法律
人工智能应该实践法律吗?
与许多其他行业一样，人工智能(AI)也在进军法律行业。一个服务叫做Donotpay使用人工智能来处理停车罚单和安排机票退款。摩根士丹利(Morgan Stanley)减少了法律人员，现在使用人工智能在几秒钟内完成36万小时的合同审查，一些法律服务可以进行法律研究(如Ross Intelligence)，执行合同分析(如:基拉系统，LawGeex，并在诉讼中帮助发展法律论据(例如，案例文本）.
这些合法的人工智能公司中有许多只有几年的历史;显然，未来还会有更多的人工智能法律服务。现行法律规定，只有通过司法考试的人才能从事法律工作。但如果非人类也能从事法律工作，我们应该有人工智能律师吗?答案可能取决于我们希望如何执行法律分析。
人工智能思想
今天，当人们谈论人工智能时，他们通常指的是机器学习。机器学习已经存在了很多年，但由于它是计算密集型的，直到最近才被广泛采用。在过去的几年里，如果你想让计算机执行一个操作，你必须编写代码告诉计算机一步一步地做什么。如果你想让计算机识别猫的图片，你必须将组成猫的视觉元素编码到计算机中，计算机就会将它“看到的”与这些视觉元素相匹配，从而识别出猫。
通过机器学习，你为计算机提供一个模型，它可以学习猫的样子，然后让计算机查看数百万张猫(和非猫)的图片，当它正确识别猫时刺激模型，当它不能正确识别猫时纠正它。请注意，我们不知道计算机是如何构造它用来识别猫的数据的——只是识别的结果。结果是，计算机开发了一个猫长什么样的概率模型，比如“如果它有尖尖的耳朵，毛茸茸的，眼睛可以穿透你的灵魂，那么它有95%的可能性是猫。”还有犯错的空间。我认识一些符合这种猫描述的人。我们都经历过。
律师的思维
如果一名律师运用法律推理来识别猫的图片，那么该律师将非常精通构成猫图片的图片元素(当组合在一起时)的法律要求。然后，律师会看一张猫的图片，审查图片中的每一个元素，因为它与构成猫的每一个法律引用的元素相关，然后得出一个陈述，比如，“因为图片显示了一个有尖耳朵、皮毛和穿透灵魂的眼睛的实体，因此得出结论，这是一张猫的图片。”
在机器学习中，错误的空间并不在于合法引用的猫元素对所提出的猫图片的正确性的概率。律师对猫元素的解释存在误差，因为它们与拟议的猫图片有关。这是因为律师使用因果分析来得出他或她的结论——不像人工智能使用概率。法律是因果关系。为了在人身伤害或合同案件中获胜，原告需要证明违反义务或合同履行造成了损害。
对于刑事案件，检察官需要证明有某种精神意图的人采取了导致违法的身体行为。概率只有在法庭案件中选择赢家时才会出现在法律中。在民事案件中，原告以“证据优势”(51%或以上)获胜。如果是刑事案件，如果法官或陪审团相信“排除合理怀疑”(大约98%或更高)，公诉方就会胜诉。与机器学习不同，概率是用来确定因果推理的成功，而不是用来代替因果推理。
律师还是机器?
无论一项审判取决于因果分析还是概率分析，似乎都是一种没有任何实际影响的哲学练习。它不是。因果分析着眼于因果关系。概率分析着眼于相关性。相关性不等于因果关系。例如，仅仅因为冰淇淋销量的增加和谋杀案的增加之间有很强的相关性，并不意味着你应该开始清理你的冰箱。
我认为我们不希望法律分析从因果关系转变为相关性，所以在机器学习能够进行真正的因果分析之前，我认为我们不希望人工智能像律师一样行事。然而，在Kyrio和CableLabs, AI仍然擅长许多其他事情。亚博yabo888vip网页版订阅我们的博客，了解更多关于我们在CableLabs和Kyrio在人工智能领域的工作。亚博yabo888vip网页版
