【編者按】今天召開的“智合論壇2017：智能時代的法律服務”邀請到大神凱文·凱利,，與在座數(shù)百位法律人分享了他對人工智能新時代的觀點。會議同時邀請司法界,、律師界諸多有識之士,，就人工智能如何在法律領域深度運用展開討論。這次會議上，我以《人工智能如何取信于法律人與當事人》為主題,，與大家分享了五個故事,，拋出了許多問題。

有意思的是,，上海高院李則立先生的分享,，正好回應了我的問題。所以,，今天暫不分享我的故事,，優(yōu)先推送則立的思考。

何 帆 | 南京中院辟謠后,，我們離“阿爾法法官”還有多遠【斑斕·新思維】

到底砸誰的碗,？紐約律師眼中的法律人工智能【斑斕 · AI】

人工智能這樣幫你辦故意殺人案，你會選擇相信它么【斑斕 · AI】

人工智能時代來了,，法官不再重要,？恰恰相反【斑斕 · AI】

Alpha Zero橫空出世，距離橫掃法律界還有多久,，且聽專業(yè)人士解讀【斑斕 · AI】

作 者  |  李則立 （上海市高級人民法院團委書記）

算力,、大數(shù)據，算法的進步指引我們走向人工智能,。但單純的“法律”加“人工智能”結不出“法律人工智能”的果子,。通往法律人工智能的鑰匙也許并不在于算法，而在于人,，在于法律與技術的“連接者”,。

從目前所知的法律人工智能實現(xiàn)路徑來看,，一條路是目前比較清晰的“專家,、算法、數(shù)據”模式,，這是人工智能技術深度應用于各個專業(yè)細分領域中找到的一個模式,，目前的法律科技公司大致都沿著這個模式推進。

可能還存在另一條路,，等待通用人工智能實現(xiàn)跨越式發(fā)展,，直接用于法律領域。特別是圍棋領域“阿爾法狗元”橫空出世,，“左右互搏”自己學習打敗了學習人工標注數(shù)據的“阿爾法狗”,。不少法官說,，我們的路子是不是走錯了,？雖說不能下定論說不可能，但畢竟圍棋是完全信息，規(guī)則明確,、空間封閉和特定的領域,。為圍棋訓練出來的智能系統(tǒng)可能下象棋就不好用。所以,，接下來DeepMind團隊的目標是測試“星際爭霸”,，一個比圍棋更具開放度的領域，目前只能預見這套算法可能在游戲領域會有不錯表現(xiàn),。

既然如此,，通用人工智能之路被證明走得通之前，我們還是得先沿著第一條路走,。這兩條路的本質區(qū)別在于,，機器的學習能不能離開人類老師？走第一條路就是你得教它,，還得下血本教它,，還得有耐心等著它慢慢成長。所以,，這把鑰匙在人類手中,，鑰匙就是人類與機器的“連接者”。除了程序員,，至少需要三種“連接者”,，

一是標簽數(shù)據整理者，二是業(yè)務專家,，三是產品經理,。

“算法、數(shù)據,、專家”三個要素當中,，“算法”開源，各家水平雖有所不同,，但基本原理自上世紀五六十年代成熟之后,，沒有變化，不是本質性差距,，算是通用資源,。“數(shù)據”是生產資料，具有明顯的行業(yè)特征,。比如上海法院信息化起步早,，基礎設施相對完善，大力推進司法公開,，產生了大量數(shù)據,。但是,，“數(shù)據大”并不是“大數(shù)據”，這些數(shù)據并不能直接用于人工智能開發(fā),。數(shù)據需要經過標注,，經過整理，機器才能夠讀懂,。否則,，這些數(shù)據擺在開發(fā)者面前，就像一堆沙子,，誰都知道里頭有“黃金”,，但只能望洋興嘆。

有人說,，“有多少人工,，才有多少智能”，初級階段的確如此,。這是個苦活,、累活，投入很大,，產出不一定多,。所以，我們需要很多“標簽數(shù)據整理者”,。

更為關鍵的是“專家經驗”,。要想讓機器擁有“智能”，必須跟著行業(yè)專家學,，最好還是行業(yè)的頂尖專家,。為什么用別人當老師當不好？原因很簡單,，“跟臭棋簍子下棋,，永遠只是臭棋簍子”。所以,，“關鍵先生”是行業(yè)專家,。

還有“產品經理”。專家,、工程師,、產品經理，誰說了算,？產品經理說了算,，因為產品經理對最后的產品負責。產品是法律人工智能發(fā)揮效用的形態(tài),，產品經理更是“連接者中的連接者”,，就如喬布斯喬幫主,，千金易得，一將難求,。

