人工智能与法律推理研究的几个重要里程碑

下面介绍几项在理解和模拟法律推理，尤其是法律论辩方面提供了重要步骤的、具有里程碑意义的法律与人工智能研究项目。这些项目拟解决的问题包括：根据规则推理，根据案例（假设及引用先例推论进行）推理，可辩驳推理。

根据规则推理

进行法律推理模式研究的努力最初是运用专家系统（expert system）模拟法律中与规则相关的某些内容。[8]基于规则的专家系统是人工智能研究者们广泛运用的一类人工智能系统。这些系统所使用的计算机和计算技术概念界定十分清楚，而且计算性强。虽然从法律的角度看，关于规则的有效性、有用性及其状况，人们的意见不尽一致，而且人们也公认在规则的表述方面也存在着困难，但是将某一套规则用于一个标准计算模式的计算框架依然是可行的事。

在基于规则的方法中，规则通常表现为比较简单的“如果……那么……”格式。如果已知某种情况存在，那么即采取已指明的行动或者得出拟得到的结论。基于规则的系统，通过将这些规则连接在一起而产生作用。在法律领域中，首次使用专家系统方法研究的是兰德公司民事司法中心的唐纳德·沃特曼（Donald Waterman）和马克·彼得森（Mark Peterson）。在他们的系统中，学说中的论述和法律专业知识根据经验大致进行了编码。该项研究进行时，正是专家系统方法广泛用于各个领域之日，既代表了该方法用于法律研究所能取得的成就，也揭示了该方法自身内在的困难。沃特曼和彼得森研究了如何将专家系统方法作为一项实用工具用于法律实施，证明了其作为模拟法律专业知识的一种方法。

他们的系统中研究的一个领域是所谓LDS（Legal Decision-making System）系统。该系统为解决一起产品责任案件进行了“价值”评估。通过使用为严格责任设计的基于规则的模式，比较过失及计算赔偿金，该程序能结算一个案子的价值，进行有关诸如过失之类的结论的一系列推理，并且能够模拟、了解谈判的某些内容。该项目证明了将基于规则的技巧用于法律使用的可能性。

该项目的一个较大的弱点是，它用极不精确的术语掩盖了法律推理内在的困难，且对法律推理的对抗性没有给予应有的重视。举例来说，LDS向使用者问了使用该产品是否“可以预见的”这样一个问题。这是一个非常微妙的问题，其答案依赖于解释，而且完全取决于上下文。你可以说得出有关使用的可预见性的结论乃是过失领域中推理的核心问题。向使用者提出这样一个问题，让其给予解释，实际上将整个项目给出卖了。LDS同时还表明了基于规则的方法的另一个一般性问题：它没有给予法律推理的矛盾性应有的重视。在法律推理中，不同立场的双方往往会寻求得出不同且经常矛盾的结论。更进一步说，基于规则的方法，假定了某一套规则中不存在像含义不清、规则间的空白及冲突等内在困难这一前提。为了使基于规则的系统产生作用，程序设计者一般必须清除掉此类问题，使规则显得比实际上更加前后一致和完善。

尽管过于简单化，沃特曼和彼得森设计的系统仍是这个未知领域里的一个里程碑。截至目前，专家系统依然是被频繁使用的重要方法之一，应用其进行研究的项目为数众多。在英国进行的一个曾经引人注意的项目是由理查德·萨斯肯德（Richard Susskind）和菲利普·卡珀（Philip Capper）设计的推定损失赔偿系统。该系统的问题领域设计了1986年英国推定损失赔偿法案，其针对的是当损害和损失为隐形时，求偿人可以开始提出赔偿请求的时间等法律问题。

根据案例推理[9]

