法律與人工智能的法哲學思考

吳旭陽

內容摘要：大數據深度學習模式是近年人工智能獲得飛速發展的重要模式，其在法律科技中也有相關的應用，并引發了部分法律人的擔憂或歡迎。對這種模式在法律中的若干應用進行分析，發現其在現有應用中已經具有大數據的優勢，獲得不少認可；但也存在智能水平較低、事實認定方面的能力較弱等問題進行法哲學探討，發現該模式存在對于社會信息收集不廣、也不能符合司法能動主義創新要求的缺陷。同時，該模式不能夠進行證據的充分質證、事實認定方面的認知能力不足；并在行為的正當性、決策中的潛意識或者非理性、綜合性和未來發展、公法的社會性大問題等方面的考量不足。該模式能夠協助法律人進行工作與研究，但不可能取代人類法律人。

關鍵詞：法律人工智能大數據深度學習事實認定行為正當性

一、人工智能的發展及其在法律中的運用

（一）人工智能的發展

自從阿爾法狗戰勝圍棋界諸多世界高手之后，人類恍然發現人工智能（以下簡稱AI）在某一方面的智識水平已經超越了人類。以往“深藍”在國際象棋領域戰勝人類并未引發人們的關注、思考或者憂慮；但現在大家顯然發現，在不久的將來，AI可能會在很多領域達到人類的水平，輔助人類進行部分工作；甚至超越人類，在部分工作中取代人類。有人甚至會擔憂未來高智慧的AI對人類的統治。因此，普通人對于AI迅速由漠視或忽視，改為重視、歡喜或者擔憂；人類對于人工智能的關注在近兩年呈現爆發式增長。

而在法律領域，法律人們除了關心普通大眾所關注的問題之外，還更關心AI在法律中能夠起到什么作用？AI能否成為法律人的助手？還是成為法律人的威脅？這些都是部分法律人相當關注和思考的問題。這其中，對法律人而言最好的模式當然是AI能夠成為法律人良好的助手，而且還不會威脅和取代法律人的職業。事情當真如此嗎？我們可以作一些研究或者思索。

（二）人工智能在法律中的應用及其不足

乘著AI的東風，國內外也出現了不少法律人工智能的創業項目。現有的AI技術和創業團隊，進行了法律人工智能的研究和創業，并在實踐中進行了若干試用。他們力圖讓法律或者司法裁判、法律教學領域在不久的將來像圍棋領域一樣，使AI成為重要的角色，部分甚或全部取代人類裁判者、法學教授的作用。

筆者經過文獻查閱，以及對若干法律人工智能項目的現場調查、觀摩，發現已有的法律人工智能創業項目多數有以下特點：

1.大量地以裁判文書或者法律資料為基本的數據庫進行大數據的深度學習。最近幾年，AI研究獲得巨大的突破，其科學基礎在于使用了機器的“大數據深度學習”的技術?，F有的法律人工智能項目，也多以該技術模式為主。在中國，諸多法律人工智能項目以中國裁判文書網的數據庫為大數據進行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10個月的破產法學習后，它獲得了Baker & Hostetler律師事務所的工作。IBM將繼續教授ROSS不同領域的法律，以便其在多個法律領域進行工作。〔2 〕

截至2017年6月，中國裁判文書網的上網文書有近三千萬份，以近四年的為主；而其內網運行的亦有六千萬份。相關數據有較大的價值，對于司法管理、司法公開、法律教學科研以及相關的法律創業項目而言，均是一座巨大的寶礦。但是該數據庫里的文書，對于法律人工智能的學習而言有以下缺點：（1）部分法官因為裁判文書上網公開的原因，也因案件越來越多而精力越來越不夠的原因，將說理部分盡量壓縮。（2）部分的內部規定、會議紀要等，雖然不會在裁判文書上體現，但卻是法官們作出裁判的重要依據。（3）相對判決書而言，案卷是重要的部分，尤其是案件審理的重要內容不少均在內卷之中。但是案卷并不上網，其沒有信息化或者電子化，則讓研究法律人工智能的部分內容顯得有“隔靴撓癢”之感。

