| 误区与正道:法律人工智能算法问题的困境、成因与改进 |
| |
| 引用本文： | 洪凌啸.误区与正道:法律人工智能算法问题的困境、成因与改进[J].四川师范大学学报(社会科学版),2020,47(1):58-70. |
| |
| 作者姓名： | 洪凌啸 |
| |
| 作者单位： | 四川大学法学院,成都610207 |
| |
| 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。
|
| 关 键 词： | 法律人工智能 算法 深度学习 强化学习 知识图谱 |
Misunderstandings and Correct Ways:the Dilemma,Causes and Improvements of Algorithm Problems in Legal Artificial Intelligence |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
