法律

法律程序的计算问题一直是技术圈里绕不开的话题。《法律的弹性脆弱性》这篇论文就挺有意思的，从法律自动化说起，一路了计算对法律判断的影响，提到了一些人爱用统计、机器学习来预测判决，嗯，看起来智能，其实也挺危险。作者指出，法律不只是变量和结果的堆砌，更关键的是人——尤其是人的判断、协商和语言的运用能力，这些是算法难完全模拟的。你要是正在折腾 AI 法律助手，或者搞法律文本的，那这篇文章别错过了。

探讨了机器学习技术在法律实践中的新应用。广义上讲，“机器学习”是指计算机算法能够随着时间的推移在某些任务上“学习”或提高性能。通常，机器学习算法检测数据中的模式，然后将这些模式应用于新数据以自动执行特定任务。除法律以外，机器学习技术已成功用于自动化原先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。首先以非技术受众可以理解的方式解释了机器学习方法的基本原理。第二部分探讨了一个更广泛的问题：虽然法律实践被认为需要高级认知能力，但这种认知能力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

大数据通过追求个性化消费者数据，催生了数字思想克隆，以预测和获利。这引发了法律和伦理问题，需要类似GDPR的立法保护个人免受数据的滥用和未经授权的数字思想克隆。

来自12家非营利法律信息提供者的合作，免费提供国际案例法和法律奖学金的自动化引用，无需用户费用。LawCite项目由澳大利亚法律信息研究所开发，包含近500万个案例、法律文章、法律改革文件和条约的引用记录。 项目采用3个数据库：- 引用数据库：基本引用信息- 系列数据库：法律报告、法律期刊、条约和法律改革报告信息- 文件数据库：案例或期刊文章的XML记录 原始引文清单由参与的LII和非LII数据源收集，然后由“Unminer”分析、合并和归一化，从合并后的列表中生成LawCite数据库。 LawCite引用程序使用这些数据库和文本标记，为用户提供引用功能。

随着人工智能技术的飞速发展，法律领域正在经历深刻的变革。人工智能的普及使得法律实践和理论面临新的挑战和机遇。

云大发布的研究报告探讨了2021年隐私计算法律合规的关键问题。

黑色简洁风格的导航菜单、结构清晰的资源目录，还有一篇法律视角下探讨文本挖掘与机器学习的硬核论文，挺适合对 AI 技术落地有深度思考的你。文章围绕版权法、文本挖掘、机器学习这几个关键词展开，讲得比较系统，也贴合现在做 AI 项目常遇到的法律瓶颈。 文章里提到的Authors Guild v. Google和HathiTrust案例，算是法律界对 TDM 研究的一种“松绑”。有点意思的是，它提出复制表达性文本只要不是为了原意传播，而是用于非表达的目的，比如模型训练，那就构成“合理使用”。 嗯，说白了，就是如果你要用一堆文档训练 NLP 模型，不见得每次都要担心侵权。可别高兴太早，网站服务条款、技术