熊明輝

摘要：法律人工智能的核心問題是自動(dòng)法律推理建模。文獻(xiàn)表明，推理建模有兩種經(jīng)典路徑：一是規(guī)則推理建模路徑;二是案例推理建模路徑。雖然二者分別源自歐洲大陸法傳統(tǒng)和美國(guó)判例法傳統(tǒng)，但事實(shí)上無(wú)論是在大陸法系還是在判例法系，規(guī)則推理建模都是最根本的路徑，案例推理路徑是作為規(guī)則推理建模的補(bǔ)充路徑出現(xiàn)的。法律推理建模以自然語(yǔ)言處理為前提，這一人工智能難題決定了法律推理建模的天然難度。大數(shù)據(jù)驅(qū)動(dòng)催生了法律推理建模的第三種路徑——大數(shù)據(jù)推理建模路徑，而且這種路徑可以用來(lái)彌補(bǔ)前兩種路徑的不足。雖然這種路徑仍處于探索階段，但已有了一些落地法律應(yīng)用軟件，如我國(guó)的智慧法院工程，以及美國(guó)的法律應(yīng)用軟件Lex Machina和Ravel等。

DOI編碼：10.19667/j.cnki.cn23-1070/c.2020.06.010

一、何謂法律人工智能

“法律人工智能”是法律信息學(xué)的主要研究對(duì)象。作為一個(gè)術(shù)語(yǔ)，它源自英文術(shù)語(yǔ)“Artificial Intel-ligence and Law”，其直譯應(yīng)當(dāng)是“人工智能與法”，屬于人工智能與法學(xué)的一個(gè)交叉研究領(lǐng)域，探討的是人工智能在法律中的應(yīng)用，因此，我們?cè)诖藢⑵渥g為“法律人工智能”。2019年，維基百科全書英文版將原來(lái)的“法律人工智能”（Artificial Intelligence and Law）詞條正式更名為“法律信息學(xué)”（Legal Informat-ics）。這意味著，法律人工智能不再是一個(gè)學(xué)科名稱，而將作為法律信息學(xué)的研究對(duì)象而存在，就學(xué)科而言，法律人工智能研究被歸入法律信息學(xué)范疇。所謂法律信息學(xué)，根據(jù)艾德里茲和奧黑爾的觀點(diǎn)，是指信息科學(xué)在法律語(yǔ)境中的應(yīng)用，其中涉及與法律有關(guān)的組織機(jī)構(gòu)，如律師事務(wù)所、法院和法學(xué)院，以及這些組織內(nèi)部的信息與信息技術(shù)用戶。

法律人工智能首先是人工智能的一個(gè)子領(lǐng)域。根據(jù)里士蘭、阿什利和路易2003年在《人工智能》雜志上發(fā)表的《法律人工智能：一個(gè)富有成效的協(xié)同創(chuàng)新》一文中所持觀點(diǎn)，“法律人工智能”是人工智能研究的一個(gè)經(jīng)典領(lǐng)域，提出了一系列很有趣的人工智能難題，探討的是人工智能在法律中的應(yīng)用。根據(jù)通常的看法，如果從1987年美國(guó)東北大學(xué)召開第一屆法律人工智能國(guó)際會(huì)議、法律人工智能學(xué)術(shù)共同體正式形成開始算起，那么法律人工智能有三十多年的歷史。但法律人工智能的核心問題是法律推理的邏輯表示問題，如果從關(guān)注“自動(dòng)法律推理”這一議題開始算起的話，那么至少可以追溯到六十余年之前，在英國(guó)國(guó)家物理實(shí)驗(yàn)室1958年舉辦的“思維過程機(jī)械化論壇”上，梅爾發(fā)表了《法律世界的自動(dòng)化：從法律信息機(jī)器處理到法律機(jī)器》一文，在這篇具有里程碑意義的文章中，梅爾提出了要用邏輯進(jìn)行法律信息檢索與推理。

然而，如果僅從自動(dòng)法律推理實(shí)現(xiàn)方案來(lái)講，1970年美國(guó)匹茲堡大學(xué)計(jì)算機(jī)科學(xué)系教授布坎南（Bruce G.Buchanan）與美國(guó)巴法羅大學(xué)法學(xué)院教授海德里克（Thomas E.Headrick）在《斯坦福法律評(píng)論》上發(fā)表的《關(guān)于法律人工智能與法律推理的幾點(diǎn)思考》則被視為首個(gè)真正的法律人工智能提案，因?yàn)樗麄兊谝淮握桨选叭斯ぶ悄堋迸c“法律推理”關(guān)聯(lián)起來(lái)思考問題。正因如此，有學(xué)者在談及法律人工智能的歷史時(shí)往往從1970年布坎南和海德里克公開發(fā)表的那篇論文開始。如張保生認(rèn)為：“1970年布坎南和海德里克發(fā)表了《關(guān)于人工智能和法律推理若干思考》一文，揭開了對(duì)法律推理進(jìn)行人工智能研究的序幕。”

不過，要想真正把握法律人工智能的核心，首先必須弄清其上位概念“人工智能”的核心問題所在。人工智能的核心問題是用計(jì)算機(jī)實(shí)現(xiàn)自動(dòng)推理。1950年圖靈（Alan M.Turing，1912—1954）提出了“機(jī)器會(huì)思維嗎”這一著名的哲學(xué)問題。在他看來(lái)，要回答“機(jī)器是否會(huì)思維”很難，但我們可以用另一個(gè)密切相關(guān)的問題來(lái)代替這個(gè)問題，為此，他設(shè)計(jì)了一個(gè)稱之為“模仿游戲”（the Imitation Game）的思想實(shí)驗(yàn)。“模仿游戲”是一個(gè)三人游戲，由一位男性（A）、一位女性（B）和一位或男或女的詢問者（C）組成。詢問者待在與A和B不同的房間，其目標(biāo)是要確定他們兩個(gè)人的性別。詢問者通過標(biāo)記X（女）和Y（男）來(lái)識(shí)別他們，在游戲的最后，他將判斷“X是A，Y是B”或者“X是B，Y是A”。在游戲中，詢問者可以向A和B提問，如“請(qǐng)告訴我你的頭發(fā)有多長(zhǎng)”。在游戲中，A的目標(biāo)是要讓C的識(shí)別出錯(cuò)，故他的回答可能是：“我的頭發(fā)是帶狀的，最長(zhǎng)的一束有九英寸?！睘榱耸乖儐栒卟皇苷Z(yǔ)音音調(diào)等因素的影響，答案應(yīng)該手寫，最好是打字。理想的安排是讓電傳打印機(jī)。當(dāng)然，也可以由中間人復(fù)述問答方式進(jìn)行。B的游戲目標(biāo)是給詢問者提供幫助。對(duì)她來(lái)說，最好的策略可能是給出真實(shí)的答案，比如，“我是女人，不要相信他的話”，但她的回答可能無(wú)濟(jì)于事，因?yàn)锳也可以這樣回答。現(xiàn)在我們思考一個(gè)問題：“在游戲中，如果我們用機(jī)器代替A時(shí)會(huì)怎樣？”在同樣的游戲中，詢問者會(huì)像與人類游戲過程中一樣經(jīng)常做出錯(cuò)誤的判斷嗎？這些問題取代了“機(jī)器會(huì)思考嗎”這一原來(lái)的問題。通俗的說就是，當(dāng)一個(gè)人與某個(gè)智能體進(jìn)行交流時(shí)，竟然可能無(wú)法識(shí)別他是否只是一臺(tái)機(jī)器。

