选粹｜亨利·帕肯 著 朱赫夫 译：人工智能与法律、逻辑和论证型式

来源

《法理》杂志2020年第6卷第2辑

亨利·帕肯，荷兰乌得勒支大学信息与计算机科学系讲师，格罗宁根大学法学院和人工智能系教授。1985年和1988年分别在格罗宁根大学获得法学硕士学位和哲学硕士学位，1993年在阿姆斯特丹自由大学获得哲学博士学位。兼任论证计算模型协会（COMMA）执行委员会主席，荷兰法律知识与信息系统基金会（JURIX）主席，《人工智能与法》、《论证与计算》以及《逻辑与计算》杂志编委会成员等。代表著作有《建模法律论证的逻辑工具：法律可废止推理研究》等。主要研究领域为计算论证、非单调逻辑、人工智能与法、论证理论、计算机科学等。

朱赫夫，中国政法大学法学院法学理论专业2019级博士研究生。

#

摘要

本文从论证型式的角度回顾了人工智能与法律的研究历史。起初对逻辑的观察是：虽然它也能很好地适应不确定、模糊与分歧的法律推理，但对于论证型式之分类而言，它还是太过抽象了。因此，需要补充一种论证型式方法。这种方法对论证之区分，不是根据逻辑而是根据其内容。特别是根据论证的各种要素起到的作用。也有人认为，许多人工智能与法律的研究实际上采用了论证型式的方法，虽然其通常之表现并不如此。最后，讨论了论证型式方法及其在人工智能与法律中的应用，并从图尔敏的论证图示中汲取了一些经验教训。

一、简介

在人工智能和法律的早期研究中，人们有时会就逻辑是否适合于法律推理建模，展开激烈的辩论。有人认为，逻辑无法应付法律的模糊性、不确定性和对抗性。现在我们知道，这种批评是不合理的，逻辑方法运用于冲突结论的论证也是可能的。例如，对于不同层次的、可能的冲突规则，非单调逻辑的技术可以进行建模，甚至还能为先例推理的各层次建模。然而，即便使用了这些现代技术，逻辑方法仍然有一些局限性，需要补充其他的要素。要点在于，逻辑推理所使用的概念太过抽象。推理的逻辑有效性完全取决于推理中某些结构词的意义，如连接词（和，或，如果，不是，…）和量词（全部，一些，大部分，…）。然而，即便是某些句子无法区分这些成分，它依然能很好地在论证中扮演不同的角色。可能是图尔敏首先强调了这一点，在他著名的论证图示中，他将主张区分为两种：受到令状（warrant）支撑的数据（data），与以反驳（rebuttal）限制的例外（exception）。

也许比图尔敏的图示更重要的，是他的总体性观察：不同要素在论辩中可以起到不同的作用，这导致了评价论证的不同标准。

考虑以下句子举的例子：

荷兰男人都很高所有电子邮件地址都是私人数据

从逻辑的角度来看，这两句话都具有普遍量化的涵义。然而，从认识论的角度来看，它们显然是不同的。第一句是关于某一类动物的经验陈述，第二句是解释某一法律概念的法律规则。反对第一句与反对第二句，所用的方法是不同的。对第一句话的攻击主要采用经验观察（昨天我看到一个矮个的荷兰男人）或诉诸于经验方法论（你的样本有偏差）；相反的，攻击第二句经常会指向法源（相关法规）、指向合法机构（荷兰最高院另有意见）、原则或政策（将电子邮件视为私人数据，将允许使用《隐私保护法》以对抗垃圾邮件）。有时基于经验陈述的论证也会诉诸来源（“你从哪儿听说荷兰男人很高的？”“亨利说的，他是荷兰人，他可以知道的。”“但亨利经常说谎。”）然而，即便是这都是经验陈述，第一类与第二类也有明显的区别。

