法律人工智能赋能律师执业:图景、障碍与进路

ChatGPT4.0时代下的法律人工智能系统受到国内外法律从业者的青睐,为其赋能律师执业提供了具体的实践图景。法律人工智能首先突破律师的认知局限,实现理性决策与知识创新,更专注于复杂的法律推理活动,从而降本增效;其次打破传统“师徒传承制”成长模式,加快行业内部以高阶律师为中心的“案源集约型”结构升级和外部市场“事后救济”向“事前预防”的转变,更有助于均衡分布法律服务资源并提升国际参与度。然而,法律人工智能亦存在亟待纾解的现实困境,如缺乏共情能力与价值判断能力、数据模型可靠性存疑、信息真实性与安全性难以保障和担责与监管主体难以明确等。为此,在把握法律人工智能场域中律师执业行动取向的基础上,应坚持技术帮扶与情感补位相结合的服务策略,提升智能服务与证据整合的职业能力,加速实现律所管理智能化。通过形塑“以人为本”的人技交互模式缓解共情能力与价值判断能力的缺失,同时优化文本生成机制与标准化算法模型,重视数据可靠性与安全性的治理和改进协同治理与监管路径,从而实现法律人工智能赋能律师执业的最大效能,以期对未来律师行业的发展有所裨益。

关于法律人工智能在中国运用前景的若干思考

法律人工智能在我国司法界的运用方兴未艾,开始初步形成了信息的电子数据化、办案辅助系统的智能化、实体裁判的预测与监督系统以及统一、电子化的证据标准等法律人工智能形式。然而,法律人工智能存在一定的现实困境。从数据层面看,当下的法律数据不充分、不真实、不客观且结构化不足。从算法层面看,法律人工智能所使用的算法隐秘且低效。从人才层面看,法律界、人工智能界互有疏离、隔阂。未来,我们应认识到法律人工智能在我国运用的长期性与艰巨性,在明确法律人工智能应定位于辅助角色的同时,在技术层面上改进算法并培养法学与计算机科学知识相融合的人才。

误区与正道:法律人工智能算法问题的困境、成因与改进

随着AlphaGo在围棋领域的成功,人们开始思考是否能够将以"深度学习"算法为代表的计算统计概率型算法移植至法律领域。目前,法律科技公司往往打着"深度学习""强化学习""神经网络"等旗号宣传自身的法律人工智能产品,但其实际效果却往往不佳。在司法实践中真正得到使用的仍然是以"知识图谱"为代表的传统符号型算法。而效果较好的、使用了"深度学习"算法的语音文字转换系统也是一种通用型算法,并非为法律领域量身定制。同时,算法还存在着不透明、不公正、不中立等问题。在这一现象背后有商业、技术、人才三方面原因,法律科技公司囿于经济生存压力,不得不选择目前看来最稳妥的传统符号性算法;在技术方面,法律自身的特点以及法律标签数据缺失、法律数据质量不高、代表性不足等缺陷也使统计计算型算法在短期内尚无用武之地;而法律人工智能领域人才的匮乏更是制约其发展的重要掣肘。未来,需要开发一种符号型与统计概率型算法相结合的、专门针对法律领域的新型算法,同时,需要在对算法进行可视化操作的同时,进行算法警告、算法开源与算法审计。

法律人工智能的推理建模路径

法律人工智能的核心问题是自动法律推理建模。文献表明,推理建模有两种经典路径:一是规则推理建模路径;二是案例推理建模路径。虽然二者分别源自欧洲大陆法传统和美国判例法传统,但事实上无论是在大陆法系还是在判例法系,规则推理建模都是最根本的路径,案例推理路径是作为规则推理建模的补充路径出现的。法律推理建模以自然语言处理为前提,这一人工智能难题决定了法律推理建模的天然难度。大数据驱动催生了法律推理建模的第三种路径——大数据推理建模路径,而且这种路径可以用来弥补前两种路径的不足。虽然这种路径仍处于探索阶段,但已有了一些落地法律应用软件,如我国的智慧法院工程,以及美国的法律应用软件Lex Machina和Ravel等。

