人工智能法律职业替代研究

      人工智能(Artificial Intelligence),英文缩写为AI。“人工智能”一词最初是在1956年达特茅斯(Dartmouth)会议上提出的。3中国电子技术标准化研究院等单位编写的《人工智能标准化白皮书(2018版)》定义“人工智能是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。”人工智能与法律是诞生于20世纪70年代初的新兴研究领域。布坎南(Buchanan)和黑德里克(Headrick)1970年发表了《关于人工智能和法律推理若干问题的一些考察》论文，该文被认为是人工智能与法律领域第一篇文章。4人工智能与法律研究的首要目标是建构良好的法律应用程序，生成能够在计算机程序中实现的模型。5法律机器(Lex Machina)、罗斯(Ross)和拉威尔(Ravel)是欧美法律市场上备受青睐的几款代表性法律应用程序。国内法律科技公司自2003年起步以来，涌现了北大法宝、法信、华宇软件、无讼、e律师、快法务、微法院、海规智能审判辅助、ODR调解系统、中国裁判文书网、法大大、e签宝、律兜、Meflow等各细分市场的法律科技公司。

      法律的力量就是语言的力量，法律技术之一就是法律文本解析技术。IBM的沃森(Watson)和辩论者(Debater)程序的研发团队为文本解析技术的突破做出了巨大贡献。11沃森基于文本的信息提取技术展示了不同凡响的问答本领，辩论者已经学会了论证挖掘。深度问答、信息提取和论证挖掘这些技术用更一般性的术语表示就是文本解析。当被解析的文本是法律时，人们将其称之为法律文本解析。

     法律文本解析(legal text analytics)又称之为法律文本挖掘(legal text mining)，是指“使用语言的统计的和机器学习的技术自动发现法律文本数据档案中的知识。”12法律文本解析技术包括智能法律检索、智能法律咨询、智能合同生成、在线法律服务平台等新型的法律服务模式。它们利用人工智能和自然语言处理等技术，可以为用户提供更加便捷和实用的法律咨询和服务。

      人工智能与司法审判的深度融合，是司法现代化的必由之路。智能辅助办案系统运用光学字符识别、自然语言理解、智能语音识别、要素提取、机器学习五大类核心技术，采用循环神经网络、卷积神经网络、注意力机制、多模态理论等人工智能原理，实现了对印刷体文字、部分手写体文字、签名、指印、签章、表格、图片等各种证据的智能识别、信息提取。

     我国在人工智能辅助办案系统的司法实践已经实现0-1的突破，2017年2月6日上海高院成立“以审判为中心的诉讼制度改革软件”研发工作领导小组(简称“206工程”领导小组)，现已开发和应用“刑事案件智能辅助办案系统”和“民商事、行政案件智能辅助办案系统”二大系统。刑事智能辅助系统已在上海公安机关、检察院、法院各单位全面上线运行，适用于全国102个常见罪名，覆盖上海一审刑事案件总数的97%;累计录入刑事案件7.3万件，提示证据瑕疵1.1万个，并在安徽省、山西省、贵州省、新疆生产建设兵团进行试点应用。民商事、行政智能辅助系统的开发运用图文识别(OCR)、自然语言理解(NLP)、智能语音识别、司法实体识别、实体关系分析、司法要素自动抽取等人工智能技术。包括办案要件指引、证据审查判断指引、智能阅卷、法条推送、类案推送、案件受理标准审查、诉讼费缴纳智能提示、明确诉请、明确事实与理由、明确抗辩主张、无争议事实预归纳、争议焦点预归纳、证据缺失性校验、证据合规性校验、要件式庭审提纲构建、无争议事实归纳、争议焦点归纳、庭审程序智能提示、庭审无纸化质证、庭审笔录智能生成、合议无纸化示证、评议笔录智能生成、程序性文书智能生成、裁判结果预判断、文书模型智能匹配、裁判文书智能生成、裁判偏离度提示等27项功能。

