菠菜平台-十大菠菜平台

学院新闻

6 月 17 日，由菠菜平台高瓴人工智能学院、智能社会治理跨学科交织平台和基于大数据文科综合训练国家级虚拟仿真实验教学中心联合主办的第二次智慧司法研究与应用研讨会在我校召开。

来自最高人民法院、最高人民检察院的相关领导，以及我校生长计划随处长杨东教授、高瓴人工智能学院执行院长文继荣教授加入致辞。与会专家有清华大学盘算机科学与技术系刘奕群教授、大连理工大学盘算机学院孙媛媛教授、中科院自动化研究所刘康研究员、菠菜平台法学院张吉豫副教授、北京大学王选盘算机研究所冯岩松副教授、北京科技大学文法学院张凌寒副教授、菠菜平台数学科学研究院龚新奇教授、文学院卢达威助理教授、公共治理学院梁海伦助理教授，清华大学盘算机科学与技术系的吴玥悦博士后研究员，以及菠菜平台高瓴人工智能学院副院长窦志成教授、准聘助理教授沈蔚然、博士后研究员张骁等。聚会会议由高瓴人工智能学院准聘助理教授周骁主持。

研讨会上，清华大学刘奕群教授分享了题为“面向司法果真的智能信息获取技术”的陈诉，介绍了清华大学在面向司法果真的智能信息获取技术的事情。他体现，随着我国司法信息化和智能化相关技术的推进，中国实际上已建成了全球最大规模的司法信息果真的数据资源，这提供了一个很是好的技术与司法服务生长机缘，希望下一步能把这个数据资源利用好，将技术前沿应用到司刑场景中，加速推进包罗司法人工智能在内的科研进展。智能信息获取是其团队选取的一个重要技术切入点。

陈诉首先从执法信息智能获取的痛点和挑战展开。司法果真信息的智能获取面临着两方面的迫切需求，一方面来自于司法实务，另外一方面是政策指引。从司法实务的角度来讲，无论是执法事情者照旧普通社会民众都有能够顺利会见司法数据的需求。而从政策上来讲，最高法出台了一系列关于推进司法果真的指导意见，这就要求每位执法事情者在日常事情中进行司法的智能信息获取。

关于这一要求带来的挑战，刘奕群教授将其归纳综合成两方面，一方面是用户身份的异质化，另一方面是司法数据的异构化。用户身份的异质化，最主要的原因来自于获取司法信息的用户，他们的知识配景和对于司刑场景的理解千差万别。这其中既有执法专家和法官、检察官，也有社会民众，种种群体对同样文字内容的理解水平可能大相径庭。第二个是司法数据的异构化，司法果真数据中存在着无结构化、半结构化和结构化的种种内容，如何从其中提取有价值的知识供应给用户是需要考虑的问题。

从应用角度来讲，用户需求如此迫切，且信息资源也很富厚的情况下，执法信息的智能获取效果仍难以尽如人意。一是“类而无用”，也就是检索出的内容尽管文底细似度极高，但对用户价值并不大；二是“千人一面”，即在用户高度异质化的前提下，差异用户搜索出的内容却高度一致，这需要越发合理的技术建模，使传统信息检索系统具有个性化、多样化搜索能力；三是信息获取历程缺乏准确的反馈和性能评价。

针对以上问题，刘奕群教授及其团队开展了一系列探索，包罗通过大量相关性分析、相似度盘算以及多样性挖掘，来实验增加对司法数据自己的理解，并主动提取案由，以标签形式泛起给用户，以段落级别处置惩罚取代相似度盘算等，以此提高个性化检索。

刘奕群教授指出，差异用户的阅读速度和注意力关注点等都是有差异的，他们开展了大量的用户行为差异分析和用户意图表达分析，并将用户在互联网搜索中构建出的模型迁移到执法信息搜索中，希望能够构建出一个更合理的切合类案检索行为的用户模型，并已取得了国际认可的一些结果。同时，还构建了第一其中文大规模的多样性类案检索数据集。刘奕群教授还对对话式交互在类案检索中的应用进行了探讨，重点试图解决的是对话式交互到底能不能协助用户更好的查找信息的问题，特别是在类案检索的任务中。团队所做的实验是让专家来饰演机械人，去跟一些司法类案检索的用户去进行交互，把完整的交互历程纪录下来，不仅仅是纪录两人的交互，更重要的是纪录专家是如何去查找信息的历程，之后进一步把专家的行为作为机械的一个参考。

