A EXPERIÊNCIA DO PROJETO VICTOR: LIÇÕES IMPORTANTES

A EXPERIÊNCIA DO PROJETO VICTOR: LIÇÕES IMPORTANTES

O projeto está sendo desenvolvido em convênio com a Universidade de Brasília, está em sua fase inicial, mas já indica uma notável capacidade de gerar inovações. Trata-se de projeto que envolve a parceria entre três cursos da UnB: Direito, Engenharia de Software e Ciência da Computação.

Objetivos do projeto:
-Aplicação de métodos computacional com o objetivo de usar seus potenciais no reconhecimento de padrões nos processos jurídicos relativos a julgamentos de repercussão geral do STF.

-A Suprema Corte decidiu que a execução do projeto deveria ser feita por agentes externos sob sua fiscalização, a fim de não sobrecarregar os especialistas do Tribunal, bem como para unir esforços multidisciplinares em pesquisa.

-O projeto prevê a criação de modelos de machine learning (aprendizado de maquinas) para análise dos recursos recebidos pelo STF quanto aos temas de repercussão geral mais recorrentes, de modo a integrar o parque de soluções do Tribunal.

-O objetivo do projeto não é que o algoritmo tome a decisão final acerca da repercussão geral, mas sim que, com as máquinas “treinadas” para atuar em camadas de organização dos processos. Isso vai gerar, mais qualidade e velocidade ao trabalho de avaliação judicial, com a redução das tarefas de classificação, organização e digitalização de processos.

-O desenvolvimento de tecnologia em termos de reconhecimento de padrões relacionados a área de inteligência artificial, tem trazido excelentes resultados em diferentes campos de aplicação, sendo oportuno a utilização, pela Corte máxima do país, em um sistema tão sensível como o da repercussão geral.

O instituto da repercussão geral foi criado visando evitar que milhares de casos semelhantes fossem julgados de forma diferenciada, e as decisões da Corte sobre os casos tivessem o chamado efeito multiplicador. Com isso, evitaria que a Corte fosse sobrecarregada por um número excessivo de demandas e se uniformizaria a interpretação constitucional.

A implantação do instituto contribuiu, nos anos iniciais, para que a distribuição de processos no STF diminuísse significativamente. O quadro atual, segue carregado: mais de 100 mil processos por ano chegam ao STF, praticamente o mesmo número anterior a 2007, ano em que, com a alteração do Regimento Interno do STF, a repercussão geral foi inteiramente implantada. Em 2017, a Corte proferiu 126.530 decisões, mas recebeu 103.506 processos novos no mesmo período (BARROSO; REGO, 2017). Ainda que mudanças de diferentes aspectos precisem ser consideradas para o enfrentamento desse congestionamento, a implantação de modelos de machine learning (aprendizado de maquinas) e de análise de redes complexas servirá, certamente, para o aperfeiçoamento do sistema de repercussão geral e da própria jurisdição constitucional.

Mediante a utilização de diferentes modelos de aprendizado de máquina, foram alcançados elevados níveis de assertividade na separação de peças, o que faz com que a fase seguinte do projeto – a identificação PROJETO VICTOR: PERSPECTIVAS DE APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL AO DIREITO e classificação dos temas de repercussão geral – apresente perspectivas promissoras de bons resultados, constatáveis quando se for relacionar um processo inteiro a um ou mais temas de repercussão geral (SILVA, 2018). Nesse sentido, o conhecimento acumulado na aplicação dos modelos de aprendizado de máquina na separação de peças facilitará sobremaneira a utilização de modelos que tornem dispensável a análise de processos inteiros para concluir sua relação com temas de repercussão geral.