法律界：披著人工智慧的小作坊時代

1956年，美國達特茅斯大學開了一次會，希望確立人工智慧作為一門科學的任務和完整路徑。標誌著人工智慧的正式誕生。

1997年俄羅斯國際特級大師卡斯帕羅夫與IBM公司研發的超級計算機深藍(Deep Blue)的對決，深藍最終的勝出。

2016年3月，被視為人工智慧的代表AlphaGo戰勝李世石，隨後代表人類現階段圍棋最高水平的柯潔在微博中公開表示，「就算阿法狗戰勝了李世石，但它贏不了我」.風波又起。

2017年5月，柯潔三場完敗，這場圍棋界的「世紀大賽」迅速波及整個世界，所有人都有一種感覺，人工智慧時代已經來臨，「人工智慧可能會導致人類的滅絕」 ，「人工智慧計算機可能在接下來的100年之內就將人類取而代之。」各種言論甚囂塵上。

人工智慧的浪潮並不是第一次來襲，在過去的幾十年里，人工智慧的浪潮與寒冬反覆交替！

AlphaGo的勝利對於法律行業來說，最大的影響就是一批前面的「互聯網+法律」公司搖身一變，成為人工法律智能機器人，那麼所謂的人工智慧對於法律行業而言，以現有的技術到底能到達一個什麼樣的地步？

機器學習有三類，第一類是無監督學習，指的是從信息出發自動尋找規律，並將其分成各種類別，有時也稱"聚類問題"。第二類是監督學習，監督學習指的是給歷史一個標籤，運用模型預測結果。如有一個水果，我們根據水果的形狀和顏色去判斷到底是香蕉還是蘋果，這就是一個監督學習的例子。最後一類為強化學習，是指可以用來支持人們去做決策和規劃的一個學習方式，它是對人的一些動作、行為產生獎勵的回饋機制，通過這個回饋機制促進學習，這與人類的學習相似，所以強化學習是目前研究的重要方向之一。

作者：騰訊雲技術社區

鏈接：https://www.zhihu.com/question/46563853/answer/176895147

來源：知乎

著作權歸作者所有。商業轉載請聯繫作者獲得授權，非商業轉載請註明出處。

回歸到法律行業，現在有著很多所謂的智能機器人，如無訟推出的「法小淘（2016年就開了發布會，現在網上還無法看到能用的版本）」，專註法律諮詢的人工智慧「法狗狗」……其實質上還是屬於非常初級的產品，只能解決「聚類問題」，比如說你輸入想要離婚，這種級別的人工智慧就只能根據你給出的關鍵詞顯示出已經存入的答案、以前人們問過的相關問題，相當於一種更加精確的關鍵詞搜索。在這裡可以看出現在的人工智慧在法律行業裡面實際應用所面臨的巨大問題，即現有的法律行業應用級產品中沒有辦法到達監督學習階段，簡單的來說，我給出一丟特定的數據，計算機沒有辦法通過這堆數據識分析出人類想要的結果。

我們實際運用現有的法律機器人來說明這個問題！

一下內容實際測試：與法狗狗人工智慧諮詢機器人的對話

我問：我想要離婚，我老公家暴我，我有一個女兒，我想要我的女兒，他的名下有一套房子，離婚的話我能要到什麼？

機器人的回答：婚後購買的房屋分割一般遵循平分的原則，婚前購買的房屋一般屬於購買方。 想要知道更精確的房屋判決結果，可以點擊離婚時房子會判給誰 夫妻離婚時，一方出具證明遭受對方家暴的證據，法院認定對方確實存在家庭暴力，並且夫妻感情已經破裂，一般會判處離婚。 離婚時，法院會依據下列情形對孩子的撫養權進行判決： 【1】兩周歲以下的子女，一般會判給女方，除非母方有特殊情況不適合撫養孩子； 有哪些不適宜撫養孩子的情形 【2】兩周歲以上的子女，會優先考慮條件較好的一方撫養孩子； 兩周歲以上孩子可優先考慮撫養的條件 【3】十周歲以上的未成年子女，應更多地考慮子女本人的意見。 如果想更具體知道去法院訴訟的話怎麼判? 有哪些相關相似案例？可以點預測孩子會判給誰和查看相關案例

從這裡就可以很明顯的看出問題，現有的機器人沒辦法解決那些獨特而複雜的問題，而關鍵問題是每個法律問題都會存在著差異性，現有機器人所具備的學習能力和我們所想像的相差甚遠，而把這種技術運用到商業活動中，所帶來的效益也是微乎其微，因為你並沒有為諮詢你的用戶解決實際問題。究其原因，所謂的人工智慧並不是那麼的智能，他有著太多的局限性。

技術對於行業能夠產生巨大的影響，那一定是能夠對原行業的某些方面產生了顛覆，而不僅僅是小規模的改進，為什麼近幾年來技術對於法律行業的改進帶來的衝擊不大，律師行業整體沒法因為技術的衝擊帶來很大的影響，原因很多，最主要的原因就是，技術真正上沒有改變法律行業各個群體之間的關係，既沒有改變律師接觸案源的渠道，也沒能影響律師承辦案件的思路與方式，不可否認技術給行業帶來了諸多的改變，但是這還不夠。很多人發現了技術對於法律行業的某些促進，發現了所謂的痛點、剛需，就大喊著顛覆，雖然吸引了很多資本，但是自己心裡應該有點數，你的痛點不那麼痛，剛需不怎麼剛。資本退潮，誰在裸泳！

最後，向法律行業真正的探索者致敬。