生成式人工智能在法學教育中的應用與風險規制

摘 要：生成式人工智能為法學教育的智能化發展帶來了全新的挑戰，法學教育要積極響應新文科建設和復合型人才需求。通過生成式人工智能豐富法學教育理論，提升法學實踐教育，不斷探索二者結合的合理應用，運用法律手段和教育方法規避相關風險，可為法學課堂帶來更多的可能性，促進法學教育智能化體系建設。

關鍵詞：生成式人工智能；法學教育；實踐應用；風險規制

2024年初，以Sora為代表的生成式人工智能因其可以深度模擬現實世界，生成復雜場景，再次成為社會關注的焦點。在清華大學新媒體研究中心發布的《新媒體發展研究報告9.0》中提到，生成式人工智能（AIGC）通常是基于transform等算法模型，在海量語料預訓練的基礎上，經過微調、人類反饋的深度學習、價值觀對齊等步驟實施的人機對話系統、圖文的生產系統等多模態技術與工具。生成式人工智能在強大的算法支持下，通過深度學習模型，模擬人類的思維運行方式，在眾多行業領域被廣泛應用，當然也包括法學教育領域。本文基于對生成式人工智能的交互模式在法學教育課堂中的探索，研究生成式人工智能在應用過程中的發展前景，并對其可能產生的風險問題提出防范建議。新文科是哲學社會科學與新一輪科技革命和產業變革交叉融合形成的交叉學科。①要積極推動其與人工智能、大數據等現代信息技術的深度融合，積極發展文科類新興專業，推動原有文科專業改造升級。法學教育應該在此契機下，不斷進行理論和實踐革新，豐富智能法學理論，提升學生實務能力，加速“生成式人工智能+法學”復合型人才培養，促進法學教育模式的智能化建設。

一、生成式人工智能法學教育發展現狀

生成式人工智能技術水平近年來飛速提高，在經歷2023年的爆發式發展后，2024年被認為是生成式人工智能應用的“落地”之年，當然也包括在法學教育領域的應用。法學作為一門應用性很強的學科，在生成式人工智能交互模式蓬勃發展的背景下，能否改變長期以來偏重理論研究、缺乏實踐操作的現狀，取決于法學教育領域對于生成式人工智能的接納程度和具體的實踐應用方式。

（一）生成式人工智能在法學理論方面的發展現狀

我國對于人工智能法學的研究最早可以追溯到我國著名學者錢學森提出的構想。此后，我國學者雖然開始了對人工智能與法學相結合的研究探索，但大多只停留在初步的構想階段，直到21世紀才真正開始對其進行深入研究。比如，崔亞東在《人工智能應用與治理》中認為要通過防范風險、加強頂層設計、強化法律與技術融合和建立評估機制來推動人工智能法學研究，構建人工智能法治體系。①馬長山在《數字法學的理論表達》中分別從方法論、認識論、本體論三種路徑來為數字法學的發展提供新的方向和策略。②魏斌在《法律人工智能：科學內涵、演化邏輯與趨勢前瞻》中對法律人工智能的理論演化邏輯及法律與人工智能的深度融合進行了法理分析，從法律方法論視角深入研究法律人工智能。③綜上所述，我國對于人工智能理論進行實質性研究的時間相對較晚，原因無他，即人工智能的理論研究要依托于實踐的發展，需要在實踐中檢驗理論的正確性。因此，只有當實踐應用也同樣發展時，人工智能法學理論才可能得到發展，不會淪為紙上談兵。

（二）生成式人工智能在法學實踐方面的發展現狀

在培養復合型人才方面，西南政法大學于2018年開設了人工智能法律研究院，建有“區塊鏈法律創新聯合實驗室”“智訟智裁學生科創中心”等，涵蓋數據法學、網絡法學、算法規制和計算法學四個方向。而上海政法學院、江西財經大學、甘肅政法大學也分別開設了人工智能法學院，旨在培養“人工智能+法學”的橫向復合型人才。

