人工智能技术在伤残鉴定领域的应用展望
吴名陵1，刘 娟2
(1.三一集团,湖南 长沙 410100; 2.株洲市人民检察院,湖南 株洲 412000)
摘 要： 人身损伤致残程度等级鉴定是鉴定机构重要的工作内容之一，在人身侵权损害赔偿案件中，鉴定结论对受害人获得赔偿数额的高低具有至关重要的作用。随着人工智能技术的飞速发展，相关人士有必要对这些技术进展进行了解，本文从人工智能技术在法律实践领域的研究进展和在医疗领域的研究进展两个方面进行介绍。
关键词： 人工智能；互联网；大数据；伤残鉴定
进入21世纪以来，人工智能使一系列在科学幻想中对人类日常生活方式能产生重大变革的技术成为可能。比如，计算机视觉和人工智能规划推动了比好莱坞更大的娱乐产业--视频游戏的兴起。深度学习来源于人工神经网络的研究，是一种基于多隐层的多层感知器的机器学习，该技术目前已经使我们的手机或者厨房可以理解人类的自然语音。而这些算法可以广泛应用于依赖于模式识别的一系列应用。研究人员认为：45年内人工智能在所有领域超过人类的几率为50%，而120年内所有的人类工作都将可以被替代[1]。
1 人工智能技术在法律实践领域的研究进展
20世纪80年代中期，伦敦顶级律师事务所的合伙人每小时收费在150至175英镑。到2015年，这个数字已经达到每小时775至850英镑，预计今年有望超过1000英镑[2]。一直以来法律工作者们普遍认为他们的工作永远无法被“机器人”替代，然而由于顶级律所收费的不断上涨，目前这种情况有了变化。
欧洲人权法庭是一个国际法庭，管辖范围是“欧洲人权公约”的缔约国。如果某个国家觉得他国违反了“欧洲人权公约”，可以像该法庭提出申请，由法庭来裁决是否有违反“欧洲人权公约”的行为。Nikolaos Aletras等人构建了一个预测模型，仅仅基于文本内容来预测欧洲人权法庭审理案件的结果。该研究小组主要使用从案件中提取的文本证据，其中包括与事实有关的特定描述、相关适用法律以及有关各方的观点。在处理案例预测时，研究小组将这些案例预测问题定义为二元分类任务。他们利用文本特征来训练支持向量机，应用线性内核函数使模型解释变得非常直观。准确预测的前提是法院已公布的判决中与当前案件有足够多的相似性，最终这个模型能够准确并且可靠地预测法庭决策，平均准确率已达到79%[3]。尽管现阶段无法完全靠人工智能来进行审判，人工智能预测的案件结果有助于洞察法官是否遵循了法律条款来进行的判决或他们的行为符合法律现实主义理论。
Maria Dymitruk在波兰民事案件处理中尝试了使用人工智能作为审判员或者支持人类审判。这项研究是一种尝试，为了验证在人工智能技术基础上创建的计算机系统是否兼容波兰法律中民事部分具有约束力的条款。研究中分析了人工智能算法与波兰法律要求的相容性，特别是波兰宪法规定的民事程序原则和法典。在卢布林西区地方法院第六民事庭的实践应用中，大量案件得到解决。在2017年上半年，共有1 278 590个案件被提交给了电子法庭，而同期提交给波兰常规法院的案件总数为7 851 746件[4]。事实证明，用计算机系统代替法官审理案件并不完全没有意义，也不是纯粹的假设实验。在法律中应用人工智能工具的重要意义在于协助法官提高审判质量，而不是降低法官参与度甚至是替代人类法官。该研究表明，如果使用基于人工智能的支持系统来协助法官，系统可以直接输出无须重新验证的正确裁决。
采用四向最小二乘改善迭代速度和填充效果，但其固有的过度平滑和迭代过程中误差的传递问题仍需进一步解决，将最大相位梯度质量图和相位导数偏差质量图相结合，为四向最小二乘法的相位数据设置权重.最大相位梯度质量图能测量一定区域内包裹相位数据的梯度最大值，具有一定的残差点敏感性, 但它有时会将没有残差点的坡度变化快的相位数据可靠区域标记为低质量.相位导数方差质量图利用一定模板内的统计信息克服最大相位梯度图的缺点, 是一种相对可靠的质量图[16-19].利用两种方法的优点，弥补原有单一方法的不足，得到了一种新的可靠的质量图法.
