红网首页设为首页收藏本站
 

红网论坛

 找回密码
 注册

只需一步,快速开始
搜索
查看: 3827|回复: 1

[新闻爆料] 许多年后,被机器奴役,每天给电路板清灰的人类,还会想起那年夏天里落泪的那个男孩

[复制链接]
发表于 2017-10-9 13:23 | 显示全部楼层 |阅读模式

2017年5月27日,柯洁0:3不敌AlphaGo,在比赛中黯然拭泪。

AI已经全面“入侵”。AI时代,从政策立法,到机遇与挑战,再到企业合规,以及争议解决,法律人应该如何应对?百度专利事务部总经理秦健的解读或许能给我们带来一些启发,律新社特此转载,推荐阅读。

迄今为止,人类历史上经历过三次产业革命,根据美国Yale University的研究报告,每次革命都深刻影响着全球的经济格局;同时,每次革命都具有划时代的意义。接下来我们将面临人工智能所带来的产业革命,它将带领我们进入AI时代。而AI产业高速发展的同时,也将赋予法律工作新的挑战和契机。


1
Upstream:Policy & Law Making


AI发展对法律工作的第一个挑战是政策立法,政策立法工作需要从无到有、开山劈路,适应AI产业的高速发展。AI时代的政策立法和以往不同,需要综合考量三个要素进行整体设计,这三个要素是:顶层设计、伦理规范和具体的政策立法。

首先说顶层设计。我们可以看到,不管是美国还是中国,在过去1-2年里都在不断完善人工智能的顶层设计工作。比如,2016年12月,美国白宫公布了《人工智能、自动化和经济》,其中提出“重点突破新兴领域的人工智能技术”;中国则在2016年的3月发布《国民经济和社会发展第十三个五年规划纲要 (草案)》,其中同样提出“重点突破新兴领域人工智能技术”的规划,时间比美国还早;

同时,今年7月,国务院发布了《新一代人工智能发展规划》,内容全面涵盖人工智能的战略态势,工作的指导思想、基本原则、战略目标和总体部署,重点任务、资源配置、保障措施及组织实施等。这些顶层设计对开展人工智能政策立法具有至关重要的指导意义。

其次说伦理规范。毫不夸张的说,AI时代的来临,将伦理规范提高到前所未有的重要高度。美国白宫发布的《美国国家人工智能研究与发展策略规划》中,专门提出“应对人工智能带来的伦理问题”;中国《新一代人工智能发展规划》中,15次提到“人工智能的伦理问题”,可见其重要性不容忽视。

人工智能的伦理规范有多重要? 我们用AI界的寓言——“隔壁老王”的故事来说明:

一家公司发明了一个叫“隔壁老王”的书写机器人,要求它“尽可能地书写,尽可能快地执行,并且不断提高书写的效率和准确性”。老王一直按人类指令工作,直到有一天,它向人类发出一条请求“希望接入公共互联网得到更多的数据,便于更好地完成书写”。

人类允许了它接入公共互联网,但每天只允许接入一小时。有一天工程师们突然闻到一股奇怪的味道,五分钟后,办公室里的人都死了,很短时间内人类开始大面积死亡,一天之内人类灭绝了。

为什么会这样? 因为人类在给机器人设立目标程序的时候,要求它“尽可能地书写、最快地执行”。

当它发现人类提供的有限数据已不能实现它的目标时,它会向人类索要更多数据;当它发现人类给它的数据只是限时、限量提供时,它自然就把人类视作实现目标程序的最大障碍,由此,为更好地实现目标程序,它自然要消除这个障碍,于是就有了后面灾难的发生。

这个寓言告诉我们:当人类运用人工智能的时候,如果不事先设计普适的伦理规范来约束,就可能出现灭顶之灾。这一点,不管是霍金还是埃隆·马斯克等人,都曾数次警醒人类。

那么,有没有这样的伦理规范? 下面我分享的是,人工智能专家已经在着手制定这样的规范,在Beneficial A.I. 2017大会结束后,2000多名来自全球各领域的AI专家一起发布了ASILOMAR AI PRINCIPLES,其中包含23条基本原则,下面列举4条准则:

