在当今时代，法律人工智能已经逐渐成为我们生活中的重要组成部分。然而，对于大多数人来说，法律AI的实际情况仍然较为陌生。在这样的背景下，华宇元典法律研究院的公诉业务专家叶衍艳于2018年9月12日受邀参加了在上海司法智库学会青年法研社与华东政法大学共同举办的PLUS演说会。本文将依据现场演讲的内容进行整理。在这次专题演说会上，叶衍艳专家为我们深入剖析了法律AI的真实面貌。她从多个角度阐述了法律AI技术的应用现状和发展前景，让我们对这一领域有了更为全面的认识。此外，她还就法律AI技术在社会公正、法律效率以及律师行业等方面所带来的影响进行了深入探讨，为我们提供了宝贵的见解。总之，随着科技的不断发展，法律AI的应用将越来越广泛。我们有理由相信，在不久的将来，法律AI将成为推动法治进步的重要力量。而作为法律行业的一份子，我们应该积极关注这一领域的发展，并努力将其运用到实际工作中，为社会和公众提供更优质的法律服务。
尊敬的各位，我叶衍艳，曾以检察官的身份，荣膺全国十佳公诉人，跨界投身于法律智能公司华宇元典。在此，我要大家明确一点：我并非要向你们展示法律AI的完美与魅力，我所想要做的，是揭示这个领域真实的一面。
PLUS演说会现场
在我们探讨法律关系的准确判断时，一个典型的例子便是，如何正确地分析事实以确定其法律性质。这里，我将为大家展示一个实际案例，并分析其中的法律关系构成。
在分析可能导致危险驾驶罪的情况时，系统不仅关注可能性，同时也考虑到其他可能的法律关系。经查询，系统指出，除了潜在的危险驾驶罪外，还可能涉及责任保险合同纠纷以及财产损失方面的争议。是否有人已经意识到这一点呢？这可作为我们选拔新人的一道测试题。事实上，机器似乎比法律专业的毕业生更全面地考虑了这个问题。那么，又是如何让机器得出这样的结论的呢？原来，这是通过分析大量历史案例，尤其是裁判文书，从而识别出可能的案由。此外，机器还可以利用标签数据，模仿人类的判断方式，来评估当前情况下的案由可能性。
然而，一个智能系统能否取代法律人的判断存在一定的局限性。首先，在处理复杂案件时，由于案由判断的实践结果往往存在不确定性，因此机器的判断也可能无法给出绝对正确的答案。
以一个简单的例子来说明，烧烤摊上的夜宵消费场景中，一名顾客因对服务质量不满意与服务员发生争执，进而演变为身体冲突。实际上，法院在审理此案时，大部分的判决书中都认定该行为属于“寻衅滋事”，但也有一部分案例被认定为“故意伤害”。值得注意的是，机器无法根据过去的判决结果直接给出“寻衅滋事”或“故意伤害”的结论，但它能有效地揭示过去判决的多样性，从而为司法人员提供更全面的参考依据。然而，由于机器的判断都是基于过往的数据，所以当出现新的罪名或犯罪类型时，机器的判断准确率会明显下降。要使机器像司法人员一样，从法律用语的角度完全自定义对新行为和新案由进行分析，虽然在当前阶段这还是不太现实的。
那么，如果说定性比较困难，量刑问题是不是能交给机器分析呢？相对于定性分析，量刑更多是根据大数据进行的定量分析，从这个角度看是AI更能发挥优势的领域。
还是刚才朗某某醉驾的例子，法律规定对危险驾驶罪判处拘役并处罚金，但是，究竟拘役一个月还是六个月，罚金罚多少，虽然有最高法量刑指导意见的指导，但司法实践中类似的案件处理差别仍然较大。AI系统可以建立在对历史数据分析的基础上作出判断，并且能直观分析给出量刑建议的依据是什么。
AI系统，在很大程度上能避免由于过于主观而导致的量刑偏差，有利于刑罚裁量的均衡性。但是，我们知道法律判断一定包含经验判断，许多经验可以被机器提取固化定量，但一定也有些是难以实现的。例如同样是认罪认罚，但是被告人不同的家庭背景，在法庭上认罪悔罪程度的不同，甚至法官个人不同的情感认知等等，都或多或少会影响到法官的自由裁量。例如为购买奢侈品满足虚荣心而恶意透支信用卡，与为了救治患病家属恶意透支信用卡，动机区别都可能影响实际的刑罚裁量。技术并不能完全精准提炼覆盖所有的可能性内容。因此大数据量刑，再精准也只是辅助，仍然需要人工的确认。
