國際人工智慧與法協會前任主席：AI 預測官司結果，準確率可達？

最新 04-25

導讀

日前，國際人工智慧與法協會兩任主席專程來訪百事通，和百事通團隊及國內外專家學者，精彩對談 AI & Law 領域的」基礎建設」。

前任主席 Henry Prakken 在研討會上發布了題為《法律論證建模，以刑事案件理性證明的三種方法》的主題報告。

在昨天的推送中，我們和大家分享了：

AI 建模的發展階段；

刑事案件牽扯到的三大複雜因素，及對AI進行法律論證建模的影響。

今天，我們將繼續分享主題報告的下半部分內容：

以知識為中心的建模和以數據為中心的建模國外研究有哪些進展？又有哪些實際應用？

……

Henry Prakken簡介

荷蘭烏得勒支大學計算機科學系和格羅寧根大學法學院雙聘教授，ASPIC+語言的創立者，《人工智慧雜誌》（Artificial Intelligence）等雜誌編委。法律人工智慧界論著引用率最高的學者，代表作《建模法律人工智慧的邏輯工具》。

↓ ↓報告內容（下） ↓ ↓

以知識體系為中心的建模

以知識體系為基礎的應用，目前在荷蘭，在政府公共管理方面應用的非常成功，也有很多 IT 公司專門做這種系統，開發出來後就賣給政府或者一些大型企業。

那為什麼這樣一個系統我們看不到它運用在實際的訴訟或者法院當中，甚至律所也沒有去使用呢？

建立一個以知識體系為基礎的論證建模，然後讓電腦實現像人類律師一樣去辯論，這是非常難的。因為，它不僅需要非常龐大的一般性的知識或者常識做基礎，還有就是電腦具不具備像人類一樣的同理心，對「公正」的認知。

雖然以知識體系為基礎的建模面臨著許多困難，但是 AI 領域也有一些最新的進展。比如電腦實現了深度學習，對自然語言的處理，還有大數據的應用分析。AI 也幫助許多人類實現了夢想，比如自動駕駛、AlphaGO 打敗了人類圍棋冠軍。

此外，Henry Prakken給大家介紹了IBM Waston系統。

IBM對系統做了一個測試，這個測試的內容是非常非常雜的，去考它關於一個人非常細小的認知，比如這個人喜歡的運動、電影，他過去的歷史，他對於政治的看法等等。

IBM給Watson輸入了很多非建設性的語言信息，包括從維基百科上拷貝的內容，讓系統知道這些細小的信息，然後去上電視和人類去比賽。毫無疑問，它贏了！

我們知道，以知識為基礎的體系，它的裡面應該包含很多邏輯性、框架性的形式存在，但是現在它的一個存在形式是由很多大量的未經處理的，未經結構性加工的鬆散信息。而Waston戰勝人類說明，AI 能把大數據通過電腦互聯實現深度學習，把所有這些信息都結合起來，從而實現一個很大的進步。現在這個體系還被應用到醫學診斷、一些金融交易領域。

以數據為中心的建模

AI 最新的研究發展，不再拘泥於過去所說的邏輯，也就是以知識體系為中心的建模。而是更多的關注在我們每天日常具體所做的工作這些大數據，也就是以數據為中心的建模。

這個以數據為中心的建模，它不是解決法律推理或者說法律決策的，但是它可以去模擬律師每天都要做哪些工作，也就是任務型建模。

Henry Prakken從以下三個層面來說說它的實際應用：

第一，訴訟案件本身，很大一個成果是預測庭審案件結果，準確率會達到70%。

70%可能並不是很高，扔硬幣還有50%的概率呢，但是這已經是一個很大程度的進步。這樣一個體系它其實並沒有牽扯任何的法律論證，那麼它是怎樣做出預測的呢？

它是根據很多事實的情況，比如說庭審案件在哪裡開庭，是什麼法院，法官是誰，他過去審過哪些案件，對於類似案件他過去的判決是怎麼樣的，哪些司法機構會牽扯其中，控訴雙方分別是誰，辯護律師都是誰，等等這樣的一些細節來做出預測。

當然，這樣一個體系是絕對不可能代替法官去做出任何法律上的判決的，它的一個應用在於可以解脫很多律師在每天的工作當中需要去做的一部分內容，還有就是在普通市民進行一些法律活動的時候提供幫助。

第二，文獻層面。

人們經常在法律案件中需要去處理大量文字性內容，比如，這個案件的描述，有關案件的參考性文獻，上訴材料等。現在很多成功的電腦程序，它會去識別和處理語言或者是論斷，它會進行一個信息的檢索、分析，以及自動化的總結陳辭。對於很多剛入行的年輕律師來說，可能會為一些案件去做前期的背景調查，會做信息的檢索和調查，那這種工作可能將來會慢慢實現自動化。

第三，語料庫的建立。

實現一個網路方面的分析。比如，你可以問這個系統，把所有相關這個案件的資料全部都調出來，比如相關的法律法規全部調出來，它是可以實現的。

此外，在司法管理層面，它會有一個基於數據中心的分析，比如，這個案件會耗時多久，主審法官是誰，他在審判的時候有什麼樣的習慣等類似這樣的信息。

還有自動糾錯功能，它可以對法律文獻中的一些明顯錯誤進行糾正等等。