9月24日，2022年“人工智能与司法大数据”国际研讨会在华中科技大学成功举办。此次会议由华中科技大学与湖北省高级人民法院联合主办、华中科技大学法学院与湖北司法大数据研究中心承办。国家人权教育与培训基地·华中科技大学人权法律研究院为会议协办单位之一。本次国际研讨会包括校长、院长论坛和三大分会场的主题报告。本期特推送分会场即国际会场论坛概况。国际会场包括欧洲会场和美洲会场两个分会场，包括4个分论坛，共有15位专家、学者作了主题分享。

欧洲会场

分论坛一

主持人：华中科技大学法学院张奔老师

日本福冈县九州大学法学院教授Shinto Teramoto以“是什么让防火墙失效？”为主题进行发言。他表示构建大数据对于人工智能的使用是至关重要的，人工智能可以表示人工智能，也可以表示增强智能。他指出，收集个案、构建由个案组成的大数据、分享大数据等各个领域都是至关重要的，但构建大数据也会引起冲突，因为涉及到敏感信息或个人信息。为了遵守法律法规，避免敏感信息或个人信息的主体承担赔偿责任，政府和个人在内部安装防火墙，然而防火墙会出现故障并导致数据泄漏。教授通过模型分析防火墙内部结构，展现密集网络和稀疏网络的差异，并根据这种假设，检查各种几何结构网络，以找出哪些节点导致防火墙失效。

《通用数据保护条例》专家Mu Li以“儿童数据保护与平台责任：数据隐私/保护法如何影响中国公司”为主题进行发言。她分享了线上的网络服务平台及其责任和数据保护目前在欧洲的立法趋势。首先，她通过说明儿童认知能力的不足以及当前存在的儿童数据被滥用的现象强调了儿童数据保护的重要性。她指出网络平台控制着信息的传输，因此应承担数据隐私保护的责任，当出现违法信息时平台应当迅速删除，阻止违法信息的传播。其次，她介绍了当前欧盟地区相关法律的规定，并指出拟议的法规将要求平台适用的服务提供商从事其他违反数据保护和电子隐私法的活动，特别是在干扰通信机密性方面。在当前的世界实践中，服务提供商在云帐户上进行人工智能扫描服务，并通过实际案例阐明这种技术仍需要发展。最后她通过正反两方面分析了数据保护法对中国公司的影响，一方面数据保护法将提供为开发新的图片审查算法的机会，另一方面它也会给数据处理在体量和管辖上带来新的挑战。

foodlawlastest.com 创始人，国际社会科学自由大学和博洛尼亚大学兼职教授Cesare Varallo以“欧盟绿色协议vs农业4.0：挑战还是机遇？”为主题进行发言。首先，他提出F2F战略减少了农药使用，到2030年，有机农业将占总耕地的25%，绿色协议将化学农药的使用和风险降低50%，成员国将必须在明确定义的参数和自己的战略范围内制定自己的减排目标，以确保整个欧盟范围内的目标得以集体实现。其次，他指出我们的粮食生产系统需要减少它们对大气污染和生物多样性损失的负面影响，播种的成本远远超过向可持续粮食系统过渡的相关成本。最后，他分析了当今时代农业4.0、技术处理和技术测试、大数据分析等新兴技术在实践中的使用情况。

华中科技大学法学院刘佳老师以“人工智能与法律研究的科学知识图谱分析”为主题进行发言。她提出，人工智能与法律是一个应用广泛的交叉学科领域，不仅包括人工智能和法学，还包括逻辑学、机器学习、认知心理学、语言学和哲学。为全面了解人工智能与法律研究的历史进展和现状，以及未来在世界范围内的发展趋势，基于Web of Science数据库中相关领域的著作，进行了全面的科学计量研究。首先，她重点介绍了人工智能和法律研究出版物的一些基本特征，包括国家/地区、出版年份和学科类别。其次，基于知识图谱软件VOSviewer，探索国家和地区之间的合作、研究机构之间的合作以及文献来源协会。最后，利用基于VOSviewer的科学计量可视化图形识别人工智能和法律领域研究热点的变化。可以为人工智能的评价和法律研究提供了较为广阔的视角，揭示该领域的发展趋势。