這種測(cè)試機(jī)器是否會(huì)思維的方法如今被稱為“圖靈測(cè)試”（the Turing Test），通常被認(rèn)為是人工智能的第一個(gè)哲學(xué)方案。但在岡德森（Keith Gunderson）看來(lái)，其實(shí)笛卡兒早在1668年就提出了類似圖靈測(cè)試的想法。在笛卡兒看來(lái)，即便存在與我們身體相似的機(jī)器，并且為了所有實(shí)踐目的盡可能地模仿我們的行為，我們?nèi)匀粦?yīng)該有兩種非常確定的方式識(shí)別出它們：首先，它們無(wú)法像我們一樣為了向他人傳達(dá)自己的想法而使用語(yǔ)詞與符號(hào)。我們肯定能夠設(shè)想一臺(tái)機(jī)器能夠發(fā)出的聲音，甚至發(fā)出與引起人體器官變化的身體動(dòng)作相對(duì)應(yīng)的聲音……但我們無(wú)法想象這種機(jī)器哪怕像最愚蠢的人那樣，能夠產(chǎn)生不同的語(yǔ)詞排列方式，對(duì)在場(chǎng)的講話給出適當(dāng)?shù)?、有意義的答案。其次，即使某些機(jī)器可能會(huì)像我們一樣完成某些事情，甚至做得更好，但它們不可避免地在其他機(jī)器上卻會(huì)做不到，這表明它們的行為不是出于理解，而僅僅是出于其裝置的處置。盡管理性是一種可用于各種情況的通用工具，但理性需要人體器官采取某些特殊行動(dòng)。因此，機(jī)器實(shí)際上不可能擁有足夠多的不同類似人體器官的裝置，保證其能夠以人類理性行事的方式在各種生活偶然事件中行事。笛卡兒對(duì)機(jī)器是否會(huì)思維顯然秉持否定態(tài)度，而且圖靈也只是提出一種檢驗(yàn)機(jī)器是否會(huì)思維的方法，并沒有給出明確答案。當(dāng)然，這也意味著，圖靈對(duì)機(jī)器是否會(huì)思維并沒有持否定態(tài)度。

假如圖靈的“機(jī)器會(huì)思維嗎”問題成立，那么人工智能的核心事實(shí)上可歸結(jié)為“機(jī)器會(huì)推理嗎”這一問題。根據(jù)弗雷格的定義，邏輯學(xué)是關(guān)于思維和推理的科學(xué)。根據(jù)傳統(tǒng)邏輯學(xué)家的共識(shí)，思維形式通常包括概念、判斷和推理三類，或者說，詞項(xiàng)、命題和推理三類。在邏輯學(xué)家看來(lái)，推理才是思維形式的核心概念，從弗雷格的邏輯學(xué)定義也可以明確看到這一點(diǎn)。于是，“機(jī)器是否會(huì)思維問題”就轉(zhuǎn)變成了“機(jī)器是否會(huì)自動(dòng)推理問題”?？梢?，自動(dòng)推理的實(shí)現(xiàn)問題便是人工智能的核心問題。相應(yīng)地，法律人工智能的核心問題就是自動(dòng)法律推理的實(shí)現(xiàn)問題。從法律人工智能發(fā)展史來(lái)看，法律人工智能領(lǐng)域中自動(dòng)法律推理建模有兩種經(jīng)典路徑：一是規(guī)則推理路徑;二是案例推理路徑。然而，大數(shù)據(jù)時(shí)代的到來(lái)卻催生了第三種推理建模路徑，即大數(shù)據(jù)推理建模路徑。不過，這一路徑目前尚處于形成之中。

二、規(guī)則推理建模路徑

在法律人工智能中，規(guī)則推理建模的本質(zhì)上就是將法條表達(dá)為機(jī)器可理解的法律知識(shí)庫(kù)，供自動(dòng)法律推理引擎隨時(shí)調(diào)用。毫無(wú)疑問，對(duì)于成文法系來(lái)講，這應(yīng)當(dāng)是一種主流建模路徑?！斗扇斯ぶ悄茈s志》主編阿什利（Kevin Ashley）認(rèn)為，法律首先是一個(gè)規(guī)則領(lǐng)域，許多法律規(guī)則體現(xiàn)在法律與法規(guī)中。既然規(guī)則可以從邏輯上進(jìn)行表達(dá)，而計(jì)算機(jī)可以執(zhí)行演繹推理，那么，從計(jì)算上建模成文法推理應(yīng)該很容易。只需向計(jì)算機(jī)程序輸入一個(gè)事實(shí)情節(jié)，程序就會(huì)識(shí)別相關(guān)規(guī)則，判定規(guī)則的條件是否得以滿足，并根據(jù)規(guī)則提供解釋或給出答案。然而，建構(gòu)法律成文法律推理的計(jì)算模型卻遇到了嚴(yán)峻的挑戰(zhàn)，因?yàn)橥ǔＧ闆r下成文法是模糊的，在語(yǔ)義和語(yǔ)法上是含混的，受制于結(jié)構(gòu)上的不確定性。假如某個(gè)計(jì)算機(jī)程序要應(yīng)用一個(gè)法條，那么它應(yīng)該應(yīng)用哪種邏輯解釋，如何處理法律術(shù)語(yǔ)的含糊性和模糊性，或者如何判定是否有例外呢？這些都是規(guī)則推理必然要面臨的挑戰(zhàn)。

