這兩年法律AI(人工智慧)的新聞吵得沸沸揚揚,一下說串接IBM Watson的法律AI機器人ROSS進入事務所,一下歐洲人權法院已經用AI來下判決了,準確率聽說還頗高,但我們不得不說看完報導,發現這些媒體文章主要還是考量「吸睛」,真正發展如何討論少之又少,所以今天我們找了讓專業的來。

今天Foreseer小編紀錄了我們與Lawsnote的創辦人郭榮彥律師(Barry)會談的內容,讓我們一起來聊聊法律科技的發展和人工智慧律師對法律業的影響。

13934922_10153592838726890_5238038680650264577_n

Lawsnote 創辦人郭榮彥律師
AI(人工智慧)發展的可能性?

人工智慧是一連串對訓練電腦的過程。Barry說:「人工智慧有點像不確定的法律概念,內涵包羅萬象,近年來因為深度學習(deep learning,屬於人工智慧技術的一支)的技術發展趨近成熟,我們發現「給電腦資料和結果,他可以很準確的分析出其中的邏輯」,這已經很類似人類的訓練過程,在這樣的概念底下,理論上所有人類可以判斷的事情,電腦也做得到,只是在於如何「訓練」它而已。」

 

 

訓練機器人律師的困難

 

雖然人做得到的事基本上電腦應該也要做得到,但Barry提到訓練電腦的過程有客觀條件問題,包含有沒有足夠的人和訓練資料可以去訓練電腦,法律的判斷方式相當複雜,預估需有百萬筆以上的訓練資訊,雖然判決多年來累計很多,但是真的能類型化的單一樣態的判決,數量還是不夠,所以目前實作上準確率可能還無法達到被人所接受的程度。

因為上述的理由,AI在我們有生之年無法取代律師,但絕對可以有效的幫助律師。例如過去要找某法官對某案件的見解萃取出來,過去的做法必須把該法官的判決一筆筆調出來整理,如今透過人工智慧的電腦處理的模組,有機會可以直接產生一份完整的報告,形式可能是針對某個爭點的完整報告,包含以往必須透過人工篩選出來的資料結構。

 

人工智慧的準備動作:法學搜尋的革新

 

現在我們最常使用的是「關鍵字」搜尋,在過去如果在Google的關鍵字搜尋「竊盜罪」,可以找出竊盜罪的定義,竊盜的新聞和其他資訊,但搜尋引擎並不知道搜尋竊盜的人可能想知道「竊盜罪應該判多久?」「加重竊盜罪有哪些要件?」,如果沒有人寫過相關的文章,搜尋引擎就會找不到相關的資料。

 

但新一代的搜尋希望可以改善這個問題,就是讓電腦可以和使用者「溝通」、「預測」使用者在想甚麼,搜尋系統透過大量分析使用者鍵入的關鍵字可以慢慢讓電腦知道使用者需要甚麼、在想甚麼,並讓關鍵字產生意義。Google現在已有「知識圖譜」來完成這件事,當我們鍵入「New York」,Google因為分析大量關鍵字,知道這兩個字連在一起是一個城市,並呈現出紐約的人口、地標等資訊。

%e7%9f%a5%e8%ad%98%e5%9c%96%e8%ad%9c

這樣的技術,如果也能運用在法律領域的搜尋上,建構法領域的知識圖譜,是法律領域做人工智慧搜尋的重要準備。

 

法律科技的發展?

法律科技(Legal tech)其實在世界各國正轟轟烈烈的在進行著,台灣比較沒有很深切的感受,但尤其在美國和中國,甚至是德國,Legal Tech已經發展出相當程度的社群,而且律師們普遍開始正視Legal Tech帶來的衝擊,同時也在這一波浪潮中調整自己的工作角色,Barry認為Legal Tech目前大致可以分成三種應用場景,

  1. 一種是面向消費者,直接提供泛法律服務,這樣的產出目前都還是透過一問一答的過程產出資料。(例如美國自動上訴罰單的機器人Do not pay,或台灣的Law4TW)。
  2. 一種是面向法律人,就是給法律人用的線上工具,包含搜尋系統的優化(Lawsnote)、搜尋結果資料的筆記整理及再分析 (Foreseer)、協助律師工作的案件管理系統。
  3. 最後還有O2O,即線上與線下服務的一體結合,律師透過線上媒合或橋接平台,進而提供線下的法律服務,類似於Uber的模式,台灣有呼叫律師。

 

新科技革新的目的是希望給予法律人更優質的工作方法,讓民眾更親近法律,獲得更好的法律服務,雖然律師業還是採取較為保守的態度,但這項變革卻正在進行著。

 

Cover photo credit: knowmadic news (CC BY-SA 2.0)