【中文摘要】法律数字化的迅猛发展，使人工智能前所未有地改变了法律实践，特别是在司法中得到广泛应用。从智慧法院建设到数字司法的变革，司法变得越来越智能化和信息化。从整体上看，目前人工智能在司法裁判中的运用主要是辅助性的，并未从根本上改变司法权的运行逻辑。从概念的性质上看，法律自身的规范性品质决定其难以被完全数字化，“法律即代码”的主张无法在普遍的意义上成立。同时，裁判是整个司法的核心环节，法律推理又是司法裁判的基本运作方式。人工智能基于规则和基于案例的两种推理系统，均未从根本上突破传统的法律推理方式，因而无力改变司法裁判的基本结构。基于计算主义的裁判预测论，法体系中不可避免的裁量及价值判断，均为司法裁判数字化制造了理论和实践上的困难，从而使得计算法学想要建构的那种标准程式的裁判难以实现。我们既要正视人工智能带来的法律数字化现象，又同时警惕它可能带来的各种消极影响，尤其是认识到法律数字化力图构建的标准化裁判模式并不符合客观现实。
【全文】
一、问题的提出
法律与科技的关系，是当下学界炙手可热的议题。数字法学或科技法学，已经孕育成为了一个新兴的法律部门。一切皆可数，万物能计算，可以说法学领域正在经历一场新的数字科技革命。一百余年之前，霍姆斯大法官曾预言，“对于法律的理性研究，现在可能属于严格恪守法条的研究者，而将来必定属于那些既掌握统计学知识又精通经济学的法律研究者”[1]。这一切在当下似乎成为了现实。在人工智能研究热的背后，也不乏一些冷思考。尤其是，如何处理好科技与伦理的关系，探讨将人工智能的发展置于法治规制的框架之下，并在其中注入人文主义的价值和精神。[2]本文聚焦于人工智能在司法裁判中的运用，从法理的角度阐释它可能面临的困境及背后成因。
近年来，生成式人工智能是新一代人工智能技术的代表。通过学习和模拟数据分布，它能够按照一定的算法规则生成新的数据内容，包括文本、图像和音频等。生成式人工智能具有非常强的自适应能力，依靠深度学习表现出了极强的合成和创造能力，可广泛运用于艺术设计、游戏娱乐、医疗卫生、自然语言处理以及法律等领域。但其运用也暴露出了很多问题。例如，所生成的文本或图像的著作权争议，虚假信息传播和侵犯公民隐私，甚至可被用于自动化生成垃圾信息，恶意用于网络欺诈甚至人身攻击等。为此，2023年7月，国家网信办联合国家发展改革委等七部门发布了《生成式人工智能服务管理暂行办法》，该办法兼顾了安全与发展双重目标，在鼓励人工智能技术发展创新的同时，对该技术应用的很多细节方面设定了“红线”，从原则和具体制度方面对人工智能服务采取分类分级监管的策略。
就人工智能在司法中的应用现状而言，已有讨论要么侧重于宏观层面的理论叙事，要么聚焦于细枝末节的技术应用问题。与此相对，对问题本质方面却一直缺乏追问。如此一来，虽然讨论的内容很丰富，但通常很难抓住问题的根本或核心。结果是，看似激烈的批评不过是隔靴搔痒。司法自身的范围很广阔，包括司法管理、司法审判、司法执行及司法监督等众多环节。其中，司法裁判是司法最为核心的业务内容。人工智能对司法的挑战能否成功，要重点审视它在何种性质、何种程度以及通过何种方式影响司法裁判事业。考虑到这一点，本文所讨论的司法主要限定于司法裁判，具体而言考察法律数字化对法律推理及法律适用活动的影响。
人工智能与数字化相互依存。从发展历史看，人工智能起步较早，涉及的范围广泛，运用的方式具有多样化，代码化是其运作过程依循的核心逻辑，数字化是晚近出现的现象，可以看作是代码化的升级，它依靠的是算法规则和计算主义思维。目前来看，数字化是人工智能发展的重要基础和抓手，反过来人工智能的更迭也推动着数字化向更高水平发展，很多领域的自动化决策就是典型的例子。二者之间的相互融合，未来会持续推动技术创新和社会进步。法律数字化是一个具体的切入视角，比泛泛讨论人工智能要更聚焦，它在司法裁判中的投射表现为司法裁判能否贯彻数字化，法律推理依靠数字计算模型实现一种标准化的裁判模式。
在这种背景下，讨论问题的脉络就变得清晰起来。法律数字化对司法裁判的影响，可从三个方面考察：首先，它的挑战要从法概念开始，即法律能否完全数字化，数字化的法律是否改变了法律的基本性质。其次，法律数字化所塑造的人工智能推理模式，能否取代或超越传统的法律推理形式，从而根本地改变司法权运作的逻辑。如果无法改变，则说明法律数字化未能从根本上撼动司法裁判的性质。最后，法律数字化努力构建一种标准化裁判程式，唯有如此计算司法或计算正义才能得到贯彻。然而，基于计算主义的裁判预测，法律体系中不可避免的裁量和价值判断难免使得这种愿望最终落空。依循此种逻辑进路，笔者尝试揭示出司法裁判数字化背后的法理逻辑及其根本困境。
二、法律难以完全被数字化
法律数字化是一个新的命题或提法，涉及通过数字或数据将法律代码化。生活中涉及纯粹概念或技术的法律确实有被数字化的可能。比如，私法领域中的一些民商事交易的概念和法律规则。但是，涉及评价性的法律，是很难通过数字化来衡量或表达的。比如，公序良俗原则作为一个法伦理原则，具有高度的价值评价性，无法被直接还原为数字或符码。就法概念论而言，我们可讨论“法律难以被完全数字化”这个命题。法律数字化在法概念上遭遇的基本困境，同时也是其影响司法裁判的根本限度。这其实是一体两面的关系。
讨论法律数字化或人工智能对司法裁判的影响，首先应当从法概念开始。法概念指向的问题是法律是什么。这是法理学中的最根本问题，关涉法律自身的性质如何，法律如何与道德等相近事物区分开来。司法裁判的核心任务在于将法律评价用于个案事实，那么法官头脑中对于法律的想象，自然会影响其裁判立场。大家所熟悉的“洞穴奇案”之所以会产生十多种不同的判决思路，很重要的一个原因就在于法官们持有不同的法概念观（conception of law）。如拉伦茨所言，“事实上可以轻易指出，任何法学方法论都取决于它赖以为基础的对法的理解。‘法’是一种极为复杂的对象，不仅不同的单一学科研究它，哲学也研究它。没有法哲学，法学方法论根本无法自足”[3]。可见，法概念对司法裁判有着多么重要的意义。