在大數據深度學習的模式之外，還有其他的模式，如部分法律人工智能采用類型案件的關鍵“爭點”或者“關鍵點”的規則梳理和設定。例如江蘇省檢察院系統采用的“案管機器人”系統，制定了六百多個程序、證據、事實等方面的規則，設定了一千多個對比點。然后可以根據提出的問題進行反饋、修正。但是此類機器人不具有自主學習能力，是否屬于真正意義上的人工智能尚有待商榷。

2.在事實認定方面的能力較弱?，F有的法律人工智能主要工作流程在于“要素性事實”→“要件”→“裁判結果”，而“要素性事實”則是以“證據性事實”和“推斷性事實”為前提。以大數據深度學習見長的法律人工智能，現階段在事實認定方面是個較大的缺失，很難實現由“證據性事實”向“推斷性事實”的推論，再實現由“推斷性事實”到“要素性事實”的推論轉化。部分法律人工智能項目在事實認定方面的處理，以當事人個人的陳述為主；在一些標準化較強的案件類型中（如交通事故、勞動爭議、醫療傷害類型案件方面），系統對當事人在此類法律領域的各個主要方面進行選項設計。當事人在系統界面上對各類事實認定問題進行選擇，以協助法律人工智能進行事實認定。然后，在這個事實認定的基礎上進行法律規則的推理，最后得出結論。這種事實認定并未經過庭審的質證，雙方也沒有證據交換，其準確性相對較低（當然，法官或者陪審員進行的事實認定，也會存在意見不一致）。

3.在當下，法律人工智能的進步程度比較低，其在案件的事實認定、定性等關鍵環節上不能完全、完美地運行；其水平僅僅像是法學院大一、大二學生的水平。案件判斷和分析的正確性（或者說是精確性）不高。其大體上不能作為法官助手，而只能作為法官助手在收集資料時的參考。當然，個別法律人工智能產品已經開始具有初步的應用價值，能夠初步提出法律意見，并具有一定的正確性；但是這僅僅是在部分比較容易規范化的法律領域。

從以上梳理可以看出，在國家公權力機關所提供的服務中，最高人民法院因為建立了中國裁判文書網，為社會提供了大數據的支撐服務，從而能夠支持在裁判文書大數據基礎上的機器深度學習；有企業也在此基礎上一步步“培養”出法律人工智能項目。與其他國家機關相比，司法機關的公開性、統一性比較好（統一的大數據庫），為相關創業項目提供了基本的制度和數據支持。但是，以此為基礎所進行的法律人工智能研究開發項目，僅僅處于起步階段，依舊存在諸多問題，需要采用相關的技術進一步優化和升級，也需要進行哲理上的探討。

二、大數據深度學習模式的優劣

誠如阿爾法狗模式那樣，以大數據深度學習的AI具有較強的視野和經驗，在某一方面甚至能夠遠超一般人和專家。在法律領域，采用了這種模式的法律人工智能，也能夠依靠法律數據庫的大數據進行深度學習，從而實現決策的優化。那么，法律人工智能能否像法官或者律師那樣辦案？它們能否作為合格的法律助手，甚至在很多工作崗位上起到法官、律師的作用，乃至于取代法官和律師？在當下的法律人工智能項目中，這些應該還不能成為可能。但是今后隨著AI技術的發展，在大數據的內容比較充分的情況下，其能否通過深度學習而達到、取代法官和律師的作用呢？AI的大數據深度學習的基本模式，優勢已經被大家所廣泛獲知，而其在另一方面也可能存在缺陷。筆者從法律人工智能的視角進行優劣的探討。

