新一代法律智能系统的逻辑推理和论证说理.docx

《新一代法律智能系统的逻辑推理和论证说理.docx》由会员分享，可在线阅读，更多相关《新一代法律智能系统的逻辑推理和论证说理.docx（48页珍藏版）》请在第一文库网上搜索。

1、新一代法律智能系统的逻辑推理和论证说理一、导言：为什么研究智能机器的逻辑人工智能(AI)技术正在向法律领域全尽管在司法领域，尚未有真正的“阿尔法法官” (Judge Alpha)出现，智能系统的作用还主要是辅助办案，但在行政领域，各种形式的“自动化决策系统” (automateddecision systems )早已得到广泛运用。法律智能系统的落地应用，在带来便捷和高效的同时，也不可避免地引发了某些疑虑。因为，对于大多数人来说并不清楚这些复杂的机器究竟是如何作出决定的。诸如“人一、导言：为什么研究智能机器的逻辑人工智能(AI)技术正在向法律领域全尽管在司法领域，尚未有真正的“阿尔法法官” (

2、Judge Alpha)出现，智能系统的作用还主要是辅助办案，但在行政领域，各种形式的“自动化决策系统” (automateddecision systems )早已得到广泛运用。法律智能系统的落地应用，在带来便捷和高效的同时，也不可避免地引发了某些疑虑。因为，对于大多数人来说并不清楚这些复杂的机器究竟是如何作出决定的。诸如“人一、导言：为什么研究智能机器的逻辑人工智能(AI)技术正在向法律领域全尽管在司法领域，尚未有真正的“阿尔法法官” (Judge Alpha)出现，智能系统的作用还主要是辅助办案，但在行政领域，各种形式的“自动化决策系统” (automateddecision syste

3、ms )早已得到广泛运用。法律智能系统的落地应用，在带来便捷和高效的同时，也不可避免地引发了某些疑虑。因为，对于大多数人来说并不清楚这些复杂的机器究竟是如何作出决定的。诸如“人一、导言：为什么研究智能机器的逻辑人工智能(AI)技术正在向法律领域全尽管在司法领域，尚未有真正的“阿尔法法官” (Judge Alpha)出现，智能系统的作用还主要是辅助办案，但在行政领域，各种形式的“自动化决策系统” (automateddecision systems )早已得到广泛运用。法律智能系统的落地应用，在带来便捷和高效的同时，也不可避免地引发了某些疑虑。因为，对于大多数人来说并不清楚这些复杂的机器究竟是如

4、何作出决定的。诸如“人工智能的算法本质上是黑箱”等似是而非的2 .法律逻辑允许推理结论的非唯一性。由于法律推理的前提通常都蕴含有价值判断,而价值判断具有多元性，各种不同意见可以同时是合理的。易言之，在一个多元的世界中，价值判断的准则是“合理的” “可接受的”等原则，因而，法律问题往往没有唯一“正确”的答案。按照佩雷尔曼的说法，法律推理主要是实现不同价值判断之间的“综合与平衡”，即由法官通过对自身决定的论证，给出正当性理由，以说服作为直接受众的当事人和不在场参与的社会公众(实际的最终裁判主体)。因此，法律推理可以归结为著名数学家波利亚(GeorgePolya)所说的“合情推理(plausible

5、 reasoning),它与适用于数学和自然科学领域受形式逻辑支配的严密的“论证推理”相对应，并相互补充。3 .法律逻辑承认推理结论的“可废止性”。从概念上看，法律推理过程所使用的前提的用相同的术语，其真实含义却是“证成”“真”(true),虽然表上与形式逻辑使(justified)。当新的信息补充进来后，原来的证成可能会失去效力。因此，由于法律规范的开放性和法律事实的建构性，法律推理的结论是可废止、可逆转的。这就意味着，法律逻辑是一种非单调逻辑，与形式逻辑中演绎推理的单调性有明显不同。4 .法律逻辑评判法律推理与论证的强度和可信度。法律论证所追求的目标，并非普通逻辑学意义上论证形式的有效性(

6、validargument)和论证结果的可靠性(soundness),而是追求“强论证” (strong argument)与“可信度” (cogency)。因为在法律推理过程中，在大多数情况下，前提和结论之间无法做到100%确定的必然联系(很多时候也无必要)。这意味着，法律推理属于非必然性推理，法律论证也只是一种“强论证”。如果按照形式逻辑的标准，“强论证”实际上属于“无效论证”。但是在法律实践中，我们把前提可为结论提供支持的程度达到某种法定标准的强论证称为“有效论证”，意指我们整体上认可这一论证。同样，在论证结果的真实性上，法律逻辑要求的并不是“可靠性”而是其“可信度”。在人类认知能力有限

7、且受到法律程序制约（如时限要求）的情况下，具有一定可信度的论证结果，虽然无法绝对排除出错的可能，但却是可接受的。法律逻辑的上述诸项特征（不完全归纳）,皆源于法律的实践性本质，是法律的实践性在不同侧面的体现和反映，它们共同构成法律智能系统的设计约束（designconstraints ） o这些约束条件不仅框定了法律智能系统的能力范围，亦成为分析其底层逻辑的参照标准，可以据之评判智能机器的决定是否具有可接受性。三、法律智能系统的基本推理方法新一代法律智能系统往往集成了包括专家系统、数据挖掘和机器学习等在内的多种人工智能技术，也就是说，实践中已广泛采取混合智能方法，因此，我们可按照技术发展的时间脉

