期刊撷英|《多伦多大学法律杂志》68(Supp, 1):人工智能、科技与法律

中国办公耗材网 2019-10-21

期刊介绍


《多伦多大学法律杂志》(The University of Toronto Law Journal)由在北美地区名列前茅的加拿大多伦多大学法学院主持,为SSCI收录的法学类期刊。该学术期刊自1935年创刊肇始,就秉持以宽阔和具有远见的进路研究法律问题的宗旨,尤其在跨学科和法律前沿方向,其一直在一众高引用率法学期刊中表现突出。


在2018年1月专刊(第68卷)中,《多伦多大学法律杂志》以“人工智能、科技与法律”为主题展开讨论。


在2016年以“人工智能、大数据和法律的未来”为主题的主题报道中,学者们更多从技术发展的角度对于科技对法律的影响持积极与肯定的态度,这也是《多伦多大学法律杂志》在类似前沿课题上技术分析进路强于纯粹理论思辨的一个表现。而在2018年1月专刊中,我们可以明显感受到学者们的思考不再完全偏重技术路径,而更多的回归到诸如法治的价值、基本权利和合法性的语境中去。


该期专刊是2017年3月25日召开的“人工智能、技术与法律大会”的会议论文结集,该会议由多伦多大学创新法律与政策中心主持召开。中心的联席主任Simon Stern在该刊的开篇文章《引言:人工智能、技术与法律》中,提纲挈领地指出专刊论文都是围绕着人工智能对法律的影响,具体来说是机器学习(machine learning)和自然语言处理(natural language processing)在法律研究和司法实践方面的适用、法律服务的普及和便利以及对于整个法律权威概念的冲击方面进行展开。


Mireille Hildebrandt在其论文《法律在法律人工智能时代作为一种计算:向统计的强力说出法律》(“Law as Computation in the Era of Artificial Legal Intelligence: Speaking Law to the Power of Statistics”)中,从信息学的基本概念,尤其是“言语行为理论(speech act theory)”出发,阐释了法律之为一种“告知我们行为的结果的前后一致的言语行为之网”,并且指出法治(rule of law)也可以被视为一种有效的各类社会行为设定的集合:对于何者适用何种法律,以及基本权利受损时有何种救济的一个系统。基于这种对于法律的信息学理解,作者指出了“基于数理生成的法律判断”与“法律判断本身”的区别:前者是基于机器学习的各种算法生成的一个封闭的判断系统,很难去检测这个系统中最终形成的判断的可靠性和各类假设,而后者更多将其合理性开放给各类质疑。如此说来,人工智能将来是否只是一个法治的潜在“捣乱者”呢?抑或人工智能将带领法治进入消灭了一切不确定性和漏洞的玫瑰色未来(在我们上一篇的综述中,显然Benjamin Alarie便是这种玫瑰色未来论调的支持者)?

显然作者并不认为法律人工智能对于法治来说是一个单纯的捣乱者或拯救者,她以小见大,将人工智能在法律服务市场的影响作为一个显微镜,指出人工智能应该是各类法律实践人士用来进行职业能力迭代的工具,同时也是质疑和挑战各类自动生成系统的武器。具体来说,律师和其他法律规制的对象应该主动去掌握各种人工智能及统计数据的知识,并用这种知识武装自己,使自己在统计数据无所不至的强大权力面前,始终保有为法律发声的能力。