比较：

荷兰男人通常喜欢足球证人通常说真话

这两句话都是经验性概括，但第二句是更具有普遍性。因为它表达了知识的来源，而第一句却没有。因为这个区别，攻击第二句的方法并不适用于攻击第一句。如，攻击第二句可以采用：证人有偏见或证人的感官失能。当然，在针对第一句的辩驳也会涉及来源，也会被问及概括的来源。但是其句子本身并不能表达知识的来源。

以上这些例子的要点是，句子在论证之中并不只取决于逻辑形式，而且还有其他的因素，诸如认识论或语用性质。逻辑的有效性的抽象定义（演绎或非单调）难以解决以上的问题，因此应当采取“论证型式”方法加以补充。在图尔敏那里，这种方法可以识别各种元素在论证中的不同作用，从而引出场域依赖（field-dependent）的有效论证的概念。原因是不同类型的论证其前提具有不同的严格检查方式。因为不同的场域有其特定的论证型式，对于衡量论证的标准取决于不同的场域。

论证理论是唯一明确地研究论证型式（或“论证方案”）概念的领域。但是，在本文中，我认为许多人工智能与法律的研究中，实际上也采用了论证型式的方法，并谨记了图尔敏的一些主要观点。我这样做并不是要对人工智能与法律研究进行全面的概述，我更愿意从人工智能与法律的文献中选择一些例子来说明论证型式的方法。在第2节中，我将在论证理论中阐述论证型式的概念；在第3节中，介绍论证型式是如何被形式化，并运用于常识论证的人工智能模型中；在第4节，我将简述法律问题解决的主要阶段，如事实认定、规则解释和法律适用；在随后的部分（第5-7节）中，讨论三个阶段中使用的一些主要论证型式，以及为这些方案建模的人工智能与法律计划；在第8节中，我将讨论论证型式之于法律推理的局限性；在第9节中，讨论在人工智能与法律领域中的这些工作为何可被视为图尔敏的研究工作的发展，以此作为总结。

二、论证型式

在这一部分中，我将在论证理论（argumentation theory）中，阐述论证型式方法的主要思想。论证型式这一概念，是现在论证理论中的核心主题之一。最近的概述参见Garssen。道格拉斯·沃尔顿（Douglas Walton）对论证型式的研究作出了重要贡献。正如他所设想的那样，论证型式在技术上具有推理规则的形式。考虑下例，该方案是“认识点论证（agument from the position to know）”的认知推理（epistemic reasoning）。

W说pW处于认识p的位置因此（推测），p

（请注意，这与我在简述在中举的例子，“证人通常真话”有相似之处。实际上，两者是型式与例子的关系）或者从“后果论证（arguments from consequences）”的实践推理中考虑一下型式：

如果A产生了，那么好的（坏的）后果将会（可能是合理的）发生。因此，应该（不）产生A。

我在简介中举的例子“所有电子邮件地址都是私人数据”，可以转化为一个从良好后果出发的论证：

如果《荷兰数据保护法》中的“私人数据”一词被解释为包括电子邮件地址，然后反垃圾邮件的法律措施是可能的也是好的。因此，《荷兰数据保护法》中的“私人数据”一词应解释为包括电子邮件地址。

论证型式不是按其逻辑形式分类的，而是按其内容分类的。许多论证型式实际上表达了认识原则（如认识点的型式）或实践推理原则（如后果推理的型式）。因此，不同的领域可能具有不同原则所组成的集合。论证型式则附带了一系列必须回答的关键问题，以评估在特定案件中的应用是可以被允许的。其中一些问题与前提的可接受性有关，例如“W是否认识p？”或者“使用法律手段对付垃圾邮件的真的很好吗？”。然而，其他问题则指向该计划可能不适用的例外情况，如“W是否真诚？”或者“有没有更好的方法以产生这些好的结果？”。显然，提出此类关键问题可能会使论证型式被废止，因为对此类关键问题的否定回答实际上是反论，例如“W不真诚，因为他是嫌疑犯的亲属，而且嫌疑犯的亲属往往倾向于保护嫌疑犯”。论证型式可废止的另一个原因是：它可能会因同一、或其他的型式之应用冲突而发生矛盾。例如，同一形式中的后果推理，正面例子可以被负面例子所攻击，如“将电子邮件地址解释为个人数据也会产生不良后果，这导致法律系统将讼累不堪。因此‘私人资料’一词不应解释为包括电子邮件地址。”或者一个处于认识点的人（比如证人）可能说嫌疑人在犯罪现场，而另一个可能说嫌疑人不在犯罪现场。或者证人证言可以用另一个型式的论证来反驳，例如使用照片证据。

