• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    文本解析技術(shù)及其在法律實踐中的應(yīng)用*

    2019-05-06 07:54:06邱昭繼
    中國法律評論 2019年2期
    關(guān)鍵詞:沃森解析法律

    邱昭繼

    內(nèi)容提要:文本解析技術(shù)的突破與IBM的“沃森”和“辯論者”程序的研發(fā)團隊的努力密不可分。“沃森”基于文本的信息提取技術(shù)展現(xiàn)了不同凡響的問答本領(lǐng),“辯論者”已經(jīng)學(xué)會了論證挖掘。深度問答、信息提取和論證挖掘這些技術(shù)用更一般性的術(shù)語講就是文本解析。人工智能與法律研究者和技術(shù)專家將文本解析與法律推理和法律論證的計算模型整合在一起,創(chuàng)建了一些新的法律應(yīng)用程序。這些法律應(yīng)用程序不僅僅是將法律人的處理過程計算機化和標準流程化,更是創(chuàng)造性地處理了一些法律人過去無法完成的任務(wù)。文本解析技術(shù)的迅速發(fā)展將深刻地改變法律實踐、法律職業(yè)、法律教育和法學(xué)研究。

    引言

    2011年2月,由戴維·費魯奇(David Ferrucci)領(lǐng)導(dǎo)的IBM研發(fā)團隊開發(fā)的認知計算系統(tǒng)“沃森”(Watson)參加了美國著名智力問答競賽電視節(jié)目“危險邊緣!”(Jeopardy?。?。該節(jié)目以一種獨特的問答形式進行:它以答案形式提供各種線索,參賽者以問題的形式做出簡短回答。問題設(shè)置非常廣泛,參賽者需具備歷史、文學(xué)、藝術(shù)、流行文化、科技、地理、政治、體育等多方面知識,還需要理解隱語、反諷等表述方式?!拔稚痹诠?jié)目中表現(xiàn)神勇,一舉擊敗了連勝紀錄保持者肯·詹寧斯(Ken Jennings)和最高獎金得主布拉德·魯特爾(Brad Rutter)。這是IBM歷史上繼“深藍”計算機于1997年打敗國際象棋衛(wèi)冕世界冠軍加里·卡斯帕羅夫(Gary Kasparov)后,又一次成功地挑戰(zhàn)人類?!拔稚痹诠?jié)目中能夠回答微妙、復(fù)雜、語義雙關(guān)的問題,這開啟了認知計算的新紀元,也標志著人工智能寒冬的終結(jié)。1Dr. John E. Kelly III:《認知計算和我們的未來——人類和機器如何鍛造認知新時代》,載 IBM商業(yè)價值研究院:《認知計算與人工智能》,東方出版社2016年版,第7頁。2014年春季,IBM研究院總監(jiān)約翰·凱利三世在米爾肯研究所年度會議上演示了“辯論者”(Debater)程序。“辯論者”是IBM公司研發(fā)出來的新的人工智能項目,它使用“沃森”程序的一些文本處理技術(shù)來執(zhí)行論證挖掘。

    文本解析技術(shù)的突破與IBM的“沃森”和“辯論者”程序的研發(fā)團隊的努力密不可分?!拔稚被谖谋镜男畔⑻崛〖夹g(shù)展現(xiàn)了不同凡響的問答本領(lǐng),“辯論者”已經(jīng)學(xué)會了論證挖掘。深度問答、信息提取和論證挖掘這些技術(shù)用更一般性的術(shù)語講就是文本解析?!拔谋窘馕鲆卜Q為文本挖掘,是從文本數(shù)據(jù)中獲得高質(zhì)量和可操作信息和見解所遵循的方法和過程。這涉及使用自然語言處理、信息檢索和機器學(xué)習(xí)從語法上把非結(jié)構(gòu)化文本數(shù)據(jù)解析成更結(jié)構(gòu)化的形式,并從這些數(shù)據(jù)中提取出對終端用戶有幫助的模式和洞見?!?[印度]迪潘簡·撒卡爾:《Python文本分析》,閆龍川、高德荃、李君婷譯,機械工業(yè)出版社2018年版,第35頁。該書的譯者將“text analytics”翻譯成“文本分析”,我將這個概念翻譯成“文本解析”。當(dāng)被解析的文本是法律時,人們將其稱之為法律文本解析。3Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 5.法律文本解析(legal text analytics)又稱之為法律文本挖掘(legal text mining),是指“使用語言的統(tǒng)計的和機器學(xué)習(xí)的技術(shù)自動發(fā)現(xiàn)法律文本數(shù)據(jù)檔案中的知識”。4Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 397.法律文本解析簡稱為法律解析。深度問答、信息提取和論證挖掘成為了法律文本解析的核心技術(shù)。

    “沃森”和“辯論者”程序雖然不會進行法律推理和法律論證,但它們?yōu)榉赏评砗驼撟C的計算模型提供了文本解析技術(shù)。兩位有遠見的作者呼吁法律界認真對待“沃森”技術(shù)對未來法律實踐的影響。他們指出,“沃森”是應(yīng)用于法律的最重要的技術(shù),“沃森”改變了人們對于法律知識結(jié)構(gòu)的理解,降低了法律成本,促進了法律信息和數(shù)據(jù)的組織管理,給年輕律師提供了更多的出人頭地的機會,給法律教學(xué)帶來了全新的挑戰(zhàn),讓法學(xué)與工程學(xué)科的交叉融合提供了可能性,等等。5Paul Lippe and Daniel Martin Katz, "10 predictions about how IBM's Watson will impact the legal profession", October 2, 2014, 載http://www.abajournal.com/legalrebels/article/10_predictions_about_how_ibms_watson_will_impact,2018年10月8日訪問。法律文本解析是人工智能時代廣泛應(yīng)用于法律實踐的一項新技術(shù)。本文試圖對法律文本解析及其在法律實踐中的應(yīng)用問題做一番初步的探討。本文將逐一闡述深度問答、信息提取和論證挖掘技術(shù)及其在法律實踐中的應(yīng)用情況。

    *本文是國家社會科學(xué)基金項目“司法裁判過程中的人工智能應(yīng)用研究”(項目編輯18BFX008)階段性成果。

    **邱昭繼,西北政法大學(xué)教授,法學(xué)理論教研室主任。

    一、深度問答技術(shù)及其在法律中的應(yīng)用

    深度問答技術(shù)是IBM“沃森”的核心技術(shù)。“沃森”是基于自然語言處理、機器學(xué)習(xí)和高級數(shù)據(jù)解析的高級問答系統(tǒng)。2011年2月,在美國電視節(jié)目“危險邊緣!”游戲中,“沃森”“在回答問題時能夠搜索其巨大的資料庫,并判斷預(yù)估答案的可信度,當(dāng)對答案有充分把握時,搶先于人類按動了搶答器”,6[美]約翰·E. 凱利、史蒂夫·哈姆:《機器智能》,馬雋譯,中信出版社2016年版,第3—4頁。從而一戰(zhàn)成名。

    (一)IBM沃森的深度問答

    為了在“危險邊緣!”游戲中獲勝,IBM組建了一支由二十多位科學(xué)家組成的核心研發(fā)團隊,這些科學(xué)家是自然語言處理、信息檢索、知識表示、自動推理、機器學(xué)習(xí)和高性能計算等領(lǐng)域的頂尖專家。他們經(jīng)過五年多時間的研究和開發(fā),實現(xiàn)了技術(shù)的突破?!拔稚笔亲鳛橐粋€問答計算系統(tǒng)創(chuàng)建的。研發(fā)者為“沃森”創(chuàng)造了一種叫做深度問答的學(xué)習(xí)能力系統(tǒng)。深度問答技術(shù)包括問題解析和分類、問題分解、自動源獲取與評價、實體和關(guān)系檢測、邏輯形式生成、知識表達和推斷等內(nèi)容?!拔稚睂C器學(xué)習(xí)提升到了一個新高度。對于每一個問題,“沃森”學(xué)習(xí)如何從數(shù)據(jù)庫的數(shù)百萬個文本中提取問題的候選答案,學(xué)習(xí)使其能夠識別該類問題的答案的各種證據(jù),學(xué)習(xí)與文本相連的各種證據(jù)的可信度。研發(fā)者“訓(xùn)練沃森識別各類信息,如名人、地點和關(guān)系,同時也解析語言。之后,他們又設(shè)計了一套統(tǒng)計方法,用來學(xué)習(xí)不同語境中詞語的使用情況。這種技術(shù)組合使“沃森”從數(shù)據(jù)中學(xué)習(xí),而不是僅僅按照指示工作。從某種意義上說,“沃森”將學(xué)習(xí)人類的學(xué)習(xí)方式,接觸大量的事情并從中得出推論并習(xí)得經(jīng)驗”。7同上注,第36—37頁。深度問答架構(gòu)將自動問答問題視為大規(guī)模平行假設(shè)生成和評價任務(wù)。深度問答的結(jié)果不僅僅是提問與回答,而且是一個執(zhí)行不同診斷的系統(tǒng)。這個系統(tǒng)基于各種數(shù)據(jù)收集、分析和評估每個結(jié)果的置信水平。通過問題、主題、案例或一組相關(guān)問題,深度問答在輸入語言中找到重要的概念及其關(guān)系,構(gòu)建用戶信息需求的表示,然后通過搜索生成許多可能的回應(yīng)。對于每個可能的回應(yīng),它產(chǎn)生獨立和競爭的線索,這些線索從結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中收集、評估和組合不同類型的證據(jù)。它可以提供排序的回應(yīng)列表,每個回應(yīng)都與證據(jù)配置文件相關(guān)聯(lián),該證據(jù)配置文件描述了深度問答內(nèi)部算法是如何對支持證據(jù)進行加權(quán)的。8參見IBM“沃森”研究團隊關(guān)于深度問答架構(gòu)的描述,載https://researcher.watson.ibm.com/researcher/view_group_subpage.php?id=2159,2018年10月3日訪問。深度問答軟件架構(gòu)是根據(jù)非結(jié)構(gòu)化信息管理架構(gòu)(Unstructured Information Management Architecture,UIMA)標準建立的。UIMA是一個用于問答系統(tǒng)的開源阿帕奇(Apache)框架,在這個架構(gòu)中文本注釋器被組織到文本處理管道,將語義分配給文本區(qū)域。