     因此，在人工智能辅助办案领域，以法院为主导的人工智能司法改革已经初见成效，并在实践中不断优化各类司法应用。

     前述法律文本解析及人工智能审判辅助等弱人工智能(Narrow AI)或应用型人工智能(Applied AI)是专注于解决特定领域问题的人工智能，根据其技术特征多被视为技术工具而不会被视为具有职业替代威胁。2022年11月，以ChatGPT为代表的大型语言模型问世以来因其巨大影响力而备受全球各行各业的普遍关注，尤其是法律、会计、医生、教育等专业人士对此普遍存在三种心态，一是质疑、二是困惑、三是推崇备至。为此，我们有必要澄清大型语言模型(LLMs)的技术本质。

      通常，大型语言模型(Large Language Models，LLMs)是指包含数千亿(或更多)参数的语言模型，这些参数是在大量文本数据上训练的，例如模型 GPT-3、PaLM、Galactica 和 LLaMA。13LLMs的关键技术包括缩放、训练、能力激发、对齐调优、工具利用等，大语言模型改变了人类获取信息的方式。根据UBS发布的研究报告，ChatGPT在2023年1月的月活用户数已经超过1亿。微软联合创始人比尔·盖茨认为：像ChatGPT这样的聊天机器人将变得与个人电脑或互联网同样重要。微软在最近发表的“Sparks of Artificial General Intelligence: Early experiments with GPT-4”论文中指出：“我们认为 GPT-4 是新一批 LLMs的一部分，它们比以前的 AI 模型表现出更多的通用智能。我们讨论了这些模型不断提升的能力和影响。我们证明了，除了精通语言之外，GPT-4 还能解决新颖而困难的任务，这些任务涉及数学、编码、视觉、医学、法律、心理学等，而且不需要任何特殊提示。此外，在所有这些任务中，GPT-4 的表现都非常接近人类水平，而且往往远远超过 ChatGPT 等先前的模型。鉴于 GPT-4 的强大能力，我们认为有理由将其视为一个接近(但仍不完整)的通用人工智能(AGI)系统的版本”。

    对于微软公司的这一说法，无论从技术角度还是学术角度，学界及科学界并不认同。在“Is ChatGPT a Good Causal Reasoner? A Comprehensive Evaluation”一文中，作者得出结论：“ChatGPT 存在严重的因果幻觉问题，它倾向于假设事件之间的因果关系，而不管这些关系是否实际存在”。他们进一步指出：“ChatGPT 不是一个好的因果推理者，而是一个好的因果解释者”，再次强调了它在解释时提炼联系的能力，但却无法通过构建一个现有的世界模型来推断这些联系，而这些联系就自然而然地存在于这个世界模型中。ChatGPT 或 GPT-4 等大型语言模型(LLMs)面临的另一个最有争议的挑战是，它们容易产生幻觉。所谓幻觉，就是这些模型会编造出一些假的引用和事实，有时甚至是毫无意义的内容。出现幻觉的原因在于，它们缺乏对事件之间原因和结果的理解。我们可以发现，LLMs 善于从数据中识别和提取因果关系，但缺乏自己主动推理新的因果场景的能力。它们具备通过观察进行因果归纳的能力，但不具备因果演绎的能力。14

