孫卓婷

（華東政法大學 國際法學院，上海 200050）

一、人工智能與法的相結合

AI的全稱Artificial Intelligence，即中文中所稱的“人工智能”。近年來隨著人工智能大舉進入人類的現(xiàn)實生活，其項下的多個垂直領域都興起了相應的研究熱潮，法律自然也不例外。許多法科類院校紛紛設立人工智能與法律研究點，如西南政法大學設立了人工智能法學院及法律研究院，浙江大學借助其強勢的理工科背景，成立了互聯(lián)網(wǎng)法律研究中心，并于2018年起擬招收“互聯(lián)網(wǎng)法學”、“大數(shù)據(jù)、人工智能與智慧司法”等多個法律與人工智能交叉領域的博士后研究人員，擬從事研究工作，并且待遇優(yōu)厚。①詳見浙江大學光華法學院官網(wǎng)博士后招募信息http://www.ghls.zju.edu.cn/ghlscn/2018/0606/c13584a1105633/page.htm，2019-05-28。那人工智能與法律的結合真的可行么？兩者可以結合到什么程度？兩者的結合會使兩個學科得到共同的發(fā)展與進步么？這些都是這個時代最新，且由于尚未有定論而需要我們學者努力探尋的問題。

（一）人工智能對法律行業(yè)的沖擊

從問題的產(chǎn)生來看，不乏有人會提出如下兩個問題：“法律必須與人工智能相結合么？是否可以保持法律的原生態(tài)而使其獨善其身呢？”其實在筆者看來，此處的結合與其說是一種人為的選擇更不如說是一種歷史發(fā)展的必然趨勢。古往今來，像法律和醫(yī)學的從業(yè)者其需要經(jīng)過長期的專業(yè)訓練以及大量閱歷、學識的積累，故而兩行業(yè)的從業(yè)者在社會薪酬、待遇方面也往往較為可觀。但是在AI浪潮強勢襲來的背景下，法律人如果仍然想關上自己所不熟悉的大門，努力用自己所熟悉的概念和思維框架來限定技術革新正在帶來的各種新的可能性的話，用鄭戈教授的話來說，“這種努力更像是螳臂當車”。[1] 28-29

鄭戈教授曾在其《人工智能與法律的未來》一文中提到“人工智能的迅猛發(fā)展不僅僅是一個科學技術領域的新現(xiàn)象，它正在迅速改變人類社會的經(jīng)濟形態(tài)、社會交往模式和政治－法律結構?！盵2] 11-15誠然，法律工作中包含有大量重復、瑣碎的工作，盡管這些工作可能構不成法律工作的主體，但卻往往成為法律工作的必要前提，而人類引以為傲的信息檢索、分析能力，在AI面前往往顯得脆弱不堪。

2018年2月的一則新聞轟動了國內外媒體界，專門從事法律人工智能產(chǎn)品開發(fā)的Law Geex公司與斯坦福、杜克和南加州大學的法學教授們合作進行了一項新的研究，讓20名有經(jīng)驗的律師與訓練好的法律智能算法競賽，在四小時之內審查五份保密協(xié)議，找出包括保密關系、保密范圍、仲裁、賠償在內的30個法律問題點，以界定法律問題的準確和明晰程度作為得分點。人類律師平均花費92分鐘完成了任務，準確率是85%，而人工智能系統(tǒng)僅用了26秒就完成任務，準確率高達95%。事實上，這已經(jīng)不是第一次人類在法律技能競賽中敗給AI了。2017年11月，劍橋大學法學院的學生們組織一次人—機法律競賽，由112位自愿報名參賽的律師和開發(fā)法律人工智能產(chǎn)品的新創(chuàng)企業(yè)Case Crunch的一款產(chǎn)品進行比賽，比賽內容是預測金融申訴專員（Financial Ombudsman）對付款保障保險（PPI）不當銷售申訴實際案例的裁斷，結果人工智能產(chǎn)品的預測準確率高達86.6%，而人類律師的預測準確率只有62.3%。

今天，科技的變革顯得尤其具有“一去不復返”的特點。當我們習慣了坐高鐵、用手機的生活方式以后往往就很難再回到坐馬車跑長途和寫信的時代。同樣，面臨在各種技能上有巨大優(yōu)勢的AI，法律人如果不做好提前應對的準備無疑是會被科技和時代所淘汰的。

（二）人工智能在法律領域的現(xiàn)實應用

從現(xiàn)實層面來看，人工智能在法律界的運用似乎遠超普通人的設想。國內知名的大成律師事務所在2016年就創(chuàng)建了自己的人工智能實驗室Nextlaw Labs，并與IBM公司的認知技術平臺沃森（Watson）合作開發(fā)了法律人工智能產(chǎn)品ROSS。包括達維律師事務所（Davis， Polk & Wardwell）在內的許多大型律師事務所已經(jīng)設置了一種新的職位：首席知識官（Chief Knowledge Officer，CKO）或首席技術官，帶領一個團隊專門從事本所的數(shù)據(jù)庫建設和人工智能產(chǎn)品投資、開發(fā)和調配。這表明一種新的法律職業(yè)——法律知識工程師——正在興起。關于人工智能產(chǎn)品在法律領域的現(xiàn)實應用，從整體趨勢上看，與傳統(tǒng)的法律界相比，人們對于律師信息歸類以及法律檢索相關的要求會在將來大幅度降低，因為這些工作的可替代性或者說人力做起來遠不如AI來得更全面、準確。這也預示著未來在律師以及社會的其他行業(yè)都會更加注重人與人之間的溝通。

