《生成式人工智能赋能智慧司法及相关思考》发布：浙江大学【PDF】

书呆熊

1. 生成式人工智能发展脉络：生成式人工智能是具有内容生成能力的模型及技术，学习数据的联合概率分布以生成新样本 。以GPT为例，从GPT-1到GPT-4，参数规模不断扩大，能力逐步提升，如GPT-4具备多模态融合和系统化思维能力。同时，介绍了GPT训练的三种方法，包括自监督学习、提示学习与指令微调、人类反馈下强化学习 。此外，还阐述了大模型的扩展定律，以及DeepSeek通过算法和工程优化取得的技术进展。
2. 生成式人工智能赋能智慧司法：当前司法审判存在案多人少、案件审理周期长、裁判标准难统一等问题 。智慧司法智能审判系统借助智能语音庭审、自然语言处理等技术，提升司法效率和公正性。但类ChatGPT通用大模型在法律领域存在知识不可靠、更新不及时等问题 。通过评估测试发现，DeepSeek-R1在法律推理任务上有不俗表现，但也存在法律知识储备不足等问题。为此，构建了司法领域垂直大模型“智海-录问”，并提出大小模型协同赋能智慧司法的方案，以提升大模型在司法领域的专业性和准确性。
3. 生成式人工智能的局限性：人工智能学习具有数据驱动、关联学习、概率输出的特点，关联来源包括因果关系、混淆偏差和选择偏差 。这导致其存在数据关联不可解释、无法支撑决策、不稳定以及可能带来不公平性等问题。如数据关联可能出现虚假相关，且会随时间、数据和环境变化，在人脸识别和自然语言翻译等应用中还可能产生不公平结果 。
4. 人类智能与机器智能存在差异，人类在人工智能发展中起着关键作用，是人工智能发展的决定者和协调者 。未来是人和人工智能共同进化的时代，人类应善于制造和利用工具，让机器更好地服务人类社会 。在智慧司法领域，需不断优化大模型技术，解决其存在的问题，提高司法效率和公正性，同时注重人类与人工智能的协作，实现共同发展。