科學與理性

科幻電影中機器人的場景，真的可以成真嗎？科幻電影中，機器人不僅可以與我們下棋，AlphaGo下圍棋的例子總是被學者談及，事實上，機器人如果只會下圍棋，那么它對于我們生活幾乎不會有任何改變。同時，機器人會下棋的例子也推不出來機器人就可以深刻地影響到我們的生活，因為在其他方面的應用，機器人算法與下棋的算法完全不同。而是已經深度進入我們的生活，包括機器人保姆、機器人服務員、機器人警察、機器人女友等，涉及社會生活的各個方面。

未來10～20年，人工智能對我們的生活會有什么樣的影響？類似這樣的問題，不僅同學們關注，產業(yè)界的朋友也特別關注，朋友們甚至會時常與我玩笑：作為法律和人工智能的研究者，哪只科技股票未來潛力最大？產業(yè)界關心，投資人關心，普通民眾關心。法學家們也學會了開始湊熱鬧，各個大學相繼成立人工智能法學院據了解，很多大學的人工智能法學院尚沒有一個能教授人工智能法律的老師，當然這并不影響對外掛出人工智能法學院的牌子。那些原本研究法制史的老師們也開始轉向人工智能法學的研究，或許可從諸葛亮“木牛流馬”中受到些許啟示�！帮L來了，豬都可以飛起”，難道，未來真的已經來了嗎？

機器＋人≠機器人

（一）長得越像機器人，越不是機器人

人工智能的概念會讓很多人興奮，正所謂聞“機”起舞。號稱人工智能的企業(yè)如雨后春筍般層出不窮。從調研的情況來看，其中絕大多數的企業(yè)根本不屬于人工智能企業(yè)。當然，什么是人工智能？需要對這一概念有最基本的認知。從60年前的達特茅斯會議至今，人工智能雖不斷被學者修正，但它至少應當具備“人工神經網絡”“機器學習”“大數據運算”這些基本要素，我在HOW實驗室做過不少人工智能的實驗，至少要用到“高等數學”要用到“Python”等編程語言以及人工智能神經網絡的構建，至少要實現一到兩項“智能”目標。

我?guī)缀趺磕甓紩�參加國際機器人大會，那上面參展的有一半以上“機器人”（可以唱歌、跳舞）從其本質上都屬于前面所說的玩具。我曾與這些產品的工程師聊過，這些產品底層的編程語言大都是Java、Python，或是Php（這三種語方居多），程序大都事先寫好，對話的語言和數據也幾乎是固定的，如機器人能夠背誦的詩詞是固定的，整個計算過程與傳統的計算機程序并沒有本質區(qū)別，這并非是真正意義上的人工智能產品。因此，從這一意義上講，人工智能與傳統計算機程序的區(qū)別并不在于產品的表面，比如把它做成一個機器人樣子，或者表面上可以對話，恰恰在于底層的算法。一般投資人在考察人工智能產品時恰恰忽視了這一點。近年來，人工智能神經網絡的算法尤其引人關注，無論是S形神經元算法、卷積神經網絡，或是梯度算法，每一種算法的背后還涉及大量數學、微積分和統計學的推導過程，這些人工智能的算法在應用到具體產品時還需要體現出獨特的產品創(chuàng)意。人工智能概念更為確切定義是：計算機編程＋神經網絡＋問題解決，三者缺一不可。

然而，很多項目完全缺少這些要素，僅有“機器人”的概念或者機器人的LOGO，就開始以“人工智能”自居，當然投資人不懂，被人工智能概念迷惑的也大有人在，于是，所謂“人工智能”企業(yè)就開始滿天飛。事實卻是，這個世界上長得越像機器人的，越不是機器人。