從現(xiàn)實的工作內容來看，AI也相繼在證據(jù)搜集、合同撰寫、訴訟管理等方面嶄露頭角。從法律文件審閱自動化的角度來看，無論是調查取證、盡職調查，還是合同分析、合規(guī)審查，都需要對法律文件進行審查、分析和研究。而將AI運用于這一領域將能夠顯著提升法律人的工作效率。德勤（Deloitte）借助機器學習的合同分析系統(tǒng)Kira Systems，只要15分鐘就可以讀完原本需要人類律師花費12個小時才能審閱完的合同。①詳見觀察者新聞https://www.guancha.cn/economy/2016_03_10_353535.shtml，2019-05-28.美國Casetext公司開發(fā)的案件分析研究助理CARA可以幫助律師和企業(yè)法律顧問完成從判例、法規(guī)分析到陪審員選擇直到法庭辯論文書生成的一系列任務。②詳見Venture Beat 官網(wǎng)https://venturebeat.com/2017/03/22/casetext-raises-12-million-for-legal-research-assistantcara/，2019-05-28.

從上述例子均能看到，正如人工智能巨頭企業(yè)依圖科技的標語所言“未來已來”，在新時代新科技的浪潮下，如若再墨守成規(guī)，對于每個行業(yè)都無異于是作繭自縛的。

（三）法律與人工智能相結合的理想狀態(tài)

不得不承認，越來越多的人已經(jīng)認識到，法律未來的發(fā)展與走向是勢必離不開與人工智能的結合的，但此種結合能應用到什么程度？或者說其間會帶來的難點和挑戰(zhàn)是什么？以及人類會否因其不當運用而自食惡果？這些問題無一不扣動學者們的心弦。有關于人工智能與法律結合的可行性以及程度分析筆者會在本文的接下來部分進行具體論述，此處僅對法律與AI結合的前景做些宏觀性的展望。

從上文的介紹中我們可以看出，AI對于法律工作中的數(shù)據(jù)收集與處理部分而言是顯然能夠勝任的，甚至完全超過人類的能力，但是我們設想的AI或者說未來勢必發(fā)展起來的強AI的遠景實際上遠不局限于此。

AI的全稱是Artificial Intelligence，即中文中所稱的“人工智能”，那何以能稱其為“智能”呢？筆者認為對于所謂“智能”較為通俗的解釋，其實就是指其可以像人類那樣思考，或者說起碼“表現(xiàn)得像是人類在思考”。此處我們不用圖靈測驗或中文屋理論探究大腦運作的實質，但究其含義，AI所表現(xiàn)出的，或是能承擔的工作任務應遠不如“數(shù)據(jù)處理”那么簡單，有關于“數(shù)據(jù)歸類、檢索”一類的工作職能其實也稱不上本文所探討的真正的“智能”范疇。那么，我們究竟能否用人工智能做進一步的案件推理甚至是斷案呢？

在筆者看來，要使AI真正掌管“斷案大權”，這種設想無論是從技術上還是法理上甚至在人類倫理上都是站不住腳的，起碼從現(xiàn)在的情況來看很有很大一段的距離要走。AI與法律結合的理想狀態(tài)在筆者看來應為一種“輔助審判”的工作模式，而遠非任由AI掌握人類的“生殺大權”。

首先從案件的公正審理角度來說，如果AI日后真的能發(fā)展到強AI的階段，進而由其全權掌控案子的走向而人類不加監(jiān)管的話，毫無疑問會產(chǎn)生人類學上的危機。司法作為公平正義的最后一道防線，掌管著人類的生、死、自由、名譽。在當今尚且由人類主導審判的司法社會，人們對于錯案、冤案的容忍度都是極為有限的。如若真的來到由機器人掌管人類司法命運的那一天，人類毫無疑問會有深刻的不安全感。其次從判案的本質來說，一個案件的判決，本就可以說沒有“絕對意義”上的“正確處理”可言，人類允許類似案件存在一定幅度以內的不同處理，但人工智能是否可以做到這種考量（亦或稱量化）？如若真的做到了這種考量，是否意味著一個新的物種的誕生（畢竟這種考量不是由簡單的數(shù)據(jù)分析可以直接得出的）？一系列的問題表明這都不是人類社會所期待的AI能夠達到的理想狀態(tài)，盡管起碼從現(xiàn)階段的科技、語義學、大腦生物學研究水平而言，AI本質上也還達不到這一點。

由于AI與法律的結合事實上會涉及到與其他諸學科的交叉研究。在此由于篇幅有限不作過多展開，本文是篇法學論文，下文將從法律推理與裁量模型的角度出發(fā)，探討AI在法律領域適用的可行性與挑戰(zhàn)難點。

二、從法律推理看人工智能對法律的挑戰(zhàn)

技術是否真的能夠取代人類推理，這是頗有爭議的。一般認為，法律推理在本質上往往是動態(tài)的和或然性的，法律邏輯建立在“缺省推理”（default reasoning）的基礎上，而后者嚴重依賴于新證據(jù)出現(xiàn)之時的修正或對舊證據(jù)的重新分析。

