一、引言
不經意間，人類正在經歷著逐漸加速的發展曲線而不斷接觸未來，人工智能的科學研究，從何為意識、何為智能這樣的基礎性問題推進到計算機視覺、機器學習、機器對自然語言的理解與交流等更具有操作性的應用性問題，從而使“人工智能”從一個神秘的科幻式的概念開始“飛入尋常百姓家”,成為大眾媒體與街談巷議中的高頻詞匯。為了在這場科技變革的新浪潮中占得先機，無論是政府機構還是商業化組織，也都積極推進這一領域的研究與應用。①而與科技的飛速發展同步，隨著人工智能的普遍推廣應用，與方方面面的社會生活形成接觸與互動，法學研究也突然發現前方別有洞天，面對了一個全新的領域。人工智能與法律的相關研究，作為一個新的學術增長點，在短時間內可謂形成了爆發式的增長。②
在人工智能的法律問題研究廣泛展開之后，通過對現有文獻的梳理，可以發現，目前的研究總體上更多地趨向于以法律作為一個外部框架來探討法律如何應對人工智能發展形成的各種新型法律問題、如何對于人工智能的發展進行規制。在這一方面的研究中，既包括針對目前的弱人工智能（ANI）的實際應用進行法律規制的相關研究，也包括對于未來的強人工智能（AGI）可能向人類社會提出的挑戰進行預測性的研究，甚至還包含了對于“奇點”之后的超人工智能（ASI）會造成什么樣的顛覆性后果、是否可能進行法律約束的思考。比較三個層次的研究，由于弱人工智能事實上已經在生活中的方方面面出現應用，具體的法律問題已經形成，而且對弱人工智能在具體層面的應用所作出的法律回應也比較容易整合進入現有的法律框架當中，因此它成為人工智能與法律相關研究當中最主要的主題，并被主要梳理出幾個較為集中的主題。③其中最具有代表性的研究，主要集中于人工智能創造物的知識產權研究，④以及關于智能汽車無人駕駛的相關法律問題的研究。⑤對于這一系列問題，雖然技術上有許多前所未有的創新，但從法律框架上還是基本上可以嘗試納入到傳統的知識產權法、侵權法、行政法等框架當中進行處理。而在強人工智能方面，人們關心當強人工智能在社會中出現時應當如何處理其法律人格、權利義務的相關問題。⑥進一步來說，就是可能成為機器人形態的人工智能如何與人類在社會中有序共存。⑦在這些研究中，法律也是一個給定的外部框架。
可以說，目前大部分研究關注的視角是法律在人工智能之外作為一個外在框架來加以回應和調整，關心的是法律須規定人工智能可以被應用的形式，以及在特定情境下使用（某種）人工智能可能要承擔的責任。⑧當然，與之相對應的也有另一方面的視角，即將人工智能的運用吸收到法律運作當中，探討人工智能如何具體改進法律運作，并由此對于法律職業形成機遇與挑戰。⑨這方面既有對更具有效率和規律性的司法的樂觀預期，也有對“機器人法官”、“機器人律師”對人類形成替代的憂慮。較之于此前所述的以法律作為人工智能外部框架的研究，這類研究更注重從人工智能對法律的影響而非法律對人工智能的影響的視角切入。盡管如此，在此類研究中，法律仍然基本上作為一個常量進行分析，作為變量的更多是法律職業或是司法程序。
在弱人工智能階段，由于人工智能處理的問題較為單一，仍然屬于“工具”的范疇，與傳統的“產品”別無兩樣。雖然無人駕駛汽車、無人機等新產品的出現給傳統法律體系帶來許多新問題，引發許多新思考，但仍然屬于傳統法律體系能夠解決的問題。因此，可以理解幾乎所有人工智能與法律的相關研究都還將法律作為一個常量處理。但是，如果要更為全面地認識人工智能與法律之間的關聯，則有必要將法律也作為一個變量，思考人工智能可能會對法律本身產生什么樣的影響，也就是說，本文將要討論的是人工智能語境下的“法律”轉型，而非僅僅是“法律職業”抑或“法律運作”轉型。只有理解了人工智能這一技術變遷可能會使法律本身有什么樣的轉型，才能更好去思考轉型后的法律如何去應對人工智能所產生的具體法律問題。
同時，還需要界定的是，作為一項初步的研究，本文所立足的人工智能語境，并不是非常超前的未來，而是基于當下，并不試圖將強人工智能乃至超人工智能納入討論，而僅限于適用于法律活動的專業性弱人工智能可能造成的影響與變遷，這種影響與變遷的出現并不會太遙遠。而對于這種弱人工智能的界定，去除了簡單的擬人式想象，只將其看作一種基于算法設計通過數據自主學習以優化數據處理的計算機制，本質在于算法和數據。
