思享｜宋保振：智能裁判的价值填补

来源

原题为《智能裁判的价值填补 ——以法律解释的认知研究为突破口》，载《求是学刊》2021年第2期

作者简介

# 宋保振

上海对外经贸大学讲师，法学博士；兼任中国法学会法理学研究会理事，上海市法学会理事等。先后在《法学》《法律科学（西北政法大学学报）》等报刊发表论文三十余篇；代表著作有《法律解释规则及其运用研究》等。主要研究领域为法律解释理论、裁判理论、法治理论、新兴权利等。

#

摘要

当下智能裁判问题的争议焦点在于我们能否通过数据和算法进行法官情感计算，有效还原司法中的价值判断。智能裁判价值判断重在对法官解释和运用法律的过程进行法律解释模拟，这也是人工智能法律系统研发的关键。面对智能时代传统教义学理论中经验要素缺失的事实，以多学科为基础的认知科学为智能裁判的解释模拟提供了研究新思路。该认知研究主张运用心理学和人工神经网络等方法探究和模仿裁判者思维模式，将法官裁判中的“解释规则”作为解释模型建构的基本要素。智能裁判解释模拟的核心任务有三：第一，基于认知立场确立法律解释认知逻辑；第二，发掘认知层面的解释规则并转化为算法规则；第三，借助认知要素检验所构建智能推理模型的可行性以保证通过图灵测试。结合此模拟过程及裁判实践来看，司法领域的人工智能运用虽未来可期，但当前从辅助层面来定位更为妥当。

在数字科技飞速发展和现代法治日渐完善的时代背景下，立足司法裁判研究和讨论人工智能已成为一种学术时髦。无论我们是否可达到最终学术预期，毫无疑问这种高频次、针对性的研究热潮必将是中国法治进步里程碑上浓墨重彩的一笔。不过从当前所取得成果来看，这些研究仍存在两个亟须解决的问题：第一，已有成果大都从主体或技术层面展开智能司法的讨论或证成，如人工智能的资格认定、智能司法的道德伦理困境、数据与算法的运行及其保护、智能司法的可能与限度等，鲜有学者围绕法的适用从法学方法论角度展开深入探讨。这就可能给我们造成一种误解——人工智能进入裁判其实和当初计算机引入司法并无实质区别，他们都在涉及法官的判断与选择时戛然而止；第二，由于智能裁判问题理论新颖且兼具跨学科属性，研究者就其可行性呈现出两派截然对立的观点且难以协调。这直接导致，虽然国外“智能+司法”裁判模式探索风起云涌，国内各地“智慧法院”建设也势不可挡，但两派一直在最根本的运用方式与限度问题上难以彼此说服。基于如上两方面，本文选择智能裁判问题的争议焦点——价值判断为研究对象，借助认知科学理论进行方法论上的反思，以期对智能司法做出尝试性推进。

一、智能裁判中的价值缺位

（一）争议及其焦点问题

从当前研究来看，智能裁判支持者与反对者的主要争议如下：支持者认为，伴随智慧社会来临，绝大多数社会关系都必将会高度透明和精准计算，感知、融合、共享、智能已成为当下社会的重要特征。具体到司法问题上，当计算机突破主体资格樊篱，裁判的智能化已成为一个必然趋势。我们之所以存在司法价值无涉、法官主体式微等疑虑，根本原因在于当下只是处在“弱人工智能”阶段。伴随可以计算情感的“强人工智能”到来，机器人裁判完全可行；与之相对，反对者则认为，司法裁判的人工智能化或许只是学者们的一厢情愿。我们对于智能司法的最大误解是——认为只要数据足够充沛，算法足够强大，就可以取代谈判形成过程中的价值判断，即使理论上说得通，现实中的难度也不容忽视。不仅对每一个可能的概念项进行建模是一项巨大挑战，而且就法律本身性质而言也并不可行。在任何人文学科中，“是”和“应当”都是两回事。甚至还有极端观点认为，当前法学界无处不在的“人工智能+”只是一种噱头，借用了一个似是而非的流行语以吸引阅读兴趣。

