（經濟法學博士，浙江豐國律師事務所工會委員會律師(shī)、杭師(shī)大(dà)錢江學院教師(shī)）

前幾日(rì)有個新聞，說(shuō)法律人(rén)工(gōng)智能平台LawGeex與斯坦福大(dà)學、南(nán)加州大(dà)學、杜克大(dà)學法學院合作(zuò)進行了一項研究，讓訓練有素的法律人(rén)工(gōng)智能與二十名專業律師(shī)進行合同審查比賽。結果人(rén)類律師(shī)輸掉了比賽。人(rén)類律師(shī)的平均準确率達到了85％，但(dàn)人(rén)工(gōng)智能的準确率高達95％。人(rén)類律師(shī)平均用時92分(fēn)鍾，而人(rén)工(gōng)智能完成任務隻花了26秒。

這似乎表明，人(rén)工(gōng)智能在法律分(fēn)析/推理(lǐ)能力上取得(de)了重大(dà)的進展。但(dàn)這是一種誤解：人(rén)工(gōng)智能到現在爲止，可(kě)能從(cóng)未掌握過“法律分(fēn)析/推理(lǐ)”能力。

在法律推理(lǐ)的過程中，有兩個因素在推動：動機(jī)（價值取向）與認知。法律人(rén)在進行法律推理(lǐ)時一般同時考慮兩個因素。但(dàn)是人(rén)工(gōng)智能隻有“認知”，而沒有“動機(jī)”（價值取向）。

在普通案件(jiàn)中，有着明确的“三段論”形式邏輯推理(lǐ)過程，人(rén)工(gōng)智能僅憑認知就(jiù)能得(de)出正确的普适性答案。但(dàn)在疑難案件(jiàn)中，“三段論”推理(lǐ)陷入困境，法官的主觀能動性、價值觀的作(zuò)用開始浮現出來(lái)。而人(rén)工(gōng)智能恰恰缺乏動機(jī)或價值觀，因此無法展開多元價值的取舍與平衡，于是人(rén)工(gōng)智能裁判也就(jiù)陷入了僵局。

人(rén)工(gōng)智能的僵局，其實并非是人(rén)工(gōng)智能本身(shēn)的僵局，而是人(rén)類對自(zì)身(shēn)的生(shēng)物智能認知的僵局。人(rén)類認知科(kē)學家、法律專家們其實并不清楚法律人(rén)是如(rú)何在疑難案件(jiàn)中進行法律推理(lǐ)的。法律推理(lǐ)過程，對人(rén)類而言還(hái)是個“黑(hēi)箱”。要讓機(jī)器來(lái)學習這種本來(lái)就(jiù)不知何物的“黑(hēi)箱”，本來(lái)就(jiù)是沒有地基的空中樓閣。

比如(rú)“什麽是正義”這樣一個法律人(rén)一直争論不休法律的問(wèn)題，你(nǐ)又如(rú)何讓人(rén)工(gōng)智能通過（仿生(shēng)學）模仿而得(de)出答案呢(ne)？

可(kě)是，人(rén)工(gōng)智能科(kē)學家們卻用事(shì)實證明，人(rén)工(gōng)智能在訴訟預測上是完全有可(kě)能戰勝法律專家的。這又是怎麽做到的呢(ne)？

從(cóng)人(rén)工(gōng)智能的發展流派來(lái)看(kàn)，大(dà)體(tǐ)可(kě)分(fēn)爲兩種方案：傳統人(rén)工(gōng)智能方法和“數據驅動方法”。

傳統人(rén)工(gōng)智能方法的做法是，首先了解人(rén)類是如(rú)何産生(shēng)智能的，然後讓計(jì)算機(jī)按照(zhào)人(rén)的思路(lù)去(qù)做。這是早期人(rén)工(gōng)智能的實現思路(lù)。

具體(tǐ)到法律推理(lǐ)，就(jiù)是先要了解人(rén)類法官是如(rú)何進行法律推理(lǐ)的，然後才能訓練計(jì)算機(jī)進行類似的模仿。這是人(rén)工(gōng)智能1.0，到目前爲止，法律領域的人(rén)工(gōng)智能似乎大(dà)部分(fēn)還(hái)是用的這種思路(lù)。但(dàn)前文已經提過，這種思路(lù)由于認知科(kē)學的局限性，導緻這種人(rén)工(gōng)智能走入了死胡同。

但(dàn)随着大(dà)數據、雲計(jì)算的發展，人(rén)工(gōng)智能科(kē)學家們開始采用另外一種方案，即“數據驅動方法”。“數據驅動方法”并不去(qù)尋找和模仿人(rén)類的思維過程，而是采用了完全不同的路(lù)徑：通過大(dà)數據的采集、分(fēn)析、建模、預測，得(de)到與人(rén)類解決問(wèn)題相(xiàng)類似的結果。通過給機(jī)器“喂”大(dà)量的、多維度的、完備的數據，并加以訓練，讓機(jī)器看(kàn)起來(lái)像是具備了人(rén)類的“智能”。