我们可以举凯文·D. 阿什利（Kevin D. Ashley）对美国贸易保密法所进行的研究，来看如何将人工智能的研究运用于根据案例进行推理。[10]阿什利所使用的模式称为HYPO。其运作情况是这样的：面对一定的事实情况，HYPO根据其拟定的贸易法分析模式对事实予以分析，然后从案例知识系统中找出相关的案例来。接下去，该模式将分析哪一个案例最接近和有可能如此，并确定从何角度、用何种分析方法进行分析。然后，HYPO就会形成一种初步看法，分别从诉讼双方的角度进行分析、辩论。先从最能支持甲方论点的案例进行分析，再从乙方的角度引证最能说明其论点的案例进行区别分析。然后，HYPO再回过头来反驳乙方的观点，将乙方引用的案例予以区别，并加强甲方的论点与眼前案子的事实关系。如果已有的案例知识库中没有可以引用的案例，HYPO则会使用假设案例。

HYPO能够衡量案件的相关性，为各方确定哪一个案例对其最有用或与其论点最接近，以便引用。它也能类推或区别不同案件进行假设推理，引用与某一论点相反的案例及建构基于案例的论点的基本结构。但HYPO的作用仅限于根据案例推理，并未试图研究较高层次的包括政策分析的推理活动。HYPO只是进行案例和事实分析的一种非常技术化的推理模式。

HYPO的一个主要特点是其案例索引系统。HYPO使用被称为“要素”（dimension）的索引系统寻找案例并进行分析。要素代表重要的法律因素。它将由于某些事实的存在而需根据某一观点对所选案例进行处理的知识编入程序，能使HYPO找出支持同一观点的一组案例来，并对该组案例中各个案例的相对重要性进行比较和估计。

HYPO使用要素来界定诸如“相关”“最合适”“最好”等概念。如果一个案件中有一个要素和眼前的事实情况相吻合，则该案件可称为“相关”案件。HYPO通过寻找事实情况中的若干要素和案件中的若干要素的重叠情况来确定案件是否为“最合适”的程度。如果乙案例中的要素已包含在甲案例中，则甲案例被称为是“最好”的案例，因为甲案例的要素和事实情况的要素相同点较多。

可辩驳推理

根据规则推理和根据案例推理反映了两种不同的法学观，即规则中心主义和规则怀疑主义。这两种法学观之间的辩论是20世纪法学界的空前盛事。但随着时间的推移，这场大讨论逐渐失去了生命力，变得陈腐而停滞不前。无论根据规则推理也好，还是根据案例推理也好，都是属于单向度的推理（monotnic reasoning），即前提—事实—结论的传统推理模式。有很多人对这个模式表示怀疑。法律是一种话语的理论的产生给这种停滞不前的状态注入了活力。

可辩驳推理在近年来引起广泛关注，除了人工智能的研究模式转变之外，话语理论进入法学研究领域也是一个重要原因。话语理论是一个内涵极其丰富的术语，这个观点在前面的章节谈到过，它的累累硕果遍及人类学、语言学、文化批评等领域，但也造成了一些概念上的混乱。这里依然无意详述有关话语理论的各种见解，也不打算系统阐述这一被学者看作后现代视角的理论、方法及构成话语理论的基本命题，话语理论和话语分析之间的区别等重要问题。笔者仅就话语理论在法学研究中的某种表现略作探讨。

如前所述把法律看作是一种话语的观点由来已久，而且总有学者不断地提起，亚里士多德早就阐述过法律是一种话语的观点。20世纪以来，福柯、哈贝马斯、佩雷尔曼、图尔敏及阿列克西等人都强调过这一观点在法学舞台上的重要位置。它与协商性民主、多元政治、文化多元主义及法律论证等领域相得益彰，使人们对民主、法治等一系列重大问题产生了新的看法，多元的、平行式的、协商性的思维模式替代了单一的、纵向的政治法律思维模式。尽管人们早就在亚里士多德那里初见法律话语理论的端倪，但终未发展到期望的程度，直到20世纪60年代佩雷尔曼和奥尔布希特－泰特卡及图尔敏的论证理论才使它拨云见日。使它风靡全球的是阿列克西的著作《法律论证理论》。而哈贝马斯的沟通理性和话语理论则为它提供了哲学和社会理论方面的强有力的支持。[11]

这些观点笔者在第六章中曾经说过，为了加深理解在这里再重复提及。在法学理论中，法的话语理论构成了规则中心主义和经验中心主义以外的第三种法律观。法的话语理论所关注的焦点既非法律规则，亦非法律案例，而是法的论证过程。在这里，法律规则在某一案件中是否运用得当，只是底线。更为重要的是，司法决定最终是否通过法律论证为人们所接受。

