文章主题：法律AI, 人工智能, 法律应用, 法律文书分析
在当今时代，法律人工智能正逐渐成为我们生活中的重要元素。那么，它的真实面貌又是怎样的呢？2018年9月12日，华宇元典法律研究院的公诉业务专家叶衍艳受邀参加了在华东政法大学的PLUS演说会，并分享了一场关于法律AI的专题演讲。此次专题演说会的主办方是上海司法智库学会青年法研社和华东政法大学“互联网法律”大数据平台，这场演讲的内容是根据叶衍艳现场演讲的内容进行整理而成。
尊敬的各位，我很荣幸能在此处与大家分享我的经历和对法律人工智能的理解。在我进入华宇元典这家法律智能公司之前，我曾在我国著名的检察官队伍中服务多年，并因其出色的业绩被评为全国十佳公诉人。因此，当我转型至法律人工智能领域时，我有足够的资格和经验去探索这个新世界的奥秘。今天，我并不是要向你们展示法律AI的美丽和魅力，而是希望能夠揭示它的真实面貌。我知道，许多人对法律AI充满了期待和憧憬，但我也知道，有些人可能对其存在误解和疑虑。因此，我希望通过今天的分享，能够帮助大家更客观、更理性地看待法律人工智能，理解它在现实中的应用和挑战。总的来说，我是一名从传统法律行业转型到法律人工智能领域的从业者，我有着丰富的实践经验和深厚的理论基础，我希望能够通过我的分享，让大家对法律人工智能有更深入的理解。
PLUS演说会现场
在我们深入探讨法律关系的问题之前，我们需要先弄清楚一个关键问题：它的真实面貌是什么？为了帮助大家理解这个问题，让我们通过一个简单的案例来分析一下，看看这样的情况会涉及什么样的法律关系。
在分析可能导致危险驾驶罪的情况时，系统不仅关注可能性，同时也考虑到其他可能的法律关系。经查询，系统指出，除了潜在的危险驾驶罪外，还可能涉及责任保险合同纠纷以及财产损失方面的争议。是否有人已经意识到这一点呢？这可视为一次招聘新人的考验题，旨在考察 machine learning model 的综合能力。那么，系统又是如何获得这些信息的呢？原来，这些都是基于历史的大量案例和裁判文书，通过标签数据来识别当前情况可能对应的案由。
然而，一个智能系统能否取代法律人的判断存在一定的局限性。首先，在处理复杂案件时，由于案由判断的实践结果往往存在不确定性，因此机器的判断也可能无法给出绝对正确的答案。
以一个简单的例子来说明，烧烤摊上的夜宵消费场景中，一名顾客因对服务质量不满意与服务员发生争执，进而演变为身体冲突。实际上，法院在审理此案时，大部分的判决书中都认定该行为属于“寻衅滋事”，但也有一部分案例被认定为“故意伤害”。值得注意的是，机器无法根据过去的判决结果直接给出“寻衅滋事”或“故意伤害”的结论，但它能有效地揭示过去判决的多样性，从而为司法人员提供更全面的参考依据。然而，由于机器的判断结果都是基于过往的数据，因此在面对全新的罪名或新型犯罪时，其判断的准确性会大打折扣。要想让机器像人类司法人员一样，从法律用语的角度完全自定义对新行为和新案由进行分析，目前在技术上还难以实现。
那么，当我们面临 qualitative comparison 的难题时，是否可以考虑将量刑问题交给机器来分析呢？相较于定性分析，量刑过程更多地依赖于大数据进行定量分析，这使得 AI 在该领域具有更大的优势。
以某位知名作者的角度来看待这个问题，我们可以从历史的角度来探讨危险驾驶罪的立法以及实际执行情况。根据我国法律规定，危险驾驶罪的最高刑罚是拘役并处罚款，但在具体的案件中，对于判处多久以及罚款金额的决策，尽管最高法已经给出了量刑指导意见，但由于各种因素，司法实践中的差异依然明显。在这种情况下，人工智能系统可以通过对历史数据的深度分析，提供出相对客观、公正的量刑建议。通过这种方式，可以有效地解决由于人为因素导致的量刑不公问题，提高法律的公正性和权威性。同时，这也有助于提升法官和律师的工作效率，使司法实践更加科学、严谨。总的来说，无论从法律层面还是社会效果来看，运用人工智能系统来辅助司法决策都是一种积极的尝试，它有助于推动我国法治进步，实现公正、公平的司法环境。
