近日，國際人工智能與法協會（IAAIL）兩任主席專程來訪百事通，舉辦了一場名為“ AI 與法律服務創新——困境與破局”研討會，和百事通團隊及國內外專家學者，精彩對談 AI & Law 領域的”基礎建設” 。

國際人工智能與法協會前主席 Henry Prakken

前任主席 Henry Prakken 在研討會上發佈了題為《法律論證建模，以刑事案件理性證明的三種方法》的主題報告：

• AI建模經歷了哪些發展階段？

• 刑事案件牽扯哪些複雜因素，對法律AI論證建模又有何影響？

• 以知識為中心的建模和以數據為中心的建模國外研究有哪些進展？又有哪些實際應用？

• 未來的法律論證建模又有什麼可以期待的呢？

Henry Prakken都將與你一一分享！

Henry Prakken簡介：

荷蘭烏得勒支大學計算機科學系和格羅寧根大學法學院雙聘教授，ASPIC+語言的創立者，《人工智能雜誌》（Artificial Intelligence）等雜誌編委。法律人工智能界論著引用率最高的學者，代表作《建模法律人工智能的邏輯工具》。

“大家接觸AI或者AI與法律結合的這個概念可能只有短短的三五年，但其實關於AI與法律結合的研究早在35年前就開始了。而且，跟隨大數據應用的熱潮，AI與法律結合的研究已經在全世界形成了一定的群聚效應。”——Henry Prakken

1. 人工智能建模的發展階段

1950—1970，最開始的建模被用於通識智能應用，用來解決一般性的問題。但是有一個難點在於，這需要一個非常龐大的知識庫，才能去解決我們所說的一般性問題。

1970—1990，建模界有了一個大的跨度，就是建立以知識體系為基礎的專家系統，其在傳染病學領域獲得了非常大的成功。它的工作原理是首先會把你提出的問題歸屬到具體的領域，然後系統會有一套自己的推理邏輯來幫助你做進一步的判斷和決策，最終給出一個診斷方案。

然而，它在發展過程中也遇到了困境，就是“野心太大”——想要解決所有的問題。但現實是，一方面，它的這些知識都來源於人類專家，而人類專家是否真的願意把知識輸入進去？另一方面，它的知識體系是需要一些低層次常識性或者更加通識性的問題做基礎的，而這個工作量和數據是非常龐大的。

1980年開始，計算機科學家們對AI又開始秉承著樂觀的態度。既然計算量太大，那就縮小範圍，把專家系統應用到法律領域。因為法律法典是已經成文的東西，已經非常程式化了，那就可以把它轉化到電腦體系裡，讓它進行一個邏輯的推理，最後輔助進行法律判斷和決策。

當然，這只是計算機科學家們的一廂情願，對於我們這些從事法律業的人而言，問題遠沒有那麼簡單，現實中遇到的情況，要遠比簡單的應用法典複雜得多。

2. 複雜案件牽扯的三個層次

為什麼說現實情況要複雜得多？

Henry Prakken通過舉例來說明，複雜案件通常要牽扯到哪三個層次的運作：

首先，案件事實。也就是案件的事實依據是什麼？證據是什麼？

其次，法律環境。一般有了事實基礎後，接下來就是要從語言學的角度去佐證這些事實是無懈可擊的，也就是說它所適用的法律條件，即什麼樣的環境下可以去使用這個法律規則。

舉一個簡單的例子：我們都知道城市裡的公園，機動車是不能駛入的。

那麼，有一個問題：機動車的定義是什麼？

我們定義為機動車是一種用來一般性運輸的物體。

然而，這個定義太寬泛了。比如說滑板車屬不屬於機動車呢？我們可以滑著滑板車進入公園，它實行了運輸的動作，但是我們的目的是為了玩而不是運輸，所以滑板車不是用來運輸的，但是也有一些人把滑板車當作自行車來使用，比如，學生滑著滑板車去上課。

這其實就是法律領域裡我們常會遇到的問題：一個事實你可以從正方去辯，也可以從反方去辯，就好比滑板車，你可以說它是用來運輸的，也可以從另一個角度說它不是。還有一種情況就是，你可以證明滑板車是用來運輸的，但是它卻並不適用於這樣一個法律環境（機動車不可以進入公園）。