陈诉最后，刘奕群教授也介绍了对未来的研究计划。他指出，司法果真信息智能获取是贯彻“司法为民”理念的很是重要的一个平台。未来的智能获取应当是可体现、可理解、可解释的，同时对用户来讲，它应该是一个探索式、自学习，能够促进用户自己对于执法知识有更多认知的历程，能够提供高效、准确，且越发宁静的服务的平台。他们将着力设计一个以搜索引擎和推荐系统为焦点的司法果真信息智能集成平台，试图通过人工智能技术进一步推进司法信息获取的生长，让“车之两轮”越发行稳致远，让“鸟之双翼”能够展翅高飞。

来自大连理工大学信息检索研究室的孙媛媛教授分享了题为“信息抽取技术在司法业务中应用探索”的陈诉。

孙媛媛教授首先介绍了其课题组所做的事情，包罗基于判决书、起诉书、执法条文、电子卷宗中的言辞证据等海量文本数据，用自然语言处置惩罚技术对其进行案件信息抽取和知识图谱构建；以及通过控辩焦点识别等焦点算法研究来对智能辅助判案中做诸如智能阅卷、案情辅助研判的技术支撑。

她的陈诉主要围绕案件信息抽取任务。针对嵌套实体体量巨大、司法案情细节易失问题，孙媛媛教授团队做了基于阅读理解的嵌套命名实体识此外实验。她体现，这是一个具体且基础的任务，以偷窃罪的命名实体识别为例，它实际上是有四种嵌套关系，包罗人和物品、组织和所在、物品和物品，以及人与所在的嵌套。此外在面向办案人员的时候，实体信息就是关于案件的种种要害信息，包罗时间、所在、人物、涉案工等等。通过设定十类问题模板，使用阅读理解模型来解决，总体来说取得较好的嵌套实体识别效果。

此外，面向句法依存利用不足、高阶近似开销巨大的研究问题，他们开展了基于图神经网络的二元关系抽取；针对处置惩罚多罪名案件情境下的实体关系抽取任务，以及差异罪名的执法文书中涉及到的案情内容差异，对应于细粒度的涉案实体及其关系标签也有所差异等研究问题，团队也开展了基于多任务学习的多罪名实体关系抽取。

在该研究的工业应用方面，孙教授介绍了电子卷宗智能辅助分析系统。孙教授称，该系统基于非结构化的司法业务文本，能够自动抽取比力规范的执法文书中包罗的要害信息，同时也能提取电子卷宗询问/询问笔录中涉及犯罪嫌疑人、受害人、证人等的言词证据，对办案人员起到快速阅卷和厘清案情的作用。另外另有辅助文本生成的任务，可以辅助生成审查陈诉，减轻检察官事情量，且该系统已在最高检信息中心和辽宁省检察院进行了示范应用部署。

在谈到展望时，孙教授称，期望通过连续增强基础性研究、模型可解释性研究，探索人机协同运作模式等方式，将多维度实时抽取、漫衍式盘算知识图谱、证据关联分析、自动摘要和文本生成等焦点的算法技术真正应用到司法的全业务全链条中，包罗起诉、审判等各个环节，资助司法人员提高效率。

北京科技大学文法学院张凌寒副教授的陈诉主要聚焦在智慧司法当中的技术垄断隐忧与应对。她提出，在推进智慧司法历程中，应保证当事人能够审核和实质加入司法历程，同时，算法系统的正当性、稳定性和准确性也应进行充实的评估和果真，多一些事前审查。

在陈诉中，张凌寒副教授体现，智慧司法研究存在三个难题。第一个难题是技术公司的垄断和服务是否会违背权利专属原则，也就是司法权力外包给私营技术公司是否具有正当性是存疑的。第二个问问题是监视难题，即在司法体系中是否存在通用的判断法式和尺度。第三个问题追责难题，也就是责任链条分配的困境。在多方协作的情况下，如何分配算法开发者、供应商和机械之间的责任，是需要考虑的问题。

针对以上三个问题，她提出了三点应对措施。首先，司法果真是否可以扩展到算法决策的解释和果真。其次，由于现在许多智慧司法和企业之间的相助是以招投标或者是技术委托的形式相助的，在这种招投标和委托之前，是否可以把评估尺度规模扩大一点，将评估系统作为事前民众加入和事后监视的措施。第三，针对如何分配责任，张凌寒称，需要在算法的设计开发部署和应用历程中，去设置一些牢固的问责点，并要求设计开发者去做一些相关解释事情。

来自北京大学王选盘算机研究所的冯岩松副教授做了题为面向执法文本的自然语言理解的主题陈诉。

冯岩松的陈诉主要聚焦在自然语言处置惩罚在司法领域的应用。他介绍了近年来海内外学术界围绕执法文书开展的信息抽取、文本生成、焦点分析以及辅助决策等方面的研究进展，并介绍了面对语言表述差异性、文本类型差异等问题所做的一些针对性的实验，例如运用执法知识对法条进行细粒度体现以及对执法文书中的论辩结构进行解析等。

