专栏名称: 新技术法学
究新技术法理,铸未来法基石
目录
相关文章推荐
青岛新闻网  ·  一地明确:生三孩奖3万 ·  昨天  
湖北经视  ·  47岁知名男星宣布分手! ·  昨天  
湖北经视  ·  武汉市民注意:价格大跌!低至个位数 ·  昨天  
湖北经视  ·  被骂了4年!知名歌手怒了:谁也受不了 ·  2 天前  
湖北经视  ·  国内一地突发地震!超62万人收到预警 ·  2 天前  
51好读  ›  专栏  ›  新技术法学

李学尧、刘庄:算法时代的法治之路: 计算法学的规范性探索

新技术法学  · 公众号  ·  · 2025-02-07 17:21

正文

本文原载于《交大法学》2025年第1期。 李学尧,上海交通大学凯原法学院教授、法学博士;刘庄,香港大学法学院副教授、法学博士。 为编辑便宜,原文引注已略去,如需了解更多,您可点击阅读原文。若欲转载,请联系《交大法学》微信公众号(SJTUJDFX)。

算法时代的法治之路:计算法学的规范性探索

□李学尧、刘庄

李学尧

刘庄

摘要: 本文借助法律形式主义与法律现实主义的两分范式,探讨了计算法学在法律与人工智能研究中的历史起源、理论进展与未来方向,并结合法律形式主义与法律现实主义的双重路径,系统分析了其在理论与实践中的挑战与潜力。通过回溯莱布尼茨的法学梦想,本文提出,尽管计算法学在消解法律不确定性方面取得显著成效,但“法律奇点论”等极端形式主义思潮仍存在理论与实践的盲点。计算法学不仅需要在规则与预测之间寻求平衡,还应通过融合认知神经科学等跨学科方法,加强其介入法律解释与规范辩论的科学性和可操作性。本文主张一种超越技术决定论的“计算法治”框架,强调法律应在“计算性”与“人性”之间找到动态平衡,从而确保技术进步与社会价值的良性互动。


关键词: 计算法学 莱布尼茨 法律奇点 计算神经科学 法律与人工智能

一、问题意识

过去十年,计算社会科学获得了蓬勃的发展。与之相关,最近三四年,计算法学以及类似概念在中英文世界,也同时成了一个热门的学术话题。2020年底,申卫星和刘云在《法学研究》上发表了《法学研究新范式:计算法学的内涵、范畴与方法》一文,对计算法学的概念、内容以及意义等问题做了全面阐述。在该文中,作者明确提出计算法学已经成为“一门新兴学科”、一种新的“研究范式”。然而,随着法律与人工智能研究和实践的进展,学术界对“计算法学”的讨论,呈现出了两种需要检视的趋势:一是,很多法律与人工智能研究的学者和实务人员会有意无意地秉持各种形态的决定论观点。他们坚信法律信息化的终点是法律的完全确定性,即随着人工智能技术的不断发展,类似于“机器奇点”的“法律奇点”终将到来。他们坚信,人工智能最终能完全替代人类法官。二是,在传统法解释学阵营中,对计算法学存在严重的偏见:(1) 在“人文主义法学”的自我认知思路下,忽略近现代法学以“计算主义”为纲的事实,下意识否定计算法学的理论及其发展趋势,认为计算法学以及类似运用计算思维的理论方法是“法学之外的智识入侵”。(2) 将法律与人工智能的研发理解为法律形式主义,忽略了法律现实主义思路的贡献,并夸大了以演绎推理为主的法律方法理论在其中的作用和意义。

针对上述现象,本文试图澄清以下几个方面:

第一,计算法学是近现代法学的另外一个面相。在近现代自然主义的“侵入”下,人文主义觉醒并构筑了一个以“理解”或者“意义”为核心的理论体系——主流的法解释学往往将自己认定为其中一脉,但事实上,近现代法学是经近现代自然主义改造过的一种“弱意义上的科学”,或者说是“民间心理学”意义上的“粗糙的计算法学”。当代计算法学与主流法解释学理论体系之间的关系,更像是两元论物理主义意义上物理概念与表征概念的区别。可以从17世纪莱布尼茨以及其同世代法学家学术思想与主流法学理论的关系,来对此问题展开阐述。

