|
－文字稿－ 過去三十年，感情崩塌的中國人越來越多，結婚數量從最高峰的 1347 萬對下降到了 1059 萬對，而離婚數量卻從 58 萬對上升到了 437 萬對。  離婚有什么注意事項？如何科學地分房子分財產分小孩？ 協議離婚是中國最常見的離婚方式，2017 年，370 萬對夫妻就在民政局登記離婚，接近離婚總數量的 85%。  協議離婚的關鍵是這份交給民政局備案，需要雙方明確子女撫養、財產和債務問題的離婚協議。  之后，帶著身份證戶口本去民政局交 9 塊錢工本費就能當場領取離婚證，在北京甚至能免費離婚。  如果不能好聚好散，就只能打官司了。 但訴訟離婚的成功率并不高，2017年，一審審結的離婚案件有 140 多萬件，但只有 48 萬件的判決結果為雙方離婚，成功率不到 35%。  這是因為大多數離婚訴訟的原因是感情破裂，這種情況下，法院的處理方式基本是調解。  根據婚姻法第三十二條， 法院審理離婚案件，應當進行調解，通過法官耐心的說服工作來化解矛盾，使雙方和好。  如果實在調解不了，出現這五種情況才有可能準予離婚，但即使符合條件，也不一定能成功。 比如這份海南省第一中院的判決書中，即使原告的老公吸毒、偷錢、打架，兩人分居 5 年，但一審二審法官都認為問題不大： “由于生活態度存在差異，雙方常因生活瑣事及經濟問題等產生矛盾，并不足以導致夫妻感情破裂”。 除了 77.5% 因為感情破裂的離婚 ，還有 14.86% 的離婚案件是因為家庭暴力。 但法院對家庭暴力的認定也相當苛刻。 在這幾份判決書中，即使被打到腦震蕩，耳膜穿孔，被老婆叫來 10 個人暴打，法院仍然認為是“共同生活中夫妻矛盾激化時偶發性的打斗“，不定性為家庭暴力，也沒有賠償。  在 2016 年北京第三中級人民法院公布的數據中，213 起主張家庭暴力的案件里，只有 10% 被法院認定，其中 73 起申請賠償的家暴案，也只有 23% 獲得了賠償。 如果家庭暴力不被認定，又實在被打的太慘，可以試試主張虐待罪、故意傷害罪和暴力干涉婚姻自由罪。 在離婚訴訟中，子女撫養和財產分割是最關鍵的問題。這取決于雙方提交的各種證據、有無過錯、經濟情況、財產協議，對于被子床單衣架也要分清楚的夫妻，這確實讓人頭大。 花一萬塊錢找個律師或許可以為你爭取更多補償，但更輕松的方案是讓 AI 解決你的離婚問題。 我們找到了一家 AI 創業公司——實在智能，他們開發的小程序「包小黑」能根據你描述的離婚訴求輸出一份包含勝訴概率，關鍵法條、同類判例在內的評估報告。 想要 AI 解決離婚糾紛，先得讓 AI 理解法律，要理解法律，就要先看懂文字。所以，我們要解決的第一個問題是詞嵌入(WordEmbedding)，把詞語變成數學向量。 一個常見的模型是 CBOW（Continuous Bag-of-Words），它的結構大概長這樣。 CBOW 模型的訓練方式，就是不斷練習用上下文預測中間的詞，進而得到更準確的模型參數和更準確的詞向量。 以婚姻法第三十二條中的這句話（因感情不和分居滿二年）為例，「感情」「不和」「分居」都可以表示為一個在三維空間中的 one-hot 向量， [1,0,0]，[0,1,0,]，[0,0,1,]。 假設算法要預測的詞是「不和」。那么我們要輸入模型的，就是「不和」的前后兩個詞「感情」和「分居」的 one-hot 向量。 但 one-hot 向量的問題分布過于稀疏，無法分析詞語間的聯系，所以可以通過一個 3×2 矩陣W，把他們投影到一個二維坐標系，「感情」和「分居」的位置就在這里。 把這兩個向量取平均值，就是模型計算出的「不和」詞向量。 把它與另一個2×3的矩陣相乘，再通過 softmax 函數轉換成概率分布形式，就能判斷此時模型的準確度。 這時的結果越接近「不和」的 one-hot 向量 [0,1,0,]，模型就越成功，機器也因此需要不斷調整矩陣參數，來確保結果的準確度。 當 CBOW 模型能相對準確的預測出每一個詞時，我們就可以得到這些詞投影到低維空間的向量，并通過距離公式判斷出每個詞之間的相似度。進而讓機器理解語言。 需要注意，我們剛剛的舉的例子是一個極度簡化過的情況，真實的學習模型中， one-hot 向量通常有幾十萬維，通過矩陣投影后的維度也通常有幾百維。 今天，更常見的是 BERT 模型（Bidirectional Encoder Representation from Transformers），直接對句子編碼。但包小黑在用 bert 解決法律問題時，也只有 68%的準確率。 這時，就需要構建知識圖譜，提升機器的邏輯和推理能力。 你可以把知識圖譜理解為一個由實體和關系連接成的關系網。 在這張來自實在智能的法律知識圖譜中，藍色的節點是法條，紅色是特征，綠色是陳述，黃色是推斷，紫色是結果，節點之間的連接通過大量判決文書構建。 比如這個紫色節點是結果——「認定財產分割協議不生效」，引用的法條是這個綠色節點——《婚姻法解釋（三）》的第十四條，推斷的原因是這個黃色節點——「一方在起訴中反悔」。 之后，用詞嵌入把節點變成向量，再用圖嵌入方案，把這幾千個節點向量變成一個向量，我們就可以得到一個判決書在空間中的向量坐標了。 最后，再輸入 60 萬份真實的離婚判決書，用深度學習算法完成訓練，就能得到不同情況下不同判決結果的概率。此時的準確率已經能達到 79%。使用更適合的網絡結構和真實的數據不斷迭代還可以獲得更高的準確率。 現在，你可以在「包小黑」說出你的離婚訴求，找到科學的離婚方案了。 - |
|
|