最后，冯岩松副教授介绍了其团队在海事海商这一特定领域所做的研究。由于海事海商案件类型多样、涉及领域广、数据规模有限，且事实经过庞大等等因素，需要研究人员熟悉业务流程，从典型案由中拆解出基本业务模式和要害信息点，结合深度学习模型进行要害信息抽取，设计争议焦点检测要领和语义匹配要领，以实现细粒度类案或相关执法资源检索。

陈诉最后，冯岩松副教授体现，尽管在智慧司法领域已有许多深度学习模型的支持，可以实现差异类型的文天职类和生成，但实际上现有模型对于文本的理解仍然停留在比力开端的阶段，下一步仍然需要更进一步的注入执法知识，针对执法文本理解的焦点问题深入研究和探讨。

中国科学院自动化研究所模式识别国家重点实验室研究员、博士生导师刘康老师首先介绍了他和团队从 2018 年起开展的“面向案件审判执行全流程的智能问答技术与平台”课题研究进展。研究项目重点是面向案件审判历程中差异角色（当事人、法官等）、差异场景下的问答技术，包罗类案检索、法条问答、卷宗问答等。

他的陈诉从项目配景与业务分析、司法问答技术研究进展、司法问答系统研发进展几个部门展开。刘康体现，司法问答面向两类人群：一类是当事人，他们在寻求司法资助时会有许多除司法领域之外的其他场景的信息需求；另一类是司法机构从业人员，他们在审理的历程中会需要如类案检索、执法条文适配等服务。案件审理的历程中往往分为三个阶段，立案、审判和执行，在差异的场景下所涉及的数据是差异的，因此司法问允许接纳差异的技术来处置惩罚差异场景下的问题。具体而言，所涉及的问答技术包罗了 FAQ 式问答、检索式问答、知识库问答、多轮交互式问答和阅读理解式问答等。

之后，他从开发框架、整体架构、焦点功效、数据挖掘、法官阅案、当事人问答、性能优化、终端开发等方面详解介绍了该系统的研发情况。最后，刘康研究员也向与会专家展现了多终端部署的项目结果与应用示范。

菠菜平台未来法治研究院执行院长、法学院张吉豫副教授的陈诉主题为“智能社会著作权的算法实施与规制”。她指出，在著作权领域，特别是网络空间的著作权侵权纠纷案件层出不穷，司法掩护面临着“案多人少”的困境。例如谷歌 2020 年透明度陈诉中披露，已经要求移除的网络侵权网址数凌驾了 46 亿，北京互联网法院建设以来所处置惩罚的著作权相关案件也凌驾了 2 万多件。因此可想而知，如果没有一定的智能技术在平台中进行解决的话，是不行能完成这样庞大的任务量的。在此配景下，人工智能技术已经广泛应用在了包罗文字、图片、音乐、影视等种种作品的侵权检测实践中。与此同时，由于互联网法院的建设提高了司法诉讼效率和便利度，有效革新了司法成本，一些已往无需进入司法法式的边际性案件也更多地流入了司法法式，导致司法诉讼压力并未获得有效改善。在社会高速生长的状况下，如何提高司法解释和执法适用性，成为知识产权领域司法革新的一大重点。

张吉豫副教授认为，利用技术对案件进行繁简分流可以一定水平上解决这一问题。除了为司法部门提供智能检测工具外，也应更多考虑在源头阶段就引导进行多元化纠纷解决。对此，她介绍了从平台自发接纳侵权检测算法、司法裁判对平台责任加重、立法确立新原则这三个维度，激励网络空间中著作权的算法实施机制和规制创新与生长的对策建议。

平台自发处置惩罚侵权问题方面，比力典型的有 YouTube 的做法，即著作权人可以提供他们希望受掩护作品的参考文件，加入到数据库中，平台将对相应用户上传的文件进行比对，基于比对的结果，可以考虑是否可以许可使用并获得广告分成等一些方式，去尽量获得世界规模内的相助共赢的一种局面；司法裁判对平台责任加重方面，她以韩寒诉百度一案为案例，介绍了由此生长出的司法解释调整；立法确立新原则方面，张吉豫副教授介绍了自动化侵犯著作权内容过滤算法应用的主要问题，和算规则制路径中的几种考量和配套机制。她认为，应从风险级别、用户权利、民众监视三个维度来综合考量，其规制机制应以信息的正当高效流通原则，算法权力与公权力、私权利平衡原则，共享经济、新零工经济的“助推型”治理理念，“共建共治共享”的社会治理理念等智能社会的法理信念为指引，构建用户与平台之间新的利益平衡机制、逾越“过滤义务”的多元共治机制、著作权状态及归属的公信认证机制、争端解决的“在线合议”机制。