（一）法律推理的形式主義與現(xiàn)實主義之爭

法律推理是一個世界性的法學難題。美國法學家孫斯坦說：“幾乎在每個國家法律推理似乎都是深不可測、神秘莫測而且是極其復雜的。有時它又似乎根本不是一種推理形式?！盵3] 1如果回顧法律理論的傳統(tǒng)，分處法律推理理論坐標之兩端的形式主義與現(xiàn)實主義所爭議之核心問題，不過是法律規(guī)則到底如何影響法律推理的結果。其中，形式主義主張法律規(guī)則唯一性地決定法律裁判的結果；而現(xiàn)實主義對此則持保留態(tài)度，轉而認為法律規(guī)則之外的因素才是真正決定裁判結果的關鍵。[4] 3-6下面，簡單介紹這兩種觀點并討論其分別會對AI在法律上的運用產(chǎn)生怎樣的影響。

1. 法律形式主義的觀點

盡管隨著時代的發(fā)展，現(xiàn)在主張法律形式主義的聲音已較過去少了很多，一些學者也持了相對中庸的觀點，即“準形式主義”。然而不得不承認的是，法律形式主義為人工智能法律系統(tǒng)的誕生奠定了理論基礎。

有過一般法理學學習經(jīng)驗的學生都知道，法律推理最主要的是三段論，即“大前提——小前提——結論”的結構。大前提是已有的法律規(guī)定，比如刑法規(guī)定“盜竊信用卡并使用的，以盜竊罪定罪處罰”，而小前提是事實上“你盜竊信用卡并使用了”，那么結論就是“你就構成盜竊罪”。得出這一步之后，再套用盜竊罪的法律規(guī)定，結合你盜竊罪的法律事實，再次運用三段論的手法，予以最終的定罪量刑。

18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡單的幾何公式是完全有可能的。這種以簡·奧斯汀為代表的英國分析法學的傳統(tǒng)，主張“法律推理應該依據(jù)客觀事實、明確的規(guī)則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決?！盵5] 3換言之，機器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結果。在分析法學家看來，所謂“法治”就是要求結論必須是大前提與小前提的邏輯必然結果。[6] 292

不可否認，以上這種觀點從邏輯上聽起來似乎顯得“有理有據(jù)”，且使得判案可以像計算機器那樣得出“唯一正確”的答案。然而人世間的愛恨糾葛真的可以簡單地得出唯一正確的答案么？對于這種形式主義的裁判理論，早在上個世紀，自由法學家比埃利希就將其稱為“自動售貨機”理論，且該種“自動售貨機”理論也常受到其他法學家的詬病。事實上，在人類歷史上，也的確產(chǎn)生過由于借用該種理論模式，而生成了許多看似合乎邏輯而實際上卻令人啼笑皆非的判案結果。人們也在一次又一次的實踐中認識到，形式推理忽略了法官的主觀能動性和法律推理的靈活性，簡單的邏輯推理并不能給人類帶來公正的判決。

2. 法律現(xiàn)實主義的觀點

現(xiàn)實主義推理又稱實踐主義推理，霍姆斯大法官曾指出：“法律的生命不在于邏輯而在于經(jīng)驗。”[7] 478的確，人是社會中的人，案件也是社會中的案件。正如張保生教授所言：“法官在實際的審判中，并不是機械地遵循規(guī)律，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面臨價值問題，法律形式主義的決定論便立即陷入困境，顯出其僵化性的致命弱點。”[8]法律現(xiàn)實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。

其實法律現(xiàn)實主義的觀點從法律用語本身的角度探究也可見一斑。首先，法律條文本身具有不全滿性，法律條文無疑是有限的，其不可能包含現(xiàn)實中的所有情況，否則也不利于其適應性。其次，對于同一個條文的解釋，往往會存在不同的角度，法理學上將其稱之為解釋的方法，比如文義解釋、體系解釋或歷史解釋等。然而極盡解釋方法的所能，很多時候我們仍然不能給真實的案件找到合適的大前提，或者說在將“事實”這個小前提運用于大前提的框架下時會讓我們感到手足無措，不知從何做起。更多時候，當法律條文無法滿足我們“找法”的要求時，我們需要調用法律原則以填補現(xiàn)存法律的空白，而對于法律原則的適用往往要求我們掌握法律的立法環(huán)境、背景、目的等，不是單純地依靠解釋原則文字本身就能實現(xiàn)的，這也就自然落入到了法律現(xiàn)實主義的范疇。

除此之外，一個案件的判決往往還涉及到社會因素、道德因素等綜合情況的考量。例如同樣是殺人，同樣是具有殺人故意且具有明確法律條文的前提下，我們仍然不能保證對相似案件絕對做類似處理，即便在定性上都屬于故意殺人或都屬于正當防衛(wèi)，面對具體的情節(jié)、情境的不同法官還是非常有可能基于其裁量權做出不同的判決。正如同世界上沒有兩片相同的樹葉，世界上也沒有兩件相同的案子。①2018年熱火的龍哥案在這里也是一個典型，在龍哥案之前，類似的由于受威脅虐待導致的“激情殺人”幾乎均未被定性為“正當防衛(wèi)”。

（一）價值判斷是否是法律推理的靈魂

由上分析可知，法律實踐主義引出了一個較為深刻的問題，即司法裁判的本質是邏輯推理還是價值判斷？其實法律推理之所以不同于一般推理的原因之一就是該種推理須置身于“法律”的大環(huán)境下。而法律社會畢竟是人的社會，而人類社會的判斷標準并不唯一，很多時候亦會存在無解或多解的情況。

