法律智能应用中的两种推理逻辑

在人工智能技术应用于法律的业务场景中,需要结合法律适用的传统方法.法律适用的传统方法可归纳为"三段论"式,即对照事实和法条得出结论.以机器学习、专家系统为代表的人工智能技术在法律场景下之所以可行,在于两者具有"判断"任务的共性.从现有的实践情况看,法律智能应用产品主要有两类,即基于规则的智能应用和基于案例的智能应用.两者在国内外均有具体的商业落地产品,但各自面临不同的开发难点,需要在未来开发中加以克服.

基于文本提取的法律案件智能判决方法

深度学习在自然语言处理方面取得了巨大进展,以深度神经网络为代表的模型开始在法律智能判决上被广泛使用。基于Transformer的双向编码器表征法(Bidirectional Encoder Representations from Transformers,BERT)模型能够挖掘法律描述文本中双向上下文信息,利用BERT中自注意力机制完成了罪名预测、法律条款推荐、刑期预测多个司法智能审判任务。为了在长文本案情描述文本上获得更好的效果,进一步解决BERT模型输入文本的长度限制,对于过长的输入文本进行关键信息提取。在文本提取的过程中,充分利用前期训练的基于BERT智能审判模型,对于案情描述中句子的重要性进行评估,提取关键句子减少判断模型的输入长度。将精简后的案情描述文本再送入BERT模型进行司法智能审判学习。相比于直接输入原始案情描述文本的方法,基于文本提取处理后的法律描述在智能审判任务中能够取得更好的效果。

合同文本置标语言CTML:一种面向智能法律合约的法律信息规范化提取方法

智能合约在法律层面的关注度不断提高,如何将现实法律合同转化为智能合约程序,保证法律元素提取和程序转换的规范化已经成为当前的研究热点.据此,从合约模板化和语义规范化的角度出发,提出一种合同文本置标语言(CTML),通过对合同中语法、结构、词汇的内容进行标注,实现合同要素的提取与转化.首先,构建合同元模型并建立“要素-属性-成分”的三层语义结构与数源标记语法规则,基于元模型设计面向合同文本的置标语言语法规则,通过CTML完成法律信息规范化提取,形成标注合同;其次,通过递归抽象语法树(AST)并建立映射关系,设计由标注合同到智能法律合约的转换规则,完善法律合同到智能合约可执行代码的转化链条.进而,以保理合同为例,演示了合同文本置标语言的语义提取和代码生成的实际效果,为普通法律合同转化成为智能合约提供了一种技术方法.

人工智能背景下法律推理模型建立探究

随着人工智能在法学领域中的深入应用,“法律人工智能”“人工智能+法律”等新兴概念相继出现。法律人工智能系统经历了从法律专家系统到论证检索和认知计算的转变,为提高法律服务效率、降低法律风险、促进社会公平正义发挥了重要作用。其基础核心论题与底层技术是法律推理。法律人工智能背景下的法律推理较之传统法律推理有其自身的独特性质与特征,要想充分利用人工智能来服务法律,必须首先关注法律推理的人工智能模型。

论新一代法律智能系统的融合性道路

新一代法律智能系统呈现出符号主义与联结主义法律人工智能相融合的趋势。以生成式人工智能ChatGPT为代表的智能系统由大数据驱动,采用机器学习算法挖掘法律文本大数据,在类案检索、判决预测、法律文书自动生成等任务中表现良好,但面临算法的不可解释性等缺陷。法律逻辑学经历了由传统逻辑到现代逻辑的转变,形成了基于规则和基于案例的法律推理模式,在法律专家系统中得到成功应用,其优点是推理的可解释性,但面临知识获取瓶颈的挑战。新一代法律智能系统的融合性道路表现在法律推理与法律文本大数据分析的融合,实现算法可解释性和计算表现力的优势互补。法律逻辑学的现代发展推动了人工智能可解释性问题的解决,启发了“符号-神经网络”的新方法,形成了法律大数据分析的符号化与可解释法律论证挖掘的融合路径。

法律与人工智能:用ChatGPT塑造法律实践的未来

法律与人工智能的未来,既展现了机遇,也充满了挑战。人工智能对法律领域的影响,包括但不限于法律研究和分析、文件自动化处理、诉讼、替代性纠纷解决、合规、风险管理和法律教育。在ChatGPT等生成式人工智能技术的整合推动下,法律领域的持续转型正在重塑法律服务的提供方式、法律专业人士的职能和技能组合,以及法律职业的整体结构和文化。法律专业人士、政策制定者和利益相关者应接纳技术的发展更新,战略性地利用人工智能驱动的工具,并因应不断变化的法律环境,制定道德准则、监管框架和最佳实践,解决数据隐私、公平性、透明度、问责制等人工智能引发的伦理和法律挑战,以确保人工智能驱动的工具在法律实践中被负责任地使用,借此塑造一个更高效率、更有效力和更为公平的法律体系,以造福客户和整个社会。

