2023 年 8 月 24 日，科普中國 · 星空講壇以 " 通用人工智能的賽道到底在哪裏？" 爲主題，邀請 4 位人工智能研究領域的專家，聚焦在理論範式、目标、實現途徑、應用等方面，講述未來通用人工智能技術如何影響整個人類社會。
湖北敬卓律師事務所律師、漢口學院文法學院教師沈建銘帶來演講：《人工智能法律推理系統的限度及展望》
以下是沈建銘的演講節選：
2022 年 12 月 9 日，最高人民法院發布了《關于規範和加強人工智能司法應用的意見》，該意見提出，在 2025 年，我國要基本建成較爲完備的司法人工智能應用體系；到 2023 年，建成具有規範引領和應用示範效應的司法人工智能應用與理論體系。
而自 2016 年以來，最高人民法院、最高人民檢察院就出台了一系列關于 " 智慧法院 " 和 " 智慧檢務 " 的規劃意見，各級人民法院也是紛紛響應，2016 年杭州法院又推出了法小淘系統，專注打造線上法庭。北京法院相繼推出了睿法官智能研判系統，上海法院構建了 206 智能刑事案件輔助系統，該系統不僅在程序上實現了法院事務的智能化，對于審判活動也發揮了極大的助力。
圖庫版權圖片，轉載使用可能引發版權糾紛
法律人工智能化不單純是中國法律界的政策與技術的推動，世界各國也在紛紛涉及本國的審判服務系統。
其中最典型的實例，其中美國法院采取了 COMPASS 刑事審判量刑系統，該系統主要是通過大數據操作，對刑事案件文書進行要素标注，分析量刑過程，對裁判文書進行标準化處理。提取文書中的相關要素，将其分爲一般要素、刑期要素等。例如搶奪，最終存在着是否多次搶奪、攜帶兇器搶奪、搶奪金額等要素，通過對其賦予不同權重，以綜合判斷量刑參考意見爲法官提供支持。
如此衆多的法人工智能系統在爲法官提供支持，那麽其中的兩個問題我們就不得不進行反思。
問題一：人工智能系統能否勝任法官、律師等角色，人工智能系統能夠實現司法審判嗎？
問題二：人工智能系統能夠實現法律推理嗎？
特别是在技術的高猛進之下，我們更需要一些 " 冷思考 " 而要回應這個問題。
首先是，要明白目前主流人工智能是如何實現法律推理？又是如何回應法律問題的？
自 20 世紀 50 年代開始，人工智能就呈現出突飛猛進的發展趨勢，出現了以符号主義和聯結主義爲代表的兩種人工智能不同的研究路徑，而且這兩種路徑均取得了可喜的成果。
一、符号主義
符号主義，基本假設認爲人的心理能力實質上是一個物理符号系統，人的大腦類似于一個物理符号系統。要解決問題在于搜索以及在給定的問題所有的可能性之中尋找到合适的這樣一種方式，也即是我們利用計算機的這樣一種符号操作，來實現對于人類尋找解決答案的這樣一個過程，即認知及計算。
早期的法律人工智能就是建立在符号主義的邏輯路徑之上，人工智能學者認爲隻要讓人工智能系統懂得全部的法律規則，懂得法律推理的規則，那麽就能夠實現法律推理的自動化。而這不僅是人工智能學家的追求，許多法學家也表達了同樣的憧憬。
德國思想家馬克斯 · 韋伯曾經将理想的司法模式比喻爲一台自動售貨機：從一端輸入案件事實，另一端再根據預定好的法律規範，産生出司法判決。
許多法律人也認爲法律就是一門科學，法律人可以依據科學方法，從若幹根本性的原則概念之中推導出正确的法律規則和結論。
但是在符号主義的路徑之下，法律人工智能的進展卻一直十分緩慢。
雖然出現了法律法規的案例檢索庫，但無法實現真正的法律推理，更無法形成司法判斷。
因此技術的實驗結果也證明了符号主義人工智能系統，在法律領域中的部分失敗，而究其原因在于人工智能學家低估了法律系統本身的複雜性與開放性。
美國著名大法官霍姆斯曾經有一句名言 " 有法律的生命不在于邏輯，而在于經驗。"
法律規則的适用不僅要求符合法律邏輯的推導，還有規則背後的社會經驗，而這些規則的适用也非常依賴于法官的背景知識，法官需要權衡規則所蘊含的法理情感、道德政策等諸多因素。因此通過計算機實質化的語言建構起來的規則體系，難以構建起不同規則之間，這兩種邏輯關系，也更難充分表達不同規則之間的意義内涵。而恰恰是這樣的意義内涵是豐富的，是難以被計算機語言以實現的，因此符号主義慢慢地被聯結主義所取代。
