Getur gervigreind hugsað eins og hæstaréttardómari? Tilraun bandarísks lagaskóla reynir á mörk tækninnar
Í tilraun við Háskólann í Norður-Karólínu fluttu laganemar raunverulegt hæstaréttarmál fyrir þremur gervigreindar„dómurum“. Þeir komust að sömu niðurstöðu og Hæstiréttur – en áttu erfitt með mannleg samskipti málflutningsins.
Gervigreind getur þegar tekið saman lagatexta, greint dóma og sett fram lagaleg rök sem líkjast því sem reyndir lögfræðingar skrifa. En getur hún gert eitthvað flóknara? Getur hún vegið og metið ólíkar lagatúlkanir, gagnrýnt röksemdir og komist að niðurstöðu með svipuðum hætti og dómari við Hæstarétt?
Ný tilraun við lagadeild Háskólans í Norður-Karólínu í Bandaríkjunum gefur áhugaverða innsýn í þessa möguleika. Þrjú gervigreindarkerfi fengu hlutverk sýndardómara við Hæstarétt Bandaríkjanna og voru látin fjalla um raunverulegt dómsmál. Niðurstaða þeirra varð sú sama og Hæstiréttur hafði áður komist að.
Tilraunin leiddi þó einnig í ljós mikilvægan veikleika. Kerfin gátu sett fram lagaleg rök og komist að sameiginlegri niðurstöðu, en áttu mun erfiðara með að endurskapa eðlileg samskipti, spurningar og rökræður sem einkenna raunveruleg réttarhöld.
Tilraunin vekur því spurningu sem nær langt út fyrir bandaríska lögfræðimenntun: Er gervigreind farin að skilja lagalega rökhugsun eða er hún fyrst og fremst orðin betri í að líkja eftir útliti hennar?
Óvenjuleg tilraun í réttarsal
Þann 22. október 2026 stóð lagadeild Háskólans í Norður-Karólínu fyrir viðburði sem nefndist May It Please the Machine. Lagastúdentar fluttu mál í hermdum málflutningi fyrir Hæstarétti Bandaríkjanna, en í stað hefðbundins dómarapalls sátu þar þrír sýndardómarar knúnir gervigreind.
Nicole Downing, aðstoðarforseti lagadeildarinnar með ábyrgð á málefnum gervigreindar, kom að skipulagningu verkefnisins ásamt Rolando Rodriguez, gagnasafnsfræðingi háskólans, sem þróaði sýndardómarana.
Í stað þess að reyna að endurskapa alla níu dómara Hæstaréttar voru þrjú ólík sjónarhorn skilgreind.
Eitt byggðist á textahyggju eða frummerkingu laga, þar sem sérstök áhersla er lögð á orðalag lagatexta og hefðbundna lagatúlkun.
Annað byggðist á raunsæisnálgun, þar sem horft er til þess hvernig lög virka í raunverulegum aðstæðum.
Þriðja sjónarhornið var framsækið og tók mið af víðari lagalegum meginreglum og þróun samfélagsins.
Kerfin voru byggð á ChatGPT-tækni. Hvert þeirra fékk sérstakar leiðbeiningar og skilgreinda persónu til þess að nálgast sama lagalega álitaefnið með ólíkum hætti.
Skipuleggjendur lögðu fram nafnlaus málsgögn, málsmeðferðarsögu, málflutningsskjöl, viðeigandi lagagreinar, eldri dóma, reglugerðir og leiðbeiningar stjórnvalda. Einnig fengu sýndardómararnir dóma sem tengdust þeirri túlkunaraðferð sem þeim var ætlað að fylgja.
Samkvæmt Reuters höfðu kerfin ekki aðgang að internetinu eða utanaðkomandi gögnum meðan á tilrauninni stóð, svo þau gætu ekki einfaldlega flett upp raunverulegri niðurstöðu málsins.
Markmiðið var ekki að kanna hvort vél gæti tekið sæti dómara. Tilgangurinn var að rannsaka hvort gervigreind gæti endurskapað hluta þeirrar rökhugsunar sem birtist í dómsniðurstöðum og hvort hún gæti nýst lögfræðingum og laganemum við undirbúning mála.
Raunverulegt dómsmál að baki tilrauninni
Skipuleggjendur völdu málið Monsalvo Velázquez gegn Bondi, sem Hæstiréttur Bandaríkjanna úrskurðaði í 22. apríl 2025.
Lagalega álitaefnið virtist afmarkað en hafði verulegar afleiðingar.