从法律人工智能走向人工智能法学:目标与路径

人工智能是近年来的热点话题,法律人工智能是人工智能与法学的交叉研究学科。因应强人工智能与弱人工智能的划分,法律人工智能研究也有强弱之分。目前法律人工智能研究中的科技研究模式、法律研究模式和法理研究模式具有弱法律人工智能研究的特点,难以满足法律人工智能研究的未来所需。为实现具有主体性、整体性、体系性和可对话性的强法律人工智能研究即人工智能法学,需要以研究主体跨界参与、人才培养方式转变、研究方法革新和国际间交流合作等方式达致。

“弱”法律人工智能研究的逻辑起点

人工智能理论已经发展了七十年,较之更晚的法律人工智能也有五十年历史。但是国内对于法律人工智能的研究尚处于起步的阶段。随着国家政策上的大力推动,法律人工智能在我国实务中的发展呈现一种加速度的态势。因此,当前理论界应该对法律人工智能的相关研究予以重视。首先要准确厘清法律人工智能的基本内涵,明确法律人工智能的定位是辅助增强人类。要在立足于"弱智能"的基础上,建立研究法律人工智能的逻辑路径。此外,对于法律人工智能的研究不能止步于现象评判,而应当能够深入到技术理论层面,突破传统法学理论的范畴。

法律人工智能背景下的法律推理:性质与特征

法律人工智能既是法学与计算机、应用数学和心理学等多学科交叉的新兴学科,又指具有同法律人的思维功能相似之能力的智能系统,它可以分为强法律人工智能与弱法律人工智能。法律人工智能背景下的法律推理拥有基于道义论推理以及基于实践理性推理的性质,具备超越性、辩证性、所依赖知识的特殊性、语用性、因果关系的特殊性和真值的不敏感性等特征。强法律人工智能和弱法律人工智能法律推理在每一特征上亦有所差别,这促进我们因应人工智能的不同发展阶段对人工智能法律推理问题采取不同的研究策略。

法律人工智能的接近正义面向——以本体方法智能化法律信息供给

我国当前的法律信息公共供给建设已遇瓶颈,面对瓶颈,应当强化法律人工智能对于接近正义的推动作用,从公民需求出发,借助人工智能在信息整合与输出方面的强大优势,优化现有公共法律服务体系,尤其是法律信息的公共供给。意大利早在21世纪初即引入新兴理论——法律本体论,对法律信息公共供给进行了相关探索。法律本体论在信息智能化方面具有较大优势,将此方法引入公共法律信息供给,能够有效满足公民日益增长的对于法律信息的需求。

论法律人工智能的法理逻辑

法律人工智能的法理是"实践之法理",是证成法律人工智能实践之正当性的理据,它反映人工智能的技术理性与法律实践理性相融合以揭示法律运行的规律和特征,是"法外之理"的又一阐释。法律人工智能的法理逻辑在于辩护和证成,其价值不仅为法律人工智能提供法理解释和学理支撑,还在于规范和引导法律人工智能的发展。法律融合人工智能有其天然条件,探究其蕴含之法理是法律融合科技之法理的新命题,法理形式理性是辩护法律人工智能之法理的本质特征。法理之要义应在于指导人工智能理解和遵循立法及司法规律,符合法律任务的特征,满足法律实践的需求,定位和发挥"辅助手"的作用,最大限度地发挥人工智能的技术优势。

法律人工智能概率推理的困境与破解

概率方法是一种允许在不确定情况下进行证据推理的数学模型,具有计算可靠性和完备性的形式化基础。然而,概率推理在建模过程中存在两大困境,即概率数值从何而来以及如何解决证据聚合难题。贝叶斯概率和富兰克林原则为数值难题提供了破解之道。贝叶斯概率充分融合客观概率和主观概率,为它们提供统一框架,解决概率数值的评估分歧。富兰克林的一般性原则确保适当参考类的理性选择,解决数值难题的客观概率赋值。基于概率理论的贝叶斯公式具备一致性和规范性,借助严格的形式化概率推论可以消解证据聚合难题。通过对两大困境的回应和破解,表明概率方法是计算不确定性推理的可靠工具,为面向法律人工智能的证据推理模型提供了理论支持。