（一）法律人工智能大數據深度學習模式的優勢

以大數據為基礎的深度學習，能夠為法律人工智能提供廣博的信息數據基礎。當下法律人工智能的主要模式是大數據的深度學習模式，該模式基于龐大的法律數據庫。以當下中國為例，就是以數千萬份法律裁判文書為基礎的中國裁判文書網。通過對此海量裁判文書的深度學習，相信法律人工智能在不遠的將來就會有較高的法律知識。這種數千萬份裁判文書的海量數據，能夠提供較好的決策選擇基礎，其所提取的裁判決策，也往往是在這些文書中較優甚至是最優的決策，具有較好地解釋力和說服力。

以海量數據為基礎，是形成較優法律制度的重要基礎。我們常言，古代的羅馬法是最偉大的法律制度體系，其影響到今日還十分深遠；其作為簡單商品經濟下最完備的法律制度，“以致一切后來的法律都不能對它做任何實質性的修改”（恩格斯語）。從某種角度看，羅馬法的這種性質是最大樣本的制度篩選結果。也就是說，羅馬法從其發展的公元前5世紀開始（就僅以第一部成文法《十二表法》起算）到《國法大全》完稿的公元6世紀，其核心繁榮時期的四五百年時間內，羅馬帝國至少五六千萬人口，地跨亞、非、拉三大洲；在此廣大的時間、人數范圍和地域差別內的糾紛解決方案，經過如此大數量的博弈、測試和篩選。這種大數據創新、優選下的法律規則，因其支撐的數據量夠大，其適應性自然也比較強，對后世的影響是全球性的和歷史性的。因此，現有裁判文書網的大數據已經有近三千萬份（內網運行約六千萬份），不管存在什么樣的不足或者局限，其也有足夠的數據量能夠培養較為高級的法律人工智能。更何況在此后的一二十年內，裁判文書的數據量至少達到數億級別的量級；其數據量應該足以支撐更為高級的法律人工智能。

雖然當下的法律人工智能的水平不高，但是以發展的目光看，隨著AI技術的提高，以大數據學習為基礎的AI存在較大的發展空間；其接近于人類法律人的水平，應該是指日可待的。

（二）該模式下法律人工智能的缺陷

大數據深度學習模式的法律人工智能，其重要優勢在于海量的大數據，但是其重要的一個缺點，也是在于大數據；也就是說，法律人工智能學習基礎的這種大數據的覆蓋面如何覆蓋的問題。

第一，法學是一門實踐性很強的學科，同時也是牽涉面很廣的社會科學；司法決策的過程較長，涉及生活的方方面面。那么，是否能夠將世界上大多數有用的數據電子化，或者被數據庫所采用？或者人類自身的數據，人類社會交往的各種數據被電子系統所采集，并被歸入數據庫以供AI進行學習？從現有的信息采集體系看，基本上是不可能的。尤其是人與人之間的當面交流、行動與合作，在現有的技術水平下基本上不會納入電腦、手機的信息采集系統中，不會被郵件、互聯網購物、互聯網社交體系的數據庫所采集。

如果從這個角度看，法律人工智能可否有機會理解人類社會的各種行為？其大數據的學習模式就類似于從大學象牙塔畢業出來的法科大學生，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則或邏輯卻不能夠為社會所接受的裁判。因此，從這個角度看，法律人工智能不能夠作出比較精細、精確的裁判，其更可能僅僅是作為人類司法裁判者的助手。

當然，法律調整的是重要的社會關系，而不是調整所有的社會行為或社會關系。法律是有成本的調整模式，因而只是調整足夠重要的社會關系；而在這些社會關系中，法律也不是對所有相關行為進行調整，而往往只是在糾紛發生后被動地進行調整。法律對于糾紛的解決也不強求所有的數據，所以法律人工智能也不需要所有的人類行為數據。但從總體而言，在相當長的一段時間內，由于法律人工智能所理解的人類社會是不周全的，畢竟大量的人類個體信息和社會交往信息在很長一段時間內并不能上傳到網絡或者數據庫。因此，其不能精確理解這些社會性的規則和糾紛解決方式（當然，在通訊網絡的5G或者6G之后，力圖實現“萬物萬聯”，其可行性有待于觀察）。

