数字时代的法律实践:一份人工智能法学课程大纲

人工智能是计算机科学研究的一个分支,其研究重点在于计算机建模行为,当人类执行建模行为时,行为通常被认为是智能的。所谓智能行为的计算模型,是指能够执行或模拟行为的计算机程序。将计算模型与律师、法官和法律学生在日常实践中实际执行的任务以及他们实际使用的文本联系起来,是"人工智能与法律"的一个持续挑战,越来越多的人正在应对这种挑战。计算机程序还从现代诉讼活动所产生的大量电子文档中,学习选择和聚类那些与当事人的诉讼理路最接近的文档,这些文件的选取基于诉讼当事人对与证据和辩护相关或不相关的小组文件所做的标记。随着电子发掘、法律信息检索、基于网络的电子合同信息的语义处理、法律论证计算模型等技术的进步,法律专业学生在实践中使用甚至依赖这些系统的机会正在增加。通过"人工智能与法律"研讨班,本文为法律专业学生做好数字时代的准备提供了指导和案例。本文介绍了人工智能科学及其在法律中的应用之后,提出一份前沿的"人工智能与法律"研讨班的教学大纲,并以此为框架,介绍了人工智能与法律课程的特点,阐明了"人工智能与法律"课程在法律实践中的意义,展示了关于用法律规范与案例进行推理、法律论证、数字文档抽取技术等方面的教学经验。

政治敏感问题无回答的处理:多重插补法的应用

研究者在设计测量方案时,不仅仅要考虑与所研究的问题有关联的变量,也要考虑到出现高比例无回答的可能性,要设计与缺失机制相关的变量。对于处理无回答的技术而言,多重插补是目前相对较优的方法。本文运用全国概率抽样调查数据,针对政治学敏感问题的无回答处理技术进行了探讨,介绍了多重插补的使用方法,并指出了认知、兴趣和担忧这三种变量对政治学敏感问题进行插补的功效与意义。

《联合国国际货物买卖公约》的免责条款以及对“艰难情势”原则和比利时高等法院2009年6月19日裁决的评论

<正>本文探讨《联合国国际货物买卖公约》(以下简称CISG或公约)的免责条款——第79和80条。~①这些免责条款使得国际货物买卖交易方可以对某些合同义务不履行而免于通常的不利法律后果。两个免责条款中更为广泛和重要的是第79条,该条款与国际、国内法律传统中的重要原则——不可抗力、履行不能/不可行(impossibility/impracticability)

大型语言模型在法律文本零样本语义标注中不可思议的有效性

ChatGPT的出现使得包括法律界在内的公众认识到大型语言模型(LLMs)的潜在用途(如文件起草、问题回答和摘要)。尽管该技术在以法律文本为重点的各种语义注释任务中表现良好,但随着更新、功能更强(GPT-4)或更具成本效益(GPT-3.5-turbo)的模型涌入,需要探讨其对法律文本进行语义标注能力的最新进展。在向成熟的生成式人工智能系统过渡的过程中,通过检验GPT-4和GPT-3.5-turbo(-16k)的性能,并将其与上一代GPT模型进行比较,结果显示GPT-4和GPT-3.5-turbo(-16k)在涉及判决意见、合同条款或法律条文的三项法律文本注释任务中表现出色。比较各类模型的性能和成本发现,GPT-4模型在三项任务中的两项上明显优于GPT-3.5模型,性价比高的GPT-3.5-turbo与价格高出20倍的text-davinci-003模型性能相当。虽然可以在单个提示中注释多个数据点,但其性能会随着批量的增加而降低。这项工作为许多实际应用(如合同审查)和研究项目(如实证法律研究)提供了有价值的信息。法律学者和执业律师都可以利用这些发现来指导他们将大型语言模型整合到涉及法律文本语义标注的各种工作流程中的决策。

法律人工智能系统:法律实践的新工具

美国匹兹堡大学凯文·阿什利教授是法律人工智能研究领域的先驱之一,其开发的案例推理系统——"海波"系统被称为"过去三十余年最具影响力的法律人工智能系统"。阿什利教授认为,案例推理系统与法律文本分析的结合将引领法律人工智能系统研发的新方向。人工智能时代的到来对法律人提出了巨大的挑战,法律人应主动拥抱人工智能并参与到技术的设计和完善中来。作为研发者,应当坚持法律人工智能是人类的辅助者,而非取代者。人类应当始终参与法律决策。

法律文本语义的自动提取:机遇与挑战

法律文本语义的自动提取通过运用机器学习、网络图以及法律问答等技术手段对被识别的文本信息进行分析发现,将法律推理和论证的人工智能模型与法律文本直接联系起来预测和解释案件结果。本文结合影响文本分析的限制性条件例如:无法阅读、无法解释以及需要人工注释,并针对这些局限性提出实用策略,以提高法律文本语义分析的技术水平。

法律分析的前景:从法律文本中提取更多含义的方法论

目前文本分析工具正在深刻地影响着法律实践。与过去要求手动表征法律知识的计算模型不同,文本分析技术可以将法律文本直接表示为向量来预测法律结果。然而,文本分析的局限在于它无法用法律专业人士理解的术语来解释其预测结果。近期旨在提高文本分析从法律文本中提取更多含义的一系列研究,正在尝试识别案例文本中法律专业人士能够理解的关键因素,用来解释判决,并指导法律专业人士批判性地评估AI的预测结果。同时,新技术还被用于识别案例中解释法定术语的句子和各种法律论证结构,类似的技术还被用于从法律文本和合同文本中推导出隐藏含义,以预测这些文本是否包含对给定问题的答案。这些从法律文本中提取更多含义的新方法能在多大程度上成功解决律师推理、决策以及解释法律预测结果的问题,决定了法律文本分析的发展前景。