二、效率導向推動下人工智能在法律活動中的應用
從將人工智能作為優化數據處理的計算機制出發，對于人工智能與法律的關聯，很容易將其作為一種法律活動的輔助工具加以理解。事實上，最早對于人工智能與法律相關問題的研究，首先就注意到人工智能可能運用于司法裁判發揮作用。就專注于具體專業領域發揮作用的弱人工智能而言，對于大量信息處理的效率，顯然超過法官與律師，通過其強大的計算能力，能夠更快地通過現有的數據完成對于案件的前期分析，也能夠更便捷的生成嚴格的形式理性化程序運作所需的各類材料，因而其在司法領域當中可能發揮的作用是顯而易見的。尤其是在當下受案多人少問題困擾的法院檢察院更加希望通過人工智能的高效來緩解辦案壓力。
當然，在效率導向之外，對于人工智能在法律中的應用，公平導向也是一種重要的推動力。從對人工智能的最早的想象開始，就有許多學者在思考如何通過人工智能的運算，既能夠模仿人類法官的推理路徑，又能夠避免人類認知中的各類偏差與謬誤，使法律能夠更加的理性而克服非理性。這一類型的研究更加側重于通過對人工智能的推理模式進行設計，重點不是緩解案多人少的問題，而是使法律規則在個案中的適用更為準確，使理想的司法審判更接近于得到實現，從而凸顯法律的公平與理性。
盡管就法律價值而言，效率導向與公平導向都得到了高度的重視，但在人工智能的司法應用中，效率的邏輯顯然更為強大。造成這種現象，顯然并不是因為法律人在價值觀上存在著高下之分，而是因為對于人工智能而言，去把握如何提高司法的效率，要比去把握如何實現司法的公平更容易。即使不涉及更復雜的理論分歧，僅以同案同判作為一個簡單的實現司法公平的標準而言，什么是同案同判，首先也是一個眾說紛紜的問題，關于同類的標準，在不同的法學理論中有不同的認識。而從不同標準出發，不同的法學理論也有不同的推理模式。因此人工智能在進行具體的法律推理時，如何達到一個最優的選擇，首先還需要經歷法學理論的諸神之爭，目前不可能形成一種統一的得到普遍認同的算法。而且，同法律推理的多元范式相似，機器學習中對于終極算法的探索也還存在著符號學派、聯結學派、進化學派、貝葉斯學派、類推學派五大流派，每個學派對于學習的認識有著本質性的差異。因此，如果要將人工智能想象成為一種擬人的存在，真正成為可替代人類的“機器人法官”或“機器人律師”,或者說能夠在很大程度上主導司法裁判，當前的研究普遍得出了一種較為否定性的結論。
但與如何達成公平這一復雜標準相對，如何提高效率則是一個更容易被量化的簡單標準。人工智能完全可以不去涉足更深層次的法學理論諸神之爭，而是僅從已有的司法數據與司法流程模板出發，得出較為表層的概括，為參與司法活動的人類提供輔助。例如，智能化、自動化的法律檢索將深刻影響法律人進行法律研究（檢索）的方式，基于NLP、TAR（技術輔助審閱）、機器學習、預測性編程等技術實現法律文件審閱自動化可以顯著提高這一工作的效率，在大大節約審閱文書的時間，進一步可以通過數據的積累與學習，實現法律文件生成自動化。從這樣的要求出發，算法的設計就可以相對簡化，無需深入到終極算法的層面，只需要對現有數據進行一般性的歸納和類比，技術上也沒有太高難度。因此，這一層次的人工智能在司法中的應用，具有較為明顯的可行性，也就有了較強的推動力。
在實踐中，以功能較為單一的弱人工智能提升司法效率的嘗試，已經在不同層級的司法機關得到實踐，并且得到了高層領導的大力支持。上海高院院長崔亞東表示，上海法院第二個三年規劃核心是“一個戰略、兩個行動”,即大數據戰略，互聯網+行動、人工智能行動。最高人民法院周強院長指出要“綜合應用各種人工智能技術，實現智能審判、智能訴訟等司法輔助功能”.而在國務院印發的《新一代人工智能發展規劃》中，則更高層次的提出“建設集審判、人員、數據應用、司法公開和動態監控于一體的智慧法庭數據平臺，促進人工智能在證據收集、案例分析、法律文件閱讀與分析中的應用，實現法院審判體系和審判能力智能化。”可見，從政治決策層面到司法領導層面，再到司法實施層面，對于人工智能作為一種輔助功能的運用都表現出較為積極的態度。