司法大数据和法律人工智能的唯公权力化倾向及应对——以私权保障为中心

司法大数据和法律人工智能的大规模运用表现出了唯公权力化倾向的危险。这种危险倾向首先体现在主体建设上的失衡,即公权力主体和私权利主体参与到司法大数据和法律人工智能领域,不论是政策支持、资金投入还是建设成果都存在一定程度的不平等。司法大数据和法律人工智能的唯公权力化倾向在司法领域还表现出公权力扩张、私权利收缩的趋势。具体表现为侦查权、审判权、司法行政权的膨胀和个人信息权、辩护权、程序参与权的收缩。就其实质而言,司法大数据和法律人工智能唯公权力化倾向造成了我国司法领域现有的“权力-权利”动态平衡格局被打破,产生了新的“权力-权利”冲突。要克服这些问题,需要建设公权力主导下的“权力-权利”双主体平等参与模式,实现司法大数据和法律人工智能建设过程中公权力的谦抑和私权利的实质性参与。

法律人工智能的真实当下与可能未来

目前法律智能的研发工作需要大量的法律行业专家和计算机算法专家,乃至"法律+算法"的跨学科专家。法律智能系统的研发进度还体现在"机器学习"本身的基础性制约上:首先,用于训练的标签数据必须对解决特定问题确实有效;其次,训练过程中必须尽可能穷尽有影响的因素。法律知识图谱是在法律这个专业领域的数据深耕和挖掘的基础上对法律数据资源进行的知识图谱呈现。将法律人的智慧转化为机器智能,通过构建更统一的法律智能平台能够提升整个行业的科技感和技术力量,进而形成进化型的法律服务市场,这是从业者一直为之努力的法律智能愿景。法律科技和智能系统的演进需要所有相关因素一起构成一个有机整体并进行自主生态循环,其最终归旨是借助技术的无限智能去突破每个法律人个体的有限理性,从而实现法律与智能的真正结合。

GPT模型下法律人工智能的风险与对策研究

ChatGPT是搜索模式的一次颠覆性变革,依托“自然语言处理(NLP)”与“搜索引擎”两大底层技术,GPT模型为法律咨询、类案检索、法律文书撰写的智能化发展创造了广阔空间。同时GPT模型也面临着伦理性风险、准确性风险、法律责任承担风险等方面的质疑。将新一代人工智能技术应用于法律领域,需要通过完善规则体系建设、强化法律专业监管、加强GPT模型的法律专业训练等方法来规范其使用,推动我国新一代法律人工智能的发展。

法律人工智能规制路径探析

随着科技进步与市场需求增加,法律人工智能产品应运而生并迅速发展,但美国卢米斯案告诫世界法律人工智能产品尚存诸多问题,如技术风险、算法黑洞等。我国法律人工智能正处于快速发展阶段,但国内现有法律不足以解决该领域问题。文章分析法律人工智能可能产生的侵权行为类型、归责原则适用及归责对象,提出建立行业自律准则与算法权威认证系统、引导全国律师协会发挥积极作用,从立法、执法与司法三个层面应对法律人工智能产品引发的侵权问题。

在法律人工智能时代,法学院本科生需要怎样的教育——宏观框架与微观方案

目前的法学教育面对人工智能的到来缺乏充分的应对,这与法律人工智能技术发展、学术研究、实务应用上出现的问题相吻合。因此,法学教育——尤其是本科教育——有能力也有必要更充分地应对因人工智能的产生而带来的改变。如果自下而上的变革只会循序渐进地走入现实,本文提出如下两个长期建议:(1)从变革提议者的角度出发,本文基于“法官能力”这一相对宽泛的培养目标,指出目前在“人工智能时代的法学院应侧重培养何种能力”这一具体问题上存在一定的分歧,并提出一个变革框架;这一框架虽然抽象,但其抽象性与变革提出者和一线教员在教学工作中的分工十分吻合。(2)从一线教学的角度出发,本文在这一框架下作出了自己的回答:当下中国和美国案例教学法存在一些问题,而将真实案例涉及的各类材料(包括真实案件背景、非法律的文献)作为法学基础课的辅助手段和法学方法课的具体延伸是一种较为贴合时代的教学方法变革。

