今天小编分享的科学经验：人工智能“进军”法律界，要替代掉律师和法官？，欢迎阅读。
2023 年 8 月 24 日，科普中国 · 星空讲坛以 " 通用人工智能的赛道到底在哪里？" 为主题，邀请 4 位人工智能研究领網域的专家，聚焦在理论范式、目标、实现途径、应用等方面，讲述未来通用人工智能技术如何影响整个人类社会。
湖北敬卓律师事务所律师、汉口学院文法学院教师沈建铭带来演讲：《人工智能法律推理系统的限度及展望》
以下是沈建铭的演讲节选：
2022 年 12 月 9 日，最高人民法院发布了《关于规范和加强人工智能司法应用的意见》，该意见提出，在 2025 年，我国要基本建成较为完备的司法人工智能应用体系；到 2023 年，建成具有规范引领和应用示范效应的司法人工智能应用与理论体系。
而自 2016 年以来，最高人民法院、最高人民检察院就出台了一系列关于 " 智慧法院 " 和 " 智慧检务 " 的规划意见，各级人民法院也是纷纷响应，2016 年杭州法院又推出了法小淘系统，专注打造线上法庭。北京法院相继推出了睿法官智能研判系统，上海法院构建了 206 智能刑事案件辅助系统，该系统不仅在程式上实现了法院事务的智能化，对于审判活动也发挥了极大的助力。
图库版权图片，转载使用可能引发版权纠纷
法律人工智能化不单纯是中国法律界的政策与技术的推动，世界各国也在纷纷涉及本国的审判服务系统。
其中最典型的实例，其中美国法院采取了 COMPASS 刑事审判量刑系统，该系统主要是通过大数据操作，对刑事案件文书进行要素标注，分析量刑过程，对裁判文书进行标准化处理。提取文书中的相关要素，将其分为一般要素、刑期要素等。例如抢夺，最终存在着是否多次抢夺、携带凶器抢夺、抢夺金额等要素，通过对其赋予不同权重，以综合判断量刑参考意见为法官提供支持。
如此众多的法人工智能系统在为法官提供支持，那么其中的两个问题我们就不得不进行反思。
问题一：人工智能系统能否胜任法官、律师等角色，人工智能系统能够实现司法审判吗？
问题二：人工智能系统能够实现法律推理吗？
特别是在技术的高猛进之下，我们更需要一些 " 冷思考 " 而要回应这个问题。
首先是，要明白目前主流人工智能是如何实现法律推理？又是如何回应法律问题的？
自 20 世纪 50 年代开始，人工智能就呈现出突飞猛进的发展趋势，出现了以符号主义和联结主义为代表的两种人工智能不同的研究路径，而且这两种路径均取得了可喜的成果。
一、符号主义
符号主义，基本假设认为人的心理能力实质上是一个物理符号系统，人的大腦类似于一个物理符号系统。要解决问题在于搜索以及在给定的问题所有的可能性之中寻找到合适的这样一种方式，也即是我们利用计算机的这样一种符号操作，来实现对于人类寻找解决答案的这样一个过程，即认知及计算。
早期的法律人工智能就是建立在符号主义的逻辑路径之上，人工智能学者认为只要让人工智能系统懂得全部的法律规则，懂得法律推理的规则，那么就能够实现法律推理的自动化。而这不仅是人工智能学家的追求，许多法学家也表达了同样的憧憬。
德国思想家马克斯 · 韦伯曾经将理想的司法模式比喻为一台自动售货机：从一端输入案件事实，另一端再根据预定好的法律规范，产生出司法判决。
许多法律人也认为法律就是一门科学，法律人可以依据科学方法，从若干根本性的原则概念之中推导出正确的法律规则和结论。
但是在符号主义的路径之下，法律人工智能的进展却一直十分缓慢。
虽然出现了法律法规的案例检索库，但无法实现真正的法律推理，更无法形成司法判断。
因此技术的实验结果也证明了符号主义人工智能系统，在法律领網域中的部分失败，而究其原因在于人工智能学家低估了法律系统本身的复杂性与开放性。
美国著名大法官霍姆斯曾经有一句名言 " 有法律的生命不在于逻辑，而在于经验。"
法律规则的适用不仅要求符合法律逻辑的推导，还有规则背后的社会经验，而这些规则的适用也非常依赖于法官的背景知识，法官需要权衡规则所蕴含的法理情感、道德政策等诸多因素。因此通过计算机实质化的语言建构起来的规则体系，难以构建起不同规则之间，这两种逻辑关系，也更难充分表达不同规则之间的意义内涵。而恰恰是这样的意义内涵是丰富的，是难以被计算机语言以实现的，因此符号主义慢慢地被联结主义所取代。