如上截然对立的争议其实最终指向一个焦点问题——即以数据和算法为技术核心的人工智能司法如何发挥法官的主观能动性，从而支撑起司法活动的价值判断之维？一直以来，司法裁判都标榜三段论推理，但作为大前提的法律规范N 并非现成摆放好的制定法条款或判例法规则，而是法官根据个案具体情况并结合对法律法规或其他因素的说明而建构的裁判规范N’。司法实践也表明，法官裁判的真正思维并非只有“法律规范+事实=裁判结论”这一单向路径，而是通常以其先接触到的事实为思考起点，并不由自主地进行一种“预判”。裁判形成也不是单纯依靠演绎或者归纳，而是包括逻辑推理在内的多种方法和思考方式综合作用的结果。在此过程中，法学传统、逻辑理论、历史惯例、价值判断、利益衡量、道德情感以及人们不能言说的种种认知、偏见、启示等都有可能潜入其中。法官并非机器，他们只是生活在现实社会中的人，只不过因其特殊身份而被要求作出法律上的判断。这些价值判断是司法的重点内容和必要环节，也是司法的价值和魅力。但遗憾的是，对此价值判断当下智能司法技术还未企及，相应成果也只是局限于学者的理论探讨。此时一个质疑就必然产生：智能裁判一天解决不了价值判断问题，所谓的人工智能司法将仍是马克思·韦伯所说的“自动售货机”，只不过因为现代科学和计算机技术的支撑而成为一种升级版。而且，也只有解决了此价值判断问题，我们才能找到规制AI技术发展的理性方向，使得当下如火如荼的人工智能司法讨论成为促进法治进步的积极活动，而不只是“蹭时代的热点”。

（二）价值缺位主要体现在法律解释模拟过程中

也就是说，在智能裁判问题上，能否尽可能现实地还原法官的思维过程，将裁判的理念与方法“嵌入”司法人工智能，进而弥补司法活动中的价值缺位，是对人工智能司法“自动售货机”标签的有效回应，这也直接决定智能司法“可以走多远”。区别于一般意义上的普通司法裁判，智能裁判有其特定的运行模式。从一般原理来看，人工智能司法工作及学习的主要特征是要素化、规则化、图谱化和模型化。它以法律知识图谱、案件情节提取、类案识别、模型训练、量刑预测和偏离度预测等为技术路径，在实践中表现为案件智能推送、法律模拟分析与推理、裁判结果预测、量刑辅助、偏离预警以及裁判文书的智能生成等应用。这种司法运行的“智能”模式，实际上依赖人工智能的新技术，同时具有大规模、多样态、快流变、高价值特征的大数据又为人工智能的知识生产提供了空间。无论是识别和提取法律事实和情节，自动推送关联法条和类案，还是推荐量刑和生成法律文书，甚至通过深度学习不断提高裁判的准确性，数据和算法都起着一种支撑作用。

从本体论哲学角度来看，“理解—解释—运用”三位一体，整个司法过程都充斥着价值判断。但结合智能司法的运作模式，智能裁判中的价值判断则主要存在于证据认定时的法律推理和法律适用时的法律解释两个阶段。具体如下：第一，在证据收集和量刑分析时，预想实现对证据的取舍以及证明力大小的判断，离不开法官积极发挥其在把握证据时的主体性和能动性。受客观现实影响，在绝大多案件裁判中，我们追求的“真”只是一种愿景，证据推理从“认识论”走向“价值论”将成为一种必然趋势。在此之下，依靠经验法则进行推定就成为证据认定的一种重要方式。尽管由于各种原因，其实效并不尽如人意。此时，智能司法就必须积极回应该价值判断问题，尽最大可能地提高概率判断的客观准确性。第二，通过算法和推理模型量化裁判中的经验要素，对法官解释中的价值选择和自由裁量进行有效模拟。这也是当下绝大多数智能司法研究者的主要关注点，而且相比前者更为关键和棘手。在众多司法实践中，解决法律之确定性与妥当性矛盾难题的主要方法就是法律解释，且解释效果直接影响司法公正。在此意义上，能否有效地进行法律解释模拟，将成为评判智能裁判合理性与可行性的重要标准，这也构成智能裁判价值填补的主要场域。

事实上，一直以来我们对该解释模拟中价值填补的实效研究并不可观。主要原因在于，受西方特别是德国法律方法研究影响，自20 世纪90 年代至今我国法律解释研究的主要进路一直是在教义学基础上进行规范分析。此种理论所提出的问题解决方式——构建各种解释方法运用的“元规则”——与智能司法裁判所欲建构的认知性法律解释分别秉持两种不同解释理念。前者是一种规范建构模式，欲通过体系性思维达致正当性；后者是一种经验验证模式，以概率计算可接受性。尽管最终来看，二者通往共同的目的地，但在操作理念和方法上却迥然不同。此时，能否从理论基础和社会实效两方面展开对当前主流教义学解释理论的实践反思，进而在智能司法活动中客观地进行法律解释模拟，就成为人工智能法律系统研发的关键。

