AI + 法律 + 区块链：让人人都有律师用

作者： Spike @ Contributor of PermaDAO

审阅： Lemon @ Contributor of PermaDAO

和以往的技术发明不同，AI 的发展正在快速改变人类的日常生活，从工业机器人到各类 Chat Bot，无论虚实，都是 AI 席卷之处。

本轮 AI 的最大特点是 LLM （大模型）和 GAN（生成式对抗技术），大模型特点直如其名，突出参数量和训练数据之大，二者共同构成了 LLM 面对复杂问题的快刀斩乱麻之道，如果不能培养出各个行业都精通的专家，那就把所有行业的资料都背会。

GAN 指的是不断的微调模型的表现，通过奖对惩错机制来提高模型的精度，这样的思路并不足以解决全部的问题，但足以解决大部分问题。

当然，AI 的发展也不是一成不变，现存主要两个思路：

1. 继续 All in LLM，希望培养出全人类的第二知识库，希望以此培育出硅基”智能“体，代替人类进行思考；
2. 培育专精各领域的小模型，从各类优化方法入手，减轻大模型需要的参数量和训练资源，并且争取在某一特定领域取得更强的经济效益。

从目前的实践来看，两者皆有所长，但主要还是以 LLM 为主，原因在于 LLM 主要以文本数据输入和输出为主，相较于复杂的图片、音视频等数据格式更易于训练和应用。

1.1 AI 大模型（LLM）全解

AI大模型是指具有大规模参数和复杂结构的人工智能模型。它们通常由数十亿个参数组成，可以处理大量的数据和复杂的任务。这些模型通过深度学习算法进行训练，能够自动从数据中学习并进行预测、分类、生成等任务。

AI大模型的定义可以从以下几个方面来理解：

1. 参数规模：AI 大模型通常具有数十亿个参数，这使得它们能够对复杂的数据进行更准确的建模和预测。这些参数可以通过训练数据进行学习，并根据任务的需求进行调整和优化。
2. 复杂结构：AI大模型的结构通常由多个层次和模块组成，可以处理不同类型的输入数据，并在不同的层次上进行特征提取和表示学习。这些结构可以通过深度学习算法进行训练，以提高模型的性能和泛化能力。
3. 应用领域：AI大模型在各个领域都有广泛的应用，包括自然语言处理、计算机视觉、语音识别等。它们可以用于机器翻译、图像分类、语音生成等任务，为人们提供更智能、高效的解决方案。

以目前比较主流的大模型为例，GPT3 的参数量在 1750 亿个，GPT4 的参数量在万亿级别，国内主流的大模型，如百度的文心一言，参数量在 2600 亿左右，阿里的“通义千问”自称达到 10 万亿的级别。

虽然参数量不能直接等同于模型计算能力，但是二者的正相关性是得到业内公认的，因为大模型的参数军备竞赛还将持续相当长的一段时间。

通常而言，AI 大模型具有以下几个问题，甚至在阻碍 LLM 进一步扩展应用场景，类似于边际效用递减，在过度提升参数之后，得到的效果并不会同步提升，GPT-4 的万亿级已经目前的极限。

• 过度复杂：AI 大模型通常由数百万甚至数十亿个参数组成，具有非常复杂的结构和功能，这些模型可以处理大量的输入数据，但是如何修改具体参数以取得更好的优化效果却难以量化，只能凭借“调整参数”，俗称炼丹的实践行为来进行。
• 需要海量数据：虽然可以通过大规模的训练数据进行训练，从而不断提高 LLM 性能和准确度，但是人类目前的文本数据已经无法满足 LLM 的需求，更广泛的非数值型数据也需要被纳入考虑，而其训练较为困难。
• 通用化之路漫长：虽然 LLM 可用于多个领域，包括自然语言处理、图像识别、语音识别等，但是通用化的大模型仍未出炉，即使是 GPT-4，也无法在全部领域取得最优成绩；
• 资源消耗大：由于 AI 大模型的复杂性和规模，它们通常需要大量的计算资源来进行训练和推理。这包括高性能的计算设备、大规模的存储空间以及高速的网络连接。
• 隐私和安全性挑战：AI 大模型通常需要处理大量的敏感数据，如个人信息、商业机密等。因此，保护数据的隐私和确保模型的安全性成为了重要的挑战。
• 可解释性问题：AI 大模型的决策过程通常非常复杂，难以被人类理解和解释。这给模型的可信度和可靠性带来了一定的挑战，需要进一步研究和探索。

基于此，AI 的 LLM 时代并不是终局，而是新的开始，如何利用 LLM 的优势，并且解决或者规避以上问题便成为重中之重。

AI 简史：大模型胜出之前

目前，AI 大模型是最为知名的人工智能范式，但是从其发展史而言，也经历了多次的变革和沉淀，比如 Tansfomer 是目前所有 GPT 类应用的前提，鉴于此，稍微回顾下期发展史，便十分必要。

