他的法律諮詢AI能深度學習語義 用戶3s獲回復 正確率92％

「律團」創始人趙青山看好未來「虛擬律所」的發展。

文| 鉛筆道 記者 吳曉宇

導語

「被車撞了涉及哪些費用？」

「醫療費、誤工費、護理費等賠償費用，建議電話諮詢或面談。」

這是當事人通過語音或文字方式和「律團」機器人小律的一次對話。

趙青山創立的「律團」，是幫助用戶解決法律問題的SaaS系統。用戶輸入問題後，機器人「小律」會在3秒內給出相關回答。「律團」現使用了谷歌TensorFlow框架，雙向注意力模型讓機器進行深度學習，同時運用了「三核處理技術」進行數據處理。

「律團」現分類正確率為98%，語義關聯度為93%，回答正確率為92%，回答專業性為85%。

注: 趙青山承諾文中數據無誤，為其真實性負責，鉛筆道已備份錄音速記，為內容客觀性背書。

在法律行業深耕十餘年的趙青山，自創業以來踩過兩次坑。

第一次，他想做一個O2O平台，線上撮合律師和當事人，線下讓二者完成交易。然而，「燒掉很多錢，項目依然沒有起色」。

第二次，他試圖做一個專家系統。但苦於系統多為閉合型選擇式提問（yes&no），用戶體驗非常差，趙青山不得不再次放棄。

這一次，他想做一個SaaS系統，嫁接至匯聚法律提問帖子的門戶網站，通過單輪次回答方式，讓用戶可獲得經系統數據處理後的優質答案。

思路的改進源於趙青山對行業的調研。「法律業務是從諮詢開始的。」然而，線下諮詢需要熟人圈介紹，費時費力；同時，諮詢成本高，當事人會花費上百元錢。線上諮詢大多為帖子形式，由於用戶付費意願不足，導致律師回答認真度不夠；此外，律師在忙時，也無法做到及時回答。

「市面上有關法律的人工智慧產品都是假的人工智慧，它們只是讓用戶在做規則選擇題。」趙青山補充到，比如針對離婚問題，系統會提出「有沒有結婚證」等答覆，此類產品不能保證回答的個性化和正確率，同時，不能窮舉用戶所有的客觀情形。

去年1月，「律團」項目正式啟動。該SaaS旨在讓機器通過深度學習演算法，為用戶提供關於法務問題的專業化、即時化回答。

趙青山和他的小夥伴們

與文本分類、識圖、歸納文章概要等技術相比，機器深度學習的第一個難點是對自然語言（Q&A方面）的語義處理。「律團」現使用了谷歌TensorFlow框架和雙向注意力模型。

同時，「律團」運用了三核處理技術。該技術分為三個維度：

首先，是數據分析和統計，系統會藉此挖掘出有價值的東西。比如，律師打了多少場官司、勝負率是多少；其次，是用深度學習搜索文本；最後，是對數據區塊化處理。

鑒於產品現數據量不多，「律團」未採用蘋果Siri，微軟小冰等生成模型，「怕存在語法錯誤」。

「律團」現分類正確率為98%，語義關聯度為93%，回答正確率為92%，回答專業性為85%。法律背景的6人，會隨機抽取1000個「Q&A」，對回答進行驗證。

回答正確率的提高經歷了三個階段：

早期，趙青山使用CNN識圖、剪輯，鑒於它在語義和分類方面做得不好，正確率約為60%；

5月，團隊研發了注意力模型，通過交叉注意的方式，系統可同時學習問題和答案兩方的特徵。此時，正確率達到80%；

隨後，趙青山讓機器人先對問題板塊分類，再深入語義學習。「律團」現分為10個板塊，包括婚姻、交通、消費、侵權、合同等板塊，每個板塊約50~60萬條數據。此外，每個板塊一個模型，「首先學模型的話，機器所需學習的變數便少了很多。」至此，回答正確率為90%以上。

用戶輸入法務問題後，系統3秒會給出回答。「現伺服器有2個GPU訓練模型，同時基於演算法，系統會與5000個類似問答結果相互比較，將得分最高的答案呈現給用戶。」得分的依據為問題的相似值，如Q1和Q2完全相似，則輸出概率值為1；相似度80%，則為0.8。

在數據更新吞吐量方面，系統現收錄裁判文書2000餘萬份，用戶數據1000餘萬條，法律條款、地方性政策5~6萬條，為案件分析的律師博客100~200萬個。

產品現已獲得20餘家意向客戶。在推廣方面，公司一方面採取媒體報道推廣，另一方面通過向相關帖子網站推薦嫁接API（如法律365等）的方式。

公司現階段正研發「連續性交互平台」。據稱，該平台可測試出用戶的深度需求。以撞車事件為例，機器會回答諸如「被車撞了有哪些賠償費用、訴訟途徑、法律對此案件判決的正確率」等問題，並通過所積累的判決文書數據，將案件移送給適宜律師，藉此向用戶收取深度服務費。1.0版本預計今年10月面市。

接下來，公司會在「區塊鏈產品」上發力，研發「虛擬律所」。趙青山透露，該律所幫助律師在此平台找到相關裁判文書並深入學習。另外，產品可實現機器人寫訴狀、租賃合同等。

據了解，該項目目前正尋求500萬元天使輪融資，出讓20%股份。資金將用於增加技術人員、產品迭代開發和市場推廣等。

/The End/

編輯 羅正臣 校對 朱明馳

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！