为什么我们要培训大数据的下一代律师

人工智能正在改变传统的法律服务。

一般而言,广泛称为“法律分析”的工具集承诺做两件事:提高曾经需要大量时间和人力的任务的效率,并挖掘大量数据以发现以前无法访问的新见解。

作为法律学者,我们对将这些工具应用于法律研究问题的承诺感到兴奋。在佐治亚州,我们正在与律师和数据科学家并肩工作,建立跨学科研究团队。学生也参与进来,这样我们就可以教育下一代律师在他们自己的实践中利用这些工具。

转变法律任务

假设一家公司想要预测哪些员工投诉导致诉讼。从历史上看,公司可能会指派一个分析师和律师团队来梳理投诉记录,人事档案和法庭文件,寻找一些可能标明诉讼风险的模式。这个艰苦的过程可能需要数月时间,需要一大群人来处理数千页的文本。

将此任务视为数据科学问题可以显着提高速度和效率。算法可以批量提取关键文本并将其组合以进行分析。然后,人类的时间和注意力只会根据相关信息进行训练。将消除劳动密集型搜索过程。

新一代分析工具可以做的不仅仅是减少劳动时间。诸如机器学习之类的技术 - 一种人工智能,其中计算机可以递归地从一组示例中学习,而无需明确编程这样做 - 可以发现超出人工分析范围的新模式。例如,在上面的场景中,算法可能能够预测任何给定的员工投诉是否会导致诉讼。

在我们的实验室,我们正在测试分析工具在广泛的法律问题中的应用。我们分析了美国乔治亚州北部地区法院的所有就业诉讼,以了解哪些案件输赢,并确定案件特征,如法官,律师和可能影响案件最终结果的案件。

例如,我们发现,当主审区法院法官将裁决提交给地方法官进行初步报告和建议时,裁判官的建议是法官最终决定的最强预测因素。这引发了一些有趣的问题,我们正在进一步研究这些问题,关于决策者在解决法律纠纷中的作用。

利用大数据

法律分析已经吸引了律师和研究人员的想象力。在英国最近的一次竞赛中,来自伦敦顶级公司的100名律师与人工智能工具进行了对比,以预测数百起简单金融纠纷的结果。机器人大获全胜,预测86.6%的病例正确,而人类正确预测只有66.3%。该工具正在“学习”一些关于人类失踪的争议,在他们自己的预测游戏中击败律师。

当然,并非所有法律问题都巧妙地减少到一组变量,而且人类行为并不总是遵循可检测的模式。当相关数据集较小时,或者当需要进行分析的文本如此多样且特殊且难以检测模式时,预测工具的效果较差。

进步也会带来危险。关于过去事件的历史数据通常包含偏见和不准确性,这意味着即使是最复杂的计算机代码,当投入垃圾时,也只能产生垃圾回报。例如,保释算法因刑事司法中的种族偏见而受到批评。

如果律师将过多的决策委托给算法,那么我们注定要重复我们的历史模式和错误。例如,针对退休法官或过时判例法案件进行过培训的诉讼预测算法可能会错过新的发展,并建议采取不必要的保守行动。

最后,机器人律师是人类律师的不良替代品。人类判断仍将是法律实践的重要组成部分。当它用于增加从其他系统收集的情报时,会发生什么变化。

新律师需要知道什么

如果法律实践发生变化,那么这意味着法律教育的一部分也必须改变。

一些未来的律师将作为计算机程序员毕业,能够编写作为法律分析工具基础的代码。其他人将成为这些工具产生的结果的知识渊博的消费者,能够批判性地评估产出。我们的机构正在开发分析和法律双学位,以及JD和LL.M.的专业。程式。

我们相信所有的法学院都应该如何教育今天的学生进行未来的实践。无论如何变革,法律分析最终都是一种工具。明天的律师应该准备好利用它的优势,同时也要了解这些优势的终结和人类判断的开始。

发表评论
留言与评论(共有 0 条评论)
   
验证码:

相关文章

推荐文章

'); })();