盡管如此，法律人工智能研究首先還是從規(guī)則推理進(jìn)路開始的。該進(jìn)路有兩項(xiàng)早期貢獻(xiàn)：一是1981年蘭德公司民事司法中心沃特曼（Donald Waterman）和彼得森（Mark Peterson）建立的一個(gè)專家系統(tǒng)，用于解決侵權(quán)法中產(chǎn)品責(zé)任案件的法律裁定，該系統(tǒng)是規(guī)則推理建模路徑的第一個(gè)嘗試。二是1986年倫敦帝國(guó)理工學(xué)院的塞科特等人用邏輯編程來(lái)建?！队?guó)國(guó)籍法》的某些部分，建立了一個(gè)龐大的獨(dú)立法條體系。此外，在該進(jìn)路中，特別值得關(guān)注的是，1984年斯坦福大學(xué)計(jì)算機(jī)學(xué)院加德納的博士論文。這是法律人工智能領(lǐng)域的第一篇博士論文，加德納系統(tǒng)地給出了規(guī)則推理建模路徑，其關(guān)注的問題是“當(dāng)規(guī)則運(yùn)行”時(shí)會(huì)發(fā)生什么，也就是，當(dāng)規(guī)則前件使用了一個(gè)未用其他規(guī)則定義的謂詞時(shí)，特別是涉及語(yǔ)詞專業(yè)含義與常識(shí)含義之間關(guān)系的法律概念與問題所固有的開放結(jié)構(gòu)時(shí)，會(huì)發(fā)生什么?！斗扇斯ぶ悄堋罚ˋrtificial Intelligence and Law）雜志創(chuàng)辦者伯曼（Donald Berman，1935—1997）在1985—1989年期間關(guān)注的焦點(diǎn)就是規(guī)則推理建模路徑。他提出了一個(gè)分類路徑，并解釋了為什么需要每種系統(tǒng)及其之間的區(qū)別，這些系統(tǒng)包括預(yù)測(cè)系統(tǒng)、規(guī)范系統(tǒng)等。

規(guī)則推理（rule-based reasoning），直譯應(yīng)為“基于規(guī)則的推理”，是法律推理的最重要類型。在規(guī)則推理中，我們會(huì)接受某條規(guī)則并將其應(yīng)用于一組法律事實(shí)，而且這種推理通常被認(rèn)為是演繹的，也就是說，只要所有前提均真，就必然推導(dǎo)出其結(jié)論也為真。其中，規(guī)則可是法條，也可以是既有案例。在紐曼看來(lái)，每條規(guī)則都可能包含四個(gè)要件：（1）一組被統(tǒng)稱為“檢測(cè)”的要素;（2）所有要素都出現(xiàn)并滿足了檢測(cè)時(shí)的結(jié)果;（3）一個(gè)用來(lái)判定結(jié)果是屬于強(qiáng)制性的、禁止性的、任意性的還是陳述性的因果術(shù)語(yǔ);（4）一個(gè)或一個(gè)以上的例外，也即即便所有要素均得以滿足，結(jié)論仍然會(huì)被擊敗。其中，前三個(gè)要件相互獨(dú)立，且對(duì)于每條規(guī)則來(lái)講都是必不可少的，而只有部分規(guī)則會(huì)涉及第四個(gè)要件。例如，如果被告的行為是蠻橫、故意的而且導(dǎo)致了原告嚴(yán)重的精神痛苦，即成立故意精神損害。如果本案事實(shí)滿足了規(guī)則的所有要素，那么該規(guī)則得以滿足。比如，某男給前女友深夜打了好幾次電話騷擾她（即蠻橫的故意行為），而且這導(dǎo)致她遭受了嚴(yán)重情感傷害，那么就成立故意情感傷害了。

規(guī)則即作出裁定的公式。法律人工智能建模的首要工作就是法律知識(shí)表示，即將法條和案例知識(shí)表示為可計(jì)算的法律知識(shí)庫(kù)，為自動(dòng)法律推理提供基礎(chǔ)法律知識(shí)庫(kù)。紐曼區(qū)分了四種類型的規(guī)則：（1）強(qiáng)制性規(guī)則，亦稱“義務(wù)性規(guī)則”，主要涉及“應(yīng)當(dāng)”型或“必須”型法條，如“犯罪嫌疑人、被告人因經(jīng)濟(jì)困難或者其他原因沒有委托辯護(hù)人的，本人及其近親屬可以向法律援助機(jī)構(gòu)提出申請(qǐng)。對(duì)符合法律援助條件的，法律援助機(jī)構(gòu)應(yīng)當(dāng)指派律師為其提供辯護(hù)”。（2）禁止性規(guī)則，主要涉及“禁止”型或“不得”型法條，如“偵查實(shí)驗(yàn)，禁止一切足以造成危險(xiǎn)、侮辱人格或者有傷風(fēng)化的行為”。（3）任意性規(guī)則，亦可稱“自由裁量規(guī)則”，主要涉及“可以”型或“有權(quán)”型法條，如“審判未成年人刑事案件，未成年被告人最后陳述后，其法定代理人可以進(jìn)行補(bǔ)充陳述”。（4）陳述性規(guī)則，主要涉及“是”型法條，即不帶模態(tài)詞的法條，如“明知自己的行為會(huì)發(fā)生危害社會(huì)的結(jié)果，并且希望或者放任這種結(jié)果發(fā)生，因而構(gòu)成犯罪的，是故意犯罪”?！耙蚬g(shù)語(yǔ)”是規(guī)則的核心要件，它是區(qū)分強(qiáng)制性、禁止性、任意性和陳述性規(guī)則的標(biāo)志。強(qiáng)制性規(guī)則是要求某人做某事，其因果術(shù)語(yǔ)標(biāo)識(shí)詞常常是“必須”或“應(yīng)當(dāng)”;禁止性規(guī)則是強(qiáng)制性規(guī)則的對(duì)立面，規(guī)定的是禁止某人做某事，其因果術(shù)語(yǔ)標(biāo)識(shí)詞是“不應(yīng)當(dāng)”“不得”“不許”等;任意性規(guī)則是賦予某人做某事的權(quán)力，被授權(quán)者做某事?lián)碛凶杂刹昧繖?quán)，絕非非做不可，其因果術(shù)語(yǔ)標(biāo)識(shí)詞常常是“可以”或“有權(quán)”;陳述性規(guī)則只是陳述了某事為真，似乎不太像規(guī)則，但我們已經(jīng)熟悉了陳述規(guī)則及其后果，其因果術(shù)語(yǔ)標(biāo)識(shí)就是沒有模態(tài)詞，這種規(guī)則就是用實(shí)然語(yǔ)句來(lái)表達(dá)的。早期，紐曼只區(qū)分了前三種規(guī)則類型，后來(lái)才增加了第四種類型。事實(shí)上，某條具體規(guī)則到底屬于哪種類型，有時(shí)未必顯而易見，因?yàn)橛行┮?guī)則初看起來(lái)屬于某一類，但仔細(xì)審視之后卻發(fā)現(xiàn)它竟然屬于另一類。