在人工智能賦能教育方面，清華大學于2023年9月28日啟動試點計劃—“人工智能賦能教學”，設立AI助教，進行個性化學習支持、智能評估和反饋。2024年2月18日，北京大學引入Brainiac Buddy（簡稱BB），基于GPT—4的AI智能交互，學生可以通過向BB提問進行課程預習和個性化知識庫建立。同年2月27日，南京大學發布“人工智能通識核心課程體系”總體方案，結合不同專業學生的特點，采用“集體授課+小班主題研討+實習實踐+AI助教”的形式開展教學。

還有一部分高校對于數字化教學和學科融合的課程設計制定了初步方案，但就整體而言，將人工智能引入高等教育課堂的學校并不太多，對于生成式人工智能的應用也寥寥無幾。多數高校在面對發展尚未成熟的生成式人工智能技術時都采取了觀望的態度，不敢貿然使用，顧忌生成式人工智能所帶來的風險。

二、生成式人工智能在法學教育領域的實踐應用

傳統的法學教育多以老師單向輸出為主①，缺乏一定的互動性和實踐性，而生成式人工智能所帶來的雙向互動模式可以很好地推動傳統法學教育模式改革。本文將通過探索生成式人工智能與法學課程相結合的模式，在法學教育中的法律檢索、模擬法庭、案例分析、跨學科融合以及個性化學習等方面，展現生成式人工智能與法學融合的多種可能性。

（一）法律檢索

當前，學生在進行大規模案例檢索時，首選官方數據庫平臺，即中國裁判文書網（現多為人民法院案例庫），其次才是商業平臺的案例數據庫，如“北大法寶”“威科先行”“原典智庫”等。但在這些傳統檢索平臺上，學生往往需要手動篩選相關法規、案例，容易出現關鍵詞檢索遺漏和不準確的情況，且系統檢索結果往往與用戶真正的需求存在偏差。加之現有檢索平臺的智能化水平尚處于初級階段，無法滿足學生個性化需求。而通過生成式人工智能，學生可以事先進行設計，自定義檢索的具體要求和生成報告的格式，可以有效提升檢索的效率和準確性。此外，通過自然語言處理技術與智能檢索系統相結合，生成式人工智能還可以幫助學生更加便捷地獲取相關法律信息和案例資源，為學生分析處理案件提供更加科學、合理的依據。

（二）模擬法庭

從課程設置來看，多數法學專業都開設了模擬法庭課程以培養學生的實踐能力。但學生普遍反映，通過小組合作的方式，每節課每人只能模擬一種角色，耗時長、效率低，自身難以真正地鍛煉實務能力。現代高等教育法學課堂對于現實案件模擬訓練有著極大的需求，學生需要進行大量的實務模擬，從而形成細致的、完整的案例分析思維。同時，法學課堂也應對接公、檢、法、律所等不同工作單位，使學生有機會進行對口實體思維訓練，讓其所學“落地”。生成式人工智能的虛擬系統可以模擬真實的法庭審判場景，學生在其中可以選擇民事類型案件、刑事類型案件或者行政類型案件以及不同的角色（法官、公訴人、被告、原告），還可以根據自己的角色選擇不同的法律文書，并通過生成式人工智能的自然語言處理功能模擬對話。在模擬場景中，學生通過舉證、質證和辯論等，展示自己的證據和觀點；圍繞案件的爭議問題進行辯論，進一步論證自己的觀點；針對對方（人工智能扮演）的觀點和證據進行反駁。經過充分的調查和辯論后，法官將根據案件事實和法律規定作出判決，出具判決書并公布判決結果，判決書將對案件審理過程進行全面記錄和總結。相較于傳統模擬法庭活動，生成式人工智能所帶來的虛擬體驗讓學生不僅可以增加實踐機會，還可以通過復盤，不斷優化訓練結果，真正提升自身的實務能力。

