本·加德纳(Ben Gardner),数据&信息架构师,Linklaters

概要

人工智能是威胁还是机遇? It is both, to those focused on the routine it is a threat, to those focused on innovating/bespoke it is an opportunity, as pointed out by 约翰·麦金尼斯& Russell G. Pearce[1]。因此,建议是了解这些新技术并探索它们创造的机会。这不应该局限于对当前流程的迭代改进,而更重要的是要确定变革变革的机会。

介绍

去年,人工智能(AI)成为主流媒体中的一个非常热门的话题(请参阅Elon Musk,Stephen Hawkins,Bill Gates等)[2]。许多文章援引了新一代“机器人/人工智能”的幽灵,他们提起从事技术性工作,以前是专业人士(参见Susskind书)[3]. Within the legal industry a similar trend has been seen with the emergence of tools, start-ups and large law firm investment in AI. The impact of all this activity has been encapsulated by the replies to a question in the recent Altman Weil Survey which showed that a significant increase in the belief in the probability that timekeepers of all levels will be 已取代 by AI is held by senior partners at law firms[4]。但是这个预测现实吗?如果要理解AI的影响,那么我们需要超越眼前的夸张,并了解AI是什么,更重要的是,它不是。在本文中,我将首先定义“人工智能”一词,并阐明当前工具的基础技术。接下来,我将探讨目前在律师事务所和新兴法律服务行业中如何在法律方面应用人工智能。最后,我将解决“人工智能是威胁还是机遇?”这个问题。

什么是人工智能,什么不是

首先要认识到的是AI是一个炒作术语,而流行文化已经将其“拟人化”和“妖魔化”了。当我们想到AI时,我们的第一个想法就是科幻小说,HAL 9000(2001年太空漫游),天网(终结者)或更近的Ava(Ex Machina)的例子。这些是人工通用智能的示例,这是一个具有感知能力,有意识的自我意识实体,具有推理,学习,表情,计划,交流等能力。但这不是我们在这里考虑的AI。相反,我们正在研究窄AI或弱AI的示例。这是AI的一种非感觉形式,可以模拟我们认为需要智能的活动的执行情况。例如,考虑国际象棋大师Garry Kasparov与IBM的Deep Blue。卡斯帕罗夫(Kasparov)使用他的经验和直觉来选择他的举动,而深蓝色(Deep Blue)使用蛮力方法来计算所有可能的举动,然后选择具有最佳概率结果的举动。重要的一点是,该问题在计算上的解决方式与我们解决问题的方式不同。观察到的结果可能相同,但是方法可能非常不同。

弱AI解决方案是通过组合来自不同计算领域的一系列技术而构建的。最近,在自然语言处理(使计算机能够从非结构化数据(即文本或语音)中获取含义),机器学习(使计算机无需显式编程即可学习)和建模(对系统的正式描述)方面取得了进展。被计算机理解和利用以进行预测),从而导致AI的复兴。广义上讲,弱人工智能是根据所用模型的类型(符号或统计)通过两种方法定义的。从1950年代到1980年代中期,符号建模是主要的范例,它使用形式逻辑来构建知识领域的表示形式。这些模型是按照类似于计算机程序的方式手工制作和开发的。这种方法最成功的例子是专家系统(请参阅下文),该系统激发了1980年代后期对AI的商业兴趣。最近,统计建模技术得到了发展,这些是当今AI应用程序背后的驱动力。在这种情况下,将大型数据集与机器学习算法结合使用,以基于要分析的数据集中发现的模式构建统计模型。重要的是要认识到,这种方法通常需要非常大的数据集来建立模型,并且已经可以通过互联网获得的数据规模在该领域取得突破。从拼写检查器和垃圾邮件过滤器到自动驾驶汽车和推荐引擎,这种方法在AI的整个日常生活中都可以找到。斯蒂芬·沃尔夫拉姆(Stephen Wolfram)将这两种方法之间的本质区别描述为“ [对AI的统计方法是关于[模拟]个人大脑的行为,而不是[象征性方法]再现和自动化……整个文明所知道的东西”[5].

最近,我们看到了混合AI应用程序的出现,该应用程序使用统计和符号方法的组合来创建所需的最终用户体验。混合AI的示例包括智能手机助手(Siri,Cortana和Google Now)以及使用AI云服务构建的解决方案(IBM Watson,Microsoft Azure和Amazon)。这些下一代AI工具结合了多种技术,其开发与互联网的发展紧密相关。在未来几年中,人工智能的重大进步很可能将继续受到我们对管理和利用通过互联网访问的信息的需求所驱动。

法律中的人工智能

在上一节中,我们从广泛的技术角度考虑了AI,并比较了基本方法。在本节中,我们将以能力的角度透视我们的观点,着眼于人工智能,并旨在了解法律界内部如何以及在何处使用人工智能工具。我们将从研究专家系统和文本分析领域的AI示例开始。接下来将回顾AI法律启动空间内的趋势,并考虑未来的潜在发展。