安全性。不管人工智能运用到哪些领域,在其整个生命周期内都必须确保安全性。

司法透明度。人工智能在司法决策系统中的运用需要有充分依据,同时,需要有人来进行审查double check,不能单纯信赖人工智能进行司法决策直接得出结论。

价值观一致性。需要确保人工智能系统在运行过程中秉承的目标和采取的行动,都符合人类的价值观。刚才分享的“隔壁老王”的悲剧,一定程度上就是“AI采取的行动不符合人类价值观”所导致的。

个人隐私。其中规定“人类应该有权使用、管理和控制自己生成的数据,为人工智能赋予数据的分析权和使用权”。我们可以看到,美国、欧盟正在推动的数据立法,基本都遵从这一原则。

由此我认为,除“顶层设计”外,“伦理规范”对人工智能时代的政策立法工作,同样具有非常重要的指引作用。

了解了“顶层设计”和“伦理规范”两个要素,才能够更好地开展政策立法工作,最后说说如何做好具体的政策立法工作。我认为应该分“三步走”:

第一步,需要全面分析行业格局

举无人驾驶为例,整条产业链包括技术供应商、服务器供应商、核心处理器供应商、系统集成商、局部产品/服务供应商/制造商、整车制造商、通讯服务供应商、技术运营商等若干环节,缺一不可。

为何要了解行业整体格局?

第一,一国的政策立法是引导本国产业发展的重要手段,只有了解整个行业的格局,才能准确判断本国在产业链的具体哪些环节需要重点发力,从而有的放矢地部署政策立法工作;

第二,一国的政策立法兼顾的是该国整体产业生态的发展,如果政策立法工作不能兼顾整体,而是厚此薄彼,最终也会因为损害到局部利益而导致整体利益受损。

第二步,需要了解考察“他山之石”

对人工智能,美国布局得很早,欧洲也在布局,比如在无人驾驶领域,美国目前的政策立法工作已经涵盖无人驾驶所涉及的道路交通、安全标准、数据隐私等层面,并在今年7月通过了《自动驾驶法案》;德国、英国也在做相应的政策立法布局,两天前,我们看到澳大利亚也发布了针对无人驾驶汽车及其安全治理的提案。“他山之石能攻玉”,我们只有了解这些行业的信息,才能更好地开展政策立法工作。

第三步,定制化设计Rules Making

在考察了解“行业格局”和“他山之石”后,我们需要综合运用获得的信息针对性开展行业政策立法工作,将信息为自己所用。仍然举无人驾驶的例子:从上面两个步骤的研究中我们能够大致窥见无人驾驶车想要上路,需要克服哪些政策立法障碍,比如:

在软件/硬件、信息、安全、数据等问题上,需要建章立制,即建立标准,这是工信系统的管辖范围;

在安全检测、驾驶资质等基本准入问题上,需要政策立法的引导和支持,这是公安系统的管辖范围;

需要解决无人驾驶在载客、载货等基本场景上所遇到的政策立法问题,这是交通运输系统的管辖范围;

需要结合一国在无人驾驶产业链特定环节的自有优势,针对性进行重点布局,例如,如果在无人驾驶导航功能上做重点布局,就要依靠测绘系统的支持。

所以说,遵循上面三个步骤,才可能有条不紊地做好AI时代的政策立法工作。

总结一下,我认为AI时代政策立法工作的Key word是“生态”,一定要有全生态思维,才能做好这项工作。


2
Upstream:Patent Strategy

下面我和大家分享,AI时代对专利工作的挑战和机遇。

在AI时代,专利的全球竞争格局悄然发生着改变,《乌镇指数:2016全球人工智能发展报告》显示,目前全球人工智能的专利数量上,美国、中国、日本位列前三,占全国人工智能总专利数的73.85%,日本为了进一步加大在人工智能专利上的布局,不久前刚通过修改其专利法,来降低AI专利的申请门槛,同时加快其授权速度。

