人工智能法律制度運行底層邏輯與基本路徑

摘 要：當前人工智能系統的應用已經深入到各行各業，并且帶來巨大的宏觀效益。AI也促進了計算機網絡工業的發展，在這個發展過程中就需要使用數學計算機工具來解決問題，形成一門新的學科，而人工智能所帶來的幫助就不言而喻。更為重要的是，AI反過來有助于人類最終認識自身智能的形成。實踐中，面對如何在制度層面實現人工智能技術功能與法律制度運行的銜接性建構，不僅是當前人工智能法學研究的基礎性問題，更是以人工智能為技術支撐，建構起法律制度底層運行模式的關鍵性領域。即數字空間所帶來的法律運行方式的轉換，絕不只是一種高度抽象化的選擇，而是具有具象化發展趨勢的技術化路徑。

關鍵詞：人工智能;法律運行;理論體系;路徑建構

中圖分類號：D923.4" "文獻標志碼：A" "文章編號：1002-2589（2025）01-0065-05

隨著大數據、云計算、人工智能、區塊鏈、移動互聯網和5G/6G等現代信息技術的迅速發展，人類已經步入數字社會時代。在當今社會治理中，大數據、物聯網早已超越純粹技術，深刻影響到社會結構和社會關系調整，促使多主體圍繞某一階段的社會公共福利，展開多層次、寬領域的整體性、交叉性治理。在“網絡強國”“數字中國”“智慧社會”等建設的要求中，我們從生產力和生產關系角度看，本質就是建設數智化、信息化的社會生產體系、生活體系與交往體系的過程。

人工智能的目標是模擬人類的智能行為，使計算機能夠像人類一樣感知世界、理解信息、進行學習、管理和決策，這些內容涵蓋視覺、語音、自然語言處理、機器學習等領域的研究和應用。人工智能研究人類智能活動的規律，構造具有一定智能的人工系統，研究如何讓計算機去完成以往需要人的智力才能勝任的工作，也就是研究如何應用計算機的軟硬件來模擬人類某些智能行為的基本理論、方法和技術。當前，人工智能涉及多學科范圍，遠遠超出計算機科學的范疇。人工智能不僅限于邏輯思維，還要考慮形象思維、靈感思維才能促進人工智能突破性和創新性的發展。數學常被認為是多種學科的基礎科學，其技術本身超越了語言范疇，從而體現出思維領域的關系深化到技術與社會發展的關系性問題。此時“算法本身作為一種隱喻形態，有利于人類理解機器本身的運行規則與模式特征”[1]17。

一、人工智能法律制度運行的基本邏輯

目前人工智能在法律制度運行過程中需要發揮很大的作用，通過統計模型使用機器學習算法來分析文本，并且通過對大規模數據集的學習來不斷提高預測的正確性，再通過仿造人的神經運算，運用計算機模擬人工神經系統，實現了人工智能技術的重大歷史性跨越。然而，人工智能大模型的發展為各種復雜任務和領域的疑難問題解決提供了強有力的工具和方法，它們在自然語言理解、圖像識別、語音生成、推薦系統等方面取得顯著成果，并推動了人工智能技術的快速發展和應用的全面推廣。此時，在數據空間體系中“真正管用的不是人類的法律，而是在人類法律框限下的技術性規則”[2]。

（一）基于邏輯分析模式的方法性轉換

人們在不同的抽象層次上觀察、理解、表示現實世界的問題，并對這些問題進行分析、歸納、推理。研究者們發現人類大致會采取這幾種方式：從部分到整體、從細節到抽象，即先從各個方面、各個角度對同一問題進行不同側面的觀察，然后再對其進行綜合分析;或者從整體到部分，即先從總體進行觀察、分析，然后再逐步深入地研究各個部分;再或者是將兩種方式加以結合使用。而人工智能本身的認知過程，其本質是一種邏輯判斷的過程。即基于算法的數理邏輯體系，對現實社會運行內在規律的解讀與重構，其本身也是對社會科學研究范式的延續和傳承。目前，以參數化為特征的通用大模型技術的迅猛發展，為法律制度規范體系的整體性算法結構轉換提供了重要技術支撐。運用計算機程序和算法對法律制度運行過程進行模擬和表征，其基礎環節是實現法律規范文本的“代碼化”形態轉換與“算法化”流程建構。即法律運行過程通過模型化的轉換，“以流程圖的形式進行表達。進而能夠轉換為以代碼為語言體系的表征形態，從而在宏觀層面完成法律規范向代碼規則體系的轉換”[1]243。