法律原本是一种规范，同时包含着应然性与实然性因素，是“应为”（ought to be）与“存在”（be）的统一。与纯粹技术规则相比，法律的特色体现为具有规范性，能够提供行动理由指引人们的行为。与道德规范、宗教规范等社会规范相比，法律的特性在于具有普遍性和国家强制性。法律数字化变革所依循的一个基本逻辑就是，将法律以及与之相关的事物数字化或代码化。除了法律信息的数字化、智能合约或电子合同、行政决策的自动化、法律服务的数字化以及法律适用的数字化等，最重要的一点是法律规范或文本的数字化。通过一种特色算法机制或安排，法律体系可以由代码元素所组成，于是就有了“法律即代码”（law is code）或“代码即法律”（code is law）的主张。
如果说“代码就是法律”这个主张成立的话，那么法律的性质就发生了根本的改变。相应地，数字化对法概念的挑战也就具有根本的威胁性。莱斯格较早系统论述过“代码是法律”的思想。他从规制和治理的角度入手，认为技术和法律之间存在紧密的联系。具体而言，在网络空间中技术扮演了类似传统法律规范的角色，能够起到调控网络主体行动的作用。代码通过编程和算法所下达的指令有点类似于规则，告诉人们可以从事哪些行为，以及哪些行为受到禁止。比如，网络服务提供商通过代码设定允许或限制人们访问某些网站。又比如，互联网协议会控制数据的流动方向。[4]在这些例子中，代码“就像”法律一样，规范着网络活动参与者的行为。
“代码即法律”和“法律即代码”是两个互相关联、侧重略有不同的命题。前者强调代码可以成为法律的一种形式，从文义逻辑上并不否认法律的其他存在形式。“代码即法律”的另一种表述，“代码就是法律”，这一表达似乎更强烈一些，言外之意，代码之外的事物难以成为法律。后面这种表述，基本上接近于“法律即代码”，法律是什么？这是关乎于法律概念和性质的根本问题。“法律即代码”，把法律效力的判别标准指向了数字化的代码，数字化的代码占据着一种法律完备性的地位，一个规范想要成为法律体系的成员，首先要具备通过数字化转变为代码的能力。如此一来，我们这里检讨较强版本的“法律代码观”，看看它是否站得住脚。
尽管代码在功能上与法律类似，都能以某种方式指引人们的行为，但二者仍然存在很大的差异。代码就是法律，在一种比喻或隐喻的意义上或许是成立的，只是作为一个实际命题显然很难站得住脚。
第一，借用哈特的法理论观点，一个社会的法律由规定法律必备要素的承认规则所确认。某种现象如果符合这些要素或标准，则属于法律体系的成员。[5]比如，在我国凡是属于全国人大及其常委会制定的规范性法律文件就是法律，这就是一条基本的承认规则。网络空间的代码出自程序员或技术操作员之手，虽然也遵循特定编码程序或算法规则，但并不是专业立法活动的产物。因此，代码根本无法跻身法律之列，反倒是法律所调整或规制的对象。
第二，代码并不具备法律的规范性。规范性的体现是，通过提供行动理由制造实践差异。诚如上文所述，在网络空间中，各种形形色色的规范虽然也会起到约束主体的功能，但尚不足以被称为严格意义上的规范性。就连莱斯格本人也意识到了这一点。依其观点，法律规则更多地需要依靠“内在视角”来发掘其规范性，通过参与者的立场来审视规则所设定的义务。相比之下，网络空间中的代码及其要求，更多地应通过类似于霍姆斯“坏人理论”的外在视角来阐释：人们遵守网络中的代码规则或算法规则，是为了获得相应利益或避免遭受不利惩罚。[6]法律的这种规范性与国家强制力密切相关，出现违反法律的情形需要承担法律责任，甚至会引发法律制裁。代码通过算法规则也会有相应的责任机制，但背后并无国家强制力作为支撑，亦难以引发所谓制裁之后果。
第三，与上一点直接相关，法律规范中的评价性要素如何能够符号化或代码化，也是法律数字化面临的重要困境。法律规范中除了描述性或事实性要素之外，评价性要素也是法规范的核心内容。所谓“无评价不法律”，在法律上最相关的评价是道德性评价。[7] 法律规范的背后承载着价值和目的，“目的适当性的考虑和价值的考虑从法律本身所联系的各种概念上，就已经是无法排除的” [8]。评价性的法律规范内容，无法被还原为纯粹事实，也无法通过数字或代码符号来表达。否则，法律规范徒有其形，内在的“魂”就丢失了。比如人的尊严，这种关于价值的规范性表达在转化成代码的过程中，就会面临着各种困难，因为“尊严”是在本质上有争议的概念。在法律数字化的发展过程中，这是一个难以克服的障碍。
第四，标准化和确定性与数字化是内在相通的。如果法律可以实现标准化，那么法律数字化的难度相应就会小很多。对于同一类型的法律规范，可以用统一的代码加以表示。现实的情况是，法律是多元的和多样化的，公法和私法规范存在很大差异。比如，私法的灵活性更强，法律关系的要素和类型更多样化，能够实现数字化统一的范围很狭窄。公法规范包含大量的评价性规范，留有较多的裁量余地，可数字化的空间比较小。与此同时，法律越是确定和具体，实现数字化的难度和成本就越小。反过来说，法律越是不确定和抽象，那么数字化就越难用来表达其丰富的内容。在面对不确定性时，有时法律解释方案存在很多种选择。此时，如何用不同的代码来表达不同的解释路径，就是一件很困难的事情。最简单的例子，一种解释致力于探求立法者的主观目的，另一种解释想要追求法律在当下社会环境中可能拥有的客观目的。无论是主观目的，还是客观目的，都无法通过精确的数字或代码来完整地呈现。
除此之外，一些论者也站在法概念的高度，提出法律的性质应具备全面性和至高无上性两个方面的品质。全面意味着法律能规制和调整社会生活的各个方面，在这些领域中法律都有相应的权威。至高无上主要强调效力，没有任何其他规范可以主张效力的至高无上性。法律规范独树一帜，能够引领社会中的其他规范。[9]代码并不具备法律的根本品质，只能成为法律所规制的对象。通过以上的讨论，代码是法律这个命题无法成立。由此一来，法律数字化对法概念的挑战是局部性的，无法从根本上改变法律的性质。法律难以被数字化的立场也便得到了相应的辩护。
