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
谷歌发布新的AI学术搜索工具Scholar Labs,旨在回答详细研究问题。该工具使用AI识别查询中的主要话题和关系,目前仅对部分登录用户开放。与传统学术搜索不同,Scholar Labs不依赖引用次数或期刊影响因子等传统指标来筛选研究质量,而是通过分析文档全文、发表位置、作者信息及引用频次来排序。科学界对这种忽略传统质量评估方式的新方法持谨慎态度,认为研究者仍需保持对文献质量的最终判断权。
Meta公司FAIR实验室与UCLA合作开发了名为HoneyBee的超大规模视觉推理数据集,包含250万训练样本。研究揭示了构建高质量AI视觉推理训练数据的系统方法,发现数据质量比数量更重要,最佳数据源比最差数据源性能提升11.4%。关键创新包括"图片说明书"技术和文字-图片混合训练法,分别提升3.3%和7.5%准确率。HoneyBee训练的AI在多项测试中显著超越同规模模型,同时降低73%推理成本。
Meta发布第三代SAM(分割一切模型)系列AI模型,专注于视觉智能而非语言处理。该模型擅长物体检测,能够精确识别图像和视频中的特定对象。SAM 3在海量图像视频数据集上训练,可通过点击或文本描述准确标识目标物体。Meta将其应用于Instagram编辑工具和Facebook市场功能改进。在野生动物保护方面,SAM 3与保护组织合作分析超万台摄像头捕获的动物视频,成功识别百余种物种,为生态研究提供重要技术支持。
上海AI实验室团队提出ViCO训练策略,让多模态大语言模型能够根据图像语义复杂度智能分配计算资源。通过两阶段训练和视觉路由器,该方法在压缩50%视觉词汇的同时保持99.6%性能,推理速度提升近一倍,为AI效率优化提供了新思路。