2 人工智能技术在医疗领域的研究进展
人工智能在医疗领域的应用相对其他领域是进步较慢的。这主要是因为人工智能算法的进步需要大量的训练数据，才能不断的提高准确率。病人的电子病历就是最好的训练数据，然而使用这些数据可能导致侵犯病人个人隐私的问题。再就是因为新的药物或者新的医疗技术应用需要经过研究、临床试验、监管机构批准等阶段，这也导致新的技术从研发到上市会有较长的滞后。尽管如此，最近几年还是不断有新的技术开始应用。
在司法鉴定领域，司法部作为主管行政单位有必要鼓励现有鉴定机构和互联网企业建立司法鉴定的互联网平台。互联网平台可以改变司法鉴定实践中由于存在异议，频繁出现重新鉴定的情况。比如当法院在审理案件过程中接到原告司法鉴定的申请需要委托鉴定时，可以通过互联网平台随机选出，这样更能取得原被告双方的认同。通过互联网平台共享鉴定数据，再由司法部作为监管，还可以在保证信息安全的前提下，为各鉴定机构、研究机构和司法机关提供大数据服务。在平台上还可以提供鉴定实践过程中的AI辅助，比如当需要做影像学鉴定时，可以与目前在医疗领域已经开始实践的“人工智能医生”对接，给出计算机分析的鉴定结果。同时有了互联网平台的存在，也可以方便司法机关对专家证人的资质验证。比如司法部可以在平台建立动态的专家证人库，而司法机关在审理案件过程中可以随时调阅专家证人的资料。
超声心动图是心脏病诊断非常重要的依据。然而，人类解读的低效限制了超声心动图应用的全部潜力。深度学习是图像分析的新兴技术，但尚未广泛应用于超声心动图的分析，其中部分原因是心动图复杂的多视图格式。迈向计算机辅助超声心动图分析的第一步是确认计算机是否可以学会识别这些图像。Ali Madani等设计和训练了一个卷积神经网络，用来识别15种不同的标准超声心动图。试验过程中，总共使用了超过20万张图像进行训练和验证，使用了超过2万张图像进行测试。为了保持样本独立性，这些超声心动图均来自不同的患者，训练集、验证集和测试集与患者或研究不存在交集。这些图像涵盖了一系列自然产生的图形畸变以及不同患者病情的差异，可以代表临床数据的多样性。该模型在12种b模式的平均测试准确率为97.8%，在超声心动图中始终出现静止图像的CW、PW和m模式类别分别达到98%，83%和99%的准确性。从所有15个种类中抽取的单幅静止图像中，平均准确率达到了91.7%，就算是对于模型错误分类的8.3%的测试图像，该模型在67.0%的情况下也是正确的[7]。
3 总结
皮肤癌是最常见的人类恶性肿瘤，目前主要是视觉经验诊断。一般的诊断过程是这样的：首先进行初步的临床筛查，然后进行皮肤镜分析、活检和组织病理学检查。使用图像对皮肤病灶进行自动分类是一项具有挑战性的任务，因为皮肤病变在外观上只有细微的变化。针对这种细颗粒度的目标分类任务，深度卷积神经网络显得很有优势[5]。Andre Esteva等仅使用像素点和疾病名称标签作为输入，运用单个卷积神经网络实施了皮肤损伤的分类。研究小组使用了包括2032种不同疾病名称的标签，影像总数达129450张的数据集来训练该卷积神经网络。针对角质细胞癌和良性脂溢性角化病，恶性黑素瘤和良性痣这两类病例，21位医师协会认证的皮肤科医师对经过活检证实的临床图像进行了测试。第一个病例代表最常见的癌症的鉴定，第二个代表鉴定最致命的皮肤癌。最终，研究小组的算法达到72.1%的整体准确度，而两名皮肤科医生在验证集合的子集上达到65.56%和66.0%的准确性[6]。这表明人工智能对皮肤癌的分类水平能够与专业的皮肤科医生相媲美。
微波选择性加热过程热应力的产生与矿石矿物始末温差及热膨胀性能相关[15-17]，如式(1)和式(2)所示:
综上所述，应用人工智能技术给鉴定机构提供辅助，可以减轻鉴定机构的工作负荷，在同等时间内可以处理更多鉴定；同时有了人工智能的鉴定参考还可以限制自由裁量的滥用，可以有效降低鉴定机构有意无意忽视某些损伤或者放大某些损伤的可能。但是我们也应该看到人工智能技术的成熟应用需要大量案例数据，而医疗数据牵涉个人隐私等问题，目前无法开放。这就需要有关部门制定规则在司法上给予大数据平台存在的合法性。
Ⅴ Theory of toothpaste raw material (To be continued) 1 64
参考文献
[1] Grace K, Salvatier J, Dafoe A, et al. When will AI Exceed Human Performance Evidence from AI experts[J]. Journal of Artificial Intelligence Research, 2018, 62: 729-754.
[2] Skapinker M. Technology: Breaking the Law[N].Financial Times, 2016-11.
[3] Aletras N, Tsarapatsanis D, Preo iuc-Pietro D, et al. Predicting Judicial Decisions of the European Court of Human Rights: A Natural Language Processing Perspective[J].PeerJ Computer Science,2016,2:e93.
[4] Dymitruk M, Markovich R, Liepi a R, et al. Research in Progress: Report on the ICAIL 2017 Doctoral Consortium[J]. Artificial Intelligence and Law, 2018,26(1):49-97.
[5] Krizhevsky A, Sutskever I, Hinton G E. Imagenet Classification with Deep Convolutional Neural Networks[C]//Advances in Neural Information Processing Systems.2012:1097-1105.
[6] Esteva A, Kuprel B, Novoa R A, et al. Dermatologist-level Classification of Skin Cancer with Deep Neural Networks[J]. Nature,2017,542(7639):115.
[7] Madani A, Arnaout R, Mofrad M, et al. Fast and Accurate View Classification of Echocardiograms Using Deep Learning[J]. npj Digital Medicine,2018,1(1):6.
Application Prospect of Artificial Intelligence in the Field of Disabled Appraisal
Wu Mingling1,Liu Juan2
(1.SANY Group ,Changsha Hunan 410100,China ; 2. Zhuzhou Municipal People 's Procuratorate ,Zhuzhou Hunan 412000,China )
Abstract :The identification of disability level is the important work for the appraisal institution. In the case of personal tort damage compensation, the appraisal conclusion is crucial to the victim's compensation amount. With the rapid development of artificial intelligence technology, it is necessary for relevant people to understand the progress of these technologies. The text introduces the research progress of artificial intelligence technology in the field of legal and medical.
Key words :artificial intelligence; Internet; big data; disabled appraisal
收稿日期： 2019-04-19
作者简介： 吴名陵(1984 - )，男，湖南娄底人，武汉大学硕士研究生毕业，研究方向为人工智能。
文章编号： 1674- 4578( 2019) 04- 0025- 02
中图分类号： TP 18
文献标识码： A