三、法律数字化无法改变司法裁判的性质
智慧法院建设是近年来司法改革的重要主题，各地法院积极探索云上法庭和智慧审判辅助系统。电子卷宗、线上立案、网络开庭等，已经极大地改变了传统的诉讼形式或审判流程，大大便捷了人们参与诉讼的途径，节省大量的司法资源，而且也有助于提高司法效率。这一切看得见的改变让人们不禁思考，法律的数字化是否会从根本上改变司法裁判的性质。如果通过计算或预测，人工智能系统能够完全帮助法官自动推导裁判结论，那么传统司法裁判的性质和推理结构将会被解构。在智慧法院和数字司法发展的现实背景下，我们紧接着透视法律数字化是否会从根本上改变司法权。
（一）司法的本质与法律推理模式
司法裁判的基本定位是通过适用法律，解决争议并实现个案正义。司法权，相应的是一种裁断权或判断权，以法律作为标准对个案进行规范评价。依照关于司法权的这种描述，传统司法理论大体上认为法律是决定案件结论的基本依据。法理学中谈论的法律渊源，解决的就是裁判的依据或标准问题。法官从法体系中找到这些标准，将它们作为得出裁判结论的正当性根据。从这个角度看，司法裁判的最基本性质体现为法官应依照法律作出裁判。[10]相反，法律之外的政治、政策、经济、社会等标准则无法成为裁判依据，尽管有不少学者支持这种观点。
与依法裁判立场最贴近的裁判思维是演绎推理。演绎推理形式的简单版本是，“大前提（法律规定）+小前提（案件事实）=裁判结论”。这是一种经典的三段论推理形式，时常运用于案件事实清晰、法律规定明确的简单案件。通过形式逻辑推理所得出的裁判结论是唯一的，且不具有实质争议性。一旦遇到疑难案件，法律规范内容出现了不确定性。此时，由于法律规范与案件事实无法直接对应，简单版本的三段论往往难以奏效。[11]此时，在适用演绎推理之间，法官要做的一个工作就是完善大前提。这种对大前提的准备工作主要通过解释或类比来完成。类比推理的功能在于扩展规则。它与演绎推理的关系或自身的独立性问题，并不是此处要展开讨论的问题。不容置疑的是，类比推理的最终环节仍然要借助演绎思维适用相关规则。于是，一种修正版本的演绎推理，“大前提（对法律的解释或类比）+小前提（案件事实）=裁判结论”，就能够用来应对疑难案件了。
仔细观察，不难发现，复杂版本的演绎推理主要是修正法律自身的不确定性缺陷，其中已经包含了超越形式逻辑的实质思维或价值判断。坚守法律规定这个大前提，目的是做到依法裁判。而对法律的解释或类比，目的是实现个案正义。如此一来，在新版本的演绎推理模式中，依法裁判与个案正义两种司法目标能够比较好地得到兼顾。演绎推理融合了形式与实质的双重要素，并不只是单纯的概念演绎。
司法裁判依赖的法律推理，与判断权这一司法的本质是一脉相承的。这可以从两个方面加以说明。一方面，对法律这种规范性存在的解释和适用，必然包含着评价性的判断。这与事实判断完全不同。判断一个特定的个案事实是否属于规范适用领域，需要对法律规定作出解释。比如，在行驶的火车上抽一种最新研制的无烟无味的电子烟是否应当受到“在火车上禁止抽烟”这一规定的限制，须由法官在“烟”的可能文义射程之内作出选择，区分出烟的标准例子和边缘例子，看看这种新型的电子烟是否属于禁止之列。“可能的语义空间”意味着多种评价和选择的可能性。法律解释的任务便是要“在特定法律语词的语义空间之内，选择那些就使用了该法律语词的特定法条而言最恰当地赋予该法律语词的涵义”[12]。不同的规范性评价或判断，最终得出的裁判结论必然不同。
另一方面，法律的适用离不开案件事实的归纳和论证。案件事实的提炼和论证过程并不是演绎的。如瓦瑟斯特罗姆所指出的那样，“法官在任何特定案件中所作出的裁决，并不取决于法律体系中的特定规则，而是取决于法官对案件事实所做的特性提炼和类别归属。并且，再一次地，由于这种特性提炼的过程并不是一种逻辑的或演绎的过程，所以我们可以得出结论说：为了得到最可欲的结果，只要法官愿意，他想怎么描述案情就怎么描述”[13]。可见，案件事实的形成，并不是自然呈现的。法律适用者须站在法规范的角度对事实进行评价，赋予事实以法律意义，并通过相应的证据规则来检验事实，最终形成定案事实或裁判事实。我们无法否认评价在形成案件事实过程中的作用，这一点已经被学者们所注意到了。[14]拉伦茨更是直接提出案件事实形成依赖的规范性判断类型，包括以感知为基础的判断、以对人类行为的解释为基础的判断、其他借助社会经验获得的判断以及价值判断。[15]离开了价值判断，根本无法确立案件的裁判事实。
通过将一般性的法规范适用于具体案件中，在解决个案纠纷的同时，又能将法律规范不断地具体化和实例化。无论是对法律的解释或类比，还是对案件事实特性的归纳或提炼，都是通过论证进行的。法律推理，本身就是一种说理或论证的活动。法官需要为其判断提供证立理由。这种论证活动其实就是一个对话的过程，各方当事人陈述自己的观点和理由，法官依照自己的内心确信，通过说理的方式向各方当事人呈现判断结论及其所依据的理由。当然，法官也需要不停与自己对话，“当涉及法律文本的解释时，它是解释者与待解释的文本之间的对话；当它更一般性地涉及对可能判决之假设的正确检验时，它就是判决者与自己的对话”[16]。除此之外，法官还要与法律职业共同体以及社会公众进行对话，以社会公认的正义观或价值观，来检视裁判的合理性。
从一般性的视角，我们认识了司法权的核心体现为一种规范性的评价或判断权。这种判断权，要求司法裁判通过推理或论证的方式进行。法官和各方主体之间不断对话，通过对各种理由的反思权衡，最后形成裁判结论。司法裁判的本质是依法裁判。这种立场需要法官依靠以规则为基础的演绎推理模式。无论是应对简单案件的经典三段论，还是用以解决疑难案件的修正版本三段论，都无法彻底抽空价值判断。当然，这种价值判断是以法律为基础的规范性评价。为了维护依法裁判内核的司法特性，法官不得任意以法律之外的价值为判断基础，否则很容易导致越法裁判。