首先，機器人領域的問答機器人。市場上有一群人熱衷于研發(fā)問答咨詢機器人，還把它放到公共平臺上，試圖讓它能自動回復用戶提出的各種問題。事實上，這類設計從一開始就注定是失敗的。這個投資人的錢有接近一半不是死在路上，而是死在開始。類似這樣的機器人設計有很多，銀行的大廳里、酒店的大廳里、火車站、飛機場都能看到這樣的機器人。但這樣的項目從一開始就注定要失敗。因為它只能回答最簡單、初級的問題，遠遠達不到像人一樣思考和回答。我以法律機器人為例，法律問題何等復雜，它需要多層“復雜”邏輯的綜合運算，然而，現在的人工智能還基本停留在“一維邏輯”層面。啥叫多層復雜邏輯？比如，我問機器人：我應該如何維權？事實上，要回答這個問題，需要多方位綜合分析才能解決這一問題，要考慮到案件的具體情況，要找到其所適用的法律依據，還要考慮到當事人的實際情況（如支付能力等），通過多層復雜邏輯完成運算和博弈，最終才可能給當事人一個靠譜的法律建議。這種多層復雜邏輯甚至還需要律師在實踐中不斷學習才能最終完成。然而，當下的機器人在解析法律問題時，還只是“一維邏輯”，它只能從大數據中匹配出一個最靠譜的答案，卻無法按照“多層復雜邏輯”幫助當事人解決實際問題。

有人會說，AlphaGo不是已經戰(zhàn)勝李世石了嗎？怎么能說，機器人的思維能力不如人呢？AlphaGo所做的事情是下圍棋，這是“運算”，不是“思維邏輯”，在機器人的研究中，如果分不清這兩個概念是很可怕的，當下機器學習的最大優(yōu)勢還是“運算”，所以，我在實驗中讓機器人學習很多國家的法律，它的確很牛，記憶力和回答的準確性，具有不可比擬的優(yōu)勢。然而，如果我讓它幫我分析一個具體的案例，這時候需要“多層復雜邏輯”，它就顯得“力不從心”了！所以，在有關機器人的項目中，一定要清楚機器學習的優(yōu)勢到底在哪里？搞不清楚這些基本問題，就只有白花錢。所以，那些擺設在大廳里試圖回答你問題的機器人，注定從一開始就是擺設或玩具。不要說復雜問題它回答不了，即便是最簡單的檢索問題，礙于“語音識別”的誤差以及內部數據的有限性，它所檢索到的也更多是“不知道”。這種不能解決任何實際問題的擺設，對于投資人而言，顯然無法達到投資的預期和目的。

（二）并不是所有行業(yè)都適合用人工智能

并不是所有的行業(yè)都適合人工智能，也并不是所有場景都適用于人工智能。有的飯店推出機器人端菜，很多酒店的大堂還推出機器人客服咨詢，事實上，這些機器人除了廣告宣傳之外幾乎毫無用處，并且，該聘請的人員一個沒少，該付出的勞動一點沒小，在這里機器人除了“噱頭”還是“噱頭”。

“無人餐廳”的概念也曾火爆一時，甚至躋身于人工智能要聞之首，許亞嵐：《問題多！無人餐廳能走多遠？》，載《經濟》2017年第24期。事實上，就智能點餐而言，手機APP可以實現，平板iPad可以實現，化身為桌面的觸摸屏當然也可以，這并非是人工智能所要追求的本質�！盁o人點餐”炒作的成分居多，當然，從商業(yè)運營的角度，這一切無可厚非，但作為人工智能的研究者切不能人云亦云。

類似的情況在服務業(yè)、司法系統也大量存在，如某某法院又在全面實現人工智能，對于人工智能在法律行業(yè)中運用我是十分看好的，但這并不等于神化它的作用，“員額制”所謂“法官員額制”是指法院、檢察院在編制內根據辦案數量、轄區(qū)人口、經濟發(fā)展水平等因素確定的法院的法官、檢察官的人員限額。員額一旦確定，在一定時期內不能改變，沒有缺額就不能遞補。迄今為止，通過法官員額制改革，全國地方各級法院共產生了近12萬名入額法官，約占中央政法專項編制總數的32．8％�！斗ü賳T額制改革推進司法精英化》已經讓法官們心驚膽戰(zhàn)了，再來一個人工智能，法官們深感前景黯淡。事實則不然，在接下來相當長的時期內，審判過程中法官的作用還必須凸顯，機器人更多的應用場景還是在數據處理和分析方面，即便是匹配到了相似的案例，也僅僅只能作為參考，要知道，人對“正義”的理解遠勝于機器。當然，從人工智能發(fā)展更遠的預期來看，機器人能否取代法官并不可知，但就目前或者相當長的時間內，有必要對人工智能的發(fā)展節(jié)奏有正確的預期。