Hugo Monsalvo Velázquez, mexíkóskur ríkisborgari sem hafði búið lengi í Bandaríkjunum, hafði fengið leyfi til að yfirgefa landið sjálfviljugur innan 60 daga í stað þess að sæta formlegri brottvísun.
Síðasti dagur frestsins féll á laugardag.
Monsalvo lagði síðar fram beiðni um að málsmeðferð hans yrði tekin upp að nýju næsta mánudag. Útlendingamálanefnd Bandaríkjanna hafnaði beiðninni og taldi frestinn þegar útrunninn.
Málið fór að lokum fyrir Hæstarétt.
Meginspurningin var hvort lögbundinn 60 daga frestur ætti að færast yfir á næsta virka dag þegar lokadagurinn félli á helgi eða almennan frídag.
Í apríl 2025 komst Hæstiréttur að þeirri niðurstöðu, með fimm atkvæðum gegn fjórum, að fresturinn skyldi lengjast fram á næsta virka dag.
Neil Gorsuch dómari skrifaði meirihlutaálitið. Rétturinn skoðaði orðalag laganna í samhengi við hefðbundna framkvæmd stjórnvalda og meðferð sambærilegra fresta í öðrum lagaákvæðum.
Minnihlutinn lagði aðra áherslu á málið og taldi að venjuleg merking orðalags laganna og skýr 60 daga tímamörk ættu að ráða úrslitum.
Málið hentaði vel fyrir tilraunina. Þar var skýrt lagalegt ágreiningsefni, ólíkar aðferðir við túlkun laga og raunverulegur ágreiningur innan Hæstaréttar.
Ekki þurfti að velja gríðarlega flókið stjórnarskrármál til að kanna hvort gervigreind gæti greint á milli ólíkra leiða við lagalega rökhugsun.
Gervigreindin komst að sömu niðurstöðu
Niðurstaða tilraunarinnar var einn áhugaverðasti þátturinn.
Raunsæisnálgunin og framsækna sjónarhornið mynduðu meirihluta sem studdi að fresturinn færðist til næsta virka dags. Dómarinn sem fylgdi textahyggju var ósammála.
Þannig endurskapaði gervigreindin meginuppbyggingu raunverulegs dóms Hæstaréttar: meirihluta sem studdi framlengingu frestsins og minnihluta sem lagðist gegn henni.
Þetta er athyglisverð sýning á því sem nútímaleg gervigreind getur gert þegar hún fær viðeigandi lagagögn og skýrt skilgreind hlutverk.
Kerfin gátu skoðað lagaleg rök, beitt ólíkum túlkunaraðferðum og myndað ágreining í stað þess að skila öll sama svarinu.
Fyrir lagakennslu gæti þetta haft raunverulegt gildi.
Lagastúdent sem undirbýr málflutning fyrir áfrýjunardómstól gæti beðið gervigreind um að skoða röksemdir frá nokkrum mismunandi sjónarhornum. Einn sýndardómari gæti einbeitt sér að nákvæmu orðalagi lagagreinar, annar að raunverulegum afleiðingum túlkunarinnar og sá þriðji að víðari lagalegum meginreglum.
Þannig mætti finna veikleika í málflutningi áður en komið er fyrir raunverulegan dómstól.
Hér þarf þó að hafa mikilvægan fyrirvara.
Að komast að sömu niðurstöðu og dómstóll er ekki sönnun þess að kerfið skilji lögin á sama hátt og mannlegur dómari.
Niðurstaðan gæti verið rétt vegna þess að líkanið hefur fundið viðeigandi réttarheimildir og sett fram sannfærandi keðju lagalegra raka. Það sannar ekki að það hafi sjálfstætt skilið undirliggjandi meginreglur, metið afleiðingarnar eða beitt raunverulegu dómaramati.
Munurinn á réttu svari og áreiðanlegu ákvörðunarferli er áfram eitt mikilvægasta álitaefnið í umræðunni.
Þar sem tilraunin gekk síður vel
Mesti veikleikinn kom í ljós þegar kom að munnlegum málflutningi.
Sýndardómararnir gátu spurt spurninga, sett fram ímyndaðar aðstæður og brugðist við atriðum sem laganemarnir tóku upp. Þeir gátu einnig vísað til raka sem hinir sýndardómararnir höfðu sett fram.
Samskiptin minntu þó ekki á raunverulegan málflutning fyrir Hæstarétti.
Samkvæmt Downing, eins og Reuters greindi frá, voru samskipti gervigreindardómaranna vélræn. Þeir gripu ekki eðlilega fram í, skutu inn athugasemdum eða ögruðu lögfræðingunum með þeim ófyrirsjáanlega hætti sem einkennir reynda dómara.