不限于立法,前不久我也走访了不少跨国公司,发现他们纷纷在调整自己的专利体系,更好地适应时代的发展变化,比如某世界500强公司,为更好地支持本公司的AI战略,将专利体系的基本职能做了大幅调整,增加了数据分析、专利分析、专利策略等几项职能,并招募全球最顶级的人才组建专项团队。

巨头们为何做这件事? 因为在AI时代,专利工作的重要性将有显著的提高,真正实现“兵马未动,粮草先行”的作用,具体来说,AI时代,专利工作能够真正起到“助力公司决策和战略布局”的作用。

下面,我通过三个例子来说明这点:

第一个例子,2016年,谷歌和特斯拉在无人驾驶上有过一次PK,自此之后,关于互联网/高科技公司究竟应该进驻无人驾驶哪些领域的争论就一直不绝于耳。实际上,针对这个问题,专利分析工作能够给公司决策提供很重要的参考,具体来说:

从无人驾驶的专利数量维度进行分析发现,传统汽车公司相较于互联网/高科技公司,在专利总量上有绝对优势;

如果把传统汽车公司的专利布局做进一步细分,就会发现不同公司在无人驾驶上的布局各有侧重,有的侧重于核心处理器,有的侧重于系统集成,有的侧重于局部产品/服务,有的则侧重于技术运营,但不管侧重点是哪块,几乎每个传统汽车巨头都在其优势领域布局了“杀手级专利”,可谓“质量并重”,足以构成竞争准入壁垒——互联网/高科技公司想要进驻这些领域,依靠创新来突围,首先就要遭遇专利高墙,即使付出天文数字的惨痛代价都难进入,得不偿失;

那么,互联网/高科技公司的优势在哪里? 我们同样能通过专利分析来窥见一二:尽管传统汽车公司在专利总量上占绝对优势,但如果我们对其中的高技术专利进行统计,不难发现互联网/高科技公司所拥有的高技术专利占比明显高于传统汽车公司,绝对数量上也有明显优势。

这就意味着,无人驾驶相关的高技术领域,传统汽车公司在尝试进驻时同样会遇到互联网/高科技公司所搭建的准入壁垒,而这个壁垒主要集中在最核心的技术供应链领域,底层技术所搭建的专利墙足够形成显著竞争优势。

在这个例子里,专利分析能够帮助我们了解特定行业的整体竞争格局,并找到切入点,进而辅助公司决策,究竟应该优先进驻无人驾驶的哪几个领域,才能发挥最大优势,同时要避开哪些领域、哪些雷区。这样,专利分析就和公司战略、决策绑在了一起。

第二个例子,接着上面的故事,如果某家互联网公司已经决定进驻无人驾驶的技术供应链领域,下面的问题就是如何在这个领域里深耕细作、做好布局,同时尽量少走弯路。在这个过程中,专利仍然能发挥作用。比如说:

无人驾驶简单分为四个模块:感知层、策略层、控制层、云端服务,但很显然,一般公司都不会选择同时针对这四个模块“均匀用力”进行布局——毕竟,面面俱到就等于没有重点;

所以,一般公司倾向于在不同阶段、不同时期分步骤、有侧重地进行布局,那么,什么样的布局才是最经济的? 竞品走过哪些弯路? 我们同样能通过专利来进行挖掘分析。

比如,通过分析谷歌自2011年至2016年的无人驾驶专利布局轨迹,就能反向推测出谷歌在这六年来每年技术创新的重点;并通过对每年的专利布局情况按不同领域进行细分,看出谷歌在创新探索上的变化 (例如,在无人驾驶的感知层,如何将摄像头和激光雷达相结合,如何将摄像头和雷达相结合进行创新探索),从而了解到谷歌在无人驾驶布局过程中的经验和教训,为自身所借鉴。


