出生于伊朗的巴哈尔·安萨里(Bahar Ansari)是一名移民律师,她的律师事务所2nd.law以具成本效益的方式为许多人聘请律师,帮助过无数家庭获得美国公民身份。2nd.law是由Ansari联合创办的第一家虚拟律师事务所,可为客户提供20多种不同类型美国签证的法律服务,帮助过许多移民获得在美国工作的资格。 2nd.law也提供就业法、家庭法、遗产规划、商业法和人身伤害法等方面的服务。
移民律师Bahar Ansari是2nd.law的联合创始人(图:Oleg Bogdan)
2nd.law通过利用人工智能(Ansari称之为“机器人律师”)提供比传统公司价格低75%的法律服务,2nd.law还可以为一些通常找不到律师的边远地区提供法律服务。此外,因为有了机器人律师,2nd.law的人类律师不用处理大量的文书工作,可以花更多时间为客户处理优先级更高的问题。
Ansari 表示,“我助力创建了2nd.law,因为我相信众生平等。在大多数国家里,需要拥有法律学位才能理解复杂的法律和法规,而这些法律通常限制或掌控了一个公民的权利。贪婪的律师则通过‘ 帮助’客户处理这些法律而中饱私囊。我们的2nd.law认为可以利用机器人让法律为公民服务。”2nd.law正在颠覆全球法律市场,Ansari希望”每个人都能更简便地获得正义“。
Ansari十六岁从伊朗来到美国,她一直都知道自己想成为一名律师。她表示,“我认为身为律师是一种社会责任。我想成为人权活动家,帮助改变世界。”她自己亲历了移民过程,这给了她独特的视角,令她能够真正地与她的客户及他们面临的挑战连在一起。
Ansari认为,如果法律援助太昂贵以致于令人负担不起,那就谈不上公义。(图:Omeg Bogdan)
Ansari喜欢学习,拥有法律硕士学位和法学博士学位,但在加入一家律师事务所后,她很快意识到太多的时间花在了文书处理上以及要满足不切实际的计费要求太困难了。她称,“希望和梦想很快就破灭了。我当时变得越来越沮丧,因为我觉得总是有做不完的事情、没有足够的时间与人打交道。我当时常常闷闷不乐。“
后来Ansari终于意识到,虽然从外表上看她是个“成功人士”,但她并不开心,因为她对自己在做的东西没有热情。她没有遵循自己的人生目标。她当时已经是一名争取平等权利、使世界变得更美好的律师。但她也知道虽然美国有超过120万名的律师,许多人却雇不起这些律师或是由于某种原因没办法雇请这些律师。Ansari表示,“雇不了律师就谈不上公义。”
Ansari的新梦想和激情变得清晰起来:“缩小公义鸿沟,回归法律行业的初心:真理、正义和秩序。”她确信自己可以开发一种创新性的和有效的技术,达到增加获取法律援助的渠道及为大众提供可负担的法律援助的目的。她因此在2016年联合创办了Case.one Inc.,Case.one是一家总部位于加利福尼亚州的法律科技公司,专门从事法律流程自动化工具的开发。2018年,她利用Case.one的技术有联合创立了2nd.law。
Ansari的公司利用人工智帮助减少人类律师花在案件上的时间。(图:Bahar Ansari)
现在的Ansari觉得自己的职业与人生目标是一致的。她忙着为中低收入人群和其他弱势群体增加用法律捍卫自己利益的机会。她表示, “对我来说,成功意味着能有个机会对现存体制产生影响,几个世纪以来这个体制影响了人类行为,成功意味着能有机会让法律体制回归公平和公义。”
Ansari的工作肯定也面临挑战。法律行业是一个保守的行业,从不是个喜欢采用早期技术的行业。即是说,大多数律师现在还是用实体文件。但Ansari觉得这也正是为什么需要2nd.law的原因。 她表示,“我们希望为法律行业做的事是AirBnB为旅游行业做过的、优步为运输业做过的以及苹果为音乐行业做过的事。”
Ansari在被问到如何才能使职业与生活目标保持一致时表示,要每天做些自己喜欢的事情。她表示,“要以激情为动力,而不是以金钱为动力。如果工作时不能开开心心,那就应该找个新的职业。海阔天空的思维才能产生海阔天空的情感,才能拥有海阔天空的生活。“
好文章,需要你的鼓励
CIO们正面临众多复杂挑战,其多样性值得关注。除了企业安全和成本控制等传统问题,人工智能快速发展和地缘政治环境正在颠覆常规业务模式。主要挑战包括:AI技术快速演进、IT部门AI应用、AI网络攻击威胁、AIOps智能运维、快速实现价值、地缘政治影响、成本控制、人才短缺、安全风险管理以及未来准备等十个方面。
北航团队发布AnimaX技术,能够根据文字描述让静态3D模型自动生成动画。该系统支持人形角色、动物、家具等各类模型,仅需6分钟即可完成高质量动画生成,效率远超传统方法。通过多视角视频-姿态联合扩散模型,AnimaX有效结合了视频AI的运动理解能力与骨骼动画的精确控制,在16万动画序列数据集上训练后展现出卓越性能。
过去两年间,许多组织启动了大量AI概念验证项目,但失败率高且投资回报率令人失望。如今出现新趋势,组织开始重新评估AI实验的撒网策略。IT观察者发现,许多组织正在减少AI概念验证项目数量,IT领导转向商业AI工具,专注于有限的战略性目标用例。专家表示,组织正从大规模实验转向更专注、结果导向的AI部署,优先考虑能深度融入运营工作流程并产生可衡量结果的少数用例。
这项研究解决了AI图片描述中的两大难题:描述不平衡和内容虚构。通过创新的"侦探式追问"方法,让AI能生成更详细准确的图片描述,显著提升了多个AI系统的性能表现,为无障碍技术、教育、电商等领域带来实用价值。