以上我所说的论证型式都是根据其内容分类的。然而，从逻辑的角度看，可以通过在前提和结论之间添加连接，作为条件前提，从而将之转化为逻辑推理规则的实例。正如刚才所解释的，大多数论证型式都是可废止的，因此条件也具有可废止的性质。例如，认识点型式可以转化为：

W说pW处于认识p的位置能认识的人通常说真话因此（推定），p

而后果推理的型式可以转化为

如果A产生了，那么好的（坏的）后果将（可能是合理的）发生。如果A产生（可能合理）会导致好的（坏的）后果，在其他条件相同的情况下，应该（不）产生因此（推定）应该（不）产生A。

因此，这两种方案都成为可废止分离规则（the defeasible modus ponens rule，也可译为可废止肯定前件规则）的一个实例，该实例由许多非单调逻辑系统组成的：

P如果P则通常Q因此（推定），Q

这一型式是可以被攻击的，如声称对于上述规则（如果P则通常Q）存在一个例外（例如，P&R和如果P&R然后通常-Q）。而事实上这样的逻辑重构的论证型式是可能的，不应被认为意味着论证型式这一概念没有意义。关键是上面的两个论证型式，都是可废止分离规则的推理型式之实例化。每种型式都有其典型的关键性测试（critical testing），因而值得独立研究，而不是仅仅作为抽象推理型式的例子。

三、论证型式推理的形式框架

现在我要简要概述，一个用论证型式进行推理建模的形式框架。它特别借鉴了我和其他人的工作：基于论证取向的非单调推理方法。还将体现我在简介中所作的说明，即（新的）逻辑工具可以处理不确定性、分歧和例外情况。本节概述的论证型式的逻辑说明是由Prakken等人首次提出的。维赫雅（Verheij）在他的“Deflog”逻辑的背景下独立地提出了一个类似的描述，并在之后发展了它。

论证型式为反论（counterarguments）留出了空间，这一事实自然地指向一种基于论证的方法，即用这些型式进行推理的形式化。为此，所谓的可废止论证逻辑在原则上是非常合适的。这种逻辑是在人工智能中发展起来的，目的是将常识推理形式化。并且它们在人工智能与法律研究中很受欢迎，符合法律论证的对抗本质，因此可以用来形式化。本质而言，这种逻辑将论证定义为演绎树（trees of deductive）和/或可废止推理（比如演绎或可废止分离规则）。它们允许攻击论证的可废止推理步骤（例如通过声称规则有例外，来攻击可废止分离规则）。这些成果，与哲学家和人工智能研究者约翰·波洛克的工作尤其相关。因为他根据认识论和实践推理的一般原则，对可废止推理规则进行了分类。他称他的可废止推理规则，为初显性（prima facie）。其原因之一是感知原则：

对p内容的感知，是相信p的一个初显性理由。

如同在所有逻辑系统中一样，在波洛克的系统中，一个论证可以通过否定它的一个前提而受到攻击（事实上，这里我忽略了一些技术的复杂性）。另外，波洛克允许用两种方式来攻击论证：一种是反论（rebut），通过相反的结论进行论证；另一种是底切（undercut），通过证明初显性的理由不适用于所给定境况。直观而言，底切的攻击并不认为所攻击的结论是错误的，只是认为这种结论没有得到充分的前提支持。请注意，图尔敏的反驳（rebuttal）的概念，实际上是与波洛克的底切（undercut）的概念相对应的。为底切举一个例子，如果有人感知到一个物体是红色的，那么感知原理的底切就是：这个物体是被红光照亮的。法律背景下举一个底切的例子，考虑以下论证：嫌疑犯在谋杀发生时就在谋杀现场，因为证人约翰在那里看到了嫌疑犯（在知觉上应用初显理由，注意，这一理由只有在第一个论证是认识点（position-to-know）论证时，才是可以使用的。如约翰看到这一场景，是因为约翰说他看到了）。这一论证底切可以为：那里太暗了，所以约翰不可能做出可信的辨认（应用了感知方案的底切）。

