AI技术推动UMY法学院法律实践创新

UMY法学院公开讲座上，Nur Aini Rakhmawati教授介绍了用于法律实践的AI技术，讲座于星期六（2024年11月7日）在E7楼举行。她解释说，大语言模型（LLM）与法律领域密切相关，因为法律具有高度依赖文件、法规、法院判决以及基于语言的论证等特点。随着AI技术的发展，它开始影响印度尼西亚法律实践和教育的诸多方面，其相关性也日益凸显。

大语言模型在法律实践中的应用

Nur Aini教授表示，LLM是一种基于深度学习的语言模型，通过大量文本数据进行训练，以理解、处理和生成自然语言。LLM在法律实践中的应用主要包括三个领域。

第一，法律研究与起草，即协助检索相关判决、起草合同或诉状，以及总结篇幅较长的法律文件。第二，合同分析，即协助审查存在风险的合同条款，提取当事方、日期和协议金额等重要信息，并比较多个版本的合同文件。

第三，通过基础法律咨询聊天机器人、民众投诉分类以及法律表格填写辅助，将其应用于政府服务和公共服务。例如，基于LLM的聊天机器人可以帮助因遭到解雇而未获遣散费的民众，检索劳动法规和劳动关系法院（PHI）的判决，随后分析事实和法律规定，生成附有条款依据的答复。

风险与人工验证的重要性

Nur Aini教授提醒，LLM技术并非旨在取代律师的角色。相反，这项技术可以作为初步辅助工具或分诊工具，扩大民众获取信息和法律援助的渠道。如果面临的问题较为复杂，仍需将其交由律师处理。

不过，在法律领域使用LLM时，仍须注意若干风险，包括AI可能产生错误信息的幻觉问题、训练数据导致的偏见、客户数据保密问题，以及AI分析结果造成损失时责任归属不明确。因此，法律工作中使用AI离不开人工参与，由人负责检查结果并对最终结果承担责任。

信息技术时代法律专业学生的能力

Nur Aini教授强调，法律专业学生必须做好准备，以应对技术变革。除了掌握法律推理、判例分析、法规解释和职业道德外，学生还需要具备AI素养、编写提示词的能力、验证AI输出结果的能力，以及识别偏见和信息不准确之处的能力。

法律专业能力与技术掌握相结合，将带来新的职业机会，例如法律科技专家、AI治理官、法律知识工程师，以及法律与AI领域的研究人员。

法律与信息系统的跨学科合作

这场公开讲座带来了不同学科的视角，而这些学科在学术和个人层面均有密切联系。Nur Aini教授是泗水Sepuluh Nopember理工学院（ITS）信息系统学科的教授，也是UMY法学院教授Yordan Gunawan教授（S.H., MBA., M.H., Ph.D.）的妻子。两人的出席展现了法律与信息系统技术这两个相辅相成的学科领域的交汇。

活动还安排了题为“AI系统生成的法官判决结果评估”的演示环节，以加强对所授知识的体验和实践。通过这一举措，UMY法学院的学生有望不仅了解AI技术的发展，也能以批判、合乎伦理且负责任的方式运用这项技术。因此，未来的法律从业者不应只是技术的使用者，还应能够引导技术的应用，使其始终符合公平正义和法律确定性原则。

常见问题

什么是大语言模型？这项AI技术如何应用于法律实践？

大语言模型（LLM）是一种基于深度学习的语言模型，通过大量文本数据进行训练，以理解、处理和生成自然语言。Nur Aini Rakhmawati教授表示，LLM与法律领域密切相关，可应用于三个主要领域：法律研究与起草（检索相关判决、起草合同以及总结文件）、合同分析（审查风险条款并提取重要信息），以及政府服务，例如法律咨询聊天机器人和民众投诉分类。

AI技术的发展对法律专业学生所需具备的能力有何影响？

AI技术的发展要求法律专业学生在传统法律推理能力之外掌握其他能力。他们需要具备AI素养、编写提示词的能力、验证AI输出结果的能力，以及识别偏见和信息不准确之处的能力。法律专业能力与技术掌握相结合，将带来新的职业机会，例如法律科技专家、AI治理官、法律知识工程师，以及法律与AI领域的研究人员。

在法律领域使用AI技术有哪些主要风险？应如何应对？

在法律领域使用LLM的风险包括幻觉问题（生成错误信息）、训练数据导致的偏见、客户数据保密问题，以及分析结果造成损失时责任归属不明确。应对这些风险的方式是让人（律师或法律专家）参与检查，并对最终结果承担责任。AI可作为初步辅助工具或分诊工具，但复杂案件仍须由专业法律从业者处理。