AI and Law, 人工智能与法律(一):欢迎围观
有人曾经提过这么一个问题:法律是否可能被代码化? - 计算机 引发了不少的讨论。从开始时的戾气颇重的清一色的“当然不行”类回答,到慢慢的终于出现了“有的行,有的不行”的更为客观的回答。虽然有不少真知灼见,然而并没有看到有资深的专家出来,做出更详尽的回答。
这其实是一个非常好的问题,这背后是一股无法阻挡的新算法、新模型、新技术颠覆各个领域的大趋势。
如果要深入探讨这个问题,我们其实可以从两个角度来展开:
- 一方面是我们能不能对法律自动建模,或者自动抽象化,而不依赖于自然语言描述。 这背后的挑战是如何从自然语言文本中提炼形式化逻辑。知识图谱是一大步,但距离真正复杂的逻辑还有太多的距离。
- 另一方面是我们能不能给法律从业者们提供更好的工具,提高他们的效率。比如更好的搜索引擎,更好的信息管理系统,更好的推荐算法,更要的语义标注框架等等。这就需要对于两个领域都有了解的交叉型人才,才能知道如何把已经成熟的算法快速引入到法律相关的领域。
我并不太了解国内对于这个领域的研究。国际上有一个组织叫做 IAAIL - International Association for Artificial Intelligence and Law 已经对于这个交叉领域经行了几十年的研究,有了大量的论文、模型、数据集等等,在一点一点地积累。今年六月,ICAIL 2015 ICAIL 2015 | The 15th International Conference on Artificial Intelligence & Law 即将在美国最重要的城市圣地亚哥(American SHENGDIYAGE)召开。
我在CMU硕士期间,花了一年的时间与IAAIL的核心成员Dr. Matthias Grabmair与Prof. Kevin D. Ashley 还有不少小伙伴们一起搭建了一个框架,它可以通过机器学习的方法标注那些不能通过规则标注的句子,比如“Legal Rule Sentence”(这个Prof. Kevin提出的对于法律建模的一种句子的类型),可以索引和搜索各种标注,以及可以通过Learn To Rank的方法优化搜索结果。因为这些标注,我们可以支持更复杂的查询语句,通过实验,我们证明了这可以提高搜索精度。论文:Matthias Grabmair, Kevin D. Ashley, Ran Chen, Preethi Sureshkumar; Chen Wang, Eric Nyberg and Vern R. Walker: Introducing LUIMA: An Experiment in Legal Conceptual Retrieval of Vaccine Injury Decisions using a UIMA Type System and Tools
AI and Law 是一个非常有趣的交叉领域,有非常多在CS领域可以直接应用的算法可以大大提高法律从业者们的效率。这个领域还非常新,其实很多算法直接拿过来用跑一些实验就可以达到非常好的效果。为了帮助大家更多地了解这个领域,我会写一个系列,从各个方面介绍这个领域的一些进展,主要的内容将会来自于今年会议的内容,Workshop,以及ICAIL 2015 Tutorial on Artificial Intelligence and Law 中的一些介绍,可能覆盖到的内容会有:
- Formalizing legislation using logic
- Deducing vs. arguing from legal rules: Argument schema and diagrams
- Lessons learned about modeling legal rules
- Representing legal concepts with ontologies
- Case-based models of legal reasoning
- Predicting outcomes of legal disputes
- Extracting information from legal texts
- Intelligent legal Information retrieval
- Some current issues in AI and Law
- Argument schemes for reasoning with values, purposes, and principles
- Analyzing electronically stored information in pretrial e-discovery.
- Annotating legal texts in terms of argument schema so that programs can learn to extract arguments
总而言之,欢迎大家围观。
by @陈然
继续阅读
全部内容谁来颠覆低频刚需?
这篇文章是我2017年写的草稿但一直没有发布,那时候 Google 刚刚提到 AI First 的战略,互联网的迭代重点还是以推荐系统和深度学习为核心。时至今日 LLM 的出现让这个问题有了些许答案,想了想还是把文章发布出来。 推荐系统的胜利 过去五年,机器学习在推荐系统领域的研究,给高科技企业带来了巨大的收益。我们在...
如何评价 DeepMind 在星际中的失利,以及 OpenAI 在 Dota 上的成功?
谢邀 两者都很成功,但是 OpenAI 更擅长宣传。 星际哪怕最简单的 1v1 都需要同时控制大量单位,这与 dota 中 1v1 只需要控制一个单位难度差别很大。两者都证明了在复杂游戏中人工智能已经可以完成相对简单的任务,但暂时还无法完成整个游戏:DeepMind 在星际中已经精通挖矿,建造,控兵,但无法正常比赛。O...
截至 2016 年 3 月,机器学习、数据挖掘、计算机视觉等的泡沫有多大?
谢邀 现在,2016年6月,机器学习、数据挖掘、计算机视觉等应用毫无泡沫,甚至远远没有发挥算法应有的潜力。 从我在 Trulia: Real Estate Listings, Homes For Sale, Housing Data 工作的经验来看,公司几乎每一个产品线都有可以算法化的地方。同时,不少新的算法可以带来全...
