“这个案例生动地说明了人工智能的民用效应。”
90%资产被骗，起诉费用高达80万美元！且看受骗者如何利用AI进行反击。
由o1 pro指导的第一起诉讼，或许也是美国联邦法院系统中第一起由AI指导的诉讼，其细节最近由史蒂夫公布。
目前，诉讼已经开始。
活动回顾
2022年，美国发生多起投资欺诈案件。其中，Steve & Chris兄弟被骗走了90%的净资产，并需要80万美元的保证金才能立案。
他们一生辛苦劳作，省吃俭用，也为自己未来的退休生活做好了打算，但当时他们并不知道自己还有机会讨回公道。
原告花了几年时间联系各种律师。可以前期垫付所需费用，打赢官司后再收回垫付的资金并抽取一定比例的佣金，但前提是必须先提起争议。史蒂夫弟兄无力承担向法庭提起诉讼的法律费用。
他们陷入了一个循环：他们想要投诉，而律师却想要收取撰写投诉的费用。
打破这个循环几乎是不可能的——甚至很难让这些公司给你回电话。
当史蒂夫给匹兹堡的利奇律师事务所打电话时，他们的电话号码突然无法接通。
大约两周后，律师才回电。史蒂夫再次打电话，但没有收到回复。他不禁感叹：“法律行业就是这样。”
因此，法律体系的主要弱点之一是，当被告欺骗你时，你根本无力起诉他们。如果被告拿的钱较少，您可能还有足够的钱聘请律师。从本质上讲，欺诈行为越大，逃脱惩罚的可能性就越大：这无疑鼓励被告普遍采取“无所作为、无所作为”的策略。
不过，最终3.5发布了，它终于能够评估规律了（尽管在解释训练数据中的先例值时仍然存在错误）。
然后，o1 pro改变了一切。 o1 pro 是一个通用人工智能 (AGI) 系统，史蒂夫认为：“它比我接触过的任何律师都聪明。”
o1工作流程：寻找相关证据
当o1 pro发布后，Steve立即注册并与1206进行了比较。随后确定两者都适合推进诉讼工作，但o1在理解判例法和预期辩护方面显然更胜一筹。
兄弟俩确定了完整的工作流程：
1 另一位原告 Chris 创建了一个证据数据库，浏览了案件档案，并编写了一个脚本，该脚本生成了数千行数据，其中包含破产案件的所有条目以及针对 DCG 的其他诉讼的法庭记录条目。
2 然后使用 o1 总结最重要的文件（送达证书和出庭通知等项目被忽略）。
3 最后，获得适合单个上下文窗口的摘要。模型可以在单个上下文窗口内进行推理并找到最相关的证据。 o1认为，第50至90段中的几乎所有引述都是本案的有用证据，并且它总是逐字正确地引用它们。
工作流程：持续评估
由于1206版本可能不会“思考”或进行多轮思考，因此在某些情况下比o1更容易产生幻觉。
然而，不知何故，虽然在各种工作产品中很有用，但评估用户工作的能力在某些方面更具争议性和负面性。
使用它的关键是它通常一开始就非常负面。它评估了投诉的第一个版本，并得出结论认为很可能被驳回。 1206（但不是早期版本）在多次运行中非常一致，允许使用相同的提示词对相同的结果进行一致的评估。
史蒂夫至少输入了 100 次投诉并要求其反馈，而它总是提供反馈，甚至包括“这是一个建议：这听起来不像律师写的。”
人工智能模拟法庭
随着起诉书接近完成，兄弟俩在去年12月20日至30日期间进行了一系列模拟。
圣诞节那天流量可能比较少，他们充分利用这个机会长时间使用o1 pro。
虽然o1擅长起草文件，但正是o1 pro的推理能力才让诉讼得以进行。
史蒂夫采用的方法是通过AI模拟法庭审判过程。
最初，Steve 模拟将投诉直接粘贴到 o1 pro 中，并要求其评估驳回辩方的情况。但后来，史蒂夫无意间发现了一个新想法：如果o1 pro生成一个先驳回的动议，会更准确。
所以这里是提示：“你是一位经验丰富的辩护律师，这对我的职业生涯至关重要。考虑所有可能的解雇理由，无论多强或多弱。然后，写下你能想到的最全面的辩护。驳回动议，代表被告[在此插入每位被告的姓名，重复 3 次] 向法院提交完整的驳回动议并供法官审理。”
接下来，动议生成后，提示是：“您是一名联邦法官。评估此申诉和辩方的驳回动议。输出您是否允许案件进入证据交换阶段的综合裁决。使当然，决定的每个部分都可以解释。”
史蒂夫模拟了很多次，最后“法官”在模拟了10次之后也没有否认这个动议。
使用时，“法官”根据最终申诉驳回了 10 项模拟动议中的 2 项，但其推理表明它误解了事实。