AI系统，在很大程度上能避免由于过于主观而导致的量刑偏差，有利于刑罚裁量的均衡性。但是，我们知道法律判断一定包含经验判断，许多经验可以被机器提取固化定量，但一定也有些是难以实现的。例如同样是认罪认罚，但是被告人不同的家庭背景，在法庭上认罪悔罪程度的不同，甚至法官个人不同的情感认知等等，都或多或少会影响到法官的自由裁量。例如为购买奢侈品满足虚荣心而恶意透支信用卡，与为了救治患病家属恶意透支信用卡，动机区别都可能影响实际的刑罚裁量。技术并不能完全精准提炼覆盖所有的可能性内容。因此大数据量刑，再精准也只是辅助，仍然需要人工的确认。
这或许就是法律人工智能的真实当下。AI在定罪和量刑这两大司法场景的运用，一方面体现了法律AI的重要意义和基本模式，即根据过往的大数据，构建数据模型，从而实现智能推送，辅助办案。另一方面，也体现了目前AI对司法的辅助还是明显局限的。借用《三体》作家刘慈欣的话，法律AI不过处在刚刚起步的史前时代。作为一家众多法律人参与的公司，华宇元典在迈往未来的努力中，也一直致力于告诉大家这个真实的当下。元典在2017年智合论坛上就论述了“法律人工智能的真实当下和可能性未来”。
无论是现有模式的运用，还是未来局限的突破，都需要法律人的深度参与，法律AI不止是算法工程师的事业，同样也是法律人的事业。
首先，机器需要能够从过往判决书等法律文本中提取出和定性量刑有关的数据。这个需要怎么提取呢？是否可以从文本信息相似的角度直接提取呢？
我们来看下，文本信息相似包括词语级别的相似，句子级别的相似和篇章级别的相似。词语角度，数额较大和数据巨大，属于文本相似，但是一字之差往往决定法定量刑的重大区别；句子角度，被告人主动到公安机关投案，和被告人被家属扭送在去派出所途中被民警抓获，是完全不相似的两个句子，但都符合自首中自动投案的法律含义；篇章角度，相似的时间地点，相似的行为手段，相似的起因经过和结果，都是因为邻里纠纷被告人猛击被害人头部导致被害人倒地重伤。但是被害人自身具有先天性身体疾病这一个细节，就决定案件的关键事实和结果重大不同，因为被害人的特异体质很可能阻却故意伤害因果关系的成立。可见仅靠技术发展并不能满足法律AI的运用。因此，需要法律人的深度参与，和技术人员一起全面分析解读各种法律文本，构建法律知识图谱，从监督学习过渡到机器学习，帮助机器自动认知各种法律概念。
机器提取出定罪量刑有关的数据后，还需要建构相关的数据模型。无论是犯罪认定的模型还是量刑判断的模型，对应的知识建模，相关框架系统的建构，法律规则的运用，目前都不是机器能够完全自动实现的，很大程度上都需要人工的辅助，这显然也离不开法律人和技术人的深度合作。所以，在法律AI这个行业有句经典的话“有多少人工，就有多少智能”。
刚才，我一直在给法律AI泼冷水，让大家看到真实的当下并不尽如人意。那么法律AI可能的未来是什么呢？恐怕很难给出令所有人都信服的答案，但可以肯定的是，未来绝不是虚幻的机器人法官，而是法律行业的各种改变。
波士顿咨询公司的一份报告指出，现有的法律科技已经可以替代30%-50%的初级律师的工作。摩根大通已启用机器人审查合同，每秒的工作量相当于律师工作了360000小时。律师工作如此，其他法律工作也如此。
未来，大量的基础性法律工作都将被机器取代。因此，法律人既要学习如何高效使用技术的手段辅助自己的工作，又要学习如何让自己成为AI时代中不可取代的部分。AI时代的法律人，需要新的思维，新的工作方式，正如《跃迁》一书所言，需要学习用机器学习和处理信息，用大脑整合和创新思想，用系统思维思考问题。这才是未来最有竞争力的法律人。这也是为什么元典和各大高校广泛合作的原因。元典和清华大学成立法律与大数据研究中心；和北京大学成立法律人工智能研究中心和实验室，合办法律人工智能的系列讲座及暑期课程等等，都是为了从高校阶段就开始培养复合型的法律人才。
当我从一名检察官转身来到法律人工智能的行业后，总有人问我是否为放弃检察官的身份遗憾。在我看来，之前做公诉人主要是通过办案实现法律的公平正义，而我现在所做的事情，和自己一直追求的法律的公平正义是一致的，只不过是换了一种方式去实现。法律和技术密结合的方式，或许是这个新时代所呼唤的更高效的方式。
AI时代，拥有个人微信机器人AI助手！AI时代不落人后！
免费ChatGPT问答，办公、写作、生活好得力助手！
搜索微信号aigc666aigc999或上边扫码，即可拥有个人AI助手！