Downing gaf frammistöðu þeirra í samtölunum aðeins 1,5 af 10.
Þarna kom fram athyglisverður munur á getu kerfanna til að komast að lagalegri niðurstöðu og getu þeirra til að taka þátt í raunverulegum rökræðum.
Munnlegur málflutningur er ekki einfaldlega röð spurninga og svara. Dómari getur gripið fram í vegna þess að svar hefur leitt í ljós mótsögn, sett fram óvænt dæmi, snúið aftur að fyrri röksemd eða dregið í efa forsendu sem lögmaður hefur ekki varið nægilega vel.
Samtalið getur breyst á örfáum sekúndum.
Það krefst meira en þess að setja fram lagalega trúverðugar setningar. Það krefst þess að skilja nákvæmlega hvað felst í svari, greina þegar málflutningur breytir um stefnu og átta sig á því hvenær nauðsynlegt er að spyrja frekar.
Tilraunin í Norður-Karólínu bendir til þess að gervigreind geti endurskapað hluta þeirrar greiningar sem fer fram við dómsmeðferð mun auðveldar en mannleg samskipti hennar.
Hvað segja aðrar rannsóknir?
Ekki ætti að skoða tilraunina í Norður-Karólínu einangrað.
Vísindamenn og lögfræðingar víðar hafa rannsakað hvort stór mállíkön geti sinnt dómararöksemdum, túlkað lagatexta og aðstoðað við undirbúning áfrýjunarmála.
Í vinnuskýrslu frá 2025, Judge AI: Assessing Large Language Models in Judicial Decision-Making, rannsökuðu Eric Posner og Shivam Saran við lagadeild Háskólans í Chicago GPT-4o með tilraunasniði sem áður hafði verið notað á 31 bandarískum alríkisdómara.
Niðurstöðurnar bentu til þess að gervigreindin legði mikla áherslu á fordæmi en brygðist ekki við samúðarkenndum lýsingum á sakborningum með sama hætti og starfandi dómarar.
Niðurstaða rannsakendanna var sú að kerfið hegðaði sér fremur eins og formfastur dómari en mannlegur dómari.
Þetta tengist tilrauninni í Norður-Karólínu. Það bendir til þess að gervigreind geti verið sterk í að beita skipulögðum lagareglum en hegði sér öðruvísi en fólk þegar fleiri sjónarmið koma til álita.
Önnur rannsókn frá Center for Information Technology Policy við Princeton-háskóla, sem birtist í júní 2026, skoðaði gervigreindarkerfi sem voru hönnuð til að líkja eftir spurningum dómara Hæstaréttar Bandaríkjanna.
Rannsakendur komust að því að sum kerfin gátu búið til spurningar sem matsaðilar, þar á meðal laganemar, töldu raunhæfar og sannfærandi.
Þeir fundu þó einnig verulega veikleika.
Sýndardómararnir voru oft of undanlátssamir: þegar lögmenn brutu gegn hátterni í réttarsal brugðust bestu líkönin við í innan við 40% tilvika. Þau greindu margar rökvillur en sáu sjaldan við ögrunum eða lögmanni sem skipti um afstöðu í miðjum málflutningi, spurðu mun einsleitari spurninga en raunverulegir dómarar og settu nær aldrei fram ímynduð dæmi.
Þetta skiptir máli vegna þess að góð lagaleg röksemd verður að þola gagnrýni, ekki aðeins fá trúverðugt svar.
Í annarri rannsókn, sem birtist í Journal of Empirical Legal Studies, skoðaði lögfræðingurinn Jonathan H. Choi áreiðanleika stórra mállíkana við túlkun laga.
Rannsóknin leiddi í ljós að niðurstöður þeirra gátu breyst verulega eftir orðalagi fyrirmæla, vali á líkani og því hvernig úttakið var unnið. Einnig komu fram áhyggjur af getu þróaðra líkana til að meta venjulega merkingu lagalegs orðalags með stöðugum hætti.
Þessar rannsóknir benda til þess að lagaleg rökhugsun gervigreindar sé að þróast, en áreiðanleiki er allt annað en einstök glæsileg niðurstaða.
Vandinn við sannfærandi mistök
Ein mesta hættan við notkun gervigreindar í lögfræði er ekki sú að hún gefi alltaf augljóslega röng svör.
Hættan er að hún geti gefið röng svör sem líta út fyrir að vera rétt.
Stór mállíkön búa til svör út frá lærðum mynstrum og samhengi. Þau tryggja ekki sjálfkrafa að allar lagatilvísanir, tilvitnanir eða túlkanir séu raunverulegar.
