法律人工智能系统:法律实践的新工具

美国匹兹堡大学凯文·阿什利教授是法律人工智能研究领域的先驱之一,其开发的案例推理系统——"海波"系统被称为"过去三十余年最具影响力的法律人工智能系统"。阿什利教授认为,案例推理系统与法律文本分析的结合将引领法律人工智能系统研发的新方向。人工智能时代的到来对法律人提出了巨大的挑战,法律人应主动拥抱人工智能并参与到技术的设计和完善中来。作为研发者,应当坚持法律人工智能是人类的辅助者,而非取代者。人类应当始终参与法律决策。     

经济合作与发展组织全球科学论坛神经信息学研究--回眸与展望

经济合作与发展组织 (OrganizationforEco nomicCooperationandDevelopment ,OECD) 全球科学论坛 (GlobalScienceForum ,GSF)是一个政府间国际合作组织。神经信息学 (Neuroinformat ics ,NI)工作组是该组织的一个下属分支机构。本文简要介绍了OECD GSF NI的组织机构 ,神经信息学的起源与发展 ,提出了神经信息学面临的机遇与挑战。一、OECD GSF NI工作组简介　　经济合作与发展组织 (OECD)是一个以发达国家 (美国、欧盟、日本等 )为主体的政府间国际合作组织。OECD最重要的作用就是为各成员国和观察员国提供一个研究、探…     

人工智能法律主体资格研究

人工智能实体能否成为法律主体存在争议。基于理性是法律主体判断标准这一通说,传统法学倾向于否定人工智能的法律主体地位。其实,自然人和非自然人法律主体遵循着不同的判断标准。理性是自然人法律主体的判断标准,拟制是非自然人法律主体的判断标准。据此,更应重视法律主体制度的法律技术价值,人工智能具有成为法律主体的合理性,以合理分担人工智能带来的风险责任。但从现实性出发,人工智能成为法律主体尚待时日。     

神经信息学国际合作与Brain Bank的建设

神经信息学(Neuroinformatics)是人类脑计划的核心内容,是神经科学与信息学相结合的一门新兴学科。其主要目标是:利用信息学工具研究脑、认识脑、开发脑和保护脑;整合国际神经信息学资源为全球提供数据共享服务;建立网络协同研究环境,开展世界范围内神经信息学科研大协作。本文     

人工智能权利话语批判

人工智能被想象成为"像人一样的主体"。在此基础上,人们借助主体范式和关系范式开始建构人工智能的权利话语体系。但是,无论哪一种视角,其根源都是人类中心主义的。这就导致人工智能和人类的交往行为,不足以像正常的成年人一样,具有道德权利的双向社会性意义,因此,人工智能必然缺乏道德主体资格。与此同时,尽管法律规范可以设定人工智能的相关法律权利,但这一权利设置更多体现为无权利的义务,并且是为了保护人类的利益,因此,人工智能的法律权利就是修辞性的,而非真正的法律主体权利。     

智能社会以法律和伦理为界

正通过对人工智能相关法律、伦理和社会问题的深入探讨,为智能社会划出法律和伦理道德的边界,让人工智能服务人类社会。得益于中国在互联网、大数据、云计算等领域的卓著进步,人工智能在国内发展迅猛。从娱乐、出行到支付手段,人工智能悄然改变着我们的生活。去年7月,国务院印发了《新一代人工智能发展规划》,指出人工智能成为国际竞争的新焦点、经济发展的新引擎,带来社会建设的     

生物信息学

生物信息学 (Ｂｉｏｉｎｆｏｒｍａｔｉｃｓ)是一门生物学与信息学交叉而成的年轻学科 ,旨在研究生物系统与生物过程的信息量与信息流 ,以便支持人口与健康、农业生产、创新材料和资源环境等领域的研发计划。其中基因组信息学 (ｇｅｎｏｍｅｉｎｆｏｒｍａｔｉｃｓ)、结构生物信息学 (Ｓｔｒｕｃ ｔｕｒａｌＢｉｏｉｎｆｏｒｍａｔｉｃｓ)和神经信息学 (Ｎｅｕｒｏｉｎｆｏｒ ｍａｔｉｃｓ)是较热门的分支。生物信息学由数据库、应用软件和因特网三大要素组成。2 0世纪 6 0年代 ,蛋白质氨基酸序列和蛋白质三维晶体结构测定成功后 ,出现存储…     

