魏斌：《法律人工智能：科学内涵、演化逻辑与趋势前瞻》 | 《人工智能与法学》第一讲
点击蓝字 关注我们
”
2022年11月9日星期三下午，浙江大学光华法学院《人工智能与法学》课程第一讲顺利完成。本次课程由浙江大学光华法学院百人计划研究员、博士生导师魏斌老师讲授，授课主题为《法律人工智能：科学内涵、演化逻辑与趋势前瞻》。
教师简介
魏斌
浙江大学光华法学院百人计划研究员，博士生导师。
1
法学与人工智能的源起
首先，魏斌老师向大家介绍了法律AI的起源。法律AI的发展最早可以追溯到莱布尼茨，他把法律系统与几何学系统进行了横向比较，构建了全新的法学知识体系。其在《论组合的艺术》中阐述到，法学与几何学在很多方面具有相似性，它们也都有元素和实例。元素是基础的东西，在几何学中，是数字、角、圆等等；在法学中，则是行为、承诺、转让等。这奠定了数学、逻辑学与法学的渊源和联系。
魏斌老师进一步明确了公理化思想的重要性。德国数学大师希尔伯特发表了题为《数学问题》的著名演讲，提出了著名的数学问题，其中包括数学是不是完备的、数学是不是一致的，即是否可以构建一组公理体系来证明或者证否所有的数学命题，以及这样的公理体系满足无矛盾性。法教义学注重逻辑和哲学分析，其背后有数学的公理化思想支撑，其中几何学则是最早的公理化之一。魏斌老师进一步阐明了法律的体系与数学的公理化体系的关系，在基本的法律概念之上确立法律原则，而法律原则就像几何学中的几何公理，不需要证明而公认遵守，进一步构建法律规则，引出法律规范和法律条文。对于法律概念→法律原则→法律规则这样的逻辑链条而言，逻辑推理是非常重要的基础。
接着，魏斌老师分别讲述了国外和国内法学家对于法律系统公理化的观点。其中，美国法学家、哈佛大学法学院院长兰代尔曾提出设想：法律系统是否都能用公式化表达构建公理化体系。此后法学便开始借鉴自然科学做实验的方法，一改教条式教学而采用案例式教学方法。正如舒国滢老师所指出的，假如法学家能够将法律体系的各个原则、规则和概念厘定清晰，像化学元素表一样精确直观，那么法官按图索骥，就能确定每个法律原则、规则、概念的位序、构成元素、分量以及它们计量的方法，只要运用形式逻辑的三段论推理来适用规则、概念，就可以得出解决一切法律问题的答案，法律的适用变得像数学计算一样精确和简单。这便是“法律公理体系之梦”。
对于法律公理化，魏斌老师形象地阐释到，主流观点认为法律的概念、原则、规则不是封闭的，而数学是确定和封闭的，所以法学呈现知识体系开放性的特点，强行套用公理化体系实际上是失败的。比如无锡胚胎案中胚胎是物还是人，这一新的概念需要界定。法律解释认为，胚胎是物和人中间的中间体，对此公理化系统是无法进行处理的。由此，从法学自身开放性来看，不适合用机械的公理化去实现；同时，从公理化方法自身来看，由哥德尔不完全性定理可知数学的公理化体系是不完美的。不满足完备性则无法做出所有正确的决策。
2
“法律人工智能学”何以可能？
魏斌老师认为，法律人工智能有明确的交叉学科属性。他认为作为独立学科的几个基本条件：明确的学科概念、明确的学科属性、明确的学科任务、受认可的学术发展史、广泛的学术交流平台、稳定的学术研究团体、有影响力的研究成果、卓有成效的应用落地。
法律人工智能=“法律”+“人工智能”，其具有三个特征：第一点，需要满足立法和司法的需求；第二点，要符合人工智能的技术特点，不是任意的信息化都可以称为智能；第三点，遵循立法和司法规律，比如民间借贷案件，其符合案由简单、案件量大的特点，输入的案件事实是确定的、不需辩论的，而复杂案件一定是需要依据法官独立裁判的，否则与司法规律相违背。虽然目前法律AI可以实现对对话文本进行学习，但无法获得法官在辩论过程中的动态评估，这也是法律AI欠缺的内容，这意味着法律人工智能不是无边界的。法律人工智能是人工智能的经典领域，它提出了人工智能艰深而有趣的问题，其研究服务于人工智能和法律领域自身。法律人工智能不仅仅是应用领域，它还关注人工智能非常核心的问题：推理、表达和学习。