    通過自然語言處理和各種結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)源組合,“沃森”擁有理解復(fù)雜上下文的能力。它可以“讀”文本、“看”圖像、“聽”自然語言,它解讀那些信息,提取信息并對信息進行標記和注釋,同時伴有推論和推理過程,提供候選答案并對它們成為一個正確答案的可能性進行評估和排名。其實,“沃森”并不真正“知道”答案。“沃森”也會犯錯。在第一天的比賽將結(jié)束時,“危險邊緣!”游戲的終局節(jié)目是“美國城市,分值400美元”。答案是“它最大的機場以第二次世界大戰(zhàn)的英雄命名;它第二大的機場以第二次世界大戰(zhàn)的一場戰(zhàn)役命名?!蔽稚o出的答案是“多倫多是什么?????”,正確的答案是“芝加哥是什么?”芝加哥的第一大機場是以“二戰(zhàn)”英雄海軍王牌少校指揮官愛德華·亨利·布奇·奧黑爾(Edward Henry “Butch” O’ Hare)的名字命名的,第二大機場中途機場(Midway Airport)是以“二戰(zhàn)”著名的太平洋海戰(zhàn)命名的。稍有常識的人都知道多倫多是加拿大城市,不是美國城市?!拔稚崩Щ笥谶@個問題的原因有很多,在美國確實有一些叫多倫多的城市,比如伊利諾伊州的多倫多、印第安納州的多倫多,并且加拿大的多倫多藍鳥隊的確參加美國棒球聯(lián)盟的比賽。結(jié)果,“沃森”的置信水平非常低,只有14%,正如5個問號所示,它對答案沒有信心。然而,“沃森”能夠從錯誤中學(xué)習(xí),通過大規(guī)模機器學(xué)習(xí),“沃森”能從訓(xùn)練和運用中不斷改善。9參見Dr. John E. Kelly III:《認知計算和我們的未來——人類和機器如何鍛造認知新時代》,載 IBM商業(yè)價值研究院:《認知計算與人工智能》,東方出版社2016年版,第9—10頁。

    圖1 IBM“沃森”深度問答架構(gòu)

    (二)深度問答技術(shù)在法律中的應(yīng)用

    “沃森”和“辯論者”程序雖然不會進行法律推理和法律論證,但它們?yōu)榉赏评砗驼撟C的計算模型提供了文本解析技術(shù)。IBM試圖將“沃森”的深度問答技術(shù)應(yīng)用于法律領(lǐng)域?!拔稚钡幕救蝿?wù)是回答問題。法律問答可以讓法律知識更容易獲得。IBM的總法律顧問羅伯特·韋伯(Robert Weber)指出,深度問答技術(shù)能在幾毫秒內(nèi)解析數(shù)億頁內(nèi)容并挖掘它們以獲取事實和結(jié)論。雖然深度問答技術(shù)不會取代律師,但它讓律師如虎添翼。這項技術(shù)將在兩個方面派上用場:收集事實和建構(gòu)法律論證時識別觀點。這項技術(shù)甚至可以在法庭上近乎實時地發(fā)揮作用。如果證人說某些似乎不可信的內(nèi)容,律師現(xiàn)場就能檢查其準確性。10參見Robert C. Weber, "Why 'Watson' matters to lawyers", The National Law Journal, Feb. 18, 2011, https://www.law.com/nation allawjournal/almID/1202481662966/,2018年8月25日訪問。

    阿什利想象了一個“法律危險邊緣!”游戲。主持人透露類別是“體育法”。答案是“美國棒球聯(lián)盟球隊在經(jīng)濟罷工期間不能合法雇用替補球員”?!拔稚睋尨鸬溃骸岸鄠惗嗨{鳥隊是什么?”主持人宣布:“答案正確!多倫多藍鳥隊在經(jīng)濟罷工期間不能雇傭替補工人?!薄拔稚被卮疬@個問題的方式不同于法律人。法律人首先想到的是美國棒球聯(lián)盟球隊所在國家和州的勞動法規(guī)定,看看這些法律規(guī)定是否禁止球隊在經(jīng)濟罷工期間雇用替補球員。然而,“沃森”不知道多倫多的位置或所屬國家也能正確地回答問題?!拔稚笔且蕾囌Z料庫中的信息提取答案。根據(jù)1995年《福德姆國際法期刊》發(fā)表的《多倫多藍鳥隊的替補球員?——在加拿大安大略省替補工人法與美國替補工人法之間取得恰當(dāng)?shù)钠胶狻芬晃?,美國的國家勞動關(guān)系法案允許美國的棒球隊在球員罷工期間雇用替補球員,而多倫多藍鳥隊受加拿大安大略省勞動法的約束,根據(jù)安大略省的勞動關(guān)系法案,多倫多藍鳥隊在球員罷工期間不能雇傭替補球員。11Jordan Lippner, "Replacement players for the Toronto Blue Jays? Striking the appropriate balance between replacement worker law in Ontario, Canada, and the United States", Fordham International Law Journal, 1995 (38), pp.2026-2029.只要“沃森”的語料庫中包含這篇文章,稍加訓(xùn)練的“沃森”就可以學(xué)會將其識別為與此類問題相關(guān)的信息,從中提取相關(guān)答案,并評估其對答案正確性的置信水平?!拔稚焙芸赡軣o法解釋它所提取的答案。解釋答案需要人們理解與法律選擇和法律主題相關(guān)的規(guī)則和概念,而“沃森”不掌握這些知識也不可能使用這些知識。經(jīng)過適當(dāng)訓(xùn)練的“沃森”可以學(xué)習(xí)識別相關(guān)問答對的證據(jù)類型,包括語義線索,如“合法雇用”“替代工人”“經(jīng)濟罷工”等概念和關(guān)系。在評估答案的置信水平時,“沃森”能夠?qū)W習(xí)根據(jù)這些證據(jù)給予答案多大的權(quán)重。12參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017,pp. 17-18。

    “沃森”的深度問答技術(shù)被廣泛應(yīng)用于法律市場。法律問答讓法律知識的獲取變得更容易?!胺缮显训馈保↙egal OnRamp)是一個使用IBM“沃森”解析合同的應(yīng)用程序。公司的合同信息推動了大多數(shù)業(yè)務(wù)運營:收入確認、薪酬、服務(wù)和產(chǎn)品交付、風(fēng)險評估、大量研發(fā)和知識產(chǎn)權(quán)資產(chǎn)創(chuàng)造。當(dāng)重大的公司活動或交易發(fā)生時,公司都會聘請法律顧問審查合同。公司法律顧問希望能夠輕松回答以下問題:哪些合同包括特定約定?哪些合同包括諸如對間接損失的免責(zé)聲明?包含在合同正文而不是附錄中的特定類型的約定針對的是哪些合同?使用普通的信息檢索工具無法輕松可靠地回答此類問題?!胺缮显训馈睂⒑贤峁┙oIBM“沃森”和其他機器學(xué)習(xí)工具,以自動回答法律問題并加快人工審查流程。由于“法律上匝道”直接與公司合作,因此它可以獲得比任何律師事務(wù)所更多的合同。在回答問題時,“沃森”分解問題,從合同文本語料庫中搜索候選答案,并根據(jù)每個候選答案解決問題的信心對候選答案進行排序。13Ibid., p. 27。

    加拿大多倫多大學(xué)的學(xué)生團隊創(chuàng)建的“羅斯”(Ross)是運用深度問答技術(shù)研發(fā)出來的法律應(yīng)用程序,被稱為法律領(lǐng)域的“沃森”?!傲_斯”于2015年1月參加了IBM的“沃森”挑戰(zhàn)競賽并獲得了第二名的好成績?!傲_斯”利用“沃森”提供的自然語言和認知計算平臺的優(yōu)勢,以開發(fā)者云為基礎(chǔ)向客戶提供法律問答服務(wù)。他們給“羅斯”取了一個有趣的綽號——“遇見超級聰明的律師羅斯”?!傲_斯”幾乎模仿人類閱讀過程,識別文本中的模式,并提供有關(guān)文檔片段的語境化答案?!傲_斯”接受以簡明英語提出的問題,并根據(jù)制定法、判例法和其他法律淵源提供答案。比如,你問“羅斯”:“破產(chǎn)公司還能開展業(yè)務(wù)嗎?”“羅斯”就會提供了一個帶有引文的答案,并向你提供一些與該主題相關(guān)的讀物?!傲_斯”的演示視頻列出了該程序可以處理的示例問題,包括:(1)加拿大公司需要保留哪些公司記錄?(2)加拿大公司的董事可以加入一類股票的國家資本賬戶嗎?(3)員工可以開展競爭業(yè)務(wù)嗎?(4)如果員工沒有達到銷售目標并且無法完成他們的工作要領(lǐng),他們可以在不事先通知的情況下被解聘嗎?14Brian Jackson, "Meet Ross, the Watson-Powered 'Super Intelligent' Attorney". https://www.itbusiness.ca/news/meetross-the-watson-powered-super-intelligent-attorney/53376,2018年9月12日訪問。在回答最后一個問題時,“羅斯”屏幕引用了加拿大的雷吉娜訴阿瑟斯案(Regina v.Arthurs,1967)以及該案的摘錄和文本?!傲_斯”對這個答案給出的置信水平為94%?!傲_斯”總結(jié)道:如果一名員工犯了嚴重的不當(dāng)行為,習(xí)慣性疏忽職守,無能,或與其職責(zé)不符,或者對雇主的業(yè)務(wù)造成損害,或者如果他有在實質(zhì)上對雇主的命令故意不服從,法律承認雇主有權(quán)立即解雇不盡責(zé)的雇員。“羅斯”建議額外閱讀關(guān)于“正當(dāng)理由終止”的制定法、判例法、法律備忘錄和其他淵源中的讀物。“羅斯”具有從用戶反饋中學(xué)習(xí)的能力。例如,“羅斯”在雷吉娜訴阿瑟斯案這個答案后跟著一個詢問,如果答案是準確的,請用戶按豎起的大拇指,如果答案是不準確的,請用戶按朝下的大拇指。15Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, pp. 351-352.反饋旨在告知“羅斯”這個答案的準確率,這也為“羅斯”更新答案提供信息。

