聊天機器人 ChatGPT 可以取代律師嗎？｜智財科技

人工智慧如何應用在法律工作？

上一次，討論人工智慧取代法律工作者的風潮，可以回到 2016 年 AlphaGO 橫空出世；當時在圍棋界稱霸的 Google 人工智慧模型 AlphaGo 帶起了一波人工智慧取代論。

筆者記得，當時國內、外幾乎每週都可看到一篇文章，在討論最可能被 AI 取代的職業，而每一篇文章都可以看到律師名列其中。

當初討論有兩種聲音，一派認同，一派反對；而律師幾乎都是站在反對派，原因是因為律師的工作內容都被過度簡化。

事實上，在 AlphaGO 把「深度學習」這個名詞，從實驗室帶到大眾視野中不過一年，市場上陸續出現各式 AI 律師服務。例如受到媒體廣泛報導，由史丹佛學生創立的 DoNotPay，或是中國知名法律科技公司無訟所開發的 AI 法律顧問「法小淘」。

換句話說，就在不少人以為人工智慧只是增加點閱率的噱頭時，過去 6 年，人工智慧在某些法律服務的環節中，默默扮演越來越重要的角色。

最明顯的例子，就是美國訴訟程序的 E-discovery，其分類資料的流程，目前幾乎都是透過人工智慧來進行。即使在台灣，法律科技公司 Lawsnote 也把 AI 實際應用在法令遵循和契約審閱的環節，來加速律師工作的效率。

只是這些應用的場域比較專業，比起 AI 律師這種炫砲的名詞，沒辦法成為鎂光燈焦點，導致仍然有許多人認為 AI 只是譁眾取寵的標題，不會實際帶來改變；但事實上， AI 對法律服務的影響依舊逐年提升，並非常實際地影響法律工作環節。

尤其在 2019 年，當遷移式學習（transfer learning，內容請見註）的概念被廣泛使用後，對於如何使用 AI 進行文字處理，有長足的進展。

時間來到 ChatGPT，大部人在使用後都會有非常驚艷的體驗，除了打破以往我們對人工智慧問答系統「常常牛頭不對馬嘴」的印象外，ChatGPT 的泛用性比起以往體驗提升了不只一個層級。

從目前測試和觀察到的表現，Chat GPT 可以處理：即時問答（提問給予答案）、連續對答（記憶前次問題，並在框架下給予回覆）還有解決任務（撰寫文章摘要、會議記錄、契約和寫程式等）。

不管是什麼問題，ChatGPT 都可以給出答案，但是有些時候，還是會發生一本正經的講幹話的狀況，像這樣：

根據李弘毅老師的猜測，CchatGPT 的訓練過程，可能是基於 GPT 家族的「文字生成」，加上「人類老師訓練模型（此模型具揣測，能以人類的評分標準，為 GPT 的答案進行評分）」而逐漸增強。

白話文說，ChatGPT 做的事情，本質上就是：基於資料庫裡面文字排序的機率而定，從它拿來訓練用的資料庫，挑選裡面機率高，且符合人類偏好方式的回覆，並不是真的理解這些語言。而 ChatGPT 之所以可以做到這麼廣泛的回答，是因為他的參數量（1750億）和訓練資料量（45TB）非常大。

那 ChatGPT 可以取代律師嗎？

「目前來看，人工智慧並不會完全取代律師。雖然人工智慧在某些方面可能比律師更有優勢，例如處理大量的數據或快速搜索法律文獻，但人工智慧缺乏人類的判斷能力和分析能力，無法完全取代律師的工作。目前人工智慧更多的是為律師提供工具，以提高工作效率和質量，而不是完全取代他們。」

上面這段話，是用「標題的問句」詢問 ChatGPT，由 AI 給出的答案。由於文字的合理性和流暢度，已和人類沒有太大區別，因此擔心律師會被取代，也其來有自。

而筆者認為，目前是沒辦法的。原因有三個：

第一是輸入資訊的局限。

目前要求 ChatGPT 回答問題，僅限於輸入文字。文字可以是問題本身，或是問題或任務的背景資訊，而 ChatGPT 會依據這些資訊產出最高機率的排序。 如果輸入資訊不夠充分，背景資訊就會不足，產出資訊就會有一定機率沒辦法符合使用者實際所需的資訊。

然而，對比律師從事業務，針對一個案件或是回答問題，事先要建構的背景資訊十分複雜，並不能僅透過幾句文字描述，就能完整呈現。舉例來說，在公司內部的律師必須知道公司的各種狀態（例如競爭對手、議約權力大小、公司產品線、財務狀況、技術先進程度或是智慧財產權的狀態等），才可能審閱契約或給出法律問題的答案──這些「各種狀態」，很難在詢問 ChatGPT 之前，給予問題相關的背景資訊框架。

第二是訓練用資料庫的範疇。

ChatGPT 現在的架構，僅能從訓練資料庫中，挑選合適的（或高機率的）答案，若是遇到答案本身不存在於訓練資料中，ChatGPT 就沒辦法法學會。 對比律師實務，大部分的訴狀都是私密資料，ChatGPT 可能難以學會怎麼寫一份訴狀（但可能可以寫判決）。生活經驗或從未出現過的案例，通常也不會事先存在於資料當中。因此，ChatGPT 自然很難滿足，這樣需要結合不同生活經驗的律師工作。。

這也是目前 Chat GPT 對於常識性的問題表現不好，但專業性問題表現很好的原因。因為常識性的知識，比較不會記錄在資料當中，而是透過生活經驗來學習。同理，若是根據因果推論出來的常見資訊，ChatGPT 會表現得更差。

第三是實然與應然，機率無法推理。

ChatGPT 本質上還是一個機率模型，也就是挑選機率最高、最適合的文字或結果，這是基於實際發生的結果之上，是一種「實然」的表現（實際這樣發生了）。

但在法律工作中，很多時候律師是在操作一種「應然」的論述（應該這樣才對），而這些「應然」並不是透過已經發生的結果來得到的，而是透過各種邏輯推導得出的，而這可能是基於機率模型的 ChatGPT 天生做不到的事情。 雖然這六年 AI 的成長令人驚艷，但離取代律師還是言之過早，正如一開始 ChatGPT 自己所述，將它當作一個律師的助手或工具會來的更適合。

__【本次主筆】

郭榮彥

人稱 Barry，律師，法律科技信仰者，Lawsnote 創辦人暨執行長。__

本文核稿：網站主編王鼎棫

註：簡單來說，遷移式學習的目的，就是從過往資訊中，抽取「知識與經驗」，然後把它應用在新的目標領域當中。