而且，在法律人工智能發(fā)展之路上,，對“連接者”的需求相當可觀,。從目前開發(fā)進度來看，還沒有發(fā)現(xiàn)一個底層規(guī)律,，“放個大招”,，一統(tǒng)天下將所有法律領域全部擊破。目前的戰(zhàn)術仍然只能是各個突破,。刑法近470個罪名,，民事案件光二級案由467個……一個一個地啃，“市場”需求很大,，而且會越來越大,。這就給整個行業(yè)提出了一個問題，這些人才從哪里來,？

這些事交給科技公司，交給程序員行不行,？在前人工智能時代,，我們與技術公司之間的關系更多是甲方與乙方的關系，法律人提需求,，技術公司幫助實現(xiàn),。那么這一回呢？這一回不同了,。

三種人,，一是數(shù)據整理者，二是業(yè)務專家,，三是產品經理,。

數(shù)據整理者做的是基礎性工作，比如將訊問筆錄進行拆解,，標注,，拆解成作案時間，作案地點,，作案手段等要素,，要素拆解得越細，機器跑出來的結果越準確,。“打標簽”是個技術活,。一方面,，看得懂法律文件，才能做數(shù)據的標注,；另一方面,，機器跑出來結果，機器學得對不對呢,？還要反饋,，校正，不對的要修正,，這就是機器的“監(jiān)督學習”。

這些數(shù)據處理需要大量有一定法律實務經驗的人來做,。這些工作能不能外包,？科大訊飛目前將一些諸如保險類的標注工作通過眾籌平臺來做，但法律數(shù)據眾籌來做依然難度太大,。而且標注哪些信息,？精細化程度如何？都需要由資深法律人根據產品經過反反復復討論形成結果,。如果非法律人來做,，有很大的培訓成本。

業(yè)務專家幾乎可以肯定必須由法律人來擔任,，而且是實務界的高段位業(yè)務專家,，當然，更好的狀態(tài)是復合型人才,。比如科大訊飛醫(yī)療部分的負責人,，同時有電子工程學背景，又是醫(yī)學影像研究方面的專家,。有人認為找到專家,，就有了專家經驗？其實不對,。要想機器產生“認知”,，從目前的技術演進來看，都會走到“知識圖譜”這個問題上,，就是想辦法把法律概念分析成機器能夠讀懂的“知識結構”,，并建立起知識與知識，概念與概念之間的聯(lián)系,，讓機器“明白”,。

而且，法律概念的具體含義還可能演化,，需要進一步修正,。一個主要概念的變化還會引起系統(tǒng)性反應,。這不是普通的業(yè)務溝通，需要高度的提煉能力,，還需要能夠與機器溝通,，懂技術路徑。比如科大訊飛的醫(yī)學項目就是長期與醫(yī)學專家深度交流,，這是個在實踐與理論與技術之間來回穿梭的高難度工作,。

再說產品經理。誰來做產品經理,？兩條進路，一是技術人才對接法律需求,，二是法律人了解技術進路,。哪種方式更好？個體因素更具決定性,。但相對來說,，法律人學習成本相對較低，他能夠了解技術進路,，不需要學習“編程”,，可以逐漸適應。但從技術跨過法律的門檻,，有知識背景的限制,，相對困難更大一些。所以,，不少法律科技公司的做法是法律人負責專業(yè)需求,，而技術人才負責通用需求。

這樣看來,，大量的人才需要從法律行業(yè)產生,。在專業(yè)細分領域，既然人工智能站在人的肩膀上,，它就像一個一張白紙的小學生,，你教它醫(yī)學知識，它成為醫(yī)生,，你教它法律知識,，它成為法律人。最適合當老師的當然是行業(yè)“高手”們,。

可見,，需求很大，投入很大,，投入的時間還可能很長,。法律行業(yè)有必要投入嗎,？有人說，我們投入那么多人工,，產生人工智能,，再來代替我們自己？

我們經常聽到說要實現(xiàn)法律人工智能,。但是如果我們去問問法律人工智能推進者們，無論是公檢法這一端,，還是靠譜的法律科技公司,，沒有人說過，我們的目標是實現(xiàn)法律人工智能,。我們?yōu)槭裁匆獡肀斯ぶ悄?？主要是因為，我們長期想解決又解決不了的問題,，人工智能給了一個新解法,。正如攝像頭的大面積普及降低了犯罪率。所以,，我們談人工智能,，不能因為還沒有走多遠，就忘記了為什么出發(fā),。

發(fā)展人工智能的理由至少有三點：

第一，法律行業(yè)知識管理的新方式,。法律行業(yè)之所以被認為是一個傳統(tǒng)行業(yè),，其中一個重要原因是知識管理問題。無論是在司法機關還是在律所,，往往一位帶頭人離去,，同時也宣告了一個業(yè)務“巔峰”的結束。所以我們現(xiàn)在想了很多辦法推動職業(yè)化,、專業(yè)化,，無論是樹立知識管理的理念，做好文檔管理,，運用印象筆記,、思維導圖等軟件，還是為此開發(fā)OA系統(tǒng),，建立完善的培訓體系,，都是為了解決這個事。