在法的话语理论中，一个重要思想是：无论规则还是案例，其本身并不足以构成自足的论证，因为两者本身都是可争议的对象。这与把规则和案例看成不同推理前提的传统法律思维是截然不同的。

法律规则的开放结构、一项具体规则的范围大小、规则的合法性及有效性等因素使规则成为可争议的对象。案例的判决理由、案件之间的相似性、支持该案例的推理等不确定因素使得案例也成为可争议的对象。因此，在将它们作为推理的前提时，两者首先需要进一步确定。然而，虽然规则和案例都是争议的对象，但它们同时又是进行法律推论的基本材料，法律推论只有在使用规则和案例的基础上才能有效进行。

法律论证不同于法律推理，前者为司法决定提供理由，而后者则为得出司法决定必经的逻辑推导过程。虽然法律论证旨在为司法决定提供理由，而法律的话语理论正好支持法律论证的过程，它也为法律推理提供了一种理论，正如麦克密克指出的法律推理需要一种法学理论。法律的话语理论开创了新的法律推理模式的可能性。这种可能性就在于把法律推理看作是一种可辩驳的多元推理，而非单一的演绎推理或类比推理。对人工智能和法律推理的研究者而言，模拟可辩驳推理的过程已经变成中心任务。[12]

这是一项较新的任务，在已开发出来的模式中，人们主要使用非单一性逻辑（non-monotonic logic），力图建立一个基本框架来模拟法律推理的基本特点。[13]话语理论表明，法律是一套建立在互为反面的争论基础上的系统。模拟法律的系统因此也必须能够处理反对意见。这项任务单一性逻辑模式无法担当，因为单一性逻辑模式的推理排斥反对意见和不同意见。例如“如果A、B和C存在，那么结果为X”。但也有可能即使A、B、C都存在，结果却不是X。单一性逻辑推理只能反映两者之一，而非单一性逻辑推理则可以使两者并存，从而为进一步推理提供选择。如果一条规则的结论比另一条要强，那么较弱的规则的结论则不会出现。从事人工智能和法律研究的工作者认为这种非单一性逻辑法律推理系统可以模拟法律的话语特点。他们认为该类推理系统可以同前后不一致的观点论理，并衡量支持不同结论的论点。非单一性法律推理系统，诸如普拉肯（Prakken）、萨特（Sartor）和路易（Loui）开发的那些，旨在为法律论证的性质提供形式上的规格（formal specifications）。[14]尽管他们各自系统的细节与定义等各有不同，但其所追求的核心问题却大同小异，主要表现在四个方面：（1）构成某一结论的论点是什么？（2）什么是对该论点的反驳（attack）？（3）什么是对某一论点的支持？（4）什么是对某一论点的否定？凡此种种，似乎都在贯彻着一个话语理论。它们似乎都能提供解决论争的手段。

除了模拟法律论证的性质之外，非单一性法律推理系统也能模拟各种论证的程序和过程。戈登（Gordon）、里斯兰（Rissland）和斯卡拉克（Skalak）开发的系统具有这种能耐。他们研究何时可以提出论点，作出让步或否定该论点，也设计使用于总的论证过程的规范。同其他系统相比，这些系统似乎更注重发现问题，而不是要就案件主要诉求作出决定。[15]

毫无疑问，非单一性法律推理系统的研究充满了希望，它们完全可以体现法的话语理论的精神，但这里尚存在不少问题。首当其冲的是，如何处理不同论点之间的平衡并且得出哪一个论点为最好的结论。从事该类研究的学者们认为，非单一性法律推理系统可以最终衡量不同观点的正确与否，并从中作出选择。然而事实上，这是非常难以实现的目标。在普通法理学中，当规则与规则或论点与论点发生冲突时，应当诉诸更高层次的非规则标准，诸如政策、原则及基本价值。但如何选择非规则标准，及如何论证已选择标准的有效性却是更为困难的事。即使对人而言，这也绝非易事，对于人工智能而言，这几乎是不可能的事。但这并不是说，这种研究本身就毫无意义。在目前看来难以实现的事，可能在若干年后就变得容易起来。