最後，例外情況。

比如，坦克是運輸工具，但是一種例外情況是把坦克當作雕塑運到公園裡作為戰爭紀念，這就是說你要看例外情況的初衷是什麼？目的是什麼？

還有一種法律法規之外的例外情況，是一些沒被寫下來的（但是事實我們卻是這樣做的）不成文的原則。比如公園裡玩滑板車的少年把人撞倒了需要送去醫院，這個時候，救護車是可以駛進公園的。

以上，說明一個小的問題都存在三個層面上的挑戰：首先很多情況下，我們會遇到證據不足；其次，什麼樣的法律環境是可適用的；最後，例外情況。所以在Henry Prakken看來，現階段使用AI讓法律條文自動化實施基本上是不可能的。

法律推理論證是由正反雙方相矛盾的去辯證。那麼，在AI應用到法律層面，如何讓電腦實現像人類律師一樣去論證呢？

Henry Prakken從自己的國家荷蘭說起，來分享一些AI和法律結合的實際的應用。

3. 以知識體系為中心的AI建模

以知識體系為基礎的AI應用是如何支持我們作出決策的呢？

第一，確認問題的歸屬領域（應用到法律層面也就是屬於法律領域）；

第二，使用建模，輔助判斷的推理機制。

運用到實際情況中發現，這類以知識體系為基礎的AI應用並不是真的在法院打官司時使用，相反，它是在政府公共管理方面使用較多，比如政府的一些程序性事務：社會福利、社保、辦理建築許可證等等。這又是為什麼呢？

首先，電腦不需要去做過多的法律方面的推理。

它不需要電腦去收集事實性的證據，或者說把這些證據進行分類，也不需要去解讀這個法律規則應該適用於什麼樣的法律環境，因為具體的解讀最終還是會返還到使用者的手中，也就是政府手中。

其次，電腦實行自己的一套運算體系，可以進行非常複雜的運算。

比如政府官員在處理一件事時，需要考慮財政投入多少，截止日期等非常多的因素，但由於它的推理邏輯是非常簡單的，所以電腦不會出錯。

最後，電腦的記憶和存儲功能室非常強大的。

比如，政府官員可能會忽略或者忘記一些法律法規，但是電腦不會。只要你將法律法規輸入到電腦中，它就可以根據現實情況去檢索這些法律條款。

在荷蘭，目前這方面的應用是非常成功的，也就是說比較簡單的推理可以用電腦去實現自動化，荷蘭也有很多IT公司專門做這種系統，開發出來後就賣給政府或者一些大型企業。

那為什麼這樣一個系統我們看不到它運用在實際的訴訟或者法院當中，甚至律所也沒有去使用呢？

建立一個以知識體系為基礎的論證建模，然後讓電腦實現像人類律師一樣去辯論，這是非常難的。因為，它不僅需要非常龐大的一般性的知識或者常識做基礎，還有就是電腦具不具備像人類一樣的同理心，對“公正”的認知。

雖然以知識體系為基礎的建模面臨著許多困難，但是 AI 領域也有一些最新的進展。比如電腦實現了深度學習，對自然語言的處理，還有大數據的應用分析。AI 也幫助許多人類實現了夢想，比如自動駕駛、AlphaGO 打敗了人類圍棋冠軍。

此外，Henry Prakken給大家介紹了IBM Waston系統。

IBM對系統做了一個測試，這個測試的內容是非常非常雜的，去考它關於一個人非常細小的認知，比如這個人喜歡的運動、電影，他過去的歷史，他對於政治的看法等等。

IBM給Watson輸入了很多非建設性的語言信息，包括從維基百科上拷貝的內容，讓系統知道這些細小的信息，然後去上電視和人類去比賽。毫無疑問，它贏了！

我們知道，以知識為基礎的體系，它的裡面應該包含很多邏輯性、框架性的形式存在，但是現在它的一個存在形式是由很多大量的未經處理的，未經結構性加工的鬆散信息。而Waston戰勝人類說明，AI 能把大數據通過電腦互聯實現深度學習，把所有這些信息都結合起來，從而實現一個很大的進步。現在這個體系還被應用到醫學診斷、一些金融交易領域。

