详细内容或原文请订阅后点击阅览
人工智能能让正义更加公正吗？
Shane 与 Benjamin Alarie 一起讨论了人工智能如何重塑法律实践，加速律师的学习和工作，并使法律体系更容易获得。帖子《人工智能能让正义更公正吗？》首先出现在美国企业研究所 - AEI 上。
来源:美国进取研究所信息每一个新班级的法学院学生都面临着比上一届更难的学习曲线，因为法律制度常常会产生不一致的结果。当国会和州立法机构颁布新法律时，律师必须迎头赶上。这些复杂性造成了一个昂贵且通常美国人无法使用的系统。人工智能有潜力通过加速法律专业知识的发展并使法律结果更加可预测来解决这些问题。
Shane 与税法和人工智能领域的法律学者本杰明·阿拉里 (Benjamin Alarie) 一起。本杰明是这场辩论的主要声音，并与塞缪尔·贝歇尔合着了一本新书《超级正义：人工智能时代的法律》。他提出了“法律奇点”的概念，即人工智能的进步最终可以使法律纠纷的结果几乎完全可预测，甚至可能使大部分法律实践自动化。 Ben 也是 Blue J 的联合创始人兼首席执行官，该公司使用最新的大型语言模型和庞大的权威税务内容数据库，为具有挑战性的税务问题提供高质量、源驱动的答案。
下面是我们讨论的经过轻微编辑和删节的记录。您可以在 AEI.org 上收听“向肖恩解释”的本集和其他剧集，并通过您喜欢的收听平台进行订阅。如果您喜欢本集，请给我们留下评论并告诉您的朋友和同事收听。
Shane Tews：法律常常取决于解释、困难的区分和极端情况。人工智能能否使法律结果更加一致和可预测？
本杰明·阿拉里：作为一名法学院学生，我发现让我真正抓狂的一件事是探索法律的边缘案例，以及学生在谈论主要案例时被要求做出的困难区分，法院被要求做出的困难区分。
通常，我会对我们在课堂上讨论的案例的某些方面感到完全困惑。课后我会去找教授说：“好吧，如果事实有点不同怎么办？”教授似乎总是会说：“好吧，这要看情况。”
当然，这一切都取决于。但我们不应该生活在法治之下吗？难道我们不应该知道法律在不同情况下的要求吗？这是一个伪装成深刻答案的薄弱答案。这不应该因为法律有噪音，因为法官之间存在差异，或者对先例的目的有不同的解读而依赖。这应该取决于事实，因为事实取决于。
事实上，法律如此依赖于对过去判例法和成文法解释的解释，这使得它确实非常难以解决。 《国内税收法》本身涵盖了好几卷。然后不要介意所有的判例法和大量成文法的解释。
我认为人工智能可以为提高所有这些材料分析的一致性提供巨大帮助，使我们摆脱一个真正取决于律师质量、代理质量以及法官身份的系统。即使法官尽了最大的善意努力来得出他们能给出的最佳答案，法律的制定方式也存在太多差异。
99.99% 的生活并不是生活在这些边缘情况下。在日常生活中，很多人无法诉诸法律体系，无法获得他们应有权利获得的法律结果。
因此，考虑一下当您将获得极其清晰的法律要求的成本降低一两个或三个数量级时会发生什么，这真的很有趣。这就是我的书《超级正义》所涉及的内容。
对合法人工智能的一个担忧是幻觉。借助 Blue J（您的人工智能税务研究平台），您围绕权威源材料构建了我所说的“围墙花园”。这是如何运作的？
我完全同意使用权威文档来支持您邀请人工智能完成的工作的优势。
在 Blue J，这对于税务专业人员的工作来说非常非常重要。税务专业人士不会容忍幻觉的来源、捏造的案例、《国内税收法》的捏造条款。那根本不会通过要求。
我们所做的是创建一个巨大的信息库。它包括所有立法、联邦税法、州级立法以及来自世界各地司法管辖区的大量国际税务材料。我们还从领先的非营利税务出版商处获得了材料的许可。
当有人进入 Blue J 时，这很像使用 ChatGPT 或 Claude 或 Gemini 等前沿模型之一，但它是专门为税务专业人士提供税务研究答案的。因为我们建立了这个专有的围墙内容花园，所以我们能够在这个大语料库中找到相关材料，并利用这些材料，分析这些材料，并给出针对税务专业人员问题的答案。