分论坛二

主持人：华中科技大学法学院副研究员傅江湲

苏格兰知识产权和技术法研究中心主任、爱丁堡大学法学院计算法律理论教授Burkhard Schafer以“欧盟人工智能法案对法律技术的影响”为主题进行发言。他提出种族主义判决支持系统的不合理之处，这种法律系统使用算法来预测人们未来是否可能成为罪犯，将会引起种族偏见，并指出将人工智能运用法律之中已经成为一种趋势，新法案的制定会考虑欧盟议会提出的监管建议、行业独立提案并会为人工智能系统的开发、投放市场和使用制定统一规则。他提出，人工智能法案会是当下改革框架的一部分，包括数字服务法案草案、数字市场法案草案、机械条例第8号草案、与人工智能相关产品责任的修订和数据治理法案草案。

荷兰蒂尔堡大学商法系Erik P. M. Vermeulen以“为什么律师必须玩电子游戏”为主题进行发言。他指出，近年来区块链、大数据等信息技术的迅速发展，使得律师的职能开始发生转变，律师需要专注于新的法律、人工智能等，需要了解新的科技以及科技是如何应用等问题。他提出电子游戏可以让人保持好奇心，推动我们去了解数据和科技。近年来，物联网、传感器、区块链、网络安全、自动化等等事物的发展，使行业的界限逐渐变得模糊，数据化的转型显得至关重要。他表示律师需要有科技的思维以及去实验的决心，需要关注技术，成为法律的工程师需要了解区块链，成为数字合规专家则需要及时了解新的法律和技术，成为数字政策制作者也要求有电脑型的思维。

华中科技大学法学院张奔老师以“研发规划与创新政策中的数字化转型”为主题进行发言。首先，他通过数字技术创新方向和企业商业模式创新方向、个人数字化转型和政府数字化转型等角度对数字化转型进行了介绍。其次，他指出文章的理论基础是开放式创新理论，这种理论从不同角度或基于不同理论框架分析数字化转型。再次，他阐明了论文的研究方法，论文以中国国务院及部委各网站信息以及商业数据库搜索平台作为数据来源，以相关性以及国家和部级作为筛选标准。然后，他通过案例对政策文本的特征和内容进行分析。最后，张奔老师得出结论，我们要重视政策和法规的影响，加强各领域政策的系统化、规范化，形成政策执行的合力；规范政策发布和执行程序，增强政策公信力；保持不同策略之间的内聚性，突出策略的操作价值。

美洲会场

分论坛一

主持人：华中科技大学电子信息与通信学院王玉明副教授

美国匹斯堡大学法学院教授、智能系统研究生项目教授、学习研发中心资深科学家Kevin Ashley以“文本分析如何解释法律预测”为题进行了发言。首先，他介绍了法律文本分析或者文本挖掘的定义，即它是人工智能的一个分支，采用了自然语言智力及其学习，自动地从法律判决、合同以及法规的档案中提取语义，其使用的是深度学习以及信息网络的结合。其次，他指出研究者都使用了深度学习的方法来预测结果，是通过文本以及事实来进行预测的。他们的算法，比如欧洲人权委员会有没有任何的关于人权公约的违法，结果是非常惊人的。Branting和他的团队有一个行之有效的方法来寻求解释，他们做了一种半监督的学习模式“Scale”。最后，他提出中国的民法体系中是否能够用类似的法律预测呢？中国的法律案件是否能够对事实情况提供丰富的法律描述?中国的法学家和律师是否能做类似的推理？中国的法律检索系统有没有什么积极影响？

美国俄克拉荷马大学法学院教授Stephen E. Henderson以“在一个完全人工智能的世界里，人类审判的去处”为题进行了发言。首先，他提出第一个假设，有关人工智能的乐观主义，人工智能和道德之间存在正相关的关系，即使我们相信人工智能越聪明就越有道德，但是并不是每个人都相信这一观点。其次，他提出第二个假设，技术的乐观主义，我们相信人工智能将会变得很成功，这是毋庸置疑的。农业革命以及两次工业革命，我们驯服了机器，人类生产大幅度提高，人工智能可以代替人类做大量人类不想做、不能做的工作，而且机器犯错误的概率比人低。最后，他指出人类永远不希望错误目标的实现，他们希望实现正义。道德会有缺陷状态，任何判断都不完美，人类刑事判断是不完美的，这意味着在判罚与法官的转化中，评判方可以明白这是民主自治的本质。