波洛克的系统与论证型式方法有怎样的联系？从本质上讲，论证型式可以被形式化为初显性理由。相反结论的方案应用可以被视为反驳（rebuttal）；而在例外情况下，对关键性问题的否定答案则对应为底切（undercutters）。论证可以被击败，这就说明了论证型式的可废止（图尔敏在“反驳”的概念中承认这一点），由于每一种型式都有自己的底切，因此底切的概念允许使用场域依赖的标准来进行评估。

 这并不是关于型式基础逻辑的全部内容。当一系列相互冲突的论证给出时，还得决定是否某些论证更有力。这分两步完成。首先，当论证相冲突时，可以用标准来进行比较，看看何者比其他更强。例如，如果有两个正面的后果论证相互矛盾，人们（其他条件相同）更倾向于支持被认为有更重要后果的论证（例如，在我们的例子中，人们可能更倾向保护法律系统免受过多讼累，而不是打击垃圾邮件的价值）；其次，当冲突论证之间的所有相对强度的关系被确定时，论证的论辩地位被明确，以确定有效推论的可废止性。这里的一个重要现象是复位（reinstatement）：假设论证B比论证A强，但B本身受到更强的论证C的攻击；在这种情况下，C可以恢复A的地位。再次考虑基于两个冲突证言的推理（称他们为约翰和鲍勃）。即使我们更喜欢鲍勃的证词，比如说，他是个成年人，而约翰是个孩子。但使用鲍勃证词的论点可能会被第三个论证C所削弱：鲍勃的证词是不可靠的，因为他有强烈的理由憎恨嫌疑犯。

一种直观的方法来定义论证的可废止有效性，是采取支持和反对之间的争论博弈的形式。开始博弈时，支持者先提出待争论之论证，然后参与者轮流攻击之前的论证。反对者的目标是和支持者一样有力，而支持者的目标是比其他参与者都有力。当你的对手用尽了行动，那么你就胜利了。现在，如果支持者有个必胜策略（在博弈论意义上），以论证A作为博弈的开始，那么A就是可废止有效的，也就是说，他可以让对手无论怎么行动都无用。现在，如果支持者在一个以A开头的游戏中有一个获胜的策略（在博弈论意义上），那么一个论点A可废止是有效的，也就是说，如果他能让对手不管怎么玩都会用尽行动。

综上所述，论证基础逻辑将论证视为树林中的一棵树：各个论证组成一片树林，而论述通过推理规则相连接。而论证的论辩地位，则是通过形成一棵论辩树来决定的，它包含了为这个论证进行论证博弈所有的可能方式。如果支持者可以这样在论辩树选择他的论证，从而他总是以他自己论证的一片叶子作为结束，那么这个论证就是可废止有效的。

四、法律问题解决概述

现在让我们更仔细地研究一下法律推理，以确定其中使用的一些主要论证型式。（本节中的分析并非原创性的，只是作为进一步讨论的基础）我将从必须适用于案件事实的法定规则这种现象入手。一种典型的法律规则的形式是：

如果符合要件，那么产生法律后果

现在考虑以下（完全真实的）案件：

首先，有人声称，乌得勒支大学（Utrecht University）将所有学生的邮件地址都提供给了当地的警方，且未经学生们的许可。警方是为了开展针对自行车盗窃的专项行动（在荷兰大学城中很常见的刑事犯罪），他们给所有的学生都发送了一封信，警告他们购买被盗自行车是犯罪行为。该人士还声称，这种行为不允许的。因为当时学校搜集学生信息是为了进行管理，且这是尊重学生的（而警方是规训学生），而现在警方之目标与搜集时的目标并不一致。现在，如果要对此案提起诉讼，那么至少要回答四个问题。