（二）人工智能法律推理模式的局限
将人工智能应用于司法裁判并不是新鲜事。早在20世纪80年代，国务院原总理李克强就发表了《法律工作的计算机化》，堪为国内最早对法律领域应用计算机的讨论之一。当然，在我国使用“人工智能”这个专业术语是近些年的事情。从世界范围内看，一些从事计算机与法律交叉研究的学者，在20世纪70年代初就开始研究如何将计算机模型与法律推理结合起来，提出了在司法决策中运用法律推理的一些构想。学者们介绍了当时出现的两种分别叫“Heuristic DENDRAL”和“General Problem So”的计算机系统，它们的工作原理是：发现概念联系和解释给定经验数据、认识事实、解决规则冲突以及发现并使用类比。[17]1987年，第一届“人工智能与法律”国际会议在美国波士顿召开，《人工智能与法律》（Artificial Intelligence and Law）杂志1992年创刊，至今已出版32卷，是一本刊发计算机与法律交叉研究的学术刊物，也是法律人工智能研究者的重要理论阵地。
人工智能在法律领域中的运用，比如上文提及的用于司法管理、司法公开、司法信息化等方面，仍然主要属于司法的边缘领域。虽然近年来，网络法庭或网络法院，确实在一定程度上改变了人们参加诉讼的方式；电子证据、电子文书、电子送达改变了传统的审判流程、程序以及方式。随着新兴科技的发展，一些学者设想，未来我们的法院会面临更多更强的选择。比如，我们利用远程呈现技术，让庭审变得越来越逼真；又比如，我们借助增强科技，让人们更好地参与实体和远程庭审活动；再比如，未来可能会出现虚拟法庭或虚拟庭审的情况。[18]传统线下庭审讲究亲历性原则和直接言辞原则，通过法庭给争讼当事人提供一个争辩的场所。现实的法庭也承载着代表司法权威的修辞功能，数字化的庭审方式的变革一定程度冲击了传统的司法审判方式。
正像一些学者所担忧的，法院变成了数字工厂和流水线，“法院俨然判决工厂、法官仿佛在流水作业线上进行操作的技工、审级的意义在削弱、公检法司不同角色的协同性和统一性在加强”[19]。这种数字化在司法中的嵌入，目前来看更多的是技术性的，即便在一些细枝末节的程序上改变了审判方式或流程，[20]但司法权本质上依然是以法官为实践主体的判断权。目前的人工智能是一种弱人工智能，脱离人类几乎无任何自主判断的能力，并不能完全替代法官作出判断。司法借力数字化或人工智能，只是将其作为一种辅助性工具。法律的适用，无法直接依据计算机系统直接计算出来。即便当下能够设计出一套自动化生成判决的计算机模型系统，生成判决的机器决策也无法算得上是司法决策，并不具备司法权运行的基本特征。因此可以说，仅就司法权的存在属性来看，数字化变革尽管迅猛，却未从根本上改变司法的运行逻辑。进一步地，法律数字化同样未能改变司法裁判的本质与司法推理的结构。为了证成这个结论，我们需要回到前文关于司法裁判的本质及推理结构，探讨计算机所建构的推理模型能否取代传统的推理模式，从而在根本层面上威胁司法裁判事业的核心内容。接下来将从这个角度展开论证。
先来看，人工智能的法律推理模型。法律人工智能的司法应用，主要建构出了两种推理模式：第一种，基于规则的推理系统（Rule Based Reasoning，简称“RBR”）。早期人工智能建构的各种“专家系统”（Expert system），是通过模拟法律人的推理和决策思维，用来辅助决策或提高决策效率。其运行逻辑是，通过特定的编码和推理规则的设定模仿专家的知识和推理思维。在知识库中储备经过编码化的规则后，一旦推理模型检测到符合规则的案件事实，则会相应生成解决问题的建议或方案。最早的专家系统，比如“MYCIN”是属于医疗领域的诊断型专家系统，而“DENDRAL”则是应用于化学分析的专家系统。这二者也都是建立在规则的基础上。
基于规则推理模型的专家系统有下述运行步骤。首先需要获取知识，从专家那里提取经验知识，并对这些知识进行解释，形成专家知识库。其次以特定的方式呈现这些知识，不仅要将法律的规范语言用计算机的自然语言表达，而且要转换为“如果—那么”（if-then）的条件句式，这样就会形成一个符号化处理之后的规则库。最后是推理的程序问题，将手头案件的事实及争议问题与规则库对接。如果能够与规则库中某个规则对应上，则专家系统可以推导出事先设定好的结论。[21]这种以规则为基础的推理，依靠的就是演绎推理的逻辑，基于规则演绎来获得推理结论。
这种基于规则推理模式存在两个方面的问题，一方面，知识库和规则库的覆盖面有限。确定性和具体性程度高的规则容易被转换。不确定性的规则的转换，比如怎么将一条一般性的法律原则转换为“如果—那么”的条件式，则是十分困难的。即便是确定和具体的法律规范，是否总是能通过上述条件句式表达也是问题。结果是，这种专家系统的推理模式的应用范围较窄，可能在简单案件中能够发挥一定的作用，却无力应对复杂和疑难案件。从技术角度看，“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”[22]。这使得“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要推理形式（‘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”[23]。另一方面，修正版本的演绎推理，主要就是应对法律的不确定性，同时解决价值评价的难题。而专家系统技术化的规则推理模式，在法律不确定性的场合将会面临失灵的命运。因为，将规范还原为经验事实或数字代码的做法，根本难以处理法律体系中大量的评价性概念和规范。