建構機器人戰(zhàn)略中的理性思維體系

（一）機器人需要“工匠”精神

四種機器人產業(yè)中，應當說市場占比最大的當數工業(yè)機器人，無論是德國的“工業(yè)4．0”，還是我國的《2025制造業(yè)大國》都論及工業(yè)機器人布局。賀正楚、潘紅玉：《德國“工業(yè)4．0”與“中國制造2025”》，載《長沙理工大學學報》（社會科學版）2015年第30卷第3期。當今世界的工業(yè)機器人幾乎被“四大家族”壟斷，像日本的發(fā)那科（Fanuc）、安川（Yaskawa），還有德國的庫卡（Kuka）以及瑞士的ABB等作為工業(yè)機器人的龍頭老大，已經占據了全球絕大多數市場份額（80％以上）。黎文娟、喬標、王海龍：《工業(yè)機器人市場競爭新格局》，載《政策瞭望》2016年第3期。美國特斯拉汽車制造流水線所采用的正是庫卡的機器人，整個車間幾乎看不到人。我國很多制作業(yè)已開始廣泛使用工業(yè)機器人，以至于我國已成為全球最大的工業(yè)機器人的消費市場。陳婕：《國內機器人產業(yè)：需求為機創(chuàng)新為器》，載《中國知識產權報》2015年9月23日第5版。

未來10～20年，我國工業(yè)機器人消費市場還將持續(xù)增加，傳統家庭式的手工作坊將逐漸淡出江湖。我國已有一些企業(yè)開始著手研發(fā)工業(yè)機器人。無論是外在“顏值”，還是內在“性能”方面，與“四大家族”相比，都還存在較大差距。當然，工業(yè)機器人在中國還有巨大的市場空間。由于中國有巨大的市場空間，工業(yè)機器人的制造也具有巨大潛力。

從智能手機的發(fā)展歷程來看，先是蘋果一家獨大，最終國內的華為、小米群星薈萃，打破了蘋果在華一股獨大的局面，可以肯定，國內也一定會產生具有較大競爭力的工業(yè)機器人企業(yè)。不過，對于此類企業(yè)的成長周期，不要抱太樂觀的態(tài)度。與生產智能手機不同的是，工業(yè)機器人除了對算法具有較高要求，還要求制造精準、工藝完美、材質精良，我把它統稱為“機器人工匠精神”，所以，為什么工業(yè)機器人四大家族企業(yè)會誕生在德國、瑞士這些具有“工匠精神”的國家。中國人數學很好，算法應當不是問題，但“工匠精神”的培養(yǎng)還需時日。

（二）被曲解的法律機器人

法律機器人總體上屬于“思考型機器人”的范疇，它旨在幫助用戶解決法律問題�？傮w而言，思考型機器人在現有市場中占比較小，不是因為它的市場需求小，而是因為它的難度最大，當然，未來發(fā)展的潛力也最大。思考型機器人依賴于深度學習和神經網絡布局。運用神經網絡和深度學習，它還可以廣泛適用于醫(yī)療、經濟、金融、教育、代理、咨詢、辦公等諸多領域。尤其需要指出，傳統服務行業(yè)亟須人工智能的改造，思考型機器人可以幫助人們解決疑難復雜問題，可以預見，未來人工智能將在這些行業(yè)釋放巨大的紅利。

根據英國科學家阿蘭·圖靈1950年提出的“圖靈測試”，1950年，圖靈在《計算機器與智能》的開篇就提出了一個令人類深思的問題：“機器能夠思考嗎？”（can machines think）圖靈認為，關于機器是否能思考的爭論之所以難以解決，是由于我們沒有一個關于“機器”（machine）和“思考”（think）的明確定義。他指出，用常規(guī)方法定義是“危險的”和“荒唐的”，為此，圖靈設計了一種實驗的方法來判定機器是否能夠思考，或機器是否具有智能，試圖為機器能不能思考的爭論雙方提供一種判決準則。圖靈的目的是找到一個與之相關的問題來解決此問題，并且用“沒有歧義的語言來表達”，這個方法就是著名的“圖靈測試”。（宋勇剛：《圖靈測試：哲學爭論及歷史地位》，載《科學文化評論》2011年版）