1984年，里士蘭和她的學(xué)生阿什利首次報(bào)告了海波（HYPO）法律論證項(xiàng)目及其維度機(jī)制。這項(xiàng)研究源自里士蘭早期在基于實(shí)例的推理以及數(shù)學(xué)中的“約束示例生成”方面的工作。海波系統(tǒng)最初關(guān)注的是生成假設(shè)問題，因此得名，后來(lái)阿什利在其博士論文中充分發(fā)展一個(gè)案例論證程序，成為法律人工智能第一個(gè)真正的案例推理系統(tǒng)——海波系統(tǒng)，一個(gè)用于幫助訴訟代理人評(píng)估美國(guó)商業(yè)機(jī)密法糾紛的計(jì)算機(jī)程序。在本奇卡鵬看來(lái)，自1987年里士蘭和阿什利在第一屆法律人工智能國(guó)際會(huì)議上報(bào)告以來(lái)，海波系統(tǒng)無(wú)疑是最有影響的法律人工智能項(xiàng)目，其中，制定了法律案例推理的議程，為法律案例、針對(duì)案例推理的規(guī)則推理路徑以及先例推理的形式化進(jìn)行了辯護(hù)。

海波系統(tǒng)有如下兩大特征：首先，它是一個(gè)案例推理程序。海波系統(tǒng)利用數(shù)據(jù)庫(kù)中的真實(shí)案例來(lái)分析糾紛問題。給定一個(gè)糾紛描述，程序會(huì)把問題與相關(guān)案例進(jìn)行比較，挑選出最相似的案例，并在論證中引證它;在問題與先例之間進(jìn)行簡(jiǎn)單事實(shí)類比，區(qū)分先例，引用反例和問題的假設(shè)性變體，以幫助訴訟代理人能夠聚焦于補(bǔ)強(qiáng)或削弱論證的其他事實(shí)?？傊?，海波系統(tǒng)會(huì)將具體的問題情形與案例庫(kù)中的案例進(jìn)行系統(tǒng)的比較與對(duì)比，找出最相似的案例。也就是我國(guó)法律人工智能界常說的“類案推送”。其次，海波系統(tǒng)還是一個(gè)對(duì)抗性推理器。針對(duì)如何裁判新問題，它會(huì)提出競(jìng)爭(zhēng)性論證。換句話說，其任務(wù)不是就應(yīng)當(dāng)如何裁判提出一個(gè)“正確”答案，而是提供競(jìng)爭(zhēng)性合理答案，為各方提供最佳案例，并針對(duì)那些論證進(jìn)行回應(yīng)。

海波系統(tǒng)有八大關(guān)鍵要素：（1）案例知識(shí)庫(kù)，一個(gè)結(jié)構(gòu)化的真實(shí)案例數(shù)據(jù)庫(kù);（2）維度索引，一種使用維度從案件知識(shí)庫(kù)中檢索相關(guān)判例的索引路徑;（3）維度分析，即分析當(dāng)前事實(shí)問題以及從案件知識(shí)庫(kù)中檢索相關(guān)案例的方法;（4）案例定位，即將問題情形相對(duì)于案例知識(shí)庫(kù)中的相關(guān)判例進(jìn)行定位并找到最恰當(dāng)判例的方法;（5）標(biāo)桿案件比較，即對(duì)案件進(jìn)行比照與對(duì)比以引證、區(qū)別或發(fā)現(xiàn)反例;（6）提出假設(shè)，即打亂當(dāng)前事實(shí)情況以生成用以檢驗(yàn)論證強(qiáng)度的假設(shè)并凸顯具有破壞性的新事實(shí)而抹黑既有有利事實(shí)的方法;（7）三層論證，即生成用于試運(yùn)行和調(diào)試法律論證并以律師熟悉的方式使用引證標(biāo)簽來(lái)描述現(xiàn)有判例強(qiáng)度的三層論證的方法;（8）解釋說明，通過引用先例來(lái)解釋決定及其選擇的框架，其中，用三層論證來(lái)對(duì)先例強(qiáng)度進(jìn)行批判性比較，并提出對(duì)當(dāng)前事實(shí)情形和先例假設(shè)變體來(lái)證明“若有不同，則會(huì)導(dǎo)致不同結(jié)論”的關(guān)鍵特征。

海波系統(tǒng)的推理過程涉及八個(gè)基本步驟：（1）從維度上分析當(dāng)前事實(shí)情形;（2）從案例知識(shí)庫(kù)中檢索相關(guān)先例;（3）將當(dāng)前事實(shí)情形相對(duì)于檢索到的案件進(jìn)行定位;（4）比較案件并挑選最佳先例;（5）針對(duì)引用先例的當(dāng)前事實(shí)情形生成三層論證;（6）啟發(fā)性或假設(shè)性修改當(dāng)前事實(shí)情形;（7）生成所選假設(shè)的三層論證;（8）通過展示和比較論證來(lái)解釋當(dāng)前事實(shí)情形以及所選假設(shè)。海波系統(tǒng)的主要輸入內(nèi)容是描述法律糾紛的問題情形。訴訟代理人或助手通過計(jì)算機(jī)錄入問題情形描述。由于海波系統(tǒng)不具備理解自然語(yǔ)言的能力，用戶必須使用專門設(shè)計(jì)的語(yǔ)言來(lái)錄入表達(dá)法律糾紛的問題情形。程序會(huì)有一個(gè)菜單驅(qū)動(dòng)環(huán)境來(lái)引導(dǎo)錄入過程。海波系統(tǒng)的主要輸出內(nèi)容為：各方可引用的最佳案例概要，引用各方最佳案例并展示代表對(duì)方如何回應(yīng)的論證，以及表明如何修改問題情形以補(bǔ)強(qiáng)或削弱某方論證的假設(shè)。

根據(jù)本奇卡鵬的總結(jié)，海波系統(tǒng)的最重要思想是兩個(gè)概念：一是維度（dimension）概念，即案件適用或不適用的方方面面。若適用，那么維度代表一個(gè)表達(dá)價(jià)值范圍的向量，其中一端完全支持起方，而另一端完全支持應(yīng)方，在某一點(diǎn)上維度將不再支持起方而開始支持應(yīng)方。假如有n個(gè)維度，我們有一個(gè)n維空間，在某些地方支持起方而在另外一些地方支持應(yīng)方。海波系統(tǒng)的13個(gè)維度是：（D1）競(jìng)爭(zhēng)優(yōu)勢(shì);（D2）垂直知識(shí);（D3）自愿披露;（D4）受限披露;（D5）代價(jià)支持協(xié)議;（D6）員工通過跳槽獲利;（D7）存在明確的非競(jìng)爭(zhēng)協(xié)議;（D8）員工轉(zhuǎn)讓產(chǎn)品工具;（D9）關(guān)于被告的保密協(xié)議;（D10）員工獨(dú)立開發(fā);（D11）保密協(xié)議具體內(nèi)容;（D12）與被告談判中的披露;（D13）采取的安全措施。其中，D1和D3兩個(gè)維度是連續(xù)性的，D2、D4、D5、D6、D7、D9、D11和D12均屬二元維度，D8屬于一元維度，而D6和D10既可能屬于一元維度，也可能屬于二元維度，D13是一個(gè)包括8個(gè)要點(diǎn)的枚舉范圍。二是三層論證概念（3-ply argument）?！叭龑印狈謩e是引用案例層、回應(yīng)層和反駁層。首先，一方如起方引用了一個(gè)己方找到的案例。該案例應(yīng)該盡可能地與本案例相似，要切中要點(diǎn)，根據(jù)遵循先例原則，所提出的建議是先例決定應(yīng)該適用于本案，即使該決定成立。其次，應(yīng)方通過區(qū)分（即指出顯著的差異，這意味著不應(yīng)該遵循先例）和引用其能夠找到的反例來(lái)回應(yīng)起方，而且反例至少要與起方所引案例一樣切題。最后，起方試圖反駁應(yīng)方在第二階段提出的論證，如：區(qū)分反例，強(qiáng)調(diào)本案與先例的類似性，表明差異的非決定性，如此等等。