第一个问题是：这些事件是否真的发生了。这是一个证据问题。它将根据可行的“感性材料”（sense data）来决定，比如，警察的信以及进一步的的文件证据（例如，警察给学校董事会的请求信）和/或证人证词（例如，警方声称他们从学校获得了学生的地址）。

假设根据这些证据，法院确信这些事件确实发生了。然后第二步必须做的是：将这些事实对应于法条的要件之下。即是说解释规则适用的条件，以决定它是否包含由“感性材料”所证明的事件。众所周知的问题是，由于规则要件的模糊性或文本开放性，导致并不存在明确的判断标准。这是人工智能与法律领域，关于法律论证研究的重点问题。

假设现在法院已经裁定，事实证明这确实是符合规则要件的，即是说，基于防止自行车被盗的理由与大学管理无关。接下来还有两个问题需要回答。第三个问题是：该规则是否是合法的。即规则是否是合法的法律渊源。这个问题必须被独立回答，而与案件本身的事实无关。要回答最后一个问题，即规则是否必须适用于所争讼之案件，或是否存在规则不适用的情况（例如，规则适用冲突，或应用规则将明显不公正或不合理）。或许大学可以这样辩称：这对学生和员工的负面影响如此之小，而乌得勒支的自行车盗窃问题又如此之严重，且没有其他措施有效，因此在本案中适用此规则是不合理的。也许大学甚至还可以举出一个先例，在类似的案例中，此规则被搁置了。

综上所述，法律规则的适用（至少）包括四个步骤：证明声称适用规则之事实已然发生（证据）；决定已证明之事实可以涵摄入法条之要件之下（分类/解释）；决定适用规则是有效的法律（规则合法）；以及决定该规则应当被适用（规则应用）。

应该指出的是，这四个步骤之过程一般不是循序渐进的。例如，决定待证明之选择事实，不仅取决于可用之证据，也取决于已证可能适用于事实之法律规则。如果在以上的案例中，一个大学生认为，与其以违反隐私起诉校方，不如起诉其违约。那么她就会选择不同之事实进行证明，比如：合同存在，从而选择搜集不同的证据。重新解释事实以符合某种规则，这种过程的建模，现在已被人工智能法律研究证明难度过高了。现在让我们更仔细考量一下四个步骤中的每一个，讨论一些涉及到的主要论证型式，以及一些对这些型式的人工智能和法律的建模。

五、证据推理方案

直到2003年在爱丁堡召开的人工智能与法律会议(ICAIL-2003)之前，证据推理一直是人工智能与法律研究中被忽视的领域。一个例外是Lutomski，他在温哥华的ICAIL-1989上就提出了，在证据推理中论证型式方法的早期运用。他的系统提出的本意是协助律师处理就业歧视领域的统计证据，但据我所知这并未在实践中使用。他的系统储存了一些典型论证、基于图尔敏结构的数据，以及一些关键的类型问题（例如，“是否收集了所有且仅收集了相关数据？”).

在ICAIL-2003上，就有相当多的论文论及证据推理的主题了。其中之一是我与Chris Reed和Douglas Walton的论文，其发展了一个明确的证据推理的论证型式分析，做了一些初步的工作。这项工作是在Bex等人和笔者的研究的基础上，进一步的发展的。在本节中，我将简单小结这项工作。

基本的想法是将波洛克的初显性理由框架（见第三节）中，证据的论证型式加以形式化；并将附属于型式的那些关键性问题，视为底切反驳者（undercutting defeaters）的箭头。一些波洛克自己的理由，直接应用于证据推理，比如第三节中讨论的那些知觉原则与基于记忆、归纳与统计三段论的原则。后一原则是波洛克可废止分离规则的概率版本。我用一个没有数字的版本来解释它：

