“Manual do Compas” fornecido pela 
produtora do programa, a Equivant. 
Além disso, tenho outra sugestão. Você 
tem 15 minutinhos? Se tiver, aqui está 
uma palestra no Tedx sobre a aplicação 
de programas atuariais a casos penais 
nos EUA e as suas consequências. Vale a 
pena conferir!
(exemplos de empresas que trabalham com 
soluções de TI: Softplan e LawGeex)
https://drive.google.com/file/d/1LtQ4eVCfxl3nCjobyWRglXUzuV2UUgy_/view?usp=sharing
https://drive.google.com/file/d/1LtQ4eVCfxl3nCjobyWRglXUzuV2UUgy_/view?usp=sharing
https://www.softplan.com.br/
https://www.lawgeex.com/
https://kirasystems.com/
http://www.equivant.com/wp-content/uploads/Practitioners-Guide-to-COMPAS-Core-040419.pdf
https://www.youtube.com/watch?v=jNasDy2OqAE&feature=youtu.be
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
9
No segundo, já estão disponíveis programas que selecionam o que lhes 
parecem ser as páginas mais importantes de um processo, a jurisprudência que 
se assemelha à discussão, bem como as leis em debate, e que oferecem até uma 
proposta de decisão ao magistrado. 
Esses robôs-algorítmos agem, portanto, estruturando volumes enormes de 
dados (big data) para ofereceranálises preditivas com base na identificação de 
padrões nas petições. De maneira simples, “veem” se uma determinada tese se 
“encaixa” ao caso.
E qual é o potencial e a importância da tecnologia hoje para o judiciário 
brasileiro na prática?
Desde 2009, o CNJ analisa os números do nosso judiciário e edita o relatório 
“Justiça em números” (você pode ver todos eles aqui, são bastante interessantes).
Em 2018, o judiciário brasileiro encerrou o ano com 78,7 milhões de processos 
(CNJ, 2019). Esse número – um dos maiores do mundo – leva à necessidade da 
busca de soluções para otimizar o tempo de tramitação dos processos. 
2.1 A AI no STF 
Diante dos alarmantes números da pesquisa do CNJ, podemos dizer 
que o Supremo Tribunal Federal (STF) não se encontra inerte. Pelo contrário, 
tem empreendido esforços importantes na aplicação de AI. Desde 2018, está 
em funcionamento o robô algorítmico VICTOR, que envolve uma equipe 
multidisciplinar composta por três principais organismos em seu desenvolvimento, 
isto é, os colaboradores do próprio demandante (STF) e três setores da 
Universidade de Brasília (UnB): a Faculdade de Direito (FD), o Grupo de Pesquisa 
em Aprendizado de Máquina (GPAM) da Faculdade de Engenharias do Gama 
(FGA) e o Departamento de Ciência da Computação (CIC) (SILVA, 2018).
CURIOSIDADE
Por que o robô se chama VICTOR? De acordo com o site de notícias do STF, 
O nome do projeto, VICTOR, é uma clara e merecida 
homenagem a Victor Nunes Leal, ministro do STF de 1960 a 
1969, autor da obra Coronelismo, Enxada e Voto e principal 
responsável pela sistematização da jurisprudência do STF em 
Súmula, o que facilitou a aplicação dos precedentes judiciais 
aos recursos, basicamente o que será feito por VICTOR.
https://www.cnj.jus.br/pesquisas-judiciarias/justica-em-numeros/
http://portal.stf.jus.br/noticias/verNoticiaDetalhe.asp?idConteudo=471331&ori=1
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
10
Segundo MAIA FILHO (2018, p. 228), o início do projeto ocorreu da seguinte 
forma:
Trabalhando com cerca de 14 mil processos, a equipe do projeto centrou-
se, inicialmente, na tarefa de separação e classificação de peças – aquelas 
mais importantes, segundo a equipe do STF, para a identificação dos temas 
de repercussão geral de maior incidência: acórdão, recurso extraordinário, 
agravo em recurso extraordinário, despacho de admissibilidade e sentença. 
Visando ao treinamento dos modelos de aprendizado de máquina, a equipe 
do Curso de Direito da UnB criou um conjunto confiável de dados, extraídos 
dos processos analisados, com a conversão de imagens em textos no processo 
digital, separação do começo e do fim dos documentos, com a identificação 
do conteúdo de cada peça jurídica, além das similaridades e das discrepâncias 
existentes entre elas.
