智能機器:人工智能是否意味律師會被淘汰?

人工智能這概念並非甚麼新鮮事,但在近年,它驟然從科學小說的題材,變為我們的現實生活情節, 並引起了它對人類命運會帶來甚麼樣的影響的討論和爭議。

史蒂芬·霍金教授有點兒模棱兩可地指出:「人工智能對於人類來說,可以是最美好的東西,也可以是最惡劣的東西 – 但究竟是哪一樣?我們實難以確定。」

他的這一說法,對法律專業而言也許同樣適用 – 法律專業人員和知識界現時也在熱烈地討論人工智能所衍生的各個議題。

毫無疑問,我們需要積極關注這一個可能到來的危機;但同樣重要的是,我們需要更多了解該等技術的發展情況,尤其是它在目前的應用和局限。

那麼何謂人工智能?

在很多人的心目中,人工智能就是一個機器人;或至低限度,它是一項電腦程式,具有與人類所具有的相類似的認知能力,當中包括:學習、思想、及決策能力。雖然,這確是人工智能所涵蓋的一些層面,但這個名詞本身,也可被理解為具有更廣泛的含義,當中包括任何類別的智能行為計算模型。

據了解,人工智能在傳統上,就像律師事務所的情況一般,包含各個不同等級:

  1. 「初級助手人工智能」(也稱為「局限的人工智能」,又或是「弱人工智能」)是一種在特定領域的機器智能。它受有關領域的原則和關係所約束,不具備任何跳出「框架以外」來進行思考的能力。意思就是,它只懂處理特定的工作,例如玩“Go”此等複雜的棋盤遊戲,又或是助你免除支付違例泊車的費用,但不能兩者兼而有之。
  2. 「高級助手人工智能」(也稱為「通用人工智能」,又或是「強人工智能」)是一種與人類的智能近似的機器智能。意思就是,它可以執行與人類的近似的認知工作,包括進行歸納式學習。儘管在許多情況下,人類的智能在表面上並沒有甚麼特別,但它有一種重要的特性是機器所無法做到的,那就是:使用現行所掌握的技能來解決新問題。當人們學習如何使用匙羹喝湯時,他們大多數同時也會想到如何使用這匙羹來吃飯或吃雪糕,甚至是用它來將沙從沙桶中舀出,倒進別人的鞋裡,而機器則似乎仍然無法做到這點。
  3. 「合夥人人工智能」(也稱為「超級人工智能」),而套用Nick Bostrom的話,就是 「幾乎在每一個領域,都遠比最優秀的人腦還聰明的一種智能,其中包括:科學創造力、一般智慧和社交技能。」它將來的發展情況會是怎樣,我們目前實在還是不大清楚,但可望會有如Isaac Asimov的小說中所述的,它將會是一個具有人類特質的機器人 ....

我們需要知道,今天所有的先進人工智能的應用,都是屬於「弱人工智能」,而它們的運用,只限於在單一領域中,並需要由人類進行嚴密的監督。因此,關於法律行業在未來對人工智能的運用,我們的直覺是:在可見的將來,我們對人工智能的運用,仍將會集中於在「初級助理」方面。

因此,我們目前所面對的問題,似乎並非「初級助理」人工智能是否會為人類帶來危機(就像我們所預期般),而是此等人工智能可以為我們提供一些甚麼服務,以及我們是否值得將它保存下來。

故此,人工智能系統在法律領域內,究竟可以發揮一些甚麼效果呢?真正來說,在今天只有兩方面的事情。

1. 自然語言處理 

自然語言處理(或計算語言學)是人工智能的其中一個領域,它正嘗試讓機器能夠理解和複製人類語言。

要了解對自然語言處理的運用,最簡單的途徑也許就是透過與聊天機器人對話。在與其對話的過程中,自然語言便成為了用家與聊天機器人背後的知識資料庫之間的界面。用家可以使用正常的句子來發問,而聊天機器人會吐出相關的資料。因此我們可以想像,在法律研究和法規遵從等方面,聊天機器人將可以發揮很大的效用;但在現階段,大部分面世的聊天機器人,只不過是一種經過悉心打扮的普通問答工具。

ROSS的推出,並不是標榜其自身乃一台聊天機器人,但實際情況也十分類似。ROSS是一名人工智能律師,它能夠解答以自然語言提出的法律問題,甚至可以在人類的一定程度的協助下,撰寫簡單的備忘錄。任何人如果向ROSS提出法律問題,它(或他?)可以在數秒鐘的時間內,提供一系列最適切的案例以供參考。這項工作如果交由一般律師處理,大概可能得花多個收取費用的工作時數。