從知識論的角度看，單純的形式邏輯并不能產(chǎn)生知識。在康德的知性理論中歸納了十二種知性的范疇[9] 71-72，人類具有這些普遍的認識能力，并認為事實認定問題，其實是先天知性能力對于外在世界“雜多”的“統(tǒng)合”問題。此外，在康德看來，先驗超越于經(jīng)驗，但是先驗又必須運用于經(jīng)驗，否則就不是知識，“但對于人類知性來說，這個行動卻不可避免地是第一原理，乃至于它絲毫也不能理解別的可能的知性，不論是本身可以直觀的那種知性，還是那種即使擁有感性直觀但確實不同于空間和時間中那樣的感性直觀作為基礎的知性?！盵9] 71-72

以上說法可能顯得較為抽象，在此可以用梁慧星教授的一句話來做下知識的類比，梁教授認為“法官活動的邏輯不屬于認識思維的邏輯，而屬于‘情動思維的邏輯’，其理想不在于各種思維結果的真實性，而在于思維結果的生活價值或利益價值?！盵10]或者換一種更好理解的表述即：“人類的生存與生活都離不開社會”。社會性永遠是人類的第一屬性，社會中的判斷必然會運用到價值判斷，而該種判斷往往受社會共同價值觀、自身價值觀衡量、善惡是非觀等多重因素影響，僅憑人類現(xiàn)階段的科學技術水平尚不能真正探討其自身運作原理。

筆者以為，法律推理所要實現(xiàn)的目標必然不是像數(shù)學幾何公式一般的絕對真理（尚不討論絕對真理是否真的存在），法律推理中所顯示出來的相對真理和價值才是人類孜孜以尋的寶藏。而價值判斷在法官判案的過程中更并非一種抽象的原則使其可以毫無忌憚地加以使用，相反該種精神價值本身就體現(xiàn)在了現(xiàn)有的條文當中，法官對于現(xiàn)下條文規(guī)則的適用，實則就是在通過一個個個案正義的實現(xiàn)，以追尋法律真理的過程。同時，也正是由于法律本身的不圓滿性以及人類自身的不完美性，導致了法律的修訂，以及蘊含在法律條文中的精神也會隨著時代的變換而更新。

（三）AI在法律推理實踐中遇到的困境

陳炳祥博士在《人工智能改變世界工業(yè)4.0時代的商業(yè)新引擎》一書中寫道：“與圍棋相比，城市交通管理類問題要復雜的多。圍棋的數(shù)據(jù)結構是固定的、統(tǒng)一的，而城市擁堵狀況等社會生活中的很多數(shù)據(jù)結構卻是非結構性的、不統(tǒng)一的。”[11] 113而相比于城市擁堵管理問題，法律推理的過程則顯得更具思辨性和精細化。

1. 語義學帶來的困境

對于計算機科學來說，“語義”是指用戶對于那些用來描述現(xiàn)實世界的計算機表示（即符號）的解釋，也就是用戶用來聯(lián)系計算機表示和現(xiàn)實世界的橋梁和渠道。然而，從最基礎的語義學角度出發(fā)，作為向AI傳導案件的第一步，也即法律推理的根基階段，現(xiàn)實的操作似乎總顯得不那么簡單。

語言作為人類幾十萬年進化過程中智慧的結晶，具有博大精深的特點。我們且不考慮“情境”和“暗示”等深層語義學內容中的“信號”對于一句話的影響，即便是單純從文字層面進行分析，就會存在不同語法結構理解下的分歧（如“一般人都喜歡電視劇”）。而現(xiàn)實的法律世界卻從不會因為這種低級別的錯誤存在而給予任何可商榷的余地。

波爾舍（Poscher）在尋找為什么人們很難對法律解釋進行預見的原因時認為，“法律不可能比曖昧的生活本身更具體”，并認為，作為“法律邊緣現(xiàn)象”的復雜案件即“疑難案件”不可能具有可預測的機械判斷或者法律決定，而是依賴于決策者。[12] 82-95即其認為，哪怕是最為精妙的法律，也很難真正描述清現(xiàn)實生活中活生生的案例，更何況從“語言”變?yōu)椤胺伞钡碾A段本就不是一個一蹴而就的過程。

事實上，在“理解”案情的初步階段，我們不但需要通過基礎的語義學明白句子本身的含義，更需要同時運用語用學（語用學從語言使用者角度出發(fā)，借助語境開展意義研究，是對傳統(tǒng)語義學的發(fā)展和補充）在不同的情境下對案情做出合理的解釋判斷。比如像很多語用學教材中會舉的例子，從“大家開始唱生日歌，甲開心地吹滅了蠟燭”這句話里我們可以輕松地推斷出現(xiàn)場放有一個蛋糕。此類在我們人類思維看來幾乎不用一秒就可以得出的結論對于計算機而言卻成為了一場災難。由此可見，光是向AI“輸入”信息的起始階段，就存在著很嚴峻的挑戰(zhàn)，更不用說在整個法律推理的過程當中對于“語句的理解”可以說是不計其數(shù)的。