在給出海波系統(tǒng)之后，阿什利與他的另一位學(xué)生阿里文合作研發(fā)了“卡托（CATO）系統(tǒng)”。海波系統(tǒng)與卡托系統(tǒng)的共同點(diǎn)是都關(guān)注美國(guó)商業(yè)秘密，但不同點(diǎn)是：首先，后者用“因素”（factor）代替了前者的“維度”（dimension）;其次，海波系統(tǒng)有13個(gè)維度，而卡托系統(tǒng)有26個(gè)因素;在海波系統(tǒng)中，案件是用事實(shí)（fact）來(lái)表示的，而事實(shí)是用來(lái)判定維度在具體案例中是否活躍，若活躍則根據(jù)維度來(lái)確定案例的位置;因素雖然與事實(shí)相關(guān)，但其是分析者根據(jù)案例事實(shí)來(lái)指派的，故卡托系統(tǒng)中的因素只有分析者可見?？ㄍ邢到y(tǒng)的26個(gè)因素包括：（F1）談判中的信息披露;（F2）賄賂員工;（F3）唯一開發(fā)員工;（F4）同意不公開;（F5）協(xié)議不具體;（F6）安全措施;（F7）攜帶工具;（F8）競(jìng)爭(zhēng)優(yōu)勢(shì);（F10）泄露秘密;（F11）垂直知識(shí);（F12）泄密限制;（F13）非競(jìng)爭(zhēng)協(xié)議;（F14）限制使用材料;（F15）獨(dú)特產(chǎn)品;（F16）信息反向成為可工程化之物;（F17）信息獨(dú)立生成;（F18）相同產(chǎn)品;（F19）無(wú)安全措施;（F20）競(jìng)爭(zhēng)對(duì)手已知的信息;（F21）了解保密信息;（F22）侵入性技術(shù);（F23）放棄保密;（F24）信息可通過其他渠道獲得;（F25）信息逆向工程;（F26）欺騙;（F27）在公眾論壇披露信息。需要注意的是，在卡托系統(tǒng)中沒有F9，D5也沒有任何體現(xiàn)，D13被細(xì)化為F6、F19和F27三個(gè)因素，而且，相對(duì)于海波系統(tǒng)而言，F(xiàn)14、F15、F16、F17、F18、F20、F21、F22、F23、F24、F25、F26這12個(gè)因素均是新引入的。由此可見，案件推理系統(tǒng)建模具有高度語(yǔ)境感性，針對(duì)不同的領(lǐng)域，所設(shè)定的要素或因素均有重大差異。

此外，面向不同法律領(lǐng)域，里士蘭與她的博士生們合作研發(fā)了一系列案例推理系統(tǒng)，比如，與斯卡拉克合作的針對(duì)家庭辦公減稅的“卡巴萊（CABARET）系統(tǒng)”以及與斯卡拉克、弗里德曼、丹尼爾斯等人合作的針對(duì)個(gè)人破產(chǎn)的“銀行XX（BankXX）系統(tǒng)”和“斯皮爾（SPIRE）系統(tǒng)”。本奇卡鵬將海波系統(tǒng)之后發(fā)展起來(lái)的這類案例推理系統(tǒng)稱為“超海波系統(tǒng)”，這類案例有時(shí)又被統(tǒng)稱為“海波風(fēng)格系統(tǒng)”。里士蘭和阿什利提出海波系統(tǒng)的初心就是作為規(guī)則推理系統(tǒng)的輔助系統(tǒng)，值得注意的是，卡巴萊系統(tǒng)典型是一個(gè)規(guī)則推理與案例推理的混合系統(tǒng)。

規(guī)則推理建模與案例推理建模有時(shí)被視為兩種相互競(jìng)爭(zhēng)的方法。伯曼認(rèn)為，這兩種方法源自不同的愿望：前者更可能產(chǎn)生實(shí)際應(yīng)用，其中的規(guī)則不僅取自成文法，還可取自專家的理解;后者更能抓住法律推理的本質(zhì)所在，因?yàn)榧內(nèi)斯ぶ悄艿囊淮笾饕繕?biāo)就是準(zhǔn)確地表示人類智能，表示法律思維，故法律領(lǐng)域中的案例推理研究必須繼續(xù)。一般說來(lái)，規(guī)則推理研究進(jìn)路與歐洲人有關(guān)，因?yàn)槭苋铺氐热?986年工作的啟發(fā)以及民法在歐洲大陸的流行，他們熱衷于用Prolog語(yǔ)言與邏輯來(lái)表示立法;而案例推理研究進(jìn)路被認(rèn)為是美國(guó)研究者所選擇的進(jìn)路，因?yàn)樗麄兤珢跮ISP語(yǔ)言（一種計(jì)算編輯語(yǔ)言），而且面對(duì)的是極富對(duì)抗性的普通法傳統(tǒng)。在20世紀(jì)80年代的后期，兩條進(jìn)路被視為兩種單獨(dú)進(jìn)路，其研究?jī)A向于由不同的群體進(jìn)行，在歐洲尤其為明顯。然而，到了90年代，不同進(jìn)路的研究者們?cè)絹?lái)越傾向于將兩種方法整合起來(lái)，前面提及的斯卡拉克和里士蘭的卡巴萊系統(tǒng)就是兩種研究進(jìn)路整合的典范，而像本奇卡鵬這樣的規(guī)則推理研究支持者也意識(shí)到需要案例來(lái)提供足夠條件以能夠解釋法律條款。

