论人工智能司法系统法律概念认定的缺陷_张志恒.pdf

第 卷 第 期 河 南司 法警 官职业 学 院 学 报 年 月 收稿日期：作者简介：张志恒（），男，河南郑州人，河南财经政法大学法学院法学理论硕士研究生。论人工智能司法系统法律概念认定的缺陷张志恒（河南财经政法大学，河南 郑州）摘 要：人工智能系统得以运行的重要条件在于法律概念向算法符号的转化，但是法律概念内涵和外延的不确定使得这种转化存在不可避免的缺陷。人工智能系统中概念外延的预设存在“正确性”问题和“权限”问题。大数据归纳式的确定概念外延的方式存在“缺乏正当性”和“算法歧视”问题。在具体案件的审理中，法律概念的认定还需要考虑到法律概念在不同具体情境下的不同理解，且司法者还要考虑具体判决可能产生的社会效果，并且要在一些概念的解释中进行价值判断。以上原因就导致人工智能系统在法律概念的符号转化和算法运行上难以满足正当性和合理性的要求。故而应该将人工智能系统的适用范围加以限制，而不应允许人工智能系统参与到司法的具体内容决策中。关键词：人工智能；法学方法论；法律概念中图分类号：文献标识码：文章编号：（）一、引言人工智能系统近年来发展迅速，在一些地区的法院已经将人工智能系统作为法官的“辅助裁判系统”。但是让人工智能介入审判决策尚有很多未解决的问题，其在司法中的应用也成为法学界研究的热点话题。对人工智能在司法中的应用的研究已经产生了“法计算学”和“法律信息学”等新的交叉学科。但是现今从法学领域对该问题的研究大多集中在将人工智能作为整体和社会现象进行综合探讨，而缺乏对算法的深入了解。本文旨在通过法律概念和法律逻辑的角度和司法实践中具体法律概念的认定特性上对人工智能在司法适用中法律概念转化的缺陷进行研究。二、法律概念的特性在哲学上，对一种事物进行能够被普遍认同的定义相当困难，法律上也是如此。哈特在其著作法律的概念中就放弃了对法律进行“属加种差”式的概念定义，而是将目的转向“对于在国内法律体系的独特结构提供一个较为优越的分析，并对法律、强制和道德这三种社会现象间的相似处和差异处提供较为清楚的理解，借以将法理论的研究向前推进”。即使有些法条明确规定了某个概念的定义，但是其在对应事实时也往往需要再行探究其他概念的定义。在我国刑法中第 条规定：“为了使国家、公共利益、本人或者他人的人身、财产和其他权利免受正在进行的不法侵害，而采取的制止不法侵害的行为，对不法侵害人造成损害的，属于正当防卫，不负刑事责任。”该条确定了正当防卫的概念，但是在具体案件的认定中还要探究“国家、公共利益”“正在进行的不法侵害”等概念的内涵和外延，而且这些模糊概念的认定在实践上也很容易产生争议。这就使得除了某些法条可以较为确定地将概念的内涵和外延进行确认之外（如刑法中对刑事责任年龄的规定），其他众多的概念都要从个人经验和社会共识认定。拉伦茨认为，“即使不是对人类行为的解释，判断特定事实是否就是构成法律构成要件所指称的，经常也不能只依靠感知，更需要借助社会经验”。根据功能的不同，法律概念可以分为描述性概念、评价性概念与论断性概念。除了论断性概念由于是法律主动建构出来的所以具有相对容易认定的要件之外，针对事实的描述性概念和对事物价值判断的概念本身就包含了内涵和外延的不确定性。如在“禁止停车”的公园内部儿童车和车的模型是否算作“车”的外延中本身就是难以确定的。对概念的理解首先要通过司法者的解释才能够实现。“要理解语言表达，或者是透过未经深思熟虑地直接领悟，或者透过思虑的方式，质言之，透过解释。”而这种法官作为主体的对概念的理解首先是以个人经验为基础的，即不同的法官对同一概念的理解可能有所不同。这种概念也是个案化的，即使是同一个法官在对具体的个案中对同一个概念的理解可能也与其审判的其他案件不同。而且这些不同在进行了充分的合理性论证后也可能被接受。对于包含了价值评价的概念而言，法官更是需要凭借自身的价值观念和所在的具体社会环境对概念和原则加以具体化地理解。