陈诉最后，张吉豫副教授总结称，著作权领域执法的算法实施较早地开始实践，为相关研究提供了一个有益的视察视角。这种执法与技术协同治理、司法与社会多方相助的新探索，将为智能社会治理理念的实现路径提供有益的示例。

菠菜平台高瓴人工智能学院张骁博士后研究员的陈诉主题是“智能社会治理算法设计的风险及应对”的。他体现，以人工智能算法为工具的智能社会治理模式已成为我国社会的生长趋势。一方面，人工智能算法有效提升了社会治理与公共服务的效能。好比在疫情防控期间，人工智能算法对病例追踪，疫情分析方面起到了很大作用。此外，在保障改善民生，媒体融合生长等方面，人工智能算法也有着十分广泛的应用。

另一方面，由于人工智能算法自己并纷歧定是针对社会治理的场景，所以目标的偏差，也会使得算法在实际使用中面临一些风险与挑战。总体来说，人工智能算法通过机械学习要领挖掘差异场景下的感知与决策战略，在运用算法极大提高社会运行效率的同时，算法偏差也会带来新的社会治理风险与挑战。

张骁博士后研究员从机械学习算法的界说和本源出发，从数据和归纳偏置两个角度，分析了人工智能算法在智能社会治理中面临的风险及挑战性问题，并围绕隐私性、公正性和可解释性三方面探讨了智能社会治理中算法设计的局限，并提出了增强人工智能算法在社会治理中抗风险能力的一些潜在对策与建议，包罗使用联邦学习、差分隐私、目标导向等技术战略，来针对性地规避相应风险。最后，他以类案推送的可解释性和信息推荐中的数据缺失两个应用案例，介绍了归纳偏置诱导的人工智能算法设计方案。张骁建议，今后在设盘算法时能从 AI 算法设计本源出发，结合政策引导，在差异领域中做一些约束，以解决未来社会治理将碰面临的种种挑战，实现我们人民大学提出的建设一个“智能而有温度”社会的目标。

菠菜平台高瓴人工智能学院副院长窦志成教授围绕“司法人工智能的数据驱动”做了陈诉。窦志成教授体现，当下许多研究人员都在开展人工智能与司法的交织研究，并碰撞出了不小的火花，证明了这是一个值得我们探索的偏向。其原因我想得益于三个方面，一是具有可行性。司法实践应用中的一些流程是尺度化的，可以针对特定问题去设计特定的算法来解决；二是有效性。在尺度可行的前提下，人工智能技术要发挥作用就应该考虑增量是否有效，也就是算法精度的提高是否会对司法实践发生比力大的影响。这背后我们做过许多小样本问题研究的努力，认为在数据更多的条件下是可以有更多革新的；第三就是司法业务拥有强大的用户基础，这一领域的科研进展是能够为事情人员和老黎民带来便利的。

之后，在介绍研究结果时，窦志成教授列举了三个相助课题为例，并详细介绍了应用背后的研究难点和攻克进展。包罗与检察院辖档酮合开展的从互联网中发现公益诉讼线索的研究、基于大量历史判例对肖像权量刑所做的训练模型，以及在司法专项支持下通过微博渠道梳理《中华人民共和国民法典》的法条适用性问题等。

窦志成教授认为，司法领域与人工智能的交织融合面临两方面机缘和挑战：一方面，司法领域是人工智能技术可以充实发挥优势的重要偏向之一，已开拓的应用十分广泛，包罗人脸识别，卷宗识别，辅助治罪量刑，类案检索等等，对实际业务有很大资助；另一方面，随着人工智能技术的生长，也会给社会带来新的挑战，例如隐私掩护，道德伦理规制，算法治理等等，这些问题迫切需要司法领域来为智能时代与智能社会保驾护航。两方面课题都是我们在座列位同仁已经开展，并需要继续增强研究的领域。

陈诉最后，窦志成教授强调了数据基础的重要性。人工智能研究是基于数据驱动的，这一技术需要有大量的数据来支撑，才气训练出有效的模型，官方推进的数据果真极大地促进了人工智能在司法中的应用。虽然，我们也应看到，现有研究只是在一定水平上解决了一些问题，但实际上还存在尚未能突破业务环节的数据障碍和流程障碍等问题，仍然停留在电子化阶段，智慧化的应用还在起步阶段。同时，跨领域和跨专业相助依然面临许多挑战，差异领域的技术和知识如何有效地组合，是今后需要讨论和重点关注的问题。