Í lögfræði getur þetta haft alvarlegar afleiðingar.
Rannsóknin Large Legal Fictions, sem birtist í Journal of Legal Analysis árið 2024, sýndi fram á umfangsmiklar rangfærslur í lagalegum svörum opinberra gervigreindarkerfa. Rannsakendurnir komust að því að kerfin gæfu oft rangar upplýsingar og gætu átt erfitt með að átta sig á því þegar eigin svör væru óáreiðanleg.
Önnur rannsókn undir forystu Stanford-háskóla, sem birtist árið 2025, skoðaði sérhæfð gervigreindartól fyrir lögfræðilega rannsóknarvinnu, meðal annars kerfi frá LexisNexis og Thomson Reuters. Hún sýndi að jafnvel sérhæfð kerfi héldu áfram að framleiða villandi eða rangar upplýsingar í umtalsverðum hluta prófaðra fyrirspurna.
Afleiðingarnar eru ekki aðeins fræðilegar.
Lögfræðingar hafa sætt viðurlögum eftir að hafa lagt fram skjöl fyrir dómstóla sem innihéldu tilbúnar réttarheimildir og rangar tilvitnanir sem urðu til með aðstoð gervigreindar.
Lærdómurinn er skýr: Lögmaður ber áfram ábyrgð á réttmæti þess sem hann leggur fyrir dómstól, óháð því hvort gervigreind hafi aðstoðað við undirbúninginn.
Fyrir almenning getur hættan verið enn meiri. Einstaklingur án lögfræðimenntunar á oft erfitt með að greina hvort sannfærandi útskýring á réttindum hans byggist á rangri lagatúlkun.
Gervigreind getur gert lögfræðilegar upplýsingar aðgengilegri, en aðgengi er ekki það sama og áreiðanleiki.
Nýtt hlutverk í lögfræðimenntun
Mestu möguleikarnir til skemmri tíma kunna að liggja í kennslu og undirbúningi fremur en dómsvaldinu sjálfu.
Lagadeildir gætu notað sýndardómara til að gefa nemendum fleiri tækifæri til að æfa málflutning, verja lagatúlkanir og finna veikleika í eigin röksemdum.
Nemendur gætu prófað sömu röksemd gagnvart nokkrum ólíkum túlkunaraðferðum án þess að þurfa að hafa reynda lögfræðinga tiltæka í hvert sinn.
Lögmenn gætu notað sambærileg verkfæri til að sjá fyrir mögulegar spurningar, prófa aðrar röksemdir og undirbúa sig fyrir erfiða málflutninga.
Minni lögmannsstofur gætu einnig fengið aðgang að greiningartólum sem áður voru frekar á færi stórra fyrirtækja með umfangsmikla rannsóknarvinnu.
Hins vegar skapast hætta ef nemendur fara að líta á röksemdir frá gervigreind sem staðgengil eigin lögfræðilegrar þekkingar.
Lögfræðinám snýst um meira en að finna svar. Það felur í sér að skilja hvers vegna ein túlkun er sterkari en önnur, hvernig lagalegar meginreglur tengjast og hvenær einföld regla getur leitt til ósanngjarnrar eða óraunhæfrar niðurstöðu.
Ef nemendur samþykkja einfaldlega röksemdir gervigreindar eiga þeir á hættu að verða háðir kerfi sem hefur veikleika sem þeir kunna ekki að þekkja.
Tæknin ætti því að vera viðbót við kennsluna, ekki kennarinn, prófdómarinn eða endanlegur úrskurðaraðili.
Gæti gervigreind einhvern tíma orðið dómari?
Tilraunin í Norður-Karólínu sannar ekki að gervigreind sé tilbúin til að taka þátt í raunverulegri dómsmeðferð.
Hún var sýning með einu dómsmáli, þremur fyrirfram skilgreindum dómarapersónum og ákveðnum gögnum sem lögð voru fyrir kerfin. Hún var ekki umfangsmikil rannsókn á hæfni dómara og það að ná sömu niðurstöðu í einu máli sannar ekki stöðuga frammistöðu á ólíkum sviðum lögfræðinnar.
Fyrirliggjandi umfjöllun sýnir heldur ekki að kerfin hafi sjálf þróað eigin dómarastefnur. Sjónarhornin voru skilgreind af skipuleggjendum.
Einnig eru spurningar sem erfitt er að svara með hermdum réttarhöldum.
Raunverulegur dómari þarf að meta trúverðugleika og afleiðingar sönnunargagna, réttindi einstaklinga, sanngirni málsmeðferðar, stjórnarskrárskyldur og víðari áhrif dóms.
