国外人工智能与法律研究进展述评法律方法完整版.docx
《国外人工智能与法律研究进展述评法律方法完整版.docx》由会员分享，可在线阅读，更多相关《国外人工智能与法律研究进展述评法律方法完整版.docx（25页珍藏版）》请在冰豆网上搜索。
国外人工智能与法律研究进展述评法律方法完整版
HUAsystemofficeroom【HUA16H-TTMS2A-HUAS8Q8-HUAH1688】
国外人工智能与法律研究进展述评法律方法
国外人工智能与法律研究进展述评
张妮1*，杨遂全2,蒲亦非3
（1四川大学图书馆，2四川大学法学院,3四川大学计算机学院成都610064）
摘 要：
人工智能与法律在国外业已成为了计算机、法学的一个研究分支,二者的结合卓有成效，对促进人工智能和法律两个学科的发展均有促进和完善作用。
本文以SCI和EBSCO数据库为基础，着重研究了近15年来以人工智能和法律为研究主题的相关研究成果，旨在说明人工智能与法律结合的必要性、难点、优势，希望能较为客观地展示研究的主题以及近年来新的发展趋势。
论文以国外人工智能与法律的两大研究主题：
法律推理和裁量模型、法律本体为线索，分别论述了其研究现状、困难和趋势，并结合我国的研究现状说明人工智能与法律的结合对提高法律系统的质量和运行效率具有积极的意义，并且正吸引着更多学者的关注。
关键词：
人工智能、法律推理、法律论证、专家系统、法律检索
ResearchreviewonArtificialIntelligenceandLaw
ZhangNi１，YangSuiquan2，PuYifei3
（1LibraryofSichuanUniversity,2SchoolofLaw,SichuanUniversity,3CollegeofcomputerScience,SichuanUniversity,Chengdu610064）
Abstract:
Artificialintelligenceandlawhasbeenthesubfieldofcomputerorlaw,thepurposeofpaperistriedtoexplainthebenefitsanddisadvantageofthesynergyofartificialintelligenceandlaw,andrevealtheresearchtopicandnewtendencyoftheinterdisciplinary.Inthefirst,webrieflyreviewthehistoryofartificialintelligenceandlawinforeigncountries,analyzetheinevitabilityofthesynergy,explaintheadvantageanddisadvantageofthesubject,andobjectivelypresentthemainsubjectandthetendency.Inthesecond,weanalyzethetendency,researchstatus,obstacles,advantageanddisadvantageofthetwomainbranches---legalreasoningmodelandlegalontologybasedonSCIandEBSCOdata.Intheend,wediscussthecurrentresearchstatusofChinainthisarea,explainthisstudywillbenefitforimprovingthelegislationqualityandjudicialefficientoflawsystem,andpointoutitisattachingmoreattentionsfromscholarsoflawandcomputers.
Keywords:
Artificialintelligence,Legalreasoning,Legalargument,Expertsystem,Legalretrieve
联系方式：
四川省成都市武侯区望江路29号四川大学文理图书馆610064，zhangni77@,136********
人工智能与法律是一门涉及伦理学、教义学、心理学、行为学、哲学等多学科知识的综合性交叉学科，其研究不能被看作人工智能与法律两个领域知识的堆砌和渗入，而是人工智能与人工智能、法律与法律、法律与人工智能深度融合，对人工智能和法律两个学科的发展均有促进和完善作用。