數據驅動方法即現下最爲流行的所謂“深度學習”“人(rén)工(gōng)神經網絡”。它并不在意中間的推理(lǐ)過程，它隻在乎大(dà)量數據輸入基礎上讓計(jì)算機(jī)自(zì)己尋找規則或規律，然後運用這種規律去(qù)預測案件(jiàn)結果。專業一點，這個叫做“有監督的深度學習”——輸入的數據有語義标簽，輸出的結果由人(rén)類标識對錯。簡單來(lái)說(shuō)，就(jiù)是我給你(nǐ)一大(dà)堆題目，我不管你(nǐ)怎麽去(qù)做、也不教你(nǐ)怎麽去(qù)做，反正我就(jiù)告訴你(nǐ)每道題做對了還(hái)是做錯了；中間的做題方法，你(nǐ)自(zì)己慢(màn)慢(màn)試錯、琢磨。自(zì)主學習過程必然存在“黑(hēi)箱”。

該過程有兩個特征：

1、曲線救國(guó)。好比人(rén)類發明飛機(jī)，并非從(cóng)研究飛鳥如(rú)何展翅開始，而是在搞明白(bái)了空氣動力學的基礎上，才制造出了飛機(jī)。

2、用人(rén)工(gōng)智能“黑(hēi)箱 ”替代了人(rén)類智能“黑(hēi)箱”。人(rén)工(gōng)智能是如(rú)何學習的？這個問(wèn)題與“人(rén)類是如(rú)何進行推理(lǐ)的”一樣，都(dōu)是未知之謎。但(dàn)不管如(rú)何未知，反正我能預測、且預測能力不弱就(jiù)行了。不管是白(bái)貓黑(hēi)貓，抓到老鼠就(jiù)是好貓。

3、“數據驅動”的人(rén)工(gōng)智能是否符合法律推理(lǐ)的要求？

本質上，這是将“智能問(wèn)題”轉化爲了“數據問(wèn)題”。這種方案在結果意義上，确實将人(rén)工(gōng)智能往前推進了一大(dà)步。但(dàn)是這并沒有突破生(shēng)物意義上的“智能”概念，仍然隻是像智能的機(jī)器，并沒有“智能”，所以隻能被稱爲“弱人(rén)工(gōng)智能”。

具體(tǐ)到法律推理(lǐ)，“數據驅動方法”指導下的人(rén)工(gōng)智能，并沒有培養人(rén)工(gōng)智能的“法律推理(lǐ)能力”，它隻是在現有數據上歸納了一些概率、并用于指導預測。這仍然隻是凸顯了人(rén)工(gōng)智能的計(jì)算能力的強大(dà)，并不能表明人(rén)工(gōng)智能在法律分(fēn)析/推理(lǐ)能力上有了大(dà)幅度的進步。

“數據驅動”型人(rén)工(gōng)智能是典型的大(dà)數據思維的産物。大(dà)數據思維不強調因果關系，轉而強調相(xiàng)關關系。然而傳統法學理(lǐ)論的大(dà)廈基本上構築在因果關系之上，法律人(rén)堅持的是因果思維，“因果關系”“過錯”等在法律體(tǐ)系中有着不可(kě)動搖的地位。

所以法院的判決書(shū)不允許隻有證據和判決結論，必須要有中間的法律解釋和法律推理(lǐ)過程。缺少法律推理(lǐ)的判決書(shū)，盡管可(kě)能結果“正确”，但(dàn)是缺乏說(shuō)服力，從(cóng)而無法建立起法治權威。缺乏中間的法律推理(lǐ)過程，還(hái)會引起規則體(tǐ)系的混亂，動搖法律大(dà)廈的地基。

因此“數據驅動”的人(rén)工(gōng)智能，仍然隻能是輔助法律分(fēn)析/推理(lǐ)的工(gōng)具，而非法律分(fēn)析/推理(lǐ)本身(shēn)。法律人(rén)要學習如(rú)何運用這種超級智能工(gōng)具，而暫時不用擔心被人(rén)工(gōng)智能替代你(nǐ)的工(gōng)作(zuò)崗位。

盡管如(rú)此，人(rén)工(gōng)智能的強大(dà)數據處理(lǐ)和分(fēn)析能力，給法官、檢察官和律師(shī)們确實提供了很大(dà)的幫助。而要獲得(de)這種幫助，法律人(rén)就(jiù)必須以開放(fàng)的終身(shēn)學習心态進行“人(rén)機(jī)協作(zuò)”，以此擁抱人(rén)工(gōng)智能時代的到來(lái)。