二、聯結主義
聯結主義則認爲這本身是源自一場認知科學的運動，它通過人工神經網絡來解釋智力活動，神經網絡由神經元和連接不同神經元的權重所構成，權重的模仿是神經元之間的連接強度，通過對神經網絡活動的模拟，以實現人類的認知過程。
聯結主義人工智能系統最常見的應用體現在語音識别，圖像識别等方面，而我們常說的深度學習以及最近大火的 ChatGPT，也正是聯結主義模式的具體體現。
這種算法通過分類的方式識别不同模式的不同結構差異，并以一定的權重，以發現該模式的規律實現機器對于事物的學習。由于聯結主義克服了符号主義自身的這樣的一種完備性形式化的問題，故而聯結主義在實際中具有更廣泛的應用途徑。
前文所列舉的諸多司法人工智能，如美國的 COMPASS 系統，就是在聯結主義模式之下所産生的，聯結主義人工法的人工智能在生成法律文書，輔助司法判決方面具有重大的意義。
三、人工智能會取代法官律師嗎？
那麽這一類人工智能能否勝任法官律師等決策呢？能否進行司法判斷？司法判斷所給予的推理，能否進行法律意義上的推理呢？從 4 個方面來回應。
首先第一個問題，體現在主流人工智能的數據基礎之上，主流人工智能的學習依賴于數據的喂養，而這種數據并不單純的生活世界中雜亂的數據，大數據要成爲有用的數據，就要求對數據進行标識，通過标識讓數據符合算法結構的要求，才能爲人工智能系統所識别。
數據識别的過程是對原本數據中所包含意義進行裁剪的過程，經過裁剪之後的數據也僅能符合某一人工智能系統的要求，而這一過程全是複雜多樣的，甚至有些系統也是難以進行裁剪過程的。
現實數據的複雜性、雜亂性成爲了主流人工智能實現其目的的第一大障礙。
第二個方面的問題則體現在語言之上，人類的日常語言本身是結構化的，語言的表達存在着其固有的語法結構，而法律更是建立在這種語言規則之上的。法律語言有其自身的結構化特點，因此從形式上主流人工智能僅通過數據标識來識别規則，而忽略了規則本身的結構特征。而從内容上以數據化的方式識别法律規則，更忽略了法律語言自身的特點。
法律語言的特征是開放的，人工智能所需要的數據必須符合系統本身的要求，這就要求對來自源于生活世界的樣本進行裁剪，意義與内涵也在這個過程中被流失，而這也是無法克服的難題。
第三個問題，法律推理的規則之上。主流人工智能實現法律推理的過程，首先是對日常生活的各類法律争議進行分類，區分不同類型的糾紛，進而針對某一特定糾紛輸入大量司法裁判，讓人工智能系統能夠習得這類糾紛一般的裁判結果。
而人工智能正是在習得這一規則的過程之中，則是不同行爲規則對案件結果影響程度的特征值，足夠通過數學計算，特别是概率計算，以得出這一類規範導出一般裁判結果的概率，而這顯然是不符合法律推理的一般規則的。
法律推理是事實與規則相符合的過程，而不是計算，更不是概率性的相符。人工智能法律推理除了法律規則的不相符之外，同時推理規則，推理的過程在法律層面上也存在較大的問題。
這些問題體現在人工智能生成法律判斷的過程中，人工智能生成法律判斷的過程是以數學的方式所産生的，而作爲事實過程，當事人無法直觀地判斷法律結果生成的過程，由此因爲這一推理的過程本身是不公開的，也自然導緻了行爲人，對人工智能生成的結果的懷疑，這也即是我們所說的算法的 " 黑箱 "，而法律程序就是要起到公開法律推理這一重大意義。
司法公開是司法裁判的基本原則，在司法程序中，雙方當事人通過證據來說明事實，通過法律來解釋依據是雙方在控辯之間的一種公平較量，行爲人通過公開的程序能夠理解司法判決形成的過程，通過司法程序能夠息訟止争，這是司法公開的基本含義，也是法治的基本要求。
" 黑箱 " 化的操作非公開性本身就違反了司法的基本原則，也違反了法治的基本精神。因此人工智能法律系統在數據、語言、推理及程序上存在着難以克服的局限性有問題。所以許多人工智能學家，許多法學家認爲，法律人工智能需要打開 " 黑箱 "，增加算法的透明度和可解釋性，但是無論是否能夠打開 " 黑箱 "。
主流人工智能在實現司法推理上均存在着極大的問題，而究其原因在于主流人工智能推理過程本身是數學性的，計算的是行爲與結果之間的可匹配性。
