破除技术恐慌：谁说人工智能取代律师

作者｜王振宇

来源｜iCourt法秀（本文已授权）

编者按

人工智能掀起的时代浪潮给各行各业的工作模式带来颠覆性的改变，技术变革势不可挡。它的出现引起了科学、金融、法律等行业精英的关注。人工智能的力量到底如何？律师行业是如临大敌还是迎来机遇？高深莫测的专有名词含义几何？

法律人工智能这一话题，是律新社持续关注的重点。今天我们推荐的这篇文章，节选整理自作者近期在清华大学、北京师范大学的分享。希望能借此解答你对人工智能时代的疑惑。

前一段时间我的朋友圈被这篇文章刷爆：法律AI平台LawGeex与斯坦福大学、杜克大学法学院和南加州大学的法学教授合作进行了一项新的研究，让20名有经验的律师与训练好的法律AI程序互相比赛，比赛内容是4小时审查5项保密协议（NDA），并确定30个法律问题，包括仲裁、关系保密和赔偿。非常遗憾的是，律师们输掉了比赛。一时间，我的朋友圈炸开了锅，大家纷纷感觉自己要失业了。

在这里，我想先问大家几个问题，如果你觉得以下情况会发生，就举手表示赞同。

第一，你觉得在有生之年，律师工作会被机器取代吗？

第二，这个表情这么迷醉的人叫库兹韦尔，他写过一本非常有名的书——《奇点临近》，里面有一个著名的观点：2045年机器会全面超过人类。你们认为会吗？

最后一个问题，你们觉得人类最终会被机器消灭掉吗？

看来大家普遍比法律从业人士乐观一些，比技术圈人士悲观一些。

人类正儿八经关于人工智能问题的研究至今也才不过60多年。1956年的夏天，一群大佬们聚集在一起讨论这么一个问题：我们能不能用计算机来模拟人类的思考呢？提出这个问题之后他们非常兴奋，认为在二十年内机器将能完成人能做到的一切工作。但他们被飞快地打脸。1973年《莱特希尔报告》发表，戳破了第一次人工智能的泡沫，人工智能行业基本被资本封杀。

这种过山车似的经历，在85年到90年代中后期又出现了一次。从2000年开始，互联网大规模应用，移动互联网也逐渐发展，人类第一次掌握了如此简单的大规模获取数据的方法，人工智能开始跟其他领域交叉迸发出新的活力，比如大数据。这一波火爆从世纪初持续到了现在，各行各业都出现了很多人工智能技术的应用，法律界也不例外。

关于人工智能在法律领域的应用，我们从法律圈经常听到的一些概念出发，举例说明。当然这里说的概念仅仅是一种分类方式，供大家参考。

机器学习

我们现在提到的机器学习，大部分是指有监督的机器学习，实际上是“经验”的一种。比如，如何让机器对在座的各位按照性别进行分类？简单点说，先通过人工标注的方式，告诉机器，这一大堆照片是男人，另外一大堆照片是女人。量足够大之后，机器就掌握了男/女的不同特征。这时候我们再提供一些新的照片，机器就可以帮我们判断新照片是男还是女，输出0或者1。

具体到实际应用中，比如说，拿到一篇案例，我们让机器判断是民事、刑事、行政案件，还是执行、国家赔偿等等。是不是很基础，跟教小孩子东西特别像。虽然这种智能比较初级，但是机器可以在短时间内处理完4000万份文书，这是人工无法企及的高度。复杂一点的，我们可以通过机器学习算法，分析案件的诉讼结果，计算胜诉率，归纳争议焦点等等。

神经网络

听起来非常高科技，像科幻片里出来的，全称叫“人工神经网络”。其实并不是真的造出了人工生物神经，只是它的工作方式跟人类神经元的信号传导方式非常类似。

如果我们把处理男女分类这个简单问题中的某一个环节——比如识别眼睛这个问题——视为一个神经元，那把识别鼻子、耳朵、胡子等等多个神经元连接起来，就形成了一个解决复杂问题的方案，这个方案我们就称之为人工神经网络。

神经网络已经有不少应用了，比如说百度识图。随便找了一张小动物的照片传上去，看起来像某种鼠。百度直接告诉我，这个看起来很可爱的小家伙叫“黑尾土拨鼠”，听了名字一下子就觉得没那么可爱了。

我再传一张我的照片上去，居然出现了我的名字（这里用到的并不是机器学习）。所以下次你们在六教看到哪个好看的女生，如果不好意思搭讪，可以偷拍一下，回来到百度上搜一搜，就不用依靠朋友圈转发寻人了。

还有近年来迅速获得应用的人脸识别技术，一部分识别你的眼睛，一部分识别嘴巴，一部分识别鼻子，这实际上是给神经网络分了很多层，每个层协同处理任务，这个多层的结构，我们就可以简单理解为深度学习。

我们再来看看机器学习、神经网络在法律领域的应用。一些大型交易的合同有几百上千页，看起来十分痛苦。基于以上技术及语义分析、自然语言处理等开发的合同辅助阅读工具，通过已有的合同文本对机器进行训练，让机器能够快速识别合同中的某一项条款，如防稀释、争议解决、不可抗力等等，帮助律师把这些条款从厚厚的合同文本中提取出来，进行可视化的总结分析，从而节省大量的时间。在掌握了大量的合同结构后，机器还可以帮助我们进行合同审查的部分工作，对合同中缺失的条款进行提示，发现合同中的风险点。