以ChatGPT為代表的生成式大模型和以搜索引擎為代表的檢索模型是兩種不同的信息獲取方式。傳統的檢索模型側重于“檢索”，可以從海量的互聯網內容（或其他信息源）中獲取準確的信息，但是對于檢索結果通常不做深入分析，當用戶信息需求比較復雜時，需要用戶瀏覽多個結果才能獲取所需要的信息。而生成式大模型則是將大量知識存儲在參數化的模型中，可以直接根據用戶的問題生成答案，能夠更便捷地滿足用戶的信息需求，但是由于返回信息是模型生成的，可能會存在虛假、陳舊或錯誤的信息。將兩種信息獲取范式的優勢進行融合與互補，打造更為高效、準確的信息獲取技術，從而讓使用者更加具有意識交流的真實性感受。特別是近年來，隨著技術的發展，深度學習這一概念正在興起。深度學習是實現機器學習的一種技術，其利用許多層次化的神經網絡模型來解決更為復雜的問題。相比于傳統的機器學習技術，深度學習有著層次化、可拓展、準確度高等一系列優點，被普遍視為下一代機器學習技術。人的神經系統的模型用計算機的方式呈現出來，用它來仿造智能，并實現了在法律制度運行過程中的深層次運用。

（二）基于大模型體系的技術性轉換

人工智能的總體技術架構包括圖像識別、自然語言處理、預測算法、智能決策、知識圖譜和智能芯片等關鍵性內容。目前，基于強大算力和不斷更新算法支撐，生成式人工智能本身可以處理各種問題，提供信息、解釋概念、幫助解決問題，還能進行閑聊和娛樂。因其本身所具備的強大語言理解和生成能力，可以準確理解用戶的輸入并生成自然流暢的回答，以對話的方式進行交互，使得與用戶的交流更加流暢和自然，可適用于多個領域應用，如，在科學、歷史、技術、文化等方面提供廣泛的信息和知識。在人工智能與法律結合的整體路徑方面，生成式人工智能將成為關鍵的落腳點，可通過以下步驟來實現：第一步，通過預訓練的方式，從大規模的互聯網文本中學習到廣泛的知識，可以回答各種主題和領域的問題;第二步，通過理解對話上下文，對前面對話內容進行分析并生成連貫的回答，這樣使得對話更加連貫、準確，并能夠準備回答提出的問題;第三步，通過結合網絡案例信息，用作指導和輔助工具，在教育、培訓和問題解決等方面提供支持，進而更加有效回答問題、提供解釋、給出相關法律制度建議。即計算機巨大算力與數據集合形成了有機融合“建立針對一切問題的規則集，其本身也一定是規模巨大的規則集”[3]。

依托人工智能平臺的自然語言處理、OCR識別等能力，自動抽取現實法律運行過程中各類法律活動的非結構化文檔中的關鍵結構、信息字段與標簽，將難以利用的非結構化文檔轉換為易于分析的結構化數據，顯著擴大法律制度運行過程中相關信息的獲取、比對及統計效率，有效提升數字化法律制度體系運行的自動化、智能化水平。而人工智能法律制度體系的轉換，是將原本基于文本層面的形式邏輯過程轉換為基于代碼層面的計算體系與算法步驟，是一種形式邏輯向符號邏輯進而轉換為數理邏輯的演進過程。在此過程中，算法的創建和開發過程本身是對法律運行活動的一種技術化解釋過程，即運用代碼化語言對文本法律制度的深層面、體系化解析。在此基礎上，人工智能工具能夠依據對法律規范的技術化、代碼化轉換，對現實社會運行法律案例及其文書進行信息檢索與內容自動提取，并且基于語義信息的體系建構完成對法律制度運行的信息化、技術化和智能化流程改造。此時，人工智能法律運行可能存在一種情形，即在代碼設計過程中，始終存在著程序設計和編碼者，基于個體的需求和想法甚至無意識的選擇，使得在算法邏輯中隱含和嵌入與法律制度邏輯本身相違背的代碼片段，從而使得算法本身可能偏離原有法律規范的價值和意識形態導向，進而在執行過程中導致嚴重的背離。那么如何處理好上述問題，成為人工智能法學研究的關鍵性問題。