在这个例子里,专利分析能够帮助我们了解竞争对手的战略布局沿革,进而了解其创新探索、发展轨迹、经验、教训,最终为公司开展同质化或差异化竞争提供支持。

第三个例子,通过专利不仅能了解到竞争对手在过往和当下进行的战略布局,还能事先捕捉竞争对手在未来可能进行的布局。

仍然接上面的故事,如果某家互联网公司在了解到谷歌无人驾驶的历史布局轨迹后,希望同时了解其未来可能的布局动向,同样能通过定期监测分析其专利来获得宝贵信息。

比如说,通过对谷歌的专利进行监测可知,USPTO早在2016年12月22日就公开了谷歌申请的无人驾驶叫车软件专利,通过对该专利及相关专利组合进行分析,很容易推断出谷歌不满足于只做无人驾驶技术供应商,而是希望进驻技术运营和调度领域的野心。分析出上述信息后,也就不会觉得今年5月曝出的“谷歌和Lyft战略合作”的新闻有什么出乎意料之外了。

在这个例子里,专利分析能够帮助我们及时了解 (甚至预测到) 竞争对手未来可能的布局方向,进而为公司未来的战略部署和市场竞争提供参考。

综上可见,AI时代赋予了专利工作新的内涵和价值,总结一下就是:AI时代专利工作的Key word是“情报”—— 专利的价值已经不限于专利本身,而是扩展到专利背后所蕴藏的情报信息,这些“无价”的情报对公司来说却可能“价值连城”,因此,不论上面所说的数据分析、专利监测,还是专利分析,我认为最重要的功能也莫过于给公司提供情报。


3
Down to the earth:Compliance

接下来进入第三模块的分享。刚才所说的“政策立法”和“专利”两块都属于宏观领域的工作,而微观落地层面的工作之一便是合规。

AI时代是全球化合作和竞争,对中国公司来说,当我们走出国门,就意味着我们要面临非常严苛的、本国法律完全不能覆盖到的合规挑战。

比如说,我们都知道今天的AI = 硬件/计算力 + 大数据 + 深度学习,这其中数据起着最基础也是最重要的作用——数据之于AI,相当于工业时代的煤。与此同时,数据的合规性问题,也是AI时代每个公司、每个应用产业都绕不开的门槛。

举例来说,数据合规领域,最重要的规则之一便是欧盟的《通用数据保护规则》(EU General Data Protection Regulation,简称《规则》),该《规则》将于2018年5月生效,适用于所有欧盟成员国,涵盖欧盟外的实体;同时,为了符合数据传输规则,所有从欧盟接收数据的非欧盟成员接收者都必须在他们的系统中实现被该规则监管。

也就是说,中国的AI公司,只要和欧盟成员国之间有跨境数据传输相关的合作,就会纳入《规则》的监管范围;最后,《规则》的惩罚力度非常大,对一些违规行为的罚款可能高达2000万欧元或违规主体全球年总营业额的4%,这意味着中国的AI公司一旦违规,将可能付出无比高昂的代价。

那么,作为中国的AI公司,如果不幸落入《规则》的监管范围 (在AI全球化合作、竞争的今天,不落入的可能性微乎其微),就需要思考怎么针对《规则》更好地构建自身的合规体系。具体来说无非三个层面:

第一,建标准。具体来说,需要根据《规则》对数据的界定,结合公司自身的业务情况,建立一套公司内部统一适用的数据分类、分级标准。比如,我们通常把公司内部数据分为“用户数据”、“业务数据”、“公司数据”三类,如果是合作方、关联公司数据交互较多的公司,“公司数据”还要包含合作方和关联公司的数据,这是对数据的分类。

对数据的分级则是指:我们依照风险程度的不同,对数据进行分级,风险最高的当然是敏感数据,其次是个人数据,依此类推。不同级别的数据,适用差异化的保护标准,风险越高的数据,保护标准也越严苛,反之亦然。

第二,定制度,做流程。标准建立起来之后,我们要定制度。比如说,

首先是数据的收集,《规则》里明确规定,对于敏感数据和用户数据 (原文是“数据画像”),必须“充分告知,明确授权”,所以我们要建立相应的“公示+用户授权”机制;