上海交通大学凯原法学院郑戈教授以“暗模式与算法治理”为题进行了发言。他提出，暗模式是这样一种用户界面，其设计故意迷惑用户，使用户难以表达他们的实际偏好，或操纵用户付出原本不必付出的额外金钱、时间或个人信息。他们通常利用认知偏差，促使在线消费者购买他们不想要的商品和服务，或者透露他们不愿透露的个人信息。设计师使用暗模式来隐藏、 欺骗和诱使用户泄露。他们通过以非专家无法理解的方式提问来混淆用户，他们通过隐藏可以帮助用户保护其隐私的界面元素来混淆用户，他们需要注册和相关的披露才能访问功能，并持恶意行为隐藏在法律隐私政策的深渊中通过将信息共享与应用内福利联系起来，黑暗模式也使披露“不可抗拒”，通过这些和其他方式，设计者故意让用户难以实现他们的隐私偏好。最后他给出结论三条结论：打开算法黑箱是个走不通的死胡同；用户界面规制是化繁为简、化难为易的一种规制思路；价值选择：个人福祉、集体福祉、规制目标和个人自治。

阿里巴巴达摩院技术总监孙常龙以“大数据时代的人工智能发展与司法应用前瞻”为题进行了发言。首先，他介绍了达摩院AI技术体系，分为语音实验室、视觉实验室、语言技术实验室、决策智能实验室、城市大脑实验室。他指出，自然语言智能研究实现人与计算机之间用语言进行有效通信。它是融合语言学、心理学、计算机科学、数学 统计学于一体的科学。它涉及到自然语言和形式化语言的分析、抽取、理解、转换和产生等多个课题。其次，他向我们展示了阿里巴巴自然语言智能的成就、达摩院智能司法产品大图、行业原子能力。然后，他介绍了司法文书抽取，即将文本信息中的关键司法信息进行提取，包括基本信息（eg，地域、判决时间、法院、法官、律所、当事人)、案件特征、争议焦点、事实信息、量刑情节、法律依据、判决结果等，帮助用户快速把控案例的全貌。现版本能够识别120个通用字段，近3000个案由专有字段（近60个高场案由），覆盖刑事、民事、行政三大案由，其中对于通用字段识别的准确率超过92%，位于行业前列。最后，他介绍了AI法官助理，即面向法官、检察官、公安干警办案办公场景打造的伴随式智能AI助理，旨在帮助办案人员在办案信息查询，证据申查分析、庭前拿议焦点识别、法庭调查法庭辨论等环节实现基于算法的自动处理功能，提升办案质效。

分论坛二

主持人：湖北司法大数据研究中心首席专家、美国加州伯克利大学法学博士（SJD）、华中科技大学法学院陈起行教授

奥尼尔全球卫生法学院创始人，奥尼尔国家和全球卫生法研究所院长、教授，世界卫生组织国家和全球卫生法合作中心乔治敦法律总监Lawrence Gostin以“传染病的时代：由非典、伊波拉到新冠、猴痘和脊髓灰质炎”为题进行发言。首先，他指出我们正在经历的公共卫生突发事件——新冠。目前疫苗对比较严重的病情有一定的针对性和抵抗效果，但是对感染和再次感染的情况，效果并不显著，疫情在无情蔓延，没有一个国家可以独善其身。其次，他提出了一个典型案例，世界上唯一一个成功阻止新冠病毒的国家是中国，实行的是动态清零的政策。然后，他又讲述了另外两种疫情，一个是猴痘，多个国家都有猴痘疫情，存在着进一步变异的可能性，它的难点在于测试问题上，还有出现的严重医疗不平等问题；另一个是小儿麻痹症，虽然之前已经根除，但现在又出现了新病例，所以要抓紧重新评估，开发新的疫苗。从现在疫情数量翻倍增长的角度，Lawrence Gostin教授分析，这是因为现有的航空等快捷交通方式，气候移民的因素，而且土地用途的改变让动物与人类的接触更加密切，增加了传播人畜共患的疾病的可能性，这些多方因素加剧了其他一些疾病的传播。此外，抗生素和抗病毒药物的过量使用，失去了更优的有效性，这也是一个巨大的问题。最后他谈到，我们现在处在关键转折点，要思考如何更好的为下一次疫情做好准备，提供公平，也希望政府的领导人能够明智地为社会和人类的健康做出正确的选择。