【注】以上各个概念之间可能是交叉或者相互包含关系

图1  计算法学的法学智识来源

第二,在法律人工智能的研发路径中,存在符号主义和连接主义两种思路的分野。前者早期以赫伯特·西蒙为代表,主要运用数理逻辑,是“自上而下”的逻辑进路,发展出了后来的法律专家系统;后者以明斯基、麦卡洛克为代表,主要运用统计学和概率论,属于“自下而上”的数据和学习进路,发展出了后来的神经网络和机器学习等。两者正好分别对应于注重形式逻辑的法律形式主义和注重经验的法律现实主义。我们认为,20世纪末法律专家系统遭遇到的阶段性挫折,实质上标志着传统法律形式主义法学思路在计算法学领域的某种阶段性挫败。最近十几年,计算法学的发展是法律形式主义和法律现实主义理论汇合的结果,但深度学习、深度理解等智能技术的运用,恰恰证实了法律现实主义智识脉络的深远意义,以及新法律现实主义的可能发展空间。

第三,根据哥德尔不完备公理等理论(即,任何规范系统中都必然存在一些规则是由外部给定的,而不是自生自发的),与法律形式主义有着学术亲缘关系的“法律奇点论”是不成立的。在这种思路下的计算法学及其理念指导的类似“智慧司法”的实践应用所形成的社会形态,未必就是现代法治意义上的“未来法治”。我们要认识到法与人工智能近来的研发进展,仍然无法回避以人为目的的规范分析,也无法回避身心关系的论辩,因此需要回到规范立场,对“法律奇点论”保持高度的警惕和反思态度。

第四,计算法学在具体研究中,应采取谦抑的态度,区分“预测未来”与“规范期望”。一方面,在很长时间里,采用“民间心理学”进路、表征性更强的法解释学理论仍然会占据主导性的地位;另一方面,计算神经科学的思路可以补强、改造法解释学概念体系,使之更加符合客观世界的特征。我们应努力构筑一个能够容纳“人性计算”、超越规范分析与经验研究两元分立、有效吸纳自然科学与人文社会科学结合的最新研究理论和方法意义上的计算法学。

二、源起:计算法学与两种“莱布尼茨梦想”

谈论计算法学的历史,要从德国17世纪数学家、哲学家、计算机先驱莱布尼茨开始讲起。莱布尼茨及与其有类似思想的人们,试图将法律简化为一组可以在计算机上自动执行的算法,无缝地将原始输入转化为法律结论。当时的人们之所以追求这种将人类从法律推理过程中去除,从而彻底消除人类在执法过程中的自由裁量权的“自动法律机器”,除了受到17世纪数学、物理学所取得重大成就的影响之外,很大程度上是希望通过学习数学、物理学等“精确科学”的精髓,增加法律的确定性,超越人类的偏见和错误,促进法律真正意义上的中立适用。在当时,出于对国家权力的警惕,人们热衷于思考如何将人类的意志在执法过程中予以剔除。比如,边沁认为司法裁判过程中的自由裁量权是一种“不可避免的恶”,就是在这个意义上提出的。

我们所熟悉的17、18世纪的西方法学家,大多数热衷于复制数学开拓者们的成就,试图按照数学的结构来创建一种关于国家或者社会的新科学。比如,自然法学派的开山鼻祖、现代国际法学的创始人格劳秀斯就积极向伽利略学习,在他的《论战利品法》《战争与和平法》中试图以“几何比例和算数比例”,采用“自然法的数学推理方法”。除此之外,斯宾诺莎、哈林顿等兼具政治学家与法学家身份的学者,也都曾经采用数学或者自然科学的方法来思考和建构他们的政治学或者法学理论。

弗朗西斯·培根、托马斯·霍布斯、威廉·莱布尼茨等重要法学家也是当今数字计算机所依赖的二进制的重要理论奠基人。培根在他1605年撰写的《学术的进步》(De Augmentis Scientarium)一书中认为,0和1对于数学就足够了,并据此设计了一套密码系统。继而,霍布斯在《计算能力》(Computation)一书中对这一观点进行了扩展,认为人类的推理是一种计算形式,提出“推理与加减是一回事(推理即计算)”。他将社会视为“一架钟表的机械装置”,并试图寻找一个能够说明各种可变表面事件的不变原则的理论观点——这其实也就是当下计算社会科学的基本理论进路。而众所周知,作为微积分的创始人之一,莱布尼茨似乎从中国的易经中得到了启发,进一步看到了逻辑与二进制之间的双向联系。他提出:“发展一种广义的符号语言和与其相适应的代数,这一人类研究的任何领域中的任何命题的真理性都可以通过简单的计算来确定。”