第二，從司法能動或者創新的角度看，“世界上沒有同樣形狀的葉子”，其實世界上也沒有同樣的案件。那么我們要問：每一個新案件是不是一類新型案件？或者我們甚至還可以問，在“司法能動主義”盛行的今日，有創意、有想法的法官能不能在普通案件中挖掘新意，創制新的判例？或者在判決書中闡述新的觀點，從而發展新的法律學說或者新的權利保護類型、模式？即便是純粹法學派的代表凱爾森，也意識到“一般規范因司法判決的個別化，始終是對那些尚未由一般規范所決定而且也不能完全由它所決定的因素的決定。所以，在判決內容永不能由既存實體法規范所完全決定這一意義上，法官也始終是一個立法者”。〔3 〕所以他指出：“立法者，即由憲法授權創造一般法律規范的機關，認識到他所制定的一般規范在某些場合下可能導致不公正的或不公平的結果，因為立法者不可能預見到所有可能發生的具體情況。他因此就授權適用法律機關在適用立法者所創造的一般規范會有一個不能令人滿意的結果時，就不適用立法者所創造的一般規范而創造一個新規范。” 〔4 〕

因此，如若法律人工智能的學習模式僅僅是當下的深度學習模式，則其往往只能局限于舊有的知識或者規則，在新的問題上不能很好地以規則的目的或者利益進行解釋的擴張或者限縮，從而讓規則更好地適應社會不斷發展的需要。而不同的社會關系或者犯罪手法層出不窮，先可能是“道高一尺，魔高一丈”；然后法律填補了空白或者漏洞，就出現了“魔高一尺，道高一丈”；然后再反復循環。當代社會出現各類新的法律問題，這些問題及其解決或者規則，在原有深度學習的數據庫中沒有，則基于此的法律人工智能也不能作出裁判或者不能作出較好裁判。

回溯人類的法律發展史，早在人類最早的法學流派——羅馬法中的兩大法學派出現了相關的爭議，就能很好地說明了這一點。在羅馬法興盛的公元1—3世紀，出現了兩大法學派：薩賓派和普洛克魯斯派。兩者差異的其中一個重要方面就是法律解釋是否嚴格按照字面含義進行解釋；這就會在實踐中產生不同的結果。例如一個典型案例是當時兩派關于往牲口身上披紅色的衣服使其受到驚嚇而跑掉是否是一種盜竊行為的爭議。還如關于殺人的解釋，拉貝奧（普洛克魯斯派）在處理殺人案件時（在阿奎利亞法中），會舉出“殺”這個詞的古代涵義，即使用武器運用暴力殺害一個人。在一個案件中，助產士給女奴一包毒藥讓其食用致其死亡，拉貝奧則認為法律規定之訴不可用，裁判官應當頒發一個新的特殊訴訟程式。而薩賓則寧可在原有法律體制內提供救濟。在這些新的案件問題上，裁判官是否應當頒給一個新的特殊的訴訟程式？還是僅僅局限于原有字面含義？或者對原有字面含義進行新的解釋？這就是一個較大的問題?！? 〕相似地，此類問題在今日的法律人工智能上，就是以大數據深度學習的法律人工智能是否適應社會的新發展？如果可以，則其需要非常高的智識能力，這是當前其所不能夠解決的。

（三）未來的可能性

如若在長時間之后，前述此類問題能夠解決，亦即人類的行為或者生存過程的幾乎多數時刻均能夠被大系統所監控并上傳到數據庫，則到時以大數據為基礎的法律人工智能就有機會超越人類的法律人。另一方面，從更深的層面看，如果AI發展出比人類社會交往更好或更高級的策略呢？那么這種大數據的系統的學習，這種相關行為或者環境的監控則就僅僅成為需要而不一定是必要。AI強大的計算能力和見識（數據庫足夠大），就可能在某些方面提出比人類現在更好的行為模式，可能更好地解決糾紛。