當然，人工智能的運用不會局限于司法機關，更重要的是在各類法律活動中的全面推廣。當事人以及潛在的訴訟參與人同樣有強烈的推動力借助于人工智能來提升法律活動的效率。在購買法律服務時，消費者會傾向于更為標準化并且可以被計算機處理的法律產品，因為這將意味著費用的降低。互聯網的發展歷史也表明，網絡空間的的生成和擴散可以看成是一個由商業力量推動主導的生產性過程。從商業邏輯出發的這種推動力，甚至會比起政府或司法部門的推動力更加有力。無論以何種形式，人工智能在司法中的應用都離不開大量數據的吸收與處理。如果個人的數據被嚴格的加以保護，算法就失去了學習的基礎。而正是效率這一推動力，使得個人在參與時有可能承受放棄對個人數據嚴密保護這一成本，更有力的刺激人工智能在法律活動中的運用。
三、人工智能語境下對法律認知的重構
從政府部門的推動，以及法律服務市場的商業邏輯出發，都可以預見到專業化的弱人工智能在法律活動中的運用將會逐漸擴展開來。簡單來看，這種運用同人工智能時代之前的法律活動并沒有根本性的差異。參與或準備參與到法律活動中的當事人如果有需求，向提供市場服務的機構購買服務，并不需要在意這種服務產品的具體生產者究竟是人類還是人工智能。而且就弱人工智能的技術條件而言，并不會在形態上出現機器人律師這種科幻式的場景，當事人能直觀感受到的區別可謂微乎其微。
但是，表面上看似并無區別的法律服務，實質上卻具有新的意義。在傳統模式下，法律活動的參與者如果要購買專業機構的法律服務，時間與經濟成本都需要進行更充分的考量。我們很容易設想這種模式下的典型場景：當事人向律所支付費用購買關于個案的法律服務，律所的知名度越高，則費用越高。而且，即使是要處理的是非常簡單的法律活動，從不同律所中進行搜索、聯系有意向的律所、并進一步對所需要購買的服務內容進行溝通都需要花費相當的時間，從而成為成本考量的一部分。而當人工智能開始介入到這種服務市場的情況下，更為便捷因而也更為廉價的法律服務則成為可能。例如，杭州互聯網法院就在其立案平臺向當事人直接通過關鍵詞推送類似案件的相關數據，使當事人得以便捷地形成對所面對案件的處理結果的初步判斷。而類似的技術也完全有可能進一步進行商業推廣，不局限于單一平臺。如果法律活動的參與者可以在不同平臺廉價而快捷地獲取相關服務，就可能在進行每一步法律活動時直接接收到推送的法律意見，以此作為制定下一步對策的依據。如果更多的參與者都不是基于自己或是購買服務的單個律師的服務形成對案件的預測，那么大量行動者對決策的調整會很大程度上改變當事人之間的博弈狀態。因此，基于人工智能和大數據的案件預測將深刻影響當事人的訴訟行為和法律糾紛的解決。
簡單來看，這似乎也并沒有什么根本性的變革。在傳統模式下，如果法律活動的參與者有意愿和能力購買全面的法律服務，也完全可以一步步獲取非常細致的法律意見進行決策。當然，很容易看到由于經濟成本的考量，人工智能時代才有可能更大范圍普及這種服務。以更低的價格獲得更強大的計算能力，這一加速度過程正是信息技術革命從量變到質變的基礎。正如我們在蒸汽火車時代無法想象高鐵網絡對地理空間的重塑，在手搖電話時代無法想象4G通信對信息傳遞的重塑，當這種預測的形成速度超過一定臨界點時，變革就會變得明顯起來。
重點其實還不在于普及的廣度，而在于思維的速度與深度。傳統的法律服務模式下，有財力的法律服務購買者從服務提供者那里所獲取的意見，也可能表現為大數據基礎上的歸納與分析，但局限于信息成本，基本上還是立足于個案進行相似案件的有限類比，而不可能在短時間內集合全局性的數據。而對于人工智能而言，則不存在這一障礙，能夠更為迅速完成整合全局數據的過程。而且，既然要從效率出發，人們當然希望獲得的服務能夠轉換為自然語言的表達，而非純粹的數據。這樣一來，普通公眾對法律的認知已經悄然發生了巨大變化，如果說過去的認知一般是基于法條和個案事實進行的演繹式認知的話，在新的技術條件支持下就更多變為對總體狀況的歸納式認知。在前一種情形下，他們所認識的法律首先還是規范條文，而后一種情形下則更直接呈現為運作結果。我們可以設想，當這樣一種認知途徑得到普遍運用之后，普通公眾對于法律的認知并不立足于個案中涉及的規范而是立足于個案就會形成的結果。當公眾對法律的認識不再是“法律規定了什么”而是“法律會導致什么樣的結果”,這就成為了對于法律認知模式的一種重構。據此我們很容易聯想到霍姆斯著名的預測理論，技術的進步正是為更快速也更準確的作出預測提供了可能。在法律預測更容易被提供的情況下，哈特所謂的“無知之人”（puzzled man）也會與霍姆斯所謂的“壞人”（bad man）變得更加接近，從而可以統一起來。