萨里大学法学院法学和健康科学教授，加州大学洛杉矶分校大卫·格芬医学院医学助理教授、医学博士、法学博士、哲学博士Ryan Abbott以“人工智能生成发明与未来医疗创新”为题进行发言。首先他从版权和创意的角度出发，提出现在人工智能可以做很多有创造性的事务，并且随着AI的发展，大规模制作的作品有了商业价值，进而引出了对人工智能作品进行保护的问题。人工智能虽然可以出现在创造领域，但是大多数专利的权利是法人和公司所有，而非发明人。AI的发明创造需要受到保护这一观点，不同国家对其看法不同，存在着不小的争议。人工智能是由人发明的，要先经过测试，确认后获得专利。其次，他指出有多种方式可以用来区别人工智能和人类的行为。而且人工智能可以帮助人们做科研和其他工作，让人们知识更加渊博，有一些机器人可以将英文准确翻译成中文，最后，他提出人工智能会朝着更好的方向去发展。

夏威夷大学马诺阿分校传播学院教授，传播与信息科学跨学科博士项目主席Jenifer Sunrise Winter以“规制健康大数据连结的挑战”为题进行了发言。首先，挑战与技术共存下，出现了一个新的医疗大数据的管理体系，它有着新的数据类型，通过数据的连接，进行数据分析和收集。储存数据的目的是为受众提供更多的福祉。其次，她更进一步讲解了数据的收集及挖掘其价值，个人数据可以通过互联网大规模地进行收集，直接或非直接对医疗数据收集并且供其他人使用。由医疗产生的大量数据需要满足隐私保护法及其他相关法律法规，一些技术型公司已经进入了这个领域并使用了这些数据。其次，她表明数据如何使用及医疗数据的预测是个很大的问题。人工智能的分析、各种APP的开发等让IT巨头收集了大量人类活动，获得了很多敏感的个人数据。在收集各种医疗数据上，问题也越来越突出，电子医疗的使用让很多数据并不能留存在诊所内。为此Jenifer Sunrise Winter提出几点建议：第一是要用原有的数据创造新的数据，通过数据连接，创造新的价值，这过程也需要更多的监管；第二是开发使用AI机器学习是不禁止的，但需要一直关注其准确性、统一性和出处；第三是使用数据需要授权，需要保护隐私所有者，不希望通过数据追踪到个人；第四是关于分散的管理和治理问题。最后她总结道：我们有半自治的机构和中心参与决策。管理健康相关数据的关联是一种新的共享的社会资源，是需要监管的，需要组织进行优化。

前医疗保健领域人工智能联盟的战略和技术顾问Aaron Chang以“医疗保健中的人工智能：一系列案例研究”为题进行发言。他从三个案例出发，引出人工智能在医疗保健中的使命，它可以改善患者的生活，创造更高效、可持续的医疗系统。首先，他讲解了第一个案例Bluedot：利用人工智能检测流行病的爆发，让人们免受传染病的侵害，此外它还用来监测新的疫情，比如新冠病毒的传播。它将来自于媒体、卫生机构等全球的数据和健康报告运用自然语言进行处理，通过算法进行输出，建立有医生等个体的建模团队。它输出的一个解决方案有：在2019年9月发现了一种潜在的肺炎，它采用交叉关联的算法，在肺炎发生的前几天就做出了预测；通过2018年的航空数据，预测了何时何地爆发以及下一个爆发的地点。其次他提到第二个案例inference：人工智能被用来搜索科学文献，通过向量计算、频率分析，同时分析上亿份医学文件，进而解释了新冠疫情中的腹泻的症状，阳性患者很可能会腹泻和失去嗅觉，这为我们未来的疫情诊断提供了相关的信息。然后他提到最后一个案例：AI保健方法和数据的研究，是基于真实数据来合成相关数据，将数据整合成数据集，并且数据可匿化，这样用真实的数据以及合成的数据进行AI模型的训练，达到更好的训练效果。通过上述案例的分析，他指出大数据可以对公共卫生起到帮助作用，而且已经形成早期趋势，可以在未来真正改变医疗行业，帮助流行病预测。此外，他还提出一些困扰比如：大数据可能会侵犯患者的隐私，也可能会在临床研究中被浪费。怎样从客观角度对数据匿名、数据的真实和可适应性，这终将是未来的发展趋势，所以了解它是如何工作和发展的是有必要的。