計量法學、計算法學到認知法學的演進

張 妮， 蒲亦非

(1.四川大學圖書館， 成都 610065； 2.四川大學計算機(軟件)學院， 成都 610065)

1 引 言

自1956年召開達特茅斯會議以來，人工智能發展經歷了三起兩落，有過曲折，亦有大發展，正螺旋式的上升.人工智能技術特別是視頻監控、語音識別、圖像識別等智能技術已滲透到各個學科，對經濟和生活帶來了深刻的變革[1].2011年IBM公司研發的Waston在Jeopardy游戲中戰勝了人類冠軍，以及2016年AlphoGo擊敗了人類圍棋高手李世石，進一步激發了以數據密集化為特征的計算社會科學的發展.法律可被看成是維持社會秩序和規范人們行為的動態規則體系，法律法規的制定與司法系統的運行無疑都與科學技術的發展休戚相關.一方面法律會促進或延緩科學技術的發展，另一方面科學技術如系統論、信息論、控制論等在法律系統中的應用又對法學研究和司法實踐帶來了巨大的變化.

正義如普羅米修斯的臉變幻莫測，人們試圖借助科學技術的方法讓法律變得更為客觀，減少法律體系中的主觀性，在此思想的驅動下，出現了一系列法律與技術的交叉學科.司法審判是在案情的基礎上，依據法律法規、過去的司法判決和個人學習生活的經驗，做出的綜合性判斷，機器可否學習法官的判案方法，進行案情分析、司法預測與輔助判斷？一般量化方法用于法律中數量問題的分析催生了計量法學，語義處理、機器學習、多主體模擬等計算智能的發展催生了基于實時法律數據的計算法學，伴隨人工智能技術從初級階段的計算智能進入高級階段的認知智能帶來的質的飛躍，那么法學研究是否有望從計量法學、計算法學走向認知法學呢？

2 認知智能——人工智能研究的下一站

得益于多層人工神經網絡的深度學習算法，當前人工智能迎來了第三次研究高潮.從技術的發展路徑來看，人工智能的發展可簡單分為計算智能和認知智能[1].計算智能是以數值數據計算為基礎，實現快速計算、記憶與存儲功能，并以模仿人類感知環境信息為基礎，可識別處理語音、圖像、視頻.認知智能是腦科學與計算科學的交叉學科，與人的語言、知識、邏輯相關，旨在賦予機器數據理解、知識表達、邏輯推理、自主學習的能力.

神經生物學、計算機科學以及其他學科的交叉融合，加強了人類對自身認知機制的理解.“認知智能”是對人的思維的模擬，其研究內容廣泛，包括語義理解、知識表示、小樣本學習甚至零樣本學習、聯想推理和自主學習等[1].人類具有時空感知的序列記憶與預測能力，信息進入人的大腦會進一步進行信息加工，并進一步形成思維策略[2]，怎樣讓機器通過學習獲得類似于人類的分析與判斷的能力？人類的思維策略是尋找“滿意”解決方式的過程，并非尋找最優的方法，也不需要將所有的方法進行一一嘗試，換言之，人類思維可以從小樣本中找尋到可接受的方案，這個方案也并非一成不變，而是不斷變化和調試的方案.人通過啟發式搜索解決問題，能滿足多重需求，并能處理突發事件[2].

3 構建法律模型面臨的問題

人工智能技術無所不在，應用于法律信息的儲存、傳播與檢索[3]，法律文件自動生成、司法管理、法律教育、在線糾紛處理、合規性分析軟件等已給司法領域帶來了極大的便利，法律人也對人工智能技術具有較高的期望[4].然而，法律規則具有開放性且語義模糊不清，研究者盡量將價值選擇融入法律模型[5]，建構模擬司法實務的法律模型，但人工智能缺乏常識且上下文理解不足，因此，目前法律模型對處理較簡單明確的法律事務效果較好，而在司法預測等涉及諸多因素的復雜事務中表現欠佳.這既有數據本身的原因，也有技術的阻礙.