    “羅斯”具有四個方面的優(yōu)勢:(1)設(shè)計高度直觀,易于使用,羅斯可以無縫地引入律師的工作流程;(2)通過尖端的人工智能技術(shù),律師能夠更智能、更快速、更流暢地工作;(3)通過大幅減少研究和流程準備所需的勞動時間來提高效率;(4)通過加快工作流程和提高效率,人們能夠?qū)r間和金錢花在高價值的咨詢?nèi)蝿?wù)和復(fù)雜的法律事務(wù)上,從而提高盈利能力。16https://rossintelligence.com/,2018年9月15日訪問。北美律師事務(wù)所按小時收費,平均每小時收取400美元的勞務(wù)報酬。由于北美律師收費高昂,許多法律文書工作外包給了印度等其他國家,這些國家的勞動力成本低,他們的律師收費低、服務(wù)質(zhì)量也有保證?!傲_斯”問世后法律行業(yè)將發(fā)生巨大的變化。律師事務(wù)所可以將許多工作交給“羅斯”去完成?!傲_斯”大大地降低了法律服務(wù)的成本,也極大地提高了律師的效率、準確率和盈利能力。根據(jù)“羅斯”官網(wǎng)的統(tǒng)計,“羅斯”相比基于“布爾”的搜索節(jié)省了30.3%的時間,相比基于自然語言的搜索節(jié)省了22.3%的時間,讓每位律師增加了13,067美元的年收入。17同上注。

    二、從法律文本中自動提取信息

    人工智能長期以來尋求從文本中識別和提取語義要素,如概念及其關(guān)系。計算機程序從法律文本中提取語義信息,并用它幫助人類解決法律問題?!靶畔⑻崛∈怯嬎銠C從人類語言書寫的文檔中提取可識別的信息的行為。”18[美]Douglas Downing,Michael Covington, Melody Covington, Catherine Anne Barrett, Sharon Covington編:《巴朗行業(yè)詞典—計算機與網(wǎng)絡(luò)》,清華大學(xué)出版社2015年版,“信息提取”詞條。典型的信息提取系統(tǒng)的內(nèi)部工作過程主要包括五個步驟:(1)用一組信息模式描述感興趣的信息;(2)對文本進行“適度的”詞法、句法及語義分析,并作各種文本標引;(3)使用模式匹配方法識別指定的信息;(4)進行上下文關(guān)聯(lián)、指代、引用等分析和推理,確定信息的最終形式;(5)輸出結(jié)果,例如生成一個關(guān)系數(shù)據(jù)庫或給出自然語句陳述等。19參見孫斌:《信息提取技術(shù)概述》(上),載《術(shù)語標準化與信息技術(shù)》2002年第3期。信息提取是從非結(jié)構(gòu)化的機器可讀文檔中自動提取結(jié)構(gòu)化信息的任務(wù)。自動提取信息是法律文本解析技術(shù)的一個重要特征。在法律專家系統(tǒng)中,專業(yè)知識體現(xiàn)在人類專家用于解決此類問題的規(guī)則中,這些規(guī)則通常由工程師在知識獲取過程中手動構(gòu)建。而在認知計算中,知識體現(xiàn)在文本語料庫中,計算機程序從中提取候選解決方案或解決方案元素,并根據(jù)它們與問題的相關(guān)性對解決方案進行排序。計算機程序用于評估相關(guān)性的知識主要不是手動獲取,而是通過使用機器學(xué)習(xí)從特定領(lǐng)域的數(shù)據(jù)集中提取模式而自動獲取。20參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 13。從法律文本中自動提取信息的技術(shù)包括:幫助法律信息檢索系統(tǒng)考慮意義,將機器學(xué)習(xí)應(yīng)用于法律文本以及從法律法規(guī)和法律判決中自動提取語義信息等方面。21參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, pp. 31-32。

    (一)用機器學(xué)習(xí)從案例語料庫中提取信息

    機器學(xué)習(xí)是一種自動化分析模型構(gòu)建的數(shù)據(jù)分析方法,它是人工智能的一個分支。機器學(xué)習(xí)算法可以從數(shù)據(jù)中學(xué)習(xí)、識別文本特征模式、總結(jié)模型中的模式并做出決策。根據(jù)學(xué)習(xí)方式的不同,機器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、無監(jiān)督學(xué)習(xí)和半監(jiān)督學(xué)習(xí)。機器學(xué)習(xí)為從法律文本中提取信息提供了關(guān)鍵的技術(shù)支持。將機器學(xué)習(xí)應(yīng)用于法律文本分為兩個步驟。第一步是收集和處理原始數(shù)據(jù),即自然語言法律文本的語料庫。第二步是使用一些語言處理來轉(zhuǎn)換原始文本數(shù)據(jù),以標記、規(guī)范和注釋文本,然后法律文檔被表示為特征向量。法律文本中機器學(xué)習(xí)的目標是對文檔進行分類或進行預(yù)測。在涉及法律案件的機器學(xué)習(xí)語境中,目標可能是通過句子在法律意見中發(fā)揮的功能對句子進行分類,例如,分為“法律決定或法律裁決”的句子或“基于證據(jù)的發(fā)現(xiàn)”的句子。在成文法條款的機器學(xué)習(xí)語境中,目標可能是按行政法、私法、環(huán)境法或刑法等主題對條款進行分類。22Ibid., pp. 236-237。

    圖2 先前案例檢索系統(tǒng)的處理模塊

    “萬律歷史項目”(Westlaw History Project)是用機器學(xué)習(xí)從法律案件語料庫中提取有用信息的典型系統(tǒng)。該系統(tǒng)“從法院意見中提取信息,并用這些信息建議新案件應(yīng)當(dāng)鏈接的先前案例”。23Peter Jackson, Khalid Al-Kofahi, Alex Tyrrell, and Arun Vachher,"Information extraction from case law and retrieval of prior cases", 150Artificial Intelligence 1-2 (2003), p. 240.先前案例檢索識別當(dāng)前案件中的歷史語言影響的案例。所有案例都應(yīng)以上訴鏈接(appellate chains)的形式與法律援引集數(shù)據(jù)庫連接在一起?!皻v史項目”系統(tǒng)把來自文本語料庫的信息提取、基于提取的信息的候選案例的信息檢索以及基于機器學(xué)習(xí)的關(guān)于候選案例的判斷結(jié)合在一起。如圖2所示,先前案例檢索系統(tǒng)的處理模塊包括三個主要的組件:信息提取、信息檢索和做出決定。信息提取組件處理法院意見及其首部,提取當(dāng)事人姓名、法院、日期、案卷號和歷史語言;信息檢索組件生成查詢,并把它們提交到法律援引數(shù)據(jù)集以檢索先前案例的候選案例;決定做出組件采用機器學(xué)習(xí)算法決定哪個候選案例是當(dāng)前案件的真正先例。24Ibid., pp.274-276.

    標題匹配可以有效地減少候選先例的數(shù)量,并幫助候選先例的排序。但標題信息不足以確保好的結(jié)果。特征提取和表示模塊從法院意見、案卷號、法院和歷史語言中提取額外的信息。為了最佳地表示每個案例以達到機器學(xué)習(xí)的目的,每個候選案例用八個特征表示為特征向量。八個特征包括:(1)標題相似性特征,衡量當(dāng)前案件的標題與候選先例標題的相似性;(2)歷史語言特征,這是一個二進制標志,如果自然語言組件直接從當(dāng)前案件報告中提取歷史語言,則該特征賦值為“1”;(3)案卷號匹配特征,這是一個二進制特征,當(dāng)且僅當(dāng)當(dāng)前案件和候選先例被分配了相同的案卷號,則該特征賦值為“1”;(4)檢查上訴特征,根據(jù)在法院層級中法院之間的關(guān)系估計一個法院成為當(dāng)前法院的先前法院的概率;(5)先前案例的概率特征,估計當(dāng)前案件實際上具有一個先前案例的概率;(6)引用案例特征,這是一個二進制標志,當(dāng)且僅當(dāng)檢索的先前候選案例在當(dāng)前案件中被引時,這個特征賦值為“1”;(7)標題權(quán)重特征,估計當(dāng)前案件標題中包含的信息;(8)AP1搜索特征,這是一個二進制標志,當(dāng)且僅當(dāng)先前案例的候選案例通過一個查詢檢索到并且這個查詢是從當(dāng)前案件的“上訴行”生成時,該特征賦值為“1”。25Ibid., pp.282-283.歷史項目團隊為了完成任務(wù),采用監(jiān)督學(xué)習(xí)并使用支持向量機作為機器學(xué)習(xí)算法。機器學(xué)習(xí)算法可以根據(jù)文本中的證據(jù)區(qū)分事實和法律討論,并學(xué)會識別和區(qū)分法律案件段落的事實和討論。

    (二)從法律法規(guī)文本中自動提取信息

    法律是指引和協(xié)調(diào)人的行為的社會規(guī)范。從普通公民到政府官員和法律職業(yè)人士都需要理解法律法規(guī)文本,了解法律規(guī)范的要求并按法律的要求行為。人工智能與法律研究長期以來致力于從電子化的法律法規(guī)文本中自動提取有關(guān)規(guī)范要求的信息。從法律法規(guī)文本中提取的信息可以用于自動法律推理和法律論證。自動提取信息技術(shù)可以通過各種方式支持認知計算。