應該說，現在法律人工智能所出現的各類問題，主要不是法律的問題，而是AI技術的水平不高導致的問題。日后隨著AI技術的不斷發展，法律人工智能就很有可能更加接近或者達到人類的水平。

三、法律人工智能的其他問題

前述是針對AI或者法律人工智能基于大數據深度學習的問題探討。但是，事情不僅僅是這些問題。如果我們進一步深入思考，則還有必要分析其他的問題。

（一）事實認定與法律邏輯推理

司法裁判是法律人工智能的核心問題；人工智能在法律中的運用，其終極目標顯然是能夠像法官、律師那樣，能夠在多數領域上達到法官、律師那樣的判案效果；甚至在某些方面能夠做得比法官要好。在其他方面，我們也希望人工智能能夠具有律師、檢察官等法律人的效果。然而，當我們司法裁判對進行深入分析時，就會發現司法裁判其實是分成兩大部分：事實認定和法律適用。這兩者之間的差異非常大。顯然，從現有司法裁判的邏輯推理視角來看，法律適用部分的邏輯性較強。根據法律規則的二要素學說——“行為模式”和“法律后果”，從“行為模式”到“法律后果”的邏輯推理過程顯然相對容易。因此，以形式邏輯進行法律演繹推理的軟件開發比較容易獲得成功。但是，問題的難點在于事實認定方面。事實認定屬于法律規則中的“行為模式”要素，如何從“證據”到“證據性事實”的推論，再到實體法行為模式中的“要素性事實”的推論，這對AI而言是一個難度極高的關鍵問題。這對AI的智能程度提出了極高的要求。

從知識論的角度看，單純的形式邏輯并不能產生知識。在康德的知性理論中歸納了十二種知性的范疇，〔6 〕人類具有這些普遍的認識能力。事實認定問題，其實是先天知性能力對于外在世界“雜多”的“統合”問題。此外，在康德看來，先驗超越于經驗，但是先驗又必須運用于經驗，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?！薄爸缘膱D型法通過想像力的先驗綜合，所導致的無非是一切直觀雜多的內感官的統一，因而間接導致作為與內感官（某種接受性）相應的機能的那種感覺的統一?！?〔7 〕 〔8 〕因此，不是單純的知性就可以建立起知識，相反需要依靠知性和感性的結合，通過外在的刺激才能夠獲得理性知性和感性經驗相結合的知識。事實認定者僅有先天、內在的人類普遍的知性能力是遠遠不夠的，不能形成真正的知識；其還必須通過庭前證據交換、庭審質證等程序，以“雜多”的感性為知性能力提供材料，從而形成關于案件事實判斷的“知識”。也就是說，由于知識是內外結合的產物，知識必然以內在的主觀狀態為基礎，加以外在的刺激或觀察。理性、知性加上經驗，才能形成知識。如果只有先天知識而沒有庭審，則單憑先天邏輯知識，也不能形成關于某一案件的知識。庭審過程中，隨著雙方提交證據，并進行質證，“真相”就在事實認定者面前不斷展開。而雙方是否能夠提交充分的證據并進行司法證明，會在很大程度上影響事實認定?！耙驗樗鼉H僅用于通過某種先天必然的統一的諸根據（由此使一切意識必然結合在一個本源的統覺之中）而使諸現象服從于綜合的普遍規則，并借此使它們順理成章地徹底聯結于一個經驗之中?！?〔9 〕而這一點恰恰是人工智能所較難具有的能力；或者說在很長一段時間內較難具有的“統合”能力。因此，在人工智能方面，我們看到，依照康德的“感性-知性”的認識論所建構起來的知識論，已經能夠影響人工智能的機器人的認知理論?！?0 〕

而事實認定方面的數據量要求極大，從大數據深度學習的視角來看，除非其達到人類對于外在世界的認識能力，否則其難以實現比較精準的事實判斷能力。所以從這個角度看，法律人工智能達不到人類的認識判斷水平。

