Gerelateerde content
- Wet en parlementaire geschiedenis
- Internationale regelgeving
- Lagere regelgeving
- Besluiten
- Jurisprudentie
- Commentaar NLFiscaal
- Literatuur
- Recent
Samenvatting
Bas Bogaarts ‘leert’ de computer – via Kunstmatige Intelligentie (AI) – een (semantische) betekenis van (fiscale) woorden, voor zover die betekenis voortvloeit uit de context (in de vorm van de omringende woorden). De computer ‘leest’ daarvoor – in een trainingsproces – alle fiscale uitspraken en conclusies, en bestudeert de woorden in hun context, dat is de omringende woorden in een zin. De computer ‘leert’ (en representeert cijfermatig/visueel) via een zelflerend algoritme wat (fiscale) woorden betekenen op basis van hun relatie met andere woorden; dit algoritme is geïnspireerd door de uitspraak ‘woorden zijn net als kameleons, zij worden gekenmerkt en ingekleurd door hun omgeving’, wat in dit geval dus de omringende woorden zijn. In dit eerste artikel, dat onderdeel is van een tweedelige reeks, wordt uitgelegd hoe en gedemonstreerd dat een computer – via AI – die betekenis van (fiscale) woorden – tot een bepaalde graad – kan ‘leren’ en ‘begrijpen’, doordat bijvoorbeeld synoniemen, soortgelijke woorden of analogieën kunnen worden gevonden. In het tweede (nog te publiceren) artikel schetst de auteur vervolgens onderzoeksrichtingen en geeft hij voorbeelden waarin deze vorm van AI mogelijk kan bijdragen aan het (fiscale) interpretatieproces.
Taxtech artikel
1. Inleiding
Het zijn woorden die betekenis aan het recht geven. De wetgever, rechterlijke macht, fiscale wetenschap en belastinginspecteur vervullen met iedere woordkeuze hun respectievelijke taak in het vormgeven, verduidelijken en interpreteren van het recht. Bij het begrijpen van een woord(keuze) c.q. rechtsinterpretatie worden verschillende interpretatiemethoden gebruikt, zoals een grammaticale of (rechts)historische (wets)interpretatie. In deze tweedelige reeks van artikelen onderzoek ik of Kunstmatige Intelligentie (AI), meer specifiek computerlinguïstiek, de fiscalist zou kunnen helpen bij dit interpretatieproces. Met behulp van AI kan de computer namelijk een enorme hoeveelheid tekst analyseren (in casu de fiscale rechtspraak) en de (verborgen) kennis daarin ontdekken over (fiscale) woorden.
In paragraaf 2 volgt een inleidend overzicht van de impact van computerlinguïstiek (als onderdeel van AI) op het werk van de fiscalist. Daarna schets ik een toekomstperspectief, waarin een computer via een zelflerend algoritme (AI) de betekenis van fiscale woorden kan leren door alle fiscale uitspraken en conclusies te analyseren. De computer leert die betekenis door de (fiscale) woorden in hun context te bestuderen, vergelijkbaar met hoe een fiscalist dat doet (paragraaf 3). De computer vertaalt daarbij de context van het te leren woord – en zo wordt aangenomen: de daaruit voortvloeiende betekenis – in een corresponderende vector, een reeks van cijfers (paragraaf 4). Die cijfers van die vector zijn coördinaten, die de corresponderende woorden een plaats geven in een multidimensionale ruimte, die als volgt kan worden geïllustreerd:
