Skip to content

十年內人工智慧可能取代律師嗎?

在AlphaGo戰勝了韓國棋王之後,一下子人工智慧變成媒體的熱門關鍵字,最常被討論的就是什麼職業最有可能被人工智慧取代。許多報導也聲稱律師也是最可能被人工智慧取代的工作之一。

深度學習法條 + 海量判決資料,Alphago 有可能成為公正無私的法官嗎?
驚!10年內律師將被人工智慧取代?
機器人律師?!人工智慧取代腦力工作者時日不遠

諸如此類的報導其實很多,有些對於技術層面的論述比較多,有些則著重在現在的發展情況。身為一個對科技著迷的律師,這個議題當然不可能置身事外,在仔細研究一些相關的資料後,發現大多的文章並沒有深入從律師的工作內容出發,因此去討論這些工作內容到底會不會被人工智慧取代,看起來會少了很多說服力。

因此,我想用這篇文章簡單介紹一下人工智慧的可能性,也說明一下我的想法。

結論寫在前面,我不認為律師會被人工智慧取代,但10年內人工智慧可以大幅降低律師的工作時間,特別是在research的時間。

至於為什麼?本文將從人工智慧的可能性出發,討論一下AlphaGo,最後介紹一下我為什麼這麼認為。

人工智慧可以做到甚麼程度?

『現在』大家在講的人工智慧,並不是電影裡面出現那種會自己思考、自己做出人類意想不到決定的電腦。像是『鋼鐵人』的賈維斯、『惡靈古堡』的愛麗絲、『機械公敵』的VIKI或是『鷹眼』裡的鷹眼。目前還沒有出現這種人工智慧。

我們現在討論的人工智慧,主要還是圍繞著機器學習(machine learning)和海量數據應用的產品。必須依循著程式的邏輯,在有限的資料下學習,才能產出結果。

整個程序是這樣的,由人類安排一個學習的方式,把資料餵給電腦,告訴電腦什麼是比較好或是比較不好的,重複餵資料和驗證過程幾百萬次之後,電腦大概就知道人類要什麼,再根據這樣訓練後產生的邏輯,把結果產生出來。

簡單來說,人工智慧電腦像是一個小孩,為了讓他變成某個領域的專家,電腦是需要被訓練的。就像人類的小孩一樣,就算是天才也不會生下就甚麼都會,人類需要學習,電腦也需要,這個學習的過程就叫機器學習。

但是,電腦沒有接觸過的資料種類,他是沒有辦法處理的。只接受過下圍棋訓練的電腦,不會自己學會下五子棋。要讓電腦下五子棋,要重新教他下。

也就是說,現在的人工智慧並不是我們想像的可以『思考』,而是透過訓練產生一個邏輯,依照這個邏輯去工作。但是沒有訓練過的,電腦還是不能工作。

這和傳統電腦關鍵差異點在於,傳統上,電腦所有處理的規則必須是人類設定好。但是人工智慧電腦可以透過人類賦予的訓練邏輯,經過不斷的訓練和學習,強化判斷的精準度。換言之,人工智慧電腦的邏輯可以透過訓練強化精準度,但傳統電腦必須人為修改邏輯。

所以,人工智慧要做一件事情,即便是下棋,也需要先經過訓練的過程。而這個訓練過程必須建立在兩個前提下:

  1. 大量電腦可辨識的資料
  2. 可以驗證的結果

這兩個前提左右了目前人工智慧可以應用的領域。

AlphaGo為什麼這麼了不起?

從上面人工智慧的概念,來討論一下為什麼這次AlphaGo引起軒然大波。以及為什麼AlphaGo選擇以圍棋作為起點。

電腦用在棋藝競爭已經有很長一段時間,早在20年前,IBM的超級電腦深藍就曾經擊敗過當時的西洋棋冠軍。當時的電腦主要是用計算出每一步棋的結果,畫出樹狀圖,最後做出決定。

換言之,深藍展現的是一個『強悍的計算能力』,要在短時間內把棋路所有可能性都計算完畢,電腦本身的計算能力要十分強大。

那為什麼20年間,電腦始終無法在圍棋界與人類競爭。原因是圍棋落子的可能性太多,據說有10的171次方之多,即便是超級電腦,每下一步棋也要花上數十年的時間。因此電腦在圍棋領域發展停滯不前。

AlphaGo的價值就是在於他不需要把所有的可能性都計算過才能做出決定,而是可以透過類似人類『直覺』的思考模式,在有限的範圍內計算,並下出他認為勝率最高的一顆子就夠了。

也就是說,AlphaGo透過直覺,把計算範圍縮小到電腦可以負荷的限度。

AlphaGo怎麼產生直覺的呢?就是像上面說的,透過讓電腦閱讀大量棋譜,還有讓電腦自己和自己下棋,下了數百萬甚至數千萬盤棋之後,電腦『大概知道』棋應該下在哪裡比較好,直覺,或是我們稱的『棋感』就產生了。

至於為什麼AlphaGo要選擇以圍棋作為人工智慧的發展領域。原因就是我們剛才有提到,要訓練電腦的兩個前提:

  1. 大量電腦可辨識的資料
  2. 可以驗證的結果

AlphaGo透過棋譜、定石還有線上圍棋對奕網取得一些資料,學會怎麼下圍棋之後,AlphaGo會自己和自己下棋(透過隨機亂下一子的方式),來進一步產生更多資料。透過這樣的方式,AlphaGo會得到無限多的可分析資料,進一步精進自己的棋藝。

除此之外,下棋有一個很簡單的驗證機制–勝敗。只要可以贏的棋,就是好棋。也因此,只要電腦知道怎麼下棋之後,他會知道這樣做是對的還是錯的,經由反饋再不斷強化自己的棋藝。

 

為什麼人工智慧無法取代律師?

理論上,人工智慧透過適合的訓練,可以做到

『case studying–>analyzing–>researching–>organization–>outputting』這樣的一個工作流程。因此,人工智慧的擁護者認為律師是極可能被人工智慧取代的一個職業。

但這個理論就像是:給我一根棍子、一個支點,我將舉起地球。

然而,實際上是可能發生的嗎?

很難,極難,至少十年內絕不可能。主要有五個原因:

第一個問題是,資料怎麼來?

我們剛提到,machine learning第一個前提,要有可以被機器辨識的大量資料。和人類一樣,機器的學習也需要教材。但在法律領域,教材要從哪裡來呢?

有人會認為是判決書,判決書是很好取得的公開資料,數據量也十分龐大,以台灣而言,目前判決系統現存的判決書大概有九百萬筆,看似的確可行。

但是把這些判決就不同領域不同類型案件來區分,數量就會少非常多。九百萬筆判決中,和車禍民事損害賠償相關的,可能僅有數萬筆。數萬筆資料對於教會電腦處理這類案件,可能略嫌少了些。更不用提一些冷門的領域,可能只有一、兩件案例的案子,電腦根本無從學習起。

其次,判決文字雖然是自然語言,但他是法律自然語言,和一般人使用的自然語言不同。律師工作很重要的一環是把當事人陳述的事實,轉換為法律語言的描述。舉例來說,一般人說綁約,法律上會稱作最低服務年限條款。

電腦如果要做到將一般語言轉換為法律語言,經過訓練後是可以做到的。但現實的問題是沒有訓練用的素材。因為目前並不存在大量用一般語言描述案情的資料庫。這樣的結果就像是,一個流落荒島的天才,經過訓練後可以變成法律天才,但荒島上卻沒有任何可以教他的教材。

第二個問題是,缺乏有效的客觀驗證機制!

電腦可以自己和自己下圍棋,因為圍棋最終有勝敗。電腦可以透過最終的輸贏知道這步棋是好的還是壞的。但法律領域並沒有這樣的機制。

有人可能會說,用官司的勝敗啊!但律師們一定知道,官司的勝敗和律師成果的品質並沒有直接必然的關係,用缺乏因果關係的機制來訓練電腦,並不是一個好的方法。可能會導致錯誤的結果。

也許電腦可以自己產生一個案例事實,自己分析做出結論,甚至產生訴狀。但電腦不會知道他產生出來的東西是不是對的。這個過程需要透過人類來驗證,而且不同人驗證出來的結果會不同。這個問題讓機器學習法律知識上,沒有辦法像學習圍棋一樣,透過自我學習不斷精進。電腦學法律,每一個問題都需要依靠人類驗證。這是兩者間決定性的差異。

第三個問題是,法律豈止法律!

律師處理法律問題,只要知道法律問題就好嗎?當然不是!

以我處理專利訴訟為例,常需要用如半導體、軟體、機構或電子等等的科學知識。就算不是這麼偏門的領域,一個海砂屋糾紛,要去判斷氯離子濃度檢測標準,壟斷判斷可能要去了解這個產業的市場,職災判斷可能要了解上下班行經路線。

是,理論上電腦被訓練後都可以做出適合的判斷,但問題在於,誰有這麼大的能力去訓練出這樣的電腦。

法律是處理人類活動中『所有』的問題。也就是,這台電腦必須涉及人類活動中『所有』的知識才可能做到。就像上面提到的,有沒有足夠的資料和驗證機制來做到這樣的事情,我認為這並非十幾年甚至幾十年可以達到的目標。

這也就是為什麼我會說,理論上是可行的,但實際上不可行。

以自動翻譯為例子,翻譯比起法律對於電腦來說是相對單純的處理,不牽扯到太多領域的訓練,資料豐富,機器可讀性高,需求的廣度也遠遠高於法律,是十分適合人工智慧的領域。但現在的自動翻譯做得如何呢?執牛耳的google翻譯也是慘不忍睹,不是嗎?

第四個問題是,電腦無法做出開創性的事情。

當然,我指的目前,基於machine learning概念下的電腦,並沒有辦法做出前所未有的法律見解。

法律的演進會跟著社會慢慢改變,當法律被認為不適用時,人類有能力去創造新的見解、新的法律。這樣的思考模式對於電腦來說是非常難以訓練的,因為被用來訓練電腦的,都是已經既存的資料。也就是說電腦不可能會創造出前所未有的法律見解。

因為『創造』出來的東西既然尚未存在,我們便無從訓練。

理論上我們可以教電腦『創造』的邏輯,但實際上,我們沒有辦法。因為這個邏輯在新東西被創造出來前是不存在的。我們沒有辦法用不存在的東西去訓練電腦。電腦自然不可能學會。

最後,法律最終是個由人來決定的領域

如果,人類決定一個職業只能由人類擔任,那即使機器做的比人類好上幾千幾萬倍,這個職業最終仍然是只能由人類擔任。

最好的例子是球類比賽的裁判。

網球比賽中導入的鷹眼系統,實際上可以取代絕大多數的裁判,例如網球的線審和棒球的主審,鷹眼的辨識可以做得比人類好上幾百倍,減少更多的爭議判罰。並且再也不會有好球帶漂移的問題。

但2002年鷹眼系統問世至今,裁判依舊在,即便這是個公認電腦可以做得比人類更好的領域,大聯盟依然對採用鷹眼系統興趣缺缺。

因為人為變數是比賽的一部分,我們可以這麼認為,某方面而言,人類對於零缺陷的機器,更樂意擁抱有缺陷的人類。

我們有辦法接受用電腦決定人類的有罪與否嗎?有辦法接受電腦為我們處理辯護嗎?看看測謊在實務接受度的發展,我對這一天的到來抱持高度懷疑的態度。

尤其是律師在為當事人處理法律問題時,所帶來的『人的溫度』。人類獨有的情緒、語氣以及信任感,這是電腦永遠也無法取代的。

人工智慧可以怎麼協助律師

雖然我認為人工智慧不會取代律師,但我同時認為人工智慧可以幫助律師減少許多工作時間。最主要的部分就是researching所花的時間。

辨識適合的關鍵字,在海量資料庫中撈出適合的資料,利用訓練過的電腦排出權重,再推薦給律師作為辦案的參考,這樣的工作非常適合由電腦來完成,而也符合現在的現實。事實上現在人工智慧在法律領域的發展,就是以達成這樣的目標在努力著。

人工智慧雖然發展很快,但我不認為他是律師的對手,而是律師的幫手。在資料量越來越大,律師工時越來越長的現在,我認為透過人工智慧的幫助,讓律師能把更多時間花在更有價值的事情,才是我們對現在人工智慧應該有的態度。

因此,對於人工智慧,不要恐懼,要擁抱他。電腦無法取代的價值,才是人類能擁有的核心價值,而人工智慧,是為了輔助人類而存在的。

 

 

 

 

分享這篇文章
  • 53
  •  
  •  
  •  
  •  
  •  

One Comment

  1. 寫得太好了! 人工智慧被媒體渲染過度 變得看似無所不能 這篇釐清了非常多問題點.

發佈留言

發佈留言必須填寫的電子郵件地址不會公開。 必填欄位標示為 *