《规则》里也规定了特定条件下数据的双向传输都需要接受欧盟的管制和监督,同时要求对数据保护影响进行评估,所以相应的,我们将内部数据和外部数据做了区分,并设置相应的评估制度;

在数据收集环节后,我们需要对数据进行存储,按照《规则》,我们需要对数据进行“安全保障措施”,因此我们推行加密、保密等合规举措,同时对数据进行严格的权限设置——严格的权限设置能够进一步减少数据外流的风险,相应的,设立责任追究追查制度;

在数据存储之后是数据的运用,在数据运用环节,《规则》也设置了相应的限制性、禁止性内容,所以我们对数据的使用、共享、流通、处置,分别设立了针对性的规则,确保合规风险降到最低,同时针对具体运用可能带来的影响,建立综合评估机制。

第三,划红线,抓监督。具体来说,建了标准,定了制度、流程,这些复杂的东西,如何转化成公司能够理解的内容? 这就需要划“红线”——用最凝练的语言告诉全公司,有哪些事情是一定禁止做的,做了会有什么后果。设立“红线”最有效的方式是,聚焦两类场景严格把控“红线”:数据的入口和出口。

因为所有的风险,基本都集中在入口和出口两个环节发生;同时,按照《规则》的规定,“数据保护官”和“负责数据评估和安全保障的第三方中控机构”都是必要甚至必需的,由此,就理应由公司的风控体系来承担这项职能,作为中控室来统一监督上面所说的所有合规举措在全公司范围内统一施行、有效落地。

综上,AI时代也赋予了合规工作新的契机,总结一下就是:合规工作必须将标准、制度、流程、监督四个环节都做好,环环相扣实现体系化。AI时代合规工作的Key word是“中控”—— AI公司内部一定要有由风控体系所组成的“中控室”,实现风险防控。


4
Down to the earth:Dispute Settlement


最后一个模块,我想分享AI时代一项尤其重要的落地工作——纠纷解决和诉讼。这项工作在全球范围内遇到的纠纷、案件都是最新也是最前沿的。下面我分享两例典型Case:

一例是自动驾驶安全隐患所引发的交通事故——TESLA的交通事故纠纷。在这起事故中,美国高速公路安全管理局 (The National Highway Traffic Safety Administration,NHTSA) 和高速公路方分别出具了事故的调查报告,调查报告的对象是TESLA的ADAS系统,调查要点如下:

自动驾驶系统是一种ADAS系统(advanced driver assistance system,增强驾驶辅助系统),主要通过自动控制刹车、方向盘和扭矩来控制速度和行驶路径;

TESLA自动驾驶的ADAS系统,需要驾驶员的全部注意力去监控环境并随时准备为避免碰撞而进行车辆控制;尽管AEB系统可以避免或减少与其他车辆的后端碰撞,但系统能力是有限的,并且不能保证监控到所有的危险并提供快速的刹车;

上述要点,TESLA的ADAS都做到了,因此检查方没有在事故TESLA的ADAS和AEB系统中找到缺陷。

虽然根据调查报告内容,并没有将责任归咎于TESLA的自动驾驶系统,但这次事故留给我们的思考却非常有价值:

首先,是人类对自动驾驶/无人驾驶的要求。

自动驾驶有6个级别,L0-L5,这6个级别的自动驾驶/无人驾驶系统,智能化程度依次增高。事故TESLA的自动驾驶系统属于L2——即“部分自动化”,这个级别的自动驾驶,监控驾驶环境的职责仍然在人类,主导权也在人类,机器只是辅助驾驶;而目前百度、谷歌研发上路的自动驾驶/无人驾驶是L3、L4——是较L2智能化程度更高的自动驾驶系统。

但即便高智能如L3,在遇到危急情况时,也需要人类能及时接管车辆并操控决策。但遗憾的是,在TESLA事故中,人类并没有在危急情况下及时接管车辆,导致事故悲剧发生,这充分说明人类对自动驾驶能力的预期之高,如果自动驾驶/无人驾驶厂商不能采取有效手段管理好人类对自动驾驶的预期,TESLA这样的悲剧将可能再次上演。