8、络，对不同历史时期出现的智能系统及其运用的基本推理方法进行逐个分析,以求在“解剖麻雀”的基础上，更深入地理解新一代法律智能系统的总体运行逻辑。（一）传统的专家系统：基于规则的推有限且受到法律程序制约（如时限要求）的情况下，具有一定可信度的论证结果，虽然无法绝对排除出错的可能，但却是可接受的。法律逻辑的上述诸项特征（不完全归纳）,皆源于法律的实践性本质，是法律的实践性在不同侧面的体现和反映，它们共同构成法律智能系统的设计约束（designconstraints ） o这些约束条件不仅框定了法律智能系统的能力范围，亦成为分析其底层逻辑的参照标准，可以据之评判智能机器的决定是否具有可接受性。三、法律

9、智能系统的基本推理方法新一代法律智能系统往往集成了包括专家系统、数据挖掘和机器学习等在内的多种人工智能技术，也就是说，实践中已广泛采取混合智能方法，因此，我们可按照技术发展的时间脉络，对不同历史时期出现的智能系统及其运用的基本推理方法进行逐个分析,以求在“解剖麻雀”的基础上，更深入地理解新一代法律智能系统的总体运行逻辑。（一）传统的专家系统：基于规则的推1956 年夏，由西蒙(Herbert A. Simon )和纽厄尔(Allen Newell )带到达特茅斯会议上，通过选择性搜索解决非数值问题的“逻辑理论家(Logic Theorist),是首个使用逻辑公理进行推理的计算机程序；二人其后不

10、久开发的针对非特定主题的“通用问题求解器” (GPS),被称为第一个“像人一样思考的程序”，由此开辟了以前只能由人类智能完成的任务可交由机器自动化操作的道路。西蒙等人因使用符号逻辑作为模拟人类智能的方法，因而被称为人工智能的逻辑主义或符号主义学派，并长期一枝独秀，成为人工智能的主流派别。逻辑主义学派将逻辑视为人工智能的基础。该学派的突出成就是研发出了适用于各特定领域的专家系统(expert systems ) o在大数据时代到来之前，专家系统因其在计算机科学和现实世界的贡献而被视为人工智能领域最成功的应用。专家系统最强大的理论基础来自亚里士多德建立的逻辑前提。亚里士多德、笛卡尔等人的理性主义哲

11、学强调在理解世界时推理的力量，并认为正是人类1956 年夏，由西蒙(Herbert A. Simon )和纽厄尔(Allen Newell )带到达特茅斯会议上，通过选择性搜索解决非数值问题的“逻辑理论家(Logic Theorist),是首个使用逻辑公理进行推理的计算机程序；二人其后不久开发的针对非特定主题的“通用问题求解器” (GPS),被称为第一个“像人一样思考的程序”，由此开辟了以前只能由人类智能完成的任务可交由机器自动化操作的道路。西蒙等人因使用符号逻辑作为模拟人类智能的方法，因而被称为人工智能的逻辑主义或符号主义学派，并长期一枝独秀，成为人工智能的主流派别。逻辑主义学派将逻辑视为人

12、工智能的基础。该学派的突出成就是研发出了适用于各特定领域的专家系统(expert systems ) o在大数据时代到来之前，专家系统因其在计算机科学和现实世界的贡献而被视为人工智能领域最成功的应用。专家系统最强大的理论基础来自亚里士多德建立的逻辑前提。亚里士多德、笛卡尔等人的理性主义哲学强调在理解世界时推理的力量，并认为正是人类的方式，也是人类进行问题求解的基本范式。产生式规则具有固定的格式，每条规则都由前提和结论两部分组成，因此它非常适合表达具有因果关系的过程性知识。推理机(inference engine )链接知识库中的规则和综合数据库中的事实信息，一旦适用条件相匹配就触发推理机制执行

13、推理，然后由机器按照输出的推理结论(决策结果)付诸行动。相比较而言，知识(库)是提升专家系统能力的关键。无论是传统的知识工程(Knowledge Engineering), 还是新一代知识工程技术(知识图谱)，都是围绕知识的获取、表示和应用来构建知识库。在构建知识库时，产生式规则是最常用的知识表示方法，专家系统因而又被称为“基于规则的系统(rule-based systems)或“基于知识的智能系统” (intelligent knowledge-based systems ) o由于产生式规则的一般形式是“if-then”，这使得其天然适合解决法律领域的问题，特别是用于处理涉及成文法规则的问

14、题。这也是为什么人工智能研究在曾经两度陷入“寒冬”的曲折发展过程中，人们对研发法律专家系统仍然充满热情、锲而不舍的一个重要原因。不过，产生式系统中的知识单位是产生式规则，这种知识单位由于太小而难以处理复杂的问题。也就是说，基于规则的法律专家系统只能用于处理简单案件。如图1所示,可以用三段论直接处理简单案件，但是一旦法律规范与个案事实之间存在落差与断裂，单靠三段论就无能为力。从技术角度讲，不存在一组“if-then”规则可以将人类行为完美地简化，即使有成千上万条规则也难以完全涵盖复杂的案件情形。并且，由于存在“收益递减效应”，一小部分规则处理了大部分问题空间，需要添加更多的规则处理特殊情况。易言

15、之，在构建专家系统时，10%的规则涵盖了 90%的问题空间，其他90%的规则用于处理例外。显然，收益递减效应最终会产生约束作用。这也说明，很多基于规则的专家系统看似功能强大，但受限于以三段论为主的推理形式（“if-then” +事实=结论），实际上只能在明确定义的、有限的领域内解决问题。当然，即便如此，在实践中推广法律专家系统的意义仍然十分重大。例如，有法官表示，很多信用卡违约案件，除了违约主体和金额不同，案件的其他特征并无本质差异,完全可以运用智能系统批量处理。此类简单案件或者纯粹程序性事务交由智能系统进行处理，可节省大量低层次、重复性劳动，为法官腾出时间和精力专注解决复杂、疑难案件创造条件，在一定程度上消解当下“案多