在技術變遷帶來的公眾對于法律的認知模式轉變的同時，從另一端來看，向公眾輸出的法律認知也由于技術的變遷而產生了變化。人工智能建立于大數據基礎之上，但不是簡單停留于對大數據的處理，而是試圖向“小數據，大任務”的認知構架發展。人工智能的運用，相對于此前的數據挖掘與處理技術，一個更為突出的特征就在于機器自身的深度學習。機器的學習不同于日常生活語言中所謂的學習定義，而是一個更為廣義的概念，意味著計算機程序對于某類任務T和性能度量P,在T上以P衡量的性能隨著經驗E而自我完善。具有學習能力的人工智能可以無需局限于最初編寫的代碼，而是通過對于數據的學習形成更為深入的理解，從而完善其分析。因此，在人工智能研究領域中一個毫無疑問的共識就是“數據喂養著人工智能”.每一個當事人數據的輸入都不是孤立的數據，而是會成為機器學習的內容并發展出處理未來數據的方法。因此，在法律活動的參與者與提供法律服務的人工智能之間形成了密切的互動。當事人獲得人工智能依據數據輸出的反饋，作出自己的決策，決策本身也就形成了新的數據供人工智能進一步學習。而商業競爭會進一步推動學習的改進，得到數據越多的平臺越能進行有效的學習，也更能夠形成更具效率的算法，從而又形成更強吸引力來吸收更多數據。同其他互聯網領域的商業競爭類似，也會逐漸表現出贏家通吃的狀況。
站在正統的法律視角來看，由于法律本身的復雜性，人工智能的預測能力可能在較長的一段時間內并不能達到令人滿意的程度，這種向公眾輸出的法律預測事實上很可能扭曲了真實的法律。但是，如果人工智能的發達意味著數據量達到了巨大的規模、獲取這種服務的公眾達到了很高的比例，那么，究竟什么是“真實”、什么又是“扭曲”就變得不重要了。法律難以像自然科學一樣加以檢驗，如果說我們設計了一艘強大的戰艦但一下水就沉入水底的話，自然可以判斷這是一種錯誤的設計，但是法律的真實與否則不能單純從案件結果來加以衡量。即使人工智能的預測真是扭曲了真實的法律，但對錯誤的法律預測達到一定程度時，這種錯誤的預測本身就塑造了人們的預期，就像真實的法律一樣產生作用。霍姆斯曾經在給拉斯基的信中這樣表述：“即便我的同胞們要下地獄，我也只能幫助他們，因為這就是我的工作。”如果錯誤的預期足夠強大，法律職業逆潮流而動就變得沒有意義，而只能順勢而為。何況，在人工智能時代之前，人類提供的法律服務本身也可能是一種扭曲的想象，只是通過服務提供商形成的壟斷卡特爾，以封閉的運作確認這種想象在意識形態意義上的真實性。
在法律服務的消費者與通過人工智能提供法律服務的供應商之間展開互動的過程中，人們對于法律的認知實際上逐步被重構為不同的當事人與不同人工智能之間復雜博弈之后形成的狀態，而不是對于一個單一的立法權威所制定規則的認識。特別是由于社會發展的加速導致立法需要填充的領域越來越多，而傳統的立法程序難以達到同步的速度跟進，當立法者立法的速度難以緊跟技術發展的腳步、立法產品的供給不能跟上需求時，仍然需要規則、需要預期的社會將會需求另一種形態的規則加以治理。傳統的立法權威將會進一步衰落，從分散的平臺上，經由不同的算法，形成了當事人所依賴的規則。“只有有理由預期規范性的預期能夠通過規范的方式來形成預期，法律才算是法律。”霍姆斯的預測理論意味著法律是預測在什么情況下公共權力通過法院起作用，而當公眾不僅僅預測通過法院起作用的權力，同時也在預測其它可能具有公共意義的權力如何發揮作用時，公眾通過算法獲得預期，算法也就成為了法律。對法律認知的重構，其實也會成為對法律主權的重構，通過算法，更多的權力將會滲透進來，這些滲入的權力不僅可能跨越政府-市場的邊界，還可能跨越國家主權的邊界。