人工智能

<正>人工智能(artificial intelligence,AI)是解释和模拟人类智能、智能行为及其规律的学科,主要任务是建立智能信息处理理论,进而设计可展现近似于人类智能行为的计算机系统。人工智能被认为是21世纪三大尖端技术(基因工程、纳米科技、人工智能)之一。人工智能一词最初是在1956年达特茅斯会议上,由约翰·麦卡锡提出的。在之后的60多年里,人工智能取得了一连串里程碑式的突破:1997年"深蓝计算机"(Deep Blue)击败了当时的世界象棋冠军卡斯帕罗夫(Garry Kasparov); 2011年超级电脑"沃森"(Watson)     

十二国科学产出影响及学科优势的国际比较——基于引文计量的分析

文献计量学是学科政策的重要分析工具之一,通过对各学科领域研究产出及其影响的文献计量进行分析和国际比较,可以从一个侧面了解相关国家的整体科研实力和学科优势。基本科学指标数据库(ESI)为美国科学信息研究所(ISI)的一个子数据库,基于科学引文索引(SCI)和社会科学引文索引(     

在我国开展化学信息学研究的一个可能的突破口

化学信息学是９０年代提出来的交叉学科，起步不久。从科学发展史看，科学实验数据和信息的大量积累，如果加以认真分析，综合研究，往往导致重大科学规律的发展，当前已知分子和化合物的数目已超过２３００万，并以每隔１０年翻一番的速度增长，但全世界的化学家似乎还没有充分利用这一化学信息宝库来总结规律，这是百年一遇的难得机会。本文是在全国首届化学信息学研讨会上所作的报告，提出在我国开展化学信息学研究的一个可能的突     

机器人参加东京大学“高考”

成绩比肩普通高三生 “东Robo君”是日本国立信息学研究所等机构于2011年开启的人工智能开发项目，目标是在2021年度之前“考取”东京大学。不过，今年（2014年）秋天参加了日本全国大学入学考试，在其考试成绩公布中，尽管离东京大学录取标准还相差很远，但较去年有所进步。     

人类脑计划和神经信息学

一、新兴的神经信息学 神经科学和信息科学是当今自然科学研究的两大热点。神经信息学(neuroinformatics)是这两大学科相结合的新兴的边缘学科,位于医学、生物学、物理学、计算机科学、数学与工程技术的交叉点上。神经信息学包括:分子神经信息学和系统神经信息学。其目标是利用现代化信息工具,将不同层次有关脑的研究数据进行分析、处理、整合与建模;建立神经信息学数据库和有关神经系统所有数据的全球知识管理系统,以便从整体系统水平研究脑、认识脑、保护脑和开发脑。     

人工智能能否超越人类智能

半个多世纪以来,人工智能研究似乎取得了迅猛发展,但批评之声也一直不绝于耳。本文亦是一项关于人工智能的批判性分析,针对的是一个关系到人工智能研究基础的问题,即"人工智能能否超越人类智能"。我将尝试构造一个基于集体人格同一性(collective personal identity)的新论证,从而表明:首先,该问题原则上无法仅在经验科学的框架中获得有效解决;其次,该问题其实是一个没有认知意义的问题;最后,如果该问题没有认知意义,那么人工智能研究的一个重要目标,即"生产出一种新的能以人类智能相似的方式做出反应的智能机器",恐怕也无法实现。     

“智能革命、城市与人类未来”研讨会在上海科学会堂召开

正为了落实习近平总书记在致世界人工智能大会贺信中"处理好人工智能在法律、安全、就业、道德伦理和政府治理等方面提出的新课题"的精神,2018年9月27日,由上海市科协、中国社会科学院科学技术和社会研究中心主办,上海市自然辩证法研究会承办的国家社科基金重大项目"智能革命与人类深度科技化前     