尽管人工智能与法律的学科定位未有定论，但毋庸置疑，作为交叉学科人工智能与法律正在逐步为人们所认识和接受，并吸引着更多的计算机、法学、逻辑学等方面诸多学者进入该领域。
早在人工智能产生的初期即上世纪50年代，Mehl敏锐地嗅到人工智能将对法律的研究产生重大的影响，便开始致力于人工智能与法律相结合研究。
此研究历经了近半个世纪的发展，其应用的优势、存在的问题也逐渐显现出来。
他山之石可以攻玉，本文通过对国外人工智能与法律现有研究成果的梳理，希望能促进该学科在我国的发展。
一、人工智能与法律：
卓有成效的结合
1.人工智能与法律发展简史
1958年Lucien最早提出了法律科学的信息化处理，即建立法律文献或案例自动检索模型和法官裁量模型，但该观点最初并不被大多数的学者所认可，直到1970年Buchanan发表了《关于人工智能和法律推理若干问题的考察》，标志人工智能与法律作为研究分支的诞生。
该文讨论了法律推理模型的可行性，借助于计算机编程提出判决建议模型、法律分析，并强调了类推的重要性。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，如何使用人工智能的方法建立基于规则和案例的法律推理模型或专家系统是人工智能与法律的研究重点。
1977年Thorne用逻辑推理的方式分析公司税务法建立了TAXMAN系统，1981年Waterman等开发设计了产品责任的民事裁量模型，1984年Gardner在其博士毕业论文中探讨了法律失效情况下合同法的自适应处理，继而在1987年发表了“人工智能与法律推理”，1989年澳大利亚开发IKBALSI用于解释事故《司法补偿》条例，处理工人事故补偿问题，1991年Deedma以加拿大案例为基础研究人工智能的专家断案系统。
1995年开发的Split-Up用于处理离婚案件的财产分割。
2005年贝叶斯网络被用于法庭调查中评估火灾事故的证据。
2007年Strand将一般用于工程、计算机、医学的贝叶斯方法用于法学的实证分析，以观察规范值与实际值的差异。
2008年Riesen以受害人的特点为视角，用贝叶斯信念网络分析美国刑事案件，提高自动分析的效率。
各国开发了不少专家系统或裁量模型，如HYPO,CATO,IBP,CABARET,GREBE,SCALIR和PROLEXS等系统，有的系统具有连续性和承继性，有的已用于司法实践之中。
当前基于关键字的法律检索已远不能满足法律信息爆炸时期对法律知识管理要求，法律本体论已被广泛应用于文献查询、数据和文件挖掘、计算机辅助拟定法律，法律汇编、建立裁量模型、多主体模拟以及环境资源管理的决策系统等。
法律本体工程应用研究是计算机和法学发展的必然要求，一方面法学希望使用最新的研究工具用于法律理论和法律实践，另一方面需要拓展计算机的应用范围，以满足从事法律事务的工作者以及公民的需求。
法律本体的研究相关成果较多，2011年以前就有60余篇论文专注于此，主要涉及法律知识的语义表达、法律语义检索和查询、法律信息管理，譬如，NúriaCasellasandRinkeHoekstra在博士论文中具体论述了法律知识的表达和法律本体的构造，lame对法国法律规定查询建立了法律本体，Breuker建立了荷兰刑法的本体结构，Hafner构造了法律概念的语义网络，McCarty建立了法律语言的本体（LLD）等。
2.人工智能与法律结合必要性、优势和难点
人工智能作为计算机科学的研究分支，研究旨在用机器模拟人的智能，建立智能计算系统，自1956年诞生以来，其研究成果已广泛渗透到经济学、心理学、社会学等许多社会学科之中。
法学是以社会关系为研究对象的关于法律问题的知识和理论体系，前者关于利用智能算法模拟人类的思维，后者关注于逻辑、经验，立法和司法语言模糊、司法裁量标准的不明确、价值判断的实效性和地域性，使得裁量结果具有不确定，人工智能能够模仿人类的思维进行相关的判断和检索吗？
法律多年来一直陷于“技艺学”和“社会科学”之争，尽管法的科学性的争论早已尘埃落定，成为不争的事实，然而法律仍存在模糊性、滞后性问题。
表面上法律是不一个人意志为转移的客观存在，而实际上法律是人们习惯和信仰的产物，是多种利益权衡的结果，司法实践中法官按照自己的理解解读法条，律师按对当事人有利的方式解读法律，利益较量获得的裁量结果受到多种“不可控”因素控扰，其非线性表现得尤为突出，试图用经典数学对于模糊性问题进行准确描述获得的结论往往偏离了人们的正常认识。
法律的复杂性和模糊性具体表现在：
