智能警察 同 智能化法律諮詢 2017 開始出現

Sky net

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

唔係法官呀
係律師，依家ai 識自動俾個debating point 嘅list 你，再加案例，其實點都要有人上庭

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

其實 智能化法律諮詢 只能取代一部分新人既工作。
而家唔少讀LAW既﹐父母受英式高等教育，在家講英文，放假就去歐美旅行，澳洲次之，日本為最基本選擇，所以人生經驗豐富?

定係你指工作經驗?

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

人生經驗？
人地ai 多你幾多倍經驗？
一個ai 每日都對住n 個客，但你就唔識分身，講經驗你點同ai 比？

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

人生經驗？
人地ai 多你幾多倍經驗？
一個ai 每日都對住n 個客，但你就唔識分身，講經驗你點同ai 比？

AI 加上BIG DATA技術，會多國語言

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

你望下幾撚多離地法官係庭上亂判亂屌人
問人點解唔做洗碗十六個鐘唔休假搵萬五萬八
你就知果啲撚屌所謂人生經驗
就係上層踩住你下層

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

人生經驗？
人地ai 多你幾多倍經驗？
一個ai 每日都對住n 個客，但你就唔識分身，講經驗你點同ai 比？

AI 加上BIG DATA技術，會多國語言

所以ai 每日都對住來自全世既客都冇問題

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

你望下幾撚多離地法官係庭上亂判亂屌人
問人點解唔做洗碗十六個鐘唔休假搵萬五萬八
你就知果啲撚屌所謂人生經驗
就係上層踩住你下層

其實有冇人知點解有錢人，
上流社會既仔女唔少係讀law，
佢地唔會諗讀醫，
好多政府高官既仔女都係讀law ，
有無人解釋點解會咁。

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

搜集資料，apply邊條law可以用AI嘅

記得有套戲
係一個it人創左套AI
之後比人用左落機械人度
一開始係bb咁，要學講野
後來個機械人比黑幫拎左教佢打劫講粗口
唔記得戲名
有曉治積曼做奸角的

咁ai睇case快過律師睇咁多
啲basic drafting比ai做再律師proofread都唔出奇

記得有套戲
係一個it人創左套AI
之後比人用左落機械人度
一開始係bb咁，要學講野
後來個機械人比黑幫拎左教佢打劫講粗口
唔記得戲名
有曉治積曼做奸角的

Chappie

記得有套戲
係一個it人創左套AI
之後比人用左落機械人度
一開始係bb咁，要學講野
後來個機械人比黑幫拎左教佢打劫講粗口
唔記得戲名
有曉治積曼做奸角的

Chappie

Chappie套戲用非人類去探討人性，講家庭對個人成長的影響，當中說到對一個孩子來說，有關是非對錯的認知完全由父母去灌輸，從而道出身教的重要性。

文書處理係比AI,但AI極其量做到solicitor嘅野
一個大狀打官司好多時會面對conflicting principles，而principles 係從唔同案例走出黎
首先，大狀會諗下有冇方法透過不同案例嘅facts，去distinguish唔利己方嘅authorities
然後，佢地又會諗下對家會點樣反駁自己嘅論點，再作相應部署
第三，當案件嘅facts太獨特令案例嘅法律原則直接用落去唔係太合理時，大狀就會嘗試從cases當中搵返相關原則背後嘅rationales，然後再argue why according to the facts of the case one particular set of principles backed by one line of authorities should be adopted
最後最後，像equity衡平法呢啲咁flexible嘅area of law當雙方原則同樣都極有說話力最後就會訴諸policy reasons

AI無可能可以做到晒上述嘅野，因為當中涉及太多價值判斷嘅野，最低限度佢地連點去convincingly distinguish facts of one case from those of another都唔會識

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

你望下幾撚多離地法官係庭上亂判亂屌人
問人點解唔做洗碗十六個鐘唔休假搵萬五萬八
你就知果啲撚屌所謂人生經驗
就係上層踩住你下層

其實有冇人知點解有錢人，
上流社會既仔女唔少係讀law，
佢地唔會諗讀醫，
好多政府高官既仔女都係讀law ，
有無人解釋點解會咁。

因為法律係講緊社會點運作，法律訓練係培養學生嘅唔同skills, e.g. Advocacy, processing massive information quickly, ability to improvise/ think on your feet, issue identification, language proficiency, etc 全部都可以transcend into other business settings