区块链智能法律合约的规范效应与实践优化——以对传统智能合约的困境纾解为视角

区块链智能合约因其所具有的去中心化及自我验证的特性而在碎片式交易中拥有天然优势,故一经问世便引起版权、金融等行业的广泛关注。然而,由于计算机程序的运行范式与立足现实的交易逻辑之间终究存在区别,随着商业实践与理论研究的不断深入,智能合约背后的法律困境日渐凸显。为了有效应对传统智能合约交易面临的赋权困难、法律关系模糊、执行结果脱法等问题,学界提出了智能法律合约。通过对智能法律合约的运用,可以在规范层面将智能合约交易拆分为以智能法律合约为核心的赋权层,以及以智能合约为履行工具的执行层。同时为进一步缓解智能合约交易中的执行风险,需要构建出允许法律评价介入执行程序的有效机制。在此过程中,应当着重维持智能合约由去中心化向弱中心化的平稳转化,避免使其丧失个性。

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。

智能法律合约在图书馆数字版权交易中的功能与风险纾解

智能合约在数字版权交易领域拥有广泛的应用前景,但也面临诸多法律障碍,图书馆基于此开展版权交易隐藏着严峻的法律风险。引入智能法律合约可以增强智能合约的法律规范性,纾解传统智能合约交易中的赋权困难、法律关系模糊等问题,然而由于智能法律合约的功能局限,其在面对智能合约的执行风险时仍需辅以其他制度补强效用。

法律论证研究在中国:成长与变化

法律论证研究在中国可以划分为三个阶段:一是法律论证研究的孕育和出场,二是法律论证研究的兴起和迅猛发展,三是新时代的法律论证研究。中国法律论证研究在不同的历史时段具有不同的境遇和任务,亦有不同的理论表现和发展重心。经过几十年发展,法律论证在中国已发展成为一项重要的独立研究课题,形成了诸多研究进路、研究论题和研究团队,并成为指引和引领法学理论和部门法研究的基础理论。同时,中国法律论证研究还面临如何立足于中国文化传统与现实语境,学习镜鉴域外法律论证理论,创建中国自主的法律论证理论等问题。

新一代法律智能系统的逻辑推理和论证说理

法律智能系统运作逻辑的合理性,是取得当事人和公众信任的基础,也是其决定具有正当性和可接受性的重要根据。传统的基于规则的专家系统,其逻辑根基是演绎推理。基于案例的推理的专家系统,底层逻辑是类比推理。使用大数据技术的智能系统,属于“基于计算模型的推理”。在处理广泛存在的模糊性问题时,智能系统会运用到模糊推理和模糊逻辑。由于新一代智能系统多采用混合技术路径,上述推理方式可以并存。鉴于价值选择和价值判断是现阶段计算机能力的短板,智能系统尚无法像人类一样展开情理法兼容的论证,解决出路是将论证的复杂要求“降维”成解释,即非正式的说明理由。可以合理预见,法律智能系统的发展方向是“人机协同”。

计算法学:法律与人工智能的交叉研究

计算法学是随着人工智能在法学中深入应用而产生的一门交叉学科,使用建模、模拟等计算方法来分析法律关系,让法律信息从传统分析转为实时应答的信息化、智能化体系,旨在发现法律系统的运行规律。计算法学的核心思想是计算思维与法学思想的深度融合,研究者通过主体的分布式实时计算来分析法律行为,从而发现法律发展的深层规律。人工智能等增强技术应用于法学有利于丰富和发展法学基础理论,提升部门法科学性及协调性,减少法律系统运行摩擦。计算法学对于提高立法与司法效率、应对和规避技术风险等均具有积极作用。计算法学涉及计算法学理论、立法实验、司法预测、法律的语义挖掘、法律逻辑分析、司法管理系统、司法证据等几方面研究。计算法学吸引着众多法学、计算机科学研究者的目光,正在形成一个新的学科分支,并有望孕育出一批新的法律职业群体。

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。

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。

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。

论算法认知偏差对人工智能法律规制的负面影响及其矫正

算法认知偏差不仅扭曲事实,还影响人工智能法律规制质效。法学文献中的“算法”常用于指代影响权益的人工智能系统。不同于传统编程,机器学习算法是通过向数据学习以形成模型。数据、算力、AI框架、模型框架、人为干预等因素深刻影响算法作用的发挥。算法并不是对利益得失的精巧算计。大部分算法也不具有排他性的财产属性。算法是人工智能体系中相对透明和确定的因素。“算法黑箱”并非人为“黑幕”,而是因基本原理所限导致的验证性和解释性的不足。滥用算法概念会导致人工智能法律规制的失焦、失据、失鹄、失度。数据法与专门立法相结合是人工智能规制的恰当立法形态。过度强调算法不仅造成权利、产业和科技目标难以调和,还可能导致过度监管。算法只有在以人的责任为基础的人工智能系统中才能得到稳妥规制。我国未来应该制定人工智能专门立法。业已开展的算法治理不宜过度冒进,宜审慎处理好当前与未来、名义与实质、规范与发展的关系。在准确的算法认知指导下,算法备案和公示的问题能够得到良好解释和妥善解决。

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。

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。

“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。

医疗领域的人工智能:法律问题与规管挑战

人工智能技术在医疗领域的应用相对成熟且前景可期。人工智能医疗的兴起和发展引发了人工智能法律地位、产品责任、数据安全和隐私保护、知识产权保护等一系列的法律问题,并在规范和管理层面带来全新的挑战。在阐释人工智能特征和局限性的基础上,就上述法律问题,结合中国现行法并参考域外法,全面探讨人工智能医疗带来的法律问题与规管挑战。