（二）法律的正當性問題

對于事實問題進行界定和統合是一個重要的問題，一旦人工智能在這個方面能夠取得突破性的成就，那么下一步進行的邏輯性演繹推理就比較容易。即“行為模式”已經確定，則法律后果往往比較容易決定（在司法的自由裁量問題上，往往也有比較細致的事實方面的規定）。但是，這方面僅僅是法律規則制定之后的純粹邏輯推理問題；而法律在實施過程中不可能完全是依照規則的字面含義進行解釋，而還需要考慮規則的目的或者利益。也就是說，多數的糾紛依照規則的邏輯過程進行推理能夠得出恰當的結果；但如若規則的施行結果與普通的道德直覺、廣大群眾的利益之間存在尖銳的差異矛盾呢？法律不僅需要考慮邏輯性，在部分案件中還需要考慮道德性、利益均衡或者目的性；這就不是完全的邏輯推理那么簡單了?！胺珊心康模核鼈冐瀼亓己玫脑瓌t和政策，同時又被這些原則和政策證明是正當的?！?〔11 〕而推理的大前提除了法律規則之外，在部分案件中還可以是價值；尤其是當法律規則比較模糊時，或者是法律規則的推理結果與民眾的道德直覺、利益之間存在巨大、尖銳的沖突時。

法律人工智能深度學習的數據源就是人類的各類法條或者判決。然而，人類的法條和判決根源于社會，即糾紛解決的正當性方案的法律規則或者關于行為正當性的裁判，其自身也需要正當性的支持?！巴椒ú蛔阋宰孕小保梢巹t也不能賦予自身以正當性。此類更基礎性的正當性，需要對法律之外的社會進行深度觀察和分析。正當性的另一方面還體現在于：由于雜多的外在事務，不僅僅包括客觀世界，更包含對于行為人的主觀狀態的評判——包括動機的正當性評判。這里不僅僅是雜多的問題，還包含對于行為人的內心狀態的一種推斷，所包含的信息量極大；在這些方面，基于大數據深度學習的法律人工智能，其解決能力是極為有限的。

（三）潛意識或者非理性的考量

人是理性動物，尤其是重大經濟決策或者法律決策，其多數是理性的產物。但是，部分的決策會受到潛意識的重大影響，也不是全然理性的產物。而相當大一部分的潛意識或者非理性的思維、決策，既不為人類自身所知，也不為大數據的數據庫所收集。固然法律推理是理性的產物，但是相當大部分糾紛并不是理性的。以推理的理性，在部分個案中解決非理性的糾紛以及面對處于情緒狀態下的當事人，其解決效果并不一定是最佳，司法公信力也不一定最強。棚瀨孝雄說：“法官在作出判決過程中應該不斷地通過解釋在結論的衡平性與法律適用的嚴肅性之間進行反饋，盡可能地獲得符合實際并對雙方當事者都有說服力的解決已成為一般認識?！?〔12 〕而在多元化糾紛解決模式——其往往由法院來進行主導或主管，采用的多種糾紛解決模式，則可以包括非法律規則的解決模式、社會綜合治理的解決模式。但是，相關的糾紛解決模式不一定是理性的，所謂“曉之以理，動之以情，誘之以利”等多方式解決糾紛。因此，糾紛的解決，不僅僅是依賴理性，也可以激發糾紛當事人非理性的感情、或者以潛意識進行心理上的疏導，從而化解、解決糾紛。

此外，司法決策過程也并非全然是理性的，情感或者潛意識等非理性的思維或者意識，也是形成司法決策的一部分基礎。這對于當事人雙方、其他訴訟參加人甚至法官都是如此。而這些潛意識或者情感等人類意識狀態，人工智能要進行學習或者模仿的難度是非常大的。這是演化心理學中的問題，即人工智能不是人類，即使其經歷過大數據的學習，也不是完全的自然狀態下演化的全歷程下的篩選結果。畢竟后者的“自然狀態下的演化的全歷程”是不可模仿的。因此，在理性的問題上，AI可以依托超快的計算能力以及不知疲倦的運行模式進行通宵達旦的飛速學習，從而在某些方面迅速地超越人類。那么脫離真實性的演化過程的設計，能否實現逆襲？在潛意識或者非理性的其他知識方面，這種可能性雖然不是不可能，但是近期的可能性還是比較小。

