普法:法律人工智能的十大前沿问题

本篇文章3228字，读完约8分钟

熊明辉

法律人工智能是人工智能技术在法律中的应用，目标是充分提高法治的性能。 我国智力法院、智力检查建设等国家重大工程，是法律人工智能的落地应用。 目前，法律人工智能的系统工程基准是“上海刑事案件智能辅助案件系统”，在一个云平台内贯通公安法三机关的刑事业务，部分实现了自动法推理，大大提高了实务实效和程序公平性 法律人工智能研究开发中的问题主要有理论建模和具体应用两种，可以归纳为十个前沿问题。

法律推理的形式模型。 法律推理的形式建模是实现自动法律推理的最基础的问题。 自动推理与智能密切相关。 智能是思考的。 什么是“可以思考”？ 英国数学家图灵认为，如果机器在相互不接触的相当长的时间内与人类对话，对方有一定程度上被误判为人类的概率，这台机器就有理由说“可以思考”。 这就是图灵测试。 这表明人工智能的关键是否能实现自动推理。 作为人工智能子行业，法律人工智能的关键是法律自动推理的实现。 为此，有必要提供面向自动法律推理的形式模型。 有三种可能的法律推理建模方案。 一是利用演绎推理将法律规范编码到法律解释库和事件事实库中，实现自动法律演绎推理的规则推理方案。 二是利用类比推理，把例子编码到法律解释库和事件事实库中，实现自动法律类比推理的例子推理方案。 三是利用归纳推理将有价值的法律新闻编码到法律解释库和事件事实库中，实现自动法律大数据推理的数据推理方案。 在成文法国，第一个方案是最重要的。

法律规定的计算模型。 可计算是实现人工智能的必要条件。 强调“能”具有实效性，强调“可计算”可以用编辑方法实现。 能决定和计算法律能做的是法律人工智能的前提条件。 法律决定分为立法、执法、司法和执法决定，其合理基础是立法论证、执法论证、司法论证和执法论证。 但是，以前传递的法律论证主要是人工完成的，优先级完全取决于法律论证者的知识结构和论证能力，作为自然人的论证者总是有知识结构、价值取向等限制，得出的结论不可避免地有主观偏差。 在法律决策中，特别是在法律论证者经验不足的阶段，经常犯常识和逻辑错误，但可以设计相关的法律决策支持系统，保障法律问题部分可以计算，减少这种错误的发生。 总的来说，为了逼近客观性，完全利用人工智能技术是切实可行的方案。

证据推理的计算模型。 证据推理的计算模型是实现自动法律证据推理的前提条件。 在审判过程中，法律官员通过证据的积累确认或否定有关法律的假设。 服务司法解释过程的法律人工智能的应用必须为客户提供在事件中进行证据表现和推理的多种多样的能力。 因此，开发者必须采用许多复杂的技术来表达、搜索、推断和拆除诉讼过程中出现的假设和证据的替代解释。 这需要表示诉讼参加者、实体、事情和世界状况语境的计算技术，结构化解决说明证据的替代假设，判断证据的关联性和权重确认或否定假设，进行假设的真实推论，将贝叶斯推理互联网和人工智能中的知识表现相结合

法律推理多代理建模。 法律审判基于诉讼，诉讼是三个法律论证游戏。 利用人工智能中的多代理系统思想，可以实现诉讼论证游戏的逻辑建模。 在计算机科学中，多代理系统也称为多代理系统，是指由多个相互作用的代理组成的计算机系统。 典型的多代理系统研究是指软件代理，其主体可以是机器人、人或人机组合团队，代理有条理的做法、功能做法、程序性做法、算法性搜索玛 诉讼正是多代理交互的论证活动。 在诉讼中，起诉、应诉、审判三者需要就法律论证中的法律规范及其解释、法律证据及其支持的事实主张以及法律论证的强度进行相互作用，做出相应的法律决定。 多代理系统为智能诉讼系统(如智能法院)提供了可能的建模方案。

