深度學習能為法律行業做什麼？

現在許多公司正在不同層面採用深度學習技巧。Yelp使用深度學習演算法來提供最好的用戶照片，Netflix使用它來為用戶建議他們可能感興趣的電影，谷歌通過創建一個可以幫助產生搜索查詢相應的系統來轉化深度學習的概念。

許多人認為不需要再了解數據了，認為可以應用一些深度學習來解決問題。然而，實際情況是，這可能目前還行不通，至少對於法律行業來說不可能。

比如，一個組織內的法律顧問想要找出10到100年之間的、在終止條款方面可能會擾亂業務的合同數量，或者如果有嚴格的分配規則，可能成為併購事件的一個問題。這個過程通常手動閱讀每個文檔，但是通入深度學習，這個過程可以自動化。在業務的其他部分也是如此。採購需要找到供應商合同中可能隱藏的更新條款數量，或銷售需要知道客戶中有多少是45天或30天付款的條款，深度學習可以讓這些「大海撈針」型的場景自動化，大大減少時間和成本。

深度學習網路潛力很大。這個大容量意味著你需要仔細設計網路，以便能夠找到數據中的結構，這之中又需要學習相關領域的知識。畢竟你沒法指望用信手拈來的方法達到頂級的結果。相反，你需要知識才能執行計劃、完成想要的特定任務。為了讓深度學習方法應用於法律領域的數據，你需要真正了解數據。

語言既不統一也不規範。語義學通常隱藏在隱喻中、成語和口語表達中，更不用說那些複雜嵌入式的結構、讓表達的意思產生混淆了。因此，自然語言處理（NLP）的深度學習方法不像視覺數據的圖像識別那樣簡單。

在現在的視覺領域，Facebook、Instagram、Snapchat等其他數據無所不在。然而，當涉及到法律這層時，數據量難以跟上，而且價格也很昂貴。這種數據缺乏，更顯示出了了解數據、正確處理數據的重要性。就深度學習而言，這意味著軟體需要構建能夠捕捉法律條款和文件的含義、結構的能力。

不幸的是，具有法律規定範例的數據規模可能太小，無法培養深度學習網路，此外，只有一句話的具體條款可能會存在於一千多頁的合同中。那麼，法律團隊能怎麼做，才夠成功地找到在一頁或幾千頁的合同中的那句相關條款？這簡直是大海撈針啊。

隨著計算能力和機器學習等技術的進步，已經存在著眾多的網路和模式。從谷歌的機器翻譯到Seal的機器學習、深度學習，可以看到許多公司正在尋找提供可以應用於客戶數據的產品和方法。在法律行業，這將有助於我們實現所期望的結果：更有效地完成工作！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！