AI时代，被曲解的法律机器人
科学与理性
科幻电影中机器人的场景，真的可以成真吗？科幻电影中，机器人不仅可以与我们下棋，AlphaGo下围棋的例子总是被学者谈及，事实上，机器人如果只会下围棋，那么它对于我们生活几乎不会有任何改变。同时，机器人会下棋的例子也推不出来机器人就可以深刻地影响到我们的生活，因为在其他方面的应用，机器人算法与下棋的算法完全不同。而是已经深度进入我们的生活，包括机器人保姆、机器人服务员、机器人警察、机器人女友等，涉及社会生活的各个方面。
未来10～20年，人工智能对我们的生活会有什么样的影响？类似这样的问题，不仅同学们关注，产业界的朋友也特别关注，朋友们甚至会时常与我玩笑：作为法律和人工智能的研究者，哪只科技股票未来潜力最大？产业界关心，投资人关心，普通民众关心。法学家们也学会了开始凑热闹，各个大学相继成立人工智能法学院据了解，很多大学的人工智能法学院尚没有一个能教授人工智能法律的老师，当然这并不影响对外挂出人工智能法学院的牌子。那些原本研究法制史的老师们也开始转向人工智能法学的研究，或许可从诸葛亮“木牛流马”中受到些许启示。“风来了，猪都可以飞起”，难道，未来真的已经来了吗？
机器＋人≠机器人
（一）长得越像机器人，越不是机器人
人工智能的概念会让很多人兴奋，正所谓闻“机”起舞。号称人工智能的企业如雨后春笋般层出不穷。从调研的情况来看，其中绝大多数的企业根本不属于人工智能企业。当然，什么是人工智能？需要对这一概念有最基本的认知。从60年前的达特茅斯会议至今，人工智能虽不断被学者修正，但它至少应当具备“人工神经网络”“机器学习”“大数据运算”这些基本要素，我在HOW实验室做过不少人工智能的实验，至少要用到“高等数学”要用到“Python”等编程语言以及人工智能神经网络的构建，至少要实现一到两项“智能”目标。
我几乎每年都会参加国际机器人大会，那上面参展的有一半以上“机器人”（可以唱歌、跳舞）从其本质上都属于前面所说的玩具。我曾与这些产品的工程师聊过，这些产品底层的编程语言大都是Java、Python，或是Php（这三种语方居多），程序大都事先写好，对话的语言和数据也几乎是固定的，如机器人能够背诵的诗词是固定的，整个计算过程与传统的计算机程序并没有本质区别，这并非是真正意义上的人工智能产品。因此，从这一意义上讲，人工智能与传统计算机程序的区别并不在于产品的表面，比如把它做成一个机器人样子，或者表面上可以对话，恰恰在于底层的算法。一般投资人在考察人工智能产品时恰恰忽视了这一点。近年来，人工智能神经网络的算法尤其引人关注，无论是S形神经元算法、卷积神经网络，或是梯度算法，每一种算法的背后还涉及大量数学、微积分和统计学的推导过程，这些人工智能的算法在应用到具体产品时还需要体现出独特的产品创意。人工智能概念更为确切定义是：计算机编程＋神经网络＋问题解决，三者缺一不可。
然而，很多项目完全缺少这些要素，仅有“机器人”的概念或者机器人的LOGO，就开始以“人工智能”自居，当然投资人不懂，被人工智能概念迷惑的也大有人在，于是，所谓“人工智能”企业就开始满天飞。事实却是，这个世界上长得越像机器人的，越不是机器人。
首先，机器人领域的问答机器人。市场上有一群人热衷于研发问答咨询机器人，还把它放到公共平台上，试图让它能自动回复用户提出的各种问题。事实上，这类设计从一开始就注定是失败的。这个投资人的钱有接近一半不是死在路上，而是死在开始。类似这样的机器人设计有很多，银行的大厅里、酒店的大厅里、火车站、飞机场都能看到这样的机器人。但这样的项目从一开始就注定要失败。因为它只能回答最简单、初级的问题，远远达不到像人一样思考和回答。我以法律机器人为例，法律问题何等复杂，它需要多层“复杂”逻辑的综合运算，然而，现在的人工智能还基本停留在“一维逻辑”层面。啥叫多层复杂逻辑？比如，我问机器人：我应该如何维权？事实上，要回答这个问题，需要多方位综合分析才能解决这一问题，要考虑到案件的具体情况，要找到其所适用的法律依据，还要考虑到当事人的实际情况（如支付能力等），通过多层复杂逻辑完成运算和博弈，最终才可能给当事人一个靠谱的法律建议。这种多层复杂逻辑甚至还需要律师在实践中不断学习才能最终完成。然而，当下的机器人在解析法律问题时，还只是“一维逻辑”，它只能从大数据中匹配出一个最靠谱的答案，却无法按照“多层复杂逻辑”帮助当事人解决实际问题。