     微软将GTP-4是大型语言模型(LLMs)这一基本概念直接越界到了通用人工智能(AGI)，将ChatGPT等大型语言模型(LLMs)直接混淆为生成式人工智能(AIGC)或通用人工智能(AGI)严重误导社会舆论和普通群众。事实是大型语言模型(LLMs)和通用人工智能(AGI)中间还需要经过一个技术阶段即生成式人工智能(AI Generate Content，AIGC)。ChatGPT等LLMs是一个基于大规模预训练模型的特定应用程序，其应用包括但不限于：在线客服、聊天机器人、语音助手、智能客户关系管理等;AIGC是一种特定的人工智能应用程序，其应用包括但不限于：文本生成、图像生成、音频生成、视频生成等;AGI是一种全面的人工智能系统，其应用包括但不限于：自动化任务、机器人技术、医疗保健、法律帮助、环境检测等。它们三者之间的区别在于其应用领域、学习能力和范围不同。而AIGC与AGI是人工智能领域的两个不同概念，AIGC是指计算机程序根据人类指导或者自动从大量数据中学习，生成文本、图像、音频或视频等内容。AIGC应用范围较窄，通常专注于某个特定任务或领域，例如自然语言生成、图像生成或音频生成。而AGI则是指一种具有与人类相当或更高的认知能力的智能系统，能够理解、学习、计划和解决问题。AGI的目标是实现类似于人类的广泛智能，使其能够在各种不同领域和任务中表现出色。这意味着AGI具有广泛的认知能力，可以灵活地适应各种任务和环境。

     通用人工智能(Artificial General Intelligence，AGI)的概念可以追溯到20世纪中期，当时许多计算机科学家和 AI 研究人员开始思考如何构建具有人类智能的计算机程序，与狭义 AI(Narrow AI)系统专注于解决特定任务不同，AGI被赋予了更广泛的认知和推理能力，能够在多个领域进行学习、适应和执行任务。人们普遍理解的 AGI 定义是AI 系统能够以人类水平或更高水平在多个认知领域进行理解和推理。目前，AGI使用的主要技术包括但又不限于以下几个方面：逻辑、概率论、生产系统、图论、知识库、学习算法、神经网络、进化计算、机器人、多代理系统等。15

     因此，我们认为ChatGPT 或 GPT-4 等大型语言模型(LLMs)根据其技术特征尚不能纳入AGI范畴。无论其应用于法律、财务、医疗、教育等各专业领域，其本质仍属于技术工具而不应被视为具有职业替代威胁。

      麦肯锡公司(McKinsey & Company)的一项研究表明，人类60%的职业中至少30%的工作，将来可能会被自动化。在该公司2023年发布的“AI对哪些行业冲击最大”这份调研报告中，律师职业名列其中。有关专家预测，法律人工智能超越人类法律专家智能，未来随着GPU、TPU等硬件的发展，人工智能设备将成为法官或律师不可或缺的助手，甚至出现人机一体或人工智能代替法官直接作出裁判的现象。16伦敦大学学院、谢菲尔德大学和宾夕法尼亚大学的科学家团队所研发的人工智能系统，已成功预测数百例欧洲人权法院(European Court of Human Rights)的案件审判结果，准确率约为8成。17

     在人工智能发展初期传统法律职业行为规范还占统治地位的情况下，两者之间的差异并不显得十分突出。因为即使认为人工智能发展的最终目标将产生法律职业替代的人们也承认，在人工智能法律服务市场还没有形成之前，人工智能不可能承担起法治的职能。而当传统法律服务市场被人工智能全面突破，新的法律服务市场规则还有待建立的情况下，它们之间的分歧将会日益凸显。未来，人工智能技术如果替代法律职业，那么我们对法律职业被技术替代的可能性应予以充分论证和研究，包括人工智能法律职业替代的实现路径、法律职业行为称职性等。

      当前新一轮科技革命与产业变革，正在全球范围内加速演进。“奇点”已经逐渐逼近。在法律领域，科技革命催生的AGI人工智能工具可以将法律推理的计算模型及表示法律知识的技术直接连接并整合在一起，创建新的法律应用程序，这些应用程序在定制化和商品化的法律服务中将发挥重要作用。纵观人类技术史，每次技术创新的结果是生产工具的创新和效率的显著提升。人工智能在法律领域的应用必然带来司法效率的提质增效，促进司法公平公正公开，进而促进人类社会司法文明的进一步发展和增进人类福祉。