二、回应价值填补难题的认知性法律解释

智能司法的学科交叉性决定我们难以仅依靠一种方法就可将难题有效化解。在法学与科学交汇中，尽管认知科学、社会科学和传统法学各自占据不同位置，但它们之间也绝非泾渭分明，传统教义学语境下的法律解释同人工智能语境下的法律解释同样具有“可通约性”，对此国内外有些学者已经展开了相应的学术关注。而且从整个科学角度来看，除了人文社会科学意义上的规范界定外，法律解释也同样具有行为科学属性，法官的解释活动本不该被贴上特殊化标签。司法认知和解释行为是有规则的，这些规则也完全可以被发现、描述、理解和预测。面对智能裁判中的解释模拟，认知心理学、人工神经网络方法等就搭建了价值填补的重要桥梁。

（一）裁判中法官情感计算的可行性

智能司法并非绝对价值无涉，只不过因其价值的特殊呈现方式——价值判断数据化——给我们带来一种认知假象。人工智能司法也并非只是伴随技术革命才衍生的话题，早在17 世纪我们就展开了智能裁判的哲学思考，并预设了法律的理性判断可能。如莱布尼茨就曾设想法律和哲学都可以依据经典几何学模型对第一原理进行演绎，从而像数学分析那样通过推论予以解决；

[德]亨利希·肖尔茨：《简明逻辑史》

杨一之译，商务印书馆1977年版

1949年洛文杰提出计量法学（Jurimetrics）之后，计算法学（Computational jurisprudence）作为法学与计算机科学的交叉研究科学应运而生，主张运用模拟建模等方法分析法律关系和法律行为；除此之外，Buchanan和Headrick 在《关于人工智能和法律推理若干问题的考察》一文中，也对人工智能应用于司法裁判提出了预见性观点；日本平田勇等学者更是在探索法的价值函数公式化时，将不同类型审判中反映基本价值的法律原则作为价值函数的演算符。从此“计算”角度来看，司法人工智能系统并非如马克斯·韦伯所言的“自动售货机”那般“投进去的是诉状和诉讼费用，送出来的是判决”，而是强调类推的重要性与法律推理模型的可行性。是借助计算机编程建立裁量模型，同时运用各种法律知识，通过计算机模拟人的法律推理过程。该程序一般被称为司法者的情感“计算”，且自1985 年明斯基提出以来，日渐受到心理学、生理学、信息科学等领域的普遍关注。当“纯粹”法学走向一种学科交叉，所谓“可视正义”目标并非无可企及。

在智能裁判问题上，智能互联网的优势在于场景定制和程序建模，从而形成一套算法来提供智能化的产品和服务。此时，法官情感“计算”的主要媒介也是算法。结合计算机运行模式来看，智能司法可能运用的算法无外乎两种类型，即：基于大数据发掘数据背后的规律和基于先前知识的推理模拟。

[美]温斯顿：《人工智能》（第3版）

崔良沂、赵永昌译，清华大学出版社2005年版

前者是当前各领域主要运用的方法，它通过对大量数据的整合分析，得出一个个抽象的经验性客观“结论”，从而为之后类似行为处理提供方向性指引，如淘宝等网上销售平台通过浏览痕迹得出的个人购物意愿和倾向。具体到法律解释活动中，就是通过检索整合大量具体案例，对每种案件情形、影响裁判要素、所采用的解释方法以及解释的限度等要素分类讨论，依靠样本实现精确计算。或者诉诸法社会学方法设置变量进行“量化”，并对其中的关系进行相关性分析；相比之下，后者就较为复杂，其实质是通过模拟人脑来设计一种处理自然语言的问答技术，基于人脑及其神经网络行为特征而发展出来的非线性运行模式，提供对未知事件的分类和预测的精准性。例如人工智能Ross律师与索菲亚机器人，其运作是先“理解”和“确定”人类所提出的问题，再通过分析不同文件内容找到合理的答案，进而实现人的自然语言与机器代码语言之间的相互沟通。现实裁判中，该情感计算以神经网络方法为典型代表，具体包括认知心理学和认知神经网络两种。一方面，人工神经网络系统中的神经元节点通过拟合各裁量因素，来满足裁量因素复杂性这一客观现实需求；另一方面，它又可以对裁量因素进行层次性选择，通过定义匹配规则来实现知识转化，从而使自己具备预测新数据的能力。