主流人工智能所做的關工作僅是将行爲與結果進行這樣匹配，當其滿足一定概率依據時，那麽我們就認爲完成了法律推理，因此主流人工智能的本質計算，具體而言是概率計算，那麽這裏面我們就不僅要提出一個問題，法律是可計算的嗎？或者說是法律是否具有可計算性呢？這種答案顯然是否定性的。
從主流人工智能的實驗結果，我們就可以認識到這一答案，法律推理本質上是綜合性的，法律判斷的結果是不包含在前提條件之中的，也是根據事實層面的判斷，再輔之以規範性的基礎才能獲得法律判斷的結論。
但是主流人工智能的基礎是計算是根據數學規則的運算結果，主流人工智能隻是從衆多案例中得到一些數學規則，而這種數據規則本身是蘊含在法律規則之中的，因此主流人工智能判斷是分析性的，法律從根本上說不是計算的，而法律的計算性也僅僅提到局部意義上的認識層面，法律的結果要求進行價值判斷，要求進行綜合判斷。
主流人工智能的問題在法律推理上，從法律層面而言，更多意義上是緻命性的。主要人工智能法律推理從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則。
那麽法律推理是什麽？法律推理，簡而言之是從已知的前提推導出未知的結果的方法。法律推理是法律人在适用法律過程之中，在确定法律事實，選擇法律規範，并在此基礎之上選擇法律事實所歸屬的特定方案範圍，并援引法律條款獲得裁判結果的一種思維活動。
常見的法律推理的形式表現爲三段論推理，即在滿足大前提和小前提的基礎上，可以推導出相應的結論。其中法律規定是大前提，基本事實是小前提，當小前提符合大前提的條件之下，可以推導出法律結論，如故意殺人的處死刑。張三故意殺害李四，故張三應當被判處死刑。
而在三段論推理過程中，不僅法律結論需要被證明，同樣的大小前提也需要被證明。我們需要證明張三是故意傷人的主體，張三具有主觀上的故意，張三具有殺人的行爲，張三的行爲導緻了李四的死亡，而這一過程需要我們來回審查法律規定與基本事實，既要找到合适的法律規定，同樣的也要找到符合法律規定的基本事實，因此法律推理的過程是目光在事實與規範之間的來回流轉，而這一過程首先是公開的，也即是原被告雙方通過證據給相應的事實和法律規範尋找其邊界與範圍，最後法官再綜合形成法律判斷這一過程。
其次法律推理是具有可辯駁的，這種可辯駁性意味着集中體現是在法庭辯論之中，法庭辯論的對話與原被告雙方各自論證其自身的觀點的合法性，又受到對方觀點的反駁，而這一過程就是典型法律推理的過程。
再其次法律推理具有可廢止性，也即是法律推理的結果，并非保證的，也并非絕對真理。法律推理的前提是建立了證據對客觀事實的反映之上的，而通過證據來進行證明和反證，因此法律推理當遇到反證或其他相反要素時候，法律推理的結果是具有否定意義的。
因此法律推理并非單純意義上形式邏輯的推理，法律推理也包含了許多自身的特點，而符号主義、聯結主義等技術路徑之上的，而這種技術路徑在形成專用人工智能的諸多應用中，具有非常廣泛的前景，能夠極大提升司法效率。但專用人工智能在法律應用化實踐中卻均遇到或多或少的難題，而有些難題甚至在理論上是緻命性的，而要解決這樣一個難題。
通用人工智能似乎給我們一定的啓發，那麽法律通用人工智能能否實現法律推理？通用人工智能法的推理的系統能否勝任法官和律師的角色呢？
四、應用：NARS 系統
王培教授開發的非公理系統、又稱爲 NARS 系統。NARS 系統是一種智能推理系統，它主要利用非公理邏輯，通過演繹、歸納、整合、修訂等邏輯規則，統一事務之間形式，處理一些不确定性的事物關系。
NARS 的系統基本假設是智能被理解爲在知識與資源的足夠的條件下的一種适應能力。知識與資源的相對不足的假設是 NARS 系統的邏輯前提，也正是基于這樣一種假定條件，使得 NARS 系統具有了有限性、實質性開放與适應性的特點。
有限性是指 NARS 的計算能力與其工作儲存空間是有限的。
實時性是指的是它需要實時處理各種随時出現的任務，包括知識的獲取，決策的選擇。
開放性是指隻有在系統語言中表示出來這種新舊規則的這樣一種開放性。表現爲 NARS 系統本身的這樣一種概念與知識，是對經驗對客觀世界的開放而不受到其他的限制。