当代计算法学的理论主张,多多少少与莱布尼茨的“普遍象征主义”有着学术上的亲缘关系。而培根、霍布斯和莱布尼茨等人关于数学和逻辑的研究,显然也影响到了他们的法学思想。特别是莱布尼茨,作为计算机科学发展的重要先驱,人文社会科学领域的可计算化梦想本来就来源于他——也可称计算社会科学为“莱布尼茨梦想”。而当今中国法学界高涨的“法典化”热潮,其实正是计算社会科学意义上“莱布尼茨梦想”的一个构成部分。

总体来说,之所以将当下的计算法学的理论与莱布尼茨的理论相联系,主要基于计算法学的两个特征:法律可以被数字化和可图灵化(可人工智能化)。计算法学建立在一个假设上:法律及其背后的伦理问题具有可以被数字化的本质。用更加学术化的语言来表达就是:对“数学的不合理有效性”(即纯数学激发实际应用的惊人趋势)的信念推动了计算社会科学的发展,包括其在法律领域的应用。它与一种隐藏的数学秩序的信念产生共鸣,这种宇宙秩序在本体论上优于我们日常感官所能获得的秩序。与此相关的是,莱布尼茨的核心信念是:对伦理学和形而上学问题的认识,可以达到与对数学和物理学问题一样的确定性。他甚至提出,“当正义发生时……需要进行争论的不再是两个哲学家,而是两个会计”。同时,莱布尼茨还采用二进制的方式,对法律的可图灵化作了初步的探讨。

作为一名自然法学者,莱布尼茨试图诉诸理性和科学真理的确定性来应对精神和政治权威的丧失。在《论组合艺术》一书中,莱布尼茨试图用一条可证明的组合定理(complexions)予以证实。为了证实这个被认定为莱布尼茨和牛顿分别发现微积分先兆的定理,莱布尼茨基于其早期所受到的法学训练,很自然地运用诸多的法学例证来证实它。他认为,为了使法律像数学一样精确,一个公正的法律规则是将抽象的法律公理(如不应伤害他人的原则)与自然科学的经验主义见解相结合。他用这个定理检验了罗马法中的委托合同理论,并据此认为盖尤斯的相关理论存在重大失误。

法律形式主义以及类似的概念法学等思路,与自诩为自然法学者的莱布尼茨的学术关系仍需进一步进行思想史意义上的考证,但有足够的证据可以证明,莱布尼茨早期的学术观点对美国的法律形式主义造成了影响。以兰代尔为例,他在1871年提出的法律公理概念,就与莱布尼茨早期的观点相呼应,他认为:“法律被视为一门科学,由某些原则或学说组成。”在他看来,精通这些原则,能够不断熟练而准确地运用于错综复杂的人类事务中,这才是真正的法律人。根据兰代尔的说法,“实在法”的数据包含在法院裁决的判决书中,而这些案例的“数据”可以用来预测合同纠纷的结果——他的主要关注点。为了更好地表述计算法学的法律形式主义智识来源,我们至此也可以将其称为“莱布尼茨兰代尔设想”。

作为法律现实主义的先驱者,霍姆斯坚决反对莱布尼茨和兰代尔的“公理化”的法律科学梦。在此之后,很多法律现实主义的继承者,都对那种试图实现机械判决的梦想保持了高度的警惕。比如,庞德继续论证说,判决逻辑并不能解决法学问题,他警告说“公理化有可能使得建构化(包括受政治影响)的法律概念僵化为不证自明的真理”;杜威还系统地论证了“一般命题不能决定具体的案件”。一直到批判法学、后现代主义法学,法律现实主义脉络的学术传统基本上都认为,视法律为一个连贯和完整的规则和原则体系的理解是不正确的,它本质上具有不确定性。