Para “ler” as peças de um processo, o VICTOR atua com técnica de “OCR” 
(optical character recognition, na sigla em inglês para reconhecimento ótico de 
caracteres: as páginas do processo, transformadas em imagem, são “lidas” pela 
máquina). 
Dessa forma, o sistema indica por machine learning (esse conceito você 
conhece bem!) se os recursos extraordinários e agravos se “encaixam” em uma 
das 27 principais teses (que correspondem a 46% dos processos devolvidos pela 
barreira da repercussão geral) cuja repercussão geral tenha sido reconhecida pelo 
STF. 
O VICTOR é um robô algorítmico, não é algo físico ou humanoide como 
somos levados a crer pelo nome “robô”. Ele fica abrigado em uma rede de 
computadores. No trabalho diário do Tribunal, o Victor faz a separação das cinco 
principais peças dos processos, sem que ninguém precise dar o comando. Se 
o Victor não existisse, os servidores do órgão precisariam achar essas peças no 
processo para, só então, começarem o trabalho. 
Com isso, a análise de um processo e a separação de peças que, por 
um servidor, levariam, em média, 15 minutos, são realizadas pelo VICTOR em 5 
segundos. Tal fato resulta numa economia de 22 mil horas de trabalho em um ano, 
o que custaria 3 milhões de reais ao Tribunal. 
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
11
O VICTOR ainda é capaz de aprender com os erros e ter um nível crescente 
de acertos – atualmente ele acerta em 91% dos casos (esse número é chamado de 
acuidade ou acurácia, indicando a assertividade da máquina). Não é incrível? 
Veja a imagem de um teste de acuidade do sistema (teste “f1-score”: o dado 
de 91% pode ser visualizado no total, na última linha da quarta coluna):
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
12
Esquematicamente, o VICTOR funciona da seguinte maneira:
É importante sempre ressaltarmos, contudo, que aplicações como o VICTOR 
agem a partir do aprendizado com parâmetros definidos pelo programador 
humano (chamados de inputs). Há a necessidade de supervisão constante. E não é 
só isso: imagine o volume de dados digitalizados... Para se ter uma ideia, o VICTOR 
recebeu uma quantidade enorme de dados de treinamento: 4 terabites! A equipe 
que trabalha no robô passou todo o conteúdo que não era originalmente digital 
por OCR.
Manter essa quantidade de arquivos segura é um desafio constante e requer 
contínua evolução dos mecanismos de proteção. 
Com o natural crescimento do volume de dados fornecidos ao algoritmo, o 
VICTOR melhorará seus resultados ao longo do tempo, já que a classificação dos 
novos dados dos processos que chegam leva ao aprendizado pela máquina – o 
próprio algoritmo passa a analisar o processo em busca de padrões distintos. Tem-
se então o ponto de aprendizado supervisionado e não supervisionado.
Recurso extraordinário ou agravo em recurso extraordinário aporta no Tribunal
VICTOR verifica a qualidade das imagens, se o processo não for digital, aplica OCR
VICTOR grava o conteúdo do processo no banco de dados
VICTOR classifica as peças processuais, separando acórdão, recurso 
extraordinário, agravo em recurso extraordinário, despacho de admissibilidade e 
sentença
VICTOR classifica o processo em um ou mais temas de repercussão geral
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
13
É importante ressaltar um dado aqui antes de concluirmos: o VICTOR 
não realiza juízo de mérito. Ele indica onde estão as cinco principais peças do 
processo e diz, com 91% de chances de acerto, se há ou não um dos 27 temas de 
repercussão geral mais recorrentes.
A utilização de um mecanismo como o VICTOR implicará, no longo prazo, 
a melhoria do aproveitamento dos servidores que trabalham no Tribunal, que 
poderão exercer outras tarefas, ao passo que o robô separa as peças e indica se 
são temas de repercussão reconhecida. Além disso, permitirá o acúmulo de dados 
por parte do Tribunal, sendo possível ao Supremo reconhecer melhor quem são 
os litigantes e quais temas são os mais debatidos. 
