走进任何一家规范的律师事务所，无论是在上海、纽约或是孟买、东京，你一定会看到两种律师：一种是助理律师，另一种是曾经的助理律师。

人文与科学领域的博士毕业意味着有资格探索前沿、指点江山，而法学领域的博士，无论是中国的法学博士还是美国的JD，都要经过助理的阶段才能成为律师。

即便是美国最著名的前总统林肯，虽聪慧过人可以自学法律，但在老律师手下当几年助理，也是他独立执业之前绕不过去的阶段。

名不正则言不顺。中国的律师行业对助理没有恰当的称谓，不是偶然的疏忽，而是系统的盲点。

一、“律师助理”未必是“助理律师”

一个风险投资交易的合同文本往往经过多个主体多轮的谈判和修改。定稿打印签署之前的文本检查与校对是不可避免的工作环节。承担此任务的应该是律师助理，还是助理律师？

此非脑筋急转弯的问题。但是，答案也并不是那么显而易见：

a.战场情况紧急，伙夫也可以出去拼刺刀，管他头衔是什么？

b.如果时间从容，资源充沛，管理有序，应该是“律师助理”协助“助理律师”执行此任务。

a符合常理，不必赘述。b有点故弄玄虚，突出了助理律师和律师助理的区别。

事实上，

很多律师事务所并不这样区分助理律师和律师助理，而笼而统之地称之为“律师助理”，使用“助理律师”这个头衔的律所是少数。

志在成为律师的助理，往往不在意自己的头衔是“助理”在前（左），还是“律师”二字在前（左），反正自己迟早会成为“曾经的”助理。对于那些因为学历和资格限制不能或不打算成为律师的助理，更不在乎此等头衔里的文字格局。

律师的助理可以完全不涉及法律事务，一如跟随明星演员出行的助手，并不在助理中学会表演；研究生代劳导师的费用报销手续，成为贴发票的高手，但无关学问本身。一个专门解决医疗纠纷的律师可能需要一个专职的助理负责客户（患者）病历档案的管理，一个从事商标维权业务的律师可能有一个助理日复一日专门负责截屏的公证手续，他们的工作虽然服务于律师，但本身都不涉及律师思维。

助理律师，是具有律师资质和必要学历的律师，

只是还不能独当一面为当事人的权益，就法律事务做出判断。

助理律师是未来的律师。

遗憾的是，很多助理律师陷于律师助理的事务，感觉不到自己法律知识的用武之地。还有些助理律师，因为同类助理事务的重复性，感受不到智力层面的乐趣，反而磨灭了对律师工作的向往。

二、助理律师学什么？

常规回答是“学实务”。怎么学？常规回答是“师傅领进门，修行在个人”。这些都是懒人的答复。后者神秘化学习的机制，推卸带教者的指导责任，而前者其实是答非所问，因为问题本意就是：在实务中学什么？

所有的法学院都教合同法，但从未听说法学院系统地训练如何审阅合同。记住合同法的要义和审阅合同是完全不同的智力活动过程。审阅合同需要调动常识，相关技能只能在实务中获得，所谓在游泳中学会游泳。

不妨举个实际例子。客户要求在短时间内完成10份相互保密协议(Mutual Non-Disclosure Agreement, NDA)的审阅。带教律师忙得没有时间具体指导新来的助理律师如何有效地完成审阅。换句话说，带教律师如果有时间把如何审阅讲清楚，不如就用差不多时间亲自完成审阅了。匆忙之中，带教律师这样点拨助理律师：

这10份文件看上去各不相同，但都是同一个行业里的同一类文件。10份虽然没有100份那么多，但也足以反映什么是常规条款和常规表述，什么是离经叛道的条款或非主流的措辞。从这个角度来看这10份文件，助理律师其实有足够的自学资料，迅速成为相互保密协议的“专家”。换言之，作为常用的一种协议，Mutual NDA的基本逻辑和表达规范通过10个样板可以浮现出来。相互保密协议本身不涉及具体产品的买卖或服务交付，而是关于彼此如何承担保密义务的行为规范，因此不太需要具体的交易背景，审阅的重点在于是否对等、合理和有效。

这样的点拨让本来没有头绪的任务有了抓手。助理律师不是逐个地、孤立地审阅10份文件，而是在互相比照中发现规律、彰显模式。助理律师带着模式审阅，眼前不再是成千上万的文字堆积，而是结构明晰的条款与条款之间的关系。在此基础上，助理律师可以快速形成判断，做出批注和建议。

在这样一个小小的实务项目中，助理律师学到了保密协议的核心逻辑和常规表述，但这并非最重要的收获。真正影响长久的收获在于助理律师有了识别模式、掌握和适用规则做出判断的生动体验。

三、人工智能：跻身律师和助理之间

前文提及的助理律师基于10份类似文件就能识别模式、掌握套路、自学解题，是因为助理律师是高学历高智商的专业人士。如果是纯粹的小白，是不是基于10万份类似文件的自学训练也能够达到同等水平呢？

当今时髦的人工智能 （Artificial Intelligence, AI）特别是所谓神经网络“深度学习”(Deep Learning)领域的专家认为没有什么智能行为是机器学不会的，只要有足够大的训练数据库。10万份不够，那就100万份。

