人工智能头条新闻每天都在出现,很难理解。我怀疑这会不会影响《大法》,但相信它会带来巨大的实践效率。为了避免大肆宣传,查看特定的AI应用程序会很有帮助。所以我很高兴在六月与 蓝J法律 首席执行官兼联合创始人 本·阿拉里,关于其公司的回答法律问题的机器学习软件(一种AI)。首先,我将介绍Ben的一些背景知识以及有关公司的知识,然后介绍技术,最后介绍一些业务模型和一般性评论。

公司和联合创始人

本持有 奥斯勒商法系主任 多伦多大学法学院。他和他的两位联合创始人是法学教授。我直言不讳地问一堆法律专家如何经营成功的企业。哎呀,我的法学院观点闪烁着霓虹灯。 Ben表示,他的法律教授联合创始人都具有数据科学经验和业务敏锐度,另外第四位联合创始人是具有多年经验的高级企业软件架构师,包括IBM。

当我得知Blue J有大约20名员工时,我的怀疑进一步得到了缓解。其中包括五名全职开发人员,大约十二名法律研究人员以及该公司的联合创始人。客户包括Oslers,普华永道,毕马威和德勤。

该公司没有使用传统的风险投资,但确实有几家投资者的资金,包括四大会计师事务所之一,加拿大税务基金会和加拿大商业发展银行(加拿大政府的一部分)。 Ben报告说,该公司已推迟了许多投资请求,并且A轮融资可能很快就会到来。

技术与产品

蓝J法律使用ML和规则引擎来回答法律分类问题。例如,出于税收目的,工人是雇员还是承包商,或者是加拿大居民,或者出于税收目的,支出是经常性支出或资本支出。

该系统吸收判例法(或类似的机构裁定)作为确定分类的基础。数据科学家和法律研究人员共同处理该材料,以提出要问用户的问题。用户用自然语言回答这些问题。系统返回答案的置信度,并在几段写得很好的段落中解释了系统如何以及为何达到其建议的分类。它还显示了五个最相关的案例。用户可以单击以查看这些案例的全文和/或查看其他相关案例。

系统尚未突出显示返回的案例中有助于答案的部分。这显然是一个非常困难的ML挑战。 Ben确实说过,但是将来的发行版将以最佳答案集中的形式提供案例的可视化群集和/或有关每个案例的更多元数据。

用户界面很简单,答案读起来就像律师写的一样。简单的UI和快速答案掩盖了构成该系统基础的许多数据科学和法律研究。答案之路很有趣。法律研究人员构建各种答案元素,其中包括各种短语,句子和段落。机器学习使用摄取的判例法评估用户的事实,以识别实质上正确的分类和系统的置信度。然后,规则引擎将用户的输入,机器学习的输出以及预先编写的答案句段组合在一起,以编写出写得好的完整答案。

Ben说,某些分类器的答案超出样本准确性的98%(并指出律师仍然有责任确认答案)。我问什么分子和分母产生了这个百分比。 Ben解释说这是ML衍生的量度,因此没有实际分数。他解释说,这是根据基础ML模型的样本外测试,系统将根据用户输入的特定事实正确的实例百分比。

为了获得如此高的置信度,我想知道Blue J可能需要摄取多少个案例。我在想数百甚至更多。 Ben建议,中位数到高两位数(意思是50到100)通常足以获得足够高的置信度。这让我感到惊讶,我期待进一步的现场经验来确认这一点。

该公司不出售该软件作为引擎。法律组织无法放松其内容并使之发挥作用。相反,必须在数据科学家和法律研究人员的协助下建立系统。

我们没有过多讨论开发路线图,但Ben确实分享了未来的迭代将生成对输入(用户答案)对输出(法律答案)的自动敏感性分析。我认为这将很有用。它可以帮助律师减少不必要的时间收集事实。如果一些事实答案对结果的影响相对较小,那么为什么要花时间在结果上呢?否则,客户的风险承受能力应该会推动这一选择-这是当今许多律师尚未充分理解的问题。

商业模式,问题和结论

与许多初创企业一样,商业模型仍然保持流动。今天的目标市场是律师和其他专业人员,其许可条款类似于其他企业软件即服务。我告诉本,在美国,将这种类型的系统发布给消费者或小型企业可能会引发未经授权的法律问题。 (让记录显示,我在很大程度上反对UPL的主张。)

该公司正在考虑许可和分销模式。如果其他组织有数据科学家和法律研究人员来运行该引擎,则大概可以使用该引擎。

我认为Blue J具有巨大的潜力。首先,许多法律问题可以很好地转化为分类问题。其次,该软件具有良好的伸缩性,这意味着为美国法律构建一个系统,该系统在大多数主题上的内容要比加拿大大得多,并且花费的时间不会比加拿大设置的内容小得多。

我关于实现潜力的问题更多地在于扩展系统构建过程。很多人可以进行法律研究,但我们缺少优秀的数据科学家和ML专家。他们的薪水很高。即使薪酬水平下降,建立系统的收支平衡点的问题仍然悬而未决。

关于潜力的最后一个问题是业务模型。只有少数律师事务所建立了内容或规则丰富的面向客户的系统。传统大法律的经济学并不赞成这一点。而且法律部门似乎在此类系统上的投资甚至更少。因此,法律出版商,四大及其他法律提供者都可以考虑。

即使构建系统既简单又便宜,但采用率仍然可能很低。一位《大法律》的朋友告诉我,Lex Machina的使用-他证明可以明显改善专利分析和代理-花了几年时间,因为律师只是不想学习它。有些事情需要几年甚至几十年才能改变。

罗恩·弗里德曼(Ron Friedmann)是消防员的顾问&公司和受人尊敬的合法市场评论员。这篇文章首先出现在他的 战略法律技术博客