發生了什麼事
斯坦福大学 HAI 和 RegLab 的研究人员发表的一项研究表明，人工智能系统可以帮助识别歧视性的当地法律。该系统帮助人工审查员标记了数千项根据受保护属性区别对待人们的市政法规。該研究根據歷史法律彙編驗證了人工智慧的準確性為 98%，並指出，雖然人工智慧能夠有效識別明確的差異待遇，但與人類審查者相比，它可能過於急於優先考慮某些基於性別的分類。
史丹佛以人為中心人工智慧研究所 (HAI) 和該大學 RegLab 的研究人員發表了一項研究，展示了大型語言模型在識別歧視性當地法律方面的效用。該人工智慧系統旨在幫助人類審查人員篩選大量的市政法規，以找到根據種族、性別或公民身份區別對待個人的法規。
该研究强调了问题的严重性，并指出旧金山市政法规及其相关决议包含约 1600 万字。這本書使得法律專家的手動審查，例如保利·默里和露絲·巴德·金斯伯格的歷史努力，在沒有計算輔助的情況下極難在地方一級複製。
為了驗證該系統，研究人員使用了一組精選的歷史法律彙編，包括保利·默里（Pauli Murray）彙編的吉姆·克勞法和與同性婚姻訴訟相關的文件。人工智能系统在识别这些已知的歧视性条款方面达到了 98% 的准确率。然後，人類審查員與人工智慧一起對法律主張的強度進行優先排序。
该研究指出了人工智能判断的局限性。雖然該系統能夠有效地識別明確的差異待遇，但該系統有時「過於急於」標記基於性別的分類，例如縣監獄中的單獨設施，這些設施通常具有值得信賴的合法法律依據。研究人員澄清說，該系統目前側重於不同的治療而不是不同的影響，因為後者需要複雜的因果分析，這超出了該工具目前的能力。
為什麼這很重要
这一发展解决了法律合规性和民权执行方面的重大可扩展性挑战。地方市政代码庞大，旧金山等一些城市的代码超过 1600 万字，使得人类专家的手动审核无法进行全面审核。透過自動對法規中明確的歧視性語言進行初步篩選，人工智慧工具可以大幅減少識別潛在違法行為所需的時間和成本。這使得法律團隊和民權組織能夠將有限的資源集中在驗證和質疑最有問題的條款上，這可能會更快地糾正影響數百萬居民的歧視性法律。
這項研究的主要意義是法律審計民主化的潛力。從歷史上看，識別歧視性法律需要專門的法律學者進行大量的體力勞動。透過利用人工智慧對數百萬字的市政法規進行初步篩選，法律團隊可以實現以前不可能實現的全面覆蓋。
該工具對民權執法具有實際意義。透過識別不同司法管轄區的數千條潛在歧視性法規，該研究為有針對性的法律挑戰提供了路線圖。這可能會導致由於地方法規數量龐大而被忽視的法律被刪除或修改。
驗證集中 98% 的準確率表明人工智慧可以成為法律合規性的可靠首過過濾器。這減少了人類審閱者的認知負擔，使他們能夠專注於細緻入微的法律論證，而不是基本的文本掃描。對於資源有限、旨在地方層級執行反歧視法的組織來說，這種效率提升至關重要。
互動機制：它實際上是如何運作的
以互動方式探索這項發展背後的基礎技術。
Why can ethical evaluation not be reduced to one model score?
接下來看什麼
监控法律科技公司或政府机构是否采用类似的人工智能驱动的市政法规审计工具。关注有关不同影响的研究方法的更新，因为当前系统侧重于明确的不同处理。此外，观察这种方法是否扩展到其他监管合规领域，在这些领域需要筛选大量文本以符合特定的法律标准。
該系統的未來迭代可能會嘗試解決不同的影響，其中涉及分析表面中立法律的現實世界影響。這是一項更複雜的任務，需要因果推理，該領域的進展將顯著擴展該工具的實用性。
市政府或國家機構的採用可能會導致積極主動的合規工作。如果地方政府使用此類工具來審查自己的規範，可能會導致在提出法律質疑之前進行自我糾正。
法律界可能會在法庭上爭論人工智慧產生的法律審計的可接受性或可靠性。建立人工智慧輔助法律研究如何進行和驗證的標準對於在法律實踐中更廣泛地接受這些工具非常重要。