第二种，基于案例的推理模式（Case Based Reasoning，简称“CBR”）。如果说基于规则的推理更契合成文法，那么判例法思维的类比特征更需要一种基于案例的推理模式。这种推理模式背后依循的是类比推理的逻辑，即相似的案件应当相似处理。CBR计算机推理模型，遵循四个步骤（4R）：其一，检索（Retrieve）。根据给定的目标案例，从案例库中检索与之相似的案件；其二，重用（Reuse）。将一个案件的解决方案重复运用到目标案件中，重复得到运用的其实是先前类似案件中的规则；其三，修正（Revise）。根据现实情况，必要时对类比的解决方案作适度的调整；其四，保留（Retain）。成功将解决方案适用于目标案件后，把目标案例作为新案例吸纳至案例库中，以便适用于未来类似的案件。[24]这个过程看似很简单，其实每一个环节都包含着复杂的步骤，其决策和运作效果取决于多方面的因素。
美国匹兹堡大学的阿什利教授，开发出了一种叫作“海波案件推理系统”（HYPO），海波系统采取三层次的论证结构，以支持原告的请求为例：“1. 将当前事实情境与支持原告案例进行类比的论证。2. 从当前事实情境中区分被引案例的论证，该论证代表被告和支持被告的反例。3. 从当前事实情境和假设的建议实施中区分反例案例的反驳，建议事实在可能的情况下强化原告在当前事实情境中的论证”[25]。对支持被告立场的类比论证，也采取类似的论证层次和结构。与RBR推理模式相比，CBR推理模式更加灵活多样，能够克服法条的相对封闭和机械性，类比从方法论上看本身代表着对规则的扩展与续造。此种推理模式可以应对一些复杂性程度低的疑难案件。如果检索到不合适的案例，CBR可以不断放弃并重新寻求、匹配新的案例，直到配对成功为止。
这种计算机建构的案例推理系统，也是建立在人类理性经验的基础上。判决本身就是一种实践经验的凝结。案例推理系统面临的首要问题在于，案例库能否穷尽所有类型的规则内容。实践中案件的要素变幻万千，有限的案例储备不足以涵盖生活中的现实情形，尤其是没办法处理新型复杂案件。与此同时，该推理模型由于建立在类比推理的基础上，自然面临相似性判断的难题。如果检索到多个可能相似案件，比如支持原告或被告的多个相反案例同时呈现时，计算机系统如何识别与评判案件之间的相似性？有论者提出通过计算的方式，“案例情境由许多属性（事实特征）组成，案例间的相似性需要根据这些属性间的相似性来衡量。衡量方法是计算各属性之间的‘距离’（数学在此发挥了威力）。如果距离小，相似度就大；如果距离大，相似度就小。有了距离的数值，就可以确定两个案例间的相似度”[26]。这种以计算方法确定案件相似度的观点，[27]忽视了相似性的判断最终依赖于一种规范性的价值判断。就目前学界关于案件相似性判断的研究来看，形式相似性具有量的衡量标准，涉及两个案件在关键事实方面的相同点多还是不同点多；实质相似性是一种重要程度的判断，为此须结合规范目的以及法体系的价值，对比究竟是相关的相似性更重要，还是相关的差异性更重要。[28]
除此之外，案例推理系统还需要设计一个协调解决冲突的规则。我们知道，案例数量越多，各案例之间的裁判观点或裁判规则就越有可能出现矛盾。此时，计算机推理系统能否事先设定好一套冲突解决的程序或机制，就变得特别重要。而这又谈何容易。在判例法体系下，先例本身就是法律，各个先例之间的冲突解决往往需要法官结合具体情境来判断。在成文法语境下，这个问题会变得更加复杂。案例及其所设立的规则本身并不是正式的法律渊源，案例规则与法律规则冲突时后者具有优先效力。但不同案例所确立的规则之间发生冲突时该怎么办，需要法律适用者结合个案情境作出具体判断。显而易见，通过计算机程序设立一套案例规则冲突解决机制，目前来看尽管不是不可能，但十分困难而且作用有限。个案情境的判断，在司法裁判中具有重要的意义。“是否具备法律上的决定意义很多时候取决于对案件意义整体上的评价。而理解和评价案件的意义正是计算机的认知短板”[29]。当然，即便在传统的司法推理模式中，如何解决类比相似性以及正确进行价值判断，都并不是很容易就能解决的问题。
以上只是简要地勾勒了在法律数字化背景下，司法裁判运用人工智能所重塑的两种推理模式，一个建立在规则推理的基础上，另一个则聚焦案例之间的类比推理。这两种推理模式，虽然一定程度将法律代码化或案例（案例本身可以转化为数字代码）化了，试图通过一定的计算模型，根据事先设定好的算法规则，实现司法裁判的自动决策。在这个过程中，我们至少看到新型的计算机推理模型并未引发司法推理模式发生“质”的改变。司法推理仍然建立在人类理性控制之下。建设一定规模的法律规则库或案例库，通过自然语言将法律规则或案例转化为可计算的代码，实际上是一个标签或要素。这有点类似于早年司法实践的“要素式审判”：通过拆分法律关系的要素，用不同的标签标记下来，形成若干种不同的排列组合方阵，把待决案件的要素拆分并组合，然后与先前设定的各种排列组合对应，如果能够匹配则推导出相应的结果。
可见，计算机塑造的法律推理模型，表面上看似是一种自动化司法决策，实际上仍然要在实践主体的控制下进行。尤其在遭遇复杂疑难案件时，对匹配状况及预测结果的调适，只有依靠实践主体（裁判者）的理性力量才能完成。这既改变不了司法权的运行逻辑，也无法从根本上触动司法裁判的核心结构。在疑难案件中，各类人工智能推理模型基本上很难奏效。这足以说明数字化的推理模式难以在司法中被普遍化，而只能在局部应用。就此而言，数字化尚不足以从根本上改变司法裁判的性质。
四、司法裁判的标准化难题