“c是一个F”与“F通常是G”，是“c是G”的初显性理由。

这一原则推动了经验归纳推理。主要的底切是通过举出相对于通常而言的例外，以对子属性（subproperty）进行反驳：

“c是一个F&H”和“F&H通常不是G的情况”，是对统计三段论的底切。

例如，使用“荷兰男人通常喜欢足球”的论证，可能会被使用“拥有博士学位的荷兰男人通常不喜欢足球”的论证所底切。将这两个通常观念运用于本文作者身上，则会导致一个被反驳的论证：虽然没有任何相反的论证可以成立，亨利喜欢足球却成立。

此外，Bex等人讨论了应用于证人证词（本质上是认识点的论证型式的变体）、专家证词（此方案的另一变体）和现时存续的论证型式。现时存续是证据推理的一个重要方面。它是运用这一理由进行论证的：事实F在T1时间时是真的，如果没有证据证明在T1时间至T2时间直接事实F变假，那么事实F在T2时间时仍然为真。例如，在民事案件中，证明一个人拥有合法权利（如所有权）的通常方式，是证明该权利是被创设的（如通过出售加交付）。然后，另一方通常必须证明后来终止权利的事件。本人还讨论了几种攻击经验归纳法的方式，这些方式不适用于对子属性的反驳，而是攻击归纳法的来源（例如“常识”或“科学”）。Bex等采用帕肯等的方法至Kadane和Schum重建著名的Sacco和Vanzetti案（即他们的图表4）的一小部分。这一重建所产生的论证，原来是基于波洛克的记忆、知觉、现时存续的理由、统计三段论，以及“认识点”型式被重建为统计三段论的一个实例（见上文第2节的结尾）。对抗论证中（counterarguments）不算反驳（rebuttals）的，都可以被视为型式的底切（undercutters）。

这项工作仍处于初步阶段。未来的一个研究方向是尝试将实务律师在诉讼中使用的型式加以形式化。对于普通法地区，此类方案存在着很多有趣的来源，如审判宣传手册。大体上，此手册（含蓄地）遵循论证型式方法，列出了典型的证据论证和攻击它们的类型方法。另一个有价值的研究方向是在基于知识的系统中，获取关于证人证词可靠性的可用知识。

六、规则适用型式

将法律规则适用于事实也许是解决法律问题的核心因素。Hage和Verheij在其“基于理由的逻辑（reason-based logic）”的应用中，给出了给出了迄今为止在人工智能与法律研究中，最详尽的法律规则适用的说明。他们的核心主张是法律规则的适用，所涉及的远不止是分离规则（无论是否可废止）。他们对规则应用的描述可以简单概括如下：首先，必须确定规则的要件是否得到满足（解释问题）。如果这一障碍被清除（另见第7节），再应确认该规则是否合法（例如，宣称其是合法的法源）。然后，再决定在所给出的案件中该法是否不适用（如《荷兰数据保护法》不适用于警察）。若法律适用，则最终确定规则是否可以适用（即没有冲突的规则或原则适用）。有趣的是，虽然Hage和Verheij认为法律规则是可以被法律原则所阻止的，但Skalak和Risland的CABARET系统中，只允许引用不适用规则的先例来阻止规则的适用（另见第8节）。CABARET的方法是基于Gardner的观点，即如果一项法律原则或价值可以证成架空一项规则，这通常在一个先例中已经发生了。

Hage和Verheij以及其他人都展示了关于这些问题的论证是如何在非单调逻辑中被形式化的。此外，这些技术可以模拟这样一个事实：即在法律实践中，法律规则的有效性和适用性通常是被推定有效的。只有在其不成立的论证中，这项推定才能被推翻。技术细节已超出了本文的范围，但有的评论认为，他们实际上是将图尔敏的反驳（rebuttal）之概念加以发展并形式化了。就目前而言，主要结论是规则适用的论证型式，涉及不同的步骤每一步都可以被模式化攻击。

七、基于先例的推理方案

在前一节中，我简要地提到在大多数人工智能与法律研究中，都关注法律论证的建模涉及的那些法律概念的解释。这是一个非常困难的研究问题，因为在案件事实的具体性质和法律概念的抽象性质之间往往存在巨大的鸿沟。这至少在两个方面引起了法律上的不确定性。

