法律是抵抗「人工智慧」的最後陣地嗎？

2017年5月23日下午，經過了 4 小時 17 分鐘的對弈，AlphaGo 以1/4子的優勢擊敗目前圍棋世界排名第一的柯潔，首戰告捷。

比賽前一天，柯潔在微博上表達了自己對即將到來的比賽的看法，他寫道：

無論輸贏，這都將是我與人工智慧最後的三盤對局……現在的 AI 進步之快遠超我們的想像。像國產的絕藝、日產的 ZEN 雖然和 Alphago 還有著較大差距，但已經表現出超強的實力了... 我相信未來是屬於人工智慧的。

「我相信未來是屬於人工智慧的。」圍棋被認為是傳統遊戲中對人工智慧最具挑戰性的項目，圍棋落子位置的評估難度遠超啟發式演算法，且包含了龐大的搜索空間，這讓圍棋世界如同深不可測的宇宙，難以窮盡所有的打法。圍棋人機對話，一直存在諸多懸念。

2016年大戰韓國棋手李世乭的 AlphaGo，只是大量學習人類棋手的棋譜來提高棋藝，它的訓練結合監督學習與強化學習，形成一個策略網路（policy network），將棋盤上的局勢作為輸入信息，搜索最佳落子位置，並對有所可行的落子位置形成一個概率分布，形成近乎人類的直覺。

2017 年 5 月與柯潔進行正式人機大戰的是「AlphaGo 2.0 版本」，在此以前， AlphaGo已經進入到完全的自我深度學習階段，對新的演算法進行過了測試摒棄人類棋手的思維方式，產生大量自我對弈棋局（AlphaGo VS AlphaGo），循環往複研究圍棋。通過對新的演算法進行測試，AlphaGo的性能已經提升到了新的層次。

不可逆的法律人工智慧未來

與以前的眾多數據分析技術相比，人工智慧技術立足於神經網路，同時發展出多層神經網路，進行深度機器學習。不同於單層神經網路（感知器）和兩層神經網路（多層感知器），深度學習完全利用輸入的數據自行模擬和構建相應的模型結構。這一演算法更為靈活的、且可以根據不同的訓練數據，可以進行自我優化。

也就是說，人工智慧可以像「人類一樣思考」。那麼，若干年後，法律人引以為傲的「專業性」思維優勢是否會被取代人工智慧取代？這一個問題曾經在阿爾法狗第一次對戰中，讓不少法律人好奇並警惕。

其實人工智慧在法律推理領域早有實踐。1981年，D.A. Waterman 和 Mark A.Peterson 在 ModelsofLegal Decisionmaking研究報告描述了如何在民事訴訟領域基於規則的計算機模型可以提供預判參考。

2015年，矽谷的 ROSS Intelligence 公司基於法律的分類法和本體論和谷歌的PageRank 演算法，通過法律搜索的機器學習層 LegalRank，開發出了世界上第一個人工智慧律師ROSS，幫助人類律師進行高效案例檢索。2016年，該公司更獲得了Denton、Latham Walkins、Baker and Hostetler等大型律所客戶，開發為真正的商業應用。

ROSS Intelligence 在人工智慧領域的發展比阿爾法狗更值得法律人重視。雖然目前僅僅商用於法律判例檢索，但是該公司使用深度神經網路、依存解析（dependency parsing）、命名實體識別等（name entity recognition），language model 等技術，採用多種自然語言理解方法提取信息，幫助機器「理解」法律而不是「知道」法律的路徑，已經和傳統法學院本科教學思維並無二致。

法律人工智慧技術將會改變什麼？

正如 Bill Fischer教授 在「The End of Expertise」一文中所說的，人工智慧會影響職業潛力、技能發展和組織專業業務服務的整個價值鏈。這句話同樣可以運用在法律人工智慧領域。

一旦深度學習從監督學習向無監督學習應用發展，一旦機器可以用更加自動化的方式學習，基於當前法律狀況生成可能的未來預判，甚至可以為之前從未訓練過的情形提前進行推理和規劃，那麼對於法律行業的衝擊不僅僅是律師行業，亦會波及檢察工作。

我們可以想像，檢察機關中傳統的案件管理部門的分案匹配、輕罪案件的打包項目管理，法律人工智慧將會帶給低效率工作顛覆性的挑戰；檢察機關在審查起訴階段，可以通過機器挖掘法律適用、法官觀點、裁判規則意見，對起訴中事實的發掘、進行認罪認罰程序量刑協商，都將帶來極大的幫助，甚至在法律糾紛解決也可能給法院調解帶來更有效率的幫助。

理查德·薩斯坎德在《法律人的明天會怎樣?——法律職業的未來》預言（很多已經成為現實）互聯網及信息技術將給律師（法律）行業帶來的諸多革新。法律領域至少存在13種顛覆性的新技術：自動文件組裝、無間斷互聯、電子法律集市、電子學習、在線法律指導、法律開源、封閉的法律社區、工作流程和項目管理、嵌入型法律知識、在線糾紛解決、智能法律檢索、大數據、基於人工智慧的問題解決。

法律人工智慧的應用場景絕不僅僅於此。

人工智慧下「智慧檢務」的設想

我們看到，檢察機關在大數據運用里已經走在前列，「智慧檢務」將會成為檢察機關在人工智慧領域的更大的亮點。輔助領導決策、輔助刑檢辦案、群眾接訪成功都成功應用了大數據技術。

人工智慧之所以能取得突飛猛進的進展，不與這些年來數據分析技術的長足發展休戚相關。正是由於技術的飛躍發展，我們開始擁有前人不曾擁有的海量數據，也讓法律領域深度細緻的數據呈現稱為可能。

對於人工智慧在檢務保障領域的發展，使用創新、周到的檢務產品，深層挖掘、整合已有檢務數據，對多個平台的數據進行整合後，使用 word embedding 這樣的無監督學習技術，進行更為精確的數據提取分析，最大利用已有檢務數據的價值。

例如，在檢務信息數據儲存領域，可以借鑒Everlaw公司的經驗，基於雲端儲存技術，收集、清理檢務數據，將相關的檢務辦案、管理數據歸檔後，建立智能搜索功能，並附帶數據可視化工具，進行數據的傳輸、追蹤，全方位實現數據智能搜索。通過整合數據驅動，將會為檢察機關贏得互聯網時代的競爭。

任何智能的發展都需要一個學習的過程，法律人工智慧也不例外。而互聯網科技突飛猛進，誰率先與大數據、人工智慧深度結合，誰就能掌握主動，領航法律人工智慧領域技術改革。

作者：谷芳卿，北京市延慶區人民檢察院

推薦閱讀：