人类司法运用人工智能是不可阻挡的趋势，司法实践也一直在努力探索如何运用人工智能的问题。虽然机器人法官或自动售货机式的判决机器遥不可及，但在智慧法院和数字司法的改革过程中，人工智能正在深深地嵌入实践结构之中。各种案例数据库和智能审判系统，如雨后春笋般涌现。法律人开始学习甚至慢慢习惯通过智能数据系统检索案例和预测司法判决。放弃人工智能全面统治司法的观点后，有疑问的是，能否采取更为保守和温和的立场，借助互联网和人工智能技术建构一种裁判的标准模式？这种标准模式运行的底层逻辑就是数字化和形式逻辑化。如果司法裁判能够标准化，这在一定程度也会改变司法裁判的样貌。在那种情形下，案件的裁判将由算法规则而非法律决定，司法裁判也不再是依法裁判而是依照算法裁判。当前这一部分，将检讨与司法裁判标准化相关的几个命题。
（一）基于计算的法律预测论
在法律发展史中，人们曾一度把法学当作严格的科学来看。一种司法裁判理论叫作法律形式主义，主张法学就像数学、物理学和化学一样，法院就像实验室，法律的应用依靠纯粹的概念演绎和形式推理就可以精准找到结果。[30]该理论在今天看来过于机械和保守，却曾一度统治过法律理论界几十余年。这种强的决定论立场坚持，法律与裁判之间存在着严格的对应或决定关系，只要找准法律，就能为任何案件精准预测出结果。19世纪源于德国的潘德克顿法学而建构起来的概念法学，也曾打着科学性的旗号追求将法学公理体系，“透过概念，原本无数众多的法条变成了简短的公式，而这些公式又结合成为受一个基本思想支配的体系……只要我们能将某个法律生活事实包摄于特定的概念下，以概念为存在单位的法条就可以适用到这个个案上”[31]。当然，无论是法律形式主义还是概念法学，都不是批评者所主张的那样绝对封闭和僵化。它们的共同特性之一在于，概念通过不断演绎具有生成下位概念和具体规则的能力。
法律形式主义和法律现实主义对裁判的预测，主要是站在规则的确定性基础上，基于一种科学主义（自然科学）的态度看待法律的存在及适用。另外一种版本的司法预测论，主要源于法律现实主义的主张。典型的比如霍姆斯的主张，“我所说的法律，其实就是对法院将如何判决的预测”[32]。现实主义的最大不同之处在于主张法律是不确定的，预测法院的判决显然不能建立在规则的基础上，“为此类预测所需的那种理论，只能是一种关于法官实际上以何种方式获至其判决的科学理论，并且在本质上它是经验主义的”[33]。具体它可以有不同的进路，比如基于心理学、社会学、经济学等社会科学知识和方法，来预测法官或法院实际上将会怎样判决。
这两种司法预测论，依循的逻辑和方法论基础有明显的差异。人工智能的算法效果，建立在规则和事实确定的基础上。设想，如果法律极端的不确定，案件事实也模糊不清，每个法官的判决习惯、直觉和内心价值判断因人而异，算法规则的统一与裁判的标准化更是不可能。因此，司法人工智能的裁判预测论，只能建立在具有较高计算和统计科学的基础上。显然，形式主义和概念法学的进路更迎合计算法学的预测论。比如，目前在司法领域中基于统计学所作的量刑预测，基本上采纳的就是这种科学逻辑。判决预测论的背后，其实就是在努力建构一种可计算的标准化司法裁判。
预测性司法自身存在多种问题，包括与实体公正和程序公正之间存在冲突、技术主义宰制及算法决策的不透明等。[34]司法裁判的形成，是多种因素合力作用的结果。同案同判是一种理想目标。现实情况却是裁判应当保持多样化，同一个法官针对同一类型的案件也很可能会得出不同的判决。必要的差异化才符合司法规律。除了法律之外，法官的前理解、法律的价值乃至法官个人的偏见，都会在一定程度上影响判决结果。预测论无法将所有这些影响司法的要素都量化，并用统一的标准来衡量这些要素。假设我们真的能够设计出来一套完美的系统，将一种类型的案件都设定一套算法规则，那么由此导致的结果将会是裁判差异性的消失。而这从根本上并不符合客观的司法规律，差异化判决是司法的一种重要且必要形态。
当下我们正在推行类案检索机制，其初衷是要通过数字化的案件检索系统，帮助法官找到可参照的类似案件，进而实现类案同判。法律专家和电脑工程师在建构案例库时，需要将以往生效的案件进行标签化。而如何选择标签本身就包含类型化的观点。即便通过检索和对比最终匹配到相似案件，通过演绎适用先前案件的裁判规则，有时候并不能实现真正的类案同判。这种裁判的标准化只是一种表象，先前案件的判决书实际上无法充分反映判决结论形成的所有真正根据。“裁判文书不等于案例，只是记录案件处理过程和结果的官方文本，某些案外因素不可能原原本本地体现在判决书中。”[35]如此一来，基于裁判文书的法律大数据所进行的裁判预测并不总是可靠的。当然，笔者并不是否定类案检索，也不是否认类案对司法裁判的参照意义。只是从裁判预测的逻辑及方法上来看，它所建构的以预测为基础的裁判标准化目标是难以实现的。
（二）裁量何以数字化
裁量和价值判断是两个具有高度关联性的概念。司法裁量是指法官在法律适用过程中，拥有选择的空间和余地。如果一个案件只有唯一一种解决方案，那么就不存在裁量。只有当在某个空间内有多种可供法官选择的方案，并且每一种方案都是合法的时候，才会产生司法裁量。[36]一般认为，在简单案件中，并不存在司法裁量。只有发生疑难案件时，法官才拥有裁量权。裁量权本身是在某个区域之内的选择和判断权，有强裁量和弱裁量之别。强的司法裁量，一般用来指法官造法，通过承担立法性工作对法律所作的续造和发展。这种裁量活动超越了规范的可能文义，通常要求要尽可能关照规范的目的。强裁量的立法性质，显然，根本是无法被量化的。
另一种裁量是弱裁量，也是实践中常见的那种类型。专门用来指当法律规范的含义不确定时，法官在由不确定性开放出来的空间内所作的具体化选择，比如对不确定法律概念的解释就是此种裁量。如德沃金的经典描述，“自由裁量就像甜甜圈上的洞，离开了周围的限制，它就无存在之意义”[37]。在弱裁量权中，有一些裁量明确规定了裁量空间，并且配套相应的裁量基准。诸如在法定的刑罚幅度内对具体刑期的选择或裁量，确实有被量化的可能性。这类裁量虽然有量化的可能，但未必就能找到精准的裁量基准。而且，现实中案件事实和情节复杂多变，和裁量基准完全对应也十分困难。