（三）案例分析

案例教學作為實踐教學的重要手段，是法學教育理論與實踐相結合的有效方式。但在當前高等教育課堂中使用的案例主要是以老師為了學生能理解當下所講的知識而選擇展示的具有針對性的案件片段或者一些經典案例為主。無論是老師編寫的案例還是引用的經典案例，都難以對案件的真實場景進行復刻，這不利于學生對于整體案件的理解。隨著生成式人工智能的廣泛應用，通過指令生成視頻功能將有可能解決這一難題。比如，通過輸入文字，將案例轉化為生活化的實際場景，學生通過與生成式人工智能模型的交互對話進行推理，分析案件的法律適用問題或進行模擬訊問。而生成式人工智能則會通過自然語言處理功能與學生對話，或者根據法律條文、司法解釋和類似案例提供解答和參考。這種交互式的法律推理方式不僅增強了學生的參與感和體驗感，還可以讓他們在交互的過程中不斷提升自己的實務能力。基于此，讓傳統的案例分析環節變得生活化和場景化，使其不再局限于法學課堂，在便捷學生的同時助推法學課堂智能化變革。

（四）跨學科融合

學生在進行案例分析時，也可能會面臨跨學科專業知識儲備不足的問題。由于未對其他專業知識進行系統學習，學生可能會因缺乏相關知識而在分析案例時遺漏重要信息，而對其他學科進行系統學習又是一件極其耗費時間的事。生成式人工智能通過對資料進行搜集，建立強大的資料庫可以從根本上解決這一問題。展開來說，可以將案例內容通過智能系統進行梳理，提取其中的非法學專業問題并進行知識點補充，然后納入專門設立的非法學專業知識庫中，方便用戶使用學習。此外，生成式人工智能還可以在該模型中建立討論區，讓學生在討論區與遇到相同問題的其他法律學者進行討論，彼此交流學習。針對遇到的跨學科問題，生成式人工智能可以促進學生對相關知識的深度學習，提升學生的跨學科學習能力。這也是響應國家對于培養復合型人才的號召，不斷提升學生的競爭力，適應新發展所產生的新要求。

（五）個性化學習

面對學生的個性化學習需求，傳統“一對多”的教學模式難以為繼，學生之間不同的思維模式和接受程度，必然使得其對知識的理解程度各有不同。如果將生成式人工智能引入課堂，可有效解決這一問題。比如，通過對學生知識水平的摸底測試，生成式人工智能可根據學生的學習要求和時間來量身打造符合其需求的個性化學習方案。在學習方案實行一段時間后，生成式人工智能可以對學生再次進行測評，并根據測評結果對現有學習方案進行調整，幫助學生完成最終的學習目標。另外，通過生成式人工智能動態調整學習方案和資源，可在一定程度上提高課堂的互動性和學生的積極性，促進學生的深度學習。

三、智能化法學教育的應用意義

（一）提高學生的實踐能力

生成式人工智能的技術核心在于其可以深度模擬人腦思維，通過自然語言處理功能與人類進行互動。因此，它打破了傳統實踐訓練需要真實場景的局限性，通過對虛擬場景的建構來消除法學教育課堂上偏重理論而忽視實踐的弊端。其實，法學學科的學習更多的是一種經驗學習，但學生在大學期間的實習經驗遠不能滿足這一要求，導致他們因缺乏實踐經驗而難以直接參與到具體工作當中。而生成式人工智能所帶來的實踐教學環節則可以在一定程度上為學生提供實踐的機會。學生們可以通過后續復盤總結和針對性訓練，不斷優化自身的實務能力，在“具體的實踐場景”中，培養更加完善的系統化法律思維，在提升實踐能力的同時培養創新思維和深度學習的能力。以北京大學的口腔虛擬仿真智慧實驗室為例，實驗室分為講授區、線上訓練區、虛擬仿真訓練區等。其中，線上訓練區可進行線上虛擬仿真實驗教學和自動化評估，虛擬仿真訓練區可進行多類型、帶反饋的虛擬仿真訓練和評估。如將這一模式引入法學課堂，使學生在虛擬情景中不斷訓練和測評，不但可以提升實踐能力，還可以促進法學教育與實踐應用的銜接。

（二）教師教學方式的變革

生成式人工智能在法學教育課程中的應用不僅對提升學生實踐能力是一種幫助，也是對教師教學方式的一種創新。例如在當前的大學課堂中，許多高校的老師已經使用“雨課堂”“超星學習平臺”“課堂派”等，通過彈幕與學生互動，提升學生對于課程的體驗感和參與感，激發學生的積極性。但相較于這種互動方式，生成式人工智能可以“更上一層樓”，建立一種雙教學模式，即通過教師與AI助教的相互配合，打造一種人機協同、師生互動的課堂氛圍，從而打破傳統的“教師教學、學生聽講”的授課模式，讓課堂的主角變為學生，以學生真正需求為導向，改進現有教學模式的弊端，豐富學生體驗。