(1) 法律數據結構不規則.大規模獲取法律數據本身具有一定難度，即便能夠獲取，由于數據特征隱藏較深，使得倚賴司法數據建立的人工智能模型的可靠性大打折扣.首先，由于法律與經濟社會生活密切相關，出于司法數據安全和隱私的考慮，各地法院的司法數據不易獲取.其次，從我國公布的司法判決書來看，判決書的質量良莠不齊，使用之前需要專業人士的清洗與標注.再次，法院判決書特別是民事賠償往往與地域、事件發生的時間有關，用統一的標準進行大樣本或全樣本的學習顯得困難重重.最后，法律數據涉及面廣，可能是多判決文書結構不規范，多為半結構化、非結構化的多源異構數據，法庭的審判是多種信息和知識的融合，從單一法律數據如司法判決書，很難發現法官做出判決的真正理由，或許其他法律數據如合議庭的會議記錄更能窺探法官斷案的真實想法，但這些數據并非可以公開獲取.

(2) 智能模型輸出結果不具可解釋性.基于人工智能建立的智能模型，系統的輸入與輸出是可見的，至于內部多層神經網絡的具體運行、系統的分析與決策過程并不為所知，智能系統被認為是“黑箱”運行.因此，智能模型輸出的結果說理性不足，難以用法律語言進行解釋[6].司法系統是一個定分止爭的機構，控辯雙方的辯論與司法調解是裁判的重要依據，司法判決重在以理服人.由于知識與數據融合進行復雜推理技術的不足，從而導致智能模型對司法判決過程描述不足，加之智能模型是對已有案例的融合和折中，缺乏不確定問題的處理能力，因此智能系統很難做出讓人信服的判決.

(3) 司法判定理由具有一定的開放性.AlphoGo在下棋中表現成功的一個主要因素是下棋規則事先確定，不需要用到其他開放性的知識，而司法裁判的依據并非一個閉合的系統，法官給出的判決意見包含價值觀念，受到法官的政治、宗教、種族關系、所受的教育、職業、家庭等復雜因素的影響[7]，與法律規則的選擇、受害人的償債能力、社會影響等都具有一定關聯.法律規則體系并非清楚詳細地指明了法官裁量的方法，而是法官根據自己對于法律條文的理解以及長期浸潤法學思想而形成的公平正義觀念做出的判斷，法官學習背景和經歷不同，即便依據相同的法規，做出的判決也可能相去甚遠.

(4) 司法裁判滿意度的判定具有主觀性.司法判斷要求法官及時給出一個合理的判斷，盡管這個判斷并非唯一或是最優的，也可能隨時間而改變的.司法裁判效果的判定是多方利益的平衡和妥協的結果，在司法庭審的過程中雙方利益的訴求有所改變，智能模型輸出的結果是依據現有的法律法規與案件事實通過編程、數據擬合處理得出的結果，但由于智能模型的處理過程中缺少訴訟參與人的互動與博弈過程，所以控辯雙方難以對智能模型輸出的裁量結果達成妥協.

4 認知法學——法學研究的發展趨勢

隨著自然科學特別是人工智能技術的突飛猛進，法律研究者跟隨技術的步伐，不斷地更新著法學研究方法，期待用自然科學的理性來減少法學研究中的不確定性.然而，關聯對比、模型構建和仿真實驗都無法揭示法律關系的本質，無法構建真正意義上的具有認知和推理能力的智能模型.法律模型不具備普通常識和認知思維，機器學習猶如鸚鵡學舌，尚不具備思考與應變的能力，其在模擬法律行為人思維上效果始終不甚理想.

人類智慧是多種信息的融合分析和判斷，不是純粹語言符號能閉環自洽的.法官的司法裁量過程既是基于法律規則和過往案例的邏輯推理，也是結合自己對法規的理解和自身經驗以及當前社會輿情的利益平衡.司法裁判的過程包括了感性直覺與理性邏輯兩方面的因素，法官依靠“法感”——長期法學知識沁潤產生的直覺，對案件有一個初步的認定[8]，再利用各種技術手段和證據，進行邏輯推理，并形成最終判決意見.當前法律預測模型效果堪憂，除了人工智能技術尚未進入認知智能階段，也有法律信息自身的特點.(1) 法律語言本身不足以全面表述社會生活中的各種隱性知識、過程知識、模糊知識.司法實務中法律模型數據大多來自司法判決書，而判決書本身經過了法律語言的二次處理，對案件結果描述較多，但丟失了部分法律行為的過程信息.(2) 語義處理技術將這些知識轉化為計算機符號體系，而機械邏輯推理難以揭示社會關系的復雜本質，大量有可能影響判決的有用信息被丟失.(3) 當前我國法院較多采用審判要素方式，由專家提煉案例特征、裁判規則并進行標注，不僅主觀性比較強，且由于智能系統對法律規則的理解不充分和法律行為過程的信息描述不充足，導致輸入法律數據細微變化將使智能系統輸出的判決結果相差很大，類案推薦的效果不甚理想，反而浪費法官大量時間進行閱讀和厘清.