（三）基于數據解析模式的結構性轉換

人工智能是將機器系統體現出更加智能性的發展趨勢，即將機器設定為“像人一樣思考”的理性思考，即如何“像人一樣行動”的理性行動。但早期的法律弱人工智能技術的發展，多采用專家人工總結或編撰的規則進行指導，存在機械化應用和智能化水平不高問題。而借助以深度學習、知識圖譜為代表的現代人工智能技術，進一步提升了數字法學體系的自動化構建，將散見于浩瀚網絡空間中的數據信息、法律文本、案例信息知識進行聚合，形成統一的人工智能數據集合體系及其算法體系，這種算法本身即為人工神經網絡。從生理學角度理解，神經元是神經網絡的基本處理單元，是一種多輸入、單輸出的非線性元件，多個神經元構成神經網絡。在神經網絡運算過程中，其基本原理基于模糊控制方式，將模糊集理論、模糊邏輯推理和模糊語言變量與控制理論和方法相結合的一種智能控制方法，目的是模仿人的模糊推理和決策過程，從而實現在模糊化處理模式體系中的精確化邏輯功能實現。當前隨著深度學習理論研究的不斷推進，基于神經網絡逐步發展所帶動的自然語言處理取得許多突破性發展，這種基于自主學習所帶來的人工智能主動思考和理解的能力的提升，使得算法網絡可以在一定程度上不再依靠人類事先編程就可以實現自我學習，有目的推理并與人類自然交互。正是依托于大數據模型，算法通過參數設定對現實社會生成的諸多數據內容進行系統性擬合，自動生產神經性網絡體系，從而模擬現實人工思考行為模式，進而達到更好擬合與模擬現實社會活動的運行目的。

從本質分析，人工智能之所以能夠應用于更加復雜的邏輯關系領域，在于人工智能能夠基于知識圖譜（Knowledge-Graph）建構，運用數理邏輯及其工具幫助人類發現隱藏在浩瀚數據本體背后的規律，并將這些信息歸納整理且表示出來。目前人工智能法律制度運行的基礎性環節在于通過圍繞一個關鍵概念聯結相關的法律概念、邏輯與制度體系，并在此基礎上通過持續的解釋與抽象以知識圖譜的形式完成基礎性法律規范體系的建構。即基于自然語言處理的文本挖掘技術從專業書籍和網絡知識庫中抽取法律知識、采用一階謂詞邏輯描述種植操作流程中各環節的組織關系和經驗性知識、利用因果挖掘技術實現法律規范體系與現實社會關系之間線性關系，從而進一步采用實體識別和關系抽取等傳統自然語言處理技術獲得語義層面的符號化知識?；谝巹t的提取和解釋過程，其本質是從現實規則體系中抽取抽象的邏輯結構要素與規則結構，其本身涉及基礎信息的提取與轉換過程。即通過算法語言的轉換，將自然語言轉換為能夠進行數據分析和處理的算法語言，從而實現處理對象從文本要素到數據要素的整體性轉換過程。因此，如果缺失法律規范文本的算法化解析過程，將無法解決法律制度運行及其論證活動中算法模型的引入與無縫化銜接。也就是說人工智能法律制度體系建構的基礎是基于對法律文本的算法化改造與“解析性”過程。人工智能法律制度體系的建構本質是基于法律規范體系對現實本文及其規范性數據體系所進行的深度挖掘與信息提取過程，其基礎性環節在于建構符合法律制度運行特征的信息挖掘參數系統。換言之，基于人工智能模型的算法體系，如果缺失將相關文本信息進行提取和論證相關聯的“數據字典”，將無法完成后續所需的基本流程。

二、人工智能法律制度運行的流程建構

人工智能與法律制度運行的基本目標是開發符合自然語言習慣的法律推理大模型工具，能夠在一定程度上符合現實社會需要并且能夠不斷進行技術迭代的生成式人工智能大模型。那么是否能夠通過擬制和仿真的方式，將現實的法律直接移植于數字空間呢？在現實中，不僅這種模型能夠進行情境分析，并且還能夠進行問題處理與結果預測，實現相關法律論證過程的智能化。究其本質而言，作為一種符號化的動物，人的意識活動基于符號化的認知與邏輯判斷。但符號化本身卻需要物質化的載體為依托，并且這種載體的形態也經歷了從文本化到算法化的具體轉換路徑，實現從符號化的處理到算法化運算形態的轉向。而在這種體系背景下，“算法就是法理，代碼就是規則”[2]220。