2.缺省推理帶來的法哲學困境

法律推理不同于一般線性推理的一大重要原因就在于其思維往往是辯證的，其基于規(guī)則和案例的推理往往是非單調的，或者用在邏輯學中常聽到的——法律邏輯是建立在“缺省推理”（default reasoning）的基礎之上。

缺省推理又稱默認推理，它是在知識不完全的情況下作出的推理，且非常依賴于新證據(jù)出現(xiàn)之時的修正或對舊證據(jù)的重新分析，非常符合法律斷案者的邏輯論證過程。故難怪有學者將裁判一個案件稱之為“一場復雜的試錯游戲”“一種實驗式的法形成機制”。[13] 91

此種“試錯”機制，很有特點地體現(xiàn)了人類思維的辯證性，機器尚不能做至此。司法審判中法官的思維在不變（法律規(guī)定）與變（客觀事實）中來回穿梭，在規(guī)則的理解、選擇與應用上，法官往往需要反復思考、衡量各種利弊，甚至受新證據(jù)的影響而打破重來，最終得出一個不但符合法理，也符合情理的裁判結果。也即鄭戈教授所言的“在相關事實和基于規(guī)范文本的秩序標準之間保持‘目光之往返流轉’。”[14] 66-85事實上，計算機可以模仿科學家的推理和計算，卻很難模擬兒童的日常行為，更不用說成年人的更為復雜的社會行為。[15]筆者在此且不論述人類科技是否能到達強AI時代，但我們的確可以基于上述缺省推理的概念得出一些較為實證化的結論。

學界向來不乏對于法律實踐中“同案不同判”現(xiàn)象的批評，亦有學者一直寄希望于到AI法官審理案件的那一天可以出現(xiàn)“同案同判”的絕對公正局面。事實上，此種想法筆者以為本身就是存在邏輯和現(xiàn)實層面的不科學性的。

正如世界上沒有兩片相同的樹葉，世界上本也沒有兩件相同的案件。無論是演繹推理還是歸納推理，人類通過判案最終要追尋的始終是法律的公平正義。而法律的進步經(jīng)過長期以來的論證必然是呈“螺旋式”上升的，黑格爾的“三一式”哲學理論（即肯定——否定——否定之否定）可以很好地說明這一點。而對于個案而言，試圖通過“有限的”證據(jù)推理得出“可能的”裁判，其過程本身就是非單調的。故而事實上，在人類社會之中，存在“類似案件不同處理”的階段才是正常也是更具非凡意義的。

誠如張保生教授所言“電腦所推出的法律結論不可能像人那樣，在考慮具體案件細微差別和外界環(huán)境變化因素的基礎上作出具有彈性的判斷?！盵16] 385故而本質上筆者始終以為，那種試圖通過人工智能實現(xiàn)“同案同判”，而不經(jīng)過“反復”、“往返”過程的想法其實是一種企圖直線達到人類真理的妄想，而這一“拔苗助長”過程所導致的結果也必然會偏離人類社會應有的預期。人類之所以彰顯其與其他生物的不同很重要的一點就在于其思考，而這種思考的過程之復雜人類自己尚遠不能知曉，頓悟、靈感、共鳴等種種復雜的情感共同作用于人類的選擇，而邏輯在有些時候反倒顯得不是那么重要。且不說人類自己尚且不能保證自己能做出正確推斷，即便AI真的做到了，最終的判斷權也應該在人類手中，所謂的判斷是否“合理”最終也應該由人類作出最后的決斷。

三、從裁量模型看人工智能對法律的挑戰(zhàn)

（一）法律的算法

“法律的算法”一詞在中國提的比較多的是鄭戈教授，筆者認為利用該詞可以更深刻地解釋將AI用于判案的裁量模型的本質，即將法律算法化。我們現(xiàn)在討論將AI運用于判案，其實就是以人工智能的認識論為前提的，而人工智能的認識論基礎其實即“認知可計算化”。當我們用“法律的算法”一詞時，我們更多時候是在討論，法律人的推理和判斷在多大程度上能被算法所取代？或者說，法律職業(yè)在多大程度上能夠被算法所取代？然而，法律究竟可以被“算法化”么？

1. 法律算法化的前提條件

之前我們在法律推理層面已經(jīng)解釋過“語義學”在法律裁判之中的重要性，而在算法層面其實存在同樣的問題。鄭戈教授認為，計算機可以處理問題必須滿足三個條件：1）這個問題必須可以用形式語言（理想狀態(tài)是數(shù)學）來表述；2）針對這個問題必須存在一個算法，即程序化的指令集；3）這個算法必須是可編程的。[14] 66-85事實上，當討論“法律算法化”時，單是對于“將問題用語言表述”這一首要條件而言，要將其實現(xiàn)就有較大的難度，且嚴重依賴于語義學領域的進一步發(fā)展。

在我們用計算機來進行知識處理（比如將法律編寫成算法）的時候，由于面對的問題非常復雜，就需要對知識進行符號化處理，然后用指稱和解釋的方法來保持和恢復計算結果的語義。[17] 819-825然而這其中確是存在一個悖論的，即符號本身是否能代表知識，而知識本身又是否能等同于經(jīng)驗？如果法官用以判案的本身就是經(jīng)驗而不是運用知識，那么通過向AI輸入“符號”的舉動本身就是錯的，更不用期待這種錯誤的開始能夠生產(chǎn)出正確的結果。畢竟“知識本身便已經(jīng)不是經(jīng)驗本身，而知識的符號化表示是對表示的表示，對符號的再符號化，其間流失的意義很難被完全恢復過來。但是，不經(jīng)過這樣的處理，法律推理和法律決策的過程就無法實現(xiàn)自動化／人工智能化。”[14] 66-85