[美]罗素（Start J.Russell）、[美]诺维格（Peter Norving）：

《人工智能——一种现代的方法》（第3版）

殷建平、祝恩、刘越等译，清华大学出版社2013年版

法律解释作为裁判者的一种主观活动，很多情形下解释的结论并不是由完全证据和法律规范决定的，而是受到人类的认识水平和认识框架影响，并深深带有法官个人烙印。当裁判结论模棱两可时，他们更愿意做出自己愿意接受或对其“有利”的判断。

也即，智能裁判中法官情感计算的实质是通过建立一个统一模型，来体现法官面对法律规范和案件事实表达情绪和认知的心路历程。其核心在于凭借以价值为要素的神经形态计算（类脑计算），加之语音情感处理、人脸识别以及情感信息识别等技术对人脑的整体运行机制进行研究、模拟，以描绘裁判所涉利益、情感、道德、社会心理及社会观念的人工智能知识图谱。这也构成认知性法律解释模拟的基本逻辑。

（二）传统教义学理论难以有效进行解释的智能化模拟

从智能裁判的运作模式来看，以教义学为基础的传统法律解释理论在弥补只能裁判的价值空缺时具有典型不足。这种不足主要表现在如下两方面：

首先，作为人文科学的法学研究与作为自然科学的人工智能研究归属不同进路。从法学所处理的“事实与规范关系”这一首要问题来看，自然科学主要采用的经验研究方法仅仅处理“是”的问题，无法为“应当”提供一个合理说明，而作为人文科学的法学恰恰是关于“应当”的问题。因为“科学只能为我们揭示出赤裸裸的因果事实和逻辑关系，却无法为规范问题提供指引答案；科学导向的研究纵使可以指示我们能够作什么乃至某些情况下我们想要做什么，却无论如何也无法得出我们应当做什么或什么才是被允许的结论。”所以，传统法学研究者往往基于法的独立性以及自然科学的“价值无涉”，或自然科学无法进行“价值计算”等理由，潜意识地拒绝有关法律问题的科学分析。那种欲从既有法学研究范式出发，进行智能裁判价值填补的路径从一开始就遇到了运行障碍。

其次，教义学解释的最终结果也无法为智能裁判提供必需的理论依据和操作指引。经过几十年的学术探索，我们虽然形成了一套较为完备的解释方法体系，在理论上大体保证每一案件裁决都能找到适当的解释路径，但是却一直未能实现法律解释研究的最终目的——寻找方法运用的“元规则”，这直接使得教义学解释实效大打折扣。作为一种社会活动，法教义学首先需要应对文本不确定性挑战，无论我们提出多少理论预设，仅在规范层面和理想状态下解决解释方法的取舍问题也许只是一种愿景，文义、体系、历史和目的等每种解释要素背后都是难以协调的利益。退一步讲，尽管我们在法律解释问题上大功告成，有幸寻找到指引各种解释方法运用的解释“元规则”，这些规则也不能为智能裁判提供必要的理论和技术支持。

第一，虽然越来越多的法官开始秉持法律解释的智识性理解，但是考虑到各种解释方法运用中不可或缺的价值判断，法律的整体性和融贯性、裁判的逻辑标准与政策标准以及解释结论的可接受性，都成为法官最终采取教义学解释还是后果导向裁判的重要影响因素。现实也促使法官必须立足中国语境，还原其“社会人”身份和法律解释的“认知性”本质，从一种科学视角理解和把握法律解释。

孔祥俊：《司法哲学与裁判方法》

人民法院出版社2010年版

第二，裁判者也深知，无论法律解释理论建构的多么完善，事实与规范之间的“褶皱”都不可能被完全客观地熨平。伴随人类理性回归和心理学、计算机科学与法学的深度融合，法源体系不断开放，道德、政策、社会效果等“法律外因素”逐渐以合理方式融入裁判，这些具有标准意义的解释“元规则”已不单单是传统法教义学意义上的规范界定，而是司法活动中的经验法则。我们必须契合到互联网、大数据等高科技背景下，充分结合司法认知过程中的现实标准来把握。在教义学体系外，探索一种新的法律解释研究立场势在必行。