但有趣的是,在法律现实主义的脉络里,生长出了定量实证研究的学术传统,以及结合博弈理论、认知心理学、脑科学最新发展的行为法经济学、法心理学等研究脉络。这些理论进展最终都大大促进了其对立阵营法律形式主义所热衷的法与人工智能的交叉研究。在当代,从属于法律现实主义一脉、从事法律实证研究的学者,都很自然地涉足法与人工智能的研究,并成为提倡计算法学理论的主力军。然而,我们如果注意到莱布尼茨学术研究后期的变化,以及他的研究思路与更加注重数理化、受到精致实证主义影响的法律现实主义理论之间的关联,就能理解这种现象。其实,霍姆斯以及法律现实主义的整体理论脉络也都属于科学主义(支持人类认知和知识进步的科学主义模式),法律现实主义和法律形式主义都属于支持法律科学的提法,但区别在于对法律科学的理解不同。比如霍姆斯的著名金句“法律的生命不在于逻辑,而在于经验”中所言的“逻辑”,主要是指演绎推理意义上的“法律公理化”,而不是真正地反对普遍意义上的逻辑。

如果将是否承认法律具有确定性作为划分法律形式主义和法律现实主义的标准,那么,可以观察到莱布尼茨提出“单子论”之后的法学学术思想,已经开始从法律形式主义转移到了法律现实主义(虽然仍然都属于法律科学论)。在莱布尼茨学术研究的后期,他认识到几何学组合方法缺乏形而上学所具有的力量,但罗马学者的形而上学思考缺乏逻辑方法和论证上的确定性而价值骤减。有鉴于此,他开始努力超越欧几里得公理和定理的理论进路,将几何学要素论转化为单子理论。在他的单子理论里,单子是一种预嵌入了“神的心灵”的实体形式——也正因此,他一方面承认实在法的意志性、预设性(追求幸福,类似于共同的善)的基本特点,另一方面,将法律与那种随意的“意志论”或者“习惯说”等区分开来,从而使其必须隶属于它的科学理由和证成过程,成为一门科学。

在与洛克进行理论对话的《人类理智新论》一书中,莱布尼茨还讨论了先天观念是否存在、世界与心灵的本质问题。莱布尼茨通过天赋观念的理论批判了洛克的“白板理论”,认为人类知识和观念的来源不仅仅是感官经验,还包含心灵固有的理性结构。作为近代理性主义哲学的重要理论来源,莱布尼茨将逻辑法则、数学运算和道德是非观念视为理性固有的产物,提出了超越传统三段论逻辑的普遍计算(calculus ratiocinator)、道德计算(moral calculus)等设想。继而,他通过“磨坊理论”批判了机械唯物主义,认为心灵不能还原成物质、意识难以被“机械解释”。正是为了解决意识的来源问题,莱布尼茨提出了嵌入了“神的心灵”的单子理论。这颇有点像当下的认知神经科学中的神经元理论。为了更好地表征计算法学这种来源于莱布尼茨法律科学思想的法律现实主义思路,我们也可以将莱布尼茨与霍姆斯联系起来,将这种不同于法律形式主义的理想称为“莱布尼茨霍姆斯梦想”。

图2 莱布尼茨梦想不同演绎路径与计算法学的两种智识来源计算法学的法学智识来源

三、法律形式主义进路的进展与挫折:规则推理思路的应用限度

随着第二次世界大战以后法律与人工智能领域符号主义研发的进展,莱布尼茨兰代尔(法律形式主义)梦想在实践中开始变成现实。其中,最具有代表性的是20世纪70、80年代出现的基于规则推理思路(RBR,Rule Based Reasoning,基于规则的推理)的法律专家系统(LES)。在当时,由于类似的专家系统已经能够适用于传统上属于职业者、更加复杂的“专家领域”,比如医学,所以人们普遍认为它们也适用于相对“简单”的法律领域。在当时,“法律自动机器”简单的想法支撑着法律专家系统的研发者,他们试图通过计算来重新激活莱布尼茨的梦想,以实现“机械的法学”的价值。具体来说,就是“……一个人可以把法律规则,塑造成一个基于计算机的正式系统,而(法律)建议将从另一端出来”。

这场法律专家系统的运动,目前所能见到的文献主要分为两脉。一是,英文世界,最早可以上溯至1956年艾伦(Layman E. Allen)发表的《符号逻辑:一种起草与解释法律文件的锐利工具》和1958年梅尔在《法律世界的自动化理论》一文中提出的法律信息修正理论。在这个思路脉络下,在当代人工智能创始团队麦卡锡等人的直接领导下,美国于1977年研发出在税法领域得到应用的法律专家系统(TaxMan),并于20世纪80年代对其进行了优化(TaxMan II)。在20世纪90年代以后,英国也研发出了主要应用于婚姻财产纠纷领域的ASHSDII系统。二是,最早可以上溯至20世纪60年代的德国法律信息学的出现以及1973年研发出来的JURIS的数据库和社会法检索装置。当时围绕法律的自动化,包括卢曼、考夫曼在内的很多学者都密集地发表了众多的论文。这也可以视为人工智能的技术正式出现之后,人类学术界第一次如此密集地讨论法律的可计算性。