对法官判决的幅度的认定有哈特的“自由裁量权”，德沃金的“体系化的原则”，以及法自由主义、现实主义法学和法社会学的论证。而这些概念认定和进行判决的合理性考量在算法的系统中是无法实现的。三、人工智能算法的概念认定的特性“几乎所有迄今为止构造出的电子自动装置所使用的逻辑运算都是二值命题逻辑的运算。”克卢格的这句命题相当准确地说明了算法系统的核心运作方式。“在各字段的取值中，由于构成特定法律关系的特征要件属性往往只有有和无的二态性，故而字段 在各记录行中取值一般可对应地记为或。”这样符号化的算法系统本身无法直接处理日常语言，而需要将日常语言符号化并进行计算。这一点在法律逻辑中已经有了较为充分的研究。如（）（）（）可以读作“对于所有 而言，如果 是职业窝赃者，那么 就应被处以 年以下有期徒刑”。但是在算法系统中，概念的符号化和运算在概念的内涵和外延都不明确时存在着难以克服的问题。以我国刑法第 条“非法携带武器、管制刀具、爆炸物参加集会、游行、示威罪”为例，其中一个人犯该罪的条件可以简化表述为“（非法携带武器非法携带管制刀具非法携带爆炸物）（参加集会参加游行参加示威）”。但是如果案件事实是“甲携带硫酸参加了一场学术会议”，那么不同的法官就要对案件事实进行解释，如硫酸是否算作武器，学术会议是否算作集会等。而一些与案件事实并无直接关系的要件也会影响法官的判断，若甲的身份是一名化学家或这是一场研究硫酸的学术会议，那么对于硫酸是否算作武器的认定也会有所不同。硫酸的浓度，人员的多少，甲的行为的社会危害性等也将影响法官对结果的判断，但是对其中一些概念及其外延的判断并非是确定的。四、人工智能算法概念认定的缺陷（一）预先设定概念的缺陷在对具体案件中的法律概念进行理解时，算法系统的缺陷就会展示出来。其运算过程的概念认定方法有两种，第一种为预先设定概念的外延，如“硫酸武器”或“学术会议集会”。但是这种预先的认定无法得到自然科学的支持，从而无法保证其客观正确性。另外其确定性对于保持个案正义在一些时候会起着不利的后果。第二种运算则是使用归纳的方法通过大数据对概念进行认定。如果在的判决中硫酸都被当作武器，那么在其他构成要件相近的时候，该案中硫酸很可能也会被视为武器（需要注意的是甲的身份和该场学术会议的人数和主题可能并不会被法官输入到系统中，即使输入了也不一定会被算法系统有效地识别并作为变量列入到计算中）。而如果只有 的判决认为学术会议属于集会，那么该系统就可能得出该案中的学术会议同样不属于集会。这时其论证原理则存在问题。对预先设定概念的认定方式而言，首先存在“正确性”的问题。“硫酸武器”在自然科学或社会科学上如果不能找到充足的证据和理由，那么就无法证明其是“正确”的。而如果不能正面证明其“正确性”，其作为全称命题（所有的硫酸都是武器）参加到计算中就使得整个计算的正确性受到怀疑。其次是权限的问题。如果法律明确规定了一个概念的适用条件，且该条件是可以被自然科学和社会科学基本证明的，那么其就可以作为全称命题参与到计算当中。如我国民法典第 条规定，“十八周岁以上的自然人为成年人。不满十八周岁的自然人为未成年人”。这种概念的认定就比较准确并且有客观的认定标准。但是一旦法律并未对一些概念进行这样的认定，即便社会上有着对其基本一致的共识，其也无法作为“客观正确”的前提进行认河南司法警官职业学院学报 年 月乌尔里希克卢格在法律逻辑中 “法律中的电子数据自动处理装置”中详细地论证了法律逻辑在“电子自动装置”中的应用方式。该书的第四版出版于 年，但其中对“电路”及“程序流程”的说明至今并未过时。但是这种体系也难以产生“错误”的判决，因为在外延确定时法官对一个概念外延的判断可能在个案中是“不正当”的，但也很难说“硫酸在任何时候都可以视作武器”是错误的。但是司法的目的不只是避免“错误（枉法裁判）”的判决，同时还要兼顾判决结果的实质正义和社会影响。这就导致“不错误”的判决并不能成为足以令人满意的判决的结果。定。就授权而言，法官及算法系统的设计者并没有做出“全部的硫酸都是武器”这个结论的权限。