    從法律法規(guī)中提取的信息主要包括如下類型:(1)法律規(guī)范的功能類型,如禁止性法律規(guī)范、命令性法律規(guī)范和授權(quán)性法律規(guī)范;(2)與功能相關(guān)的特征,一些法律規(guī)范的功能類型將更具體的信息作為要素或參數(shù),如義務(wù)或責(zé)任的承擔(dān)者和受益人;(3)法律規(guī)范的邏輯構(gòu)成,法律規(guī)范在邏輯上由“前提條件”、“行為模式”和“法律后果”三部分構(gòu)成;(4)法律規(guī)范所屬的部門法類型,如刑法、民法、行政法、環(huán)境法或勞動與社會保障法;(5)出現(xiàn)在法律詞庫或本體中的規(guī)章概念,如“歐盟合同”、“少數(shù)群體保護”和“漁業(yè)管理”。從法律法規(guī)文本中自動提取功能信息對于概念信息檢索非常有用。

    為了從法律法規(guī)文本中提取功能信息,意大利的人工智能與法律研究者設(shè)計了自動化方法。這種方法包括四個主要的模塊:(1)交叉引用解析器,旨在檢測交叉引用和建構(gòu)相關(guān)的統(tǒng)一命名;(2)結(jié)構(gòu)解析器,旨在自動化遺留內(nèi)容的可擴展標記語言的網(wǎng)上規(guī)范轉(zhuǎn)換;(3)條款自動分類器,根據(jù)條款的模式自動將段落分類為條款類型;(4)條款論證提取器,旨在自動提取條款論證。條款自動分類器能夠自動檢測立法文本中包含的條款類型。它主要由文本分類算法構(gòu)成。條款自動分類器的輸入是法律條款的文本段落,輸出是從一組候選類別中選擇的預(yù)測類型或條款類別。26E.Francesconi and A.Passerini, "Automatic classification of provisions in legislative texts", Artificial Intelligence and Law,2007 (15), pp. 6-7.條款論證提取器的輸入是文本段落和預(yù)測類型,輸出的是條款的功能信息和特征。下面舉一例說明條款論證提取器的輸入和輸出。27Ibid., p.3.

    輸入:《意大利個人數(shù)據(jù)保護法典》第7條第1款規(guī)定:“打算處理屬于本法案適用范圍的個人數(shù)據(jù)的控制人必須通知其擔(dān)保人?!?/p>

    類型:義務(wù)

    輸出:系統(tǒng)提取功能信息:

    特征:

    接收者:“控制人”

    行為:“注意”

    對應(yīng)方:“擔(dān)保人”

    被提取的功能信息可以作為元數(shù)據(jù)應(yīng)用于語義標記中的條款。一旦此類信息納入制定法條款的本體索引,人類用戶就可以搜索所有分配“控制人”向“擔(dān)保人”通知的義務(wù)的條款。研究者將機器學(xué)習(xí)和知識工程方法以互補的方式應(yīng)用于法律條款。機器學(xué)習(xí)提取了更多抽象的功能類型,如“義務(wù)”。知識工程規(guī)則提取了更具體的角色扮演者,如被賦予義務(wù)的“控制人”。機器學(xué)習(xí)和知識工程方法各有優(yōu)劣。機器學(xué)習(xí)方法手動注釋訓(xùn)練實例,自動使用機器學(xué)習(xí)算法來生成區(qū)別于實例訓(xùn)練集的特征。這種方法更靈活,更少領(lǐng)域依賴,并且需要較少的專業(yè)知識,但需要足夠大的手動注釋訓(xùn)練實例集。知識工程方法為每種類型的條款確定清晰的易于觀察的模式,并手動構(gòu)建規(guī)則以識別新文本中的模式并提取相關(guān)信息。這種方法不要求手動注釋的訓(xùn)練數(shù)據(jù),但需要手動創(chuàng)建的專家分類規(guī)則來捕獲與每類條款相關(guān)聯(lián)的標準短語。28參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, pp. 263-266。

    三、論證挖掘技術(shù)及其在法律中的應(yīng)用

    論證挖掘(argument mining)是以語料庫為基礎(chǔ)的話語分析的新發(fā)展,包括自動識別話語的論證結(jié)構(gòu),例如前提、結(jié)論和每個論證的論證型式,以及文檔中論證與子論證以及論證與反駁的關(guān)系。論證挖掘的成功要求自然語言技術(shù)、語義學(xué)、語用學(xué)、話語理論、人工智能、論證理論和論證的計算模型等學(xué)科提供的跨學(xué)科方法,還需要不同領(lǐng)域的不同類型的來源創(chuàng)建和注釋高質(zhì)量的論證語料庫。29ACL-AMW, "3d Workshop on Argument Mining at the Association of Computational Linguistics" (ACL 2016). http://argmining2016.arg.tech/,2018年9月22日訪問。

    (一)IBM的“辯論者”

    論證挖掘技術(shù)的發(fā)展與IBM“沃森”的兄弟項目“辯論者”(Debater)緊密地聯(lián)系在一起?!稗q論者”是IBM公司研發(fā)出來的新的人工智能項目,它使用“沃森”程序的一些文本處理技術(shù)來執(zhí)行論證挖掘?!稗q論者”不僅能從文本中提取信息,還能“理解”信息并運用它們進行推理。2014年春季,IBM研究院總監(jiān)約翰·凱利三世在米爾肯研究所年度會議上演示了“辯論者”程序。演示的辯論主題為“向未成年人出售暴力視頻游戲應(yīng)該被禁止”。“辯論者”的任務(wù)是檢測相關(guān)主張并返回對正方主張和反方主張的預(yù)測。“辯論者”以近乎完美的英語回應(yīng)道:“掃描了400萬篇維基百科文章,返回10篇最相關(guān)的文章,掃描了這10篇文章中的3000個句子,檢測到包含候選主張的句子,確定了候選主張的邊界,評估候選主張是支持正方還是反方,構(gòu)建了一個具有最高主張預(yù)測的演示演講,然后準備提交!”“辯論者”能夠自動地從維基百科中提取信息,消化所提取的信息,并運用這些信息進行推理,然后用自然語言呈現(xiàn)它的論證。“辯論者”在視頻中的輸出是聽覺的,可以用視覺術(shù)語呈現(xiàn)其輸出的文本。圖3頂部框包含論辯的命題。與實線相連的主張支持該命題,與虛線相連的主張攻擊該命題。從輸入主題到輸出論證的時間是3—5分鐘。值得注意的是,“辯論者”并不真正理解所提取內(nèi)容,它只是在數(shù)據(jù)上運行算法并進行概率分析以得出結(jié)論。30George Dvorsky, "IBM's Watson Can Now Debate Its Opponents", 2014年5月5日, https://io9.gizmodo.com/ibms-wats on-can-now-debate-its-opponents-1571837847,2018年9月23日訪問。

    圖3 IBM“辯論者”針對暴力視頻游戲主題輸出的論證 31

    2018年6月18日,“辯論者”程序在舊金山IBM辦公室舉辦的辯論賽中擊敗了人類頂尖辯手。它的對手是以色列國際辯論協(xié)會主席丹·扎菲爾(Dan Zafrir)和2016年以色列國家辯論冠軍諾亞·奧瓦迪亞(Noa Ovadia)。這次辯論賽共分兩場,以現(xiàn)場觀眾的感受判斷輸贏。兩場辯論賽的題目分別是“我們是否應(yīng)該資助太空探索”和“我們是否應(yīng)該更多地使用遠程醫(yī)療”?!稗q論者”程序皆為正方。給定一個辯題后,“辯論者”程序迅速搜索其龐大的語料庫,尋找最相關(guān)的證據(jù),然后挑選最有說服力、多樣性的論點,并安排論點來構(gòu)建一個具有完整說服力的敘述,以此來支持或反對論點。32參見Lee:《人工智能如何參與辯論》,載《電腦報》2018年6月25日。

    IBM“辯論者”團隊開發(fā)了一種手動注釋訓(xùn)練集的方法,以便機器學(xué)習(xí)可以從文本中提取信息?!稗q論者”檢測上下文的主張,直接支持或辯駁特定主題的一般性陳述,還檢測依賴上下文的證據(jù),在給定主題的語境中支持依賴上下文的主張的文本片段。在給定主題和相關(guān)文章的情況下,句子組件選擇200個最佳句子,邊界組件在每個句子中界定候選主張,排名組件根據(jù)句子和邊界分數(shù)選擇50個最佳候選主張。“辯論者”使用機器學(xué)習(xí)完成句子選擇、邊界設(shè)置和候選主張排名這三個步驟?!稗q論者”的機器學(xué)習(xí)取決于人類注釋者執(zhí)行高質(zhì)量的訓(xùn)練文檔集注釋的能力。注釋者被要求將文本片段標記為依賴上下文的主張?!稗q論者”團隊開發(fā)了一種系統(tǒng)的方法來組織人工注釋工作以最大化可靠性。33參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, pp. 306-307。

    論證挖掘技術(shù)已被用于法律文本解析。論證挖掘技術(shù)自動地識別案例文本中最終可用的與論證相關(guān)的信息,并隨之產(chǎn)生法律實踐中智能技術(shù)的新典范:基于論證相關(guān)信息的可靠的概念法律信息檢索,也稱為論證檢索。34Ibid., p. 12。論證挖掘支持律師從法律文本中提取信息建構(gòu)回答手頭問題的論證。論證簡單地說,就是舉出理由以支持某種主張或判斷。35參見顏厥安:《法與實踐理性》,中國政法大學(xué)出版社2003年版,第88頁。有關(guān)法律主張、判斷、決定或裁判的證明或辯護就是法律論證。論證挖掘就是要識別和提取法律文本中與法律論證有關(guān)的信息。與法律論證相關(guān)的信息包括:法律論證的命題、前提或結(jié)論,連接前提與結(jié)論的論證型式和論證規(guī)則,陳述法律規(guī)則的句子,陳述案件事實的句子,影響論證強度的信息等。