在理想狀態(tài)下，法律是用經(jīng)驗浸潤過的邏輯，也是用邏輯規(guī)整過的經(jīng)驗，但現(xiàn)實的法律世界存在大量未經(jīng)邏輯規(guī)整的經(jīng)驗，也存在許多未經(jīng)經(jīng)驗浸潤的邏輯。法律的算法化其實是在倒逼法律人更加精準和體系化地表述法律知識，然而這種倒逼相應地需要催生除法律以及人工智能以外的其他學科的飛速發(fā)展，正如之前所提到的有待語義學、信息學以及腦科學等一系列學科的進一步提高。

2. 法律算法化的可控性

此次，我們假設第一個問題中討論的“法律可以被算法化”的前提條件可以成立，那么法律被算法化之后的可控性是怎樣的呢？司法由于作為保護人類公平正義的最后一道防線，如果真的讓算法用于定奪我們的生殺大權，那其中的風險控制因素顯然將成為我們不得不探討的一個話題。

（1）技術層面的可控性

事實上，人工智能給人類帶來的影響是方方面面的，哪怕不是將其直接運用于案件的審理與裁判，就其簡單的適用于生活來看，都面臨數(shù)據(jù)或算法出錯的重大危險。在此，我們僅通過自動駕駛汽車的案例，試分析AI在具體應用于生活的過程中，其風險究竟是否可控。畢竟相較于復雜的判案而言，無人駕駛技術中涉及到的不確定因素會顯得相對較小些。

早在2018年年初，據(jù)BBC網(wǎng)站報道：“美國亞利桑那州一名49歲女性過馬路時被Uber自動駕駛汽車撞倒，隨后確認死亡。”據(jù)悉，這起事件是自動駕駛汽車全球首例致死事故。據(jù)該報道，致命事故發(fā)生后，Uber方面表示將暫停所有北美城市的自動駕駛汽車測試。①詳見人民網(wǎng)新聞http://auto.people.com.cn/n1/2018/1027/c1005-30366202.html，2019-05-28.其實這早已不是自動駕駛界發(fā)生的第一次案例了，早在2016年1月，一位23歲男青年駕駛著自己的特斯拉轎車在京港澳高速河北邯鄲段公路行駛，未能及時躲避前方的道路清掃車而發(fā)生追尾，事故導致該名車主身亡。歷時一年多，特斯拉公司最終在大量的證據(jù)面前，終于被迫承認車輛在案發(fā)時處于自動駕駛狀態(tài)。②詳見搜狐新聞http://www.sohu.com/a/224833828_99958864，2019-05-28.

事實上，無人駕駛可謂是現(xiàn)在無論技術界還是投資界都極力熱捧的領域，其實際應用也較早地踏入人類現(xiàn)實生活，進入市場，是屬于較被人們所看好的AI實踐領域。相比于存在各種不確定因素的法律裁判而言，無人駕駛的前景似乎顯得更為清晰。目前，包括福特、通用和特斯拉在內的汽車公司都在大力投資研發(fā)自動駕駛汽車。這種汽車被視為汽車行業(yè)的未來，并被認為可以減少交通事故。然而事實果真如此么？

駕駛相比于判案而言，其所擁有的一個共同特點就是兩者都會面臨“風險的不可預測性”，甚至說無人駕駛的風險相對于法律世界中五彩斑斕的案件情況而言尚且顯得“不那么復雜”。但盡管如此，你依舊無法預測你在駕車時前方何種角度會沖出來一種什么樣的生物，后方或者斜后方會否突然倒下一棵樹木或者出現(xiàn)洪水地震、車輛擁堵，這些情況對于我們人類而言可能是見怪不怪的，但是對于機器來說每一種情況對其而言都是一種新的數(shù)據(jù)處理。盡管現(xiàn)在不少媒體稱其結合了智能算法、傳感器和執(zhí)行器，是一種有“感知”能力、“判斷”能力和“執(zhí)行”能力的智能產(chǎn)品，甚至聲稱要大大減少目前全球每年100多萬起交通事故，而“將人類趕出駕駛座”。但現(xiàn)實情況無不向我們顯示著，人類離造出有“感知”、“判斷”能力的新物種尚有較遠的距離。

（2）算法源頭上的可控性

在走訪相關企業(yè)的過程中筆者了解到，哪怕事實上真的可以締造出一個“完美”的程序，其潛在的風險也是很大的，其帶來的禍患甚至完全可能超過其給人類帶來的益處。哪怕算法在技術層面可控了，在“人”的層面依舊存在很大的隱患。當BAT巨頭（百度、阿里、騰訊）掌握了你的所有數(shù)據(jù)，開發(fā)并使用這樣一套“算法”的時候，你很難保證甚至說幾乎不能保證他們不會在技術上設置對自己有利的程序。而由于掌握技術的只有很少一部分人，即便將程序代碼公開，大部分人可能也會饒無興致，畢竟現(xiàn)在電子化設備的一切已經(jīng)讓我們享受慣了“拿來主義”與“坐享其成”。事實上，這也是為什么全國，乃至全世界都在AI相關領域極力增大投入，進行科學研發(fā)的重要原因之一，誰掌握了核心科技，誰就能成為產(chǎn)業(yè)甚至時代的領跑者。