（四）未來性和綜合性評判的問題

除了上述這些方面的問題，還存在對于行為的未來以及綜合的評判問題。當下人工智能對于行為的綜合性評判是遠遠不夠的。這里存在著各種計算量的問題，即人類行為計算的可能性。而針對未來性，主要是人類行為或者社會互動模式的未來走向。這里涉及人類社會發展的驅動力問題，這是人類中心主義的。人類因為有了壓力和驅動力，因此會不斷地發現和解決問題。世界上其實并沒有問題，所謂的問題，是人類的問題而不是世界的問題，也不是宇宙的問題。從這個意義上說，所謂的問題的提出和解決，從終極上看都在于人類。因此，即便AI取代人類或超越人類，其所提供的解決方案也不大可能讓人類滿意。當然，如果AI能夠基本解決前述的那些事實認定和正當性問題，其實AI已經與人類相差無幾，其超越人類已經指日可待。一旦這個問題出現，則更可能的是“去人類中心主義”的趨向。

除了上述這些方面的問題，還會有其他的問題，例如涉及公法領域問題。這不僅涉及一個社會的小群體利益或者理性，還涉及大多數人及社會結構等大領域問題，甚至還涉及不同國家之間的關系等。在當今的司法能動主義的趨勢下，以及當今的國家行為的合法性要求的趨勢下，這些公法問題所涉及的數據量極大。此外，法律裁判不僅涉及法律規則，還涉及法律原則。“原則和政策沒有建立法律的類別，確定法律的后果。但它們為規則提供了正當理由，也為把案件歸于規則所定的法律類別中的法律理由提供了正當理由?！?〔13 〕這些方面的計算量也比較大，也更多變；以大數據深度學習為基礎的法律人工智能接近或者達到人類法律人的難度極大。

四、法律人工智能的前景

前述對法律人工智能基于大數據深度學習的不足進行了若干的分析，但從長遠而言，法律人工智能的前景應該是不錯的，多數人對于法律人工智能的作用也比較肯定。筆者對這個趨勢也比較認可，下面分析一下前景。

（一）過渡時期的半人工智能模式

在未來的二、三十年以及可能的更長的時間內，如果AI技術沒有較大的突破，則法律人工智能無法進步到完全取代人類法官、律師的程度；其在案件的事實認定、正當性等關鍵環節上不能完美地運行。在法律人工智能無法完全趕得上人類法律人這一時期，筆者的方案是“人機結合”。這種人機結合，并非像“腦機接口”那樣在生理上的結合，而是人類的法律人與法律人工智能的協作。大數據深度學習模式的法律人工智能有其優勢，而人類法律人通過自身的法律素質，在法律人工智能無法完善解決的事實認定、正當性（以及疑難案件）等方面進行協作，以幫助法律人工智能系統在各類案件中進行難點的翻越，能夠輸出較為精確的結果。這將實現AI的快速和廣泛的搜索、學習能力，與人類在關鍵問題上的直覺能力進行結合。

（二）完全時期

當然，在未來的二、三十年以及可能的更長時間之后，相信已經有了比大數據深度學習更佳的AI科學理論和技術；AI已經能夠具有相當的思維能力，其強大的計算能力一旦能具有自行收集外在世界各類信息的能力，并能夠具有分析人類各類事務的能力，獲得基本精確地解決人類糾紛的能力。