    (二)從案例文本中提取與論證相關(guān)的信息

    使用機器學(xué)習(xí)、自然語言處理和提取規(guī)則從案例文本中提取與論證相關(guān)信息的項目有很多,比如莫查萊斯和莫恩斯研發(fā)的系統(tǒng)、智能索引學(xué)習(xí)(Smart Index Learner,SMILE)項目和法律領(lǐng)域的非結(jié)構(gòu)化信息管理架構(gòu)(Legal UIMA,LUIMA)系統(tǒng)。莫查萊斯和莫恩斯研發(fā)的系統(tǒng)在法律論證挖掘方面做出了開拓性的貢獻,它確定了在論證中起作用的句子,應(yīng)用機器學(xué)習(xí)將句子劃分為命題、前提或結(jié)論。智能索引學(xué)習(xí)是基于問題的預(yù)測程序的自然語言界面,它充當(dāng)問題的自然語言描述和預(yù)測案例結(jié)果的計算模型之間的橋梁。智能索引學(xué)習(xí)項目致力于識別和提取實質(zhì)性法律因素和事實模式,它們加強或削弱一方的法律主張。非結(jié)構(gòu)化信息管理架構(gòu)是用于問答系統(tǒng)的開源阿帕奇架構(gòu),IBM“沃森”的技術(shù)就是建立在UIMA基礎(chǔ)上的。36參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 287。LUIMA是應(yīng)用于法律領(lǐng)域的以UIMA為基礎(chǔ)的類型系統(tǒng)。它聚焦于概念、關(guān)系和提及,以識別司法裁判中句子的論證功能。LUIMA系統(tǒng)是一種非常成熟的法律文本解析技術(shù),因而本文主要介紹LUIMA系統(tǒng)提取與論證相關(guān)的信息的方法。

    LUIMA采用基于規(guī)則的注釋器和機器學(xué)習(xí)注釋器用語義信息注釋案例文檔。句子分割是注釋案例文檔的第一步。句子分割是將案例文本語料庫分解成句子的過程。任何文本語料庫都是文本的集合,其中每一段落都包含多個句子。執(zhí)行句子分割有多種技術(shù),基本技術(shù)包括在句子之間尋找特定的分隔符,例如句號(.)、換行符( )或者分號(;)。37參見[印度]迪潘簡·撒卡爾:《Python文本分析》,閆龍川、高德荃、李君婷譯,機械工業(yè)出版社2018年版,第80頁。LUIMA注釋還標記了一些預(yù)設(shè)信息,包括事實和語言概念以及與受規(guī)制領(lǐng)域相關(guān)的提及。LUIMA注釋在案例文本中標識此類預(yù)設(shè)信息為:(1)術(shù)語,例如疫苗術(shù)語,疾病術(shù)語,因果關(guān)系術(shù)語。(2)提及,例如疫苗提及,其中包括疫苗首字母縮寫與疫苗術(shù)語[“麻腮風(fēng)(MMR)疫苗”],疫苗接種事件提及,因果關(guān)系提及。(3)規(guī)范化,疫苗提及的規(guī)范化,疾病提及的規(guī)范化,即句子中提到的疫苗或疾病的規(guī)范名稱。38參見Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 302。基于規(guī)則的注釋器根據(jù)提及和子句類型自動注釋句子。如果一個句子包括提及原告、必須關(guān)系的術(shù)語(比如,證明),那就把這個句子注釋為“法律標準表述”(Legal Standard Formulation)。在“根據(jù)該標準,請求人必須證明疫苗接種更可能是受到傷害的原因”這個句子中,包括“請求人”術(shù)語和“證明”術(shù)語,因而把這個句子注釋為表示法律標準的句子。

    LUIMA注釋案例文檔的另一種技術(shù)是機器學(xué)習(xí)。機器學(xué)習(xí)將案例文檔的句子分為三類:法律規(guī)則句子,基于證據(jù)發(fā)現(xiàn)的句子,不屬于這兩類句子的句子(標記為“非注釋”句子)。出于機器學(xué)習(xí)的目的,句子文本被表示為特征向量。每個特征向量的值是這個特征在文本中沿著特征維度的量。量可以是“0”,表示文檔不具有該特征,或“1”表示它具有該特征。比如,在“羅珀訴衛(wèi)生與公眾服務(wù)部部長”一案中,“在本案的證詞中,萊西博士進一步解釋了他的觀點,即破傷風(fēng)疫苗接種可能導(dǎo)致請求人羅珀女士的胃輕癱”被注釋為證據(jù)句子,而不是基于證據(jù)發(fā)現(xiàn)的句子,因為它報告的不是法官做出的結(jié)論,而是專家證人萊西博士做出的結(jié)論。因此,機器學(xué)習(xí)注釋器將這個句子表示為“非注釋”句子。

    LUIMA然后根據(jù)注釋過的信息執(zhí)行論證檢索,即識別和提取與論證有關(guān)的信息。論證檢索幫助人類用戶建構(gòu)支持一種主張的可行論證或反擊對手的最佳論證。論證挖掘技術(shù)使法律推理和法律論證的計算模型能夠直接處理法律數(shù)字文檔,幫助人們預(yù)測和證成法律結(jié)果。在疫苗傷害賠償?shù)陌咐?,請求人必須證明疫苗接種更可能是受到傷害的原因。只有在疫苗接種導(dǎo)致傷害的情況下,請求人才能獲得賠償。因而必須確定疫苗接種與傷害之間存在因果關(guān)系。請求人必須通過優(yōu)勢證據(jù)確定:(1)疫苗類型與傷害類型之間有著“醫(yī)學(xué)理論上的因果關(guān)系”;(2)特定疫苗接種與特定傷害之間存在“因果關(guān)系的邏輯順序”;(3)疫苗接種和傷害之間存在“近似時間關(guān)系”。法律論證的計算模型將適用的制定法和規(guī)章要求表示為“規(guī)則樹”,即權(quán)威性規(guī)則條件以及法律判決中的推理鏈,將證據(jù)斷言與特殊法官對這些規(guī)則條件的事實發(fā)現(xiàn)聯(lián)系起來。39Ibid., p. 161。

    四、結(jié)語:法律文本解析對未來法治的影響

    深度問答、信息提取和論證挖掘這些文本解析技術(shù)為法律實踐帶來了革命性的變化。IBM“沃森”、“辯論者”和UIMA等為這種變革種下了革命的種子。人工智能與法律研究者和技術(shù)專家將法律文本解析與計算模型整合在一起,創(chuàng)建了一些新的法律應(yīng)用程序。這些法律應(yīng)用程序能完成許多傳統(tǒng)上只能由人完成的智能任務(wù)。法律應(yīng)用程序在定制商品化法律服務(wù)中發(fā)揮重要作用。它能用法律文本推理,使實踐系統(tǒng)能夠根據(jù)人類用戶的特定問題定制其輸出?!胺蓱?yīng)用程序不僅會以適合人類用戶特定問題的方式選擇、預(yù)訂、突出和匯總信息,還會探索信息并以前所未有的新方式與數(shù)據(jù)互動?!?0Kevin D. Ashley, Artificial Intelligence and Legal Analytics: New Tools for Law Practice in the Digital Age, Cambridge University Press, 2017, p. 13.法律文本解析技術(shù)產(chǎn)生時間較短,但在不到十年的時間里卻涌現(xiàn)了六十余種成熟的法律應(yīng)用程序。41Jonathan Marciano, "Automating the Law: A Landscape of AISolutions", Jun 10, 2017, 載https://www.topbots.com/automatingthe-law-a-landscape-of-legal-a-i-solutions/,2018年10月4日訪問。代表性的法律應(yīng)用程序包括美國的法律集中營(LegalZoom)、法律機器(Lex Machina)、法律機器人(Legal Robot)、拉威爾(Ravel)、既判力(Judicata)和法律過濾器(Legal sifter)、加拿大的織布解析(Loom Analytics)、英國的法律智能支持助理機器法律人(Robot Lawyer LISA)、以色列的LawGeex和愛爾蘭的布賴特旗(Brightflag)等。這些新興的法律應(yīng)用程序不僅僅是將法律人的處理過程計算機化和標準流程化,而是創(chuàng)造性地處理一些法律人過去無法完成的任務(wù)。

    法律文本解析或許是這個時候最重要的技術(shù),它的迅速發(fā)展將深刻改變法律實踐、法律職業(yè)、法律教育和法學(xué)研究。薩斯坎德(Susskind)指出,許多信息技術(shù)是顛覆性的,這些技術(shù)不支持或兼容傳統(tǒng)的工作方式,它們將徹底挑戰(zhàn)和改變傳統(tǒng)習(xí)慣。對法律行業(yè)也是如此,這些無處不在、急速增長的信息技術(shù)會顛覆和改造律師和法院的運作方式。42[英]理查德·薩斯坎德:《法律人的明天會怎樣?》,何廣越譯,北京大學(xué)出版社2015年版,第23頁。數(shù)百年來,訴訟律師運用法律方法分析案件的事實構(gòu)成,總結(jié)案件的爭議焦點,尋找適用于手頭案件的法律法規(guī)或判例,推理將事實涵攝于法律之下,最后提出訴訟策略并做出法律預(yù)測。法律文本解析顛覆了律師的工作方式,它將法律工作分解為不同的任務(wù)并逐項以盡可能高效的方式完成。訴訟律師的工作可以分解為文件審閱、法律研究、項目管理、訴訟支持、電子披露、策略、戰(zhàn)術(shù)、談判和法庭辯論等任務(wù)。這九項任務(wù)中除了策略、戰(zhàn)術(shù)和法庭辯論,其他的重復(fù)性事務(wù)性的工作任務(wù)都可以用不同方式分包出去。43同上注,第41—42頁。這些分包出去的工作都可以由法律應(yīng)用程序而非法律人完成。法律文本解析挖掘案件文件和卷宗中的數(shù)據(jù),然后匯總這些數(shù)據(jù),從中發(fā)現(xiàn)一些有用的洞見,包括法官、律師、法院、律師事務(wù)所和當(dāng)事人的各種信息。訴訟律師使用法律文本解析來揭示過去訴訟中的趨勢和模式,然后根據(jù)這些趨勢和模式制定手頭案件的訴訟策略并預(yù)測法律結(jié)果。44Owen Byrd, "Legal Analytics vs. Legal Research: What's the Difference?" June 12, 2017,載https://www.lawtechnolog ytoday.org/2017/06/legal-analytics-vs-legal-research/,2018年8月21日訪問。法官運用智能審判系統(tǒng)實現(xiàn)對起訴狀、答辯狀、庭審筆錄等案件卷宗信息的智能解析和信息提取,提取各類卷宗材料文書所需的核心信息,然后自動生成判決、裁定等法律文書。法律文本解析技術(shù)在法律實踐中的廣泛應(yīng)用將極大地節(jié)省律師和法官處理案件的時間,過去他們花上數(shù)周完成的工作現(xiàn)在幾分鐘就能完成。