其次,L3、L4的智能化程度比L2更高,同时,它们和L2最大的区别是:L3、L4是由自动驾驶系统来监控驾驶环境,而不再依赖于人类的监控。

在TESLA事故中,调查报告判定TESLA免责很重要的原因是TESLA所使用的L2自动驾驶系统能力有限,因为能力有限所以责任也有限——而这种逻辑显然不适用于高智能化的L3、L4。因此,未来L3、L4一旦上路投入使用,对发生事故的责任如何判定,是留给我们的另一项难题。

最后,调查报告中的一张对比图引发我们深思:这张图对比了TESLA安装自动驾驶系统前后,每奔跑百万公里发生事故的概率。


其中不难看出,在没有安装自动驾驶系统前的事故率是1.3,安装自动驾驶系统后事故率就降到了0.8,两者对比可知,安装自动驾驶系统后,事故发生率降低了近40%—— 也就是说,尽管这次事故所涉及的自动驾驶系统是智能化程度并不算高的L2,但已经大大提高了驾驶的安全性,由此不难想象,如果把自动驾驶系统升级成L3或者L4,安全性将进一步提高,也许事故率就会降到0.6、0.4……

但问题是,在没有自动驾驶系统之前,任何事故的责任都是由司机人为引起,而一旦引入高智能的自动驾驶系统,事故的责任主体就不再是司机,而是系统,那么这种情况下,人类能否接受在自身没有责任的情况下,由系统所引发的小概率事故? 即:在“人类有责任+高事故率”和“人类无责任+低事故率”两者之间,人类如何选择? 这像极了法学界经典的“电车难题”。

另一例是AI巨头之间激烈的商业竞争所引发的纠纷——WAYMO状告UBER及其员工的纠纷。我们都知道,人工智能时代面临的商业竞争是全球化竞争,而诉讼,往往是商业竞争和商业矛盾不可调和时的最后手段。

这个纠纷的案情是:谷歌的无人驾驶公司Waymo起诉了它的离职员工Anthony Levandowski (简称L),以及这个员工离职后加入的公司Uber。

具体来说,2015年12月,L下载了1.4万份属于Waymo商业秘密的文件,一个月后带着这些文件从Waymo辞职创立了自己的公司Otto;后来Otto被Uber收购,再之后Waymo收到了一封邮件,其中透露了L把商业秘密提供给Uber的情况。

于是,2017年2月,Waymo将L和Uber共同告上法庭。这次纠纷在进入法庭审理之前,攻辩双方已经有六个回合的交锋:

第一回合,起诉和答辩。Waymo起诉L和Uber,诉由有三:商业秘密侵权、专利侵权和不正当竞争;针对Waymo的起诉,L和Uber做针对性答辩;

第二回合,禁令交锋。Waymo祭出“禁令”,基于商业秘密和专利侵权两项指控分别向法院申请禁令——前者直指Uber无人驾驶技术的研发环节,后者则直指Uber无人驾驶技术的售卖环节,意图“置竞争对手于死地”。最终法院裁决:基于商业秘密的禁令成立,基于专利侵权的禁令不成立;同时将L涉嫌侵犯商业秘密一节移交联邦检查官追究刑事责任。

第三回合,Discovery交锋。根据法院基于禁令做出的裁定,Uber被要求披露其收购Otto的尽职调查报告,Uber尝试请求法院准许其拒绝提供此报告,被法院驳回,后上诉至联邦法院,再次被驳回。

第四回合,Uber请求针对Lyft发传票。Uber开始反击,申请法院向美国第二大出行服务商Lyft发出传票,要求其提供涉及和Waymo、Uber之间合作、竞争、收购、分析等内容的材料。但Uber并未就其申请提供有说服力的理由和依据,最终,其申请未能得到法院支持。

