人工智能模型在合同解释中的前景广阔

宾夕法尼亚大学凯里法学院（University of Pennsylvania Carey）法学院（University of Pennsylvania Carey）法学教授大卫·霍夫曼（David Hoffman）与人合著的一篇开创性文章介绍了一种通过使用大型语言模型（LLM）来估计合同意义的新方法。即将发表在《 纽约大学法律评论》上的“生成性解释”将人工智能（AI）模型定位为未来的“合同解释的主力”，并表明使用它们来解释法律文本“可以帮助事实调查者确定上下文中的普通含义，量化歧义，并填补当事人协议中的空白。

霍夫曼和合著者、阿拉巴马大学副教授约纳森·阿贝尔（Yonathan Arbel）利用对知名观点中出现的合同的扎实案例研究，建立了LLM可以有效地平衡成本和确定性利益以及准确性和公平性的理由;他们的分析表明，应用该技术通常与使用更传统方法的法学家获得的答案“成本更低，确定性更高”。

作者首先审查了第五巡回法院的一项有争议的裁决，该裁决使投保人与保险公司就卡特里娜飓风破坏背景下“洪水”的含义进行了对立;洪水被排除在许多保险单之外。原告坚持认为，“洪水”不包括人类造成的水灾，如果被接受为一个主张，他们将能够辩称他们的财产损失 – 据称是由于陆军工程兵团在维护堤坝方面的疏忽造成的 – 不在合同的排除范围内。被告辩称，“洪水”是明确的，指的是任何水的淹没，无论原因如何。

在花费了“昂贵而广泛的努力”来做出决定之后，法院站在保险公司一边。霍夫曼和阿贝尔指出，法院查阅了词典、论文、语言规范、管辖范围外判例法和百科全书等资源。作者指出，尽管如此，这一决定还是受到了批评，因为根据批评者的说法，它“只是肯定了其亲商业的先例”。

作者提出了几个额外的深入案例分析，以展示如何将生成性解释部署到各种目的，首先是LLM模型如何与合理期望原则一起工作。霍夫曼和阿贝尔解释说，法官和非专业人士的“合理期望”可能会有很大差异，每个群体都坚信他们的解释是共同的。他们写道，最终，这种“内省解释”会导致结果的不确定性。

阅读更多 宾夕法尼亚凯里法.