特別值得關(guān)注的是，帕肯和沙托爾1998年提出的一種從案例到規(guī)則集的簡(jiǎn)潔整合方法。他們的起點(diǎn)是一個(gè)被表示為因素集的案例集及其結(jié)果，其中的因素可分為有利于起方的因素和有利于應(yīng)方的因素，每一個(gè)因素都代表一個(gè)理由來(lái)決定其支持的一方。他們用F_p代表起方最強(qiáng)理由，即在案例中起方提出的所有因素集，用F_d代表應(yīng)方最強(qiáng)理由，即案例中應(yīng)方提出的所有因素集，用p和d分別代表起、應(yīng)雙方的決定，那么我們就有兩條規(guī)則：r₁：F_p→p;r₂：F_d。假如案例結(jié)果表明了哪個(gè)理由優(yōu)先，我們便可增加一條這兩條規(guī)則何者優(yōu)先的規(guī)則，如r₃：r₁>r₂表示起方贏得了訴訟。他們認(rèn)為，每個(gè)案例都可以用這種方式表示為三條規(guī)則，這樣整個(gè)案例就可以重寫為一個(gè)起方所找到的規(guī)則集，一個(gè)應(yīng)方所找到的規(guī)則集和一個(gè)二者優(yōu)先性不完全的集。

四、大數(shù)據(jù)推理建模路徑

規(guī)則推理建模路徑的邏輯根基是演繹推理，案例推理建模路徑的根基是非演繹推理，或者說是歸納推理或類比推理。然而，法律推理的非單調(diào)性與可廢止性決定了所有前提真并不能保證必然推出結(jié)論也為真。把具有單調(diào)性和可廢止性的法律推理建模建立在具有非單調(diào)性的演繹推理基礎(chǔ)之上，這種做法本身就值得商榷。不過，面向人工智能的單調(diào)推理已經(jīng)很好地解決了法律推理建模的邏輯根基問題。

如前所述，案例推理建模首先是作為規(guī)則推理建模的補(bǔ)充形式而出現(xiàn)的，其目的是用案例來(lái)幫助理解法律概念和法律術(shù)語(yǔ)。從這個(gè)意義講，無(wú)論是規(guī)則推理建模路徑，還是案例推理建模路徑，它們關(guān)注的焦點(diǎn)就是從法律規(guī)范到法律解釋之間的法律解釋推理。傳統(tǒng)法律推理建模路徑顯然忽略了訴訟論證博弈的一個(gè)至關(guān)重要的環(huán)節(jié)，即從法律證據(jù)到法律事實(shí)之間的證據(jù)推理或事實(shí)論證。在法律訴訟中，證據(jù)并不等同于事實(shí)。在證據(jù)與事實(shí)之間還存在一種推論關(guān)系或支持關(guān)系。有人認(rèn)為，法律可以被描述為一個(gè)維特根斯坦意義上的語(yǔ)言博弈。法律訴訟是一種論證博弈，起、應(yīng)雙方的博弈目標(biāo)就是使己方合法利益最大化，而審方的目標(biāo)就是維系法律理性，確保司法公正，因此，起、應(yīng)、審方為了某種原因（如合法性或不利己方訴求）不出示或不采納某些證據(jù)完全正常。大數(shù)據(jù)推理建模路徑也許正好可以彌補(bǔ)兩個(gè)傳統(tǒng)研究進(jìn)路之不足，因?yàn)榇髷?shù)據(jù)技術(shù)可以使得法律證據(jù)更加確鑿。

何謂大數(shù)據(jù)呢？大數(shù)據(jù)是一個(gè)研究如何從數(shù)據(jù)集中系統(tǒng)提取信息并對(duì)之進(jìn)行處理的領(lǐng)域，其中，這些數(shù)據(jù)集因?yàn)樘蠡蛱珡?fù)雜無(wú)法用傳統(tǒng)數(shù)據(jù)處理軟件處理。根據(jù)?？怂沟亩x，大數(shù)據(jù)是需要并行計(jì)算工具來(lái)處理數(shù)據(jù)的地方，代表了通過并行編程理論所使用的計(jì)算機(jī)科學(xué)的一種明顯而明確的變化，以及科德（Edgar F.Codd，1923—2003）1970年提出的關(guān)系模型某些保障和能力的喪失。大數(shù)據(jù)有許多特征，其中最基本的三大特征是大量、多樣和高速。其一，數(shù)據(jù)量非常龐大。數(shù)據(jù)的大小決定了其價(jià)值和潛在洞察力。大數(shù)據(jù)之所以量大，是因?yàn)樗且环N不用隨機(jī)分析法或隨機(jī)抽樣調(diào)查這樣的捷徑而采用對(duì)所有數(shù)據(jù)進(jìn)行分析的方法。其二，數(shù)據(jù)類型多樣化。大數(shù)據(jù)的多樣性體現(xiàn)在其來(lái)源相當(dāng)廣泛，除來(lái)自文本之外，還可以來(lái)自圖像、音頻、視頻等，而且通過數(shù)據(jù)融合還可以顯現(xiàn)出其缺失的部分。其三，數(shù)據(jù)生成速度非?？臁４髷?shù)據(jù)的高速主要體現(xiàn)在其實(shí)時(shí)可用，主要與生成頻率以及處理、記錄和發(fā)布頻率密切相關(guān)。與傳統(tǒng)的小數(shù)據(jù)相比，大數(shù)據(jù)涉及更多的維度、更多的屬性，從而導(dǎo)致較高的錯(cuò)誤發(fā)現(xiàn)率。云端數(shù)據(jù)庫(kù)可以通過廉價(jià)且數(shù)量眾多的信息傳感物聯(lián)網(wǎng)設(shè)備實(shí)際收集各種數(shù)據(jù)，這些設(shè)備包括移動(dòng)設(shè)備、航空遙感、軟件日記、照相機(jī)、麥克風(fēng)、射電識(shí)別閱讀器、無(wú)線傳感網(wǎng)絡(luò)等。因此，大數(shù)據(jù)包括非結(jié)構(gòu)化、半結(jié)構(gòu)化和結(jié)構(gòu)化的數(shù)據(jù)，但主要關(guān)注非結(jié)構(gòu)化的數(shù)據(jù)。根據(jù)麥肯錫全球研究院2011年發(fā)布的《大數(shù)據(jù)：創(chuàng)新、競(jìng)爭(zhēng)與生產(chǎn)力的下一個(gè)前沿》報(bào)告，大數(shù)據(jù)的主要構(gòu)成要件與生態(tài)系統(tǒng)是：（1）分析數(shù)據(jù)的技術(shù)，如A/B測(cè)試、機(jī)器學(xué)習(xí)和自然語(yǔ)言處理;（2）大數(shù)據(jù)技術(shù)，如商業(yè)智能、云計(jì)算與云數(shù)據(jù)庫(kù);（3）可視化技術(shù)，如圖表、圖形以及其他數(shù)據(jù)展示。大數(shù)據(jù)需要利用數(shù)學(xué)分析、優(yōu)化、歸納統(tǒng)計(jì)和非線性系統(tǒng)辨識(shí)的概念，從低信息密度的大數(shù)據(jù)集中推斷出回歸、非線性關(guān)系、因果效應(yīng)等規(guī)律，揭示其中的相關(guān)關(guān)系和依賴關(guān)系，甚至對(duì)結(jié)果和行為進(jìn)行預(yù)測(cè)。大數(shù)據(jù)挑戰(zhàn)包括數(shù)據(jù)抓取、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)分析、數(shù)據(jù)檢索、數(shù)據(jù)共享、數(shù)據(jù)傳輸、數(shù)據(jù)可視化、數(shù)據(jù)查詢、數(shù)據(jù)更新、信息隱私、數(shù)據(jù)來(lái)源等。