四、人工智能語境下法律規則形態的重構
人工智能的運用，不僅僅導致公眾對于法律認知模式的重構，還會進一步對法律規則本身產生實質性的重構。上文的分析已經指出，對于規則的認識會成為一個動態的過程，數據的輸入與反饋會不斷引導人工智能進行學習，以自身的算法輸出動態調整的規則。這樣一個過程，似乎在傳統模式下也存在著與之相似的情形，雖然過程的周期要長得多，當事人對于規則適用于個案所做出的預測以及反應會導致現實中的法律與紙面上的法律的分離，這種分離達到一定程度時也會重新塑造紙面上的法律。而針對這一互動過程，也就有了法律現實主義與法律實證主義從各自關注的視角切入所展開的曠日持久的論戰。但深入考察則會發現，傳統模式下對于法律的認知雖然也針對當事人所關注的個案，也可能表現為一種特殊性的認識，但是個案只是以特殊性的事實同一般性的規則相聯系，而非完全的特殊性認識。在法律實證主義看來，規則與事實相結合形成的判決確定性是一種應對盡可能接近的理想狀態；而法律現實主義雖然質疑這種確定性，但其指出的不確定性來源在于人的有限理性無法認識確定的事實，或是無法理解確定的規則，是一種局部不確定性，其前提還是存在著一般性的規則，因而對于許多簡單案件是確定性的。而在人工智能語境下，這種一般性的規則，本身已經遭遇了挑戰。
人工智能的運用，同互聯網、大數據緊密結合在一起。互聯網上的海量數據，一旦可以被儲存和認知，也就成為了有意義的信息。在具備強大的計算能力的人工智能出現之前，這些數據雖然仍然會出現在互聯網上，但由于處理數據的成本過高，那么數據就只是數據，而不成為信息。香農所開創的信息論，提出的一個基礎論斷就是可以用信息熵來定量衡量信息的大小，小概率事件發生時所攜帶的信息量比大概率事件要多。因此，信息的意義在于人們能夠對于事件的特定性進行更為準確的定位，我們所獲得的信息越多，就越能確定一個事件相對于其他事件的特定性。在此前的人類社會中，由于信息成本的約束，人們進行交流時傳遞的信息量較小，因而只能處理概率性較大的事件。這樣，對概率性較大的事件進行規制一般性規則的重要性就得以凸顯出來，人們通過一般性規則的約束進行社會中的交往，可以無需搜集全面的信息，因而能夠避免高昂的信息成本。法律規則的意義就是使得信息更加經濟，從而有利于更確定的預期。但在技術有了飛躍之后，此前構成約束的信息成本問題在很大程度上被消解了。在人工智能得以充分運用的互聯網社會中，每個人活動所生成的數據更容易被發現，同時也能夠以更低成本得以儲存，在有強大的計算能力對其進行分析之后，原始狀態下的數據就轉換成為更有意義的信息。因此，信息的豐富揭開了諸多“無知之幕”的遮蔽，作為一般性規則約束對象的抽象的“人”被逐步還原為特定的“個人”,而個人的每一個行為也都能夠更進一步確定其特定性。放在更大的歷史尺度上來看，技術的發展帶來的這種趨勢正是對此前人類歷史中簡化信息、降低信息成本以促進社會合作的規則發展的一種反向運動。人們一度相信，“從身份到契約”的運動是歷史前進的方向，人會逐漸成為一個抽象的自主性的個體而不是依附于某個群體獲得不同的待遇，但現實卻是信息的豐富使得群體的區分更加細致，人不是僅僅“我思故我在”,而是復雜的權力關系所構建而成的存在。這樣一種從“人”還原為“個人”的狀態，使得在具體的行動中有可能形成針對個人的特定性規則。
為什么會形成特定性規則？信息成本的大幅度降低意味著規則所調整的行為可能進入一個長期動態的重復博弈，而非規則文本所預設的一次性博弈的靜態。當信息費用無窮大的時候，信息熵為0,接收方無法從接收信號中獲得任何信息。信息論意義上的這種極端情況，放在政治哲學的語境中，就是羅爾斯所設想的“無知之幕”.當只能認識到已經確定的唯一事件時，人們只能形成針對單一行為的一次性博弈對策。而在信息成本的大幅度下降揭開了“無知之幕”之后，人們可以確定參與博弈的對方的相關信息，因而進入到重復博弈中，每一項行為的評價與回應都不會是孤立的，而是和此前的行為結合在一起，進而引發相應的對策。在個人僅有死亡這種方式才可能完全退出社會的情況下（如果是信息時代的一個虛擬主體，比如“賬戶”,甚至連這種方式都可能不存在），博弈就成為了一種無限重復博弈。