人工智能技术已经在改变生产和生活的方方面面。法律行业也在感受人工智能带来的效益。某些机器翻译法律文件的质量之高令人咋舌，更不提其速度之快、费用之低。

人工智能的应用不限于法律文件的翻译。

今年8月18日最高人民法院院长周强在国际会议上提到，中国司法系统正在“加强人工智能与审判执行工作相融合……实现辅助事务自动化办理、案件智能画像、证据自动核验、法条及类案精准推送等，不断提升司法质量效率。”中国社会科学院法学研究所科技与法研究中心主任杨延超称其团队[1]“在一部叫‘FILE’的机器人身上进行了大量的实验，最终它可以在知识产权领域为律师撰写专业的代理意见。”

上海人工智能研究院数字化治理中心主任彭嘉昊这样展望[2]：

以目前OpenAI最先进的通用语言模型GPT-3为例，其参数量达到了惊人的1750亿，拥有强大的计算能力，完成翻译、问答、文本等复杂的行为，其生成的新闻同人类的作品真假难分，甚至超越了人类的水平。无论我们是否担心，人工智能未来一定会做出同法官极为接近的裁判结果，从一个辅助性的工具，变成与法官共同工作的伙伴。

天上掉下了个林妹妹，助理和律师之间冒出了AI。

福兮？祸兮？高性价比的AI代替助理的部分职责，淘汰立案庭的人工审查，不亦乐乎；但AI抢律师和法官的饭碗？且慢。

四、AI：永远不能出徒的助理

人工智能系统和任何时髦的东西一样，往往“腹内草莽人轻浮”。任正非在央视《面对面》专访[3]里说得比较公允和客气：人工智能就是统计学嘛！

所谓“深度学习”，其实不过是在输入和输出端之间增加多层的神经网络节点，使得系统的信息输入和输出之间的错误纠正机制更细密，从而提高学习的准确率。所谓“神经网络”并非真地在实质意义上复制或模拟人脑的神经网络，而只是基于人脑的神经系统的网络形态打个粗浅的外形比方。很多外行人士“不明觉厉”，被这两个玄妙的名词所震慑，不敢深究。

相比腹内草莽的深度学习AI系统，律师的自学效率并不依靠海量的同类数据的反复刺激，因为律师思维的精髓恰恰在于发现和适用新类别。律师和诗人一样，都是在常人看到同类的地方发现另类，在常人认为迥异的地方发现同类。美国最高院大法官Potter Stewart说，我无法给“淫秽”下定义，但是放到我面前我能做出判断。显然大法官并不需要看海量的淫秽作品才能形成判断力。诗人说，“黑夜给了我黑色的眼睛，我却用它寻找光明。”AI或许能基于海量的样本文字的统计规律模仿出类似的句式，但索然无味。

AI写诗之无味和AI写法律文书或司法判决之不堪都是因为当今的AI深度学习以结果对错论英雄，却完全无视了诗歌和法律实务都是先有情境，后才有结果，结果之对错总是相对于特定情境而言，而情境又取决于人的意图。AI没有也不可能有自主的意图，只有设定的任务。用于训练深度学习机器人的数据的标签是人设定的。标签本身就已经体现了人的意图。

什么是情境，什么是意图？

当年上海刚解放，粟裕作为华东野战军的首长和夫人楚青忙里偷闲街头散步，遇到一个咖啡馆[4]。粟裕说这地方不错。楚青是大家闺秀出身，自然知道咖啡馆浪漫休闲的意味。没等她欣喜地拉着粟裕走进去，粟裕接着说：这里屋顶架上机枪可以封锁整个区域。输入的物理场景是一样的，意图不同，情境不同，输出的反应完全不同，没有对错之分，只是无意中成就一段历史趣事。

律师的思维始终扎根于具体的情境，敏感当事人、相对方和有关第三方的意图，根据意图主动塑造情境，在林林总总的大小规则中发现最有利的作为大前提。

剩下的三段论推理是助理律师或者足够强大的AI可以执行的简单任务。

还记得几年前出尽风头的IBM机器人Watson? 它可以在知识抢答竞赛中夺冠，可以打败下棋高手。但这些所谓智力行为离律师的思维还相差十万八千里。Watson缺乏常识，不能识别和把握情境，只能在固定参数范围内照猫画虎地做一些简单客服问答。

不成熟的诗人模仿，成熟的诗人剽窃。（此言出自T·S艾略特，乔布斯在1996年有过类似表述：“good artists copy; great artists steal — and we have always been shameless about stealing great ideas.”）

所谓剽窃就是挪用。为什么艾略特、毕加索和乔布斯都不以挪用为耻，原因在于被公然挪用的只是形，而嫁接的场合情境迥然不同，传达的意义自然不同。形同神异，挪用产生了新的意义即构成创造。

助理律师和AI都是模仿。AI永远只会模仿，而助理基于模仿会在新情境下尝试自主挪用嫁接，触类旁通，从而成为独立律师。

注释：

[1] http://iolaw.cssn.cn/bwsf/202008/t20200805_5166326.shtml

[2] https://www.thepaper.cn/newsDetail_forward_18756992

[3] https://cloud.tencent.com/developer/article/1400717

[4] https://new.qq.com/rain/a/20200705A0CEYG00