    法律職業(yè)也將因法律文本解析技術(shù)的應(yīng)用而發(fā)生翻天覆地的改變。如果法律應(yīng)用程序能夠完成許多以前只能由法律職業(yè)者完成的工作,那么部分法律職業(yè)者將要失業(yè)。2013年9月,牛津大學(xué)的卡爾·弗瑞(Carl Frey)和邁克爾·奧斯本(Michael Osborne)發(fā)表了《就業(yè)的未來》研究報告,調(diào)查各項工作在未來二十年被計算機取代的可能性。根據(jù)他們研發(fā)的算法估計,到2033年,法律秘書有98%的概率會失業(yè),律師助理的概率為94%,行政法官和聽證官的概率為64%,書記員的概率為41%,法官和地方法官的概率為40%。45Carl Benedikt Frey and Michael A. Osborne, "The Future of Employment: How Susceptible Are Jobs to Computerisation?",17 September 2013, pp. 62-71. https://www.oxfordmartin.ox.ac.uk/downloads/academic/The_Future_of_Employment.pdf,2019年1月5日訪問。又見[以色列]尤瓦爾·赫拉利:《未來簡史》,林俊宏譯,中信出版社2017年版,第293頁。當(dāng)然,淘汰傳統(tǒng)的法律的工作的同時也會產(chǎn)生一些新的法律工作。根據(jù)薩斯坎德的總結(jié),法律人的新工作包括法律知識工程師、法律技術(shù)專家、跨學(xué)科法律人才、法律流程分析師、法律項目管理師、在線糾紛解決師、法律管理咨詢師和法律風(fēng)險管理師。例如,法律知識工程師負責(zé)研發(fā)法律標準和流程,在計算機系統(tǒng)中組織和表達法律知識。法律技術(shù)專家是同時具備法律和系統(tǒng)工程及信息技術(shù)管理兩個領(lǐng)域的訓(xùn)練和經(jīng)驗的專業(yè)人士。46[英]理查德·薩斯坎德:《法律人的明天會怎樣?》,何廣越譯,北京大學(xué)出版社2015年版,第129—131頁。這些新的法律職業(yè)人士從事的工作迥異于傳統(tǒng)法律職業(yè)者所做的事情。

    法律文本解析技術(shù)將改變法律教育的內(nèi)容和教學(xué)方式。多年來,如何利用技術(shù)去講授法律一直是一個法學(xué)界不關(guān)注的問題,現(xiàn)在漠視技術(shù)發(fā)展的時代將要終結(jié)。技術(shù)讓法學(xué)教育變得更有效更實際提供了可能性?,F(xiàn)如今,同步遠程學(xué)習(xí)模式、非同步遠程學(xué)習(xí)模式、大規(guī)模開放式網(wǎng)絡(luò)課程、翻轉(zhuǎn)課堂、在線教學(xué)、在線協(xié)作等創(chuàng)新技術(shù)已經(jīng)廣泛地應(yīng)用于法學(xué)院的法律教育。47[美]米歇爾·皮斯托:《法學(xué)院與技術(shù)——我們現(xiàn)在何處并將駛向何方》,周亞玲譯,邱昭繼校,載王翰主編:《法學(xué)教育研究》第15卷,法律出版社2016年版,第259—272頁。IBM“沃森”為法律教育開辟了新的可能性。法學(xué)院擅長的蘇格拉底教學(xué)法將受到嚴重的挑戰(zhàn),老師在《合同法》課程中提出的各種問題都可以交由法律應(yīng)用程序回答,在線課程將逐漸取代面授課程。法律人工作方式的改變對法律教育提出了新的要求。傳統(tǒng)的法律教育以培養(yǎng)專業(yè)基礎(chǔ)扎實、熟練掌握法律職業(yè)技能的法律人才為目標,未來的法律教育應(yīng)根據(jù)法律實踐的變化做出相應(yīng)的調(diào)整。根據(jù)理查德·格拉納特(Richard Granat)和馬克·勞里森(Marc Lauritsen)的調(diào)查,美國有10所法學(xué)院非常重視法律文本解析技術(shù),開設(shè)了多門相關(guān)課程或成立了相關(guān)的研究中心。比如,密歇根州立大學(xué)法學(xué)院建立了一個再造法律實驗室,開設(shè)了電子發(fā)現(xiàn)、創(chuàng)業(yè)律師、法律信息工程與技術(shù)、法律解析、訴訟、數(shù)據(jù)、理論、實踐、過程、律師定量分析和21世紀的法律實踐等法律實踐技術(shù)方面的課程。薩??舜髮W(xué)法學(xué)院建立了法律實踐技術(shù)與創(chuàng)新研究所。法學(xué)院提供智能機器時代的律師培訓(xùn)、流程改進和法律項目管理、法律文件自動化和21世紀律師和決策支持系統(tǒng)的調(diào)查等課程。48Richard Granat and Marc Lauritsen, "Teaching the technology of practice: the 10 top schools", Law Practice Magazine,2014: (4) ,載www.americanbar.org/publications/law_practice_magazine/2014/july-august/teachingthe-technology-of-practicethe-10-top-schools.html. 2018年10月3日訪問。

    法律文本解析技術(shù)將導(dǎo)致法學(xué)研究產(chǎn)生相應(yīng)的變化,它將促使法學(xué)與理工科的交叉融合。法學(xué)與哲學(xué)、社會學(xué)、政治學(xué)、人類學(xué)、經(jīng)濟學(xué)等哲學(xué)社會科學(xué)的緊密聯(lián)系人們已經(jīng)很熟悉了,而法律文本解析技術(shù)將法學(xué)與統(tǒng)計學(xué)、信息科學(xué)、計算機科學(xué)和腦科學(xué)等學(xué)科緊密地聯(lián)系在一起。著名法學(xué)家霍姆斯早在120年前就預(yù)言:“對于法律的理性研究而言,研究歷史文本的人或許是現(xiàn)在的主人,而未來的主人則屬于研究統(tǒng)計學(xué)之人和經(jīng)濟學(xué)專家。”49[美]霍姆斯:《法律的道路》,載[美]霍姆斯:《法律的生命在于經(jīng)驗——霍姆斯法學(xué)文集》,明輝譯,清華大學(xué)出版社2007年版,第221頁。法律的經(jīng)濟學(xué)研究早在20世紀70年代就異軍突起,成為法學(xué)界的顯學(xué)。人們沒有想到的是,統(tǒng)計學(xué)會成為法學(xué)研究的主導(dǎo)學(xué)科。人工智能時代,統(tǒng)計學(xué)的重要性越發(fā)凸顯,人工智能法學(xué)的研究越來越需要統(tǒng)計學(xué)的支持。

    法律文本解析技術(shù)方興未艾,這是我國法治發(fā)展的重大戰(zhàn)略機遇。法律文本解析技術(shù)在法律信息搜索、法律咨詢、法律解釋、證據(jù)收集、案例分析、法律文件閱讀與分析、法律推理和法律論證等方面大有用武之地。它的應(yīng)用是我國智慧法院、智慧檢察院、智慧律所、智慧公安和人工智能法學(xué)院建設(shè)的重要抓手。