但人工智能將專家經驗嵌入到應用系統(tǒng)當中，就好像剛入行的新醫(yī)生,，由全國三甲醫(yī)院頂尖專家經驗集合成的會診團來給你支招,，這業(yè)務水平是不是比從0到1的逐步摸索和積累來得高呢？那么病人是不是也能在一個非三甲醫(yī)院獲得三甲平均水準的醫(yī)療方案呢,？專業(yè)運動員與業(yè)余的差別并不在于業(yè)余選手打不出好球,，而在于業(yè)余選手不能像高手一樣穩(wěn)定地發(fā)揮，減少失誤,。這才是我們推進法律人工智能的目的,，行業(yè)水準的穩(wěn)定器。

第二,，法律行業(yè)專業(yè)化,、職業(yè)化水準提升的催化劑。人類在利用技術的同時,，技術也會同時改造我們,。比如在民商事領域也許標準化程度最高的道交案件中，假如我們統(tǒng)計一下“后續(xù)治療費”,，說法至少有10種之多,，包括“二次治療費,、后續(xù)治療費、后期醫(yī)療費,、取出內固定物費用……”,。那怎么辦,？

兩種辦法,，一種你讓機器變得越來越聰明,，能夠識別人類各種天馬行空,，甚至連“一別兩寬,，各生歡喜”也能懂,；另一種是規(guī)范化,，提高標準化程度,，將來這些說法統(tǒng)統(tǒng)歸為“后續(xù)治療費”。這顯然是成本更低的一種方式,。這樣就形成了一個“倒逼”機制,，逼著人做事越來越標準。

再比如通過“智能化應用系統(tǒng)”，從律師端的起訴書就是按照標準格式,，并且及時通過OCR圖像識別技術掃描進系統(tǒng),，庭審記錄通過語音識別技術，并且智能提取要素直接進入系統(tǒng),，而系統(tǒng)經過分析,，給出類案推送，或者量刑參考,。這個時候,，簡單案件可能就直接生成一個裁判文書，雖然最終的判斷依然由人來作出,，但是法官大量重復性工作就省了,。

人工智能實現(xiàn)的過程就是倒逼我們的業(yè)務流程不斷規(guī)范化，裁判規(guī)則不斷實現(xiàn)“同案同判”的過程,。同時,，也是給法律人省時間的過程。

第三,，法律行業(yè)向上“躍遷”的助推器,。法官、律師們能夠把本來用于重復勞動的時間省出來,，這些時間省出來干什么？用于那些需要深入思考的價值判斷,，做機器做不到的事情,。未來社會的變化速度越來越快，法律的滯后性必須與社會的快速演進保持一個合適的速度,，而價值判斷的難度也會越來越大,，法律人的地位和價值也將水漲船高。

所以,，發(fā)展法律人工智能,，不單是司法機關的事，也不單是某些法律科技公司的事,，是整個行業(yè)的事,。同時，法律人工智能的發(fā)展,，也不是一個線性目標,，像一個項目，今天推進一點,，明天推進一點,，到某一天,，突然實現(xiàn)了。這是一個演進的過程,，技術與人不斷互動,，今天改進一點，看不出來,，明天改進一點,，等人工智能從孩子慢慢長大了，同時也改變了整個行業(yè)的模樣,。K.K稱之為“形成”（becoming）,。這個開發(fā)過程是艱苦卓絕的，特別是先期投入,。

所以,，人還是最可寶貴的。在探索法律人工智能的道路上,，至少有幾件事,，是需要花力氣去做的。

一是人工智能的科普,。曾有不少法律人問起,，為什么人工智能是一個“黑箱”？黑箱里到底是什么,？會不會失控,？怎么聽起來像玄學？法律人了解科技了解到什么程度呢,？聽過兩句話很有道理,，一位開發(fā)者說,，不用會編程,，但“不要因為對技術的無知限制了想象力”；而一位法律人說,，也“不要因為對技術的無知認為技術無所不能”,。

二是人才培養(yǎng)模式的改變，實踐優(yōu)于理論,，未來適應新法律職業(yè)的人才也許出自法律科技實驗室,。

三是尋找“正循環(huán)”獲得意義感。長期的事業(yè)需要持續(xù)的動力,。動力從哪里來,？我們需要形成“正循環(huán)”，爆款產品出現(xiàn),，法律人深度應用,，改造行為，產生數(shù)據，反哺產品,，開發(fā)者,、知識貢獻者不斷找到獲得感和成就感。這是個非常值得研究的問題,，篇幅所限,，此處只能淺嘗。

畢竟,，從K.K提出的'技術元素'來看,，當圖像識別，語音識別這些“感知”智能突破以后,，必然向著“認知”的方向發(fā)展,，但這件事最終是在中國發(fā)生，還是在美國發(fā)生,，或者在英國發(fā)生,，卻并不必然。

這可能是我們這一代中國法律人的使命,。