1）法律是多种知识的结合，涉及案例、规则、理论、程序、授权、规则及元规则等；2）法律需要特定的知识储备，包括来自各层法院的案例、法律法规、司法解释、规则等；3）法律判定标准不同，英美法国家强调遵循先例，大陆法国家则更强调遵循规则；4）法律推理原则不同，大陆法系以规则为法律推理的起点，英美法系以案例为中心；5）法律制度并非机械的适用规则，同时需满足不同的功能定位，如倡导、调整、警示、制定规则和政策等；6）法律概念并非界定清晰明确，往往是模糊不清的，难以用简单的语言进行定义；7）法律通常采用双方对立辩论的方式寻求事实的真相；8）法律是一门值得反思的学科，各种流派的法理学知识是法律规则产生的基础。
人工智能与法律的研究包括法律推理、裁量模型、信息检索和查询，司法和立法过程中遇到的各种问题迫切需要人工智能技术参与其中，帮助解决法律系统中的具体问题。
首先，智能系统有助于提高司法效率。
大量的诉讼案例出现，法院压力大，有的案例长期得不到解决，且法律条文复杂，仅以德国《税收法》为例，就有7万个规章，普通人要掌握这么多法规基本上是不可能的，对于主要依靠经验和对法律条款的熟悉程度的法官来说，智能化的法律搜索系统和办公系统，能提高法官和律师的办事规范化和工作效率。
其次，智能模型能够促进司法公正，减少司法枉法裁判，促进公众对法律及司法的理解和公信力。
法律语言不精确，不同法官对法学精神和法律条文的理解不一致，受个人成长经历和心理素质的影响，使得司法缺乏裁量的统一性，即便是美国或德国最高的法院亦经常对同一案例做出不同的裁量往往法官的裁判结果差异较大，易使普通老百姓受到不公正的待遇，法律查询技术和裁量专家系统，能促进同案同判和司法公正。
第三，智能系统有助于提高立法质量，缺乏相关的数据支持，立法似乎仍是遵循“常识”而非依赖“科学数据”，而立法讨论往往是需要快速决断的过程，通过的立法决议经常是立法者未经深思熟虑和调查，只是暂时妥协的结果，而其修改还需要特定程序和长时间的等待，功能强大的法律信息检索能帮助立法者做出正确的判断。
同时，人工智能与法律的结合，拓展了计算机科学的研究范围，对于发现和促进法理学、逻辑学、认知科学及人工智等理论认知科学、逻辑学等理论研究具有积极的意义。
人工智能发展与不稳定动态系统理论密切相关，试图在杂乱无章的物质运动中寻找规律，与经典数学相比，人工智能方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点，对处理非线性和模糊问题具有独特的优势。
用人工智能的方法建立的司法裁量模型或专家系统更接近于司法的实际裁判结果。
首先，影响司法裁量的各因素无需精确的数学描述，也无需事前揭示描述这种映射关系的非线性表达式。
其次，无需各裁量因素极大线性无关或更严格要求的相互独立。
传统数学要求研究因素之间应是极大无关或是各因素之间相互独立，所谓无关性是指向量空间的一组元素如果其中没有向量可表示成有限个其他向量的线性组合。
再次，自动搜索获取最优各裁量因素的权重和权重系数。
传统数学一般要求各裁量因素的权重和权重系数是明确的，而人工智能不需要事先知道各裁量因素的权重和权重系数。
本体论作为一种能在语义和知识层次上描述信息系统的概念模型建模工具，具有共享、互操作和重用的优势，面对法律信息海洋，当前基于关键字的法律检索已远不能满足法律信息爆炸时期人们对于法律检索的预期，法律本体信息查询系统对梳理法律知识系统，快速的查询相关法律文献和案例具有无可比拟的优势。
人工智能建立裁量模型或查询本体的过程不仅是工程实现的过程，也是各领域知识相互融合的过程，长远来看，此过程可以近似认为是领域研究的动态发展和知识获取的过程。
人工智能与法律结合的难点在于：
第一，自然语言的句式和语义复杂多变，这种多样性使得自动分析极为困难。
人工智能进行判断、预测和推理的前提在于需将法律规定、案例事实由自然语言翻译成机器语言，实现这种转换依赖于确定的法律概念、明晰的推理规则，这需要法律逻辑、法理学、认知学等相关理论的支持。
第二，本体建构需要深入认识法律概念和概念之间的复杂关系，并建立法律语料库，此过程本身也具有较大的难度。
第三，专家系统模型的建立是对法官裁量过程的模拟，需要明确法官裁量因素，而法官的裁判结果收到各种外在和内在价值观的影响，难以用具体语言进行描述。
最后，人工智能裁量和检索系统的建立既是完善理论的过程，也是工程实现的过程，无论是专家系统的建立还是本体检索系统的建立，都需要对规则和案例进行大规模的统计和分析，且需要的各学科人员的配合，其本身也是一个费时费力的过程。
3.人工智能与法律的研究主题