有人会说，AlphaGo不是已经战胜李世石了吗？怎么能说，机器人的思维能力不如人呢？AlphaGo所做的事情是下围棋，这是“运算”，不是“思维逻辑”，在机器人的研究中，如果分不清这两个概念是很可怕的，当下机器学习的最大优势还是“运算”，所以，我在实验中让机器人学习很多国家的法律，它的确很牛，记忆力和回答的准确性，具有不可比拟的优势。然而，如果我让它帮我分析一个具体的案例，这时候需要“多层复杂逻辑”，它就显得“力不从心”了！所以，在有关机器人的项目中，一定要清楚机器学习的优势到底在哪里？搞不清楚这些基本问题，就只有白花钱。所以，那些摆设在大厅里试图回答你问题的机器人，注定从一开始就是摆设或玩具。不要说复杂问题它回答不了，即便是最简单的检索问题，碍于“语音识别”的误差以及内部数据的有限性，它所检索到的也更多是“不知道”。这种不能解决任何实际问题的摆设，对于投资人而言，显然无法达到投资的预期和目的。
（二）并不是所有行业都适合用人工智能
并不是所有的行业都适合人工智能，也并不是所有场景都适用于人工智能。有的饭店推出机器人端菜，很多酒店的大堂还推出机器人客服咨询，事实上，这些机器人除了广告宣传之外几乎毫无用处，并且，该聘请的人员一个没少，该付出的劳动一点没小，在这里机器人除了“噱头”还是“噱头”。
“无人餐厅”的概念也曾火爆一时，甚至跻身于人工智能要闻之首，许亚岚：《问题多！无人餐厅能走多远？》，载《经济》2017年第24期。事实上，就智能点餐而言，手机APP可以实现，平板iPad可以实现，化身为桌面的触摸屏当然也可以，这并非是人工智能所要追求的本质。“无人点餐”炒作的成分居多，当然，从商业运营的角度，这一切无可厚非，但作为人工智能的研究者切不能人云亦云。
类似的情况在服务业、司法系统也大量存在，如某某法院又在全面实现人工智能，对于人工智能在法律行业中运用我是十分看好的，但这并不等于神化它的作用，“员额制”所谓“法官员额制”是指法院、检察院在编制内根据办案数量、辖区人口、经济发展水平等因素确定的法院的法官、检察官的人员限额。员额一旦确定，在一定时期内不能改变，没有缺额就不能递补。迄今为止，通过法官员额制改革，全国地方各级法院共产生了近12万名入额法官，约占中央政法专项编制总数的32．8％。《法官员额制改革推进司法精英化》已经让法官们心惊胆战了，再来一个人工智能，法官们深感前景黯淡。事实则不然，在接下来相当长的时期内，审判过程中法官的作用还必须凸显，机器人更多的应用场景还是在数据处理和分析方面，即便是匹配到了相似的案例，也仅仅只能作为参考，要知道，人对“正义”的理解远胜于机器。当然，从人工智能发展更远的预期来看，机器人能否取代法官并不可知，但就目前或者相当长的时间内，有必要对人工智能的发展节奏有正确的预期。
建构机器人战略中的理性思维体系
（一）机器人需要“工匠”精神
四种机器人产业中，应当说市场占比最大的当数工业机器人，无论是德国的“工业4．0”，还是我国的《2025制造业大国》都论及工业机器人布局。贺正楚、潘红玉：《德国“工业4．0”与“中国制造2025”》，载《长沙理工大学学报》（社会科学版）2015年第30卷第3期。当今世界的工业机器人几乎被“四大家族”垄断，像日本的发那科（Fanuc）、安川（Yaskawa），还有德国的库卡（Kuka）以及瑞士的ABB等作为工业机器人的龙头老大，已经占据了全球绝大多数市场份额（80％以上）。黎文娟、乔标、王海龙：《工业机器人市场竞争新格局》，载《政策瞭望》2016年第3期。美国特斯拉汽车制造流水线所采用的正是库卡的机器人，整个车间几乎看不到人。我国很多制作业已开始广泛使用工业机器人，以至于我国已成为全球最大的工业机器人的消费市场。陈婕：《国内机器人产业：需求为机创新为器》，载《中国知识产权报》2015年9月23日第5版。
未来10～20年，我国工业机器人消费市场还将持续增加，传统家庭式的手工作坊将逐渐淡出江湖。我国已有一些企业开始着手研发工业机器人。无论是外在“颜值”，还是内在“性能”方面，与“四大家族”相比，都还存在较大差距。当然，工业机器人在中国还有巨大的市场空间。由于中国有巨大的市场空间，工业机器人的制造也具有巨大潜力。
从智能手机的发展历程来看，先是苹果一家独大，最终国内的华为、小米群星荟萃，打破了苹果在华一股独大的局面，可以肯定，国内也一定会产生具有较大竞争力的工业机器人企业。不过，对于此类企业的成长周期，不要抱太乐观的态度。与生产智能手机不同的是，工业机器人除了对算法具有较高要求，还要求制造精准、工艺完美、材质精良，我把它统称为“机器人工匠精神”，所以，为什么工业机器人四大家族企业会诞生在德国、瑞士这些具有“工匠精神”的国家。中国人数学很好，算法应当不是问题，但“工匠精神”的培养还需时日。