Brian Sheppard在其论文《为不可预测性做准备:科技如何改变我们对法律的想法》(“Warming up to Inscrutability: How Technology Could Challenge Our Concept of Law”)中,指出法律和科技一样都是为了满足人们变化的需求而产生的人造物。作者反复提醒的一个问题是:使用科技带来的系统性脆弱将颠覆我们对于法律规范和法律权威来源的认知,我们对此准备好了吗?形象的来说,人们是否准备好从面对一个有权力的官员的命令,转而去面对一个机器并去遵守这个机器做出的 “自动化个人化” 的法律指令了?作者指出,这个问题的关键在于,机器学习生成的整个系统将是无规律的各种碎片的累加,其输出所遵循的算法逻辑将会是无法以人类的语言解读,但人们为了信任这个系统,又要放弃对于系统有效性的探究,这种矛盾无法化解。为了说明这种深层次的吊诡,作者在其文章中回归到三大经典的法律权威来源的理论中:(1)根据哈特的法律规则理论,人们承认一项法律规则是有效时,需要有一种对于法律规则进行批判审视但却同时接受并遵循该指令的内在视角。作者认为机器学习所生成的指令只是告诉人们该去做什么,这仅仅是哈特理论中的第一性规则(义务规则),但机器学习无法采纳前述的承认规则所需的内在视角;(2)根据拉兹的理论,法律的有效性来源于其道德上的合理性,一个合理的行为不能仅仅是被动的正确的行为,更是一个能因为一个正确的理由而做出的行为。但是一个机器学习生成的指令只会告诉人们该怎么做,其指令无法诉诸拉兹理论中所要求的合理性;(3)根据德沃金的理论,法律有效性所依赖的国家强制力需要通过透过符合群体利益原则的解释和评估被不断的证立,这是一个动态的变化过程。但是机器学习并不承认原则,机器学习生成的个人化定制指令不会考虑在大范围内是否符合群体利益的原则。

作者更指出,在一个完全由机器学习生成各种“微观指令”(micro-directive regulation)的系统中,德沃金的这些权利理论将不可避免的消亡。显然,作者并不是一个为法律领域的技术进步大唱赞歌的乐观主义者,作者更多的是通过检视机器学习带来的不可预测性与既有法律观念之间的龃龉,提醒我们在面对这史无前例的技术进步大潮时,需要不断的调整我们既有的法观念,不断在技术冲击中平衡智能化和其结果与我们的主观意愿之间的脱节。


Frank PasqualeGlyn Cashwell在其论文《预测、说服以及行为主义的法理学》( “Prediction, Persuasion, and the Jurisprudence of Behaviorism” )中对于机器学习和自然语言处理在司法领域的应用表现得更为警惕。两位学者在论文中提出了 “行为主义的法理学” (Jurisprudence of Behaviorism)这一概念,主要是指围绕着司法审判的各方——法官、律师和当事人——当他们知道机器学习和自然语言处理被大规模用来预测何种案件该按照何种方式得出何种结论之后,就会相应的调整自己的行为。直白一点来说,各参与方将会放弃司法审判中最为核心的要素:说服,而去完全依赖人工智能的预测结果。同时,为了说明这种由说服转向预测对于法治价值的冲击,两位作者对于2006年Nikolaos Aletras等学者发表的《从自然语言处理视角预测欧洲人权法院的司法裁决》(“Predicting Judicial Decisions of the European Court of Human Rights: A Natural Language Processing Perspective”)一文进行了批判性的回应。两位作者认为自然语言处理所预测的司法裁决实际上忽略了很多有价值的信息,这种预测呈现的统计学上的相关性并未考虑相关素材具备的丰厚历史意义,很多应该被归为侵犯人权类的案件从而被算法忽视了(如关键词“儿子”被算法关联到“家庭成员”项下而非“重男轻女”)。

就此,两位作者指出我们在看到统计分析能降低司法偏见的同时,也要对将来基于自然语言处理和机器学习的体系保持清醒的头脑,我们应该更多的用人工智能的技术来辅助司法实践,来提升整个司法实践的透明度和平民化,而非直接替换掉司法实践的本质:人们通过论辩和说服来证成其主张的合法性。


