Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > econ > arXiv:2412.05090v1

帮助 | 高级搜索

经济学 > 一般经济学

arXiv:2412.05090v1 (econ)
[提交于 2024年12月6日 ]

标题: 人工智能与法律

标题: AI and the law

Authors:Henry A. Thompson
摘要: 我认为生成式人工智能将对法律的演进产生不均衡的影响。 为此,我将生成式人工智能视为一种增强劳动力的技术,它降低了撰写更完整的合同和在法院诉讼的成本。 合同效应通过使合同更加完整,减少了对法院服务的需求。 相比之下,诉讼效应通过a)使合同变得不那么完整以及b)在其他条件相同的情况下降低当事人和解的动机,从而增加了对法院服务的需求。 在合同常见的领域,如财产法和合同法,由于合同效应和诉讼效应相互抵消,诉讼数量的变化是不确定的。 然而,在合同较少的领域,如侵权法,诉讼量可能会增加。 遵循Rubin(1977)和Priest(1977)的观点,生成式人工智能将加速侵权法向效率方向的演变。
摘要: I argue that generative AI will have an uneven effect on the evolution of the law. To do so, I consider generative AI as a labor-augmenting technology that reduces the cost of both writing more complete contracts and litigating in court. The contracting effect reduces the demand for court services by making contracts more complete. The litigation effect, by contrast, increases the demand for court services by a) making contracts less complete and b) reducing litigants' incentive to settle, all else equal. Where contracts are common, as in property and contract law, the change in the quantity of litigation is uncertain due to offsetting contracting and litigation effects. However, in areas where contracts are rare, as in tort law, the amount of litigation is likely to rise. Following Rubin (1977) and Priest (1977) generative AI will accelerate the evolution of tort law toward efficiency.
主题: 一般经济学 (econ.GN)
引用方式: arXiv:2412.05090 [econ.GN]
  (或者 arXiv:2412.05090v1 [econ.GN] 对于此版本)
  https://doi.org/10.48550/arXiv.2412.05090
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Henry Thompson [查看电子邮件]
[v1] 星期五, 2024 年 12 月 6 日 14:48:02 UTC (903 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
许可图标 查看许可
当前浏览上下文:
econ.GN
< 上一篇   |   下一篇 >
新的 | 最近的 | 2024-12
切换浏览方式为:
econ
q-fin
q-fin.EC

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号