AI and Law, 人工智能与法律（一）：欢迎围观

来源：网络整理网络用户发布，如有版权联系网管删除　2018-07-19　

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。论文全文可能还没有放出：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