魏斌老师以司法为例，揭示了何为法律人工智能。首先应具有特有属性：第一，满足司法需求，包括满足司法任务需求和司法体制改革需求；第二，遵循司法规律，包括定分止争、审判独立、裁判中立、裁判可预测、司法公开、错案必纠、遵循先例、公正司法的规律等。其次，法律人工智能还应当符合法律的特征，包括法律的开放属性、法律推理的可废止性、法律论证的多主体性动态性和论辩性、法律对话的程序理性、证立标准的多样性等。
接着，魏斌老师对法律人工智能进一步给出了定义，即法律人工智能不仅仅是技术和应用形态，还可以是科技辅助法律任务的一种新型管理形态，它将人工智能引入法律领域，旨在辅助立案、审判和执行和管理，代替重复和低效的法律任务，实现业务极其流程的数据化、平台化和智能化，从而提高法律任务质效，帮助实现司法公开，促进司法为民和公正司法。
魏斌老师介绍到，法律人工智能目前有着广泛的学术交流平台和稳定的学术研究团体。例如国际法律人工智能协会（IAAIL）、国际人工智能与法律大会（ICAIL）、国际法律知识与信息系统大会（JURIX）等。法律人工智能有着明确的研究任务，以IAAIL为例，其研究主题为符号主义和联结主义。ICAIL主题则覆盖法律推理的形式化和可计算模型、法律数据和法律文本的自动化信息抽取、自动化法律文本分类和摘要、法律领域的区块链技术应用等。
表1. IAAIL的研究主题
魏斌老师提到，法律AI的发展实际上与AI发展的节奏是一致的。在20世纪60年代，法律推理自动化达到第一次高峰；到20世纪80年代，法律专家系统的发展随着AI知识时代第二次高峰也达到了顶峰；到21世纪10年代机器学习和特征表示学习时代，法律大数据、法律知识图谱、区块链和法律深度学习也迎来了全面的发展浪潮。
3
法律人工智能的演化逻辑
魏斌老师对数据与知识的差异进行了阐释。知识是人对客观世界和人类社会的运行规律、人的思维和经验等进行理解和认识的信息集合。不同的学科根据不同的标准有不同的分类，例如描述性知识、规则性知识、规律性知识。数据是人所感受或观测到的反映客观世界中事务的性质、运动规律的信号，包括图像、语音、视频、文本等，大数据又有具体有多源、异构和时变的特性。
接着，魏斌老师从数据和知识的差异出发，进一步区分了法律人工智能的两条路径，分别是符号主义和联结主义。符号主义是以知识为中心的知识表达与推理，根据知识来推出结论进而决策，其方法是逻辑和认知科学；联结主义是以数据为中心的数据挖掘与应用，从分散的数据当中发现规律和特征，以数据挖掘与机器学习为方法，其能够避免知识获取瓶颈、弥补人为定义规则的不完备性，缺点是黑箱算法和不可解释性。
表2. 符号主义与联结主义法律人工智能之比较
4
法律人工智能的趋势前瞻
最后，魏斌老师讲述了符号主义与联结主义的融合是未来明确的发展方向。
第一，从感知到认知再到决策的过程，由数据感知得到离散数据中的规律和特征，就产生了新的知识。在司法领域，这仅仅是产生了极少数知识，即分布在图像、语音和文本中的知识。然而，司法审判存在大量的由法官所给出的领域知识，大量的司法决策依赖于这些领域知识。因此，数据中心与知识中心的融合是未来十分明确的发展方向。
第二，基于知识的人工神经网络（KBANN）研究如何从神经网络中插入和提取规则，为使用反向传播训练的基于知识的神经网络学习算法提供了一种学习背景知识的有效办法。
第三，基于符号表示的机器学习，其逻辑推理利用符号域知识和纠正错误感知的事实来改进机器学习模型，例如，周志华老师就通过溯因学习使机器同时学习识别手写数字和求解数学运算。
第四，最新的认知图谱与推理研究动态指向多种路径：一是知识图谱与图神经网络的结合，二是大规模知识图谱和知识计算研究，三是从人机知识交互的角度研究人机交互的知识表征体系，四是从高阶认知的视角来研究，从形式认识论、认识心理学、脑机融合等学科进行交叉性探索。
第五，参照Project Debater辩论手的模式，进行论证挖掘、论证知识库、论证反驳和论证构建。
第六，混合人工智能，例如新型端到端神经网络架构（PrediNet）、神经-符号概念学习器（NS-CL）等。
END
文字整理：张 晗
本文编辑：钱岙轲
本文审阅：王星雨、郑斯元
（本文观点和内容与本公众号无关）
（如有侵权，请联系删除）
延伸阅读：
主 编：王凯旋
副 主 编：王星雨
来稿请投：zjulaw@aliyun.com
转载须授权