这也使得除非经过立法，在算法中几乎不应出现全称命题的概念外延认定。这就使得这种概念的认定方式难以承担起构建如此众多的法律和社会概念的外延的任务，也无法支撑起整个算法系统的运作。（二）归纳认定概念的缺陷对通过归纳进行的概念认定方式而言，最重要的问题则是其论证方式与司法体系中得出判决的论证方式不符。在大陆法系的司法体系中，一个判决不能凭借其与其他的判决相似而取得正确性。“依法裁判”是司法裁判中法律适用的基本目标，该目标和追求“个案正义”的目标相结合，以追求司法裁判的形式正义和实质正义。在我国当代的体系中，法律规范的存在是判决得以进行的前提条件。而事实与法律规范的对应在理想情况下应该符合涵摄条件。最广义的涵摄是指“确定生活事实与法律规则之间关系的思维过程”，狭义的涵摄指“具体待决案件与为制定法构成要件所确凿涵盖之事件的等置”。判决的得出依赖于案件事实与法律规范的对应与转化。但是在这种归纳性的数据统计式的算法中则并不遵循此种推理方式。“朴素贝叶斯是基于数学上的贝叶斯定理与对应数据上的特征属性独立假设的分类方法，经朴素贝叶斯算法所得的数据结论一般系以概率的形式进行呈现。在律师决策等法律应用的情境下，朴素贝叶斯算法可用以根据历史法律案件的裁判数据，对未知的案件事实进行法律诉讼上的胜诉率预估或风险分析。”该种算法下的概率预估对于律师和当事人决定是否起诉和决定诉讼方案可能具有一定的参考作用，但是不足以作为法官的审判依据。通过对司法系统中不同法官的裁判的大数据进行分析得出的或然性推论对于一定程度上追求司法的稳定性和一致性或许具有辅助作用，但是这无法直接证明出司法裁判本身的正确性和正当性。另外，该种数据统计可能会将原本不属于判决理由的内容纳入到算法中并产生不利的社会后果。在美国，“公司开发的犯罪风险评估算法 对犯罪人的再犯风险进行评估，并给出一个再犯风险分数，法官可以据此决定犯罪人所应遭受的刑罚。非营利组织 研究发现，这一算法系统性地歧视黑人，白人更多被错误地评估为具有低犯罪风险，而黑人则被错误地评估为具有高犯罪风险的概率两倍于白人”。按照大数据中的概率分析，无论是与规范有关的抑或是无关的概念都可能被包含在算法中，而不论是与规范有关或无关的因素，其中针对过去其他当事人的判断和估计也不能被无理地迁移到具体案件中并未被法律评价过的个人上面。（三）概念精细化的限度及适用范围人工智能的发展使得现代进行算法计算的硬件和软件都有着巨大的发展，并使得人们对人工智能的未来产生了更多的想象。“专家系统被视作模拟人类专家解决专业领域问题的计算机程序系统，它在化学、生物学、地质学、医学等研究领域成就卓著，这促使法律人开启了对法律专家系统的尝试。”但是法律概念不同于自然科学中客观对象的概念，司法裁判方式也不同于医生通过对病人的诊断开出药方，司法方面专家系统的结论依旧只有参考作用。“强人工智能”和“弱人工智能”的分类使人们有了人工智能会超过乃至取代人类的期待和忧虑。通过细化的概念规定和与大数据统计相结合的概念认定和涵摄似乎能够缓解以上提出的问题。就人工智能系统对判决结果的预测上，一些算法似乎具有相当高的准确度。“除 名法学研究者对本次实验的结果持否定态度之外，其余的 名受访者均认可实验结论，或对结论持不反对的中立态度，由此可得证实验结果的准确性。即，本文提出的算法与大多数优秀律师的代理思路与诉讼策略保持高度一致，并在一定程度上与普通社会民众解决诉讼纠纷所采用的策略相比，具有相当的先进性与优异性。”在此需要讨论现代的“人工智能”对传统的算法结果上准确度提升是否会给予这种算法结果以正当性。首先在概念分类以及概念外延的细化上，更加精密的分类似乎具有令人满意的效果。再以上文的“非法携带武器、管制刀具、爆炸物参加集会、游行、示威罪”及“甲携带硫酸参加了一场学术会议”这个事实为例进行说明，如果预先规定“（）质量分数大于或等于 的硫酸水溶液（即浓硫酸）为武器，质量分数在此之下的则不是武器。（）有 人以上集聚的，才算作集会。（）学术会议算作集会。（）如果该