Paul Gowder在其论文《变革性的法律科技与法治》(“Transformative Legal Technology and the Rule of Law”)中,将法律科技分为两大类,一类是提供“更便宜律师”的技术(即通过技术取代原有需要律师处理的认知工作而降低律师价格),另一类是“变革性的人工智能法律认知”的技术(即将具有律师工作特征的认知科技引入到原本因经济原因律师不会介入的领域)。作者指出相比第一类法律科技,第二类法律科技才具有实现法治基本价值的巨大潜力:即这类技术的应用将促进法治中的平等主义和正义的可获得性。显然,作者更加注重法律科技能为最需要帮助的人提供什么,而且基于此来判断法律科技是否有价值。

在作者看来,提供“更便宜律师”的技术虽然降低了律师服务的一般价格,但从法治的平等主义价值观来看,这并为使得那些最需要律师服务的人变得更好过些:对于有钱有势的房东、雇主和大公司来说,更便宜的律师服务其实是有利于他们去对抗处于下风地位的租客、雇员和消费者的。第二类法律科技则不同,作者用集体诉讼举例,说明第二类法律科技在降低单个权利人的代理成本和提高其选择度方面大有可为。在作者看来,第二类法律科技可以真正的实现法治的平等主义价值取向:让无权无势的普通人能借由法律科技的力量对抗有权有势者


Benjamin AlarieAnthony NiblettAlbert H Yoon在其论文《人工智能如何影响法律实践》( “How Artificial Intelligence Will Affect the Practice of Law” )中,讨论了机器学习和自然语言处理技术在法律实践领域的应用。三位作者依旧是强调人工智能在降低法律服务的单位成本上的巨大作用,他们认为短期内人工智能的普及将大大提升法律实践的透明度、提高争议解决的效率、增加法律服务的可获得性并改善律所的收费,这些都将使得法律服务这一商品变得更加质优价廉。但有趣的是,这次三位作者谨慎的指出长期来看,很难确定这些人工智能工具的使用到底会有怎样的影响。一方面他们认为律师在接受人工智能工具以取代其大部分工作内容上不一定那么顺利,这种破坏性的建设是否成功还得看律师们如何调整自己的观念。另一方面,作者们认为如果按照人工智能现在在法律领域的发展趋势来看,很可能将来改变的不仅仅是法律实践,甚至法律本身也将被彻底改变。从这两点来说,即便乐观如这三位作者,也很难对于人工智在长远范围内的影响做出准确的预估了。

值得一提的是,三位作者均为多伦多大学法学院的教授(三位作者在2016年《多伦多大学法律杂志》秋季刊“人工智能、大数据和法律的未来”主题下也都有发文),同时还是还是一家初创公司Blue J Legal的联合创始人,三位作者身体力行的将法律科技引入税务法律服务中,这也难怪三位作者对于人工智能在法律实践领域的应用有着如此乐观和积极的态度了。


梳理下来,我们可以看出,与2016年该刊同一类主题相比,2018年这期专刊的内容更多的是在考虑人工智能在法律领域的运用对于法治等核心法律概念的冲击。显然大多数作者都更强调技术应该回应乃至回归价值,甚至有几篇文章是直接针对2016年同类主题论文中过分乐观态度的回击。


确实,法律除开技术层面外,更多关涉的是个人和集体的内在价值,这种价值如何被人工智能所学习,如何被统计数据所预测,其实是一个远超现阶段机器学习和自然语言处理范围的议题。毋宁说,在法律人工智能凯歌高奏的同时,我们的眼光仍需要反复往返于技术的进步与价值的演进,同时观照法律领域内的人工智能和人类本性,乐观而审慎也许是比较合适的态度。


征稿启事


在科技飞速发展的时代,阅读可以让我们更好地保持专注、洞察问题。“期刊撷英”专栏鼓励每一个对法律与科技感兴趣的你,精选期刊、精读论文、精写笔记,“明理e法”就是你的平台。投稿请发送标题为“期刊撷英+论文题目+期刊名称”的邮件至ilawthu@126.com,期待你的加入!



欢迎关注“明理e法”公众号

实时获取“计算法学”新动态