（三）认知性法律解释的依据及实践

面对教义学解释理论的实践不足，我们需要从一种运用视角来认识和研究法律解释。而解释理论之所以在描述性层面上归于失败，究其根本也是因为这些理论并没有准确地描述“法官如何思考”。法官对规范的解释和案件的审判，多是基于案件事实、法理观念、审判技能、历史案件等形成的第一认知——“法感”进行初步裁判，继而通过“事实与规范间的来回流转”得到最终判断。现代认知心理学对法学学科的介入更是表明，法官与常人一样，都会受到偏见、启发式和认知融贯性等系统性的、可预测的认知要素对决策的影响，只不过我们还不习惯或不能接受这种表达。法律解释首先是法官对法律意义的认知过程，然后才是语言组织和逻辑论证。体现在解释活动上，最主要的就是展开一种全过程的认知研究。在美国和欧洲，这种蔚然成风的法律认知研究已促成“法律和认知神经科学”（cognitive and neurolaw）学派诞生，并作为法学跨学科研究第二阶段的核心内容。我们解释法律的目的，除了澄清法律文本的字面意义之外，更重要的是寻找隐藏在法律规则之中的“依据”或“标准”。此时对法律文本、立法意图、立法资料等的挖掘和发现，虽然外在表现为法律解释理论的司法适用，实质却是法官处理制定法文本，并将抽象的文本适用于真实案例的分析框架和思维工具。面对人工智能自然语言理解提出的严峻挑战，法律解释就不能采用形式逻辑的线性思维方法，特别是在解释和运用含有“正义”“公平”“正当”“合理”“过错”“显失公平”“动机”等词语的法律规范时，形式逻辑的作用更是有限。在此情况下，法官必须借助辩证逻辑，从概念的内容和形式的对立统一、灵活性和确定性的统一来确定它们所反映的或应该反映的现实内容，以做到正确地理解和适用法律规范。具体到智能裁判解释模拟中，最主要的就是基于行为科学探究法官解释法律的认知规则，而不是一味地进行教义学规范的解构或建构，尽管教义学仍是法律解释的根基。

这种认知性法律解释同时也具有深厚的理论基础和实践回应。理论上，法律解释作为法律职业群体的特定活动，其研究自始就具有两条脉络：一是法教义学的决定论，强调一种完全由规则和逻辑演绎所构成的封闭体系；二是实验主义的概率论，强调主体的选择偏好和国家意识形态。在长期发展中，二者还打破界线并彼此有所互涉，这种趋势在现代的法律解释研究中体现得尤为明显。自笛卡儿以来，以几何学为范式的公理化思考就开始渗透到法学研究之中。之后在实证分析主义影响下，尽管概念法学和注释法学大行其道，但19世纪的本体论解释也对这种思维范式进行了强烈批判。20世纪之后，考虑到解释活动中不可或缺的价值判断，行为科学就又成为理解法律解释的一条重要进路。为了探索法官在法律解释过程中所运用的思维规律，学界开始从语言学、认知心理学和认知科学角度出发来研究法官对法律的运用和解释。此时的法律解释也就不再仅是有关法律文本的活动，而是和法官思维紧密相关。法律解释的认知立场研究就是在一种新的法律逻辑指引下，建构体系性的法律解释实践标准，从而对裁判者的活动进行思维指引。

实践中，尽管当下并未有依据个人认知进行法律解释的直接裁判，不过后果导向型裁判构却成认知性法律解释的主要场域。在后果导向裁判结果得出过程中，由于作为居中裁判者的法官首先是社会生活中的个体，他们在裁判中受到偏见、锚定等影响就是一件再正常不过的事情。此时解释的关键就从教义学规则转为哪些因素切实地影响到法官的解释活动？法官自由裁量经历了什么样的心路历程？以及当不同解释要素冲突时，锚定效应如何在裁判中起作用等。为尽可能全面把握此认知性影响，本人曾经参与的“法律解释方法适用调查报告”课题组就选择“法律感”“裁判经验”“社会评价”“司法直觉”“伦理道德观念”“当事人的心理预期”“对同类案件裁判结果的考虑”等八项内容进行实证调研。透过这些影响因素可清晰得知——很多情况下，合法性判断并非法官行为的唯一准则，裁判者的心路历程和判决书所呈现出的结果本身就是两回事。面对司法实践，法律解释“元规则”只是一种乌托邦，基于认知科学的经验分析具有重要价值。在社会科学逻辑中，实证研究提供对行为实然状态的理解，规范研究建立应然的理想目标，规则研究寻找从实然到应然的路径。缺少对人类行为方式真实状态的理解，规范理论可能只是空中楼阁，规则设计也会沦为无的放矢。基于主体的认知来描述、预测实然行为，应该是包括法学在内的人文社会科学研究者追求的共同目标之一。这种法学活动的认知科学基础甚至在自然法那里就已有了奠定。如菲尼斯就曾认为，无论自然法理论如何为自己定位，如果没有描述、分析性的社会科学协助，进而缺乏对人类实践可能性及其实现机会、内在倾向与潜在能力的社会科学知识全面而深刻的把握，那么自然法的事业将寸步难行。