一部機器人的智能化程度取決于人在與其交流后能否區(qū)分出其是否為機器人。機器人“智能”的標準，從一開始便是圍繞“思考”展開的。李開復博士早期研究的語言識別，也可以理解為思考型機器人最初的模型。在近60多年里，無數科學家圍繞思考型機器人展開研究，但限于計算機計算能力的限制，人工智能的思考問題一直處于嚴冬季節(jié)。如今，計算機大數據的運算能力都比以往有了很大提升，這也為思考型機器人帶來了前所未有的發(fā)展機遇，可謂“卷土重來”。我甚至把它稱為“思考型機器人的第二次勃興”。

盡管如此，當前法律機器人仍然面臨著算法與數據方面的困境。如國外比較代表性的Legalzoon、DoNotPay等法律機器人。這類機器人值得投資嗎？目前市面上見到的這類法律機器人也只是頂了個機器人的外殼，并不能替代律師解決問題。還只是擁有一些簡單的模板提供或者搜索的功能。再以Legalzoon為例，它是讓用戶通過自己提交信息，然后由機器人根據用戶需要自動撰寫（生成）所需要的合同。這里的問題是，類似這樣的項目值得投資嗎？

機器人在撰寫合同領域到底能發(fā)揮多大作用呢？我在實驗室也做過很多這樣的實驗，應當說，人工智能通過機器學習后是可以發(fā)揮很大作用的，尤其是在語句修改或者不規(guī)范的用語方面，問題的關鍵是營利模式不是這樣玩的。在所有人工智能的項目中，都必須回答一個問題：它給誰來用？它能解決什么問題？

如果這樣的合同機器人是開發(fā)給律師或者法務等專業(yè)人員用，當然可以提升他們的工作效率，這種開發(fā)是有價值的。然而，Legalzoon以及目前市場上開發(fā)的主流機器人卻是供當事人直接用的。這種機器人可能發(fā)揮不了太大的作用。道理在于，機器人找不到核心利益條款，這在短期內是無法突破的。何為核心利益條款？比如說，一個合同可能有1000條，但真正為雙方當事人關鍵的條款可能就只有其中的3～5條，當然，當事人關心什么，這需要結合每一個具體案件以及應用情景來確定，比如，同樣是買東西，有的買家關心產品質量；有的買家關心付款周期；有的買家關心賣家的信譽等，總之，它很復雜，有經驗的律師就會在類似的案件中，精準找到當事人的核心條款，并把主要精力放在完善核心利益條款方面。然而，短期內機器人卻無法找到合同的核心利益條款。所以，這樣的機器人切切不能直接給用戶使用，否則真的是“誨人不倦”了。

事實也表明，Legalzoon項目長期以來的營利情況不容樂觀，當然，有消息稱其升級后近期開始營利了。其實，其升級后的場景下，與其說是一個機器人幫助撰寫合同，倒不如說是一個海量合同的版權池。眾所周知，國外的律師收費很高，而且知識產權的保護也是極為嚴格的，所以一般的當事人更愿意花100美元下載一個合同模版。如果把這樣的項目移植到中國來會怎么樣呢？一個“慘”字了得。國內有一家企業(yè)，效仿Legalzoon，也融到了資，還在新三板全國中小企業(yè)股份轉讓系統（俗稱新三板）是經國務院批準設立的全國性證券交易場所，全國中小企業(yè)股份轉讓系統有限責任公司為其運營管理機構。掛牌了，可結果如何呢？一直虧損。其實對于初創(chuàng)企業(yè)，虧損不可怕，可怕的是沒有希望。在國內合同模版網上隨處可見，如果缺少人工智能的核心競爭力，僅僅依靠模版收費，當事人會付費嗎？答案顯然是否定的。