|
【编者按】今天召开的“智合论坛2017：智能时代的法律服务”邀请到大神凯文·凯利，与在座数百位法律人分享了他对人工智能新时代的观点。会议同时邀请司法界、律师界诸多有识之士，就人工智能如何在法律领域深度运用展开讨论。这次会议上，我以《人工智能如何取信于法律人与当事人》为主题，与大家分享了五个故事，抛出了许多问题。 有意思的是，上海高院李则立先生的分享，正好回应了我的问题。所以，今天暂不分享我的故事，优先推送则立的思考。 何 帆 | 南京中院辟谣后，我们离“阿尔法法官”还有多远【斑斓·新思维】 人工智能这样帮你办故意杀人案，你会选择相信它么【斑斓 · AI】 Alpha Zero横空出世，距离横扫法律界还有多久，且听专业人士解读【斑斓 · AI】 作 者 | 李则立 （上海市高级人民法院团委书记） 算力、大数据，算法的进步指引我们走向人工智能。但单纯的“法律”加“人工智能”结不出“法律人工智能”的果子。通往法律人工智能的钥匙也许并不在于算法，而在于人，在于法律与技术的“连接者”。 01 为什么“连接者”是通向法律AI的钥匙？ 从目前所知的法律人工智能实现路径来看，一条路是目前比较清晰的“专家、算法、数据”模式，这是人工智能技术深度应用于各个专业细分领域中找到的一个模式，目前的法律科技公司大致都沿着这个模式推进。 可能还存在另一条路，等待通用人工智能实现跨越式发展，直接用于法律领域。特别是围棋领域“阿尔法狗元”横空出世，“左右互搏”自己学习打败了学习人工标注数据的“阿尔法狗”。不少法官说，我们的路子是不是走错了？虽说不能下定论说不可能，但毕竟围棋是完全信息，规则明确、空间封闭和特定的领域。为围棋训练出来的智能系统可能下象棋就不好用。所以，接下来DeepMind团队的目标是测试“星际争霸”，一个比围棋更具开放度的领域，目前只能预见这套算法可能在游戏领域会有不错表现。 既然如此，通用人工智能之路被证明走得通之前，我们还是得先沿着第一条路走。这两条路的本质区别在于，机器的学习能不能离开人类老师？走第一条路就是你得教它，还得下血本教它，还得有耐心等着它慢慢成长。所以，这把钥匙在人类手中，钥匙就是人类与机器的“连接者”。除了程序员，至少需要三种“连接者”， 一是标签数据整理者，二是业务专家，三是产品经理。 “算法、数据、专家”三个要素当中，“算法”开源，各家水平虽有所不同，但基本原理自上世纪五六十年代成熟之后，没有变化，不是本质性差距，算是通用资源。“数据”是生产资料，具有明显的行业特征。比如上海法院信息化起步早，基础设施相对完善，大力推进司法公开，产生了大量数据。但是，“数据大”并不是“大数据”，这些数据并不能直接用于人工智能开发。数据需要经过标注，经过整理，机器才能够读懂。否则，这些数据摆在开发者面前，就像一堆沙子，谁都知道里头有“黄金”，但只能望洋兴叹。 有人说，“有多少人工，才有多少智能”，初级阶段的确如此。这是个苦活、累活，投入很大，产出不一定多。所以，我们需要很多“标签数据整理者”。 更为关键的是“专家经验”。要想让机器拥有“智能”，必须跟着行业专家学，最好还是行业的顶尖专家。为什么用别人当老师当不好？原因很简单，“跟臭棋篓子下棋，永远只是臭棋篓子”。所以，“关键先生”是行业专家。 还有“产品经理”。专家、工程师、产品经理，谁说了算？产品经理说了算，因为产品经理对最后的产品负责。产品是法律人工智能发挥效用的形态，产品经理更是“连接者中的连接者”，就如乔布斯乔帮主，千金易得，一将难求。 而且，在法律人工智能发展之路上，对“连接者”的需求相当可观。从目前开发进度来看，还没有发现一个底层规律，“放个大招”，一统天下将所有法律领域全部击破。