AI辩手战胜人类的启示意义

正最近,国际商业机器公司(IBM)在美国旧金山举办了一场人机辩论大战,由IBM最新人工智能产品"项目辩手"对战2016年以色列国家辩论冠军奥瓦迪尔以及以色列国际辩论协会主席扎夫里尔。在两场辩论中,观众们都投票认同项目辩手获胜,因为它传递的信息量高出了人类。     

科技成果"三化"之法律保护

农业经济、工业经济时代的演绎更替,知识经济时代已悄然来临.在知识经济时代,为全面落实科学发展观,实施"科教兴国"和"可持续发展"战略,加强对科技成果的法律保护其重要性日益突现.一方面科学技术的发展有赖于法律制度的保护;另一方面科学技术的发展与进步也会对传统的法律保护制度提出新的挑战,并促进其完善.     

生物信息学

生物信息学(Bioinformatics)是一门生物学与信息学交叉而成的年轻学科,旨在研究生物系统与生物过程的信息量与信息流,以便支持人口与健康、农业生产、创新材料和资源环境等领域的研发计划。其中基因组信息学(genome informatics)、结构生物信息学(Structural Bioinformatics)和神经信息学(Neuroinformatics)是较热门的分支。生物信息学由数据库、应用软件和因特网三大要素组成。20世纪60年代,蛋白质氨基酸序列和蛋白质三维晶体结构测定成功后,出现存储与研究蛋白质序列信息与结构信息的工作,像美国女科学家Dayhoff建立了第一个分子生物学数据库“Atlas of protein sequence and structure”,亦即现今数据库PIR的前身;Zuckerkandl与Pauling提出运用蛋白质序列推断生物种族的进化历史以及Anfinsen根据核酸酶再折叠试验提出“氨基酸序列决定它的三维结构”原理。到70年代核酸序列测定已获成功,特别是Sanger等人开始病毒基因组的测序工作,吸引了众多计算机科学家、数学家和物理学家加盟,去实现数据在线采集与建立数据库以及数据检索、处理、分析、显示和流通等目的。经过近十年的努力,取得一批崭新成果,分别收录于1982年、1984年和1986年的《核酸研究》(Nucleic Acid Research)的特刊中。随后蛋白质序列库PIR与SwissProt,核酸序列库GenBank与EMBL以及蛋白质结构库相继出台服务。以上计算分子生物学工作和数据库建设为90年代诞生生物信息学准备了科技条件。1986年美国科学家Dulbecco在《科学》(Science)上发表题为《癌症研究的转折点——测定人类基因组序列》的文章,在科技界引起了强烈反应。经过激烈的辩论,终于在1990年公布了美国的人类基因组计划,随后形成国际人类基因组计划。在它的第一个五年计划中,第三项目标是基因组信息学,要求研发有效的数据库、应用软件和网络传输等信息技术,来支撑大规模图谱与测序以及诠释基因组信息。同年,召开了第一届国际生物信息学会议。在第二届国际会议上正式使用Bioinformatics一词。到2001年已是第10届会议,会议内容涉及序列和结构数据库、基因识别、基因组比较、基因组功能分析、DNA芯片信息学、分子进化和蛋白质组学等方面。还有每年一次的计算分子生物学会议,像国际计算分子生物学会议(RECOMB),生物计算太平洋会议和分子生物学智能系统国际会议(ISMB)等,是国际生物信息学界的盛会。我国的生物信息学工作是逐步地发展起来的。20世纪80年代初仅在中国科学院生物化学研究所与生物物理研究所和内蒙古大学物理系艰难地开展一些计算分子生物学的工作,像RNA二级结构预测、分子动力学、核酸序列的统计分析和蛋白质二级结构预测以及精神分裂症的脑复杂度分析等。至1986年,国家“863计划”支持几个单位用计算生物学实施蛋白质工程,如中国科学院的生物化学所、生物物理所和药物所,以及北京大学化学系和中国科大生物系。1990年这些单位率先开展生物信息学研究工作和实施相应的博士和博士后培养计划。1992年中国生物物理学会召开以“蛋白质工程、基因组分析与非线性生物学”为题的全国首届生物信息学会议,比首届国际生物信息学会议仅晚2年,但没有引起管理层和科技界注意。随后,北京大学化学系与生物系也分别开放蛋白质结构库(PDB)和欧洲生物信息学研究所(EBI)映象数据库服务。几年后,国际“基因组计划”变得十分火热。