（一）法律規范的形成過程

從傳統法哲學角度看，法律概念本身所體現的是作為法律規范體系的基本構成單位，以其特定的規則形態和作用機理，實現對現實社會運行活動的抽象和規制。即通過運用抽象化符號體系對現實對象所進行的提煉和表達，使得現實社會運行的法律調整過程本身能夠按照概念體系實現系統確定性、系統性和內在邏輯性統一。而這種規則體系的形成過程，必然需要運用邏輯工具對現實復雜社會問題進行簡化處理，這也是將法律制度規則流程化和邏輯化的過程。即通過這種邏輯轉換過程，實現規則體系與現實社會活動之間的結構同構性與關聯耦合性。通過計算機模擬現實法律規則的運行，進而推動實際問題的有效解決，則是在上述制度運行過程基礎上的再次要素抽象與結構重構。將現實法律制度規范中的不同情形規定轉換為算法語言中的不同變量表征，從而完成從概念邏輯體系向數據關系體系的整體性形態轉換。即法律規則形成過程是一種邏輯判斷的轉換過程，通過邏輯運算實現對價值本體運行過程的重構與替換，而執行代碼本身也能實現法律規范調整社會秩序的目的。

人工智能本身的運行，實質只是基于算法語言對數據庫本身進行的加工和處理。但數據要素背后所表征的對象，通過算法的處理，將被賦予相應的秩序性選擇及規范性驅動。而算法規則體系運用于現實情境之中，本質是將制度規范文本解析過程與實體要素過程之間進行關聯，通過程序數據要素和結構之間的差異來反映和映射現實案例內在實體要素和語義要素的差異，從而達到以算法代碼模擬表征實體對象的目的?；诜梢巹t背后的價值取向與意識形態導向，通過算法語言的數理邏輯論證過程，以高度抽象化的形態內在隱含于算法模型的推理過程之中，即“通過擬制的方法將現實世界中的法律應用至賽博空間”[4]2。從而通過算法邏輯關系體系建構將法律經驗內化于代碼體系之中，進而實現在算法層面邏輯與經驗的辯證統一。

（二）法律規范的反映過程

人類要接受人工智能，就必須接受算法設定的各種規則，而算法本身就是規則。通過人工智能，就可以在虛擬世界通過創制新的算法來制定規則。而其本質運行邏輯在于，以數據的形式表示知識以及將現實社會運行過程簡化為算法和機器可模擬的過程，即關于機器的編程。目前數字孿生技術已經開始在工業、制造業和智慧城市等領域取得應用。這是一種可以將物理實體或系統的運行狀態實時映射到虛擬模型并能夠進行反向控制的新一代信息技術。而虛擬模型以數字化的方式創建物理實體的三維映射，這是對物理實體靜態屬性和動態演化過程的數字化表達。而法律規則是以高度概括的規范概念形態出現，這種規范概念體系本身傳統形態是以文字形式來進行表達。法律制度結構化的邏輯體系與現實社會本體運行之間的關系體現在法律關系的“本體性”存在，其本質是一種非結構性的信息化結構體系。此時雖然法律制度規范邏輯與現實社會運行邏輯之間是關聯耦合體，但法律文本的結構體系與規范的內在抽象邏輯體系本身并非完全無法分割的整體，也就是說規范邏輯本身可以依存于不同的外在形態之內。

“代碼主導的技術架構作用最為重要，這是因為日益復雜的算法構成，重新塑造了包括法律在內的社會控制/生產機制”[4]13。即其存在表征形式并非只能存在于文本之中，其內在的邏輯性存在可以依托于語言、文本、印刷體甚至是代碼體系形態。通過文本層面的要素標記實現對現實社會法律關系的抽象與重構，而這種關系反映到數字技術層面，則體現為算法語言所形成的代碼空間對數字對象體系的要素加權。這兩種過程的本質均是運用抽象化的要素過程對現實社會現象的解釋與重構。只不過區別在于一種形成文本化的邏輯空間，而另一種則是數字化的代碼空間。基于上述原理可以看出，自然語言推理與算法模型的演算本身并沒有質的區別，只是在運行過程和形式體系存在模式上的不同。自然語言是自然人依據形式邏輯規則，對法律制度規則與現實社會活動之間建立有效的推理、解釋和論證路徑。在數字空間中，法律的規范作用如果想繼續發揮作用，必然面對形式上的代碼化轉換以及實質上的算法化轉向。而算法模型的應用，則是依據數理邏輯規則，建立起數據對象與模型要素之間的耦合關系，從而完成人工智能的法律邏輯判斷。兩者本質均為依據相應的制度規范規則體系，通過法律規則體系命題邏輯的建構與分析，進而實現對現實法律對象的信息提取、要素挖掘和概念推理過程。

