ปัญหาของการเข้าถึงการให้คําปรึกษาทางกฎหมายในปัจจุบันของประเทศไทยส่วนหนึ่งเกิดจากจํานวนของบุคลากรทางด้านกฎหมายที่ไม่สอดคล้องกับปริมาณคดีความที่เกิดขึ้นจริง ทําให้กระบวนการพิจารณาคดีใช้เวลานาน รวมทั้งค่าใช้จ่ายทั้งทางตรงและทางอ้อมที่สูงในระหว่างการเข้าสู่กระบวนการยุติธรรมเพื่อแก้ปัญหาดังกล่าว งานวิจัยฉบับนี้จึงมีจุดมุ่งหมายที่จะพัฒนาอัลกอริทึมปัญญาประดิษฐ์ที่สามารถทํานายบทบัญญัติของกฎหมายที่เกี่ยวข้องกับคําพิพากษาในคดีละเมิดจากฐานข้อมูลคําตัดสินของศาลฎีกาไทยในอดีตเพื่อเป็นเครื่องมือช่วยประชาชนทั่วไป และบุคลากรทางด้านกฎหมายในกระบวนการ นอกจากนี้อัลกอริทึมนี้ยังมีเป้าหมายเพื่อเป็นพื้นฐานสําหรับการพัฒนาอัลกอรึทึมปัญญาประดิษฐ์ในการทํานายผลคําพิพากษา และเป็นการปูรากฐานการพัฒนาอัลกอริทึมสําหรับทํานายคําพิพากษาจากข้อมูลที่เป็นภาษาไทยในคดีต่าง ๆ ต่อไปในอนาคต

คณะผู้วิจัยได้ศึกษาโดยใช้คดีละเมิด ซึ่งเป็นลักษณะคดีหนึ่งที่มีจํานวนคดีเข้าสู่ชั้นศาลมากที่สุดในการวิจัย เพื่อทดลองและหาวิธีที่ดีที่สุดในการนําปัญญาประดิษฐ์มาใช้ในการวิเคราะห์และทํานายข้อกฎหมายที่ถูกปรับใช้ในคําพิพากษาของศาลในคดีละเมิด โดยวิธีดําเนินการวิจัยแรกคือการดึงข้อมูลคําอธิบายข้อกฎหมายเพิ่มเติมจากฐานข้อมูลคําพิพากษาเดิมที่เป็นผลผลิตในโครงการวิเคราะห์คดีละเมิดด้วยปัญญาประดิษฐ์ (ระยะที่ 1) แล้วนําข้อเท็จจริงซึ่งประกอบด้วยคําฟ้อง และคําให้การมาพัฒนาหาอัลกอริทึมที่เหมาะสมกับลักษณะข้อเท็จจริงทางกฎหมายที่สุด โดยคณะผู้วิจัยฝึกโมเดลปัญญาประดิษฐ์ด้วยโมเดลโครงข่ายประสาทเทียมรูปแบบต่าง ๆ บนฐานสถาปัตยกรรม 2 ประเภท ได้แก่การจําแนกข้อมูลสองประเภท (Binary Classification) โดยใช้คําฟ้องซึ่งเป็นข้อเท็จจริงจากฝั่งโจทก์อย่างเดียว และการใช้คําให้การซึ่งเป็นมุมมองของฝั่งจําเลยพิจารณาร่วมเป็นข้อมูลชุดฝึก และประเภทที่สองคือสถาปัตยกรรมโครงข่ายประสาทเทียมแบบสยาม (Siamese Neural Network) ทั้งโครงข่ายย่อยแบบการเรียนรู้ข้อมูลด้วยข้อมูลจํานวนน้อย (Few-shot Learning) และแบบการเรียนรู้โดยปราศจากข้อมูลปฐมภูมิ (Zero-shot Learning) เพื่อทดสอบวิธีแก้ไขข้อจํากัดด้านความไม่สมบูรณ์ของข้อมูล ด้วยการใช้ค่าความต่างระหว่างคําอธิบายมาตรากับข้อเท็จจริงในการทํานายมาตราที่เกี่ยวข้อง

ผลการวิจัยพบว่า การใช้คําให้การประกอบคําฟ้องไม่ได้ส่งผลต่อการทํานายของโมเดลอย่างมีนัยยะสําคัญ และในส่วนสถาปัตยกรรมโครงข่ายประสาทเทียมแบบสยามปรากฏว่าโมเดล Bi-LSTM มีประสิทธิภาพในการทํานายได้ดีที่สุดในมาตราส่วนใหญ่ และมีความสามารถในการทํานายใกล้เคียงกับโมเดลแบบจําแนกข้อมูลสองประเภทในบางมาตราแม้จะไม่ได้ถูกฝึกด้วยข้อมูลของแต่ละมาตราโดยเฉพาะ อีกทั้ง ยังมีประสิทธิภาพที่ดีกว่าเครื่องมือค้นหาและสืบค้นข้อมูล (Elasticsearch) ซึ่งเป็นตัวชี้วัดมูลฐานในการสร้างระบบค้นคืน ด้วยคะแนน f1-score@3 มากกว่าร้อยละ 50 ในมาตรา 55 อันแสดงให้เห็นถึงศักยภาพที่จะพัฒนาเป็นระบบค้นคืนมาตราที่เป็นประโยชน์ต่อการนําไปประยุกต์ใช้กับคําพิพากษาในบริบทอื่น และการวิจัยด้านปัญญาประดิษฐ์เชิงนิติศาสตร์ด้านอื่น ๆ ต่อไป