法律人工智能对检察类职业的挑战与应对

本文解释了人工智能,叙述了法律人工智能在检察领域、法院类职业领域应用的现状。认为,人工智能在检察领域对未来检察职业格局的机遇与挑战并存:重复性、机械化工作将被取代。客观性、模式化工作将被压缩。因此,检察类职业应当从决策性、创造性、人机交互等人工智能所不能测量的方面做出适应法律人工智能发展的调整和变革,从而更好地适应法律人工智能的建设和发展。

法律关系归约模式:法律人工智能的实现逻辑

我国社会发展已经处于大数据时代,随着信息化建设的深入发展,人工智能与法律的结合愈发必要。目前的大多数法律智能研究仅局限于管理数据库的建设,对较为核心的法律关系模型研究甚少。法计算学理论从法律关系数据化入手,以实证分析法学研究方法初步构建法律关系归约模式,搭建法律人工智能的基本逻辑框架。

法律人工智能的法理分析

法律人工智能是指人工智能技术在法律中的应用,现阶段,关于法律人工智能的理论研究需要在实践中加以证明,人工智能的法律理论研究为证明法律人工智能具备正当性提供了法律依据.因此,要想深入研究其人工智能在实践上的法律属性,界定其法理学概念和法理学逻辑是最为重要的一环.其研究价值不仅是为我国的人工智能主体的发展提供法律解释和法律支持,同时,也是对其今后规范化的运行和管理提供一种制度上的保障.

法律人工智能:科学内涵、演化逻辑与趋势前瞻

法律人工智能面向法律大数据和法律知识,运用机器学习算法与符号逻辑,在遵循法律运行规律的前提下满足法律实践的需求,辅助法律人做出法律决策,提升法律任务的质效。法律人工智能科学内涵之厘清明确了其概念体系,由此确立其交叉学科地位。法律人工智能的理论和技术演化历程展示了法律人工智能的发展逻辑,法律推理与法律论证理论是法律人工智能的理论来源,知识引导和大数据驱动形成了符号主义与联结主义法律人工智能的技术分野。在理论方面,法律人工智能需要探索法律与人工智能深度融合的法学理论,回应伦理和法律关切,制定法律智能系统的运行或使用规则,规制算法偏见和不可解释性问题。在运行模式方面,法律人工智能需要重塑“以人为中心”的智能辅助模式。在技术方面,法律人工智能表现出符号主义与联结主义相融合的趋势,在智慧立法和智慧司法领域中有待深度拓展。

幻象与本相:法律人工智能及其他

本文将澄清我国法学界对数据法学相关学科的两个误解。第一,认为计算法学、数据法学、法律人工智能是全新学科,有着新的方法和范式。出现这样的认识可能是由于不熟悉法律实证研究,特别是定量研究的学术脉络;更本质的,是因为不熟悉统计学、数据科学和计算机科学间的关系,以及近四十年来,这些学科在社会科学中的渗透和应用。第二,对法律人工智能有着幻想化、科幻化的期待,不能理解非通用人工智能(也即当前所有的人工智能)在法律中应用的作用范围及限度。本文将指出,人工智能既难以处理较复杂的法律适用问题,也难以处理无所不在的事实判断问题。在破除幻象的基础上,文章将结合实际案例,探讨数据科学和人工智能对法律研究和实践切实可能的贡献,特别是对测量和理解法律的运行效果及科学立法的作用。法学应当直面真实问题,破除狭隘的学科壁垒和门户之见,学习和发展交叉学科;必须下苦功夫了解其他学科的基本知识和原理,避免被新词汇、新概念而非新思想所牵引。