在無限重復博弈中，行為主體通過此前傳遞的信息釋放出展示其博弈策略的聲譽。對于重復博弈行為的規制，會更加注重與此前的行為聯系起來，以更有效率的行為合作預期。事實上，在傳統法律體系中，也從來不試圖排除掉所有信息而創造出純粹的無知之幕后的規則。一個很常見的例子就是，刑法中關于“累犯”的規定早已有之，這就意味著關于犯罪人的這一方面的早前行為的信息得到法律的重視，在法官作出判決時，這一信息是值得花費成本加以搜集的，這方面信息的差異會影響到規則對于同類事實的不同適用。當然，這種規則的特殊性仍然是較弱的，針對的還是群體的人而非個體的人。但這類規則的存在意味著投入信息成本事實上是有所取舍，而并非盡可能越低越好。而當技術的進步能夠根本性降低信息成本時，規則也就有可能發生改變。能夠以很低成本獲取關于個人的信息，就能夠進一步將個人同其他人區分開來，更為有效的預測他/她會對于規則的反應，也就能更有針對性的運用規則調整其行為。
在信息高度不完全、不對稱的陌生人世界里，人們通過承擔足以顯示自己屬于注重未來收益的“好人”類型的信號成本來尋求合作，法律以及其他各種類型的社會規范都起到了信號傳遞功能。而在雙方傳遞信息表達自己的策略的過程中，信息中可能出現“噪音”,即一方錯誤的理解了另一方的信息所要表達的真實策略。此時，代表著凌駕于博弈雙方之上的國家主權的法律的介入，有助于避免“噪音”的干擾，更好地簡化信息熵，從而提供穩定的預期。在人工智能語境下，每一個個人此前的行為經由數據被積累下來，這些信息進入人工智能的處理范圍成本很低，從而使外界對這些個人的觀察能夠同此前所展現出來的信息結合起來，加以更立體的認識。而且，人工智能的計算邏輯也很自然地會將這些信息進行細致的分解，明確分解后每一個步驟的價值函數進行回應。例如，在網絡平臺上活躍著的賬戶，會因為此前積累的“信用分”、“活躍度”、“貢獻值”等各類積分系統的計算而引發對其行為的不同回應，這是網絡社會中人們所習慣的一種常態，而這種積分制的規則模式甚至當前已經有了從商業平臺向公共管理推廣的趨勢。在這種情形，個人構成了一種更具有時間性的存在。經由時間積累下來的所有數據都可能被記憶而獲得其意義。即使提出“被遺忘權”這一權利，但由于人工智能的學習特性，在經過學習之后，數據本身被擦除并不影響其作用的發揮。這就從一個層面體現了海德格爾的論斷：時間是領會存在的視野，沒有離開時間的存在。同樣，也沒有能離開時間的法律。法律運作的空間尺度是四維的，需要有時間的維度，而無法抽掉時間的綿延而在一個壓縮到極致的靜止時間點上討論。
或許存在著一種質疑：法律規則不同于對個人的命令，規則的一般性是法律規則的根本特性，即使我們能夠以極低的信息成本去認識每個個體，也不允許制定針對個體的法律規則。但為什么這一定是不可動搖的根本特性呢？僅僅是我們總結以往的法律規則都是一般性的，并不能構成有效的論證。如果我們假定人的法律行為是自由意志指導之下的產物，則也應當認為其此前的行為具有邏輯上的一致性，是其自由意志的反映，那么也需要給予回應。如果我們假定這種自由意志并不存在，而是一種隨機的思維過程引發法律行為，隨機變量的概率與此前狀態的概率無關，那么為什么傳統的法律規則仍然要考慮到某些先前的行為，而不是僅從一個瞬間的抽象的點進行考慮呢？可以說，我們之所以愿意去獲取關于累犯之類的早前信息，而不去獲取關于當事人的其他信息，并沒有價值上的絕對差異，而主要是信息成本的考量。而從規則的可預期性這一價值出發，一般性規則的重要意義就在于其大大降低了信息成本，因而保證了整個社會能夠形成對于規則的有效預期。但當信息成本的考量面臨根本性轉變時，堅持一種意識形態立場，無助于我們對法律的全面理解。
退一步說，即使我們固守法律應當是一般性規則而非個體性規則的經典原則。但事實上，在人工智能時代，即使立法者名義上制定的仍然是同過去一樣的一般性規則，實際上人們所能認識到的規則也還是個體化了。法律活動的參與者之間形成契約時，算法已經將雙方的具體信息納入到分析評估的范圍中，對于契約履行的預期，同他們對于法律規則的預期緊密聯系在一起。更重要的是，當人們從平臺獲取法律運作結果的預測，由于此前的認知與反饋都可能成為積累下來的數據，其獲取的結果正是人工智能學習這些數據之后形成的結果，這種結果不是一般性的，而是與具體的個人數據聯系在一起。對于不同個人而言，即使他們知道法律規則是一般性的，也會發現對于自己有實際影響的規則是個體性的。