（三）法律規范的調整過程

人工智能本質就是算法，算法本質則是規則;接受人工智能本身，就是接受算法的規則屬性。以代碼為形態的技術架構呈現出與文本為形態的法律建構相類似的秩序規制與調整的模式形態。即數字空間的規制對象從實體轉換為數據，相應的調整工具也只能從法律轉換為代碼。數字化空間體系所帶來的不僅僅是技術對現實社會運行過程的滲透和影響，更重要的是技術框架和體系對現實社會政治經濟活動運行過程的系統性重塑。法律規范運行本身是社會動態形態與靜態規則體系的統一體，而其關鍵核心在于法律規則本身構建的是一個可預測的規范體系。信息本身的要素運行和系統整合功能，使得社會系統運行本身能夠通過信息系統的建構實現高度負責要素體系與結構功能體系的相互嚙合，從而通過信息系統功能的建構與解釋，實現對象社會運行整體狀況的處理與分析，進而達到以信息化推動社會現代化建設的目的。這種過程發展到一定階段，即數字化技術體系的誕生，進一步推動了社會整體信息化發展的進程，進而有效提升了社會管理的效能與現代化水平。

從上述分析可以看出，算法架構本身對數字空間數據運行會產生規則性作用，通過法律規則算法與數據之間建立的關聯關系，能夠在規則體系與對象體系之間建立邏輯鏈接，進而為程序與社會原型之間的關聯推理提供有效路徑支撐。因此，從技術層面看，算法只是一種對抽象符號的處理過程，但從實質看算法程序本身則是對數據對象的操作與控制，其本質是對數據對象本體的規制與處理。此時在現實社會體系運行過程中，靜態的法律規范與動態的社會運行之間的矛盾，同樣也會反映到算法體系與數據對象之間的關系上來。此時通過自然語言及其文本挖掘工具，通過數字化處理，運用算法工具實現對現實社會運行活動的代碼化規制。數據空間法律運行的關鍵，在于誰能夠控制權力規則的制定與解釋權，即誰能夠有權對法律制度的代碼化進行權力的宣告。

三、人工智能法律制度運行的局限性分析

數據要素是數字世界與物理世界相互聯動的紐帶。第四次技術革命的實質是以數據為要素通過數字孿生形式實現物理世界與數字世界的雙向賦能，實現數據要素的價值化和流動性。數字世界方法論要確立數據是生產要素的理念，制定數據作為生產要素的經濟規則，以此激活各類網絡資源和數字運行方式。伴隨數據信息成為基本社會資源和重要生產要素，數字技術也以新理念、新業態、新模式全面融入人類經濟、政治、文化、社會建設各個領域和全過程。人工智能法律制度運行過程的關鍵環節在于探尋必要的制度性回應方式，最主要的就是對法律制度運行模式進行體系化轉換。

（一）認知模式層面

人工智能預測算法利用人工智能技術通過大規模數據分析、模型優化、模擬仿真等手段對問題進行建模、優化和決策，通過分析歷史數據和模式，利用統計學和機器學習等方法，對相關領域事件的未來發展趨勢進行預測和分析，并為科學決策提供技術支撐。在人工智能法律制度體系建構中，生成式人工智能本身的模型構建基于大規模數據對象的要素提取與規則建構，這種算法的建構與人類學習過程高度相仿，因此能夠在較短的時間內完成對傳統技術模式的超越。但這種基于數據統計和指標特征賦值的模式，在一定程度上也帶來機器學習的機械化趨勢，即無法實現對訓練數據集合的超越，這也是現實人工智能發展的瓶頸。有時它可能會誤解問題或無法正確解釋問題的含義，特別是在訓練數據集的提供之基于大規模的互聯網文本，缺乏特定個人經驗常識和特征預判，甚至可能導致它在某些情況下提供不準確或不切實際的回答。提供更專業和精確的領域知識和支持，成為未來人工智能法學研究的重要方向。因此，人工智能法律制度本身只能是一種輔助性的技術手段，是對現實法律制度運行過程的技術化手段運用。其本身只是類似于從語言文字到印刷文本的過程，類比于從習慣法到成文法的躍升，不能也不可能實現對人類意識的超越。