弱裁量还有一种形式就是涉及规范性评价，比如概括条款、不确定法律概念、法伦理原则等。对此，法官需要作出深层次的规范性判断，才能确定规范的可能含义。对于此类特殊的裁量，很难通过数字量化的方式来处理。数字化意味着一种符号的事实化，事实无法代替规范和应然。于是，人工智能司法推理系统，或者数字化的裁判方法，对涉及评价性的裁量要么采取回避的方式，将其从司法推理中排除出去，[38]要么将其不恰当地还原为一种事实描述或判断。但无论哪一种做法都是不合适的，未能真正以理性化的方式处理法律不确定带来的裁量判断难题。
裁量本身涉及规范性的选择或评价，必然需要运用到实质性的辩证思维。限于每个实践主体的价值观和对法律的理解不尽相同，针对某一不确定的法律规定也很难建构出所有可能的类型。这种裁量是无法由自动化机器或计算机系统胜任的，判断权必须最终交到法官手中。基于法官的裁量不同，案件的判决将会存在很大的差异。因此，裁量难题使得标准化裁判失去成为现实的可能。
（三）人工智能如何价值判断
虽然价值判断与裁量有紧密关系，在一些时候裁量的行使需要借助于价值判断来完成，但价值判断的内涵也很丰富。更重要的在于，价值判断更加贴近司法裁判的本质，进而带给数字化裁判的问题会比裁量更加艰难。法律中价值判断的含义，有时是指依照法律的价值对法律问题进行评价，称为基于价值的判断；有时是指对价值本身的判断，尤其在涉及价值冲突时，价值自身将成为判断的对象。[39]从主体间性的角度审视价值判断，价值通常表现为客体的某种属性能够满足主体的需求。价值判断的活动，需要借助于抽象的反思性思维，而这也专属于具有理性的人类。
司法裁判的核心是一种判断权，疑难案件的裁判通常无法离开法官的价值判断。对于简单案件，不需要法官直接或明确作出价值判断，因为此种场合中并不存在实质性的价值争议。对此，或许可以通过智能推理系统将小范围简单案件的裁判标准化。其现实基础在于，简单案件的裁判规则有被统一化的可能。然而，复杂疑难案件通常会涉及实质性的价值争议。无论是基于规则的推理系统，还是基于案例的推理系统，都很难直接对价值问题作出判断和回应。如果无法将价值判断予以量化或代码化，涉及价值判断案件的自动化推理将失去可能。更何况每一种价值判断都有无限多的可能。在人类有限理性能力的情况下，无法为每一种情形都设定好标准规则。
从不同角度出发，当代的人工智能研究者试图辩护人工智能可以做出一些弱的价值判断工作。一种可能的做法是，将不同的价值打上不同的标签，使每一种价值选择背后对应一个特定的结果，并尽可能多地列举不同价值判断的情形。之后，当待决案件涉及价值判断的问题时，只需要找到它与事先设定好的哪种价值判断情形匹配，然后通过计算机设定的算法规则，赋予该判断类型相应的判断结果。这种做法，看似能够奏效，甚至有一定的可操作性，但实质上仍然是将价值判断还原为事实判断，扭曲或者抽空了价值判断的真正意义。何况，在发生价值冲突的情形下，如何在冲突的价值之间作出选择？人工智能能否设定好一个价值序列，对不同的价值按照其权重进行排序？这些显然是不可能的。价值是否存在优先序列，在哲学和伦理学上本身就是很有争议的问题。所以，我们很难做出一个一劳永逸的价值排序。结合个案具体情境的分析是不可避免的，因为价值的重要性在不同的个案中不尽一致。[40]在涉及价值判断场合的案件中，应允许裁判的灵活性和适度的多样化。
同时，学界既有观点与笔者的描述基本相似，有学者认为，人工智能模拟人脑的思维和深度学习为价值的数据化提供了可能，相应地，通过价值数据化可以把注入自由、平等、秩序、公正等词语转化为数据代码加以标记。进而，一方面形成法律价值的应用算法，在个案中通过智能推理系统进行自动化地价值决策；另一方面设计一种独特的算法机制来修正上述应用算法，从而解决价值冲突问题。[41]这种想法比较具有理想性。自由、平等、正义等表述本质上是一种负有争议的概念，是无法被完全量化和数据化的。即便能够被标签化，能够通过算法规则来运行，仍然是在人的理性能力（法律专家和程序员）控制下实现的。
当然，这里主要强调的是，人工智能无法从事复杂的价值判断，无法改变司法裁判的核心推理结构，最终也不能成功地建构统一化或标准化的裁判程式。无法否认的是，随着人工智能技术的发展，发达的人工智能系统具有参与解释法律的能力，甚至能够作出一些简单的价值选择。但在涉及道德伦理的复杂价值判断时，仍然要留给专业的实践主体来完成。这也是人工智能无法从根本上取代传统司法推理模式的根本原因所在。数字化充其量只能有助于局部裁判的标准化，而无法在整体上改变司法推理的结果和司法裁判的样式。
五、结论
法律数字化变革带来的法律科技革命，极大地改变了我们的法律理论与实践，为法律的发展带来了前所未有的机遇和挑战，使得法律与科技的关系再度成为法理论中的核心问题。人工智能在司法领域中的应用，推动审判方式朝着智能化和数字化方向发展。与此同时，我们发现，新一代人工智能尽管发展迅猛，却并未从根本上挑战或威胁司法裁判的本质。司法裁判的本质依然是法官依法裁判，而非智能机器依照算法或代码进行自动化裁判。从法概念论上看，法律作为应然与实然的统一，其规范性特质决定了它无法被数字化，或者说，数字化的法律不再是严格意义上的法律。就司法裁判而论，计算机塑造的基于规则的推理与基于案例的推理存在严重缺陷，均未能完全超出传统的司法推理模式。基于计算的裁判预测论，总是要面对计算不能或无法完全计算的场合。司法中不可避免的裁量和价值判断，更是为人工智能的司法应用制造了难题。故这也决定了，那种在计算主义范式下构建标准化裁判模式的道路是注定走不通的。
【参考文献】
[1]Oliver Wendell Holmes, The Path of the Law, Harvard Law Review, Vol. 110: 5, p. 1001 (1997).