舉例而言，阿里作為杭州的首要互聯(lián)網(wǎng)科技巨頭，其不但在AI算法界的投入巨大，并且與各大高校、各大法院的合作研究項目也較為眾多。阿里近兩年來較為集中地投資了AI領域，其投資包括商湯科技、曠視科技、寒武紀、杭州中天微等多個AI巨頭企業(yè)，包含但不限于視覺處理、終端AI處理器以及AI芯片在內的多個項目。在相信司法公正、司法信任度日益增強的今天，我們期待看到更多有社會責任感的企業(yè)投身于相關學科甚至跨學科的研究當中，進而為人類社會的日益進步獻一份力。然而同時不得不考慮的一點即是，類似這樣的科技巨頭的存在是否會從程序上進而實質上影響到法律的公正審理？由于阿里官方并不公開其每年涉訴以及勝訴率的情況，故而筆者在此不進行定量分析。不過此種安全隱患誠然是做為法律工作者的我們所不能忽視的。

事實上，近年來，且不說科技巨頭，只要是稍有名氣的互聯(lián)網(wǎng)企業(yè)都在抓住這波AI的熱潮，想趁目前局勢還尚未明朗時能在相關行業(yè)市場拔得頭籌從而占領先機。如果真當相關企業(yè)研發(fā)出了司法裁判的AI系統(tǒng)之后，他們會從技術層面開始動手。而到那時，在失去了程序上的制約后，其他不懂這套裁判規(guī)則的政府、企業(yè)以及個人幾乎很難在算法與程序層面對案件審判進行有效監(jiān)管。

筆者贊同也看好科技與法律的相結合能夠碰撞出更多人類智慧的火花從而更好地服務于人類社會，但同時從人類“社會化”以及“趨利性”的天性來看，此種來自算法源頭的隱患實在不容忽視。這也反過來激勵著法律學界需要在AI尚未完全應用于真實社會實踐之前提前介入AI的世界，同時與相關行政執(zhí)法部門提前進行溝通交流、合力研究，以期作出一套科學、合理的AI監(jiān)管制度。

（二）基于大數(shù)據(jù)的深度學習

對于機器的學習而言，其本身是通過基于對大量數(shù)據(jù)的掌握而“習得”相關知識的，數(shù)據(jù)作為機器學習模型的一種必要也十分關鍵的前提。在大數(shù)據(jù)的背景下，我們仿佛成為一個透明人，各種消費記錄、瀏覽界面、出行記錄使得我們在所謂的“云端”面前展露無遺。我們因此成為“物聯(lián)網(wǎng)”時代的“量化自我”（quantified self）或“可測度的自我”（measurable self）。[18] 61

1. 深度學習模式

在中國，諸多法律人工智能項目以中國裁判文書網(wǎng)的數(shù)據(jù)庫為大數(shù)據(jù)進行AI的深度學習訓練。西方比較有名的法律人工智能機器人ROSS平臺的研究2014年始于多倫多大學，先是進行十個月的破產(chǎn)法學習后，他獲得了Baker&Hostetler律師事務所的工作，之后IBM將繼續(xù)教授ROSS不同領域的法律，以便其在多個法律領域進行工作。

誠然，相比于人類而言，AI的學習能力遠遠高于人類。人類已經(jīng)研究圍棋幾千年了，然而人工智能卻告訴我們，我們甚至連其表皮都沒揭開。在法律界，往往較為年長的律師比初出茅廬的新律師更受青睞，其原因就在于老律師“經(jīng)歷”“學習”的案子比青年律師多。從英美法的判例研究角度而言，學法者也正是通過對于一個接一個案子的理解、記憶，儲備起自己龐大的知識庫，進而得以運用到實際生活之中，從這點來看，AI通過對于案例庫的學習的確和人類對于法律的學習有著異曲同工之妙。

截止筆者截稿前（2019年5月28日），中國裁判文書網(wǎng)上的文書有近六千九百萬篇①詳見中國裁判文書網(wǎng)http://wenshu.court.gov.cn/，2019-05-28.，可想而知，如果單純要靠人力哪怕閱讀其六點九萬分之一（1000篇）都是有困難的。而此刻AI的價值即得到彰顯，AI利用其神經(jīng)網(wǎng)絡以及蒙特卡洛算法，可以不斷進行案例、法規(guī)、司法解釋等的“學習”。這些數(shù)據(jù)確實具有較大的價值，對于司法管理、司法公開、法律教學科研以及相關的法律創(chuàng)業(yè)項目而言，均是一座巨大的寶礦。[19] 18-26

2. 大數(shù)據(jù)深度學習的弊端

盡管上文中我們對于AI一直在用“學習”二字，但通過有關法律推理章節(jié)的論證以及我們自己的現(xiàn)實體會不難發(fā)現(xiàn)，人類特有的“學習”其實并非那么簡單，人類的學習本質上似乎也并非通過盲目的以“量”取勝。從目前看來法律人工智能基于大數(shù)據(jù)深度學習起碼存在如下缺陷：

