冬天似乎還沒過去，人工智能領域又爆出了大新聞。20名經驗老道的美國律師被AI擊敗了！
好消息是，這不是律師在法庭辯論上輸給了AI。
壞消息是，輸掉的這個領域是大量律師工作的核心。
創造出這個AI的公司叫LawGeex（Law、Geek和Logic的合成詞），這家2014年才成立的公司其目標是制造出能審閱法律文書的AI。這次比賽涉及的文書，是保密合同。
所謂保密合同（NDA, Non-disclosure agreement）是在企業之間簽署的合作協議，目的是確保互相之間共享的知識和資料不會被第三方知道，尤其是競爭對手。審閱和批準這類協議是企業法務人員日常工作的一部分。但是企業面臨著人力資源短缺和工作量增加的雙重困擾，一份合同的審批可能會要一周時間，這拖累了企業的效率。
和目前大部分使用的AI一樣，LawGeex的AI使用的也是深度學習技術。但是處理法律問題，會遇到獨特的挑戰。
雖然法律文書也是用人類語言寫成的，但是法律用詞和我們日常用詞的意思有很大差異。LawGeex的報告中提到，開發者無法使用現成的自然語言處理技術，只能另起爐灶。此外，處理法務的AI需要極高的準確度，任何錯誤都有可能給企業帶來風險，造成經濟損失。相比而言，判斷一部佚名的戲劇是不是莎士比亞寫的，風險要小很多。這些都是技術難點。
LawGeex的AI有個非常重要的特點，它能夠理解文字的意思，分析其中的概念。這個功能是靠內置的法律語言處理（Legal Language Processing, LLP）和法律語言理解（Legal Language Understanding, LLU）模塊實現的。早先的算法是搜索和匹配關鍵詞，如果關鍵詞被省略了，算法就無能為力了。對于LawGeex的AI來說即便文字中個別詞語不出現也沒問題，因為它理解了含義。
比賽的過程是讓21名參賽選手各自分析5篇保密合同，定位30個法律問題出現在合同中的什么地方。為了確保比賽的公正性，一群頂尖律師組成的裁判團選出了這5份合同，并制定了這30道題目。這些題目涵蓋了這類協議中可能出現的各類法律問題。這不是僅僅靠搜索文字就能輕松完成的任務，而是要正確理解合同的內容。每名選手有4個小時的時間。
參賽的21名選手中人類組20人，這些法律行業的精英有些是自由職業者，有些在著名律師事務所工作，有些是大公司的法務，一些人有在高盛、思科等大公司工作的經驗。
雖然以前也有 AI和律師之戰，但是之前的比賽不是在同等難度下進行的。而這次的比賽比的是律師工作的核心——理解合同的條款，判斷合同的風險，審閱保密合同是所有參賽的人類和機器都擅長的。
結果呢？AI能達到平均94%的準確率，表現最好的律師的平均準確率是85%。而在時間使用上，AI26秒完成任務，人類最快需要51分鐘，差異太明顯了。
在談論AI搶走人的飯碗這個極富爭議的話題時，我們總是一遍又一遍聽到同樣的聲音——那些低技能重復性勞動會被AI替代。實際上據一些商業分析公司的研究，高回報的腦力密集型職業比如財務經理，物理學家，甚至是CEO都極有可能被AI取代。
拿律師來說，站在法庭上唇槍舌劍的律師們可能暫時沒有這個風險。那些在律所中的頂級律師們似乎也不必擔憂，他們最重要的工作是幫重要客戶解答法律問題，有了LawGeex AI這樣的工具反倒是解放他們的生產力。風險最高的是律師助理，他們才剛進入這個行業，做的都是低附加值的法律文書審閱工作。
已經有公司在使用LawGeex的技術了，我們可以在LawGeex的網站首頁上看到幾家著名律所和會計公司的名字。當文書工作交由更加高效的機器來處理，行業的整個工作流程會發生巨大變化，律師助理的職責也會被重新定義。
