至顶网CIO与CTO频道 01月29日 编译:我们能否想象,未来如果某家企业不使用人工智能(AI)技术,则会面临行为不当这一违法指控?答案也许是肯定的。如今,人工智能为我们带来一种前所未有的解决方案,能够更好地处理或者解决司法问题,甚至有望彻底颠覆整个传统法律体系。下面,我们将一起聊聊这些可能改变法律制度的AI、大数据以及在线法庭趋势。
法律的未来
我有幸与全球最具知名度的法务论著作者、荣获大英帝国勋章的Richard Susskind先生面对面探讨法律与律师职业的未来。很明显,未来十年整个法律体系都将面临巨大变化,而这些变革的根源正是人工智能与大数据带来的创新成果。
在Richard出版于1996年的《法律的未来》一书中,他预测未来律师与客户将通过电子邮件进行相互交流。当时这样的观点令人震惊,尤其受到长期从事法律相关工作的从业者们的反对。但是,如今律师与客户之间通过邮件传递信息早已成为常态。这个故事,也为一向传统保守的法律体系在二十一世纪克服种种新兴挑战拉开了序幕。
而在Richard的新书《在线法庭与司法的未来》一书中,他表示未来十年新兴技术将在法律领域带来令人着迷的一系列变革,并彻底改变原有法律体系。更重要的是,除了以自动化方式处理旧有工作之外,人工智能等技术还有助于降低人们获取法律服务的门槛。
即使是在这一已经相当成熟的领域,当前的司法公正仍然存在严重问题。实际上,只有约46%的国民能够享受法律制度。在某些法院系统当中,存在着难以想象的案件积压量。而且对大多数人来说,诉讼所带来的时间与经济成本也仍然难以承受。如果未来能够推出在线移动法律解决方案,技术的力量将有助于解决上述挑战,让法院真正成为服务载体——而非与民众无关的冰冷机构。
事实上,推动这一过渡的技术并不需要多么精妙复杂。
这方面的初步思路是,人们可以通过在线或者其他电子通信形式向法官提交证据与基本观点。从本质上讲,判决将逐步从法庭转移至网络之上。在数字化社会中,我们当然应该将法院的职能推广到网络当中,并在法官直接介入之外利用某种裁定系统为人们提供法律方面的指导、帮助他们收集证据并尽可能高效解决争端。
以技术为基础的第二代法律体系,Richard将其称为“结果思考”,核心是利用技术帮助解决纠纷,或者说在一定程度上取代律师或者传统法院系统。可以想象,在短短几年之内,我们可能就将拥有一套利用预测分析功能根据过往判决预测诉讼结果的系统。如此一来,人们就不必苦等开庭(以及传统法律制度的支持),转而利用机器学习系统对案件的潜在结果进行预测,并最终以此为基础获取具有约束力的判决。
目前,在线法庭制度面临的最大障碍,在于推动这一转变的政治意愿、法官与律师的支持、资金以及实施过程中采用的具体方法。例如,是否要求仅在某些特定情况下使用在线庭审方案。
无论如何,目前法律服务无法覆盖全体民众的问题都客观存在、不容质疑。技术的介入有望改善这一现状,并为所有人提供前所未有的纠纷解决途径。尽管这种转变可能无法彻底消除以往法律制度或者司法公正所面临的挑战,但其中的进步之处已经显而易见。
律师职业的未来
到目前为止,法律制度当中对于技术的关注仍然主要集中在为律师以及法务相关人员的支持方面,例如电子邮件、会计系统以及文字处理工具等等。但未来,相信新的技术会在一定程度上自动执行某些任务(例如文档分析或者文件起草),这也让新兴技术有机会从后台逐步走向前台。
面对未来,法律专业中受到影响最大的当数各类法学院。二十一世纪的律师必须能够满足企业与个人对于低成本法律服务以及高便利度电子交付能力的要求,但教育机构却仍在按照上个世纪的方式培养法务人才。
以往,我们根本无法想象把一部分法律工作交给机器来完成。然而,大型案件当中通常涉及大量文档资料,传统上需要由年轻的律师以及律师助理组建材料审查团队。未来,经过训练的机器将能够接管工作。此外,由机器起草文件的作法也越来越受欢迎。我们也许还将迎来能够预测判决结果的系统。总而言之,机器正越来越多地接手以往似乎只能由律师完成的特殊任务。
未来律师的主要工作,也许在于开发能够帮助客户解决问题的系统。换言之,法律专家将逐步转变为法律知识工程师、法律风险经理、系统开发人员以及思路设计专家等等。他们将在新技术的支持下,不断探索解决法律问题的新方法。在各个层面,法律行业正在经历其他行业已经走过的数字化转型之路;而且由于天然涉及大量文档资料,法律行业实际上完全有可能从这一波技术浪潮当中获得显著收益。
Richard坚信,未来十年之内机器与律师将彼此协作,并将有相当一部分工作由机器接管。最终,他认为法律制度以及律师的工作内容都将发生转变,由技术帮助我们以新的方式解决问题。例如,他预计未来在传统法庭内审理的案件将大大减少,因此需要出庭代表客户进行辩护的律师也将相应减少。律师当然可以选择抵制这波潮流,或者改变自己加入这股变革洪流。Richard友情提示——请选择后者。
好文章,需要你的鼓励
南洋理工大学研究团队开发了WorldMem框架,首次让AI拥有真正的长期记忆能力,解决了虚拟世界模拟中的一致性问题。该系统通过记忆银行存储历史场景,并使用智能检索机制,让AI能准确重现之前的场景和事件,即使间隔很长时间。实验显示在Minecraft和真实场景中都表现出色,为游戏、自动驾驶、机器人等领域带来广阔应用前景。
AWS通过升级SageMaker机器学习平台来扩展市场地位,新增观测能力、连接式编码环境和GPU集群性能管理功能。面对谷歌和微软的激烈竞争,AWS专注于为企业提供AI基础设施支撑。SageMaker新功能包括深入洞察模型性能下降原因、为开发者提供更多计算资源控制权,以及支持本地IDE连接部署。这些更新主要源于客户需求,旨在解决AI模型开发中的实际问题。
MTS AI研究团队提出RewardRanker系统,通过重排序模型和迭代自训练显著提升AI代码生成质量。该方法让13.4B参数模型超越33B大模型,在多种编程语言上表现优异,甚至在C++上超越GPT-4。通过引入困难负样本和PPO优化,系统能从多个代码候选中选出最优方案,为AI编程助手的实用化奠定基础。