目前的战术仍然只能是各个突破。刑法近470个罪名，民事案件光二级案由467个……一个一个地啃，“市场”需求很大，而且会越来越大。这就给整个行业提出了一个问题，这些人才从哪里来？ 02 为什么“连接者”需要法律行业提供？ 这些事交给科技公司，交给程序员行不行？在前人工智能时代，我们与技术公司之间的关系更多是甲方与乙方的关系，法律人提需求，技术公司帮助实现。那么这一回呢？这一回不同了。 三种人，一是数据整理者，二是业务专家，三是产品经理。 数据整理者做的是基础性工作，比如将讯问笔录进行拆解，标注，拆解成作案时间，作案地点，作案手段等要素，要素拆解得越细，机器跑出来的结果越准确。“打标签”是个技术活。一方面，看得懂法律文件，才能做数据的标注；另一方面，机器跑出来结果，机器学得对不对呢？还要反馈，校正，不对的要修正，这就是机器的“监督学习”。 这些数据处理需要大量有一定法律实务经验的人来做。这些工作能不能外包？科大讯飞目前将一些诸如保险类的标注工作通过众筹平台来做，但法律数据众筹来做依然难度太大。而且标注哪些信息？精细化程度如何？都需要由资深法律人根据产品经过反反复复讨论形成结果。如果非法律人来做，有很大的培训成本。 业务专家几乎可以肯定必须由法律人来担任，而且是实务界的高段位业务专家，当然，更好的状态是复合型人才。比如科大讯飞医疗部分的负责人，同时有电子工程学背景，又是医学影像研究方面的专家。有人认为找到专家，就有了专家经验？其实不对。要想机器产生“认知”，从目前的技术演进来看，都会走到“知识图谱”这个问题上，就是想办法把法律概念分析成机器能够读懂的“知识结构”，并建立起知识与知识，概念与概念之间的联系，让机器“明白”。 而且，法律概念的具体含义还可能演化，需要进一步修正。一个主要概念的变化还会引起系统性反应。这不是普通的业务沟通，需要高度的提炼能力，还需要能够与机器沟通，懂技术路径。比如科大讯飞的医学项目就是长期与医学专家深度交流，这是个在实践与理论与技术之间来回穿梭的高难度工作。 再说产品经理。谁来做产品经理？两条进路，一是技术人才对接法律需求，二是法律人了解技术进路。哪种方式更好？个体因素更具决定性。但相对来说，法律人学习成本相对较低，他能够了解技术进路，不需要学习“编程”，可以逐渐适应。但从技术跨过法律的门槛，有知识背景的限制，相对困难更大一些。所以，不少法律科技公司的做法是法律人负责专业需求，而技术人才负责通用需求。 这样看来，大量的人才需要从法律行业产生。在专业细分领域，既然人工智能站在人的肩膀上，它就像一个一张白纸的小学生，你教它医学知识，它成为医生，你教它法律知识，它成为法律人。最适合当老师的当然是行业“高手”们。
可见，需求很大，投入很大，投入的时间还可能很长。法律行业有必要投入吗？有人说，我们投入那么多人工，产生人工智能，再来代替我们自己？ 03 为什么要拥抱人工智能？ 我们经常听到说要实现法律人工智能。但是如果我们去问问法律人工智能推进者们，无论是公检法这一端，还是靠谱的法律科技公司，没有人说过，我们的目标是实现法律人工智能。我们为什么要拥抱人工智能？主要是因为，我们长期想解决又解决不了的问题，人工智能给了一个新解法。正如摄像头的大面积普及降低了犯罪率。所以，我们谈人工智能，不能因为还没有走多远，就忘记了为什么出发。 发展人工智能的理由至少有三点： 第一，法律行业知识管理的新方式。法律行业之所以被认为是一个传统行业，其中一个重要原因是知识管理问题。无论是在司法机关还是在律所，往往一位带头人离去，同时也宣告了一个业务“巅峰”的结束。所以我们现在想了很多办法推动职业化、专业化，无论是树立知识管理的理念，做好文档管理，运用印象笔记、思维导图等软件，还是为此开发OA系统，建立完善的培训体系，都是为了解决这个事。 