認知智能是人工智能技術發展的高級階段，以模仿人類認知理解記憶思維等能力為基礎，強調知識、推理等技能，希望賦予機器認知推理能力，實現模型的可解釋性、具有小樣本學習能力的新智能[2].盡管人工智能還處于計算智能的發展階段，但可以預見，伴隨機器的判斷、強化與遷移能力等認知智能的發展，以及人工智能在記憶能力與行為過程描述能力的提高，智能模型對知識和規則的理解能力必將獲得極大提高.認知智能是未來數十年人工智能領域重要的研究方向, 技術的發展必然將帶來法學研究方法的進步.認知法學通過模擬法律行為人的認知思維，提高智能系統對法律數據理解、知識表達、邏輯推理和自我學習能力，是計算法學研究的下一階段.

認知法學的研究內容廣泛，涉及到法學研究與司法實務的各個方面，不僅通過模擬法官審判思維，讓機器習得法官做出判斷的規則，完善司法預測，同時也通過尋找個人感受的物質基礎，為司法裁判中法律賠償責任和公平正義提供了新的認知思路.認知法學已取得一些前沿研究成果，自2007年以來，已有國內外的學者關注認知智能與法學的結合[9]，認知神經法學運用認知神經科學(腦科學)的知識借助于以核磁共振等儀器對人的神經與大腦進行研究[10]，試圖發現立法、司法、犯罪的神經基礎，并通過腦部多巴胺或內啡肽的分泌情況來衡量受害人的痛苦水平[11].認知神經法學是認知法學早期的探索，研究涉及犯罪預測、精神病辯護、腦死亡、測謊技術、指紋糾正錯案等.我們團隊正試圖將分數階憶阻應用于內腦技術，并進一步用于法律規則和法學知識的理解，譬如加強敲、打、搶等具體法律行為的過程細節描述[12]，后續研究成果將陸續發表.

行為法學學者川島武宜認為法學是一種圍繞裁判行為，通過對法的內容、關系、結構、功能、變遷等進行理性分析的經驗科學[7].司法裁判不僅是邏輯推理的結果，也會受到一些非理性觀念的影響，譬如法官的價值、觀念和態度，陪審團對法律事實的認定，網絡上個人對司法判例的評價等.人工智能技術和數據挖掘工具成為助推器，透過微博、微信、QQ、論壇等交流平臺以及其他自媒體工具，無疑加速了司法裁判行為的反饋機制，甚至這種評價可能會影響到法官的司法判決.例如，于歡刺死“辱母”惡人被判無期徒刑符合我國刑法規定，但有違“人倫”，與我國古代形成的天理、國法、人情三位一體的法律觀念不符，迫于社會影響最后法官將于歡由無期改為了5年有期徒刑[13].大浪淘沙始見金，透過案例援引、法律法規使用等法律數據的認知學習，將沉淀出廣泛認可的、更符合道德社會風俗和國情的正義觀念，有利于發現法律運行的本質社會規律和自然規律，拓展傳統法學理論.人們關注司法判決是否符合內在的公平觀念，但并不在意，案例判決依據的是成文法的規定還是過去案例確定的判例原則，甚至案例中映射出的穩定規則也有望轉變為成文法規，認知法學這一理論框架無疑將促進英美法系與大陸法系的深度融合.

隨著認知智能研究的進一步深入，不僅會產生認知法學，可以進一步大膽預測，還會促進認知社會科學的發展，催生包括認知社會學、認知經濟學、認知語言學、認知音樂學等一系列社會科學交叉學科，乃至認知數學、認知化學、認知生物學等一批自然科學的交叉學科.

5 計量法學、計算法學和認知法學的發展脈絡

計量法學、計算法學與認知法學都是法律與技術關系最為密切的一脈，都嘗試用客觀的標準減少法律體系中的主觀性，增強立法和司法的科學性和實用性，三類研究內容上有承繼、交叉，與人工智能技術相伴相生，其研究基礎、研究的側重點和采用的技術路線有所不同，但都對法律系統的科學化產生了積極意義.近年來，法學正在經歷近兩百年來發展未有之大變革，由求解數學期望的計量法學到重在計算模擬和預測的計算法學，再到構建具有認知和推理能力的智能模型的認知法學，這也是法學跟隨技術腳步不斷發展的過程.

