（司法兰亭会八周年，感谢副主席、北京律师书画院院长刁品纯题字）
2023年9月8日19:00-21:00，电子证据与网络犯罪检察论坛系列讲座第二十二讲在线上平台顺利举办。此次讲座由浙江大学光华法学院特聘副研究员周翔以《法律人工智能研究中计算机和法学视角差异》为主题进行分享，讲座由中国人民大学法学院李训虎教授担任主持人，北京大学国际法学院助理教授吴雨豪、中国政法大学数据法治研究院教授张凌寒、华东师范大学法学院副教授聂友伦参与评议。
周翔老师介绍了数字法学的特征与研究方法，分别从计算机科研视角、计算机工程视角、和法律定量实证研究比较视角、和法学规范研究比较视角阐述了如何开展数字法学领域的研究，描绘了法律人工智能研究的广阔前景，提出法律人应当以更积极的态度参与到智慧司法中，主动推进科技与法律的结合。
一
关于数字法学
周翔老师认为，研究“数字法学”需要关注三个特征。
（一）数字法学具有跨一级学科的属性，这是在过去的法学发展过程中极少出现的；数字技术不仅是法律规范的对象，还带来了法学研究和实践的新工具。
（二）数字技术本身门类繁多、迭代较快，近些年来又产生了生成式大模型等新兴技术，很难准确定义。若要真正有效地开展数字法学的研究，就离不开对技术本身的深度把握。
（三）数字法学需要综合多个学科的解决问题方法。目前的研究应当以解决问题、回应现实需要为导向，之后再徐图构建体系的理论。
数字法学的方法谱系可分为两个部分，一个部分是法治，包括澄清既有规范的释义学与创制新规范的立法论，而另一个部分则是科技，包括定量实证研究与法律人工智能；其中科技部分是数字法学的主要创新之处，其力量和成果不可忽视。
二
计算机科研视角
周翔老师认为，研究数字法学应当了解如何从计算机视角来理解法律人工智能。
（一）计算机视角的科研创新追求提升某一任务的模型性能与准确性、提升某些场景要求的可解释性、提升某些场景要求的即时性以及提升设计的模型泛化能力。
（二）计算机科研实现创新的方式是确定任务场景、选用数据、构造新的模型设计思路、用可量化的方法在实验中衡量模型方法的优劣。
在这个部分，周翔老师用自己的一篇论文写作过程为例，讲解了计算机科研的过程：法律领域通常要求较高的算法可解释性，但实现算法的可解释性本身具有技术难度，且人工智能模型的可解释性和模型的性能间存在一定的交易取舍关系；若将此问题结合司法领域的繁简分流思路，采用简单算法实现简单案件的可解释性，就能够实现在不过分牺牲、甚至一定程度上提升模型性能的情况下，同时实现模型一定的可解释性。
（三）在计算机的学科内部，有偏通用与偏交叉类型的期刊之分，不同的期刊有着不同的定位。
周翔老师提出，近些年来，法律专家在司法数字化中的地位仍以扮演用户、批判者为主，未能实质性地参与需求定义、模型设计等关键环节，因此造成了当前司法数字化产品无法贴近实践需要、数字工程重复建设耗费财政资源、数字化未来发展方向模糊不清等弊端。作为法律人，应当更加积极地参与司法数字化进程，在计算机科学视角下的研究中引入法学领域知识提升模型设计的思路、加强模型的性能，改变外部的、被动接受的视角，主动推动技术和司法的结合。
三
计算机工程视角
在计算机工程方面，法律人也可以作出独特的贡献。
（一）法律人可以辅助定义何为有价值的法律业务场景，具有一线办案经验的法律专家擅长于总结办案难点、思考疑难原因与瓶颈并提出在业务层面能有效化解难点的知识形态，定义业务需求场景。
（二）法律人可以参与设计融入司法经验的模型方案，法律人的办案经验、司法经验、领域知识能够对法律人工智能模型的开发带来助益。
（三）法律人可以帮助选择数据集和特征，目前法律人工智能所能使用的数据质量及范围仍有很大的局限，且往往只能够获取非结构化的数据，提高了使用数据的成本；法律人可以参与到模型的数据建设过程当中，辅助模型的训练和测试。
周翔老师认为，计算机工程与计算机科研的视角有所不同，从工程的实然角度看待智慧司法的发展，可以发现除了技术可行性的问题以外，还有许多体制、成本、经济代价等问题，需要更多的考量。
四
和法律定量实证研究比较
周翔老师认为，在人工智能等技术出现之前，国内的法律实证研究主要是依托统计学方法工具，以社会科学的典型研究范式展开研究；而以机器学习为代表的新型计算机科学技术的兴起，不是要替代传统的既有研究范式，而是量化工具的升级，是数据获取和分析能力的显著提升。
机器学习等计算机技术主要能在以下三个方面作出贡献。
（一）在数据获取方面提升了质量与效率，机器学习等技术能够使收集的数据类型更加多元化并侧重于客观数据、将数据获取过程自动化以及实现数据标注的分包。
（二）数据处理方式更加多元化，以深度学习为代表的模型可以处理非结构化文本，利于扩大应用场景。
（三）提升了模型的预测能力，新型计算机技术显著提升了模型的预测性能，同时也可以将深度学习等技术用于传统统计学实证研究所用材料的预处理，将预测和解释融合在同一项研究中。
五
和法学规范研究比较
周翔老师提出，和法学规范研究相比，计算机研究在问题意识、方法、效果评价这三个方面都存在明显的差异。