三、认知性法律解释模拟的核心任务

法律解释认知研究通过还原人的认识过程，揭开解释的“专业性”面纱，进而拓宽了原有的教义学解释进路，为智能裁判中的法律解释模拟提供可能。结合认知科学、人工智能与法学的各自运行模式及当下三领域交叉研究现状，认知性法律解释模拟的焦点问题主要有二：一是如何在智能推理模型建构中合理考虑情绪影响的因素，实现真正意义上的拟人推理；二是如何验证推理模型的正确有效性，也即保证解释者的情感计算结果通过图灵测试。这两方面难题也为我们确定了在智能裁判中进行法律解释模拟的核心任务。

（一）建构可予适用的法律解释认知逻辑

智能裁判中相关信息的输入和输出必须依靠逻辑演算和精密算法，成文法体制下的法律解释只能是逻辑法学式的。自法学产生以来，法学研究和实践就和逻辑紧密不可分。而且从方法论角度来看，逻辑规则在解释和论证法律的时候，也确实发挥了中流砥柱的作用。伴随法律解释的理论演进特别是认知性法律解释的理论建构，解释所依据的逻辑基础已不仅仅是基于三段论的形式推理，还有以认知语言学为基础，用逻辑演算的方法来研究含有诸如知道、相信、断定、认为、怀疑等认识模态词的认知逻辑（cognitive ligic）。与经典逻辑不同，认知逻辑是将现代逻辑应用于人的认知活动而形成的专门逻辑领域，也可视为现代逻辑和认知科学交叉所形成的新的逻辑领域和学科群体，是借用认知科学的分析框架对逻辑体系的再建构和再认识。从当前研究来看，认知科学的六大支撑学科哲学、心理学、语言学、计算机科学、人类学、神经科学，都可与逻辑学相互交织进而产生新的逻辑学科类型，如哲学逻辑、心理逻辑、语言逻辑、人工智能逻辑和神经网络逻辑，这也是认知逻辑的主要内容。由于认知科学的经验性质，认知逻辑能够更好地说明人类认知过程中心理过程与逻辑过程的统一，并因此具有经验性和非形式性两个基本特征。

在法律解释领域，认知逻辑作为对传统法律逻辑的拓展，既是新型法律逻辑的内容，又借助认知科学对法学研究的影响发挥作用。理论方面，认知研究解释了公平、正义等基本概念的心理机制和神经基础，展示出认知偏见对涉法思维的影响、冤假错案的产生在认知层面的原因；工具方面，通过控制实验等研究方法，为理解涉法行为的心理——神经过程、司法判断等带来可能。体现在智能裁判解释模拟中，这种认知逻辑一定程度上突破了主客二分、人物二分的传统观念，从单主体到多主体、从单模态到多模态，构成理性认知的必要前提，这也更加符合“行动者网络理论”中非人行动者的特点。从解释标准角度来审视，一种开放性的法律解释必须建立在能够指导解释活动的法律逻辑基础之上，而这种逻辑又必须包含反映人脑认知规律的论证和推理规则。具体操作中，只有通过建立可废止的论证规则，才能一方面保障在法律解释活动中充分发挥法律逻辑的功能，确保法的安定性和可预见性；另一方面通过运用特殊情形下的非形式性逻辑和道义逻辑等规则，避免形式性法律逻辑规则的僵化。在传统形式逻辑之外，为保证道德、政策、社会效果等“法律外因素”以合理方式融入裁判者解释过程，认知逻辑就必然成为一项重要选择。

（二）发掘认知性法律解释规则并转化为算法规则

也就是说，为使人工智能真正有效地进行解释模拟，法律人必须对法律背景知识体系进行梳理和电脑化处理，将个案中所涉及的利益、情感、道德及社会心理和观念等在人工智能的知识图谱中精确匹配，从一般条款、元规则入手，以法律论题学为媒介，建立价值标准体系，进而实现价值判断的客观化。这不同于我们在思考智能裁判中的法律和计算机关系时，传统路径默认指向的一种高度形式主义，希望通过快速的运算和推理设计论证和解释。这种进路忽视了智能裁判中的两个重要方面：第一，识别。案件事实中的哪些因素应该或可以被机器人识别进而成为影响裁判考量的“因子”。第二，裁量。这些因子在最终的裁判结果中，又应该如何安排相应的权重系数。基于此，智能裁判在将法律推理、法律决策、证据推理、文本分析等过程通过可计算、非形式的逻辑模型予以展示的同时，就必须将反映裁判者思维规律的多样性法律解释规则（legal interpretation Rules）嵌入到该模型中作为基本算子或要素。同时针对文字向代码的司法逻辑转向，做好数据和算法的验证与整合，以使之既不违背法律解释的任务，又符合认知逻辑的运作特点，这两个方面在现实操作中缺一不可。这也就是说，欲实现智能裁判中的价值填补目标，我们必须在传统法律解释研究基础之上，附加以必要的情绪影响要素，并将其转化为可计算化的算法规则。