在现有的运用计算机和法律的话语理论设计的法律推理系统中，各种观点的冲突是通过诉诸元规范（meta-norms）予以解决的。普拉肯认为，可以用Lex Superior、Lex Specialis及Lex Posterior等元规范来评判不同的论点。最具有权威的、最具体的和最古老的规范应该具有最高效力。这固然不失为一种好的设想，但诸如此类的元规范实在不多，而法律关系的表现却是千变万化的。有限的元规范难以应对众多的法律关系。而为了适应各种法律论证的需要，就得发展更多的元规范。这样一来，新的问题就会出现，诸如什么是可以接受的元规范，如何判断哪一个元规范支持某一个具体论点，以及当元规范发生冲突时应该如何解决等。在佩雷尔曼和阿列克西看来，这些问题正是论证过程中拟解决的问题。话语理论及可辩驳推理所关注的正是这些重要问题。法律的话语理论为法律推理提供了一种截然不同于演绎推理和归纳推理或类比推理的方法。在它看来，法律辩论的性质是说理性的，而法律推理的正确方法既不是演绎也不是归纳，而是一种更丰富的多声调的对话过程。在这个对话过程中首先应该解决的是：（1）什么因素构成一个论断？（2）何时可以提出论断？

可以通过一个简单的例子来说明什么是可辩驳推理。

格林说：

大部分经济学家都不太会写作。

麦那尔德是一位经济学家。

所以，麦那尔德很可能不太会写作。

如果我们认为麦那尔德可能是个例外，即便是我们接受前两句话的真实性，我们也可以不接受第三句话所表达的意思。该论断是可辩驳性的，也就是说，一方面作为一个一般的判断它是站得住脚的，但从另一方面来看它又是会错的。我们可以设想一个反例来降低它的可信度。

布朗说：

那不对。麦那尔德是个例外。我读过他写的诗，非常棒。

在此布朗根据自己的经验提出看法，推翻了麦那尔德会是个不太会写作的人的观点。然而，这个反驳论断并不必然获胜。通常，该反驳论断也是一个可辩驳的论断，也就是说它也可以被人推翻。在这个例子中布朗的推断实际上很弱，因为它完全建立在布朗个人对麦那尔德的诗的评判的基础上。如果在场的人中还有人读过麦那尔德的诗，他很可能会提出不同见解，推翻布朗的论断。但是，如果格林没有读过麦那尔德的诗，他就不可能提出推翻布朗论断的见解。如果是这样，格林就处在劣势地位。请再看下面的例子：

格而德说：

我也读过麦那尔德的诗。我觉得他写得不怎么样。他的诗既不合辙，也不押韵，写得很差。

布朗说：

那是你的看法。但是作为一个文学教授，而且出版过好几本诗评的人，我可以告诉你合辙押韵对好诗来说并不重要。我相信大多数公认的批评家都会同意我对麦那尔德的诗的看法。

在上述例子中格而德用以推翻布朗看法的乃是一种普通的见解，即“我的意见和你的一样重要”。而布朗则诉诸自己的专业知识和评论家的共同标准。布朗的论断显然要比格而德的更具有说服力。布朗式的论断在法律领域中可能会是一个强有力的论断，但在科学领域里则不然。因为科学需要逐个证明，笼统的指陈不会获得信任。

通过上述例子可以看出，任何对于某一事物的判断都有可能被推翻。那种单一模式的推理只具有暂时的正确性。当场景或条件发生变化以后，论断的正确性也会发生变化。多元反复推理可能更确切地反映了推理的本质。法官在作决定时，极少顺着一条单一的推理模式作出判断。在规则的选择、理解及应用上，法官很可能要反复思考、衡量各种利弊，依靠各种权威根据，最终得出一个他认为合理合法的结论来。

[1]J.Smith,“An Introduction to Artificial Intelligence and Law: or, Can Machines Be Made to Think Like Lawyers?”www.flair.law.ubc.ca/jcsmith/logos/noos/machine.html, p.13；P.Gray, Artificial Legal Intelligence, Aldershot Dartmouth 1997；http://www.denniskennedy.com/ailaw.htm.