但人工智能将专家经验嵌入到应用系统当中，就好像刚入行的新医生，由全国三甲医院顶尖专家经验集合成的会诊团来给你支招，这业务水平是不是比从0到1的逐步摸索和积累来得高呢？那么病人是不是也能在一个非三甲医院获得三甲平均水准的医疗方案呢？专业运动员与业余的差别并不在于业余选手打不出好球，而在于业余选手不能像高手一样稳定地发挥，减少失误。这才是我们推进法律人工智能的目的，行业水准的稳定器。 第二，法律行业专业化、职业化水准提升的催化剂。人类在利用技术的同时，技术也会同时改造我们。比如在民商事领域也许标准化程度最高的道交案件中，假如我们统计一下“后续治疗费”，说法至少有10种之多，包括“二次治疗费、后续治疗费、后期医疗费、取出内固定物费用……”。那怎么办？ 两种办法，一种你让机器变得越来越聪明，能够识别人类各种天马行空，甚至连“一别两宽，各生欢喜”也能懂；另一种是规范化，提高标准化程度，将来这些说法统统归为“后续治疗费”。这显然是成本更低的一种方式。这样就形成了一个“倒逼”机制，逼着人做事越来越标准。 再比如通过“智能化应用系统”，从律师端的起诉书就是按照标准格式，并且及时通过OCR图像识别技术扫描进系统，庭审记录通过语音识别技术，并且智能提取要素直接进入系统，而系统经过分析，给出类案推送，或者量刑参考。这个时候，简单案件可能就直接生成一个裁判文书，虽然最终的判断依然由人来作出，但是法官大量重复性工作就省了。 人工智能实现的过程就是倒逼我们的业务流程不断规范化，裁判规则不断实现“同案同判”的过程。同时，也是给法律人省时间的过程。 第三，法律行业向上“跃迁”的助推器。法官、律师们能够把本来用于重复劳动的时间省出来，这些时间省出来干什么？用于那些需要深入思考的价值判断，做机器做不到的事情。未来社会的变化速度越来越快，法律的滞后性必须与社会的快速演进保持一个合适的速度，而价值判断的难度也会越来越大，法律人的地位和价值也将水涨船高。 所以，发展法律人工智能，不单是司法机关的事，也不单是某些法律科技公司的事，是整个行业的事。同时，法律人工智能的发展，也不是一个线性目标，像一个项目，今天推进一点，明天推进一点，到某一天，突然实现了。这是一个演进的过程，技术与人不断互动，今天改进一点，看不出来，明天改进一点，等人工智能从孩子慢慢长大了，同时也改变了整个行业的模样。K.K称之为“形成”（becoming）。这个开发过程是艰苦卓绝的，特别是先期投入。 所以，人还是最可宝贵的。在探索法律人工智能的道路上，至少有几件事，是需要花力气去做的。 一是人工智能的科普。曾有不少法律人问起，为什么人工智能是一个“黑箱”？黑箱里到底是什么？会不会失控？怎么听起来像玄学？法律人了解科技了解到什么程度呢？听过两句话很有道理，一位开发者说，不用会编程，但“不要因为对技术的无知限制了想象力”；而一位法律人说，也“不要因为对技术的无知认为技术无所不能”。 二是人才培养模式的改变，实践优于理论，未来适应新法律职业的人才也许出自法律科技实验室。 三是寻找“正循环”获得意义感。长期的事业需要持续的动力。动力从哪里来？我们需要形成“正循环”，爆款产品出现，法律人深度应用，改造行为，产生数据，反哺产品，开发者、知识贡献者不断找到获得感和成就感。这是个非常值得研究的问题，篇幅所限，此处只能浅尝。 毕竟，从K.K提出的'技术元素'来看，当图像识别，语音识别这些“感知”智能突破以后，必然向着“认知”的方向发展，但这件事最终是在中国发生，还是在美国发生，或者在英国发生，却并不必然。 这可能是我们这一代中国法律人的使命。 |
|
|
