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。

索债型非法拘禁犯罪的大数据研究

自2014年我国司法裁判文书大规模上网以来,文书载体形式的法律大数据为研究司法现实、观察立法效果提供了宝贵资源。本文以索债型非法拘禁为主题,对2014年以来的相关裁判文书进行了收集和挖掘,并构建相应的数学模型对索债型非法拘禁的时空间分布、犯罪主体情况、犯罪行为特征、债务对象特征以及量刑趋势等方面进行了深入分析。本文发现,在不同省份间,索债型非法拘禁数量在非法拘禁案件中的占比情况存在差异,法院对涉案债权债务关系的审查认定标准不统一,索债型非法拘禁发案情况与民间借贷案件数量存在时间关联。本文的研究表明,大数据下的法学实证研究需要借鉴多学科知识,采用团队合作方式,拓展原有研究思路,以期实现对司法现状的全样本呈现,推进制度的持续完善。