这或许就是法律人工智能的真实当下。AI在定罪和量刑这两大司法场景的运用，一方面体现了法律AI的重要意义和基本模式，即根据过往的大数据，构建数据模型，从而实现智能推送，辅助办案。另一方面，也体现了目前AI对司法的辅助还是明显局限的。借用《三体》作家刘慈欣的话，法律AI不过处在刚刚起步的史前时代。作为一家众多法律人参与的公司，华宇元典在迈往未来的努力中，也一直致力于告诉大家这个真实的当下。元典在2017年智合论坛上就论述了“法律人工智能的真实当下和可能性未来”。
无论是现有模式的运用，还是未来局限的突破，都需要法律人的深度参与，法律AI不止是算法工程师的事业，同样也是法律人的事业。
首先，机器需要能够从过往判决书等法律文本中提取出和定性量刑有关的数据。这个需要怎么提取呢？是否可以从文本信息相似的角度直接提取呢？
我们来看下，文本信息相似包括词语级别的相似，句子级别的相似和篇章级别的相似。词语角度，数额较大和数据巨大，属于文本相似，但是一字之差往往决定法定量刑的重大区别；句子角度，被告人主动到公安机关投案，和被告人被家属扭送在去派出所途中被民警抓获，是完全不相似的两个句子，但都符合自首中自动投案的法律含义；篇章角度，相似的时间地点，相似的行为手段，相似的起因经过和结果，都是因为邻里纠纷被告人猛击被害人头部导致被害人倒地重伤。但是被害人自身具有先天性身体疾病这一个细节，就决定案件的关键事实和结果重大不同，因为被害人的特异体质很可能阻却故意伤害因果关系的成立。可见仅靠技术发展并不能满足法律AI的运用。因此，需要法律人的深度参与，和技术人员一起全面分析解读各种法律文本，构建法律知识图谱，从监督学习过渡到机器学习，帮助机器自动认知各种法律概念。
机器提取出定罪量刑有关的数据后，还需要建构相关的数据模型。无论是犯罪认定的模型还是量刑判断的模型，对应的知识建模，相关框架系统的建构，法律规则的运用，目前都不是机器能够完全自动实现的，很大程度上都需要人工的辅助，这显然也离不开法律人和技术人的深度合作。所以，在法律AI这个行业有句经典的话“有多少人工，就有多少智能”。
刚才，我一直在给法律AI泼冷水，让大家看到真实的当下并不尽如人意。那么法律AI可能的未来是什么呢？恐怕很难给出令所有人都信服的答案，但可以肯定的是，未来绝不是虚幻的机器人法官，而是法律行业的各种改变。
波士顿咨询公司的一份报告指出，现有的法律科技已经可以替代30%-50%的初级律师的工作。摩根大通已启用机器人审查合同，每秒的工作量相当于律师工作了360000小时。律师工作如此，其他法律工作也如此。
未来，大量的基础性法律工作都将被机器取代。因此，法律人既要学习如何高效使用技术的手段辅助自己的工作，又要学习如何让自己成为AI时代中不可取代的部分。AI时代的法律人，需要新的思维，新的工作方式，正如《跃迁》一书所言，需要学习用机器学习和处理信息，用大脑整合和创新思想，用系统思维思考问题。这才是未来最有竞争力的法律人。这也是为什么元典和各大高校广泛合作的原因。元典和清华大学成立法律与大数据研究中心；和北京大学成立法律人工智能研究中心和实验室，合办法律人工智能的系列讲座及暑期课程等等，都是为了从高校阶段就开始培养复合型的法律人才。
当我从一名检察官转身来到法律人工智能的行业后，总有人问我是否为放弃检察官的身份遗憾。在我看来，之前做公诉人主要是通过办案实现法律的公平正义，而我现在所做的事情，和自己一直追求的法律的公平正义是一致的，只不过是换了一种方式去实现。法律和技术密结合的方式，或许是这个新时代所呼唤的更高效的方式。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
Related posts