大數(shù)據(jù)被認(rèn)為是我們這個(gè)時(shí)代最大的創(chuàng)新，但也被認(rèn)為是最大的危險(xiǎn)。大數(shù)據(jù)已經(jīng)改變了社會(huì)科學(xué)的面貌，關(guān)于它將如何影響社會(huì)科學(xué)研究的方法論已經(jīng)有了廣泛的爭(zhēng)論。法律體系當(dāng)然也不可能免于其影響。首先，大數(shù)據(jù)不僅支持著立法與政策設(shè)計(jì)，同時(shí)也是司法、執(zhí)法過程中政府官員、律師或法官的工具。決策所依據(jù)的初始數(shù)據(jù)都是以完整的實(shí)時(shí)格式提供的。政策決策效果可以通過數(shù)據(jù)輸出來(lái)衡量，數(shù)據(jù)輸出顯示了微觀層面的變化。大數(shù)據(jù)使立法者能夠在較小的人口中試驗(yàn)和模擬某些法律決定，并即時(shí)衡量這些決策對(duì)某些產(chǎn)出的影響。其次，法律傳統(tǒng)重視法律規(guī)則的一致性、穩(wěn)定性和統(tǒng)一性，而大數(shù)據(jù)有望為法律提供一種科學(xué)證據(jù)方法。在大數(shù)據(jù)驅(qū)動(dòng)的法律體系中，經(jīng)驗(yàn)分析將取代專家的判斷。以刑事判決為例，有人認(rèn)為“僅僅依靠直覺和經(jīng)驗(yàn)是不夠的”，可能導(dǎo)致量刑不當(dāng)，甚至可能是不道德的，許多情況下不僅不再需要判決，而且會(huì)導(dǎo)向不善的法律實(shí)踐。大數(shù)據(jù)要求將數(shù)據(jù)收集到中央服務(wù)器，然后由匿名專家設(shè)計(jì)的算法進(jìn)行分析。在某個(gè)法律體系中，裁判統(tǒng)一性是一條重要原則，既然相同的算法可以在整個(gè)法律體系中運(yùn)用，那么大數(shù)據(jù)算法會(huì)產(chǎn)生更一致的裁判。再次，大數(shù)據(jù)標(biāo)志著行為優(yōu)化和“個(gè)性化法律”的興起，大規(guī)模的數(shù)據(jù)分析和預(yù)測(cè)技術(shù)被用來(lái)制定行為，并生成針對(duì)客戶或受監(jiān)管實(shí)體的法律指令和建議。在大數(shù)據(jù)時(shí)代，法律應(yīng)該根據(jù)政策目標(biāo)和人類最佳行為進(jìn)行校準(zhǔn)，這是基于對(duì)大量數(shù)據(jù)的機(jī)器分析，從而消除人類的偏見、無(wú)能和錯(cuò)誤。大數(shù)據(jù)的出現(xiàn)催生了“大數(shù)據(jù)范式”。這種范式基于這樣一種信念，即理論不再是必要的，因?yàn)榛谒惴ǖ膽?yīng)用數(shù)學(xué)和統(tǒng)計(jì)技術(shù)能夠“分析”數(shù)據(jù)并找到最優(yōu)解決路徑，而且比人類程序員做得更好。大數(shù)據(jù)從理性選擇理論中喚起了神話般的全知行動(dòng)者，在決定行動(dòng)方向時(shí)，考慮了所有可用信息、事件發(fā)生的概率以及潛在的成本與收益。

大數(shù)據(jù)流行與法律經(jīng)驗(yàn)主義運(yùn)動(dòng)有關(guān)，如行為法經(jīng)濟(jì)學(xué)和證據(jù)法學(xué)。行為法經(jīng)濟(jì)學(xué)關(guān)注的是法律行為人和代理人的偏見和錯(cuò)誤，試圖提供激勵(lì)和補(bǔ)救措施，以確保最佳行為，從而使得法律推理和決策過程更加科學(xué)、客觀和基于證據(jù)的做法當(dāng)然應(yīng)該受到稱贊。這些行為優(yōu)化舉措與大數(shù)據(jù)一起加速了法律行業(yè)自動(dòng)化和非中介化的趨勢(shì)。例如，“個(gè)性化法律”的趨勢(shì)是通過為個(gè)人提供一種選擇，而非聘請(qǐng)專業(yè)人士來(lái)滿足他們的法律需求。事實(shí)上，大數(shù)據(jù)已經(jīng)開始改變律師事務(wù)所的工作方式，它提供了各種工具，其中包括預(yù)測(cè)法律成本和案件結(jié)果、管理合規(guī)數(shù)據(jù)以及降低文件審查成本。大數(shù)據(jù)也正在律師事務(wù)所之外傳播，預(yù)測(cè)建模已改變了法律領(lǐng)域，從金融監(jiān)管到取保候?qū)徱约靶淌虏门?。從犯罪防控到衛(wèi)生舉措，大數(shù)據(jù)在地方治理中也很受歡迎。我國(guó)智慧法院、智能檢務(wù)、智慧公安等工程均充分利用了大數(shù)據(jù)技術(shù)。過去在逃人員多會(huì)躲到人多嘈雜的地方，因?yàn)槟切┑胤阶畈灰妆蛔ゲ?。如今，那些地方卻成了在逃人員最不應(yīng)該去的，因?yàn)槟切┑胤酵ǔ６及惭b了監(jiān)控?cái)z像頭。

