「人工智能法官」大戰「演算法律師」?未來人類在法律界的角色


早前(11月9日)參加香港大學法律學院法律及資訊科技研究中心、香港理工大學會計及金融學院及香港城市大學法律學院合辦之講座,題為「法庭與大數據(Courts and Law)」。


講者 Prof. Omri Ben-Shahar 來自芝加哥大學法律學院(The University of Chicago Law School),題目旨在探討幾個問題:「大數據」可用於解決法律糾紛嗎?機器學習可改善司法管理嗎? 預測模型可代替律師嗎?講者首先提出:

新科技改變法律,而非法律改變新科技。

近年,由優步從投資推廣署的成功案例,忽然成為違反法律的新創企業代表,足見新科技的出現不斷挑戰法律。筆者並非認為共享乘車便可打著「創新」旗號而合法化(海外亦有禁行的法例),但對付創新科技並不能一句「違法」便拒之於門外,否則何談與時俱進?

至於拙文以資料整理為主,由於筆者並未修讀法律、英語水準又有限,故有錯漏還望看官指正。


劉德華在《法外情》、《法內情》、《法內情大結局》飾演大律師。

談論人工智能、演算法對法律界的影響,必須簡單理解其構成。現時法律界應用的人工智能均受有關原則與關係約束,只能處理特定工作。而處理的前提便是收集及分析海量數據(現有/過去的),並基於此建立預測模型,可觀其發揮仍然有限;人工智能能夠如同法庭上的律師般雄辯滔滔,恐怕仍須科技突破。

一,演算法律師(Algorithmic lawyers)

盛行美國法庭的「法庭速畫」。

香港律師分為「訟務律師」(Barrister,俗稱大律師)及「事務律師」(Solicitor);前者專責訴訟(即出庭「打官司」),及提供書面法律意見,後者則專司離婚、樓宇買賣等法律事務。

演算法/人工智能如何改變律師的工作?講者提到有些範疇業已使用的「法務程式」,例如 Tax Foresight 便用於稅務案例預測結果。筆者認為人工智改變律師工作有兩個方向,分別係:

  1. 法務處理方向:輕鬆處理各種法律文書
  2. 資料搜索方向:快速得出各種相關資料、案例

筆者另外找到以下數個案例即以說明初階法律工作已日漸轉由程式處理:

  1. 英國律師行「Slaughter & May」與法律科技初創「Luminance」與,合力開發出,號稱每分鐘可閱讀與分析幾百頁文件,加快法律案件的處理速度,用家將按量付費。
  2. 英國律師行「Berwin Leighton Paisner(BLP)」應用法律科技初創「Ravn」用於特定產權糾紛案件的軟件 — — 該軟件提取英國土地註冊局(UK Land Registry)的官方所有權契據的數據,並分析細節,因而準確提供關於產權所有人的法律提示。
  3. 國際律師行「Linklaters」使用「Verifi」篩查14家英國與歐洲登記機構數據,為銀行核實客戶姓名,數小時即可處理成千上萬人名。
  4. 2015年,美國「Lexis Nexis」收購法律科技初創「Lex Machina」,協助處理有關法院裁決的數據,並分析與研究訴訟案件類型與成功經驗。
  5. 「ROOS」利用 IBM Watson 電腦分析系統,長年累月統計和分析案例,學習以專業律師身分服務客戶 — — 由於每位法官的判決書風格、用詞各異,法庭文書更無特定寫作要求,「ROOS」乃目前手執分析和理解法庭文書的牛耳。

利用這些程式,處理法務自然「多快好省」,但講者亦有提到,缺點卻係鞏固現有法律而扼殺法律進步;筆者則認為算是瑕不掩瑜:

人工智能未必係好律師,但绝對係好助理。

二,人工智能法官

電視劇《踩過界》劇照:劇中李佳芯演女法官 Never Wong 喜愛落bar夜蒲

講者提到訴訟中的大數據,並以合約法為例。常見爭議如,如何解釋合約文句 — — 不同法官有不同的資訊、經驗與假設。講者提出,可以大量調查得知當事人對不同文句的理解 — — 向其展示不同合約條款,並詢問其認為何者為正確(ask which meaning is right)。法庭應跟從多數共識的部分;若未能形成多數共識的部分,則視為含糊。

講者另外提出有關保釋金的研究(Bail Study)。該研究基於 150,000 個過往的案例,並考慮「被告是否獲釋」及「被告著草(Flee)或再犯(re-offend)」。演算法根據法官決定保釋金時掌握之犯罪風險及著草風險。演算法將會導致兩種情況:監禁高風險但法院認為可釋放的被告,或釋放低風險但法院認為應監禁的被告;而演算法的推演將會與真實案例比較。結果顯示,相同獲釋率之下,演算法通過不建議釋放一些被告而降低百分之二十的犯罪率,相當於減少聘用2萬多名警察;相同再犯率之下,演算法將監禁少百分之廿五的被告。法官對可觀察到的變量反應過度;演算法並不「理解」疑犯的種族,故未必帶有偏見。

