详细内容或原文请订阅后点击阅览
多语言法律人工智能需要数据，而不仅仅是更好的模型
作者：Michael Krallmann，TransLegal 首席执行官。对于法律技术界来说，跨司法管辖区的含义引发了风险、责任和信任问题。功能日益强大的模型，包裹着复杂的......
来源:Artificial Lawyer作者：Michael Krallmann，TransLegal 首席执行官。
对于法律科技界来说，跨司法管辖区的含义引发了风险、责任和信任问题。能力越来越强的车型，包裹着精良的产品，在跨界环境下仍然会遭遇失败。虽然本能反应是寻找更好的模型，但真正的限制在其他地方。
仅有更好的模型是不够的
多语言法律AI不会因为模型不够强大而失败。它失败了，因为他们无法访问显示法律概念如何跨系统实际运作的数据。法律意义不是普遍的，是文化、宗教、历史、教义、程序和制度发展的产物。如果没有结构化地接触司法环境和差异，即使是最强大的模型也会默认在其训练数据中占主导地位。
普遍的信念似乎是规模和概括将解决管辖权差异，拥有足够的文本将使模型能够推断出必要的区别。然而，在实践中，许多最重要的差异是微妙的、记录不足的或通过实践而不是明确的定义来表达的。换句话说，它们需要解释，而不是模式匹配。
准确数据作为法律基础设施
如果处理得当，比较法分析不仅仅是一种释义练习。相反，它确定了目的、范围、法律效力和限制，承认部分等同和不等同，尤其是明确指出了明显正确的翻译在哪里出现问题。由于此类数据不会自动从大型语料库中产生，因此必须刻意创建它们。
这种数据构建很少在商业环境中进行，因为它缓慢、昂贵且难以扩展。然而，正是这些数据决定了人工智能系统在多语言法律环境中是否可信。
降低风险并获取真正价值
寻求解决方案
–