但是，当经济学倾向于律师采用技术时，情况就完全不同了。其中一个繁荣的区域被称为“电子发现”。在诉讼过程中，原告和被告都可以访问彼此的相关文件，以寻找与案件相关的证据。问题是，这份文件的制作可能很丰富。直到最近，发现文件的审查由律师或至少受过训练的专家如律师助理完成。许多新的法学院毕业生已经被发现自己被赋予了阅读无数叠文件的任务，这是一种令人恐惧的通过仪式，对医学生的艰苦医院实习进行了分析。由于易于维护电子文档（实际上，摆脱它们是一个挑战），更不用说今天的大部分业务都以电子形式进行交易，因发现请求而产生的数量可能会停滞不前。例如，在一个反托拉斯案中，微软制作了超过2500万页的文件，所有这些文件都必须经过重新审视，不仅仅是为了相关性，而且往往是为了编辑非物质机密信息，这些信息可能会受到所谓的保护性命令的限制。客户端查看内容。17这怎么可能以合理的成本在实际的时间范围内完成（这意味着律师的客户可以忍受）？AI救援。
一种称为“预测编码”的技术可以让计算机以极快的速度，勤奋和准确性执行这种令人头脑麻木的任务，远远超过人类审稿人。首先，人类律师审查一组样本文件，这些文件经过统计选择，以代表整个馆藏的特征。然后，机器学习计划开始工作，确定标准，使其尽可能地匹配人类的表现。标准可能涉及从简单的短语匹配到对文本，上下文和参与者的非常复杂的语义分析。然后，新训练的程序在剩余的子集上运行
生成一组新文件的项目，这些文件反过来由律师审查。这个过程重复进行，直到程序能够自行选择适当的相关文档。（该技术类似于使用将消息标记为“垃圾”的用户的反馈来调整垃圾邮件过滤器的方式。）电子发现催生了整个服务提供商的小型行业。事实上，微软最近收购了Equivio，该公司是该领域的领先公司之一。18
这只是支持法律的AI应用程序的一个例子，尽管它可以说是商业上最发达的。其他努力包括预测法律诉讼结果的方法。例如，最近使用机器学习技术预测美国最高法院判决结果的努力能够在70％以上的时间内正确地猜测法官的判决，仅使用案例预测之前的案例数据。它是通过从六万八千个这样的选票的数据库中分析每个个体正义的投票行为来实现的。19此类信息对于律师准备案件和为客户提供建议至关重要。
意见反馈