[论文解读] Authorized and Unauthorized Practices of Law: The Role of Autonomous Levels of AI Legal Reasoning

Lance B. Eliot|arXiv (Cornell University)|Aug 19, 2020

Artificial Intelligence in Law参考文献 32被引用 5

一句话总结

本文提出了一种基于人工智能法律推理（AILR）自主层级的框架，以澄清在人工智能驱动的法律应用背景下，授权法律实践（APL）与非授权法律实践（UPL）之间的界限。通过分析人工智能系统在不同法律推理自主层级上的表现，该研究提供了一个结构化的评估网格，用以判断人工智能使用何时跨越至非授权法律实践的范畴，为法律监管和法律领域中人工智能的伦理化部署提供了切实可行的见解。

ABSTRACT

Advances in Artificial Intelligence (AI) and Machine Learning (ML) that are being applied to legal efforts have raised controversial questions about the existent restrictions imposed on the practice-of-law. Generally, the legal field has sought to define Authorized Practices of Law (APL) versus Unauthorized Practices of Law (UPL), though the boundaries are at times amorphous and some contend capricious and self-serving, rather than being devised holistically for the benefit of society all told. A missing ingredient in these arguments is the realization that impending legal profession disruptions due to AI can be more robustly discerned by examining the matter through the lens of a framework utilizing the autonomous levels of AI Legal Reasoning (AILR). This paper explores a newly derived instrumental grid depicting the key characteristics underlying APL and UPL as they apply to the AILR autonomous levels and offers key insights for the furtherance of these crucial practice-of-law debates.

研究动机与目标

• 解决在人工智能和机器学习推动法律服务发展的背景下，关于授权法律实践（APL）与非授权法律实践（UPL）定义模糊和争议不断的问题。
• 开发一种基于人工智能法律推理（AILR）自主层级的结构化框架，作为评估人工智能系统何时进入非授权法律实践的视角。
• 通过基于可测量的人工智能自主性与推理水平的决策基础，为人工智能在法律领域的监管提供更全面且不易主观随意的依据。
• 为法律专业人士、监管机构和人工智能开发者提供关于人工智能在法律推理与服务交付中伦理与法律边界的实用见解。
• 通过引入基于人工智能自主性层级的标准化、工具性推导的评估网格，减少对 UPL 的自我服务性或不一致解释。

提出的方法

• 本文提出一种新颖的框架，将人工智能法律推理（AILR）划分为从基础数据处理到完全法律推理自主性的不同自主层级。
• 将每个 AILR 层级映射到相应的法律任务，识别此类人工智能参与可能构成 APL 或 UPL 的情形。
• 该框架使用基于网格的分析工具，评估法律推理自主性的程度及其对监管合规性的含义。
• 研究借鉴现有法律原则和监管先例，将 AILR 层级与现实世界中的法律实践边界相契合。
• 通过比较分析，识别人工智能行为与传统人类法律实践之间的重叠与差异。
• 该方法强调了采用分层、可扩展的法律监管方法的必要性，以随人工智能能力的发展而演进。

实验结果

研究问题

• RQ1 在何种人工智能自主性水平上，系统法律推理的边界会从授权实践跨越至非授权实践？
• RQ2 如何利用人工智能法律推理（AILR）自主层级的标准化框架，客观评估人工智能驱动法律服务的合法性？
• RQ3 为何当前 APL 与 UPL 的定义仍保持模糊且可能具有自我服务性？人工智能自主性层级如何解决这一问题？
• RQ4 在不同自主性层级上，区分授权与非授权人工智能法律推理的关键特征是什么？
• RQ5 监管机构和法律专业人士如何利用 AILR 框架，就人工智能在法律中的应用做出一致且合乎伦理的决策？

主要发现

• 该框架成功地将人工智能法律推理映射到不同的自主层级，实现了 APL 与 UPL 更清晰的区分。
• 在较高自主性法律推理层级运行的人工智能系统，更可能跨越至非授权法律实践的范畴，尤其是在作出具有约束力的法律判断时。
• 研究发现，当前的 UPL 规定往往缺乏一致性，且未能充分考虑人工智能自主性的不同层次，导致监管上的模糊性。
• AILR 评估网格为法律专业人士和监管机构提供了一种实用的、基于工具推导的合规评估工具，避免依赖主观解读。
• 本文表明，基于自主性层级的分层人工智能监管方法可有效降低法律与伦理风险，从而在法律领域中更安全地部署人工智能。
• 该框架揭示，即使自主性有限的人工智能系统，若其作出具有法律后果的建议，也可能无意中执行非授权法律任务。