伴随着法律专家系统运动在20世纪80、90年代的逐渐流行,我国于20世纪80年代也开始了法律专家系统的研制。最早可以上溯至龚祥瑞和李克强在1983年发表的《法律工作的计算机化》,以及吴世宦等人在同时间发表的《电子计算机法律咨询的设想与前景》。1986年由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》在建立盗窃罪量刑数学模型方面取得了重大进步。此后,在我国出现了一大批有关电脑量刑的研究成果。同时,还有一系列实践应用的新闻不断爆出,但总体而言,相关的实践运用在2010年之后最新一轮人工智能应用于司法实践之前,基本上都是“雷声大雨点小”。在学术研究方面,电脑量刑的研究还与系统论法学融合在了一起,在20世纪80年代、90年代中国法学界形成了声势不小的“计算法学”运动。

早期的法律专家系统主要基于包括了知识库和推理机的知识表示系统,也就是基于规则推理的设计思路。它的知识库往往包含有清楚的语法和语义的知识表示语言、知识编辑工具、调试工具和图形。他们的主要设计思路是:(1) 将法律或“规则”翻译成机器可读的格式;(2) 编写能够解释它们的软件;(3) 召集一些法律专家来解释法律规则,然后就可以由计算机程序员来计算。法律专家系统的开发者认为,他们的任务就是要将哈特所说的100条法律规则的“开放规则”正规化为数学条件,而这个数学条件不会产生分歧。哈特的分析法学理论,特别是法律概念总是有一个核心意义的论断,经常被专家系统开发人员用来维护其研究方案的可靠性。就如“车辆”一词可以找到“汽车”作为核心概念并达成一致,进而将其放入专家系统的知识库或者规则库而进行形式化操作。

以规则推理为主的法律专家系统研发和推广在20世纪90年代之后陷入了低潮之中。这种阶段性挫败主要有两个问题:

第一,法律体系缺乏整体性的内在连贯性。法律制度是随着时间的推移而产生的自然政治过程或者结果,因此在现实中,法律制度中存在着各种冲突、重叠、留有漏洞的法律规则以及其他类似的问题。即负责执行法律的人类主体可以以灵活的方式处理甚至利用这些逻辑故障,但严格的机器在可执行代码中会因此而导致大规模的失败。

第二,基于规则的推理系统无法解决法律概念的开放结构问题,即富勒对哈特批判的自然语言的问题,批判莱布尼茨兰代尔(法律形式主义)梦想的学者,往往基于法律是一种自然语言,因此认为永远无法用纯粹基于符号推理的机器来进行解释。换言之,法律信息语义模糊、法规冲突、司法解释具有开放性、司法裁判需要常识,各种隐性知识、过程知识、模糊知识等难以用计算机符号体系表达。法律语言的开放性与时间维度有着高度的关联性。开放性与时间有着重要的关系。从根本上说,未来总是不可知的,因此,新案件的发生总是法律起草者未曾预料到的,甚至不可能预料到的。20世纪的公园管理规范起草人,无法预见到无人驾驶飞机,没有多少人会认为这是一个多大的问题。结构再好的法律文本,都会存在一个开放性的问题,而且解决未预料到的未来环境和开放性语言的选择方案不会只是一种。在这样的思路下,边沁所设想的那种自我闭环的法律体系设计——排除了任何未被该规则“明确包含”的新案件,很自然就会走向失败,或者至少比承认开放性结构法律体系的功效更差。因为,即使是自我闭环的法律体系,也不得不采用自然语言进行编码,所以,不可能逃离法律的开放性结构问题。

四、法律现实主义路径的助力及其规范性局限

最近二三十年,随着莱布尼茨霍姆斯思路(即法律现实主义)意义上的相关研究的推进,包括让基于规则的推理和基于案例的推理(CBR,Case Based Reasoning)两种推理方法进行互补的混合型法律专家系统的出现,以及此后机器学习、深度学习在理论和实践方面的最新进展,令法律与人工智能研究出现了峰回路转的趋势。其中有着法律现实主义理论脉络的相关研究成果助力的身影:

第一,在理论上,法律现实主义脉络的学术研究,在第二次世界大战以后,一直持续地追随认知心理学、社会心理学、认知神经科学(脑科学)、行为经济学、计量经济学、制度经济学、复杂系统理论等交叉学科理论和知识,在计算主义思维指导下,持续推进对人类守法行为、司法行为以及执法行为,甚至公平感、程序正义等价值问题的量化研究成果,并最终与计算社会科学的研究合流。其中很多都成了当今法律与人工智能研发的重要理论。

第二,在计算机技术上,随着计算机科学、计算能力以及数据收集和存储方面的突破,法律与人工智能领域聚焦于灵活的机器学习方法,如人工神经网络等,获得了长足的进步。而这些智能技术能够有效地实现对语言模糊性和人类决策多变性的容忍。更重要的是,通过过去的司法裁判结果,而非基于法律条文,对未来的司法行为做出决策,或者做出相关决策建议。而这种技术进步恰恰是在应用历史上各类法律现实主义的理论主张。

从某种意义上,法律现实主义路径对法律与人工智能的研发,可能不止于“助力”,而是具有革命性的替代。当下灵活的机器学习技术所具有的自我学习功能、联想存储功能以及高速寻找优化解的能力,已经能实现让法律人工智能在不需要密集人工干预的情况下做出高度准确的预测。近年来,现代机器学习方法取代知识表示系统最著名的例子是:谷歌突然从语言学家知识衍生的基于逻辑的系统转换为基于现有多语言文本训练的神经网络,以支持其谷歌翻译工具。尽管很多技术仍然还在优化过程或者产业研发之中,我们尚无法从公开发表的论文中获知其具体进展,但是基本可以推断,同样灵活的、数据驱动的工具也有可能解决传统知识表示系统所面临的一些挑战。比如,像人工神经网络这样的分类系统,在大数据革命的支持下,将可以在很大程度上消除法律决策过程中对人工判断的需要,使得莱布尼茨的“法律即计算”的观点重新焕发生机。甚至,在计算神经科学、计算伦理学(computational ethics)、计算社会学、行为经济学等理论的助力下,我们完全可以相信,法律专家系统会成功升级为能够处理涉及价值衡量或者道德判断的疑难案件的“人工智能法官”。

尽管如此,在各类新技术和算力增加都呈指数式进展的背景下,法律智能化不仅仍存在诸多的技术性难题(如证据推理模拟和法律解释模拟),而且,我们还需考虑到以下几个问题:

一是,法律是协商性的场域。法律逻辑模型在消解自由裁量权的同时,亦会消解法律协商的过程。说得更加直白一些,它实质上是会消解法律程序,最终对现有的法治形态造成挑战。和程序正义相关的还有以大数据和算法为支撑的法律逻辑模型如何规避“算法黑箱”,如何将法律逻辑模型简明扼要地介绍给民众使之敢于使用等问题。

二是,与第一点相关的是,法律一直处于变化的状态,因此需要不断被解释。但问题在于各式各样的算法,都是基于已有的数据来估测出模型,进行预测(判决)。因此,任何算法,都是基于过去的知识。这种算法一旦面临全新的情况,不一定就能做出正确的预测。即解决不了法律确定性最核心的问题:法律必然要面对不断变化的新的社会经济和技术情况。简而言之,当下中国的类案预警系统等智慧司法的设计,有时会将“过去的不公平(谬误)现象”推断为标准,从而大大限制了法官在促进社会公平正义事业中的积极性及其能力。

三是,在于伦理和社会道德自主学习方面。只有让人工智能体能够像人类那样理解他人的心理与行为,在与人类交往的过程中,通过观察人类的行为,理解人类的目的、愿望、意图、信念和情绪,才能真正具有在核心领域替代人类法官的可能性。但目前看来,现有对人类认知的研究状况,还不足以让人工智能领域研发出这样的智能产品。司法制度中,最核心的业务领域,实质上是面对道德困境的司法决策。这也是传统法教义学的核心探讨话题。但是,很多道德困境的解决方案,是很难用逻辑等解释的。比如,电车困境中,为什么在不同的场景下,人们的决策不断进行决策原理的切换?这就需要认知神经科学的理论做进一步的探讨。