      AGI 指的是一种 AI系统，具备全面的、人类水平的智能，能够跨越不同的抽象思维领域。作为通用人工智能(AGI)具有更加强大的提示词和“涌现能力”以应对新的任务，对结果具备可解释性和不断自我学习能力，同时具备符合人类伦理和社会规范的控制能力和结果可控性，其通过不断的深入学习将具备人类特有的自然语言能力和解释能力，这是通用人工智能(AGI)区别于弱人工智能(Narrow AI)、应用型人工智能(Applied AI)和大型语言模型(LLMs)的核心所在。在“AGI Safety Literature Review”一文中，Everitt、Lea、Hutter 提到：“我们问了很多研究人员，他们认为 AGI 可能会在 2040-2061 年之间出现，但大家的猜测差异很大，有人觉得可能永远不会出现，也有人觉得未来几年可能就会出现”。只有当我们能够创造出一个可以怀疑自身现实的系统，进行自我探索，至少能够应用因果演绎来建立一个合理的世界模型时，我们才能真正实现 AGI。总之，可以肯定的是，AGI 还没有出现在我们身边。

     通常情况下，委托人依赖于律师的特殊知识和技能，特别是技术、法律和策略。律师职业的核心技术能力是语言沟通能力、法律专业知识、法律检索能力和法律推理、论证的创造能力，其中最重要的就是法律推理和论证的创造能力。未来，通用型人工智能(AGI)将具备一种非常普遍的心理能力，包括推理能力、计划能力、解决问题的能力、抽象思维能力、理解复杂思想的能力、快速学习的能力以及从经验中学习的能力。人工智能是对人的意识、思维的信息过程的模拟，包括对学习、思维、语言、分析、判断等能力在内的综合心理机能的模拟，人工智能在司法领域的应用正是实现司法推理定量化、过程精细化、行为规范化，使司法活动更加科学、公正、规范、高效的有效路径。尤其是法律形式主义、法律现实主义学说以及折中的“开放结构”理论发展，为人工智能在法律推理领域的发展奠定了理论基础。法律推理的计算模型是指用于实现人类法律推理过程的计算机程序;法律论证的计算模型是指实现法律论证的过程的计算机程序。法律推理和法律论证的计算机模型在AGI的加持下将打开了潘多拉魔盒。

    法律推理和法律论证的计算模型在开源或商业的AGI大模型底座上进行的法律知识训练及优化，将实现面向法律行业的人工智能专属模型。该法律专属模型通过标准化和商品化销售给有需求的政府、企业及个人用户，将出现法律服务市场的法律职业人工智能替代。对于法律咨询业务，人工智能法律专属模型可以自动回答法律问题;对于法律研究和文献检索，可以直接输出答案;对于法律文件生成和翻译，可以自动生成法律文本、合同文本和翻译法律文件;对于法律文件审查和辅助办案，可以自动审核法律文件、分析案情并提供辅助判案决策等。当以AGI为基础的法律专属模型具备上述能力甚至超越律师的专业技能和法律知识时，大部分律师所从事的低端、常见多发以及可标准化的法律业务将发生人工智能的法律职业替代。AGI将促进法律职业发生去职业化、公司化和最终商品化。有鉴于此，论者们预测了法律领域的颠覆，未来律师将被人工智能机器人取代，提供法律服务的模式将发生根本性重组。其他人则认为，律师应该改变他们的工作方式，成为T型律师，接受商业教育，更像交易工程师而不是传统的诉辩者。18

     作为法律人如何保证职业称职性应当是其终身追求的目标，当法官或律师不能达到职业行为“称职”的基本要求时，其应当主动辞职或被聘用单位辞退或被司法行政、行业协会实施行业惩戒予以停止执业。技术称职性是对当代律师提出的律师称职性的时代要求，选择对人类文明有“长期价值”的技术领域，坚持“长期持续”投入，也许是当代律师在思考如何保持“称职性”这一律师职业行为规范时应当持有的态度和理解。未来，人工智能将替代或淘汰不具备技术能力的律师，作为法律人需要适应新技术的需求，如学习如何使用人工智能技术以提升法律和类案的检索能力，学习如何训练大模型成为自己的律师助理，如何使用大模型制作各类法律文书以提高工作效率等，更重要的是要将自己的法学专业知识和人工智能技术结合起来，服务社会公平正义、创造社会价值。