国内随即成立中国科学院国家基因研究中心和中国人类基因组南、北研究中心,分别负责“水稻基因组计划”和“人类基因组计划”。其中,中国科学院遗传所的人类基因组中心异军突起,克服重重困难于1999年9月代表中国承担国际人类基因组计划中1%的任务,即3号染色体短臂上的一个约30MB区域的测序。它成为中国各个基因组项目中最具影响和实际产出最明确的主要部分。由此,生物信息学顿时成为公众宠儿,科技界角逐的领域。除此之外,1993年美国国立健康研究院(NIH)宣布实施“人脑计划”。在头五年中主要发展神经信息学(Nuroinformatics),并于2000年6月在《自然》(Nature)杂志发文提议建立国际神经信息网络。国内与此差距甚大,但仍有积极响应。人类基因组计划的工作方式在生物领域中是前所未有的,采用了工业化模式的大科学工程。生物信息学解决了由此产生的海量信息的采集、存储、处理、共享、流通、服务和开发等挑战性问题。至今即将完成或已经完成测序的有人、褐鼠、黑腹果蝇、秀丽线虫、拟南芥菜、水稻、啤酒酵母等真核生物以及近百种微生物。其中重大的成就有：1.整基因组的测序原理和集装方案的提出和实行。从20世纪70年代简单病毒基因组测序开始到如今实施整基因组测序和集装,历经了整整20年的努力。2.从集装成的基因组序列预测基因,提示蛋白质功能,结构与功能分类,最后构成面向对象的数据库(ACEDB),无不依赖于生物信息学的支撑。3.后基因组的发展,如结构基因组学,功能基因组学,蛋白质组学、疾病基因组学,药物基因组学和环境基因组学等,更离不开高效、灵敏和准确的生物信息学。其中阵列信号检测(如DNA/Protein chip)的统计分析和众多基因组间的平行比较是典型的例子。与国际上生物信息学的重大成就相比,我国的研究呈现三种状况：一是序列基因组学(图谱与测序)中所用的生物信息科技(软硬件)多半从国外移植和拷贝;二是依靠国外生物信息中心(例如EBI和NCBI等)建立北京大学生物数据映象中心;三是中国生物信息学的本土基础力量较薄弱。尽管如此,仍取得了一些好的成果。这些成果包括：1.中国科技大学施蕴渝院士的研究组成功地发展了分子动力学,且用于蛋白质工程。尤其她将分子动力学和量子化学程序结合用来模拟酶促反应,是国际上少数成功事例之一。2.应用序列同源性搜索和基因电子克隆技术大大加快了新基因的发现。例如夏家辉院士的研究组发现了遗传性高频耳聋的疾病基因以及克隆了新的蛋白质激酶基因DyRk3和识别了人的auxilin基因。3.中国科学院生物化学研究所丁达夫研究组根据分子生物学的序列、结构和功能的基础关系在三个方面得到了好结果：① 从序列模建蛋白质三维结构。其中关键一步是序列—结构联配,在国际上是较早实行者之一。② 蛋白质分子设计。其中创新之处是氨基酸序列选择、侧链构象安装和主链骨架柔性的平行组合筛选,以及在小分子骨架上嫁接功能活性区。③ 基因组功能预测。其特点是发展了进化踪迹法,比通常的同源搜索方法有较高的正确率,且可延拓到细胞生化功能(代谢途径与调控网络)的预测。4.另外,中国科学院生物物理研究所陈润生研究组发现基因组的Junk DNA序列(即不编码基因的DNA序列)可能存在特异的编码方法,且与基因组调控网络关联。还有,中国科学院昆明动物所刘次全研究组,北京大学来鲁华研究组,以及内蒙古大学罗辽复研究组在结构生物信息学和基因组统计分析方面都有显著的成就。今年二月份《自然》和《科学》分别公布了国际人类基因组联合体和Celera基因组公司的人基因组测序结果。他们都认为这只是破解生命奥秘的良好开端,而不是完满的结束,基因组功能是永恒的主题。而且提出了一些实质性的问题,例如：1.基因组复杂性。虽然人和大猩猩的基因组仅差1%～2%,但是他们的基因组表达及其调控乃至整体行为却有很大差异。基因组复杂性同基因数、神经元数和细胞类型数没有直接关联。有人提出生化网络(代谢和调控)的复杂性才是基因组复杂性的表现。2.基因表达图谱(像DNA chip)可揭示整体细胞基因表达信息,是基因组功能分析方面的主要进展。然而细胞或组织中的mRNA丰度与蛋白质丰度的统计关联是不显著的(在人肝中0.48,在酶中小于0.4),因此基因组的后翻译修饰及其与环境的相互作用(epigenetics)对于理解生命的活动是不可缺少的,从而必须开展蛋白质组学和环境基因组学的研究计划,药物基因组学才能有较大的发展。毫无疑问,面对这些巨大系统工程,生物信息学看到的既有挑战又有机遇。     