自然語言處理的另一項甚具發展潛力的應用程式,是將大量的非結構性數據組織起來,而這項功能在文件管理的範疇上,將可以成為一種不可或缺的工具。

Kira是一個運用機器學習技術來發揮該等功能的人工智能系統。生產Kira系統的公司在其網站上指出,Kira能夠以法律文件作為輸入的內容,從而對它們進行分類整理、識別特定的概念和條款,以及搜尋和分析有關文檔中的各項議題和趨向。在盡職審查和文件透露等工作方面,這一功能尤為值得關注。

一般而言,法律研究和盡職審查都是十分耗時的工作,而大部分此等工作都會交由初級律師來處理。那麼,對ROSS、Kira以及其他類似的智能系統的運用,會導致律師終有一天被淘汰嗎? 應該不會。不過,如果你就此類工作而支付給初級律師的費用,比運用這些系統所需的費用還要高,那麼現在也許是要求降低有關收費的時候了。

2. 模型建構和預測性數據分析 

預測性數據分析和模型建構,是應用於法律領域(特別是訴訟範疇)的另一項十分重要功能。若干可以藉數據驅動方法來為我們提供幫助的例子包括:確定甚麼時候是作出和解提議的最佳時機;以及,就法官與律師在性格上的最適切配合作出研判等。

預測性數據分析的主要前提是:倘若你運用機器學習運算法則來對該等與某個系統相關的有意義數據集進行解構和分析,那麼,你將可以獲得一個能夠對該系統的未來行為作出預測的統計模型。

上文所提到的「有意義數據」是一個重要用詞,因為沒有意義的數據將不能產生一個精準的模型,亦因而無法作出準確的分析。

「有意義數據」的第一項原則是:所採用的數據集必須夠大。從數量龐大定律(即是:樣本的規模越大,所作的統計分析便越準確)和人們對「大數據」的著迷便可見一斑。

「有意義數據」的第二項原則是:數據集的資料必須準確(包括事實資料的準確以及沒有任何偏見)。

一個很明顯的情況是:你所輸入的數據如果不準確或存有偏見,那麼,你不可預期它將會產生一個準確和沒有偏見的模型。「輸入的是垃圾,輸出的自然也是垃圾」– 但在目前,許多分析系統似乎並沒有考慮到這一點。近數月來,有越來越多的報告提及,一些透過現實世界數據來進行學習的人工智能系統,經常會展現出一些令人不快的運算結果,例如:涉及種族主義或性別歧視,而這些都是我們社會中現時最常見的謬誤和偏差。

有鑒於此,我們不妨進入LexisNexis的法律分析平台Lex Machina看看。根據該公司的網站所作的介紹,Lex Machina「曾經翻閱了數百萬頁的訴訟資料,並剖析了大量的訴訟數據,提供了法官、律師、訴訟方、案件標的等方面的深入見解。」

另一家提供類似深入研究的公司是Ravel。根據該公司的網站所言,「其系統可以協助律師尋找重要資料、了解該等資料的重要性,並以最具說服力的方式來運用該等資料。」

這些公司都能實現它們的承諾嗎?也許會。然而,儘管我們可以合理地假設,這些公司所提供的數據頗為準確 – 有鑒於整個法律判例數據集的規模並不大 – 但我們應當以審慎的態度來檢視它們所作的分析(尤其是它們的預測能力)。不過,毫無疑問,法律界將會因該等公司就知識的系統化所付出的努力而得益。

也許這些系統所發揮的功能,會遠遠超過一名普通初級律師的能力所及範圍。然而,Lex Machina和Ravel等系統所提供的服務,究竟是否足可與經驗豐富的法律執業者的分析能力和直覺相比呢?這仍須我們拭目以待。

結語

就像任何其他事情一樣,只有時間才能告訴我們:人工智能將會為法律界帶來甚麼樣的實際影響?但在現階段,我們實無需擔心,世界末日會像我們所預期般到來。

KorumLegal 顧問及產品經理

Kim女士是一名持有美國資格的律師,在企業商業,合併與收購,能源建設和資訊科技事務方面有廣泛經驗。她曾經私人執業和在公司內部擔任律師工作。

Kim女士目前是KorumLegal的顧問;KorumLegal是通過人才,流程和法律技術提供法律解決方案的精品法律服務創新者。除了她的諮詢工作之外,她在法律和技術方面的專長使她成為一名律師和編碼人員;Anna還正在領導KorumLegal的LegalTech軟件開發項目。