大型语言模型通常会简单地编造一些东西。我们称之为幻觉的很多东西都是这些模型所训练的材料中的空白。如果存在差距，大型语言模型就会用他们认为合理的东西来填补知识空白。我们知道税务专业人士不会接受这一点。
因此，我们系统的设计方式是这样说的：“抱歉，我们没有答案。数据库中没有出现该问题的答案。”
有时您还会遇到来源冲突的情况。文档A、B和C有一个答案，文档D、E和F可能提供不同的观点。我们对 Blue J 所做的就是让它承认存在相互冲突的来源这一事实。
我们不希望人工智能系统只选边站。我们希望人工智能系统能够仔细审查 A、B 和 C，审查 D、E 和 F，然后也许会说，考虑到所有因素，似乎更强的观点是 ABC 观点或 DEF 观点，但要正确、公平地对待所有材料，因为它们具有潜在相关性。
一旦得到答案，税务人员要做的非常重要的事情之一就是检查来源的来源。 Blue J 允许您单击任何一个用于告知答案的来源并阅读源文本。您不仅希望信任输出，还希望能够审核它的来源以及这些是否是有效的权威来源。
人工智能现在可以将初级律师曾经花费数天时间的法律研究压缩为几分钟。初级律师过去通过自己从事这项工作获得的培训会发生什么变化？
这是一个价值百万、十亿、万亿美元的问题。我们实际上对下一代法律专业人士、正在经历的税务专业人士做了什么？
我认为一种思考方式是，这些工具在加速该领域新手的学习方面可以发挥非凡作用。
随着时间的推移，这些工具能否帮助律师和法官识别真正的灰色地带，从而使法律本身变得更加清晰？
一个很好的例子是重大的立法变化。新立法通过的那一刻，每个人都是该立法的新手。每个人都想弄清楚，“这对我的客户意味着什么？对《国内税收法》意味着什么？这项新立法的结果是我们应该做哪些新事情？”
在《美丽大法案》通过后，我们看到 Blue J 的使用量出现了前所未有的激增。我们看到的是初级人员、中级人员和高级人员都在利用人工智能来跟上新立法的步伐。快速上手的方法是利用人工智能生成特定的摘要、回答特定的问题，并针对特定类型的客户和特定类型的问题制定策略。
在很多方面，初级人员能够比高级人员更快地利用它。我内心的一部分感叹，当我还是一名法学院学生时，当我第一次遇到如何阅读税收立法并思考不同选择的政策影响以及如何与立法一起阅读判例法时，这些工具是不可用的。作为一种加快速度并挑战自己理解力的方式，这将是非常强大的。
就像我们现在看到越来越年轻的国际象棋神童不断涌现一样。我不认为这是因为我们比以前更聪明。我认为这是因为他们能够利用极快的反馈，并使用国际象棋软件与经过适当校准的人工对手进行比赛，以提高他们的棋力。他们可以得到更多的代表，并找到合适的对手，以正确的方式挑战他们，以提高他们的国际象棋理解力。
我认为同样的事情也适用于那些试图学习这门手艺的人，无论是税法还是其他超技术领域的法律。您可以利用这种技术来加速您的学习和发展。
我认为随着时间的推移我们会看到更加清晰的情况。这是关于随着时间的推移加速法律的趋同。我认为这确实加速了法律的发展。
如果你回顾 200 年前，想想普通法的发展，就会发现它一直在缓慢发展。无论你想考虑合同法、侵权法还是物权法，这都是一个又一个决策的决定。
随着时间的推移，正义的车轮转动得相当缓慢。你会得到新的改进，你会得到一些法律创新，然后你让上诉法院努力解决其影响并尝试界定界限。如果出现电路分裂，我们该如何解决？我们必须等待它去最高法院，等待最高法院决定如何解决这些分歧。
但有了人工智能，整个系统几乎可以实时地更清楚地了解其内部运作情况。这样你就可以加速学习。你不必等待记者在图书馆的书架上更新，然后有人有一个问题并去研究它，阅读它，在提交中引用它，这一切都在发生，但它发生的速度比以往任何时候都快得多。
随着时间的推移，只要我们能够加快对灰色地带的狭窄程度的理解，就会有越来越多的案件得到解决。您将更好地了解灰色区域在哪里。
我们最终将更好地理解不确定性在哪里，这将导致判断更加一致。
我认为在法庭上度过这一天是非常有价值的。