（二）算法體系層面

以機器學習為代表的人工智能技術在特定領域任務已經表現出強大的信息處理和數據挖掘能力，能夠有效地彌補人類分析決策中有限理性的局限。但人工智能技術所具備的計算和感知能力，是模型與數據結合并以大量計算為特征的機器智能，其在存儲、搜索、感知和模式識別等嚴格定義的問題上性能表現優異，但在高級認知和復雜決策方面與人類智慧依然相去甚遠。特別是法律制度運行本身在邏輯體系之上還有高度相關聯的經驗積累，單純依賴算法規則體系本身具有不確定性、非線性及動態性等問題，僅依靠人工智能技術已經不足以應對風險智能識別和復雜管理決策中的挑戰。在算法方面，當前的人工智能只能執行專門開發的任務，無法將學習到的能力轉移到另一項任務中，認知能力弱，并不具備常識，也沒有思考與邏輯能力，通用人工智能仍有比較遠的距離。深度學習框架及配套工具為大模型的生產和應用提供了基礎支撐，涉及開發、訓練、壓縮、推理和服務等。

（三）數據對象層面

人工智能技術的提升離不開模型訓練，具有海量參數的模型訓練幾乎完全依賴于算力支撐，未來人工智能將成為基礎性的技術，相應地，它對計算力的要求也將越來越高。數據、算法、算力方面均存在一些限制，人工智能技術攻關尚存難度。數據方面，數據集過小或是標注質量偏低都可能導致訓練結果誤差較大，擁有針對特定領域的龐大數據集，能夠成為形成人工智能技術優勢的一個重要來源，高質量數據集相對缺乏限制了人工智能技術發展。在現有技術運用層面，模型在訓練過程中不可避免地受訓練數據中的文化與價值觀所影響，從而決定了其形成的意識形態。大模型自身的安全風險源于其開發技術與實現方式。由于這些模型通常采用大量數據進行訓練，它們不僅從數據中學習知識和信息，還可能從中吸收和反映數據中存在的不當、偏見或歧視性內容。這些數據可能來源于互聯網或其他公開來源，其中包含的多樣性和復雜性導致模型很難完全準確地反映人類的價值觀和倫理標準。因此，在法律大模型的建構中，規范化的語料設計和系統化體系建構成為開發的關鍵環節。

綜上分析可以看出，基于大模型技術的支撐，生成式人工智能本身能夠在用戶需要一些建議或意見時提供一些指導;在做決策需要幫助時提供一定的思路或觀點供客戶進行參考。其突出優點在于基于強大的算法語言和數據支撐，系統可以理解和生成自然語言，這使得與它交流更加自然和流暢?？梢允褂米匀坏恼Z言形式提問，而不必拘泥于特定的格式或數據庫搜索模式。正是基于模型訓練所帶來的生成式算法結構體系，可以使得人工智能本身通過提供問題或指令，并基于高效率的模型生成對應的回答或輸出。這也帶來了一個不可回避的問題，即使用生成式模型，智能根據輸入的問題或指令生成相應的回答。即基于神經網絡架構，在自然語言處理任務中對輸入序列的不同位置進行加權關注，從而捕捉自然語言規則體系下的上下文信息。也就是說，生成式人工智能僅僅是匹配和返回預先定義的答案，是通過模型對語言的理解和創造性生成，根據上下文和語義生成回應。而上述問題也成為當前人工智能法學研究必然面對和需要突破的技術性難題。

參考文獻：

[1][美]卡洛，等.人工智能與法律的對話[M].陳吉棟，等譯.上海：上海人民出版社，2018.

[2]顧駿，許春明.意志與責任：法律人工智能[M].上海：上海大學出版社，2020.

[3][美]阿什利.人工智能與法律解析——數字時代法律實踐的新工具[M].邱昭繼，譯.北京：商務印書館，2020：57.

[4]胡凌.數字架構與法律：互聯網的控制與生產機制[M].北京：北京大學出版社，2024.

收稿日期：2024-08-14

基金項目：2023年度國家社科基金后期項目“算法政治學體系特征與運行機制研究”（23FZZB008）;2024年度最高人民檢察院檢察應用理論研究課題《數字檢察“模型化”賦能體系建構與運行機制研究》

作者簡介：褚爾康，教授，博士生導師，從事數字法學、計算政治學研究;彭瑞峰，三級調研員、四級高級監察官，高級工程師，從事數字監察理論研究。