二、联结主义
联结主义则认为这本身是源自一场认知科学的运动，它通过人工神经网络来解释智力活动，神经网络由神经元和连接不同神经元的权重所构成，权重的模仿是神经元之间的连接强度，通过对神经网络活动的模拟，以实现人类的认知过程。
联结主义人工智能系统最常见的应用体现在语音识别，影像识别等方面，而我们常说的深度学习以及最近大火的 ChatGPT，也正是联结主义模式的具体体现。
这种算法通过分类的方式识别不同模式的不同结构差异，并以一定的权重，以发现该模式的规律实现机器对于事物的学习。由于联结主义克服了符号主义自身的这样的一种完备性形式化的问题，故而联结主义在实际中具有更广泛的应用途径。
前文所列举的诸多司法人工智能，如美国的 COMPASS 系统，就是在联结主义模式之下所产生的，联结主义人工法的人工智能在生成法律文书，辅助司法判决方面具有重大的意义。
三、人工智能会取代法官律师吗？
那么这一类人工智能能否胜任法官律师等决策呢？能否进行司法判断？司法判断所给予的推理，能否进行法律意义上的推理呢？从 4 个方面来回应。
首先第一个问题，体现在主流人工智能的数据基础之上，主流人工智能的学习依赖于数据的喂养，而这种数据并不单纯的生活世界中杂乱的数据，大数据要成为有用的数据，就要求对数据进行标识，通过标识让数据符合算法结构的要求，才能为人工智能系统所识别。
数据识别的过程是对原本数据中所包含意义进行裁剪的过程，经过裁剪之后的数据也仅能符合某一人工智能系统的要求，而这一过程全是复杂多样的，甚至有些系统也是难以进行裁剪过程的。
现实数据的复杂性、杂乱性成为了主流人工智能实现其目的的第一大障碍。
第二个方面的问题则体现在语言之上，人类的日常语言本身是结构化的，语言的表达存在着其固有的语法结构，而法律更是建立在这种语言规则之上的。法律语言有其自身的结构化特点，因此从形式上主流人工智能仅通过数据标识来识别规则，而忽略了规则本身的结构特征。而从内容上以数据化的方式识别法律规则，更忽略了法律语言自身的特点。
法律语言的特征是开放的，人工智能所需要的数据必须符合系统本身的要求，这就要求对来自源于生活世界的样本进行裁剪，意义与内涵也在这个过程中被流失，而这也是无法克服的难题。
第三个问题，法律推理的规则之上。主流人工智能实现法律推理的过程，首先是对日常生活的各类法律争议进行分类，区分不同类型的纠纷，进而针对某一特定纠纷输入大量司法裁判，让人工智能系统能够习得这类纠纷一般的裁判结果。
而人工智能正是在习得这一规则的过程之中，则是不同行为规则对案件结果影响程度的特征值，足够通过数学计算，特别是概率计算，以得出这一类规范导出一般裁判结果的概率，而这显然是不符合法律推理的一般规则的。
法律推理是事实与规则相符合的过程，而不是计算，更不是概率性的相符。人工智能法律推理除了法律规则的不相符之外，同时推理规则，推理的过程在法律层面上也存在较大的问题。
这些问题体现在人工智能生成法律判断的过程中，人工智能生成法律判断的过程是以数学的方式所产生的，而作为事实过程，当事人无法直观地判断法律结果生成的过程，由此因为这一推理的过程本身是不公开的，也自然导致了行为人，对人工智能生成的结果的怀疑，这也即是我们所说的算法的 " 黑箱 "，而法律程式就是要起到公开法律推理这一重大意义。
司法公开是司法裁判的基本原则，在司法程式中，双方当事人通过证据来说明事实，通过法律来解释依据是双方在控辩之间的一种公平较量，行为人通过公开的程式能够理解司法判决形成的过程，通过司法程式能够息讼止争，这是司法公开的基本含义，也是法治的基本要求。
" 黑箱 " 化的操作非公开性本身就违反了司法的基本原则，也违反了法治的基本精神。因此人工智能法律系统在数据、语言、推理及程式上存在着难以克服的局限性有问题。所以许多人工智能学家，许多法学家认为，法律人工智能需要打开 " 黑箱 "，增加算法的透明度和可解释性，但是无论是否能够打开 " 黑箱 "。
主流人工智能在实现司法推理上均存在着极大的问题，而究其原因在于主流人工智能推理过程本身是数学性的，计算的是行为与结果之间的可匹配性。