计算法学在近年的指数式发展,主要借助于文本数据的法律大数据的巨量增长和计算机数据分析技术的蓬勃进展。这种计算法学的进路也可以被称为“作为文本大数据的法律”(Legal Text as Data)。它的优势主要是融合了统计学学科的理论与方法,以最新的计算机数据分析技术为依托,致力于挖掘特定主题法律大数据中的隐性规律关系。依赖于计算智能(Computation),计算法学采用更加高维、宏观、大格局、整体性的群体复杂系统研究进路(区别于难以作为法律技术来操作的卢曼系统法学理论),计算法学区别于法史学、法人类学、法社会学、实证法学(不包括法经济学)等此前的法学交叉研究,直接打通集体行为和个人行为的研究或者应用鸿沟,从而具有了广泛的实务应用价值。

毋庸置疑,不管如何借助于大数据和智能技术而获得了方法论上的革命性进步,纯粹的“作为文本大数据的法律”思路下的计算法学,都无法逃脱这样的命运:基于过去而预测或者规范未来。详述之,一个以现有(过去)法律规范和解释模式为基础的数据驱动的机器学习系统,必然会在时间上“冻结”规范性,使其对当前事物的分析具体化,并无限期地应用到未来。顺着该思路将大数据和智能技术应用于涉法的自动决策过程,带来的危险,将不仅仅是(法律人工智能)系统取代了人类对法律(司法)的决策,而且还在事实上重塑了人类与法律的关系。在这样的脉络下,从法律信息学意义上的数字信息法,逐渐演变为自动化监管法律流程和提高主体遵守规则的智能工具,再到强制主体遵守规则的架构系统,计算法每走一步,个人自由选择的空间就会缩小,人类发展和自我实现的空间也随之缩小。

具体到智慧司法的研发,人类法官与“作为文本大数据的法律”意义上的人工智能法官的最大区别在于,人类所接受的训练是根据案件本身的是非曲直来考虑每个案件,并将程序正义和法律解释等二级规范应用于法律。这使法律具有反身性,并在每种法律适用情况下都有可能找到法律理由,证明背离过去的法律决定是合理的。而“作为文本大数据的法律”意义上的“智慧法院”建设,如果不做规范性反思的话,就很容易会走向各类数据驱动分析系统越来越不为法官服务,而最终让法官成为这些数据驱动分析系统的“奴仆”的道路——更重要的是,一则,由于文本驱动的多解释性的丧失,当事人之间以及整个社会都逐渐失去变革或者创新的合法性,社会的创新活力可能会指数式下降;二则,现代法治的核心基础——民主形式将会受到根本性的冲击,“人民”和各类立法机构的立法权将被篡夺。换言之,法律在功能上不同于其他决策社会系统,不是因为它产生的答案一致性(唯一正解),而是因为它的规范性辩论和解释技术。这些技术经过几个世纪的发展,既定义了社会正在进行的自动生成的偶然事件,又对其做出了反应。根据系统论的观点,具有时间约束的法律技术具有吸收偶然性的功能。所以,我们一定要将工具意义上的“计算法”与法律意义上的“计算法”区分开来。

五、我们需要什么样的“计算法治”?——计算神经科学的可能启示

行文至此,本文尽管是在一种计算法学的思路下推进——承认人类的很多领域,包括情感、伦理道德等具有可计算性,但也批判了建基于法律形式主义脉络下的计算法学思路。我们的讨论并不仅仅停留在“自上而下”(符号主义)与“自下而上”(联结主义)两种人工智能研发范式的分野,而是尝试将计算法学未来的发展引回主流法学的争论场域,探索其规范意义,并提出一个关键问题:我们需要什么样的“计算法治”?换言之,计算法学应如何更好地介入规范问题?

