一家坐落于以色列的初创公司

昨天，一家坐落于以色列的初创公司 Lawgeex 举行了一场人机比赛：AI v.s. 人类律师，在 4 个小时内审查五项（共 14 页）保密协议，结果 20 名经验丰富的人类律师无论从时间还是准确度上都远逊于 AI，被机器完败。这向人们证明了，AI 已经有能力接替人类在法律领域的某些工作。

机遇与挑战

人工智能对商业产生的变革显而易见，在全球有 6000 亿美元的法律服务市场当然也不能幸免。据咨询公司 McKinsey 估计，22% 的律师工作和 35% 的律师助理工作都可以通过自动化来完成。显然，对于某些非核心的法律任务来说，机器应该比律师处理的更快且更好，例如合同审核工作。

2014 年成立的人工智能合同审查自动化解决方案公司 LawGeex 在这方面做得尤为出色。他们认为合同审查是现在每个公司都会需要的且数量庞大，例如典型的 1000 强企业，差不多在任何时候都会维持 2 万到 4 万个活跃的合同。但是据国际合同和商业管理协会（IACCM）调查，有 83% 的企业对其合同流程不满意，因为例如交易中常见的保密协议（NDA）一般需要一周或更长的时间才能批准下来，这大大降低了交易的速度。

而从另一方面对律师来说，审核这些合同大多只是重复性体力劳动，浪费了大量的时间，而又不得不做。

这样的市场需求似乎是在召唤着人工智能的到场，但事实并不是那么容易，在法律文件方面训练人工智能模型其实还有蛮多独特的挑战的。

首先是法律术语——通常这些法律语言复杂且违反直觉，这让训练变得十分困难。对于合同审查和批准，自然语言处理（NLP）和现成的解决方案根本不起作用，没有现有的计算语言模型能够连贯地阅读法律术语。

其次是高精度的要求——律师的主要职责是控制甚至降低其公司或客户的风险，准确性至关重要。在法律人工智能的训练中，单一文档分析要求的准确性要高得多，比如大数据「情感」分析（使用文本分析挖掘不同数据来源以获得意见以预测趋势的过程）。

针对第一个问题，LawGeex 创建了新的法律「语言」——专有的法律语言处理（LLP）和法律语言理解（LLU）模型。律师和工程师团队通过给 AI 展示大量的法律文件，教授了 LawGeex AI 相关的法律文献。当 AI 学习法律术语时，法律训练人员会指出它需要识别的概念。LLP 技术允许算法识别这些概念，即使这些词组它从来没有见过。

另一方面他们采用监控概念，而不是关键字 - LawGeex AI 的操作方式要比迟钝的「关键字搜索」复杂得多。关键字搜索可能过多或过少，因为相关文档中可能没有相关文字，或出现在不相关的文档中。但是真正的人工智能应该能够识别出一个概念，不管它是什么样的词组或出现在文档中的什么地方。