此转化得以实现的一个重要学科基础就是认知心理学，这也为发掘认知性解释规则并将此进行算法转换提供了路径。认知神经学派认为，所有人类的经验都是可复制的，像磁共振这样的机器能够揭示和还原人类的思考，关于人类行为的预测也可以从这种还原和相关知识中获取。其实自20世纪中叶始，从西蒙提出“有限理性”到卡尼曼和特沃斯基的前景理论，认知心理学的发现不断挑战基于传统经济学的“理性人”假说，并尝试建设“社会人”角色。而且，越来越多的研究者也相信，人类认知自有其规则，这种规则无法用理性的概念来充分解释，其中最典型的就是认知偏差。如自我服务偏见、框架效应、锚定效应、禀赋效应等。同理，作为社会规范的法律本身也就是人的生理、心理等诸多复杂机制协作的产物。切入到法学语境，该认知心理学已经超越狭义心理学的范畴，强调整个认识过程，如注意、知觉、表象、记忆、创造性、问题解决、言语和思维等。法官在审判过程中，通过身体与环境互动形成协调关系，势必在脑内描绘出某种认知地图、形成机器学习网络。特别是在所谓“自我中心的自我”与“场景中心的自我”这样的认知——心理双重结构之下，把符号、涵义、做法都纳入法律沟通研究的视野，法律就可被理解为一个自我完结的系统。在当下法律解释与认知科学交叉研究中，该理论最典型的运用就是案例智能分析和模拟裁判实验，从认知要素选择及认知流畅度来反映主题进行价值判断时的心路历程。此时，这些认知性解释规则如“私法领域的弱者利益保护倾向”“不确定性概念一般含义的先入为主”等就作为解释模拟模型建构的基本逻辑规则。

然而司法裁判毕竟不是科学实验。无论法官在解释和运用法律规范时进行了何种科学思考和价值判断，隐藏在裁判文书背后的认知性解释规则必须客观展现出来并采用Java、C、C++、JavaScript、C#等计算机语言形式进行编程，将社会科学层面的文义、体系、历史、目的等诸多解释要素通过自然科学中的函数和算法予以表述。这也是在智慧时代的法律解释中，我们必须将基于人文社会科学的教义学研究方法和基于认知科学的认知研究方法有机结合的重要原因。正如有学者反思法律发现时认为，现实裁判中，法的发现除了遵循体系要求外还要遵循人的心理活动一般规律，“发现”实质上是一个内在的“心理的过程”。我们需要做的只是如何最大科学程度地将法官心理判断过程中的经验性逻辑思维规则通过计算机语言进行描述。

（三）借助智能推理中的认知要素检验所建模型的可行性

如上两方面从认知性法律解释出发，论证了填补智能裁判价值空缺的可行性。从操作意义来看，智能裁判中的法律解释模拟分两个阶段。第一阶段，量化法官解释过程中的主观考量因素并进行算法转化，进而建构一个相对完整的法律解释认知模型；第二阶段，通过编制、模拟有关司法裁判思维活动的程序，将该思维程序送进计算机运行，检验正确性。这样一种思想实验可使“外行人”得以借助人工智能科学的敏锐透视镜去考察法律推理的微观机制，加深对此类思维活动具体细节的了解。这两个阶段划分也恰恰表明，在智能裁判问题上，算法正确并不完全等同于司法公正。相比借助算法规则建构解释模拟的认知模型，如何保证所构建模型的科学有效性同样不容忽视。算法是一个封闭的“黑箱”（black-box），具有明显的难以预测和无意识属性。当此解释模拟模型一天不能通过图灵测试，我们就一天无法打消智能推理所得裁判结论之正当性的隐忧。但遗憾的是,对此问题我们关注一直不足。相比传统司法模式，智能裁判的关键在于能否在智能推理建模中合理考虑司法运行的价值要素。此时解释模拟的一个重要方面就应该是在国际通行技术安全标准和算法规则约束下，尽可能客观地通过算法模型还原法官解释思维过程，并将智能推理、法律建模、法律服务等法律科技的人工智能化服务置于伦理规范和政策法律规制中。