2.2 COMO OUTROS TRIBUNAIS NO BRASIL TÊM 
ABORDADO A QUESTÃO? 
Em Minas Gerais está em funcionamento a aplicação Radar, que lê os 
processos por OCR e separa os casos similares para julgamento conjunto. 
Em Pernambuco, o sistema Elis promove a triagem de execuções fiscais (veja 
o artigo “Inteligência Artificial no TJPE agiliza Processos de Execução Fiscal”). 
No Rio Grande do Norte, uma parceria entre a Universidade Federal do Rio 
Grande do Norte e o Tribunal de Justiça do Estado levou à criação do Poti. A 
aplicação promove automaticamente a penhora de valores nas contas bancárias 
de devedores. Além disso, o Poti atualiza o valor da execução fiscal e transfere 
o montante para as contas oficiais indicadas. Se não existir dinheiro na conta, o 
sistema é programado para realizar novas buscas em períodos consecutivos de 15, 
30 e 60 dias.
SAIBA MAIS
Gostaria que você assitisse 
à reportagem sobre o 
laboratório da UnB que 
criou o VICTOR: 
https://blog.juriscorrespondente.com.br/inteligencia-artificial-no-tjpe-agiliza-processos-de-execucao-fiscal/https://blog.juriscorrespondente.com.br/tribunais-de-todo-o-pais-investem-em-inteligencia-artificial-para-reduzir-acoes/
https://globoplay.globo.com/v/8008962/
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
14
Para finalizar nossa discussão, quero propor uma reflexão:
Será que algum dia um robô algorítmico será capaz de realizar um 
julgamento? O que acha disso? Esse ponto parece bastante distante da realidade, 
mas na Estônia há um projeto nesse sentido. Leia as reportagens a respeito:
• Estônia quer substituir os juízes por 
robôs
• Estônia está desenvolvendo o 
primeiro “juiz robô” do mundo
CONCLUSÃO
E o que podemos concluir disso tudo? Aparentemente a tecnologia não 
substituirá os operadores do direito. Trata-se de um conjunto de ferramentas 
voltadas à otimização do tempo e do trabalho no nosso ramo de atuação. A máquina 
até é capaz de “ler” documentos por OCR como vimos, mas, ao menos no atual 
estágio de desenvolvimento da tecnologia, não é capaz de emular a inteligência 
humana. 
A inteligência artificial, no atual ponto de desenvolvimento ou no que 
esperamos alcançar (assunto da nossa próxima aula), certamente impactará na 
prática do direito e nos sistemas de justiça. Se já discutimos atualmente temas como 
fake news, bloqueio de conteúdo e criptografia (todos esses temas da aula 4), em 
pouco tempo os assuntos evoluirão para, por exemplo, se temos o direito de ver 
nossos casos judiciais julgados por um robô algorítmico ou por um ser humano. 
Aguardo você na aula 3!
https://epocanegocios.globo.com/Tecnologia/noticia/2019/04/estonia-quer-substituir-os-juizes-por-robos.html
https://epocanegocios.globo.com/Tecnologia/noticia/2019/04/estonia-quer-substituir-os-juizes-por-robos.html
https://canaltech.com.br/inteligencia-artificial/estonia-esta-desenvolvendo-o-primeiro-juiz-robo-do-mundo-136099/
https://canaltech.com.br/inteligencia-artificial/estonia-esta-desenvolvendo-o-primeiro-juiz-robo-do-mundo-136099/
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
15
REFERÊNCIAS
BARROSO, Luís Roberto. Vinte anos da Constituição de 1988: a reconstrução 
democrática do Brasil. Revista de Informação Legislativa, n. 179, jul./set. 2008.
BRAZ, N. et al. Document classification using a Bi-LSTM to unclog Brazil’s supreme 
court. NIPS 2018 Workshop on Machine Learning for the Developing World (ML4D). 
CALISKAN-ISLAM, A.; BRYSON, J.J.; NARAYAAN, A. Semantics derived 
automatically from language corpora necessarily contain human biases. 
2016. Princeton: Princeton University. Disponível em: http://randomwalker.info/
publications/language-bias.pdf. Acesso em: 9 nov. 2019.