Sky net

3 laws

revolution

文書處理係比AI,但AI極其量做到solicitor嘅野
一個大狀打官司好多時會面對conflicting principles，而principles 係從唔同案例走出黎
首先，大狀會諗下有冇方法透過不同案例嘅facts，去distinguish唔利己方嘅authorities
然後，佢地又會諗下對家會點樣反駁自己嘅論點，再作相應部署
第三，當案件嘅facts太獨特令案例嘅法律原則直接用落去唔係太合理時，大狀就會嘗試從cases當中搵返相關原則背後嘅rationales，然後再argue why according to the facts of the case one particular set of principles backed by one line of authorities should be adopted
最後最後，像equity衡平法呢啲咁flexible嘅area of law當雙方原則同樣都極有說話力最後就會訴諸policy reasons

AI無可能可以做到晒上述嘅野，因為當中涉及太多價值判斷嘅野，最低限度佢地連點去convincingly distinguish facts of one case from those of another都唔會識

所以話你d 讀law 既連個世界發生緊乜事都未知
你以為依家既“ai"係if a then b???
你上面所講既，基本上係deep learning既強項
唔單止做到，而且比人類更全面，更準確

痴線
法律係咁多行業之中，最唔會被ai取代
係需要人生經驗去衡量一個有冇罪

審人果堆唔會比人replace
而係果啲做research嘅，搵pattern嘅就好易比人replace

文書處理係比AI,但AI極其量做到solicitor嘅野
一個大狀打官司好多時會面對conflicting principles，而principles 係從唔同案例走出黎
首先，大狀會諗下有冇方法透過不同案例嘅facts，去distinguish唔利己方嘅authorities
然後，佢地又會諗下對家會點樣反駁自己嘅論點，再作相應部署
第三，當案件嘅facts太獨特令案例嘅法律原則直接用落去唔係太合理時，大狀就會嘗試從cases當中搵返相關原則背後嘅rationales，然後再argue why according to the facts of the case one particular set of principles backed by one line of authorities should be adopted
最後最後，像equity衡平法呢啲咁flexible嘅area of law當雙方原則同樣都極有說話力最後就會訴諸policy reasons

AI無可能可以做到晒上述嘅野，因為當中涉及太多價值判斷嘅野，最低限度佢地連點去convincingly distinguish facts of one case from those of another都唔會識

所以話你d 讀law 既連個世界發生緊乜事都未知
你以為依家既“ai"係if a then b???
你上面所講既，基本上係deep learning既強項
唔單止做到，而且比人類更全面，更準確

你唔係讀過law根本唔明我講緊乜
不如你講下你對deep-learning嘅認知再等我逐一為大家拆解
當專家都講緊大狀法官不可能被取代個陣（唔信就自己google下）
你只係無啦啦講deep-learning就當我上面堆野放屁

文書處理係比AI,但AI極其量做到solicitor嘅野
一個大狀打官司好多時會面對conflicting principles，而principles 係從唔同案例走出黎
首先，大狀會諗下有冇方法透過不同案例嘅facts，去distinguish唔利己方嘅authorities
然後，佢地又會諗下對家會點樣反駁自己嘅論點，再作相應部署
第三，當案件嘅facts太獨特令案例嘅法律原則直接用落去唔係太合理時，大狀就會嘗試從cases當中搵返相關原則背後嘅rationales，然後再argue why according to the facts of the case one particular set of principles backed by one line of authorities should be adopted
最後最後，像equity衡平法呢啲咁flexible嘅area of law當雙方原則同樣都極有說話力最後就會訴諸policy reasons

AI無可能可以做到晒上述嘅野，因為當中涉及太多價值判斷嘅野，最低限度佢地連點去convincingly distinguish facts of one case from those of another都唔會識

所以話你d 讀law 既連個世界發生緊乜事都未知
你以為依家既“ai"係if a then b???
你上面所講既，基本上係deep learning既強項
唔單止做到，而且比人類更全面，更準確

你唔係讀過law根本唔明我講緊乜
不如你講下你對deep-learning嘅認知再等我逐一為大家拆解
當專家都講緊大狀法官不可能被取代個陣（唔信就自己google下）
你只係無啦啦講deep-learning就當我上面堆野放屁

呢篇文詳細咁講左點解deep learning 既原理/強項就係value judgement,你睇完/睇得明先再同我講啦
https://deepmind.com/blog/deep-reinforcement-learning/
拿，我本來就唔係好知law 就只係value judgement,係你自己講架渣
你唔係讀電腦又扮咩識deep learning 呢

讀law 條友咁串，等我又Google 下先
what?2016年十月依家己經有79%accuracy predict judridition
https://www.google.com.hk/amp/www.newsweek.com/ethical-artificial-intelligence-judge-predicts-human-rights-trials-513012%3Famp%3D1
唔知過多幾年定係幾個月就代替到呢？
咦，唔係有專家話無可能咩？
咩專家丫，睇過，睇過？