适應是指系統能夠主動地學習經驗，獲得知識，以适應可能出現的環境和任務的要求，那麽 NARS 系統能否實現法律推理？
以下，我将從法律推理的前提，概念知識、法律推理規則等三個方面來進行闡釋。
1
NARS：法律推理的前提
NARS 系統的認識是建立了對其環境的過去的經驗之上的，并形成概念與知識。NARS 之所以如此，源自其對形式邏輯的改造與升級，NARS 系統所采取的真實函數的形式，将事物的真實性的判斷和可行性的判斷交給證據，而證據源自事物系統過去的經驗，以解決系統适應性問題，而這就導緻了一個問題在于 NARS 系統的結論并不必然保證，他僅能在其所經曆的或間接經曆的證據中找到一定的依據，而這恰恰與法律推理的前提具有一定的一緻性。
由于人類的認識和理性能力是有限性的，每個人都無法徹底還原事實發生的客觀過程，而作爲第三方也僅能夠通過證據來判斷推理事物發展的過程，而這一推理的過程隻要符合一定标準，即被視爲是真實的，即法律真實。
法律推理是建立在有限機制基礎之上，對案件事實的認識達到法律要求的标準，而作出決策推理，而司法審判認證的标準主要在标準在于排除合理懷疑，高度概然（概括）性以及優勢證據基礎之上，也即是當一組證據能夠達到排除合理懷疑，具有較大概率發生的條件下，那麽我們就确信這一事實發展是真實的，法律推理除了要達到真實性之外，還有其他方面的要求，也即是法律推理的情境知識。
2
NARS：概念知識
法律人所要做的法律判斷本身是基于具體事實情境的，而這一具體事實情境又包含了許多背景性的知識，法律推理是将原來社會生活中的具體情境，而這納入法系統之中主要是通過法律概念法律規則來實現的，如故意過失是對某一主觀狀态的歸納總結，侮辱，猥亵又是對另一行爲的抽象概括，法律推理的前提是建立在這些概念規則基礎之上，但這些概念規則并不單純的是某一抽象的術語名詞，而包含了豐富的社會生活背景，隻有具有了充分的社會經驗，才能理解這一法律概念背後的意義。而法律證據爲這種法律概念的内涵提供了證明與支持。
NARS 系統的基礎邏輯設置是将經驗納入其中，NARS 系統的形成期，NARS 形成了一套基于經驗的語義學，NARS 系統每一個詞項的含義和每一種語句的真實，都是在原則上是由系統的獲取經驗所決定的。
NARS 系統的知識也并非一個世界的模型，而是系統經驗的抽象總結，這種經驗是對系統與環境互動的有效的記錄，這種經驗片段的抽象形成的概念，而這種概念在 NARS 中被以詞項來命名，而詞項所指示的就是系統中的概念，而非概念系統以外的事物。
但是這樣一種概念又是與過去經驗發生了一定的關聯，這種關聯就構成了概念之間概念之網，而形成了知識之網，NARS 的這樣一種概念體系，并不單純的是某種詞項術語是包含着其唯有的經曆與證據，保持着與事實之間的絕對的這種聯系。
因此 NARS 推理過程是建立在這種概念或者說是詞項之上的，通過 NARS 進行推理，能夠有效的避免專用人工智能，特别是符号主義人工智能的推理模式中的形式化，符号和空洞化，從而建立起概念與真實事件的這樣一種聯系。
3
NARS：法律推理規則
NARS 系統的三段論推理形式主要包含了演繹推理、歸納推理、歸因推理，而基于歸因和歸納推理，又引申出來了比較和類比推理。這種推理不單純的是建立在詞項概念的基礎之上，詞項與概念的負荷，又形成了許多複雜性的陳述與語句，而這種推理規則也是适用于此。
法律推理的基礎是法律概念，是探讨法律概念法律規則之間的邏輯關系。NARS 的推理也大體如此，因此 NARS 推理的規則是能夠勝任法律推理的。
由于 NARS 系統本身所具有這樣一種非公理性的特點，使得 NARS 系統在理論層面上能夠實現或者部分實現法律推理的功能，或許正是基于 NARS 推理對人類思維過程規律性的總結和反應，使得 NARA 系統能夠部分實現人工智能的法律推理，因此人工智能能否實現法律推理？在這一層面上我們需要反觀通用人工智能給我們帶來的啓發，人工智能要想實現法律推理，其根本要求就是要再現人類思考的基本特點，而這一過程顯然法律通用人工智能更具有前景。
策劃制作
責編丨金禹奮（實習生）
點亮 " 在看 "
AI 替代不了人類