CONSELHO NACIONAL DE JUSTIÇA. Justiça em números. Disponível em: https://
www.cnj.jus.br/wp-content/uploads/conteudo/arquivo/2019/08/justica_em_
numeros20190919.pdf. Acesso em: 10 nov. 2019. p. 79.
FUX, Luiz. Inteligência artificial. Palestra, 2019. Disponível em: https://www.conjur.
com.br/dl/palestra-fux-inteligencia-artificial.pdf.
KOTSIANTIS, S. B.; KANELLOPOULOS, D.; PINTELAS, P. E. Data preprocessing for 
supervised learning. International Journal of Computer Science. Jornal digital. 
vol. 1, n. 2, 2006, p. 111-117. 
Kira Systems Machine Learning Contract Search, Review and Analysis. Disponível 
em: https://kirasystems.com/. Acesso em: 10 nov. 2019.
Law Geex Contract Review Automation. Disponível em: www.lawgeex.com. 
Acesso em: 10 nov. 2019.
MAIA FILHO, Mamede Said; JUNQUILHO, Tainá Aguiar. Projeto VICTOR: 
perspectivas de aplicação da Inteligência Artificial ao Direito. Revista de Direitos e 
Garantias Fundamentais, Vitória, v. 19, n. 3, set./dez. 2018. p. 228.
MONAHAN, J.; SKEEM, J. Risk Assessment in Criminal Sentencing. Virginia Public 
Law and Legal Theory Research Paper, n. 53. Disponível em: https://papers.ssrn.
com/sol3/papers.cfm?abstract_id=2662082. Acesso em 6 nov. 2019.
SILVA, N. et al. Document type classification for Brazil’s supreme court using 
a Convolutional Neural Network. THE INTERNATIONAL CONFERENCE ON 
FORENSIC COMPUTER SCIENCE AND CYBER LAW (ICoFCS). 2018.
http://randomwalker.info/publications/language-bias.pdf
http://randomwalker.info/publications/language-bias.pdf
https://www.cnj.jus.br/wp-content/uploads/conteudo/arquivo/2019/08/justica_em_numeros20190919.pdf
https://www.cnj.jus.br/wp-content/uploads/conteudo/arquivo/2019/08/justica_em_numeros20190919.pdf
https://www.cnj.jus.br/wp-content/uploads/conteudo/arquivo/2019/08/justica_em_numeros20190919.pdf
https://www.conjur.com.br/dl/palestra-fux-inteligencia-artificial.pdf
https://www.conjur.com.br/dl/palestra-fux-inteligencia-artificial.pdf
https://kirasystems.com/
http://www.lawgeex.com
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2662082
https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2662082
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
16
SILVA, N. Notas Iniciais Sobre a Evolução dos Algoritmos do Victor: O Primeiro 
Projeto de Inteligência Artificial em Supremas Cortes do Mundo. II Congresso 
Internacional de Direito, Governo e Tecnologia. 2018.
Softplan. Disponível em: https://www.softplan.com.br/. Acesso em: 10 nov. 2019.
STARR, S. Evidence-based sentencing and the scientific racionalization of 
discrimination. Stanford Law Review, set. 2013, p. 2. Disponível em: https://ssrn.
com/abstract=2318940. Acesso em: 6 nov. 2019.
U.S. Supreme Court. Wisconsin vs. Loomis. Disponível em: https://www.
supremecourt.gov/Search.aspx?FileName=/docketfiles/16-6387.htm. Acesso em 
9.11.2019.
https://www.softplan.com.br/
https://ssrn.com/abstract=2318940
https://ssrn.com/abstract=2318940
https://www.supremecourt.gov/Search.aspx?FileName=/docketfiles/16-6387.htm%20Acesso%20em%209.11.2019
https://www.supremecourt.gov/Search.aspx?FileName=/docketfiles/16-6387.htm%20Acesso%20em%209.11.2019
APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO
AULA 2 – APLICAÇÃO ATUAL DA AI AO DIREITO
17
	INTRODUÇÃO 
	1. ANÁLISE DA APLICAÇÃO DE AI NOS EUA
	2. COMO A AI VEM SENDO UTILIZADA NO JUDICIÁRIO BRASILEIRO
	2.1 A AI no STF 
	2.2 Como outros Tribunais no Brasil têm abordado a questão? 
	CONCLUSÃO
	Referências