（三）法學教育模式的智能化

國務院印發的《新一代人工智能發展規劃》明確提出，要利用智能技術加快推動人才培養模式、教學方法改革。人工智能的發展已經對眾多領域產生了深刻影響，在這一時代背景下，各領域都在推動行業的智能化發展。而教育作為強國建設、民族復興之基，更應當積極響應時代的號召，利用智能技術促進教學方式的改革，推動教育模式的智能化發展。通過引入生成式人工智能助教、利用生成式人工智能創設虛擬實踐場景、開設專門的“智能法治”課程等方式，可在一定程度上改變傳統的教學方式，為高等教育課堂注入活力，打造新時代的全新智能化教學模式。

（四）人才培養模式的貫徹

復合型人才是數字化時代法律行業的需求對象，這要求學生不僅掌握本學科知識，還要對其他學科的專業知識有所涉獵，以便在面對現實生活中的各類案件時可以游刃有余。生成式人工智能提供多學科領域的專業知識，相較于個人，它的學習和記憶能力更強，可以綜合各學科、各階段的專業知識和數據為使用者提供現實化、綜合性的專業解答。結合這一跨學科能力，在法學學科學習過程中，生成式人工智能可彌補學生單一知識結構的局限性，為培養復合型人才助力。打造復合型人才培養平臺，建設跨學科培養課程體系，利用生成式人工智能的大數據分析和學習能力打破學科壁壘，也是滿足新文科建設背景下對復合型人才培養需求的有力舉措。

四、智能法學教育所面臨的風險

（一）錯誤信息和偏見的傳播

盡管當下人工智能技術已有了極大的進步，但它還有不完善的地方，比如在算法和數據源方面存在一定的限制，需要通過人為訓練，才能使其達到最終想要的生成效果。不足之處有以下幾點。第一，人類的一些思維模式會被加入算法邏輯中并保留下來，如果對生成式人工智能進行訓練的人存在一定的錯誤認識和偏見，那么極有可能加深生成式人工智能對于這一板塊的刻板認識，從而造成知識的誤傳。第二，生成式人工智能出生的背景不同，所體現的公眾文化也不同，所以天然存在對其他地區文化的不認同，欠缺一定的包容性，容易讓一些地區偏見通過生成式人工智能傳播造成嚴重后果。以ChatGPT為例，在ChatGPT的學習語料庫中的中文資料比重很低，根據GPT—3數據倉的語言比例顯示，中文資料僅占0.16012%，而英文資料占比達92.09864%，這顯然不利于真實中文信息的分析。同一問題用不同語言提問，其措辭的激烈程度會明顯不同。可以說，ChatGPT具備明顯的偏見，并會潛移默化影響用戶，動搖國民意識形態，造成嚴重后果。①

（二）數據泄露和使用超限風險

生成式人工智能作為一種數據模型，不具備判斷和識別的能力，卻需要大量的數據作為計算參考。當生成式人工智能大量訪問、收集人們的個人信息進行訓練時，這些個人信息便有了被泄露的風險，相關管理人員應當對此保持警惕。學生群體由于缺乏社會經驗，個人隱私和信息保護意識弱，不加以防范極有可能造成個人隱私泄露和數據安全風險。如果在數據提供主體不知情的情況下，人工智能被超出允許限度使用數據，將會造成對數據的不當使用，甚至可能會侵犯企業商業秘密和國家信息安全。2024年6月20日，北京互聯網法院一審開庭宣判北京首例“AI換臉”軟件侵權案。被告在未獲得原告授權的情況下，超限使用原告的個人數據，并利用技術手段制作換臉模板，上傳至涉案APP供其他用戶付費生成視頻使用，這一超限使用個人數據牟取不法利益的行為嚴重侵犯了原告的個人信息權益。

五、應對智能化法學教育風險的規制

生成式人工智能被引入高等教育課堂是一種必然的發展方向，使用者將以教師和學生群體為主。對人工智能的規制需要體系化的思維，不僅可以通過法律途徑來解決，還可以利用學校的教育來提升教師和學生的防范意識，培養德法兼備的新時代法治人才。①