    猜你喜歡
    沃森解析法律
    三角函數(shù)解析式中ω的幾種求法
    法律解釋與自然法
    法律方法(2021年3期)2021-03-16 05:57:02
    IBM沃森成敗錄
    達標并不是一件好事
    睡夢解析儀
    電競初解析
    商周刊(2017年12期)2017-06-22 12:02:01
    相機解析
    讓人死亡的法律
    山東青年(2016年1期)2016-02-28 14:25:30
    “互助獻血”質(zhì)疑聲背后的法律困惑
    讓法律做主
    浙江人大(2014年5期)2014-03-20 16:20:27
    成年人黄色毛片网站| 在线观看免费日韩欧美大片| 特大巨黑吊av在线直播 | 成人国产一区最新在线观看| 99精品欧美一区二区三区四区| 亚洲精品粉嫩美女一区| 他把我摸到了高潮在线观看| 国产人伦9x9x在线观看| 香蕉国产在线看| 桃红色精品国产亚洲av| 久久久久久久久久黄片| 国产极品粉嫩免费观看在线| 久久久久久大精品| 日韩欧美一区视频在线观看| 亚洲真实伦在线观看| 国产精品国产高清国产av| 亚洲av片天天在线观看| 免费观看精品视频网站| 99精品在免费线老司机午夜| 99精品在免费线老司机午夜| 99久久99久久久精品蜜桃| 成人国产综合亚洲| 国产高清激情床上av| 制服丝袜大香蕉在线| 老司机午夜十八禁免费视频| 一级毛片精品| 男人舔奶头视频| 在线天堂中文资源库| 成年人黄色毛片网站| 精品第一国产精品| 国产爱豆传媒在线观看 | 免费无遮挡裸体视频| 久久午夜综合久久蜜桃| 非洲黑人性xxxx精品又粗又长| 国产成人影院久久av| 免费在线观看黄色视频的| 日韩大码丰满熟妇| 欧美乱色亚洲激情| 亚洲中文字幕一区二区三区有码在线看 | 亚洲精品国产区一区二| 神马国产精品三级电影在线观看 | 18禁观看日本| 91成人精品电影| 日韩欧美一区二区三区在线观看| 91成年电影在线观看| 精品熟女少妇八av免费久了| 国产麻豆成人av免费视频| 免费搜索国产男女视频| 中文资源天堂在线| 久久精品国产综合久久久| 亚洲av成人一区二区三| 女性被躁到高潮视频| 身体一侧抽搐| 国产三级黄色录像| 亚洲人成伊人成综合网2020| 久久精品国产综合久久久| 国产av在哪里看| 精品久久久久久久毛片微露脸| 麻豆国产av国片精品| 亚洲欧美日韩高清在线视频| 日本成人三级电影网站| 精品国产美女av久久久久小说| av超薄肉色丝袜交足视频| 熟女少妇亚洲综合色aaa.| 亚洲一区中文字幕在线| 91麻豆精品激情在线观看国产| 99riav亚洲国产免费| 亚洲天堂国产精品一区在线| 每晚都被弄得嗷嗷叫到高潮| 啦啦啦 在线观看视频| 午夜精品久久久久久毛片777| 高潮久久久久久久久久久不卡| 身体一侧抽搐| a级毛片a级免费在线| 三级毛片av免费| 波多野结衣巨乳人妻| 亚洲av成人不卡在线观看播放网| 91av网站免费观看| 成人18禁在线播放| 国产精品99久久99久久久不卡| 国产主播在线观看一区二区| 成人手机av| 50天的宝宝边吃奶边哭怎么回事| 黄色 视频免费看| 啦啦啦 在线观看视频| 国产麻豆成人av免费视频| 在线国产一区二区在线| 午夜福利欧美成人| 国产亚洲av嫩草精品影院| 精品国产乱子伦一区二区三区| 午夜视频精品福利| 亚洲狠狠婷婷综合久久图片| 成人亚洲精品av一区二区| 成年版毛片免费区| 欧美激情 高清一区二区三区| 免费看十八禁软件| 黄色毛片三级朝国网站| 精品久久久久久,| 两个人视频免费观看高清| 久久午夜亚洲精品久久| 久久精品影院6| 可以在线观看毛片的网站| 国内久久婷婷六月综合欲色啪| 黑人欧美特级aaaaaa片| 欧美日本视频| 亚洲电影在线观看av| 久久久久亚洲av毛片大全| 国产午夜精品久久久久久| 一个人观看的视频www高清免费观看 | avwww免费| 岛国视频午夜一区免费看| 国产精品日韩av在线免费观看| 免费看美女性在线毛片视频| 成人手机av| 窝窝影院91人妻| 999久久久国产精品视频| 亚洲性夜色夜夜综合| 亚洲第一欧美日韩一区二区三区| 国语自产精品视频在线第100页| 久久精品国产亚洲av香蕉五月| a在线观看视频网站| 国产精品一区二区免费欧美| 日本五十路高清| 制服丝袜大香蕉在线| 国产成人啪精品午夜网站| 午夜两性在线视频| 亚洲av电影在线进入| 欧美黄色淫秽网站| 女同久久另类99精品国产91| or卡值多少钱| 日本撒尿小便嘘嘘汇集6| 欧美性长视频在线观看| 国产精品久久久久久精品电影 | 波多野结衣高清无吗| 久久中文字幕人妻熟女| 欧美另类亚洲清纯唯美| 精品国产亚洲在线| 香蕉丝袜av| 精品久久久久久成人av| 欧美一区二区精品小视频在线| 嫩草影院精品99| www国产在线视频色| 亚洲欧美精品综合一区二区三区| 19禁男女啪啪无遮挡网站| 国产视频内射| 一边摸一边做爽爽视频免费| 视频区欧美日本亚洲| 欧美黄色淫秽网站| 999久久久精品免费观看国产| 久久久久久大精品| 午夜久久久在线观看| 在线观看www视频免费| 成人免费观看视频高清| 欧美国产日韩亚洲一区| 91字幕亚洲| 搡老妇女老女人老熟妇| 久久久久久久久免费视频了| 欧美av亚洲av综合av国产av| 国产av又大| 国产亚洲精品av在线| 一a级毛片在线观看| 桃红色精品国产亚洲av| 欧美 亚洲 国产 日韩一| 丰满的人妻完整版| 亚洲成a人片在线一区二区| 亚洲国产精品合色在线| 亚洲精品国产精品久久久不卡| 在线av久久热| 侵犯人妻中文字幕一二三四区| 久久精品影院6| 十分钟在线观看高清视频www| 女性被躁到高潮视频| 男女床上黄色一级片免费看| 精品日产1卡2卡| 成人特级黄色片久久久久久久| 久久久久久久午夜电影| √禁漫天堂资源中文www| 国产视频一区二区在线看| 久久久久久人人人人人| 久久人妻av系列| 9191精品国产免费久久| 日本黄色视频三级网站网址| 巨乳人妻的诱惑在线观看| 女性生殖器流出的白浆| 亚洲五月婷婷丁香| 成人18禁高潮啪啪吃奶动态图| 久久久久久九九精品二区国产 | 国产精品av久久久久免费| 香蕉国产在线看| АⅤ资源中文在线天堂| 99久久无色码亚洲精品果冻| 十分钟在线观看高清视频www| 91九色精品人成在线观看| 亚洲成人免费电影在线观看| 啦啦啦免费观看视频1| or卡值多少钱| 日韩大码丰满熟妇| 成年免费大片在线观看| 日日摸夜夜添夜夜添小说| 精品一区二区三区视频在线观看免费| 久久婷婷人人爽人人干人人爱| 嫩草影院精品99| 人人妻人人澡人人看| 免费观看精品视频网站| 大型黄色视频在线免费观看| 亚洲九九香蕉| 一卡2卡三卡四卡精品乱码亚洲| av免费在线观看网站| 他把我摸到了高潮在线观看| 精品欧美国产一区二区三| 国产1区2区3区精品| 亚洲精品一区av在线观看| 日本a在线网址| 高清在线国产一区| 亚洲人成网站在线播放欧美日韩| 国产一区二区在线av高清观看| e午夜精品久久久久久久| 欧美乱码精品一区二区三区| 精品电影一区二区在线| 亚洲av成人av| 麻豆成人午夜福利视频| 99精品在免费线老司机午夜| 国产成人欧美| 日韩精品免费视频一区二区三区| 夜夜爽天天搞| 法律面前人人平等表现在哪些方面| 国产精品99久久99久久久不卡| 两个人免费观看高清视频| 黄片大片在线免费观看| 欧洲精品卡2卡3卡4卡5卡区| 亚洲午夜理论影院| 色av中文字幕| 日本撒尿小便嘘嘘汇集6| 黄片播放在线免费| 少妇 在线观看| 丰满的人妻完整版| a在线观看视频网站| 国产成人欧美在线观看| 久久精品亚洲精品国产色婷小说| 午夜福利18| 少妇裸体淫交视频免费看高清 | 美女 人体艺术 gogo| 日日夜夜操网爽| 黄色成人免费大全| 一级a爱片免费观看的视频| 亚洲国产欧美一区二区综合| 亚洲在线自拍视频| 此物有八面人人有两片| 狠狠狠狠99中文字幕| 国产v大片淫在线免费观看| 欧美性长视频在线观看| 在线观看一区二区三区| 亚洲一卡2卡3卡4卡5卡精品中文| 免费观看精品视频网站| 美女大奶头视频| 青草久久国产| 91在线观看av| 欧美黑人精品巨大| 国产精华一区二区三区| 久久午夜综合久久蜜桃| 国产精品亚洲一级av第二区| 视频区欧美日本亚洲| 国产单亲对白刺激| 麻豆成人av在线观看| 亚洲成av片中文字幕在线观看| 女警被强在线播放| 黑人操中国人逼视频| 巨乳人妻的诱惑在线观看| 在线观看免费日韩欧美大片| 看黄色毛片网站| 一区福利在线观看| 在线观看午夜福利视频| 日日夜夜操网爽| 国产又爽黄色视频| 丝袜人妻中文字幕| 搡老熟女国产l中国老女人| 91麻豆精品激情在线观看国产| 日本撒尿小便嘘嘘汇集6| 婷婷亚洲欧美| 99热只有精品国产| 最新在线观看一区二区三区| 国产亚洲精品久久久久久毛片| 免费高清在线观看日韩| 天堂影院成人在线观看| 村上凉子中文字幕在线| 久久久久久久精品吃奶| www.