生成式人工智能嵌入检察工作的“图景”
发布时间:2024-09-04 来源: 最高人民检察院 作者:佚名
当前,生成式人工智能技术的迅猛发展,加快了传统生产力的转换迭代。检察机关也在积极探索生成式人工智能技术在检察实践中的应用,但如果不聚焦当前检察实践中的具体应用需求,不从应用场景和用户思维出发,难免会陷入“一哄而上、一哄而散”的情形。因此,笔者认为,要真正让生成式人工智能技术赋能检察工作,应坚持打造“两个模型”、实现“四个蝶变”。
打造垂直领域大模型和自主学习的内部语料模型
要运用生成式人工智能技术赋能检察工作,前提是要具有经过充分训练的大模型。然而,大模型的搭建成本较高,基层检察院暂不具备独立建设通用大模型的能力,对此,可通过构建垂直领域大模型的方式来实现相关功能。
垂直领域大模型以通用大模型为基座,通过对检察工作相关知识标注后进行训练调校,使其能够更好地理解和处理检察办案中的专业术语和法律条文对应关系、总结提炼案件事实证据等,有效减少部分事务性工作量,破解案多人少的困境。
结合本地化部署的要求以及检察工作自身的特殊性,仅有调校后的垂直领域大模型还无法真正实现生成式人工智能的自主学习、自我纠偏功能,对此,还需要建立一个涵盖检察工作的法律法规知识、司法政策知识、用户反馈知识的内部语料模型。如检察官发起“请打开王某某危险驾驶案卷宗,结合案情事实证据帮我撰写审查报告”的指令后,人工智能大模型根据指令阅读电子卷宗,根据犯罪嫌疑人基本情况、诉讼经过、案件事实、现有证据等进行分析,访问内部语料模型,然后按照标准化审查报告格式自主撰写报告内容。
接下来,办案检察官还需对人工智能大模型生成的审查报告进行人工校验,认为有部分错漏或者不够满意之处,可以继续发出修正优化指令,结合人工智能大模型的多种提示进行结果优化修正,直至符合检察官的预期。同时,大模型系统还可将检察官提出的任务问题和最终结果集结作为训练语料,定期归集到训练集中,进而训练微调人工智能大模型,增量更新人工智能大模型的基座。
实现检察办案、业务管理、队伍管理、智能办公的蝶变
一是检察办案。在初级阶段,人工智能大模型需根据检察官指令对案件卷宗进行识别分析和推理总结,生成阅卷笔录、案件审查报告、起诉书或不起诉决定书、逮捕决定书或不捕决定书等法律文书;通过量化的标准根据个案情节制作量刑建议书;根据犯罪嫌疑人的前科、犯罪事实等制作公诉意见书、训诫词等。在进阶阶段,人工智能大模型需根据个案电子卷宗上下文情况发现侦查机关漏罪、遗漏事实、遗漏同案犯或者侦查活动违法等情形,在审查报告中标注或单独提醒检察官;对审判机关的判决书进行解析,自动生成裁判结果审查表,并与起诉内容进行核对,对不一致情形及是否存在审判监督线索进行标注或提醒;根据指令或自动将相关数据回填至案卡。在高级阶段,人工智能大模型需根据指导性案例以及本地区、本部门和检察官自己办理的所有案件,自动对正在办理的个案进行核对,根据同案、类案的不同处理意见进行必要的偏离度提醒。
二是业务管理。生成式人工智能大模型需根据用户指令统计一定区域、一定时期、某一部门或某一个检察官的办案质效,如直接生成本部门所有检察官的平均办案时长、撤回起诉、案件被判处无罪或免予刑事处罚的情况等,对案件办理程序、办理结果进行自动质量评查。同时,大模型还可根据用户指令查询特定区域、特定业务条线、特定时期的办案态势、案件“结构比”等数据,辅助上级检察机关或本院党组及时调整优化办案力量。此外,大模型可根据用户指令,对本地区或跨区域的特定罪名发案情况进行数据分析,形成针对性的社会治理研判报告。在能够获取相关行政执法机关数据的前提下,可以自主排查和推送行刑正反向衔接线索及检察建议。
三是队伍管理。检察机关组织人事部门可以将所有检察官、检察辅助人员、司法行政人员、聘任制书记员等个人档案信息扫描后上传至生成式人工智能大模型,由大模型自动梳理建成人员信息库,根据人员身份、部门、年龄、学历、工作履历、专业背景、任职经历等进行标注。相关院领导和组织人事部门可以发出指令,大模型会自动给出相应名单。同时可根据个人职级、任职年限情况梳理计划表,提醒组织人事部门作出是否需要启动相应调整的决定。此外,还可以根据单位、部门、个人的办案情况等开展相关辅助测算和量化工作。
四是智能办公。检察机关综合管理部门的工作人员可以提出需求,生成式人工智能大模型便可将上级或外单位文件自动推送给院领导。院领导阅读后以口头或书面方式进行批示,大模型根据批示情况自动转给相关部门阅处,并列入部门办事议程和领导专班议程进行后续跟踪提醒。综合管理部门工作人员还可依托大模型发布会议通知,通知参会人员并自动统计参会信息,根据报名信息自动形成座位表,向参会者发送提醒。此外,大模型还应支持用户指令,根据相关内容撰写材料、报告等,有效提高办公办文的便捷性。
(作者单位:江苏省南京市人民检察院)
原文链接:https://www.spp.gov.cn/spp/llyj/202408/t20240828_664363.shtml
[免责声明] 本文来源于网络转载,仅供学习交流使用,不构成商业目的。版权归原作者所有,如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间处理。
- >>上一篇: 业务数据资源化大家谈|在多维数据与多种方法间寻求突破
- >>下一篇: 数字赋能需在融合上下功夫