（一）问题意识不同。法学规范的研究视角通常聚焦于新产品、新技术的出现可能引发社会失序、权利侵害等问题，以此为研究的起点；而计算机科学往往注重如何解决既有的任务难题，如何提高解决难题的效率和效果以及如何发现和定义新的难题。
（二）研究路径不同。法学规范研究视角无外乎立法论和解释论这两种典型方法，而计算机视角解决问题时主要通过引入新的算法、构造新的数据集、设计新的模型、优化模型性能等方法进行研究。
（三）效果评价方法不同。法学规范研究希望能够得到立法机关、司法机关的采纳、较为妥帖地解决当下的问题，而计算机科研通常用前文所提到的模型的性能、可解释性、响应速度以及泛化能力等几个方面作为衡量的指标。
六
结语
在讲座的最后周翔老师总结道，沿着以上几个路径展开研究的科研活动都应当纳入数字法学的范畴，缺一不可。总体来说任何方面的科研工作都是有价值的，但是科研活动尤其应当明晰研究成果的潜在读者是谁、希望在什么样的学术期刊上发表、希望研究成果在何处得到转化，方能进行更有针对性的研究。
壹
主持人：李训虎教授
李训虎老师认为，周翔老师对数字法学的认知抛弃了学科本位的观念，明确提出以问题为导向，以解决问题来回应现实需求，超越了学科本位的思维模式。另一方面，此次论坛内容对法律人在法律人工智能领域的贡献和作用既有描述，也有反思，我们可以把法律人主要扮演用户以及批判者的阶段称作1.0阶段，将未来法律人以更积极的角色参与司法数字化进程的阶段称作2.0阶段，希望未来在这个领域能够有更多学者作出学术贡献。
贰
与谈人：吴雨豪助理教授
吴雨豪老师围绕论坛内容谈了三点感想。
（1）讲座主题所谈论的视角非常宏大，从计算机工程的外部视角看待数字法学将思路带到了问题的最本质之处。
（2）讲座中提到人工智能机器学习提升了模型预测的性能，这种概括和理解非常精准。
（3）数字法学横跨了应然与实然，不仅涉及到价值判断的问题，也能够对既有的法律现象进行解释和预测，所以在未来数字法学具有弥合不同法学流派的可能性。
吴雨豪老师还分享了他在科研过程中几次运用到计算科学的经历。
（1）当实证研究接触到更复杂的罪名时，简单的算法就无法支撑数据的处理，因此法律人应当关注到文书复杂性和技术复杂性之间的正相关性。
（2）吴雨豪老师赞同传统统计模型与新型机器学习模型之间并非孰优孰劣。模型并非越复杂越好，更重要的是能否通过巧妙的设计识别出现象背后的因果关系。
（3）运用实证研究进行辅助决策，在辅助决策的过程中需要克服决策精准性与辅助决策当中的伦理问题，关注决策精准性需要关注事件本身的现象，例如运用模型判断审前羁押准确性时，需要关注审前羁押本身具有明显的倾向性；而辅助决策的伦理问题涉及到算法歧视等，若简单地用算法进行评估则会导致人成为机器奴隶的现象。
叁
与谈人：张凌寒教授
张凌寒老师结合其研究工作，分享了她在数字法学方面的三点科研感想。
（1）数字法学领域的论文势必离不开计算机的语言和体系，但是这样的文章目前接受度并不理想，因为计算机方面的语言与思路相对来说并不对读者友好，这是目前的现状。
（2）计算机科研人员倾向得到确定的答案，用确定的标准与答案开展研究，而法学学者更偏向于模糊的抽象解释。由于法学学者对计算科学的思维不甚了解，目前一些数字法学的科研与立法都陷入了各说各话的境地；例如当面对数据汇集风险、是否影响国家安全等问题时，很多时候缺乏计算法学的思维做定性与定量的分析。若能够借助计算法学的思维，结合比例原则对政策目标进行成本以及收益的分析，这将对我们国家数字领域的立法产生非常重大的影响。
（3）计算机思维和法学思维的底层逻辑有所不同，在交叉领域我们经常可以看到两种思维的碰撞：计算机思维是从抽象到具体，而法学思维是从具体到抽象；计算机领域更多考虑是否能解决核心需求，而法学学者更关心是否合规合法、是否存在伦理问题。目前的立法、执法、学术研究工作均需要融合计算机思维与法学思维，因此，此次论坛的主题意义特别重大，希望能看到更多的成果持续推进研究。
肆
与谈人：聂友伦副教授
围绕数字法学与实证研究，聂友伦老师谈论了两个方面的体会。
（1）宏观上来看，人工智能法学、数据法学与实证研究跟目前主流的法教义学研究的研究标的有所不同，前者更聚焦于实然问题，而后者聚焦于应然问题。这样的差异导致了一些学术上的争论，但这样的争论更大程度上是前见所造成的不必要的争论，这两种方法均是解决法律问题的路径。解决法律问题可以诉诸两个方面，一方面是解释论以及立法论的研究，另一方面是社科法学实证研究，法律人工智能能够带给实证研究更有力的支撑，让学者明晰问题的症结点究竟在何处。
（2）数字法学研究的长处很明确，它能够提供许多很好的解决方案。但是数字法学也有其固有的短板：数字法学基本上只能通过过去的数据和案例对未来进行预测，但是我国正处于百年未有之大变局，当社会价值取向以及国家政策导向发生变化时，过去积累的数据是否还能使用、该如何使用、数据意义在哪里等问题值得我们思考。当我们使用计算机技术和过去的数据去预测未来时，不仅预测本身可能没有意义，甚至有可能会导致错误的结论，这个现象值得我们警惕。
编辑｜蔡明焱
排版｜赵飞飞
更多资讯，请关注
刘品新｜网眼观法
以网观法｜以网思法｜以网学法
联系客服