（1）樣本參考量本身存在缺陷

首先我們要清楚，法律調整的是社會關系，這是司法判案或從事其他司法活動所要確立的一個總的目標。而如若不能理解社會的關系以及人類社會的各種行為，初出茅廬的AI就會有點像剛走出象牙塔的大學生，帶著豐厚的法學知識，卻對社會認知不夠，在一些案件中就很可能作出比較符合規(guī)則或邏輯卻不能夠為社會所接受的裁判。[19] 18-26而之前所說的這些人與人之間的交往包括眼神溝通、默契的產(chǎn)生等，都是很難通過數(shù)據(jù)錄入的方式錄入數(shù)據(jù)庫進而讓人工智能進行學習的，這從樣本參考量的本身來說，本身就是缺失的，在現(xiàn)實上也是較難操作的。

事實上，對于一個案子的真正學習，如果不了解當時的法律文化、社會背景以及新出臺的法律政策等，光靠對于書面的判決文書的閱讀，是很難理解到案件判決的核心與精神的。而如若想要AI“學習”從案件“誕生”到“截止”階段的所有法律文書（包括各種證據(jù)、詢問筆錄等），此類文件非但數(shù)量巨大，且在采集程序上也時常存在瑕疵，內容上更會難免前后矛盾，讓AI基于此類“混亂”的文書內容作出“合理”的判斷的確尚不現(xiàn)實。其次，有過判案經(jīng)歷或者了解司法審判的人就容易發(fā)現(xiàn)，其實很多時候法官出于案件的原因，也可能是由于如今案件數(shù)量大幅暴漲的原因，法官們的判決書中的說理部分往往較為簡潔，甚至很多時候隱藏了能證明自己判案思路的一些真實想法。如此看來，這些所謂作為AI學習基礎的庫存知識尚且不一定是真正判案的依據(jù)和法理，更如何期待AI通過對于這些數(shù)據(jù)的整理得出正確的結論呢？

（2）對于新形勢的適應能力不佳

通過對之前內容的闡述，我們也不難發(fā)現(xiàn)，其實AI是很難具有“創(chuàng)新”的精神的。且不說案例庫本身的內容是否足以成為AI學習的前提，即便擁有了正確完備的數(shù)據(jù)庫，由于法律的社會性和實踐性極強，AI也很難應對多姿多彩、復雜多變的社會生活。

作為司法考試常規(guī)重點的“高空墜物”與“寵物咬人”案件，相信大家都不會感到陌生，甚至能較為清晰地分析出此類侵權案件中的責任劃分和舉證歸屬問題。但是一旦當情形融合了二者的因素，變?yōu)椤案呖諌嫻贰?，即便是僅對于責任主體的認定就會引發(fā)大面積的討論與爭議?？上攵?，人類自身尚且如此，更不用說讓機械化的AI來進行分析判斷了。

然而，此類“高空墜狗”案件并非基于命題人杜撰，事實上，現(xiàn)實社會的情況遠比考題中令人拍案稱奇的案例復雜。面對紛繁的法律事件，不同主體之間的關系錯綜復雜，即便是人類自身有時也很難做出一種確信無疑的裁定，只能說是在缺省推理的基礎上兼之以社會、個人的正義情感等因素，做出的一個看似符合邏輯與社會公平正義的決斷。而此種決斷，誠如之前所言，是人類“三一式”進程當中不可避免的。由此可見，面對法律世界中出現(xiàn)的種種新局面、新現(xiàn)象，人類自己的“適應”能力尚且在不斷的試錯過程中成長與改進，而當AI面臨這些“新形勢”時，勢必會陷入一種“無法可依”也“無從下手”的尷尬局面。

四、科技與法律的未來命運

經(jīng)過了前文的大篇幅討論，我們能對AI與法律的未來發(fā)展作出一個合理的展望。其實在現(xiàn)有體系框架下探討AI與法的問題之所以困難，很大程度上是因為我們在此之前從未碰到過這樣的情況，沒有人知道AI會怎么發(fā)展，發(fā)展到什么程度，如何影響我們。目前唯一能確定的只是道路上會充滿質疑聲，因為沒有人知道正確答案。其實討論AI與法律的未來也是同樣的道理，目前階段的AI只在較淺層次的階段為人們運用于法律行業(yè)，例如法律檢索與數(shù)據(jù)分析，至于是否能有更進一步的發(fā)展，一切更像是在摸著石頭過河。

然而研究此類課題又不得不說是非常具有意義的，畢竟對于方法論上的探討時常能起到好的指引作用，也能開拓人們的思維，同時為后期可能遭遇的風險作出提早的預防。在本文的最后，筆者擬用鄭戈教授的一句話作為結尾：“人必須是算法的立法者和控制者，法律的算法與算法的法律不應成為一個閉環(huán)，它們中間必須有人作為起點和終點。要將社會生活的復雜事實帶入一定的法秩序，規(guī)范塑造者需要在相關事實和基于規(guī)范文本的秩序標準之間保持‘目光之往返流轉’。能夠做到這一點的只有訓練有素的法律人?！盵14] 85因此，在這一波人工智能熱潮中，我們不應該被所謂“深度學習”的神話沖昏頭腦，事實上，從2018年各產(chǎn)業(yè)對人工智能領域的“一哄而上”到2019年的“徐匡迪之問”，無不揭示出人工智能領域現(xiàn)實操作層面的諸多不足?？萍歼h非虛無和妄想，如何發(fā)現(xiàn)現(xiàn)階段的不足，并做好基礎學科的研究與融合工作，是一個務實且不盲從的學者該做的事。