同时，一些应用还支持自定义训练，允许用户自定义合同条款供机器学习，从而建立自己的条款库。通过这种方式，律师可以借助机器快速完成本来需要初级律师花费几十甚至上百小时的工作，大大提高工作效率。前一阵子借助“合同审查人机大战”火了一把的LawGeex也属于上述工具，其同时加入了法律专家提供的法律规则和审查标准，在合同审查方面更加出色。

知识图谱

知识图谱是另外一个比较火的概念。我们在百度搜最近圈粉无数的朱亚文，注意看右边，会有很多跟朱亚文有关系的词条推荐。我搜“民法”，同样也会出现各种各样的推荐，这就是知识图谱的一种应用场景。

维基百科是这么定义知识图谱的：本质上，知识图谱旨在描述真实世界中存在的各种实体或概念及其关系，其构成一张巨大的语义网络图，节点表示实体或概念，边则由属性或关系构成。

怎么理解呢？比如说，由民法引申出来的相关概念有刑法、民事诉讼法、崔建远、梁慧星等等，我们把每个概念看做一个点，然后在民法与刑法之间画一条连接线表示它们之间的关系，这条线可以叫做“相关实体法”；在民法与民事诉讼法之间也画一条线，叫做“相关程序法”；在民法与崔建远、梁慧星老师之间分别画一条线，这两条线取名叫“民法学者”……

通过这种方式，相关的实体概念和关系越来越多，越来越复杂，我们就得到了一张巨大的语义网络，这张网，就被称为知识图谱。知识图谱在法律领域也可以有非常广泛的应用，比如智能法律咨询、类案推荐等等。

其实不难发现，目前的人工智能还是比较低级的“人工的智能”，远谈不上聪明。但是其短时间内处理超大量数据的能力，是人脑难以企及的。这也是人工智能的优势所在。

其他一些技术在法律领域也有着十分广阔的应用前景，比如语义分析、自然语言处理，一个建立在文本基础上的法律帝国为这些技术的运用提供了肥沃的土壤。比如，在法律咨询的过程中，我们可以从当事人大段的陈述中，抽取出律师所关心的核心法律事实和法律问题，节约双方时间。这些技术还可以用来改进法律检索引擎。

Legal Research是法学院一门重要的课程，如何归纳检索关键词是其中十分关键的步骤。但是在自然语言处理技术的帮助下，我们可以直接将问题描述作为检索条件，无需再进行关键词提取。如在研究“合同约定先开发票再付款，后卖方未开具发票，买方迟延付款，卖方是否有权主张违约金”这一问题时，往往我们需要提取“发票”“付款”“迟延履行”“违约金”等等相近的关键词，进行不同组合的搜索。但以上技术的运用则允许我们直接用“大白话”检索，既节省了律师的一部分工作，也在一定程度上降低了法律专业数据库的使用门槛。

在掌握司法大数据的基础上，综合运用上面提到的各种技术，我们还可以为法律行业提供大量富有想象力的工具。比如我们刚组建了一个新的团队，以数据分析为基础，帮助律师进行市场开拓，发现优质客户，辅助谈判，取得了意想不到的效果。这部分还没有完全开放，但欢迎各位申请试用。

从技术发展的角度看，担心机器取代律师工作还为时尚早。目前各种技术在法律领域的应用趋势并不是取代律师，而是大幅提高律师的工作效率。而任何一次技术跃进对应的生产力提高，都不可避免地对初级岗位产生威胁。

对于中国的律师业和法学生来讲，提高理解和运用技术的能力，避开人工智能的优势领域，就显得尤为重要。技术不应成为恐慌的理由，反而应是一种红利。一是前沿技术刚刚兴起，还有更多可拓展的空间；二是中国律师业内部的信息化进程才刚拉开大幕。在越来越激烈的竞争中，理解和运用新技术的能力，或许可以成为律师、律所脱颖而出的新机遇。

关于律新社

律新社是全国首家法律服务行业垂直媒体，由资深法律媒体人创办，是法律服务行业影响力最大的法律新媒体之一，持续关注中国法律服务行业发展，致力于推动法律服务行业资讯及品牌建设。

律新社品牌栏目

▶▷ 大咖来了：观韬中茂 | 张鹏峰 中夏旭波主任 | 朱林海 锦天城高级合伙人 | 俞卫锋 上海律协会长 | 周月萍 中伦权益合伙人 | 陈峰 大成上海办公室主任 |  盛雷鸣 观韬中茂管委会联席主任 |

▶▷ 律新社观察：14岁“小妈妈”竟成网红 | 上海首个人民调解质量监控平台 | 你是我们律所要的合伙人 | 新时代的股权律师，股权律师的新时代 | 婚姻信息可以在线查询了 | 参案律师解读中国钢企应对美国“337调查”大获全胜的秘密 |

▶▷ 律界情报：上海金融法院获准设立、广州律协律师调解中心揭牌、天元香港分所乔迁 | 2017上海律师业发展数据出炉、年利达宣布亚洲区新合伙人名单、杭州互联网法院启动异步审理模式 |