主流人工智能所做的关工作仅是将行为与结果进行这样匹配，当其满足一定概率依据时，那么我们就认为完成了法律推理，因此主流人工智能的本质计算，具体而言是概率计算，那么这里面我们就不仅要提出一个问题，法律是可计算的吗？或者说是法律是否具有可计算性呢？这种答案显然是否定性的。
从主流人工智能的实验结果，我们就可以认识到这一答案，法律推理本质上是综合性的，法律判断的结果是不包含在前提条件之中的，也是根据事实层面的判断，再辅之以规范性的基础才能获得法律判断的结论。
但是主流人工智能的基础是计算是根据数学规则的运算结果，主流人工智能只是从众多案例中得到一些数学规则，而这种数据规则本身是蕴含在法律规则之中的，因此主流人工智能判断是分析性的，法律从根本上说不是计算的，而法律的计算性也仅仅提到局部意义上的认识层面，法律的结果要求进行价值判断，要求进行综合判断。
主流人工智能的问题在法律推理上，从法律层面而言，更多意义上是致命性的。主要人工智能法律推理从根本上否定了法律推理的基本要求，也否定了法律裁判的基本模式，更否定的法律的基本原则。
那么法律推理是什么？法律推理，简而言之是从已知的前提推导出未知的结果的方法。法律推理是法律人在适用法律过程之中，在确定法律事实，选择法律规范，并在此基础之上选择法律事实所归属的特定方案范围，并援引法律条款获得裁判结果的一种思维活动。
常见的法律推理的形式表现为三段论推理，即在满足大前提和小前提的基础上，可以推导出相应的结论。其中法律规定是大前提，基本事实是小前提，当小前提符合大前提的条件之下，可以推导出法律结论，如故意杀人的处死刑。张三故意杀害李四，故张三应当被判处死刑。
而在三段论推理过程中，不仅法律结论需要被证明，同样的大小前提也需要被证明。我们需要证明张三是故意伤人的主体，张三具有主观上的故意，张三具有杀人的行为，张三的行为导致了李四的死亡，而这一过程需要我们来回审查法律规定与基本事实，既要找到合适的法律规定，同样的也要找到符合法律规定的基本事实，因此法律推理的过程是目光在事实与规范之间的来回流转，而这一过程首先是公开的，也即是原被告双方通过证据给相应的事实和法律规范寻找其边界与范围，最后法官再综合形成法律判断这一过程。
其次法律推理是具有可辩驳的，这种可辩驳性意味着集中体现是在法庭辩论之中，法庭辩论的对话与原被告双方各自论证其自身的观点的合法性，又受到对方观点的反驳，而这一过程就是典型法律推理的过程。
再其次法律推理具有可废止性，也即是法律推理的结果，并非保证的，也并非绝对真理。法律推理的前提是建立了证据对客观事实的反映之上的，而通过证据来进行证明和反证，因此法律推理当遇到反证或其他相反要素时候，法律推理的结果是具有否定意义的。
因此法律推理并非单纯意义上形式逻辑的推理，法律推理也包含了许多自身的特点，而符号主义、联结主义等技术路径之上的，而这种技术路径在形成专用人工智能的诸多应用中，具有非常广泛的前景，能够极大提升司法效率。但专用人工智能在法律应用化实践中却均遇到或多或少的难题，而有些难题甚至在理论上是致命性的，而要解决这样一个难题。
通用人工智能似乎给我们一定的启发，那么法律通用人工智能能否实现法律推理？通用人工智能法的推理的系统能否胜任法官和律师的角色呢？
四、应用：NARS 系统
王培教授开发的非公理系统、又称为 NARS 系统。NARS 系统是一种智能推理系统，它主要利用非公理逻辑，通过演绎、归纳、整合、修订等逻辑规则，统一事务之间形式，处理一些不确定性的事物关系。
NARS 的系统基本假设是智能被理解为在知识与资源的足够的条件下的一种适应能力。知识与资源的相对不足的假设是 NARS 系统的逻辑前提，也正是基于这样一种假定条件，使得 NARS 系统具有了有限性、实质性开放与适应性的特点。
有限性是指 NARS 的计算能力与其工作储存空间是有限的。
实时性是指的是它需要实时处理各种随时出现的任务，包括知识的获取，决策的选择。
开放性是指只有在系统语言中表示出来这种新旧规则的这样一种开放性。表现为 NARS 系统本身的这样一种概念与知识，是对经验对客观世界的开放而不受到其他的限制。