法律規則的個體性，意味著關于何為法律規則的經典理念遭遇挑戰。在經典的法理學觀念中，法律規則的重要特征就在于，以“全有或全無的方式”（all-or-nothingmanner）應用，只要是有效且可適用于特定案件，就能夠完全確定結果。但向個體性轉型的法律規則，雖然形式上可能沒有變化，實際上則處于一種不那么確定的概率狀態，只有放在輸入具體信息的觀察下，才會從概率轉化為實體。這樣一種變化，或許可以結合物理學中的一個模型來加以想象---電子的運動不是圍繞此前人們理解的那種清晰穩定的軌道，而是概率分布的“電子云”,量子態的運動只有經過外界的觀察才獲得確定。在物理學中，經典的牛頓力學到量子力學的范式轉型，就是從非此即彼的確定狀態到概率統計狀態下的分布。而人工智能近年來的快速發展，也得益于互聯網和大數據的運用促進了其數理基礎的轉型，從邏輯推理轉換到概率統計。或許，法律規則也將經歷同樣的轉型。
五、人工智能語境下的法律價值重構
在討論人工智能應用于法律時，人們持有的一個重要信念就是，人工智能無論多么強大，都只表現于對規則理性的推理方面，而無法像人類一樣去運用超越規則之上的價值判斷。但是，人工智能對于法律認知與法律規則的重構，進一步的影響將會傳導到法律價值層面。由于對法律的認知更多來源于算法，算法形成的規則也更為個體化，這兩個方面的影響也將改變傳統法律所體現的某些價值。
從法律認知這一角度來看，當對于規則的認知可以更便捷高效的從多元化的平臺獲取時，對于法律的規范性預期更為加強。當人們會更直觀地獲得來自于人工智能的處理結果時，出于節約思維成本的考慮，會本能地快速接受這一結果，而不太愿意消耗自己的精力去分析推導過程。正如普通人在操作電腦時，不會再愿意自己運用程序語言編寫程序來完成某一功能，而是選擇適用某一軟件進行一鍵式的操作。當這樣的思維變得更為普及、流行之后，法律推理將變得更為形式理性化。人類雖然還有更強的能力去進行感性的移情式理解，但卻很難對抗高度理性化的算法。雖然人工智能被明確定位為輔助工具，但輔助工具在高度理性化的社會中卻完全有可能喧賓奪主，成為一種異化的主宰。可以簡單想象的一個場景是，當法官面臨著案多人少的負擔時，很難有動力降低效率去對于人工智能生成的結果進行反思，進行說理更為復雜更有難度的價值判斷。而即使有法官這樣做了，在科層制的體制中必然將承受更大的壓力。不僅僅是自己的工作時間增加了，還需要考慮上級法官、上級法院是否能夠認可他對人工智能生成結果的反思，需要承擔更高的責任與風險。高度理性化法律的進一步強化，將會使社會向何處去，對此存在著兩種極端的判斷，帕森斯認為最為理性的現代社會也是最為自由的社會，而馬爾庫塞則認為高度工業化社會中強大的操縱力量威脅到本來便不多的自由。即使我們還無法在兩者的判斷之間作出選擇，但至少可以明確，理性化的發展中蘊含著深刻的內在矛盾，將會對法律所表現出的價值觀形成顯著的影響。
更為理性化的法律缺少了感性的移情式理解，并不是說無差別的面向所有個體。恰好相反，只是某些在人類思維中會得到重視的信息被省略了，而另一些信息則進入算法處理的范圍之中，表現為上一節所分析的那種個體性規則。個體性規則的概率特征，使之更容易被看作不透明的“黑箱”所形成的產品。不用說普通公眾，即使是對于專業法律人而言，如果只精于法律規則但對于算法的設計不了解，也很難認識黑箱的運作。由于這種黑箱的特性，不同個體在面對法律規則時的強弱差距就更為明顯的表現出來。由于算法形成的概率性規則基于此前積累的信息，那么那些對信息成本的承受能力較弱的法律活動參與者，就處于了相對不利的地位。弱者只能了解到自己面對的規則會以什么樣的概率表現出來，但不清楚黑箱是基于自己的哪些信息形成了這種概率。信息不對稱會進一步成為法律主體之間強弱分化的鴻溝。