也即，智能裁判的一个显著特点就是完成了司法活动从权力话语向逻辑话语的转变，借助体现法官认知规律的可量化的“偏差矫正机制”，检验该智能推理模型的科学可行性。为完成此目标，我们需要再次回到该理论模型之建构上。且基于如上思考，我们可归纳法律解释模拟建模的三条进路：一是规则推理。即利用演绎推理将法律规范编码成法律解释库和案件事实库，以实现自动法律演绎推理。二是案例推理。即利用类比推理将案例编码成法律解释库和案件事实库，以实现自动法律类比推理。三是数据推理。即利用归纳推理将有价值的法律信息编码成法律解释库和案件事实库，以实现自动法律大数据推理。三者的最大区别在于所采用的逻辑方法，且相比之下，在成文法国家，规则推理方案最为重要和典型，我们也是依靠此路径将法律解释模拟智能推理中的认知要素进行规则转换，从而保证所构建推理模型的科学可行性。比如在价值判断的第一种类型——证据分析问题上，基于概率方法进行的非确定性贝叶斯推理已逐渐得以认可和适用，通过可量化的客观标准成功避免了经典统计推理中的主观因素问题以及先验回避问题；从认知角度来看，这些解释规则其实就是法官裁判的经验法则，完全符合“认知-心理”双重功能特定并可进行“计算”和算法规则转化。面对法律规范中的不确定概念和法律漏洞，裁判者所依据的不仅仅是目的解释、漏洞补充和利益衡量等方法，还有他们作出判断时所依据的日常认知逻辑。有些时候，“一个成功的专家系统很可能比其他的途径对法理学作出更多的（理论）贡献”。当用客观概率解释司法证明问题受到质疑时，我们需要用一种基于生活的解释理论或似真推理弥补或取代概率论解释。通过认知逻辑将影响法官判断的价值因素规范化考量，抽象出形式化的规则，进而避免标准缺失问题所引发的主观解释恣意，更好地协调法律解释确定性与妥当性之间的关系。

结 论

面对智能裁判中的价值填补难题，认知科学为法官的解释模拟打开了一扇希望之门。因为如果我们不能寻找到价值要素的可计算方法，智能司法将终归无法走出“人的思考”或“有关人的思考”之樊篱。传统法学研究者基于意义无涉和价值无涉理由，拒绝对法律问题的科学研究，这种自我辩护其实忽视了法律实践的规约性特征和法律价值的科学基础。此时，如果我们仍仅从工具主义出发，将裁判中的人工智能视为一种高级版的“自动售货机”，则注定过于狭隘或者说逃避了新时代的所要求的人文科学与自然科学之间的有效对话。其实，包括法官、法学家、社会公众甚至计算机科学家在内的几乎所有人都并未奢求让计算机系统完全、独立地取代法官工作，他们所提出的要求也并不过分——即如何在尽可能考虑要素前提下，建立智能化审判体系帮助法官理解和模型化司法决策，从而为法官提供更多的可参考意见。人工智能参与裁判重在形成一套维系良好人机关系的技术和伦理规则，并以此作为人工智能发展的基本规范。不过，结合当下法学与计算机科学、心理学等学科的交叉研究现实，以及智能裁判法律解释模拟中的“转化”和“测试”难度来看，当下人工智能参与司法仍应从辅助意义上来界定，而且该定位短期内难以改变。不容否认，从技术史来看，人工智能正沿着弱人工智能—强人工智能—超人工智能的轨迹前进，没人可以断定AI“奇点”是否真的会来临。而且面对司法这样一种复杂活动，即使再苛刻的研究者也不可能在短期内提出有关智能司法的过高奢望。尽管填补智能裁判的价值阙如是一个极难实现的问题，但我们最终还是要选择某种方式予以回应。在此意义上，本文通过对教义学解释理论的方法论反思，从认知立场出发定位智能裁判中的法律解释活动，并在认知逻辑指引下将人文社科层面的“解释规则”尝试转化为可量化的“算法规则”，进而有效回应智能裁判中的价值阙如争议，将具有一定的基础性意义。

-推荐阅读-

学界 | 法学理论专业论文2020年度数据报告

欢迎关注法理杂志

 选粹｜思享｜域外｜写作｜学界 

赐稿邮箱｜[e-mail]

☜法理杂志官方“有赞”书籍商铺 | 扫码选好书

文字编辑 | 林淑萍 吴少华