（二）被曲解的法律机器人
法律机器人总体上属于“思考型机器人”的范畴，它旨在帮助用户解决法律问题。总体而言，思考型机器人在现有市场中占比较小，不是因为它的市场需求小，而是因为它的难度最大，当然，未来发展的潜力也最大。思考型机器人依赖于深度学习和神经网络布局。运用神经网络和深度学习，它还可以广泛适用于医疗、经济、金融、教育、代理、咨询、办公等诸多领域。尤其需要指出，传统服务行业亟须人工智能的改造，思考型机器人可以帮助人们解决疑难复杂问题，可以预见，未来人工智能将在这些行业释放巨大的红利。
根据英国科学家阿兰·图灵1950年提出的“图灵测试”，1950年，图灵在《计算机器与智能》的开篇就提出了一个令人类深思的问题：“机器能够思考吗？”（can machines think）图灵认为，关于机器是否能思考的争论之所以难以解决，是由于我们没有一个关于“机器”（machine）和“思考”（think）的明确定义。他指出，用常规方法定义是“危险的”和“荒唐的”，为此，图灵设计了一种实验的方法来判定机器是否能够思考，或机器是否具有智能，试图为机器能不能思考的争论双方提供一种判决准则。图灵的目的是找到一个与之相关的问题来解决此问题，并且用“没有歧义的语言来表达”，这个方法就是著名的“图灵测试”。（宋勇刚：《图灵测试：哲学争论及历史地位》，载《科学文化评论》2011年版）
一部机器人的智能化程度取决于人在与其交流后能否区分出其是否为机器人。机器人“智能”的标准，从一开始便是围绕“思考”展开的。李开复博士早期研究的语言识别，也可以理解为思考型机器人最初的模型。在近60多年里，无数科学家围绕思考型机器人展开研究，但限于计算机计算能力的限制，人工智能的思考问题一直处于严冬季节。如今，计算机大数据的运算能力都比以往有了很大提升，这也为思考型机器人带来了前所未有的发展机遇，可谓“卷土重来”。我甚至把它称为“思考型机器人的第二次勃兴”。
尽管如此，当前法律机器人仍然面临着算法与数据方面的困境。如国外比较代表性的Legalzoon、DoNotPay等法律机器人。这类机器人值得投资吗？目前市面上见到的这类法律机器人也只是顶了个机器人的外壳，并不能替代律师解决问题。还只是拥有一些简单的模板提供或者搜索的功能。再以Legalzoon为例，它是让用户通过自己提交信息，然后由机器人根据用户需要自动撰写（生成）所需要的合同。这里的问题是，类似这样的项目值得投资吗？
机器人在撰写合同领域到底能发挥多大作用呢？我在实验室也做过很多这样的实验，应当说，人工智能通过机器学习后是可以发挥很大作用的，尤其是在语句修改或者不规范的用语方面，问题的关键是营利模式不是这样玩的。在所有人工智能的项目中，都必须回答一个问题：它给谁来用？它能解决什么问题？
如果这样的合同机器人是开发给律师或者法务等专业人员用，当然可以提升他们的工作效率，这种开发是有价值的。然而，Legalzoon以及目前市场上开发的主流机器人却是供当事人直接用的。这种机器人可能发挥不了太大的作用。道理在于，机器人找不到核心利益条款，这在短期内是无法突破的。何为核心利益条款？比如说，一个合同可能有1000条，但真正为双方当事人关键的条款可能就只有其中的3～5条，当然，当事人关心什么，这需要结合每一个具体案件以及应用情景来确定，比如，同样是买东西，有的买家关心产品质量；有的买家关心付款周期；有的买家关心卖家的信誉等，总之，它很复杂，有经验的律师就会在类似的案件中，精准找到当事人的核心条款，并把主要精力放在完善核心利益条款方面。然而，短期内机器人却无法找到合同的核心利益条款。所以，这样的机器人切切不能直接给用户使用，否则真的是“诲人不倦”了。
事实也表明，Legalzoon项目长期以来的营利情况不容乐观，当然，有消息称其升级后近期开始营利了。其实，其升级后的场景下，与其说是一个机器人帮助撰写合同，倒不如说是一个海量合同的版权池。众所周知，国外的律师收费很高，而且知识产权的保护也是极为严格的，所以一般的当事人更愿意花100美元下载一个合同模版。如果把这样的项目移植到中国来会怎么样呢？一个“惨”字了得。国内有一家企业，效仿Legalzoon，也融到了资，还在新三板全国中小企业股份转让系统（俗称新三板）是经国务院批准设立的全国性证券交易场所，全国中小企业股份转让系统有限责任公司为其运营管理机构。挂牌了，可结果如何呢？一直亏损。其实对于初创企业，亏损不可怕，可怕的是没有希望。在国内合同模版网上随处可见，如果缺少人工智能的核心竞争力，仅仅依靠模版收费，当事人会付费吗？答案显然是否定的。
1 2 下一页>