（一）在法律層面規制風險

對使用主體進行規范。2023年8月15日起施行的《生成式人工智能服務管理暫行辦法》（以下簡稱《辦法》）在生成式人工智能的基礎性和專門性方面，對生成式人工智能服務提供者（以下簡稱提供者）提出了明確的服務規范。《辦法》除了明確規定提供者的行為準則之外，還明確規定使用者不得從事違法活動。當出現應用風險時，可以通過對內容進行主動篩查以及對故意造成風險的行為主體進行法律規制來化解風險。

對管理主體進行規范。首先是監管部門，《辦法》明確了對相關國家主管部門的監管要求，對生成式人工智能進行分類分級監管，通過對監管部門的職責劃分，明確各部門監管內容，提升監管效率。其次是服務平臺，2023年1月1日起施行的《互聯網信息服務深度合成管理規定》是對生成式人工智能深度合成方面進行監管的規章，其中明確深度合成服務提供者應當落實信息安全主體責任。

（二）在教育層面規制風險

首先，應普及生成式人工智能法律風險教育，讓使用者了解生成式人工智能的操作和運行風險，促進生成式人工智能在高等教育課堂的規范使用。可以開展生成式人工智能法律風險宣傳活動，開設為規范使用生成式人工智能進行的電話熱線，在有條件的情況下可以申請學院開設人工智能法學課程，提升法律知識普及率。

其次，增強學生的科研能力，避免其過度依賴生成式人工智能。我國于2025年1月1日施行的《中華人民共和國學位法》第三十七條規定：“學位申請人、學位獲得者在攻讀該學位過程中有下列情形之一的，經學位評定委員會決議，學位授予單位不授予學位或者撤銷學位：（一）學位論文或者實踐成果被認定為存在代寫、剽竊、偽造等學術不端行為……”盡管生成式人工智能打破了傳統的學習模式，但對于學生來說，應通過人工智能激發創新思維，而不是貪圖方便而喪失了思考問題的主動性。所以，只有增強學生的科研能力才能真正通過生成式人工智能促進法學教育變革，真正建立智能化法學教育體系。

六、結語

生成式人工智能的發展為智能化法學教育帶來了全新的發展思路。通過生成式人工智能與法學課堂不斷地融合應用，能有效升級傳統法學教育模式，改善傳統法學教育重理論、輕實踐的現象，并從根本上提升學生的實務能力。盡管在應用的過程中，生成式人工智能本身的局限性可能會造成應用的風險，但相信通過法律和教育兩種途徑對使用者和管理者進行行為規范以及增強使用者的防范意識，可以在一定程度上規避部分風險。總的來看，我國生成式人工智能仍處于發展階段，想要完全掌控這一技術需要一定的時間，但法學教育應當把握好這一機會，才能在人工智能時代實現智能化法學教育的變革，促進國家建設智能法治教育體系。

* 本文系“2024大學生創新創業項目應用生成式人工智能助推高等教育課堂‘活’起來—以法學專業為例”（項目編號：X202410165004）的階段性研究成果。

① 胡銘：《數字法學：定位、范疇與方法—兼論面向數智未來的法學教育》，《政法論壇》2022年第3期，第117—131頁。

① 崔亞東：《人工智能應用與治理》，《行政管理改革》2020年第6期，第4—10頁。

② 馬長山：《數字法學的理論表達》，《中國法學》2022年第3期，第119—144頁。

③ 魏斌：《法律人工智能：科學內涵、演化邏輯與趨勢前瞻》，《浙江大學學報》（人文社會科學版）2022年第7期，第49—67頁。

① 劉夢非：《基于人工智能特色的法學課程教學改革與創新》，《中國高等教育》2022年第11期，第53—55頁。

① 商建剛：《生成式人工智能風險治理元規則研究》，《東方法學》2023年第3期，第4—17頁。

① 馮子軒、孫瑩：《勇立人工智能時代潮頭 共謀法學教育創新之路—首屆人工智能法學教育論壇綜述》，《中國高等教育》2018年第21期，第46—47頁。