可以执行立法检查模型。 党的十八大提出了《科学立法》。 从逻辑学的角度来说，科学立法是把法律体系看作准逻辑体系，法律体系大致要求一贯性、完整性、比较有效性和可靠性。 其中最核心的是整合性，完整性、可靠性、比较有效性可以用法官的自由裁量权来弥补，因为整合性并不容易。 法律系统的一致性要求法律系统几乎没有矛盾，不能发生法律冲突。 如果不一致，就会导致法律系统混乱和法律相关人员的不恰当，削弱司法公共的说服力。 同样的法律内部冲突，立法者通常可以自行处理，但不同部门法和上下位法的冲突往往超出立法者的能力范围。 而且自动实现法律法规体系一致性检查的法律人工智能大大提高了我们的科学立法水平。

副本自动分类和汇总。 这个问题有两个方面:法律副本的自动分类。 现在，很多法律文件都是电子提交的，但这些电子文件的分类大多停留在以前传来的人工阶段，利用机器学习技术中的复印自动分类技术，可以实现法律复印的自动分类。 智力司法的一大目标是利用它提高文件的归档效率和后期利用率。 二是复印件中法律论证的自动总结。 法律决定站在法律论之上，但法律论嵌入在法律副本中。 机器学习中的复印自动摘要技术可以大大提高法律论证的发掘效率。 更重要的是，用以前传达的人工方法发掘法律论证，其质量主要取决于论证发掘者的能力和水平，优先级不同，但开发法律复印件的自动摘要应用，普遍提高了论证发掘的优先级，论证发掘品

自动提取法律新闻。 法律新闻提取过程中发生的新闻是构建后续立法和新法律论证的基础，也是解决电子证据的比较有效的手段和有助于客户判断相关情况的可行工具的重要组成部分。 但是，由于数据量太大，显然不可能手工分解法律新闻。 自动新闻提取的任务是从非结构化或半结构化的机器可读文档中自动提取和生成结构化新闻。 在很多情况下，新闻提取与自然语言解决对人类语言副本的分解有关。 目前，人工智能技术支持多媒体文档新闻的解决，包括图像、语音、视频文档的自动注释和副本提取。 法律新闻自动提取是关于通常自然语言的复制解决和具体的法律行业语言解决，因此相关模型既需要也兼顾。

电子取证的机器学习。 电子取证是指在诉讼和法律调查中为响应举证请求而进行的电子存储新闻的识别、收集和举证。 这些电子存储新闻包括文档、电子邮件、音频、视频、数据库、社交媒体等。 电子数据不仅数量庞大，取证过程和技术也多而杂。 电子文档具有动态性，经常包含时间戳、作者、收件人等元数据。 为了避免证据在后期被篡改或损坏，必须保存电子存储新闻的原始副本和元数据，并置于法律法规之下。 数据观察是指通过过滤、隔离明显不相关的电子新闻，将数据托管在安全的环境中，制作文档代码的审阅者访问这些数据，判断与法律上的几个事项的关系

法律新闻的检索系统。 法律新闻检索是适用于包括法律法规、判例、学术论坛在内的法律复印件的新闻检索科学，是法律新闻学的行业。 由于通过电子手段获得的法律文件数量庞大而爆炸性地增加，法律新闻的准确检索变得越来越重要。 一般来说，为了实现新闻检索的目标，有布尔检索、法律拷贝手工分类、法律拷贝自然语言解决三种可用的检索技术。 在整体法律文件中，现在一般采用布尔搜索法，即与特定术语准确一致的方法。 通常，研究者相信通过这种方法搜索了很多相关文件，但实际上这种方法的平均调查率只有20%，泄露的消息可能非常重要。 法律新闻检索通过增加相关文件的数量(高检查率)和减少不相关文件的数量(高精度)，实现法律检索的效率化。 但是，这是一项艰巨的任务。 因为在法律行业，语言和多义词非常普遍，有些词义经常变化。

法律机器人的开发。 法律机器人是面向客户的法律人工智能应用程序，用于自动执行特定的法律任务，如文档自动化和计算机辅助法的搜索。 从智能检索机器人、表单程序机器人到法律咨询机器人，法律机器人的顾客界面多种多样。 根据任务，律师事务所面向顾客的法律机器人处理程序需要在律师的监督下运行，但面向顾客和公司顾客的法律机器人处理程序一般不需要法律专家的直接监督。 法律机器人不能代替法官和律师等法律人员，而是人类智能的扩展，是法律人员的有力助手，不能代替法律人员。

(作者:中山大学哲学系教授，国家“2011计划”司法文明协同创新中心教授)

标题：普法:法律人工智能的十大前沿问题    地址：http://www.shuiyihui.cn/pf/2021/0106/23431.html