[2]Cass R. Sunstein, “Of Artificial Intelligence and Legal Reasoning,” Public Law and Legal Theory Working Papers No. 18, University of Chicago Law School.

[3]G.Chapman,“Digital Nation: Are Computers on a Pathway to Replace the Human Species?” Los Angeles Times, Monday 13 March 1999.

[4]Michael Aikenhead,“A Discourse on Law and Artificial Intelligence,” Law Technology Journal, Vol. 5, No. 1.

[5]John L. Pollock,“Defeasible Reasoning,”11 Cognitive Science, 481（1987）.

[6]Brian Leiter,“Beyond The Hart/Dworkin Debate: The Methodology Problem in Jurisprudence,” American Journal of Jurisprudence, Fall 2003.

[7]舒国滢：《法律论证中的若干问题》，载中国法理网。

[8]R.Susskind, Expert Systems in Law: A Jurisprudential Inquiry, Clarendon press, Oxford, 1987, p. 44. R.Susskind, Expert Systems in Law -Out of the Research Laboratory and into the Marketplace’（1987）Proceedings of the first International Conference on Artificial Intelligence and the Law 1, p. 5. Jaap Hage, Reasoning With Rules（Kluwer, 1997）.

[9]Case-Based Reasoning（Janet Kolodner ed., 1993）.

[10]Kevin D. Ashley, Modeling Legal Argument: Reasoning with Cases and Hypotheticals（1990）.

[11] MacCormick N., Legal Reasoning and Legal Theory（1978）; Stone Julius, Legal System and Lawyer’s Reasoning（1964），Stevens & Sons；Wasserstrom R.A., The Judicial Decision（1961），Stanford University Press, 27; Perelman Chaim and Olbrechts-Tyteca L., The New Rhetoric: A Treatise on Argumentation（1969），University of Notre Dame Press; Toulmin S., The Uses of Argument（1958）; Alexy Robert, A Theory of Legal Argumentation（1989），Clarendon Press; Pierre Bourdieu, Outline of a Theory of Practice, trans. Richard Nice,（1977）; Michel Foucault, The Archaeology of Knowledge, trans. A. M. Sheridan Smith,（1972）,“Truth and Power,” Power/Knowledge: Selected Interviews and Other Writings, 1972-1977（ed. and trans. Colin Gordon,（1980））; Jurgen Habermas, The Theory of Communicative Action, vol. 1, Reason and the Rationalization of Society, trans. Thomas McCarthy, 1983）; Fredric Jameson, The Political Unconscious: Narrative as a Socially Symbolic Act（1981）.

[12]John L. Pollock,“Defeasible Reasoning,”11 Cognitive Science　481（1987）. Wilfrid Hodges, Logic（Ted Honderich ed., 1977）.

[13]R. Kowalski and M.Sergot,“The Use of Logical Models in Legal Problem Solving”（1990），3 Ratio Juris 201, p. 206.

[14]Prakken Henry, A Logical Framework for Modeling Legal Argument p.1, The Fourth International Conference on Artificial Intelligence and Law: Proceedings of the Conference（1993）ACM Press; Sartor Giovanni, A Simple Computational Model for Nonmonotonic and Adversarial Legal Reasoning p.192, The Fourth International Conference on Artificial Intelligence and Law: Proceedings of the Conference（1993）ACM Press. Loui Ronald P., Norma Jeff, Olson Jon and Merrill Andrew, A Design for Reasoning with Policies, Precedents, and Rationales p.202, The Fourth International Conference on Artificial Intelligence and Law: Proceedings of the Conference（1993）ACM Press. Gordon Thomas F., The Pleadings Game - Formalizing Procedural Justice p.10，The Fourth International Conference on Artificial Intelligence and Law: Proceedings of the Conference（1993）ACM Press.

[15]Michael Aikenhead,“A Discourse on Law and Artificial Intelligence,” Law Technology Journal, Vol. 5, No. 1.