专家系统

如前所述,自1980年代中期以来,专家系统已经投入商业应用,尽管它们可能无法吸引当今AI工具的头条新闻,但它们仍然是功能强大的工具。专家系统最简单的形式是规则的集合, ‘if this, then that’语句,可用于指导用户完成复杂的决策过程。在法律行业内Neota Logic[6] 和VisiRule[7] 是两家公认的专家系统提供商。一个示例实现可能是一个有助于扩展合规性流程的系统,或者是对诉讼索赔进行分类的系统。考虑以下情况,银行家需要确保自己符合监管框架。专家系统不会提示他们为每笔交易咨询律师,而是回答一系列问题,使他们产生预先起草的意见;是,继续,不停止或寻求进一步说明[8]。这种方法允许在每个交易都需要实际律师输入的情况下无法实现的合规流程。专家系统可通过以有效,经济高效的方式回答简单的决定,同时标记需要专家考虑的决定,从而帮助对“谷壳中的小麦”进行分类。

文字分析

文本分析旨在允许计算机从非结构化内容中提取含义。该领域涵盖了将AI的统计和符号方法相结合的多种技术。尽管在已建立的电子数据展示工具中使用了一种简单形式的文本分析,但高级文本分析的商业化才使得出现了诸如Ravn之类的新产品。[9] 和基拉[10]。这些解决方案超越了具有匹配关键字和同义词的简单查找文档,并允许识别句子结构和所讨论实体的上下文含义。进一步通过使用机器学习算法,可以训练这些解决方案以识别较大的文本块,例如合同中的整个条款以及文档的较宽结构。这使他们不仅可以分析单个文档,还可以基于整个文档集的相似性对文档进行聚类。这些功能在法律范围内的应用可以很容易地看出,它有助于尽职调查和文件比较。例如,考虑尽职调查与购买一捆贷款有关。现代的文本分析工具可以分析合同的全部内容,而无需人工检查子集。所有合同都可以聚类,以识别通用模板并标记异常值/异常。然后可以将文本标识应用于每个聚类,以从非结构化文本中准确提取实体,例如名称,日期,地址,利率,条款,借款人,中断条款等。不仅可以在整个语料库中执行此分析,而且可以目前仅需花费一小部分律师和律师助理就可以完成的一小部分时间。此外,重要的是要认识到,因为此分析是由计算机以一致的方式执行的,所以输出为标准格式。这意味着可以对输出进行进一步分析,以生成仪表板和商业智能报告,以可视化方式描述整个文档集的概况。

法律科技初创企业

对合法技术初创公司的检查提供了一个有趣的视角,以了解如何使用AI技术来创新新服务。一般而言,初创企业可以分为两个大类。第一组产品基于专利/法院记录,以提取,分析和创造见解为中心,而第二组产品仍处于发布前阶段,似乎专注于分析/解释法律法规。第一组包括诸如Lex Machina之类的示例[11],尤里斯塔[12],拉威尔·劳(Ravel Law)[13] 和CLAWS[14]。这些公司使用文本分析从非结构化来源,专利和法院记录中提取信息,以构建可进行挖掘以提供见解的持久数据库,类似于经典的商业智能报告。 朱里斯塔和Lex Machina主要致力于知识产权领域,特别是提供对专利审查员表现,市场中IP状况或竞争对手专利组合概况的见解。拉威尔法&相反,CLAWS分析法院文件,以提供对法官和案件的类似见解。

第二组初创公司包括Judicata,处于启动前阶段[15]罗斯[16] 以及工业/学术伙伴关系,例如治理,监管&合规技术中心(GRCTC)[17]。 朱迪卡塔和Ross正在使用AI工具分别分析法律领域,加利福尼亚州雇佣法和加拿大破产法。基于公共领域中有限的信息,这两家公司似乎正在尝试建立描述这两个法律领域的符号模型。这些模型随后可用于构建推荐引擎,但专注于帮助对这些法律领域的研究。这些竞争者应被视为具有LexisAdvance或WestlawNext之类的工具的竞争者,而不是AI律师,应被视为明智的法律研究辅助工具。该组的另一个成员是GRCTC,他们正在开发金融法规的符号表示。与Judicata和Ross相似,这些模型可用于协助遵守这些法规的律师,但是本案例的最终目标是应用这些模型通过自动化监控/审计来提高金融部门的治理,监管和合规流程效率。[18]

AI是威胁还是机遇?