不過在用AI代替律師之前還有幾個問題要問。人工智能犯錯了怎么辦？犯錯了就會給企業帶來風險，如果未來用于刑法問題的AI出現，就更不能犯錯了。那么如何判斷它犯錯了呢？
這并不僅僅是法律AI的問題，也是所有AI共同面對的問題。谷歌的AI就犯過一個錯誤，2015年谷歌圖片App將一位黑人的照片識別成大猩猩，2018年初有好事的媒體又測試了一次，發現谷歌并沒有修復這個問題，只是單方面屏蔽了幾個敏感的關鍵詞，似乎這個問題修復起來非常復雜。
同樣也是谷歌，有研究機構發現，不同性別的人用谷歌搜工作會得到有偏向性的結果。女性搜到的高收入工作比男性少。
這類問題指向了AI算法的一個核心問題——偏見（Bias）。
偏見的來源有兩種，一個是設計程序的人，一個是用于訓練AI的數據。以前只是知道AI帶有偏見所以會得到錯誤的結果，但沒有討論偏見的來源，而一種新觀點認為 偏見來源于設計者，AI只是放大了設計者偏見。AI被越多的人越多的場景使用，它的偏見就會擴散開來。
想象一下帶有偏見的法律AI被擴散開來就讓人不寒而栗。所以需要有監管機構或者第三方公司來測試和監控 AI，至少要能識別出這些風險，能夠去補救它。
不過話說回來，LawGeex的AI既然這么好用，財富500強企業估計已經等不及了吧？
在一個企業的法律顧問律師業務或者大型企業總法律顧問（General Counsel）日常需要面對的工作中，可能有如下對應的人工智能應用場景。
極大的提高合同解讀的效率。由于一個成熟市場和法制環境中的商業合同可會盡可能多的列舉所有可能性，所以有越來越長的趨勢。一個標準的增資協議（SPA）和股東協議（SHA）的套餐通常來說有10萬個漢字左右，一次交易中的多方需要逐條討論其中的權利義務約定，對于提供法律服務的專業機構而言保持注意力集中各方的商業意見、解讀合同條款是需要消耗大量的工作小時和精力的。LawGeex這樣的軟件可以直觀快速完成對于合同草案的要點整理工作，但之后的博弈還是離不開人類談判參與者主導。
極大的提高起草合同的效率。以往起草一個“股權激勵計劃”標準的工作流程是：搜集客戶決策機關的需求-進行問卷調查-整理合同提綱-分別起草7-10個不同的文件模板（總字數也直奔10萬了）。現在已經上線運營的AI系統已經可以實現在SaaS環境下填寫表單自動生成全套合同文本的初稿。與人類律師起草的文件相比，這種通過表格和算法生成的股權激勵方案避免了人類會犯諸如前后數據不一致、換算期權時計算錯誤的可能性，也使我們以前需要一周完成的工作，現在一個上午就能解決。
法律問題的研究。目前的技術能實現的效果還在百度百科層面，即只能檢索到具體問題其他答題者的回答（極可能是錯誤的），還無法做到理解自然語言中的含義和對一個具體法律問題得出符合“三段論”的邏輯解答。我們的工作路徑往往是將一個具體而開放的法律問題（比如：離婚時婚前購買的房產將如何分割），分解成具體的檢索關鍵詞，然后在openlaw、無訴等專業數據庫中檢索“婚姻法、不動產”等關鍵詞，命中的結論只是零碎的法條。然后我們在根據不同法條和司法解釋之間的效力等級做出符合邏輯和法律效力的判斷。
案件事實的拆解和爭議焦點歸納。短期內看不到算法能實現的可能性。
法條檢索和案例檢索。同上面第三個流程，嚴格的講算不上“智能”，只是搜索引擎而已。執行效率很大程度上取決于操作者的經驗。
OCR和語音識別。這是近年最大的變化，我們的訴訟工作中經常需要將拍攝的證據卷宗整理成可編輯的word文檔，也需要將錄音證據中的對話整理成字幕文件，這些都需要大量的低技術含量工時。現在的OCR和語音識別軟件已經極大的解放了這一部分的生產力。
舉證和質證。短期內看不到算法能實現的可能性。
法庭辯論。短期內看不到算法能實現的可能性（很好的科幻小說題材）。
（編輯：Ent、錦衣Reload）
題圖來源：Pixabay