4. 以數據為中心的建模

AI 最新的研究發展，不再拘泥於過去所說的邏輯，也就是以知識體系為中心的建模。而是更多的關注在我們每天日常具體所做的工作這些大數據，也就是以數據為中心的建模。

這個以數據為中心的建模，它不是解決法律推理或者說法律決策的，但是它可以去模擬律師每天都要做哪些工作，也就是任務型建模。

Henry Prakken從以下三個層面來說說它的實際應用：

第一，訴訟案件本身，很大一個成果是預測庭審案件結果，準確率會達到70%。

70%可能並不是很高，扔硬幣還有50%的概率呢，但是這已經是一個很大程度的進步。這樣一個體系它其實並沒有牽扯任何的法律論證，那麼它是怎樣做出預測的呢？

它是根據很多事實的情況，比如說庭審案件在哪裡開庭，是什麼法院，法官是誰，他過去審過哪些案件，對於類似案件他過去的判決是怎麼樣的，哪些司法機構會牽扯其中，控訴雙方分別是誰，辯護律師都是誰，等等這樣的一些細節來做出預測。

當然，這樣一個體系是絕對不可能代替法官去做出任何法律上的判決的，它的一個應用在於可以解脫很多律師在每天的工作當中需要去做的一部分內容，還有就是在普通市民進行一些法律活動的時候提供幫助。

第二，文獻層面。

人們經常在法律案件中需要去處理大量文字性內容，比如，這個案件的描述，有關案件的參考性文獻，上訴材料等。現在很多成功的電腦程序，它會去識別和處理語言或者是論斷，它會進行一個信息的檢索、分析，以及自動化的總結陳辭。對於很多剛入行的年輕律師來說，可能會為一些案件去做前期的背景調查，會做信息的檢索和調查，那這種工作可能將來會慢慢實現自動化。

第三，語料庫的建立。

實現一個網絡方面的分析。比如，你可以問這個系統，把所有相關這個案件的資料全部都調出來，比如相關的法律法規全部調出來，它是可以實現的。

此外，在司法管理層面，它會有一個基於數據中心的分析，比如，這個案件會耗時多久，主審法官是誰，他在審判的時候有什麼樣的習慣等類似這樣的信息。

還有自動糾錯功能，它可以對法律文獻中的一些明顯錯誤進行糾正等等。

報告最後，Henry Prakken做了總結：

第一，AI推理建模的應用，在涉及非常簡單的推理規則體系中，可以應用到兩個方面：一是政府的公共管理領域；另一個是不需要去對法律論證及決策的領域。

第二，以知識體系為基礎的建模，雖然有很多理論和概念上的進步，但還不足以擴展規模，還沒有形成規模化的趨勢。

第三，以數據為中心的建模，已經有了許多實際應用，但是目前還不能很好的輔助法官進行判決，因為它還不適用於做法律方面的論證及決策性的推測。

最後，我們對未來的一個憧憬是，使用一個綜合性的方法，也就是以結合規則為基礎的體系，即以知識體系為基礎和以數據為中心相結合的應用，讓它能夠去處理自然性的語言，去處理數據，最終輔助到法律論證，使得這樣一個技術能夠擴展下去，最終形成規模。

以上即為Henry Prakken主題報告全部內容，想要了解更多人工智能的過去及它未來的發展嗎？

你可以關注微信號百事通Bestone獲取《法律人工智能發展趨勢研究報告》，全文89頁56000字，帶你係統瞭解人工智能的過去和未來，以及對你的影響！

1）瞭解國內外人工智能法律科技行業的歷史與現狀；

2）瞭解國內法律市場對法律科技（包括人工智能）的具體需求；

3）明晰人工智能在法律領域應用中面臨主要困難，以及未來幾年的發展趨勢；

4）為法律 AI 從業者提供技術趨勢參考；也為產業方、初學者等提供系統性的學習資料。