到目前为止,我们已经寻求了解什么是AI,AI的主要方法以及使用AI技术开发的新兴工具/服务。在本节中,我们将考虑这些发展对律师的影响。

预测影响的一种方法是回顾过去并考虑先前技术进步的影响。例如,与25年前拥有20个律师事务所的完整图书馆(和两倍的支持人员)相比,如今拥有10个律师事务所的公司在Westlaw,移动电话和电子邮件方面的功能更多。那是否意味着那家公司的10位律师是“replaced” by Westlaw/mobile phones/computers? Or have those resources been redeployed? The answer would be yes they were 已取代 if the quality of the brief remains constant and that demand for legal product is inelastic. Let’s consider these two aspects.

首先,随着研究工具的改进,摘要的质量是否保持不变?答案显然不是。一个简短的是“good enough”如果对方可以利用您的疏漏或研究错误,过去十年后可能会完全不够。实际上,这将是一场红色女王竞赛,双方都将使用一系列越来越好的工具,只是为了跟上彼此,而不是取得相对的收益。

其次,对合法产品的需求没有弹性吗?同样,答案是否定的。每当采用新技术时,它都会消除一些任务,但同时又开辟了新的机遇。正如理查德·苏斯金德(Richard Susskind)所描述的那样,法律服务如何从定制发展到标准化,再到系统化,再到包装再到商品化[19],技术是推动变革的动力,并推动了这一周期。在周期的商品化阶段很容易想到已建立的流程,可以将AI工具应用于该流程以推动持续改进并提高效率,即减少了对大量律师/律师助理进行手动文件比较/审查的需求尽职调查中的任务。但是,要创新,我们必须换个角度思考并重新提出问题。以尽职调查为例,AI不仅可以审阅所有文档而不是代表子集,而且还可以像Juristat的Lex Machina一样进行审阅&Ravel Law,它可用于构建从分析的文档全集中提取的信息数据库。面临的挑战是思考该数据可用于什么?可以提取什么见解?可以提供什么新服务?最终如何为客户增加价值?

人工智能是威胁还是机遇?正如约翰·麦金尼斯(John O. McGinnis)所指出的,对于专注于例行工作的人来说,这都是一种威胁,对于专注于创新/定制的人来说,这是一种机会。& Russell G. Pearce[20]。因此,建议是了解这些新技术并探索它们创造的机会。这不应该局限于对当前流程的迭代改进,而更重要的是要确定变革变革的机会。

此评论涵盖了Ben在 法律怪胎 谈谈AI。你可以读本’s slides 这里 .

[1]              约翰·麦金尼斯&罗素·皮尔斯(Russell G. Pearce)“大混乱:机器智能将如何改变律师在提供法律服务中的作用”– http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2436937

[2]              马斯克(Elon Musk)“人工智能是我们最大的生存威胁”–   http://webcast.amps.ms.mit.edu/fall2014/AeroAstro/index-Fri-PM.html;斯蒂芬·霍金斯(Stephen Hawkins)“人工智能可以终结人类”– http://www.bbc.co.uk/news/technology-30290540;比尔·盖茨(Bill Gates)“人工智能是一种威胁”– http://www.bbc.co.uk/news/31047780

[3]              理查德·苏斯金德 &Daniel Susskind,“行业的未来:技术将如何改变人类专家的工作”,牛津大学出版社,2015年

[4]              Altman Weil调查“ 2015年转型中的律师事务所”– http://www.altmanweil.com/dir_docs/resource/1c789ef2-5cff-463a-863a-2248d23882a7_document.pdf

[5]              史蒂芬·沃尔夫拉姆(Stephen Wolfram)关于人工智能和未来的访谈(2015年7月) //gigaom.com/2015/07/27/interview-with-stephen-wolfram-on-ai-and-the-future/

[6]              Neota逻辑 http://www.neotalogic.com/

[7]              LPA –逻辑编程协会 http://www.visirule.co.uk/

[8]              欧盟抵押指令顾问– //demo.neotalogic.com/a/eucda

[9]              掠夺 http://www.ravn.co.uk/

[10]             基拉 //kirasystems.com/

[11]             Lex Machina //lexmachina.com/

[12]             朱里斯塔 //juristat.com/

[13]             拉威尔法 //www.ravellaw.com/

[14]             爪子 http://www.claws.io/

[15]             朱迪卡塔 //www.judicata.com/

[16]             罗斯 http://www.rossintelligence.com/

[17]             治理,风险&合规技术中心 http://www.grctc.com/

[18]             汤姆·巴特勒(Tom Butler)“从问题到金融行业GRC的解决方案”– http://www.grctc.com/wp-content/uploads/2015/12/GRCTC-Symposium-Prof-B-paper.pdf

[19]             理查德·苏斯金德 “Tomorrow’的律师:您的未来简介” –牛津大学出版社,2013年& http://www.legaltechnologyjournal.co.uk/content/view/21/

[20]             约翰·麦金尼斯&罗素·皮尔斯(Russell G. Pearce)“大混乱:机器智能将如何改变律师在提供法律服务中的作用”– http://papers.ssrn.com/sol3/papers.cfm?abstract_id=2436937