文件名称：机器学习与法律-研究论文
文件大小：267KB
文件格式：PDF
更新时间：2024-06-08 23:30:03
machine learning predictive coding artificial
本文探讨了机器学习技术在法律实践中的应用。 广义上讲，“机器学习”是指能够随着时间的推移在某些任务上“学习”或提高性能的计算机算法。 通常，机器学习算法旨在检测数据中的模式，然后将这些模式应用于新数据以自动执行特定任务。 在法律之外，机器学习技术已成功地用于自动化曾经被认为需要人类智能的任务，例如语言翻译，欺诈检测，驾驶汽车，面部识别和数据挖掘。 如果表现良好，机器学习算法可以产生近似于类似位置的人可能会获得的自动化结果。 本文首先以非技术受众可以理解的方式解释机器学习方法的一些基本原理。 第二部分探讨了一个更广泛的难题：法律实践被认为需要高级的认知能力，但是这种高阶认知仍然超出了当前机器学习技术的能力。 本部分确定了一项核心原则：通常可以通过使用非智能计算技术来自动化通常被认为需要人类智能的某些任务，这些非智能计算技术采用能够产生有用的“智能”的启发式或代理（例如统计相关性）结果。 第三部分将这一原理应用于法律实践，在律师当前执行的某些法律任务的背景下讨论机器学习自动化：包括预测法律案件的结果，在法律文件和数据中发现隐藏的关系，电子发现以及文件的自动组织。