Dómarar starfa innan stofnana þar sem ákvarðanir þurfa að vera rökstuddar, geta sætt gagnrýni og, þegar við á, verið áfrýjað.
Þeir bera einnig ábyrgð á þann hátt sem gervigreindarkerfi gera ekki.
Jafnvel þótt gervigreind gæti samið lagalega réttan dóm stæðu eftir mikilvægar spurningar. Hver bæri ábyrgð ef hún gerði mistök? Hver myndi útskýra niðurstöðuna fyrir þeim sem hún hefði áhrif á? Hvernig gæti málsaðili mótmælt ákvörðun sem vél hefði tekið?
Þetta eru lagalegar og lýðræðislegar spurningar, ekki aðeins tæknileg vandamál.
Raunverulegt mikilvægi tilraunarinnar
Áhugaverðasta niðurstaðan frá Norður-Karólínu er ekki sú að þrír gervigreindardómarar hafi komist að sömu niðurstöðu og Hæstiréttur.
Mikilvægara er að kerfin sýndu getu til að setja fram ólík lagaleg sjónarmið og skipulegan ágreining, en áttu samt í erfiðleikum með að taka sannfærandi þátt í mannlegum rökræðum.
Það gefur raunsærri mynd af tækninni en annaðhvort sú fullyrðing að gervigreind sé að fara að leysa dómara af hólmi eða sú skoðun að hún sé ófær um merkingarbæra lagalega greiningu.
Gervigreind er að verða öflugt hjálpartæki við úrvinnslu lagaupplýsinga, prófun röksemda og samanburð ólíkra lagatúlkunar.
En dómari gerir meira en að vinna úr upplýsingum og velja svar. Dómari þarf að túlka, spyrja, meta afleiðingar og bera ábyrgð á ákvörðun sem getur breytt lífi fólks.
Tilraunin í Norður-Karólínu sýnir að gervigreind getur líkt eftir mikilvægum þáttum þess ferlis.
Hvort hún geti raunverulega skilið og beitt dómaramati með áreiðanlegum hætti er mun stærri spurning.
Í bili geta vélarnar sest á sýndardómarabekk Hæstaréttar. Þær hafa ekki sýnt fram á að þær séu tilbúnar til að gegna raunverulegu dómarastarfi.
Heimildir
- Reuters, Karen Sloan – Law school puts AI 'Supreme Court' to the test, 28. október 2026 – Tilraunin, uppbygging hennar, niðurstaðan og mat Nicole Downing.
- WRAL News – UNC School of Law holds mock Supreme Court arguments using AI justices, 22. október 2026 – Frétt um viðburðinn 22. október.
- JD Journal – AI Supreme Court tested for legal accuracy by law school, 29. október 2026 – Heiti viðburðarins, túlkunaraðferðirnar þrjár, gögnin sem kerfin fengu og niðurstaðan 2–1.
- Hæstiréttur Bandaríkjanna – Monsalvo Velázquez v. Bondi, nr. 23-929, 22. apríl 2025 – Dómurinn í málinu sem notað var í tilrauninni.
- Eric A. Posner og Shivam Saran – Judge AI: Assessing Large Language Models in Judicial Decision-Making, 2025 – Samanburður GPT-4o og alríkisdómara.
- Princeton CITP – Facts & Fictions: Is AI-Assisted Oral Argument Preparation Worth the Hype?, júní 2026 – Mat á gervigreindarkerfum sem líkja eftir spurningum hæstaréttardómara.
- Jonathan H. Choi – Off-The-Shelf Large Language Models Are Unreliable Judges, Journal of Empirical Legal Studies – Áreiðanleiki mállíkana við túlkun laga.
- Dahl, Magesh, Suzgun og Ho – Large Legal Fictions, Journal of Legal Analysis, 2024 – Rangfærslur í lagalegum svörum opinberra gervigreindarkerfa.
- Magesh og fleiri – Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools, 2025 – Villur í sérhæfðum gervigreindartólum fyrir lögfræðilega rannsóknarvinnu.
Athugasemd um framsetningu: Greinin byggir á birtum fréttum af viðburðinum 22. október 2026, dómi Hæstaréttar Bandaríkjanna og sjálfstæðum fræðirannsóknum. Tilraunin var kennslusýning en ekki vísindalegt mat á hæfni gervigreindar til dómarastarfa. Fréttir 24/7 ræddi ekki við skipuleggjendur.
Ábendingar, leiðréttingar eða fyrirspurnir: ritstjorn@frettir247.news