     2017年4月，英国著名物理学家史蒂芬·霍金提出：人工智能是“双刃剑”，可能终结人类文明史，除非我们学会如何避免危险。人工智能只有在法治轨道上发展才能造福社会，如脱离法治必然祸害社会和人类。近年来，人工智能技术快速发展为经济社会发展带来新机遇的同时，也产生了传播虚假信息、侵害个人信息权益、数据安全和偏见歧视等问题，如何统筹人工智能发展和安全引起各方关注。英国的法律服务管理部门提出：法律科技创新的一个关键推动因素是技术的"社会可接受性"原则。这意味着，一项技术的拟议用途应被法律专业人士和消费者(公众)所广泛接受，并符合一般的社会利益。LSB和SRA均认为，使用获得公众信任的技术是开放法律服务和提供更好服务的关键推动因素。20

      因此，人工智能法律应用如何发展才符合人类社会的伦理要求成为一个命题。伦理是人的行为准则，是人与人之间和人与社会的义务，也是每个人源于道德的社会责任。21人工智能伦理的宗旨是从社会和历史的观点出发的，回答人工智能应该做什么、不应该做什么的问题。“福祉原则”被普遍认为是人工智能伦理的首要原则，或统领其他原则的指导性原则。22从理论上说，人工智能可能存在以下四种风险：一是技术失控，二是技术的非正当应用，三是应用风险，四是管理失误。23我国在人工智能伦理规范治理领域从法律规范和伦理规制方面都出台了相关规定：2017年7月8日国务院印发了《新一代人工智能发展规划》，中国成为全球第二个以政府名义制定并发布人工智能发展规划的国家。2020年8月，国家标准化管理委员会、中央网信办、国家发展改革委、科技部、工业和信息化五部委联合发布了《国家新一代人工智能标准体系建设指南》，2022年3月20日，中共中央办公厅、国务院办公厅印发了《关于加强科技伦理治理的意见》，2023年3月国家人工智能标准化总体组、全国信标委人工智能分委会发布《人工智能伦理治理标准化指南》，2023年4月4日科技部发布“关于公开征求对《科技伦理审查办法(试行)》意见的公告”，2023年8月15日，国家网信办联合国家发展改革委、教育部、科技部、工业和信息化部、公安部、广电总局公布《生成式人工智能服务管理暂行办法》正式施行。这些法律规范和标准的发布实施加强了对人工智能等科技伦理的道德准则和行为规范的引领，也是人工智能法律科技应当遵循的法律和伦理规范。

     法律是人类生活遵循的准则和社会价值的体现，科技推动人类社会的不断进步。法律科技是推动法律服务和司法实践转型的重要手段和方向。它应紧密结合法律实际需求，充分发挥科技的优势，通过引入新兴科技手段，提高法律服务效率和司法质量，实现法治的更好普惠。

     新技术的时代价值，不仅加速了传统司法体制改革的数字化步伐，更深化了司法文明的进程，推动了数字经济社会的发展。因此，法律科技已经不再是一个工具，而是具有了法治力量。未来，随着人工智能技术在法律领域专属模型的构建，坐在审判席上的也许就是AI法官，负责商务谈判和起草合同的也许就是AI律师，法律科技将彻底改变和重塑人类生活方式、生产方式及社会治理模式。为此，我们需要审慎权衡人工智能等法律科技发展中的伦理和社会问题，确保科技与法律的融合能够为社会和人类带来更多的福祉和数字正义。