适应是指系统能够主动地学习经验，获得知识，以适应可能出现的环境和任务的要求，那么 NARS 系统能否实现法律推理？
以下，我将从法律推理的前提，概念知识、法律推理规则等三个方面来进行阐释。
1
NARS：法律推理的前提
NARS 系统的认识是建立了对其环境的过去的经验之上的，并形成概念与知识。NARS 之所以如此，源自其对形式逻辑的改造与更新，NARS 系统所采取的真实函数的形式，将事物的真实性的判断和可行性的判断交给证据，而证据源自事物系统过去的经验，以解决系统适应性问题，而这就导致了一个问题在于 NARS 系统的结论并不必然保证，他仅能在其所经历的或间接经历的证据中找到一定的依据，而这恰恰与法律推理的前提具有一定的一致性。
由于人类的认识和理性能力是有限性的，每个人都无法彻底还原事实发生的客观过程，而作为第三方也仅能够通过证据来判断推理事物发展的过程，而这一推理的过程只要符合一定标准，即被视为是真实的，即法律真实。
法律推理是建立在有限机制基础之上，对案件事实的认识达到法律要求的标准，而作出决策推理，而司法审判认证的标准主要在标准在于排除合理怀疑，高度概然（概括）性以及优势证据基础之上，也即是当一组证据能够达到排除合理怀疑，具有较大概率发生的条件下，那么我们就确信这一事实发展是真实的，法律推理除了要达到真实性之外，还有其他方面的要求，也即是法律推理的情境知识。
2
NARS：概念知识
法律人所要做的法律判断本身是基于具体事实情境的，而这一具体事实情境又包含了许多背景性的知识，法律推理是将原来社会生活中的具体情境，而这纳入法系统之中主要是通过法律概念法律规则来实现的，如故意过失是对某一主观状态的归纳总结，侮辱，猥亵又是对另一行为的抽象概括，法律推理的前提是建立在这些概念规则基础之上，但这些概念规则并不单纯的是某一抽象的术语名词，而包含了丰富的社会生活背景，只有具有了充分的社会经验，才能理解这一法律概念背后的意义。而法律证据为这种法律概念的内涵提供了证明与支持。
NARS 系统的基础逻辑設定是将经验纳入其中，NARS 系统的形成期，NARS 形成了一套基于经验的语义学，NARS 系统每一个词项的含义和每一种语句的真实，都是在原则上是由系统的获取经验所决定的。
NARS 系统的知识也并非一个世界的模型，而是系统经验的抽象总结，这种经验是对系统与环境互动的有效的记录，这种经验片段的抽象形成的概念，而这种概念在 NARS 中被以词项来命名，而词项所指示的就是系统中的概念，而非概念系统以外的事物。
但是这样一种概念又是与过去经验发生了一定的关联，这种关联就构成了概念之间概念之网，而形成了知识之网，NARS 的这样一种概念体系，并不单纯的是某种词项术语是包含着其唯有的经历与证据，保持着与事实之间的绝对的这种联系。
因此 NARS 推理过程是建立在这种概念或者说是词项之上的，通过 NARS 进行推理，能够有效的避免专用人工智能，特别是符号主义人工智能的推理模式中的形式化，符号和空洞化，从而建立起概念与真实事件的这样一种联系。
3
NARS：法律推理规则
NARS 系统的三段论推理形式主要包含了演绎推理、归纳推理、归因推理，而基于归因和归纳推理，又引申出来了比较和类比推理。这种推理不单纯的是建立在词项概念的基础之上，词项与概念的负荷，又形成了许多复杂性的陈述与语句，而这种推理规则也是适用于此。
法律推理的基础是法律概念，是探讨法律概念法律规则之间的逻辑关系。NARS 的推理也大体如此，因此 NARS 推理的规则是能够胜任法律推理的。
由于 NARS 系统本身所具有这样一种非公理性的特点，使得 NARS 系统在理论层面上能够实现或者部分实现法律推理的功能，或许正是基于 NARS 推理对人类思维过程规律性的总结和反应，使得 NARA 系统能够部分实现人工智能的法律推理，因此人工智能能否实现法律推理？在这一层面上我们需要反观通用人工智能给我们带来的启发，人工智能要想实现法律推理，其根本要求就是要再现人类思考的基本特点，而这一过程显然法律通用人工智能更具有前景。
策划制作
责编丨金禹奋（实习生）
点亮 " 在看 "
AI 替代不了人类
>