上世紀50年代，隨著統計和符號科學的發展，計量法學出現.計量法學主要采用抽樣、問卷調查等簡單數理統計方法對法律中涉及的數量問題進行量化分析，并計算相應的數學期望[14].符號邏輯的發展，使得人工智能技術用于處理法律數據，陸續出現了CATO、IBP、CABARET、BankXX等一系列法律輔助專家系統[15].

計算智能不僅使得計算機的計算能力呈級數倍增長，而且能夠抽取信息特征，進行比對，從而進行數據的判斷分類.個人收入、銀行存款、按揭利息、房產價值、失信記錄、犯罪卷宗等數據的獲得為個人行為分析提供了基礎，通過獲取大量的學習樣本和應用深度學習技術，計算機獲取信息的能力大大增強，人工智能在語音識別、自然語言處理、數據挖掘、計算機視覺等法律應用場景中取得了一些良好的效果，基于實時更新數據的計算法學在法學特別是司法領域取得長足發展[3].計算法學使用建模、模擬、神經網絡等量化研究方法來分析法律關系，讓法律信息從傳統分析轉為實時應答的信息化、智能化體系[16].人工智能技術被用于審核合同、法律信息查詢、法律文件自動化處理和庭審結果的預測等，對于提高立法與司法效率、促進英美法系和大陸法系的融合、應對和規避技術風險等均具有積極的作用.計量法學以“自然數據”挖掘為中心，是當前法學研究的一個熱點，不僅計算法學相關理論有如春筍發芽，計算法學在司法實務中也積極進行探索.我國“智慧法治”建設是法律與技術深度融合，取得了令世界矚目的成績.我國法院已基本實現司法審判數據資源的電子化，法院系統應用人工智能技術建設智慧法院，提供如智能分案、自動生成案宗、精準推送辦案法規及相似案例等信息、聚焦爭議焦點、提出裁判建議、生成裁判文書等智能服務化，為法官、律師和其他司法參與者的司法活動帶來了快捷和便利.2016年北京市高級人民法院推出了“睿法官”智能研判系統，2018年最高人民法院正式上線運行了案情事實、爭議焦點、法律適用等為要素的“類案智能推送系統”,2019年“206系統”推出“刑事案件智能輔助辦案系統”，繼而安徽、貴州、重慶等地方法院紛紛推出了針對某類案件的類案指引.

認知法學是在計算法學的基礎上發展而來，與技術的發展密切相關.當人工智能技術由強調計算能力、感知能力的計算智能，發展為強調對自身認知機制的理解的認知智能，法學研究自然也將隨之由計量法學、計算法學發展到認知法學.認知法學的研究內容偏向于內腦與神經科學的研究，將涉及法學研究的各個領域，并將完善傳統法學理論，也將促進兩大法學的融合.計量法學、計算法學與認知法學的概念、主要使用的技術以及跟隨人工智能技術的發展演進過程，如圖1所示.

圖1 計量法學、計算法學與認知法學的隨人工智能技術的發展演進圖Fig.1 Evolvement from Jurimetrics, computational law to cognitive law with the development of AI technique

6 結 語

計算法學的相關理論已獲得法學、技術、數學等領域研究人員的廣泛關注，司法實務中法院系統、檢察院系統和警察系統正在開發相關智能平臺.認知智能的研究方興未艾，技術層面尚未取得突破性進展，實現具有分析判斷能力的認知智能還有很長的路要走.但技術推動法學理論的演進浩浩殤殤，從計量法學和計算法學的發展歷程和結合技術發展的趨勢來看，認知法學運用認知智能的知識，采用小樣本學習，利用已有的法學知識，提高對法學問題的理解和認知能力，將是計算法學發展的下一階段和必然趨勢.

值得注意的是，法學不僅關注新興技術為法律系統服務，也要在最大程度上降低技術對人類發展帶來的風險.由人工智能技術驅動的學科基礎是數據，但不少數據涉及國家機密、個人隱私，需要嚴格控制，有的還需進行倫理合規性審核.認知法學建立的法律模型的過程中，數據的取得、選擇、偏好等都隱藏在信息處理過程中，一份關于美國法院再犯罪系統COMPAS的報告表明，在弗洛里達州黑人比白人更易被判定有罪[17].人工智能無形中也在傳遞種族歧視和其他偏見，甚至參與法律的制定，這也正是法律學者亟待思考的問題.