其實(shí)，無(wú)論執(zhí)法、訴訟、法律決策還是法律文書起草之類的法律適用均可建立在大數(shù)據(jù)基礎(chǔ)之上。比如，美國(guó)律商聯(lián)訊公司（LexisNexis）研發(fā)的法律應(yīng)用軟件Lex Maehina以及斯坦福大學(xué)法學(xué)院與圖書館共同研發(fā)的法律應(yīng)用軟件Ravel都是以大數(shù)據(jù)為基礎(chǔ)的。Lex Machina與Ravel底層的邏輯推理幾乎是一樣的，在自然語(yǔ)言處理算法的幫助下從訴訟文件中提取信息，這些算法有能力進(jìn)行機(jī)器學(xué)習(xí)，并以一種非常壯觀的形式將結(jié)果可視化。大數(shù)據(jù)算法可用于挖掘先例或其他相關(guān)數(shù)據(jù)，以找出變量之間的相互關(guān)系，如在法官先前裁判中找到可以預(yù)測(cè)未來(lái)結(jié)果的共同因素。在相關(guān)法律領(lǐng)域，大數(shù)據(jù)技術(shù)可以發(fā)展到這樣一個(gè)程度，即可以以高度準(zhǔn)確的方式預(yù)測(cè)一個(gè)案件將如何做出裁決。

然而，大數(shù)據(jù)雖然宣稱追求客觀性和預(yù)測(cè)能力，但大數(shù)據(jù)的所謂客觀性和預(yù)測(cè)能力可能被過于夸大了，至少當(dāng)它被應(yīng)用于法律系統(tǒng)這樣高度復(fù)雜的進(jìn)化系統(tǒng)時(shí)是如此。數(shù)據(jù)總是需要解釋，這就需要理論和相應(yīng)的主觀評(píng)價(jià)判斷。此外，大數(shù)據(jù)的預(yù)測(cè)能力也是有限的，更不可能預(yù)見法律體系從根本上的創(chuàng)造性、非算法的演變。數(shù)據(jù)本質(zhì)上是主觀的和不完整的，而不是客觀的和決定性的。數(shù)據(jù)未必是中立的、客觀的。

大數(shù)據(jù)推理，又可稱為“基于大數(shù)據(jù)的推理”（big data-based reasoning）或“大數(shù)據(jù)驅(qū)動(dòng)的推理”（big data-driven reasoning）。從推理建模角度來(lái)看，基于大數(shù)據(jù)的研究與簡(jiǎn)單統(tǒng)計(jì)研究并無(wú)不同，它們都是建立在大量的數(shù)據(jù)基礎(chǔ)之上，由計(jì)算機(jī)執(zhí)行，并使用統(tǒng)計(jì)和數(shù)學(xué)算法來(lái)處理數(shù)據(jù)。只不過，從方法和概念框架上看，簡(jiǎn)單統(tǒng)計(jì)研究以代表性數(shù)據(jù)為基礎(chǔ)，運(yùn)用了社會(huì)科學(xué)、數(shù)學(xué)和統(tǒng)計(jì)概念，而大數(shù)據(jù)研究使用了數(shù)學(xué)方法和敘事概念框架;從觀察對(duì)象上看，簡(jiǎn)單統(tǒng)計(jì)研究涉及的是關(guān)于社會(huì)現(xiàn)象或文本的數(shù)據(jù)，而大數(shù)據(jù)研究涉及的是數(shù)據(jù)集，而且大多數(shù)情況下要將大量文本處理為數(shù)據(jù);從觀察數(shù)量上看，簡(jiǎn)單統(tǒng)計(jì)研究處理的是代表性樣本，而大數(shù)據(jù)研究處理的是總體或數(shù)據(jù)集;從預(yù)測(cè)的可信度來(lái)看，簡(jiǎn)單統(tǒng)計(jì)研究的比較高，而大數(shù)據(jù)研究的非常高。作為一種不同于規(guī)則推理和案例推理的建模路徑思想，大數(shù)據(jù)推理建模路徑最早出現(xiàn)于薩斯坎德（Richard Susskind）2017年7月28—29日在上海百事通通信技術(shù)股份有限公司在杭州舉辦的“法律+科技領(lǐng)軍者國(guó)際峰會(huì)”上的主題演講。但到目前為止，大數(shù)據(jù)推理建模尚未正式成為一種法律人工智能的推理建模路徑，仍然是一個(gè)亟待開拓的法律人工智能領(lǐng)域。

五、余論

人工智能是作為人類智能的對(duì)應(yīng)物出現(xiàn)的，是一種模擬、延伸和擴(kuò)展人類智能的智能，其目標(biāo)是讓機(jī)器像人一樣思考。一般說來(lái)，人類智能的模擬有兩條道路：一是結(jié)構(gòu)模擬，即仿照人腦的結(jié)構(gòu)機(jī)制，制造出“類人腦”機(jī)器;二是功能模擬，也就是暫時(shí)撇開人腦的內(nèi)部結(jié)構(gòu)，僅從人腦的功能過程進(jìn)行模擬。前者的目標(biāo)是要實(shí)現(xiàn)通用人工智能甚至超級(jí)人工智能，而后者的目標(biāo)是實(shí)現(xiàn)專用人工智能。然而，從技術(shù)上，目前人工智能研發(fā)都尚處于專用人工智能階段，主要是從功能上進(jìn)行模擬，其核心問題就是讓機(jī)器進(jìn)行自動(dòng)推理。法律人工智能也不例外，其核心問題就是探究自動(dòng)法律推理的實(shí)現(xiàn)，讓機(jī)器像法律人一樣思考。自20世紀(jì)中葉以來(lái)，法律人工智能已形成了一個(gè)學(xué)術(shù)共同體?？v觀其學(xué)術(shù)發(fā)展歷程，我們不難發(fā)現(xiàn)，這一共同體主要聚焦于自動(dòng)法律推理建模，而這種建模有兩條經(jīng)典路徑——規(guī)則推理路徑和案例推理路徑，進(jìn)入21世紀(jì)以來(lái)，大數(shù)據(jù)驅(qū)動(dòng)又催生第三條自動(dòng)法律推理建模路徑，即大數(shù)據(jù)推理路徑，而且還研發(fā)出一批落地的法律應(yīng)用軟件或法律機(jī)器人，如我國(guó)的智慧法院以及美國(guó)的Lex Machina和Reval，還有前文未提及但也有一定影響的IBM ROSS法律機(jī)器人。然而，根據(jù)阿什利的觀點(diǎn)，“如果某個(gè)法律應(yīng)用程序能夠在進(jìn)行論證或預(yù)測(cè)法律結(jié)果時(shí)考慮到從案例文本中提取的實(shí)質(zhì)性特征，那么這個(gè)領(lǐng)域就向前邁出了一大步。Lex Machina、Ross和Ravel使用組合的語(yǔ)料庫(kù)和從文本中提取信息的技術(shù)，很好地完成了這一步，但似乎還沒有完成……法律推理的計(jì)算模型可以提供幫助?！边@意味著，后三個(gè)標(biāo)志性法律人工智能軟件事實(shí)離自動(dòng)法律推理實(shí)現(xiàn)還有一段距離。

[責(zé)任編輯 李宏弢]