法律行业历来对采用颠覆性技术持谨慎态度,如今却迎来了 AI 驱动的转折点。LexisNexis Legal & Professional 正专注于这一转型,利用人工智能重新定义律师的日常工作方式。他们最新推出的 Protégé,一款生成式且具有主动性的 AI 法律助手,旨在为全球律所提供高效、精准和个性化的法律工作流程。
LexisNexis Legal & Professional 执行副总裁兼技术总监 Jeff Reihl 表示,向 AI 转型是行业的自然演进。"律师的工作天然适合生成式 AI:起草文件、通过对话式搜索完善问题等。" Reihl 指出,"AI 非常适合法律工作。"
LexisNexis 的独特价值主张在于其专有内容和技术基础设施。该公司使用检索增强生成 (RAG) 平台,将其大语言模型植根于超过 1600 亿份文档的庞大数据库中,每天新增 160 万条记录。这种方法确保了法律工作所需的准确性、相关性、可验证性和时效性。
"我们的一个关键优势是专有内容,"Reihl 解释道。"我们拥有无与伦比的资源库——超过 1600 亿份文档和记录,每天从 50,000 多个来源新增 160 万份文档。我们采用多模型方法,为每个法律用例选择最佳的 AI 模型,并使用专有的 RAG 平台,将答案建立在我们的法律内容库基础上,以提供高质量的答案和有效的引用。此外,我们还进行模型微调,以确保领域特定、个性化大语言模型的高性能表现。"
该公司与 AWS、Microsoft、Anthropic、Mistral 和 OpenAI 等行业领导者密切合作,开发专门针对法律领域的 AI 模型,并针对每个用例进行精细调整。
Protégé 的个性化服务
Protégé 不仅仅是响应请求,还能预测律师的下一步行动。"Protégé 的愿景是个性化 AI 体验,"Reihl 说。"每个律师的工作方式都不尽相同。Protégé 不会让终端用户承担负担,而是会引导用户完成整个工作流程,并预测他们想要做什么。"
据该公司称,早期使用者已经报告了令人印象深刻的结果。LexisNexis 表示,使用 Protégé 的律师事务所不仅在生产效率上有显著提升,在法律研究和文件起草的质量与全面性方面也有明显改善。对 LexisNexis 而言,AI 的优势不仅仅在于效率,还旨在重塑律师的工作方式。
克服行业怀疑
法律专业人士长期以来对 AI 持谨慎态度,部分原因是早期版本虽被过度炒作却表现平平。LexisNexis 通过强调安全性、合规性和具有强大人工监督的伦理 AI 开发来应对这些障碍。
Reihl 强调:"由于公共大语言模型存在安全性、保密性、幻觉和时效性风险,信任度仍然是一个障碍——这些都是律师面临的严重问题。我们通过重视安全性、最高质量的答案和性能的 AI 开发方法来解决这些问题。我们的方法包括企业级安全性、合规性和隐私保护,以及依赖人工监督的负责任 AI 开发流程。"
为了解决 AI 的伦理和负责任使用问题,LexisNexis Legal & Professional 作为 RELX 的一部分,根据 RELX 负责任 AI 原则构建其解决方案。
等待的代价
Reihl 向仍在犹豫是否采用 AI 的律所传达了明确信息:"等待采用 AI 意味着落后,因为你的效率将不如已经使用这些工具的竞争对手或同行。现在就是投资 AI 的时机。"
确实,其他行业提供了警示案例。柯达未能适应数字摄影、百视达忽视流媒体服务,这些对变革性技术采用缓慢的企业往往失去竞争优势。
其他传统企业可以从 LexisNexis 的方法中吸取经验:优先考虑客户需求,采用实验文化,确保组织敏捷性以快速采用新兴技术。Reihl 建议:"你可以从尝试一些用例开始,在了解好处的过程中逐步扩大范围。"
法律的未来:人机协作
展望未来五年,Reihl 设想每位律师都将受益于类似 Protégé 的个性化 AI 助手。"我们的愿景是,全球每位法律专业人士都将拥有一个高度个性化的 AI 助手,"他解释道。"自主代理将在后台工作,即使在法律专业人士不主动工作时也能为他们提供所需的额外信息。"
尽管 AI 的作用广泛,但 Reihl 强调它不会取代法律的根本人性。"法律本质上是一个人性化的系统,建立在价值观、解释和公众信任的基础上。AI 可以协助法律专业人士,但不会取代正义核心中的人类责任。"
好文章,需要你的鼓励
在AI智能体的发展中,记忆能力成为区分不同类型的关键因素。专家将AI智能体分为七类:简单反射、基于模型反射、目标导向、效用导向、学习型、多智能体系统和层次化智能体。有状态的智能体具备数据记忆能力,能提供持续上下文,而无状态系统每次都重新开始。未来AI需要实现实时记忆访问,将存储与计算集成在同一位置,从而创造出具备人类般记忆能力的数字孪生系统。
中国人民大学和字节跳动联合提出Pass@k训练方法,通过给AI模型多次答题机会来平衡探索与利用。该方法不仅提升了模型的多样性表现,还意外改善了单次答题准确率。实验显示,经过训练的7B参数模型在某些任务上超越了GPT-4o等大型商业模型,为AI训练方法论贡献了重要洞察。
OpenAI首席执行官阿尔特曼表示,公司计划在不久的将来投入数万亿美元用于AI基础设施建设,包括数据中心建设等。他正在设计新型金融工具来筹集资金。阿尔特曼认为当前AI投资存在过度兴奋现象,类似于90年代互联网泡沫,但AI技术本身是真实且重要的。他承认GPT-5发布存在问题,并表示OpenAI未来可能会上市。
南加州大学等机构研究团队开发出突破性的"N-gram覆盖攻击"方法,仅通过分析AI模型生成的文本内容就能检测其是否记住了训练数据,无需访问模型内部信息。该方法在多个数据集上超越传统方法,效率提升2.6倍。研究还发现新一代AI模型如GPT-4o展现出更强隐私保护能力,为AI隐私审计和版权保护提供了实用工具。