2.1 基于模型结构的分类

1. 卷积神经网络（Convolutional Neural Network，CNN）：卷积神经网络是一种常用的神经网络结构，主要用于处理图像和视频数据。它通过多层卷积和池化操作来提取图像中的特征，并通过全连接层进行分类。
2. 循环神经网络（Recurrent Neural Network，RNN）：循环神经网络是一种能够处理序列数据的神经网络结构。它通过在网络中引入循环连接，使得网络可以保持对过去信息的记忆，从而能够有效地处理序列数据，如自然语言处理和语音识别等任务。
3. 生成对抗网络（Generative Adversarial Network，GAN）：生成对抗网络由生成器和判别器两个网络组成，通过对抗训练的方式来生成逼真的数据。生成器网络负责生成数据，而判别器网络负责判断生成的数据是否真实。通过不断的对抗训练，生成器网络可以逐渐提高生成数据的质量。
4. Transformer：变换器是一种用于处理序列数据的神经网络结构，主要用于自然语言处理任务。它通过多层自注意力机制来捕捉序列中的依赖关系，并通过前馈神经网络进行特征的提取和分类。
5. 图神经网络（Graph Neural Network，GNN）：图神经网络是一种用于处理图数据的神经网络结构。它通过对节点和边进行特征的聚合和更新，从而能够有效地处理图数据，如社交网络分析和推荐系统等任务。

2.2 基于训练方式的分类

1. 监督学习：监督学习是一种通过给定输入和对应的输出数据来训练模型的方法。在监督学习中，模型通过学习输入和输出之间的关系来进行预测。常见的监督学习算法包括线性回归、逻辑回归、决策树和神经网络等。例如，在金融行业中，可以使用监督学习来预测股票价格或者判断客户是否会违约。
2. 无监督学习：无监督学习是一种在没有标记数据的情况下训练模型的方法。在无监督学习中，模型通过发现数据中的模式和结构来进行学习。常见的无监督学习算法包括聚类、降维和关联规则等。例如，在金融行业中，可以使用无监督学习来对客户进行分群分析或者发现异常交易。
3. 半监督学习：半监督学习是一种介于监督学习和无监督学习之间的训练方式。在半监督学习中，模型同时使用有标记和无标记的数据进行训练。有标记的数据用于指导模型学习，无标记的数据用于发现数据的结构和模式。半监督学习在金融行业中的应用包括信用评分和欺诈检测等。
4. 强化学习：强化学习是一种通过试错的方式来训练模型的方法。在强化学习中，模型通过与环境进行交互，根据反馈信号来调整自己的行为。强化学习在金融行业中的应用包括股票交易和风险管理等。

如果简要划分 AI 发展的代际和流派，那么则可大致划分为以下四个时代，其中 LLM 是深度学习的最新发展，是深度学习的子集。

1. 符号主义时代：20世纪50年代到70年代，符号主义是机器学习的主导思想。这个时期的机器学习算法主要基于人类专家的知识和规则，通过编程将这些知识和规则转化为计算机可以理解的形式。然而，这种方法在处理复杂和模糊的问题上存在局限性。
2. 连接主义时代：20世纪80年代到90年代，连接主义成为机器学习的新兴思想。连接主义通过模拟神经网络的方式，将机器学习问题转化为权重调整的问题。这种方法能够处理更复杂的问题，并且能够从数据中学习到模式和规律。
3. 统计学习时代：20世纪90年代到2000年代，统计学习成为机器学习的主流。统计学习通过建立概率模型，利用统计方法来进行模型参数的估计和预测。这种方法在处理大规模数据和复杂问题上具有很大的优势，例如支持向量机和随机森林等算法。
4. 深度学习时代：21世纪以来，深度学习成为机器学习的热门领域。深度学习通过构建深层神经网络，利用大量的数据进行训练和学习。深度学习在图像识别、自然语言处理和语音识别等领域取得了重大突破，使得机器学习在实际应用中更加广泛。

大模型 2.0：微调 VS 瘦身

以特定领域为例，其和 AI 的结合早已有之，在20世纪70年代，专家系统开始兴起，并在一些特定领域取得了显著的成就。其中一个著名的例子是 MYCIN 系统，它是一个用于诊断细菌感染的专家系统。MYCIN 系统通过将医学专家的知识转化为规则和推理机制，能够准确地诊断出细菌感染，并给出相应的治疗建议。这一成就引起了广泛的关注和研究，促进了专家系统在医学、工程、金融等领域的应用。然而，由于专家系统的知识表示和推理机制的局限性，以及对领域专家知识的依赖，专家系统在实际应用中也暴露出一些问题。尽管如此，专家系统的兴起为弱人工智能的发展奠定了基础，为后续的人工智能技术提供了宝贵的经验和启示。

具体到法律领域，其直接相关是自然语言处理（NLP），指的是通过计算机将人类语言进行编码、解码，转化为机器指令，并进行对应分析的过程。法律文本和一般文本差别较大，其行文格式严谨，用词精准，并且具备高度的模式化和固定风格，因此较为容易被机器所掌握和分析。

