如何科學(xué)地離婚？

離婚有什么注意事項？

如何用 AI 解決你的離婚問題？

－

以下為視頻文字稿：

過去三十年，感情崩塌的中國人越來越多，結(jié)婚數(shù)量從最高峰的 1347 萬對下降到了 1059 萬對，而離婚數(shù)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(xué)地分房子分財產(chǎn)分小孩？

協(xié)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(shù)量的 85%。

協(xié)議離婚的關(guān)鍵是這份交給民政局備案，需要雙方明確子女撫養(yǎng)、財產(chǎn)和債務(wù)問題的離婚協(xié)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(dāng)場領(lǐng)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(jié)的離婚案件有 140 多萬件，但只有 48 萬件的判決結(jié)果為雙方離婚，成功率不到 35%。

這是因為大多數(shù)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(diào)解。

根據(jù)婚姻法第三十二條， 法院審理離婚案件，應(yīng)當(dāng)進(jìn)行調(diào)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(diào)解不了，出現(xiàn)這五種情況才有可能準(zhǔn)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(rèn)為問題不大：

“由于生活態(tài)度存在差異，雙方常因生活瑣事及經(jīng)濟問題等產(chǎn)生矛盾，并不足以導(dǎo)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(rèn)定也相當(dāng)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(rèn)為是“共同生活中夫妻矛盾激化時偶發(fā)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(shù)據(jù)中，213 起主張家庭暴力的案件里，只有 10% 被法院認(rèn)定，其中 73 起申請賠償?shù)募冶┌?，也只?23% 獲得了賠償。

如果家庭暴力不被認(rèn)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(yǎng)和財產(chǎn)分割是最關(guān)鍵的問題。這取決于雙方提交的各種證據(jù)、有無過錯、經(jīng)濟情況、財產(chǎn)協(xié)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(chuàng)業(yè)公司——實在智能，他們開發(fā)的小程序「包小黑」能根據(jù)你描述的離婚訴求輸出一份包含勝訴概率，關(guān)鍵法條、同類判例在內(nèi)的評估報告。

CBOW 模型的訓(xùn)練方式，就是不斷練習(xí)用上下文預(yù)測中間的詞，進(jìn)而得到更準(zhǔn)確的模型參數(shù)和更準(zhǔn)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(shè)算法要預(yù)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(lián)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(biāo)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。

這時的結(jié)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(diào)整矩陣參數(shù)，來確保結(jié)果的準(zhǔn)確度。

當(dāng) CBOW 模型能相對準(zhǔn)確的預(yù)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(jìn)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(xué)習(xí)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。

這時，就需要構(gòu)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(guān)系連接成的關(guān)系網(wǎng)。

在這張來自實在智能的法律知識圖譜中，藍(lán)色的節(jié)點是法條，紅色是特征，綠色是陳述，黃色是推斷，紫色是結(jié)果，節(jié)點之間的連接通過大量判決文書構(gòu)建。

比如這個紫色節(jié)點是結(jié)果——「認(rèn)定財產(chǎn)分割協(xié)議不生效」，引用的法條是這個綠色節(jié)點——《婚姻法解釋（三）》的第十四條，推斷的原因是這個黃色節(jié)點——「一方在起訴中反悔」。

之后，用詞嵌入把節(jié)點變成向量，再用圖嵌入方案，把這幾千個節(jié)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(biāo)了。

最后，再輸入 60 萬份真實的離婚判決書，用深度學(xué)習(xí)算法完成訓(xùn)練，就能得到不同情況下不同判決結(jié)果的概率。此時的準(zhǔn)確率已經(jīng)能達(dá)到 79%。使用更適合的網(wǎng)絡(luò)結(jié)構(gòu)和真實的數(shù)據(jù)不斷迭代還可以獲得更高的準(zhǔn)確率。