法院实际上被要求做出的裁决将越来越多地涉及真正的规范问题或法院被要求解决的真正的事实不确定性。因为如果不是这样，那么这些案件就会和解，因为没有人愿意投资于失败的案件。
我认为对我来说非常清楚的一件事是，法官将越来越多地利用人工智能工具来完成现有法律的要求。
如果法官正在利用人工智能，即使是私下里，即使他们在写自己的判决，他们作为法官仍然没有放弃自己的责任。他们使用这些工具来帮助加快生产过程。他们仍然需要坚持他们给出的理由。
这与当今上诉法院法官使用书记员的方式没有太大不同。法官要求他们的法律助理进行研究，众所周知，法官经常要求他们的法律助理尝试撰写理由初稿。
我认为，如果法官使用人工智能来帮助进行相同类型的法律研究，尝试提出这些理由，但随后法官会仔细审查这些词语是否抓住了法官对特定案件的想法，并决定拥有它们，并说：“是的，我对这个判决负责，那么情况也是一样的。”
如果法官利用人工智能，我认为我们将看到法庭的工作成果更加一致、更具可预测性，这将使整个法律体系更加可预测、更可靠。
随着人工智能使法律结果更加可预测并在法律决策中发挥更大作用，哪些方面仍然需要人类判断，透明度和问责制应如何发挥作用？
对于许多感觉自己可能被冤枉的诉讼当事人来说，他们希望有一个公共论坛，以便能够表达他们的不满，并说：“这就是发生在我身上的事情。这是错误的。我希望我被冤枉的事情被记录在公共记录中。”
或许他们也在寻求补救办法。但对于许多诉讼当事人来说，他们希望这一点得到承认、承认并至少被听到，即使他们没有得到他们正在寻求的补救措施。
在许多情况下，这对于很多诉讼当事人来说具有真正的价值。如果我的机器人和另一个机器人协商通过，并且另一个机器人承认存在问题，我不知道它是否满足人类以完全相同的方式在公共论坛中得到验证的愿望。我认为不是。
关于透明度，人们会问：“如果法律体系真的依赖这些人工智能算法，我们该怎么办？我们如何使系统透明？”我认为这对超级正义背景下透明度的含义有点误解。
透明度应该意味着：我们有竞争性吗？我们是否有能力解释为什么会出现这样的结果？到底是什么推动了结果？在法律上，特定情况的结果必须有什么不同才能有所不同？
如果系统能够解释，“这些是基于此处证据的事实调查结果。这是对所发生事件的叙述。这些是系统发现的事实。这是适当的法律结果。如果事实不是这样，那么由于这些其他原因，结果就会有所不同。”
还必须具备向上级法院上诉的能力。它必须既在法律上具有争议性，又必须是可解释的并且能够被测试。
如果我们的系统能够以这种方式自我解释，那么我认为我们就拥有了法律系统所需的所有透明度。它甚至比我们现行的司法决策体系还要负责任。当事人不能对判决提出问题，也不能找出什么地方会有所不同才会导致结果不同。但这些人工智能系统将能够就此类事情进行对话。
在 Blue J，作为一个税务研究平台，我们非常依赖用户的专业责任。 Blue J 面向税务律师和税务会计师，他们本身有专业义务仔细检查 Blue J 的分析。他们还有责任支持自己的工作，并对为客户提供的指导负责。
因此，我们为税务人员做这两件事。我们提供的系统显然比传统的基于纸质或基于搜索的方法更快、更好地获得税务研究答案。但我们也会向他们提供背景资料，让他们确信这是正确的答案。
我看到许多 Blue J 的顶级用户采取的一个非常有力的举措是提出问题，得到答案，然后说一些类似的话，“好吧，现在对为什么情况并非如此进行最有力的分析”，或者“提出国税局可能提出的最有力的论据，以抵制您所采取的这一论点或立场。”
使用人工智能作为对手，或者在对抗性法律系统已经邀请的一些来回中进行构建，是真正理解立场或案件边界的工具。我发现它确实使我自己的思维更加敏锐。
如果我必须选择一个最喜欢的提示，那将是对抗性提示：“告诉我这怎么可能是错误的。”
一个阿谀奉承的人工智能让我发疯。我真的、真的不喜欢那样。我想要一个能够挑战我、至关重要的工具。但我更尊重它，因为我遵循了这些指示。这正是我想要的。