NLP 的应用非常广泛，涵盖了很多领域。下面是一些常见的自然语言处理应用示例：

1. 信息提取（Information Extraction）：从大量的文本中提取出有用的信息，如从新闻文章中提取出人名、地名、时间等信息。
2. 文本分类（Text Classification）：将文本按照预定义的类别进行分类，如将电子邮件分类为垃圾邮件或非垃圾邮件。
3. 机器翻译（Machine Translation）：将一种语言的文本自动翻译成另一种语言的文本，如将英语翻译成中文。
4. 情感分析（Sentiment Analysis）：分析文本中的情感倾向，判断其是正面的、负面的还是中性的。
5. 问答系统（Question Answering）：根据用户提出的问题，从大量的文本中找到最相关的答案并返回给用户。
6. 文本生成（Text Generation）：根据给定的上下文生成新的文本，如根据一段文字生成新闻报道。

而根据 OpenAI 的论文，大部分法律工作者的工作都可被 AI 所取代，无论是标准化的司法类考试，还是案例检索和文书写作，AI 对人的优势都已经呈现全面碾压之势。

但是这并不意味着法律从业者就会抵制 AI 的加入，根据 LexisNexis 的调查报告，81% 的受访者（律师群体）已经知道生成式 AI 的存在，并且 40% 以上的律师使用过类似产品。

除此之外，AI + 法律创业也是经久不衰的赛道。从 2015 年的 DoNotPay 开始，引入 AI 写作法律文书便已经是成熟的商业模式，但是总体而言，目前的 AI 法律产品，大多数都是黑箱状态运行，希望以更多的数据采集工作，对冲其他竞品的市场攻势，而未能从较为可行的路径去全方位思考保护用户隐私，以及满足合规和确权本身的技术方案。

对此， Arweave 的隐私保护和数据永存特性便具备特殊意义，一方面，数据的永存并不必然和隐私保护相违背，完全可以实现既保护用户隐私又可实现商业运作；另一方面，用户的商业价值不取决于涉案金额，而是取决于调用服务次数，保证任何人都可以得到专业的律师服务，规避传统法律体系对弱势群体的排斥问题。

LEGALNOW：让人人用得起专业律师服务

如前文所述，AI 和法律的结合，笼罩在专家系统的阴影之下，而 GPT 横空出世后，人人都可以使用专业法律服务，但这种服务本身仍旧存在诸多限制：

1. 通用模型无法聚焦。通用大模型是百事通，但是对于非常具体的细节，则往往需要提问人给予更多上下文提示，但是提问人往往不掌握这些专业知识，因此难以发挥大模型的最大威力；
2. 数据安全存在隐患。法律信息一般都会涉及个人隐私，尤其是专业的合同、文书和备忘录等，会直接展现个人、公司机密或信息，而中心化的服务器无法从技术上严格保证信息的安全性；
3. 特定需求的定制化服务。在部分业务场景下，比如涉及多个主体的法律合同，往往需要专业律师的亲自见证，以确保法律文本的合法性，以及不存在瑕疵，但是大模型背后的科技公司往往无法提供此类服务。

鉴于此，LegalNOW 提出了自己的解决方案：

1. 后端基于目前最强大的 GPT-4 32k 模型，并且由 Top-tier 的资深律师训练和调校。为大模型补上最专业的反馈，在传统大模型训练过程中，反馈由工资较为低廉的第三世界居民来完成，面对专业的特定需求专业度略显不足，LegalNOW 由 LegalDAO 孵化而来，其上的数千名专业律师将亲自负责法律术语的反馈，力争做到开箱即用的水平。
2. 7/24 小时律师级法律支持。在单纯的大模型对话之外，LegalNOW 也在建设支持和服务系统，认知到法律的特殊性和专业性，LegalNOW 并不会将一切丢给机器，而是希望借助人工和机器的双轮驱动，共同补齐法律服务的全球性短板。
3. 用户数据使用加密存储和区块链永久存储，Mind Network 将负责用户数据的隐私上链和流转，打消用户对个人数据被滥用的担忧， 其次 Arweave 将永久存储所有数据，避免纠纷。

在业务方向上，目前 LegalNOW 聚焦于区块链领域的合同撰写，在以往之前，撰写此类合同需要耗时耗力，并且耗资巨大，但是在 LeaglNOW 服务模式下，用户可按照调用次数进行付费。

总结

AI 大模型的发展也已经数年有余，而目前仍旧集中在写作、绘画等创意领域，而非是更为格式化的场景，这算是 AI 给人类的一次“小小震撼”，与此同时，人们迫切希望 AI 可以发挥更多生产力场景的作用，比如专业的医疗、法律或者科学领域。

而 LegalNOW 本次的尝试算是一个开端，其致力于打造真正通用化的法律服务产品，而结合区块链的隐私组件，则可让 AI 变得更为安全可信，我们总不希望还没摆脱 Web2 巨头的隐私滥用，转身又将自己的数据免费送给 AI 公司，区块链几乎是这个问题唯一的解。

无论如何，AI 时代已经来临，至于我们如何和 AI 相处，这将是下一个时代每个人都要思考的问题，不如趁现在，从拟写一份法律文本开始。

关于 PermaDAO：Website | Twitter | Telegram | Discord| Medium | Youtube