张保生：关于AI法律系统的思考-2018.13-31页-3mb

关于人工智能法律系统的思考总结

核心内容

本文由中国政法大学张保生撰写，探讨了人工智能在法律领域的应用前景、技术难点与开发策略。文章从人工智能的界定出发，回顾了法律推理人工智能的研究历程，分析了人工智能在司法领域可能面临的挑战，并提出了智能法律系统的开发路径与功能设计。

主要观点

1. 人工智能的界定

• 人工智能被定义为能够模拟人类智能行为的系统，具备认知、推理、学习、交流、决策等能力。
• 美国国会提案中明确人工智能需满足以下五个特征：
  • 在多变且不可控的情况下作业，无需过多人工监管；
  • 可以自学以往经验、改善表现；
  • 能够从事需要洞察、认知、计划、学习、交流或行动等任务；
  • 模拟认知任务的技术，如机器学习；
  • 理智行事，完成目标的智能软件代理及内置机器人。

2. 法律推理人工智能研究的进展

• 法律推理是人工智能模拟的典型对象，因其具有稳定对象、明确前提、严格程序和确定性结论。
• 从1970年代开始，法律推理人工智能逐步发展，如JUDITH律师推理专家系统、LDS法律判决辅助系统、潜在损害系统等。
• 中国法律专家系统研究起步较晚，但已有初步成果，如《LOA律师办公自动化系统》和《实用刑法专家系统》。
• 人工智能在法律领域的应用前景广阔，但需注意事实认定和法律解释的复杂性。

3. 人工智能在司法领域的应用前景

• 莱布尼兹曾设想通过计算消除推理错误，弗里德曼和瓦尔格伦则从信息论角度分析了法律制度的运行过程。
• 法律推理人工智能的最终目标是模拟法律适用、量刑及控辩审三方的认识互动。
• 事实认定是人工智能法律系统研发的关键难点之一，涉及证据的盖然性、证言可信性及经验推论链条。

4. 人工智能法律系统研发难点

(1) 事实认定的难点

• 证据推论的结论具有盖然性，而非绝对确定性。
• 证言可信性涉及社会心理学知识，如“证言三角形理论”。
• 事实认定依赖于概括，但概括可能带来偏差，如“念斌案”中的错误推论。

(2) 法律解释的难点

• 法律解释是发现法律推理大前提的操作，涉及多种解释方法，如语义解释、体系解释、目的解释等。
• 法律是一种特殊的理性，需要专业法律家的训练和实践才能正确运用。

关键信息

1. 人工智能法律系统的功能

• 辅助司法审判：帮助律师和法官处理简单案件，集中精力于复杂案件。
• 促进司法公正：减少人为干扰，严格遵守法律推理标准。
• 辅助法律教育和培训：用于模拟法庭、法律咨询、培训等。

2. 人工智能法律系统的主要菜单

• 案件输入
• 法律检索
• 法律分析
• 事实认定
• 法律解释
• 法律推理
• 起诉策略
• 辩护策略
• 判决意见

3. 人工智能法律系统开发策略

• 扩大研发主体，形成法律家、逻辑学家和计算机专家的三结合模式。
• 研究与应用相结合，以应用为主导。
• 实验室研发应采用高起点或跟踪战略。
• 人-机系统解决方案：由人工智能生成初稿，由人类审查、修改、签发。

4. 威格莫尔图示法的系统开发

• 以威格莫尔图示法为起点，构建法律推理的符号系统，用于描述证据、证言、推论关系等。
• 符号系统包括：
  • 方块：证言性主张
  • 圆圈：间接证据或推断性命题
  • 开度角：为他方提出的推论提供可选解释的论证
  • 立式三角形：补强一个所提出的推论之论证
  • 直线：表示命题之间的推论关系
  • 无穷大符号：标识为真之证据
  • 段落符号：标识司法认知的事实
  • 字母“G”：标识可能起重要作用的概括

结论

1. 未来计算机不会完全取代律师、检察官和法官，但人-机系统可能具有光明前景。
2. 人工智能应以“假乱真”的程度提升人类改造自身和法律推理的能力，但机器人不能担任法官。
3. 人工智能法律系统的研究对推动法律推理机制、促进司法文明具有积极意义。

附录

• 本文作者邮箱：bensenzh@cup1.edu.cn
• 文中引用案例和理论涉及多国法律与科学证据的交叉分析，强调了法律推理与人工智能结合的复杂性和现实意义。