人工智能将来会“用心”思考吗?

人工智能正在越来越多的领域替代人类大脑的某些功能,这种发展趋势引起了人们许多反思和担忧。将来人工智能是否可能完全取代人脑的功能?从中西思维方式比较的角度,可以展现解答这个问题的一种新思路。中国传统文化强调的"用心"思考,指的是以大脑右半球和边缘系统为主导的思维活动,这可能是人工智能无法完全取代的。"用心"思考是人类特有的智能,人工智能应该成为"用心"思考的必要补充,以提高其效率和质量;而"用心"思考应该成为人工智能发展的"调节器",以避免其发展在"无心"状态下可能出现的负面影响。要协调人类智能和人工智能的关系,有必要在人工智能发展中推行"用心的设计"和"用心的评价",在教育中实现"用心"思考与人工智能的有机融合。     

建构友好人工智能

在人工智能得到高度重视并飞速发展的时代背景中,我们应该努力建构一种友好人工智能,使其更好地为人类服务,避免或减少负面影响。从政府管理层面看,需要加大人工智能社会影响研究,实现智能社会的公平正义,加强对人工智能科技的监管与调控。从技术层面上,需要保证人工智能技术的安全性、可控性、稳健性与人性化,实现人工智能算法的公正性与透明性。从公众层面上看,需要积极应对人工智能对就业的影响,正确认识人工智能威胁论,克服人工智能技术恐惧思想。从关系层面看,需要完善相关法律法规,加强对人工智能的国际治理。人工智能研究应该以"友好人工智能"为出发点与落脚点,建构友好人工智能应该成为全社会的非常明确的努力目标。     

人工智能“伦理迷途”的回归与进路——基于荷兰学派“功能偶发性失常”分析的回答

随着人工智能的迅速发展,由于人类社会认知的不匹配,在伦理方面,就可能形成对人工智能的一种"伦理迷途",即在一定程度上引发了人们对人工智能的恐慌或者盲目崇拜。荷兰学派的威伯·霍克斯和彼得·弗玛斯通过对于"功能偶发性失常"的分析,提出技术人工物的功能失常是其功能和结构之间关系的一个普遍现象,反对人们对人工智能的恐惧或者盲目崇拜,进而对人工智能的功能认知提出了理论进路。即解决方案既要从技术人工物自身方面解决,也要从技术使用的不确定性等技术人工物的社会性方面去解决。