尽管边际回报正在递减，史蒂夫不确定这些解雇是否是由于推理能力差（毕竟情况就是如此），还是忘记包含他认为自己已经知道的关键事实信息。后者可能会导致人类法官也误解投诉。
预测胜率
他们还使用 O1 Pro 进行概率分析，以评估他们可能采取的不同立场 - 从可能的索赔到诉讼策略。
他们要求o1 pro给出不同立场下胜诉的几率，尤其是在具体事实被揭露的情况下。他们使用 3.5 和 1206 交叉检查了这些赔率。
由于生命与本案密切相关，因此他们继续通过多个模型进行交叉验证。但他们已经意识到，o1 pro 的准确性如此之高，以至于在必要时它可以成为唯一依赖的分析工具。
o1 pro可以利用自己的立场来预测案件中被告的辩护（因为他们涉及大量诉讼）。这对于两兄弟来说，是有很大帮助的。
他们还能够创建一个数据库，让被告在提出动议时能够快速确定是否与过去三年的法庭文件存在冲突。
最后，他们进行了两天的模拟，将不同的模型相互比较，以评估被告可能采用的防御策略。
他们观察了人工智能模型如何执行这些策略。然后，更进一步，告诉模型故意采用诸如“提出毫无根据的动议”、“威胁原告寻求制裁”、“通过耗尽耐心让原告放弃”、“添加尽可能多的被告”等策略”、“提出大量交叉诉讼和反诉”、“推卸责任”等。
一旦被告采取了这些策略，他并不知道原告已经做好了充分的准备。
诉讼计划
在提出投诉之前，他们使用 O1 制定了诉讼计划。
例如，该模型预测诉讼将需要大约 1,300 小时的工作时间。它预测提出投诉需要 160 小时，这与实际花费的 220 小时非常接近，因为很多工作只是阅读和重读《联邦证据规则》等文件。
他们还要求 O1 和 O1 Pro 制定一个主要时间线，并澄清需要进一步发现的证据。幸运的是，在本案中，所需的大部分证据已经公开（正如投诉所述）。模型建议了所需的少量证据，史蒂夫利用额外的知识来编辑 O1 Pro 的计划。
回应“否认者”
尽管细节直到投诉后才公开，但原告史蒂夫已经在网上明确表示，该案即将进入审判阶段，并且将由人工智能引导。
最常见的批评之一是，此类案件需要多年的工作，而且“你不知道自己将面临什么”。
史蒂夫回应了这一批评：
“首先，我们显然知道这个案子需要花费数年的时间；O1 Pro实际估计的时间比我们最初预测的2000小时要少。但是，考虑到我们90%的净资产都被被告拿走了，经济价值我们这个时代最重要的莫过于打这场官司了。”
“至于有人批评我们接这么大的案子没有律师，我们花了很多钱，但我们根本没有付出任何代价。在此之前，这个案子的价值是零，因为没有大的债券，没有律师会接手这个案子，正如我们之前所说，被告拿走了我们所有的钱，既然案件已经立案，它的价值就大于零，即使胜算很低，人工智能的竞争环境也是如此。值得一试。”
但说到胜诉的几率，无论是原告自己的估计，还是模型的估计，其实都不低。并且原告对胜诉的机会非常乐观。他们削减了开支，为未来几年腾出时间。史蒂夫现在晚上和假期都在阅读美国民事诉讼规则和欺诈判例法。
他们将通过法律程序解决问题，寻求被告故意行为应得的三倍赔偿，必要时为上诉辩护，如果涉及到，则迫使被告破产。
史蒂夫说：“我们会全力以赴去争取胜利。”
尽管经常受到批评，但在这种情况下，史蒂夫要感谢他们给了他们机会实现他们花了 20 年规划的生活。
史蒂夫表示，这一努力是“AGI让世界变得更美好”的具体例子。
背景资料
诉讼等。 v. Group 等人指控被告 Barry E. 和前首席执行官 Moro 欺诈。
原告史蒂夫
原告声称，被告故意签署了一张11亿美元的虚假本票，该票据随后被用来生成虚假的资产负债表，导致原告依赖虚假的资产负债表来决定是否续签贷款。起诉书封面如下：
该诉讼寻求根据宾夕法尼亚州《不公平贸易行为和消费者保护法》允许的三倍赔偿金，归还从原告处以欺诈方式获得的数字货币，目前价值 2607 万美元。
由于两兄弟仅去年 12 月就花了 200 多个小时来审理此案，因此本文无法涵盖法律背景下人工智能的所有细节，但原告 Steve 表示，他“将尽力提供初步的总体概述，并且稍后将添加更多内容。”细节”。
在接下来的几周内，史蒂夫将继续发表有关此案的文章，讨论准备上诉期间发生的事情。其中一篇文章将讨论每种模式的具体技巧和优缺点。
参考：