第一个方面是存在相互冲突的解释规则（例如，基于法律专家的意见、对自然语言的常识性解释或先例之理由）。例如，一位法官（或法学家）可能会说，电子邮件地址永远是私人数据，因为当与计算机的IP地址相结合时，就能可以识别具体用户；但另一位法官或法律学者就可能会辩称，电子邮件地址不是私人数据，因为邮件地址的左侧并不类似于使用者的名字。这些只是简单的“如果-则（if-then）”规则，任何来自于非单调逻辑的适当技术都可以用来形式化这些规则。这基本上是Gardner采取的方法。她（实施的）系统，查询合同是否是通过要约和承诺产生的，存储了来自法律专家、常识和判例法的可能相互冲突的解释规则。并以分离规则的方式使用这些规则，使用优先机制使得先例规则优先于冲突的专家观点或常识规则。

然而，有时解释一个法律概念并不是简单地制定或选择一个适当的解释规则。有时这一切是在特定情况下进行衡量并选择后果，而衡量要考虑到一系列不同程度的因素。一个著名的人工智能和法律的例子，是HYPO对美国《商业秘密法（trade secret law）》的先例建模。然而，这种现象并不局限于普通法地区。例如，荷兰《数据保护法》，它在界定不可调和的、重复使用私人数据这一概念时，规定了“至少”有五个必须考虑的因素，也没有说在个案中该如何组合。

•重复使用的目标与收集数据的原始目标之间具有相似性；•所涉数据之性质；•重复使用数据对所涉人员产生之后果；•获取数据的方式；•采取适当措施保护数据所涉人员隐私的程度。

在这种“基于因素”的领域中，新案件中的判决通常是参照过去的判决，即遵从先例。然而如Ashley所示，先例的基本原理往往不直接适用于新的案件。因为不同的案件往往有一系列不同的因素与价值。因此，必须经常调整理论以适应新的情况。一个经典的做法是指出先例与本案之间的相似之处，并论证因为这些相似之处，本案也作出的相似决定。攻击这种观点的两种典型方法是：首先，指出先例与本案之间的不同之处；其次，指出反例，即至少有一个先例与本案相似，结果却相反。以上这些方案（或更多）都可以在HYPO系统中建模的。有趣的是，HYPO在某一案件（见上文第3节）中，在原告和被告之间的论辩博弈中使用了这种基于先例的论证。事实上，这样由HYPO产生的质询最多有三步之长（原告-被告-原告），但没有阻止对任意长度质询的概括。因此，HYPO说明了基于先例的论证型式的推理，是可以被建模为一个逻辑论证博弈的。

HYPO系统已经有15年的历史了，很多研究都是从它开始的。之后的研究主要是丰富代表先例的HYPO型式，以及利用添加附随表意以组成各种新的论证与反驳。虽然HYPO只是区分了亲原告和亲被告的因素集和一个简单的决定（原告胜诉或被告胜诉），但在CATO系统中，可以定义更多的层次和更少的抽象因素。例如，区别可以被降低，只要说在更抽象的层次上，案件仍然相似。现在以《荷兰隐私法》为例，一个案例是警察向学生寄出的警告信，而另一个案例是大学向学生与教职工发出的募捐信。这两个案件可以在事实层面进行区分，但也可以降低区别：只要说这两者都是关于公共事务的单次信件。其他人试图用某种方式来展现案件判决所代表的先进或有危害的价值观，从而产生了新的目的论证方案的模型，这些方案与Walton的结果论证方案有关。在帕肯的进路中，可以强调先例和本案之间的差异，在本案中遵循先例不会产生与先例结果相同的价值。

八、论证型式方法的局限性

在对人工智能与法律研究进行简要概述的基础上，我们发现，对法律论证建模的论证型式方法是对纯逻辑方法的有益补充。特别是论证型式方法可以为论证中的多种陈述中的不同角色进行建模，而因此允许为衡量论证建立不同的标准。我们也看到许多人工智能与法律研究实际上采用了论证型式的方法，虽然它通常不是这样提出的。