而且，當法律表現出更明顯的時間維度時，過去積累的更多信息都對后來的規則形成了影響，不同主體之間的強弱差距也更為明顯，傳統意義上的公平、正義等價值觀都會面臨重構。如果說蒙上雙眼的正義女神曾經是法律中的公平正義最典型的象征符號的話，那么，借助于人工智能的法律運作可能不僅摘下了蒙眼布，而且還帶上了柏拉圖在《理想國》開篇所討論的“古各斯的戒指”,可以沒有任何障礙的窺視一切人，以0成本獲取信息。在傳統模式下，法律面前人人平等意味著排除在法律行為之前存在的其他身份因素的干擾，僅從單一的法律行為來適用規則進行處理。但當上文所分析的那種概率性的個體化規則成為現實時，隨著數據的積累與算法的學習，一個行為導致的影響不會因為單次的法律處理而終結，而是會持續產生影響，就無法真正排除法律行為之前的那些因素。例如，社會中經濟或文化資產較弱的個人，其此前的數據會積累下來，成為表明其弱勢地位的一種信息，而這種信息又會導致更為不利的個體化規則，而此后和其他人之間的互動，也會受到這種個體化規則的影響。在這樣的情況下，強者愈強而弱者愈弱就成為了一種難以阻止的趨勢，法律面前人人平等將被解構。
在傳統的法律體系中，在司法裁判中追求同案同判，也是法律面前人人平等的一種體現。法律人曾經寄希望于人工智能能夠以比人類更強的計算能力來更好實現同案同判。但是，個體化規則難以比較何為同案，何為同判。既然規則都是由于此前積累的信息形成的一種針對不同個體的概率，那么由于這些長期積累的信息必然存在著諸多細節的差異，就難以比較這種規則的適用是否運用于同等情形。而且，在人工智能進行機器學習時，過擬合（overfitting）是一種更為常見也更難克服的問題，由于學習能力過于強大，將訓練樣本中的某些細節特點當做了一般規律進行學習。面對適用個體化規則的不同案件，由于信息的細節差異很容易被認知，如果要求人工智能提煉出一般規律，則更容易遭遇過擬合的困境，將某些個案中的信息放大而當成了一般特征。因此，不僅立法中何謂法律面前人人平等面臨重構，司法中也是如此。
結語
人工智能在法律領域的運用，當前還只能說是剛剛起步。但從效率這一出發點來看，無論是國家還是市場都有較強的推動力進一步推廣人工智能的運用，在這個過程中，技術的進步也將以更高的速度表現出來。而只要人工智能在法律領域的運用普及到一定程度，并不需要太強的人工智能水平，量變的積累就會走到質變的臨界點。這種質變并不是科幻式的場景，讓我們立即進入人工智能所主宰的世界，也不會是人類與人工智能形成激烈沖突的“西部世界”.在整個人類社會可能被重塑之前，法律本身會在很大程度上面臨重構。公眾借助于人工智能作為更為便捷因而也更為廉價的工具來認知法律，更快捷也更為普遍的形成對于法律的預測。這種對于法律認知模式的重構，會在很大程度上使人們對法律的預測由人工智能的算法確定，使算法實際上成為了法律。同時，算法成為法律，將會形成更為個體化的規則。傳統的一般性法律規則對于應對信息成本過高的社會有著重要意義，但人工智能的運用將極大程度降低信息成本，從而更為明確單一行為在重復博弈中的整體意義，運用個體化的規則進行更為精確的調整。這種個體化規則的出現，將重構法律規則的形態，從非此即彼的確定狀態向一種概率式的存在轉型。而隨著法律認知模式的重構與法律規則形態的重構，法律的價值觀也將隨之重構，一方面體現為更加高度理性化，另一方面則體現為法律面前人人平等被淡化與解構。
總而言之，本文試圖預測人工智能在法律領域的廣泛運用將會如何重構我們傳統認知中的法律，人工智能是一個外在的變量，分析的重點仍然是法律本身。法學家自負的宣稱，法律將會決定人工智能的未來。但從法律保守、克制的特性出發，我們首先應當謹慎的思考人工智能將會如何決定法律的未來。而且，鑒于我們認知法律已有上千年的歷史，對人工智能的認知則只是最近短短數十年間才開始的，我們也有必要更多思考法律本身，而不是過于大膽的去試圖思考人工智能。當然，作為一種面向未來的研究，本文所做出的預測很可能是完全錯誤的。“人類一思考，上帝就發笑”,在未來也許會表現為人工智能在發笑，但我們卻不能因此就放棄思考。本文原載《法學評論》2018年第1期