误区与正道：法律人工智能算法问题的困境、成因与改进

2020/1/9 15:28:28 人评论 次浏览 分类：法学

 

作者： 洪凌啸

英文标题：

中文副标题：

英文副标题：

中文关键词：法律人工智能；算法；深度学习；强化学习；知识图谱

英文关键词：

基金名称：
基金类别：

中文摘要：
    随着AlphaGo在围棋领域的成功，人们开始思考是否能够将以“深度学习”算法为代表的计算统计概率型算法移植至法律领域。目前，法律科技公司往往打着“深度学习”“强化学习”“神经网络”等旗号宣传自身的法律人工智能产品，但其实际效果却往往不佳。在司法实践中真正得到使用的仍然是以“知识图谱”为代表的传统符号型算法。而效果较好的、使用了“深度学习”算法的语音文字转换系统也是一种通用型算法，并非为法律领域量身定制。同时，算法还存在着不透明、不公正、不中立等问题。在这一现象背后有商业、技术、人才三方面原因，法律科技公司囿于经济生存压力，不得不选择目前看来最稳妥的传统符号性算法；在技术方面，法律自身的特点以及法律标签数据缺失、法律数据质量不高、代表性不足等缺陷也使统计计算型算法在短期内尚无用武之地；而法律人工智能领域人才的匮乏更是制约其发展的重要掣肘。未来，需要开发一种符号型与统计概率型算法相结合的、专门针对法律领域的新型算法，同时，需要在对算法进行可视化操作的同时，进行算法警告、算法开源与算法审计。

英文摘要：