自动化法律主体的伦理
本文介绍了利用人工智能技术,从司法判决中提取法律指标,通过构建律师和判决的网络图和排名律师的指标来缩小信息不对称和提高公正性,同时还探讨了基于社区特征来表示案件困难程度的度量方式。
Jun, 2020
本文探讨了 AI 和 NLP 领域中的伦理学问题,重点关注了自动化伦理判断的 Delphi 模型,并提出了批判性的观点和如何通过透明度、民主价值观和简单明了的问责机制来推动机器伦理学的发展。
Nov, 2021
人工智能对传统司法行业产生了重大影响。最近,随着 AI 生成内容的发展,人工智能和法律在图像识别、自动文本生成和交互式聊天等领域得到应用。然而,法律领域的大型语言模型的应用仍处于初级阶段。本文对法律领域的大型语言模型进行了全面调查,揭示了它们在司法系统中的应用。同时,我们还讨论了法律领域大型语言模型的实际实施,如为用户提供法律咨询和协助法官审理案件。此外,我们探讨了法律领域大型语言模型的局限性,包括数据、算法和司法实践。最后,我们总结了实际建议并提出了未来发展方向以解决这些挑战。
Nov, 2023
探索认知智能在法律知识中的应用,聚焦于司法人工智能的发展。利用自然语言处理作为核心技术,自动构建司法案例知识图谱的方法,包括实体识别、关系抽取等多项任务,以及在一个交通事故责任纠纷案例研究中的显著优势。
Apr, 2024
本文讨论伦理学问题如何限制 NLP 研究,重点关注数据声明在伦理评估研究中的作用,同时讨论其他科学领域中类似辩论的结果。
May, 2020
对于模拟法律推理和案例论证以支持决策的论文进行了回顾,揭示了传统符号逻辑与 AI 技术,并探讨了在法律自然语言处理方面的最新进展,提出融入专家知识以在符号逻辑和数据驱动方法中保持可拓展性和解释性的可能性,同时识别出挑战和现代自然语言处理模型和方法的潜力。
Jun, 2024
通过使用大型语言模型(LLM)、专家法律系统(即法律决策路径)和贝叶斯网络的方法,本文概述了一种应用于自主汽车方面的方法的原理证明,该方法旨在通过对 AI 代理控制设备的代理软件中编码现有规则,实现人工智能代理理解法律并与之推理的能力。
Mar, 2024
本文介绍了 Legal Artificial Intelligence 的历史,现状和未来方向,并从法律专业人员和自然语言处理研究人员的角度说明了任务,展示了几个代表性的应用程序,在现有工作的优缺点方面进行了深入的分析,探索了可能的未来方向。
Apr, 2020
AI 对法律职业的重新定义缺乏支持性证据,本文研究了 AI 在三类法律任务中的日益普及的角色:信息处理、涉及创造力、推理或判断的任务,以及对未来的预测。我们发现,根据鉴别正确答案的难易程度和与任务相关的信息的可观察性来评估法律应用的易用性存在很大差异。对法律职业将造成最重大变革的任务也最容易过于乐观地评估 AI 的能力,因为它们难以评估。我们提出了在法律背景下更好地评估和应用 AI 的建议。
Jan, 2024