熟女人妻精品国产| av中文乱码字幕在线| 久久久久久久精品吃奶| 中文字幕av电影在线播放| 91成人精品电影| 免费搜索国产男女视频| 波多野结衣巨乳人妻| 婷婷六月久久综合丁香| 国产极品粉嫩免费观看在线| 一级毛片精品| 人人妻,人人澡人人爽秒播| 日韩视频一区二区在线观看| 两性夫妻黄色片| 国产1区2区3区精品| 午夜福利在线在线| 91av网站免费观看| svipshipincom国产片| 亚洲成人免费电影在线观看| 视频区欧美日本亚洲| 老司机福利观看| 欧美绝顶高潮抽搐喷水| 精品一区二区三区视频在线观看免费| 久久久国产精品麻豆| 亚洲第一电影网av| 999久久久国产精品视频| 又大又爽又粗| 丁香六月欧美| 1024香蕉在线观看| 国产真实乱freesex| 啦啦啦韩国在线观看视频| 日本免费一区二区三区高清不卡| 宅男免费午夜| 香蕉丝袜av| 午夜福利成人在线免费观看| 亚洲在线自拍视频| 亚洲专区中文字幕在线| 淫秽高清视频在线观看| 中文字幕高清在线视频| 长腿黑丝高跟| 免费在线观看日本一区| 亚洲精品美女久久久久99蜜臀| 国产高清videossex| 一区福利在线观看| svipshipincom国产片| 中文字幕人成人乱码亚洲影| 成年女人毛片免费观看观看9| 日韩精品青青久久久久久| 亚洲人成电影免费在线| 国产爱豆传媒在线观看 | 日韩欧美国产在线观看| 宅男免费午夜| 国产在线精品亚洲第一网站| 美女高潮喷水抽搐中文字幕| 欧美一级a爱片免费观看看 | 日韩欧美一区视频在线观看| 免费在线观看黄色视频的| 精品久久久久久久久久免费视频| 亚洲va日本ⅴa欧美va伊人久久| 国产精品一区二区三区四区久久 | 久久久久久久久免费视频了| 精华霜和精华液先用哪个| 亚洲色图 男人天堂 中文字幕| 欧美绝顶高潮抽搐喷水| 国产精品二区激情视频| 亚洲一区高清亚洲精品| 亚洲一区二区三区色噜噜| 人成视频在线观看免费观看| 日韩大尺度精品在线看网址| 国产野战对白在线观看| 久久久久国内视频| 丁香六月欧美| 日韩精品免费视频一区二区三区| 国产av又大| 两性午夜刺激爽爽歪歪视频在线观看 | 成人一区二区视频在线观看| 国产激情久久老熟女| 欧美三级亚洲精品| 女生性感内裤真人,穿戴方法视频| 中文字幕精品亚洲无线码一区 | 国产精品久久久久久亚洲av鲁大| 日日干狠狠操夜夜爽| 久久伊人香网站| 午夜免费成人在线视频| 两人在一起打扑克的视频| 国产男靠女视频免费网站| 亚洲成a人片在线一区二区| 国产av在哪里看| 欧美色欧美亚洲另类二区| 国产精品久久久久久亚洲av鲁大| 欧美丝袜亚洲另类 | 亚洲一区二区三区色噜噜| 成人手机av| 999久久久精品免费观看国产| 国产色视频综合| 不卡一级毛片| 操出白浆在线播放| 午夜福利在线在线| www国产在线视频色| 美女免费视频网站| 日本三级黄在线观看| 草草在线视频免费看| www.熟女人妻精品国产| 88av欧美| 日日夜夜操网爽| av有码第一页| 国产熟女xx| 日本免费a在线| 亚洲自偷自拍图片 自拍| 制服丝袜大香蕉在线| 日韩国内少妇激情av| 亚洲av熟女| 免费在线观看视频国产中文字幕亚洲| 亚洲国产欧洲综合997久久, | 国产成人影院久久av| 久久国产精品人妻蜜桃| 一区二区三区高清视频在线| 国产一区二区三区在线臀色熟女| 久久久久国产一级毛片高清牌| 亚洲中文字幕日韩| 黄色视频不卡| 国产成人啪精品午夜网站| 999久久久国产精品视频| 欧美成人一区二区免费高清观看 | 国产精品永久免费网站| 日韩欧美三级三区| 窝窝影院91人妻| 淫秽高清视频在线观看| 不卡av一区二区三区| 最近最新中文字幕大全免费视频| 国产乱人伦免费视频| 麻豆av在线久日| 国产午夜福利久久久久久| 午夜精品久久久久久毛片777| 久久精品人妻少妇| 97超级碰碰碰精品色视频在线观看| 波多野结衣av一区二区av| 成熟少妇高潮喷水视频| 久久中文看片网| 一级毛片女人18水好多| 黄色视频,在线免费观看| 日本熟妇午夜| 在线观看午夜福利视频| 午夜视频精品福利| 亚洲一区高清亚洲精品| 日韩精品免费视频一区二区三区| 久久热在线av| 女性生殖器流出的白浆| 欧美性长视频在线观看| 日韩高清综合在线| 一进一出抽搐gif免费好疼| 99热6这里只有精品| 精品久久久久久,| 精品久久久久久成人av| 深夜精品福利| 真人做人爱边吃奶动态| 欧美中文日本在线观看视频| 一a级毛片在线观看| 中文字幕最新亚洲高清| 一二三四社区在线视频社区8| 精品高清国产在线一区| а√天堂www在线а√下载| 午夜激情av网站| 青草久久国产| 午夜免费成人在线视频| 欧美中文综合在线视频| 中文字幕人妻丝袜一区二区| 在线观看舔阴道视频| 精品免费久久久久久久清纯| 久久香蕉精品热| 精品熟女少妇八av免费久了| 亚洲国产毛片av蜜桃av| 国产aⅴ精品一区二区三区波| 国产精品一区二区三区四区久久 | 欧美黑人欧美精品刺激| netflix在线观看网站| 制服丝袜大香蕉在线| 国产精品1区2区在线观看.| 桃红色精品国产亚洲av| 欧美又色又爽又黄视频| 午夜成年电影在线免费观看| 一二三四社区在线视频社区8| 亚洲av片天天在线观看| 久久久久久久午夜电影| 久久国产亚洲av麻豆专区| 亚洲人成77777在线视频| 国产免费男女视频| 最近最新免费中文字幕在线| 老熟妇仑乱视频hdxx| 首页视频小说图片口味搜索| 午夜福利18| 老司机午夜十八禁免费视频| 91成人精品电影| 国产久久久一区二区三区| 国产主播在线观看一区二区| 法律面前人人平等表现在哪些方面| 国产精品香港三级国产av潘金莲| 九色国产91popny在线| 国产精品九九99| 不卡av一区二区三区| 一本久久中文字幕| 神马国产精品三级电影在线观看 | 久久久久国产精品人妻aⅴ院| 又大又爽又粗| 男人舔奶头视频| 午夜福利成人在线免费观看| 亚洲熟妇中文字幕五十中出| 欧美乱色亚洲激情| 桃红色精品国产亚洲av| av中文乱码字幕在线| 国产久久久一区二区三区| 哪里可以看免费的av片| 欧美 亚洲 国产 日韩一| 高清毛片免费观看视频网站| 国产精品影院久久| 国产精品永久免费网站| 久久久国产精品麻豆| 婷婷亚洲欧美| 中文字幕人妻熟女乱码| 亚洲国产毛片av蜜桃av| 欧美久久黑人一区二区| 国产精品精品国产色婷婷| 国产黄片美女视频| 日本一区二区免费在线视频| 日韩精品免费视频一区二区三区| 国产精品电影一区二区三区| 成人午夜高清在线视频 | 在线av久久热| 亚洲,欧美精品.| netflix在线观看网站| 中亚洲国语对白在线视频| 日本免费一区二区三区高清不卡| 欧美日韩亚洲国产一区二区在线观看| 亚洲av成人av| 色婷婷久久久亚洲欧美| 久久久国产成人免费| 国产又爽黄色视频| 免费观看精品视频网站| 欧美成人性av电影在线观看| 悠悠久久av| 色综合欧美亚洲国产小说| 中文字幕人妻丝袜一区二区| 超碰成人久久| 欧美色视频一区免费| 97人妻精品一区二区三区麻豆 | 一区福利在线观看| 免费一级毛片在线播放高清视频| 免费搜索国产男女视频| 亚洲 国产 在线| 国产激情久久老熟女| 美女高潮到喷水免费观看| 成年版毛片免费区| 国产国语露脸激情在线看| 久久精品aⅴ一区二区三区四区| 黄色毛片三级朝国网站| 黑丝袜美女国产一区| 国产精品免费视频内射| 成年人黄色毛片网站| 身体一侧抽搐| 一级作爱视频免费观看| 又紧又爽又黄一区二区| 日韩精品青青久久久久久| 操出白浆在线播放| 男人舔女人的私密视频| bbb黄色大片| 神马国产精品三级电影在线观看 | 国产人伦9x9x在线观看| 久久中文字幕人妻熟女| 日韩中文字幕欧美一区二区| 国产单亲对白刺激| 天堂√8在线中文| 日韩精品中文字幕看吧| 在线观看免费午夜福利视频| 午夜a级毛片| 男男h啪啪无遮挡| a级毛片在线看网站| 国产精品久久久久久亚洲av鲁大| 亚洲天堂国产精品一区在线| 91av网站免费观看| 丝袜在线中文字幕| 精品日产1卡2卡| 国产三级黄色录像| 侵犯人妻中文字幕一二三四区| xxxwww97欧美| 亚洲男人天堂网一区| 欧美性长视频在线观看| 日韩有码中文字幕| 国产精品久久久久久精品电影 | 欧美成人一区二区免费高清观看 | 12—13女人毛片做爰片一| 亚洲精品国产一区二区精华液| 久久久久久久午夜电影| 在线观看免费视频日本深夜| 成年免费大片在线观看| 天堂动漫精品| 欧美激情久久久久久爽电影| 人人妻人人澡人人看| 国产一卡二卡三卡精品| 欧美性长视频在线观看| 日本一区二区免费在线视频| 欧美午夜高清在线| 无限看片的www在线观看| 久久香蕉激情| 国产精品久久久人人做人人爽| 91九色精品人成在线观看| 亚洲色图 男人天堂 中文字幕| 男女下面进入的视频免费午夜 | 免费高清视频大片| 亚洲色图av天堂| 在线看三级毛片| 国产精品一区二区三区四区久久 | 日韩欧美免费精品| 日韩欧美 国产精品| 亚洲第一电影网av| 国产亚洲精品久久久久5区| 久久久久久人人人人人| 国产人伦9x9x在线观看| 亚洲欧美一区二区三区黑人| 亚洲 国产 在线| 男女那种视频在线观看| 国产成人精品无人区| 欧美又色又爽又黄视频| 我的亚洲天堂| 色精品久久人妻99蜜桃| 亚洲美女黄片视频| 一级毛片精品| 高清毛片免费观看视频网站| 精品国产一区二区三区四区第35| 亚洲av成人一区二区三| 1024手机看黄色片|