为此,有必要将计算神经科学与法律研究的交叉成果引入计算法学的场景。计算神经科学在社会科学中的应用,尤其是其在计算社会科学中的方法论实践,为计算法学的理论发展提供了重要启发。以下,我们从方法论和研究领域两个维度讨论计算神经科学如何为计算法学的未来发展开辟新路径。

(一)方法论层面的启发:从微观到宏观的联系

计算神经科学的独特优势在于能够揭示法律实践中微观个体与宏观系统之间动态的“神经级”决策过程。这种研究方法摆脱了传统民间心理学的限制,将法学、经济学、政治学等领域转化为基于行为科学的学问,为法律实践的可计算化奠定心理学和认知科学的基础。具体而言:

第一,从法哲学到实验假设:通过计算神经科学的实验设计,可以将复杂的法哲学命题(如法律规则的性质)转译为可检验的实验假设。例如,分析法律规则对个体行为的认知影响,或研究法律文本对社会行为的引导作用。第二,数据分析的形而上解读:结合大数据分析与仿真技术,对法律实践中的数据展开深度解读,提升智能系统对法律行为的理解能力和自我学习能力,使其更具解释性与预测性。这种方法论层面的提升,不仅能增强智能裁判的可解释性,还能优化其逻辑推理能力,帮助系统更准确地分析和应用法律规则。

(二)研究领域层面的启发:保持规范性的辩论与解释

法学作为一门规范性学科,其本质在于对人类社会行为(包括个体行为和集体行为)的约束和引导,而非单纯的技术化工具。因此,计算神经科学的介入必须确保法律的规范性不被消解。通过计算神经科学,法解释学可以更好地将个体行为与集体行为之间的关系贯通,弥合传统法哲学与法律实践之间的鸿沟。具体而言,一是,描述与解释法律概念的心理机制:揭示法律实践中涉及的心理机制,例如对正义、道德感等概念的认知基础进行解释;二是,回答规范性命题:在理论上反复检视和验证法哲学理论,回答特定法律概念的正确性或理想状态。

在这里,我们可以举四个计算神经科学在规范命题的可计算化所取得的理论成果,以佐证上述论断:

第一,正义的可计算化。经典的有轨电车困境设计了两个场景:一是轨道场景和月台场景。如果依据法律形式主义的计算思路,两个情境的效果是等价的,为什么人们提供的答案却如此不同?计算神经科学的前期研究通过神经实验发现:大多数人在第一个状况中,脑部使用一般的区域来运作;但在第二个状况中,则会动用到情感判断的部分。情感判断部位受到损害的脑伤患者,进行这项实验时,在第一个状况与第二个状况中,都会以功利主义方式,决定牺牲一个人以拯救五个人。这一研究表明,演化使人们具备了一种对粗暴对待无辜者的反感。这种本能倾向于压倒一切关于人命得失的功利的计较。这种理论的发现,对于我们防止无限度地“用过去规制未来”、促进法律与人工智能研发在场景中进行价值性决策,肯定具有深远的应用意义。

第二,道德感的可计算化。对道德判断和行为进行了多方面的研究,揭示了作为道德行为基础的社会情绪具有文化的差异性,进而提出了道德基础的理论。但是如何解释这种社会情绪的跨文化的差异性呢?后续的认知神经科学研究发现,意识形态、宗教信仰等跨文化以及后天生活经历都会影响行为者的道德情绪。这提示我们,后天在影响道德感,还提示我们,职业训练和职业实践会影响执业者的道德感。

第三,人工智能对他人意图理解能力的探索。比如2018年Google Deep Mind开发的ToMnet就能够通过“false belief task”(错误信念任务)检验。2020年3月,Google Brain和Deep Mind发表了关于纸牌游戏Hanabi的研究,也以理解人类的意图与人类合作作为方向。Hanabi是具有theory of mind功能的人工智能系统的新研究范式,因为它是协作、不完全信息和有限信息交流的组合。而众所周知,人脑的主要优势就在于这三点,并因此形成了人类社会。所以,这一研究的突破很具有历史性意义。然而,我们仍然还没有足够的证据能够说明,这种研发进展下去就一定能产生人工智能完全代替法官,类似极端法律奇点的产生。

第四,行为视角下的算法介入政府监管的意义及其进路。计算神经科学为算法在公共政策中的应用提供了新的理论基础和工具支持。传统上,政府监管往往基于规则导向或者经验判断,而难以全面预测政策对公众行为的实际影响。计算神经科学通过揭示人类行为的神经基础和认知机制,可以帮助设计更加符合公众心理预期的政策机制,从而提升监管的精准性和公信力。比如计算神经科学中个体行为反应的预测和模型构建理论、个性化和适应性的算法模型研究、行为干预设计研究以及增加公众对政策接受度和提升信任度等。







请到「今天看啥」查看全文