也许在这一点上，读者的印象是，建模法律推理所要做的就是：建模相关的论证型式和相关重要问题，并在逻辑论证博弈中使用它们（如第3节所述）。然而，这将是法律推理的一个严重简化，很多在人工智能和法律领域的有趣工作，都超越了这种简单的方法。

例如，CABARET为了特定的辩证目的，定义了使用组合规则与基于先例之型式的技术与策略，如确认或否定规则。但是CABARET实际上定义了辩论博弈的理性策略。部分的HYPO和CATO系统之机制是，解释在先运用材料在后。比如，CATO仍然使用HYPO的简单案件代替型式，但是CATO的阶层因素可以用来制作不同的论证。通过阶层因素提出从因素至决定的不同“路径”，以说明为什么案件是按照此种方式产生的。Loui 和 Norman进一步发展了重述先例的思想，他们用五种方法重述对手的论证（基于先例的），揭示新的攻击点以便更好地攻击对手。一种方法是辩称，在先例的结果是基于在两个相互冲突的论证之间进行选择的。而在本案中，之前胜诉的论证不再适用，因为在新的案件中其中一个要件缺失。因此，在先例中被否决的论证现在应该占上风。最后，Bench-Capon和Sartor通过为解释某一系列先例决策的理论建模，解决了理论形成的问题。所有这些都是非常重要的工作，但它超出了论证型式的方法。要么它提供了建立论证的材料（CATO），或者它定义了如何进行论证博弈的策略和技术（CABARET）。

九、人工智能与法律和图尔敏

最后，来讨论点有意思的：为何这么多人工智能与法律的工作，都是遵守图尔敏的观察？首先，读者可能会想，为什么人工智能与法律的工作，没有更直接地利用图尔敏的论证型式。这里和图尔敏对自己1958年作品的反思是相关的。在第二版的前言中，他表达了自己的惊讶，竟然有那么多的人认为他在1958年的观点是建构论证理论。实际上，这并非他本意，他意在批判那种认为所有论证都可以采取演绎的观点。所以就不应惊讶，为什么图尔敏在后续研究中修改了自己的最初的论证型式，并使型式的分类更加地精细。因此，在人工智能研究中，一般是将图尔敏之教训记于心，这比将他的型式直接运用于研究更有意义。

在我看来，人工智能与法律的研究，已经把图尔敏的三个教训记在心上。首先，图尔敏强调论证的前提可以有不同的作用。我们看到，在人工智能与法律的研究中，已经确定了很多论证型式的前提有模式化作用；其次，图尔敏认为日常的论证是可废止的，因此他提出了反驳（rebuttal）这一概念。在此之前，非单调逻辑领域已经有过多次的争论，并将图尔敏图示形式化并进一步发展，第三节中论证型式之推理已证明了这一点；最后，图尔敏强调评价论据的标准是场域依赖的。他最初的论证型式使用了不同的令状（Warrant）作为背景支撑（Backing）。第3节的叙述说明，如果逻辑允许不同的论证型式形式化，而每个型式都有自己的一组典型前提，那么在形式逻辑系统（无论是否单调逻辑）中捕捉相似的区别是可能的。然后，通过识别某一领域中所采用的型式，并制定与这些型式的关键问题相对应的底切模式，来捕捉场域依赖的标准。由于不同的场域会有其典型的论证型式，因此每个场域的论证评估标准都会有所不同。

最后，虽然在人工智能与法律领域，已经用更精细的分析取代了图尔敏最初的论证型式。但现在的工作仍完全是建立在图尔敏的挑战精神之上的，即建立适用于日常论证的有效推理。令人兴奋的是，人工智能与法律的研究，已经证明这些工作确实是可形式化和可计算的。

▼ 法理杂志往期选粹 ▼

R E V I E W

选粹 | 第五卷1.2辑文章集锦（拉至阮文底部）

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