此外,筆者另外發現另一些研究。該研究針對酷刑、公平審判和私隱的584個往例,綜合衡量法律證據與道德因素判決中,人工智能法官與歐洲人權法院(ECtHR)人類法官判決有79%相同。研究團隊亦意外發現,人類法官判決時,更多取決於案件本身的事實(案件過程和細節),而非純粹的法律論據(究竟是否違反人權公約)。儘管如此,其團隊認為這個程式仍無法取代人類法官審判。

筆者認為,人工智能基於往例演算並建議判定,但對於一些新法律,或往例不多的判斷便顯得有心無力。而雖然判定多依賴先例,但有時法官亦可創立新的先例,這點恐怕人工智能法官仍未勝任。

三,度身訂法(Personalised Law)

本文雖然主要以人工智能的法律應用為主,但講者一開始其實有提出「度身訂法」,也值得深思。講者認為法律面前雖然人人平等,例如個人財產多寡,例如係個人財產。故這種變項卻可能造成法律面前有些人更平等。

講者以罰單為例,(套用香港的背景)「老闆車」在中環任意停擺,就算遇上罰單,對老闆也是小菜一碟;但對於貨車司機而言,一張罰單卻對其生計頗有影響。故此,若能利用大數據掌握不同人的資訊,例如便可加重特定人士的罰款,對其造成「影響」而非不痛不癢,由此減低對部分人的歧視與實現經濟平等。

筆者當日並未聽到太多關於講者補充「度身訂法」,而馬上想到的問題必然係私隱與數據收集的問題。早於2014年,中國國務院便公布「社會信用體系建設」計劃,依照民眾日常的行為,是否曾違反金融合約,在社交媒體發佈文章等,為每個人進行信用評分。而現在螞蟻金服旗下的「芝麻信用」業已根據個人行為、轉賬支付行為、購物習慣、出行習慣、生活、公益、個人信用履歷、人脈聯繫為用家評分,由 350 至 950 分不等。


可見的將來,恐怕人類一言一行也要上綫了,但敦好敦壞,卻難以預料。尤其今日不論美帝這類「民主大國」或中國的「威權體制」,也可以「國家安全」或「公眾安全」之名,幹出種種駭人聽聞之事……

四,總結:「科技取代人類」在法律界尚遠

2016年7月麥肯錫顧問公司(McKinsey)利用美國勞工統計局及知名職業分類網站「O*Net」的數據,分析八百多個職業及二千多項工作,藉此研究美國各項工作平均耗時、將其自動化的可行性。研究指出,「人工智能」並非萬能,當研究其能否取代某種職業時,當中的「自動化潛力」取決於具體工作;畢竟,每項工作皆可達成不同程度的自動化。暫時而言,智能系統能夠完全取代的職業其實很少,但將影響所有產業。

報告將工作分成三類:非常容易受影響(Highly Susceptible)、不太容易受影響(Less Susceptible)、最不容易受影響(Least Susceptible)。

能夠將工作自動化屬於必要條件,但尚有其他考慮因素,例如開發、部署自動化所需的軟硬件資源;此外,勞力與相應的供求變化文是考慮因素之一 — — 如果勞力充足,則勞力成本低於自動化成本,由此便毋須急於自動化;另外則是其他替代人手執行的好處,例如提高產量及質量、減少誤差等;最後,監管、社會接受與否亦是考慮因素之一,例如特定工作是否接納改以機械運作 — — 理論上,機械人可取代護士一些工作,但病人更願意與「真人」。


由此可見,過往律師相關的初階工作(組成小團隊,然後呆在屋裡從數百頁文件中人手提取數據)將極易取代。但需要判斷之處,例如「書面辯護」,則人工智能並未足以與人匹敵。

麥肯錫報告,正正揭示「機械人搶走人類份工」並不全對。而自動系統沒有「人」的參與,便無法成功運行,開發重點並非以「機械」取代人,而是按人機專長而分工,〈通過人機團隊的構建擺脫自動化的窘境〉指出:1982年「波音767」啟用,架駛倉由原先配置三人轉為兩人,飛機師在飛行期間,工作量因自動系統而減至最少,但發生緊急情況,飛機師卻須介入自動操縱。盲目散播「機械取代人」等說,只係水準低下的表現。

正如未來學家凱文.凱利(Kevin Kelly)所言:

在未來,你的收入多寡,要看你有多懂得和機械人合作而定。

https://button.like.co/lkysamuel


原文首發於筆者 Facebook 網誌,可按此瀏覽。

https://www.facebook.com/notes/%E5%8A%89%E5%81%A5%E5%AE%87/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD%E6%B3%95%E5%AE%98%E5%A4%A7%E6%88%B0%E6%BC%94%E7%AE%97%E6%B3%95%E5%BE%8B%E5%B8%AB%E6%9C%AA%E4%BE%86%E4%BA%BA%E9%A1%9E%E5%9C%A8%E6%B3%95%E5%BE%8B%E7%95%8C%E7%9A%84%E8%A7%92%E8%89%B2/10159594695770300/

發表迴響

Please log in using one of these methods to post your comment:

WordPress.com 標誌

您的留言將使用 WordPress.com 帳號。 登出 /  變更 )

Google photo

您的留言將使用 Google 帳號。 登出 /  變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 /  變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 /  變更 )

連結到 %s