另一方面，AI在全面介入人類的糾紛解決方式之后，可能會提出比現有糾紛解決方案更好的方案或者模式。阿爾法狗及其升級版Alfa master在一年之內接連敗多名國際頂尖的圍棋選手，國際排名前列的圍棋大師柯潔在被Alfa master多次打敗之后，其圍棋水平獲得了巨大的提升，大勝人類的其他棋手。〔14 〕而在此之前，在經過了與阿爾法狗多輪較量，他在屢戰屢敗之后醒悟到，“人類已經研究圍棋研究了幾千年了，然而人工智能卻告訴我們，我們甚至連其表皮都沒揭開?！?〔15 〕而在與人類的較量中，阿爾法狗已經屢屢下出了驚人的棋藝，更新了人類對于若干棋藝的認識。由相關的經驗我們可知，AI一旦具有超越人類知識的能力，則其可能可以提出更佳方案以解決人類糾紛。首先，此類糾紛解決的新方案可能在人類的認知能力之外，因而人類更不可能在新制度安排下“鉆空子”，從而提升法律的穩定性。其次，此類新方案可能會更有效率，從而提出更節約的糾紛解決模式，或者提出更能夠提升經濟增長的制度安排。再次，此類新方案也可能會更好地降低糾紛的發生或者復發。最后，此類新模式也可能更滿足人類的基本道德感，以及不斷發展演變的道德理論或者觀念。當然，這僅僅是一種假設，并不一定會實現；AI能否真正超越人類，也是存有疑問的。

（三）非法律的其他治理模式

一旦法律人工智能能夠具有人類的普通思維能力，甚至超越人類的思維模式，則可能會有另外的思維模式，以解決人類之間的糾紛，甚至可能出現其他非法律的治理模式。而AI超越人類，甚至有可能會實現AI對于人類的統治，這里又會出現AI對人類的統治秩序或者規則的問題。當然，這依舊是一種假設，能否實現依然存疑。

（四）如何解決AI之間的糾紛？

這個問題看上去幾乎是無法相像的。因為多數人所設想的往往僅僅是AI如何解決人類之間的糾紛，或者協助人類法官解決人類之間的糾紛。而AI之間還會有糾紛發生？他們之間的糾紛如何可能被人類解決或者在AI之間自行解決？尤其是一旦AI的智識已經接近于人甚或是超越人，則AI之間是否也可能存在糾紛？

應該說，現在我們也只能依照人類模式猜測AI之間是否也能夠有糾紛，設想計算機系統之間的沖突，引發的相互之間的不兼容或者系統崩潰，可能是AI之間的生硬的、魯莽的系統沖突解決模式。作為計算機的AI以及作為生物個體的人類，其運行模式中均可能出現錯誤。人類的思維錯誤或者DNA錯誤比較常見，是演化的一種機遇。而AI的主機在運行中也可能因為硬件或者軟件的問題，發生錯誤。這種錯誤在以往（現在）的解決模式，類似于人類生命體的生病或者想法出錯，其可能引發AI之間的“誤解”，這或許也需要進行糾紛的解決。而假若AI演化為高級的有智識水平，AI之間的沖突是否更可能像是人類之間的糾紛，其糾紛解決可能也是一個重要問題。而超越人類智識的AI之間的糾紛的解決模式，AI之間的溝通模式或者信號，也可能在人類的想象或者理解之外。

此外，假若到了此時，AI作為一個超越人類的智慧體，其也有可能制造新的AI，其也會成為造物主，則也需要調整作為造物主和被造物之間的關系。

余論

人類對于AI的擔憂，其實是對于自身族群之外其他高智慧族群的擔憂。在這一年來AI的興盛之前，雖然也有不少影視文學作品描述了AI或機器人的超級能力甚或其對于人類的統治和奴役，但更多人是將注意力投射到所謂的“外星人”上。然而，在不知不覺中，我們才豁然發現，原來在人類之外的高智慧族群，不大可能是外星人，而更可能是已經不聲不響地發展出一定程度智力水平的AI。更讓人類喜憂參半而不是滋味的是，很多人幾乎可以相信，AI在不久的將來就可能會超越人類的智識水平。這是人類演化發展階段的一個新的邁進，相信作為“造物主”的人類會與AI攜手共進，和平相處，共同解決好各類問題。