第一章 大模型是什么：从法律人的视角理解AI

1.1 先聊聊我眼中的AI进化史

说实话，我最早接触AI是在2012年。那时候我在做法律文书自动生成系统，用的还是最传统的规则引擎——说白了就是写一堆if-else判断。你想想看，一个简单的合同条款审查，我得写几百条规则。改一条规则，可能引发连锁反应，整个系统就崩了。

后来到了2017年，Transformer架构横空出世。我记得当时在技术社区看到这篇论文，第一反应是：这玩意儿能用在法律领域吗？事实证明，我低估了它。

大模型，本质上就是一个超级大的神经网络。它通过海量数据训练，学会了语言的规律。你给它一段法律条文，它能理解上下文，能推理，甚至能生成新的内容。这和传统AI最大的区别在于——它不再需要你手写规则了。

1.2 从法律人的视角看AI

很多法律人问我：大模型和以前的AI有什么不同？我习惯用一个比喻来解释。

传统AI就像一本法律词典。你查"合同"，它给你定义。但如果你问"这份合同里有没有隐藏风险"，它就傻眼了。大模型不一样，它更像一个刚通过司法考试的助理——虽然经验不足，但基本逻辑是通的。

我在项目中遇到过一位合伙人，他坚持认为AI只能做文书校对。直到我给他演示了：

• 输入一份50页的并购协议，让大模型提取关键条款
• 输入三个判例，让大模型总结裁判规则
• 输入一段事实描述，让大模型生成起诉状初稿

他看完沉默了。然后说了一句让我印象深刻的话："这已经不是工具了，这是另一个大脑。"

1.3 大模型的前世今生

嗯，这里要稍微讲点技术史，但我会尽量简单。

阶段	时间	代表模型	法律应用能力
规则时代	2015前	专家系统	只能处理结构化规则
统计时代	2015-2018	Word2Vec, LSTM	能做文本分类，但理解有限
预训练时代	2018-2022	BERT, GPT-2/3	能理解上下文，开始实用
大模型时代	2023至今	GPT-4, Claude, 文心一言	能推理、生成、多轮对话

为什么2023年是个转折点？因为模型参数突破了千亿级别。你想想看，一个拥有千亿参数的模型，它的"知识储备"相当于多少个法学院图书馆？

1.4 为什么法律人需要学大模型

这个问题我思考了很久。直接说结论：不是因为AI会取代律师，而是因为会用AI的律师会取代不会用的律师。

我见过太多这样的场景：

1. 法律检索：传统方法要花2小时，大模型+专业数据库只要10分钟
2. 合同审查：人工审查100页合同需要半天，大模型辅助审查只要30分钟，还能发现人眼容易漏掉的条款
3. 文书起草：从零写一份起诉状要2小时，用大模型生成初稿再修改，只要20分钟
4. 案例研究：分析100个同类判例，传统方法要一周，大模型辅助分析只要半天

说白了，法律人学大模型，不是为了成为程序员。而是为了：

• 理解能力边界：知道它能做什么，不能做什么
• 掌握提问技巧：同样的模型，不同的人用效果天差地别
• 建立人机协作思维：把重复性工作交给AI，把创造性工作留给自己

1.5 本章知识体系

下面这张图，是我个人习惯用来向法律人解释大模型知识体系的框架。你可以看到，整个课程就是围绕这个结构展开的。

这张图其实就概括了整门课的核心逻辑。你不需要一次全记住，但可以把它当作一个导航图。每学完一章，回来看看自己处在哪个位置。