[2]参见张骐：《在技术理性与法治之间——交错时空中的人文主义法学立场》，载《法商研究》2023年第6期，第3-16页。
[3] [德] 卡尔·拉伦茨：《法学方法论》，黄家镇 译，商务印书馆2020年版，第11页。
[4]参见 [美] 劳伦斯·莱斯格：《代码2.0：网络空间中的法律》（修订版），李旭、沈伟伟 译，清华大学出版社2018年版，第6-8页。
[5]参见 [英] 哈特：《法律的概念》，许家馨、李冠宜 译，法律出版社2018年版，第158-162页。
[6]参见 [美] 劳伦斯·莱斯格：《代码2.0：网络空间中的法律》（修订版），李旭、沈伟伟 译，清华大学出版社2018年版，第6页。
[7]See Aleksander Peczenik, The Basis of Legal Justification, Lund, 1983, p.78.
[8] [德] H.科殷：《法哲学》，林荣远 译，华夏出版社2002年版，第218页。
[9]参见陈景辉：《人工智能的法律挑战：应该从哪里开始？》，载《比较法研究》2018年第5期，第139页。
[10]关于依法裁判立场的系统讨论，See Jr. Charles L. Black, Decision According to Law: The 1979 Holmes Lectures, W. W. Norton & Company, 1981，pp.29-83.
[11]法律规定与案件事实之间的不对应情形，参见郑永流：《法律判断形成的模式》，载《法学研究》2004年第1期，第142-143页。
[12] [德] 齐佩利乌斯：《法学方法论》，金振豹 译，法律出版社2009年版，第66-67页。
[13] [美] 理查德·瓦瑟斯特罗姆：《法官如何裁判》，孙海波 译，中国法制出版社2016年版，第26页。
[14]参见杨贝：《论案件事实的层次与建构》，载《法制与社会发展》2019年第3期，第39-52页；武飞：《论司法过程中的案件事实论证》，载《法学家》2019年第6期，54-58页。
[15]参见 [德] 卡尔·拉伦茨：《法学方法论》，黄家镇 译，商务印书馆2020年版，第359-370页。
[16]冯洁: 《人工智能对司法裁判理论的挑战: 回应及其限度》, 载 《华东政法大学学报》2018年第2期, 第24页。
[17]See Bruce G. Buchanan and Thomas E. Headrick, Some Speculation about Artificial Intelligence and Legal Reasoning, Stanford Law Review, Vol. 23: 1, pp. 53-60(1970).
[18]参见 [英] 理查德·萨斯坎德：《线上法院与未来司法》，何广越 译，北京大学出版社2021年版，第256-263页。
[19]季卫东：《人工智能时代的司法权之变》，载《东方法学》2018年第1期，第126页。
[20]学术研究中出现了所谓“数字正当程序”，如参见苏宇：《数字时代的技术性正当程序：理论检视与制度构建》，载《法学研究》2023年第1期，第95-102页。
[21]See Richard E. Susskind, Expert Systems in Law: A Jurisprudential Approach to Artificial Intelligence and Legal Reasoning, The Modern Law Review, Vol. 49 : 2, pp. 173(1986) .
[22]刘东亮：《新一代法律智能系统的逻辑推理和论证说理》，载《中国法学》2022年第3期，第150页。
[23]刘东亮：《新一代法律智能系统的逻辑推理和论证说理》，载《中国法学》2022年第3期，第150页。
[24]See Agnar Aamodt and Enric Plaza, Case-Based Reasoning: Foundational Issues, Methodological Variations, and System Approaches, Artificial Intelligence Communications, Vol. 7: 1, pp. 39-52(1994).
[25] [美] 凯文·D. 阿什利：《人工智能与法律解析——数字时代法律实践的新工具》，邱昭继 译，商务印书馆2020年版，第99页。
[26]刘东亮：《新一代法律智能系统的逻辑推理和论证说理》，载《中国法学》2022年第3期，第153-154页。
[27]有论者认为案件相似性的“实质判断标准”也可以通过计算来完成。参见邓矜婷：《同案同判中同案认定标准的可计算化研究》，载《法制与社会发展》2024年第5期，第215-222页。
[28]参见孙海波：《重新发现“同案”：构建案件相似性的判断标准》，载《中国法学》2020年第6期，第274-280页。
[29]冯洁：《人工智能对司法裁判理论的挑战：回应及其限度》，载《华东政法大学学报》2018年第2期，第27页。
[30]法律形式主义的倡导者兰代尔将这种理论推向顶峰。See Thomas Grey, Langdell's Orthodoxy, University of Pittsburgh Law Review, Vol. 45: 1, pp.1-53(1983).
[31]吴从周：《概念法学、利益法学与价值法学：探索一部民法方法论的演变史》，中国法制出版社2011年版，第43页。
[32]Oliver Wendell Holmes, The Path of the Law, Harvard Law Review, Vol. 10: 8, p. 461(1897).
[33] [美] 安德瑞·马默：《法哲学》，孙海波、王进 译，北京大学出版社2024年版，第32页。
[34]参见王禄生：《论预测性司法》，载《中国社会科学》2024年第6期，第88-92页。
[35]白建军：《法律大数据时代裁判预测的可能与限度》，载《探索与争鸣》2017年第10期，第96页。
[36]See Aharon Barak, Judicial Discretion, translated by Yadin Kaufmann,Yale University Press, 1987, pp.7-26.
[37]Ronald M. Dworkin, The Model of Rules, The University of Chicago Law Review,Vol. 35: 1, p.32(1967).
[38]参见陈景辉：《人工智能的法律挑战：应该从哪里开始？》，载《比较法研究》2018年第5期，第139页。
[39]参见孙海波：《择法而从：司法中的价值判断》，中国政法大学出版社2024年版，第21-26页。
[40]参见王彬：《司法裁决中的实质权衡及其标准》，载《法商研究》2013年第6期，第95页。
[41]参见彭中礼：《司法人工智能中的价值判断》，载《四川大学学报》（哲学社会科学版）2021年第1期，第164-171页。