第五回合,不正当竞争指控的撤销。Uber请求法院撤销Waymo对它的不正当竞争指控,法院援引之前判例,支持了这一请求。

第六回合,专利侵权的撤销。Waymo声称,鉴于Uber已经向法院保证其不再使用且不会使用涉案的专利设备,因此Waymo决定撤回大部分专利侵权的诉求。

经过上述六个回合的较量后,目前法院定于9月27日举行预审会议,此后进行开庭审理。

尽管程序上还有很长的路要走,但我们能明显看到:截至目前,Uber已经因法院颁发的禁令裁定,付出了极其沉重的代价。

如此昂贵的代价,在中国的司法审判中是很难想象的,但在全球化的AI竞争中却并不罕见。因此,正如李开复先生所说:“AI时代的竞争,将较以往任何一个时代都更加激烈,也更加残酷”,我们可以想见,未来商业竞争诉讼的所有手段——商业秘密、专利、不正当竞争、版权等,中国的AI公司都会经历,我们将面临来自国际巨头们的、全球化的诉讼。

说到这里,我认为互联网领域的诉讼时代,可以分成三个阶段:

第一个阶段,互联网发展期。在此期间,互联网的高速发展对传统产业造成冲击,我们看到,BAT为代表的国内互联网公司,纷纷遭遇来自传统产业国际巨头的起诉,如百度遭遇国际唱片公司、权利人的起诉,阿里遭遇国际品牌商的起诉。这些诉讼纠纷的审理基本都在国内,所以概言之叫“在本土战场,打国际战争”。

第二个阶段,互联网内战期。在此期间,日益壮大起来的各本土互联网企业,进入激烈的商业战争和市场争夺阶段,大家的产品服务相互渗透、相互摩擦,各种各样的诉讼、纠纷也接踵而至,3Q、3百等大战都是在这个时期发生。这个阶段概言之叫“在本土战场,打本土战争”。

前两个阶段,把互联网领域的诉讼和纠纷解决工作提高到了一个前所未有的重要高度;然而,在第二个阶段逐渐落幕后,我们也看到国内互联网领域再难出现“攸关生死”的诉讼,整个产业进入了“后诉讼时代”——诉讼和纠纷解决工作的重要性、影响力在日渐缩小。

然而,在即将到来 (或者说已经到来) 的AI时代,中国引领AI的互联网公司面临的将是全球竞争,所以——在第三个阶段,AI大战期,我们将到国际战场上打仗,不同于前两个阶段,这次我们是“在国际战场,打国际战争”,其间的诉讼和纠纷解决工作的难度,远不是前两个阶段所能比拟。由此我认为,诉讼和纠纷解决工作将在AI时代“复兴”,未来将推引我们进入下一个“大诉讼时代”。

综上是AI时代赋予诉讼和纠纷解决工作的历史机遇。一言以蔽之,AI时代诉讼、纠纷解决工作的Key word是“前端”——了解国际战场上发生的所有事情,做最前端的研究分析,未雨绸缪,提早部署;当诉讼真正来临时,冲在定分止争的最前线。

至此,我今天的所有分享都结束了。在我看来,这些内容,都只是AI时代法律工作的“沧海一粟”,未来,我们在IP、M&A、数据、隐私、开源&开放、资本市场、劳务纠纷等领域,都会遇到前所未见的新情况、新问题,解决这些新情况、新问题,将是AI时代赋予每个法律人的使命。

最后,我想引用两句话来分享在我眼中AI时代法律人应有的心态和精神,同时结束我的发言:

一是谦卑。一如柯洁输给AlphaGo后科学家留给世人的警句:“许多年后,被机器奴役,每天给电路板清灰的人类,还会想起那年夏天里落泪的那个男孩”。

一是乐观。一如李彦宏先生在英国剑桥大学演讲时所说的:“In the age of AI, everyone will be effected.”——“在人工智能时代,每个人都会受到影响,重新构想和憧憬互联网大潮中国和世界的无限可能”。


发表于 2017-10-10 04:24 | 显示全部楼层
您需要登录后才可以回帖 登录 | 注册

本版积分规则

 

Processed in 0.160310 second(s), 22 queries

快速回复 返回顶部 返回列表