近年來，司法改革和法律信息化在持續的推動，「人工智慧+法律」成為了創新創業的重要方向，人工智慧在法律領域的各種應用和解決方案也開始逐步進入公眾視野，範圍覆蓋類案檢索、文書審閱、案件預測和智能諮詢等多個方向。參與者既包括綜合技術及解決方案提供商如阿里和科大訊飛，也包括專業的法律信息化企業如華宇軟體和華夏電通等。那麼，法律領域的人工智慧到底是怎麼回事，需要開展哪些工作呢？

（1） 如何定義法律人工智慧

人工智慧指的是以人類智能相仿的方式做出反應的智能系統。在法律場景中，考慮到有多類不同的人群承擔不同的角色，人工智慧有以下幾方面的典型形式：

· 服務律師的智能系統：幫助律師事務所，開展智能客服，幫助律師回應簡單的客戶諮詢；幫助律師根據案情和預測結果，尋找最佳的類案，打造最佳辯護路徑。

· 服務法院的智能系統：幫助書記員，將庭審語音轉文字，並自動生成部分判決書；幫助庭審法官，預測案件判決結果等等。

· 服務當事人的智能系統：幫助當事人自動生成起訴書，為其提供法律自助諮詢服務，以及尋找最佳的律師。

（2） 如何建立法律人工智慧

建立法律領域的人工智慧，需要讓計算機系統具備法律專家一樣的思考能力和對話能力，因此它必須具備以下幾個方面的自動處理技術：

表示知識:

將法律專家的經驗，用知識圖譜的形象化的方式表示出來。

例如何種案情會導致何種審判結果，這需要對法律領域的概念及其關係建模（包括：案情的要素、審判結果的要素、它們之間的推理關係等）。與此類似，書記員在處理文字時從哪些點入手來對案情進行摘要，律師在接到電話諮詢時會問其中的案件內容特徵，等等，都需要以形象化的方式表示，為後面的計算打下基礎。

抽取知識：

在建立好知識圖譜以後，要將該知識圖譜體系與待分析的法律文檔進行匹配，以抽取出文檔中的知識點。

例如，從庭審錄音中抽取出案情特徵，從用戶電話中抽取出案情要素。

學習知識：

無論是在表示知識，還是在抽取知識時，都需要藉助於機器自動學習的方式進行擴充，以解決人工定義知識的不準和不全之處。這裡面有兩個方面的學習，一是識別出人工未能定義出的知識點，二是自動計算知識點之間的推理關係。

對於前者，例如專家定義了「殺人罪」和「盜竊罪」是刑事案件之外，系統可以學習出「搶劫罪」也是刑事案件；對於後者，例如機器可以學習出什麼樣的案情特徵會使得法院不予判予離婚。

邏輯推理：

在完成「表示知識」（建立知識圖譜）以後，就可以將新的數據（如新的案件或是新的電話）與現有的知識圖譜進行匹配，抽取出各種特徵，然後基於之前學習得到的推理邏輯，進行預測和預判。

例如，律所的客服機器人，可以在聽完介紹之後，自動抽取出裡面的案件要素，針對問題推理出一個最合適的答案返回。

因此，要建設一個法律領域的人工智慧系統，最核心的工作是，使用知識抽取引擎去抽取裁判文書、庭審錄音、用戶諮詢中的案件要素，然後基於歷史案例庫和知識推理引擎來進行預測，將最有可能的答案和選項返回。

（3） 如何評判法律人工智慧

儘管當前市面上有很多法律人工智慧的產品，但由於其後端處理引擎和演算法一般不會公開，因此很難客觀評判其效果。

但我們從純技術的角度，以離婚案件的場景為例子，來說明從哪些角度進行評判人工智慧的效果：

· 看系統是否能將法律文書結構化，例如，從一篇離婚案件判決書或是用戶的電話情感諮詢中抽取出是否軍婚、子女情況、是否有家庭暴力等數十種案件要素，而且將取值映射到相應知識點，如「子女情況：兩個孩子」；

· 看系統是否能進行可解釋的推理，例如在對一篇案件進行預判時，是否能夠清晰的列出根據哪些事實和哪些法規條款，分別得到了哪些預判結果，而不只是籠統的給一個不可解釋的結果，因為客戶往往很難明白計算機在後端自動做決策時，是否採取了一個可以被人接受的邏輯在進行推理；

· 看系統是否支持在語義層面對文本進行處理，例如離婚判決書或是用戶電話情感諮詢中可能說了「兩個兒子」、「一子一女」、「兩個女兒」等，它們都應該被對齊到「子女情況：兩個孩子」這個知識點進行檢索和推理，計算機系統必須理解「兩個兒子」是屬於「子女情況：兩個孩子」情況的。

當然，在對文本和知識進行分析計算時，系統的精度、召回率、效率等指標也都是重要的衡量標準。

（4） 我們如何助力法律人工智慧

我們在對文本語義理解和知識計算的持續研究和探索中，打磨出了TML認知計算平台，可以幫助客戶從各種非結構化大數據中建立深度洞察，建立行業智能。TML認知計算平台當前正給包括司法、金融、公共安全、零售、製造等多個行業的客戶和合作夥伴輸出知識圖譜建設和知識推理能力，幫助他們在各種場景打造行業大腦。

在法律領域，我們推出了裁判文書結構化、離婚案件智能預判等一系列知識抽取和知識推理產品，並正和合作夥伴共同打造勞動糾紛、物業侵權等多個領域的法律大腦。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！