早期的人工智能与法律的研究成果往往散见于计算机类、法律类的期刊中，自1992年匹兹堡大学法学院资助《人工智能与法律》（ArtificialIntelligenceandLaw）创刊以来，一直关注人工智能与法律的最新发展成果，其研究主题包括应用人工智能、认知心理学、法理学、语言学、哲学等知识用于建立法律知识、法律推理、法庭判决的模型，也包括其他涉及伦理、社会的人工智能与法律相关研究，发表学术论文、书评、程序系统或产品的技术报告、研究笔记等，成为了人工智能与法律的研究学者的精神家园。
故而，我们以该杂志发表成果为研究的对象，能够对人工智能与法律的发展历史、现状和走向有一个比较清晰的脉络。
本文以EBSCO数据库中该期刊的相关论文为研究对象，由于EBSCO数据库暂无1992年至1996年该期刊发表的论文信息，故我们选择1997年1月至2013年5月该期刊的论文作为研究对象，通过对文章研究主题的内容、涉及的研究具体制度、使用的研究方法的分析，便于整体把握相关主题的内容、发展。
表1《人工智能与法律》研究主题列表
编号
研究主题
涉及的具体内容
使用的技术工具
数量
所占比例
1
法律推理（Legalreasoning/argument）
司法裁量模型、专家系统（Judicialapplications、Model、ExpertSystem）
犹太法、隐私法、知识产权法、某具体案例、侵权法、合同法、教学、刑法、失业救济法、诉讼法、家庭法、金融犯罪、非物质损害、交通事故、商业秘密法
贝叶斯网络、模糊数学
（Bayesiannetworks、Fuzzymathematics、AInetwork）
80
33.33%
2
法律本体、信息检索
（Legalontology,retrieval）
Ontology、Semantic、Protégé、OWL、OWL-DL
50
20.83%
3
法律知识和概念分析
认知学（epistemology）
31
12.92%
4
主体（agent）
多主体（multiagent）
30
12.50%
5
规则制度或修订、规则的可行性分析（normsimulation,normrevision，lawanddefeasibility）
国际私法、销售法、禁烟
20
8.33%
6
政策制定（policymake）
可再生资源、公司保密协议、电子签名、犯罪记录
代数
10
4.17%
7
证据（evidence）
12
5.00%
8
综述
人工智能与法律的综合性论述
9
3.75%
合计
240
100.00%
对最近15年《人工智能与法律》发表论文的研究主题的分析可知：
第一，人工智能与法律的研究主题远比我们想象的丰富，除了比较熟知的用人工神经网络建立相关裁量模型和基于本体论的文献查询之外，还有立法和政策可行性的具体分析、多主体研究、证据分析以及关于法律概念、逻辑、义务等理论研究。
第二，人工智能与法律的研究采用了最新的人工智能的相关技术和成果，如人工神经网络、贝叶斯网络、模糊数学、本体论研究等。
第三，人工智能与法律的研究不仅涉及认识论、道义与逻辑、心理、法律概念的理论分析，也有对侵权法、知识产权法、合同法、教学、失业救济法、诉讼法、家庭法、金融犯罪等具体领域或相关案例的实例分析。
第四，从文章发表主题的数量来看，关于利用人工智能进行法律推理、建立司法裁量模型、专家系统一直是人工智能与法律研究的重点，有80篇论文研究该主题，约占33%。
信息检索的研究的论文数量最多，有49篇，约占论文总数的20%，且主要以本体论为理论的基础。
近年来人们也越来越关注用人工智能的方法参与到立法检验、立法预估之中，有30篇论文关注于立法、政策的制定和修改、实施效果的评估，约占12%。
电子主体、软件主体已越来越多，其对传统的合同法等也造成了一定的影响，31篇论文专注于讨论主体的权责，占13%。
用人工智能的方法涉足于法律理论的研究也越来越受到重视，认知学、道义学等用于分析法律问题，有31篇相关论文，占13%。
上述研究内容虽然研究的侧重点有所不同，但又是紧密联系的整体，法律逻辑是通往司法公正的桥梁，是关注法律领域的推理或论证的分析、评价或建构的科学，它是进行司法案例、立法效果分析的前提。
现代技术如贝叶斯网络用于证据推理可确定各种假定的证明力，该网络的建立与法律逻辑紧密相连。
法律理论研究，诸如智能主体、道义与法律的关系、权利义务、法律概念的分析等是建立裁量模型和本体的基础。
总之，这些主题互为前提，很难清楚地将各研究主题割裂开来。
法律推理、裁量模型、专家系统、法律本体检索一直是人工智能与法律研究的重点，故而本文将以这两部分的研究现状为主要研究对象，分析人工智能与法律的现状及趋势，但实际上，也将其他主题的内容大多都涵盖了。
4.研究的整体趋势
通过回顾1997年至2013年《人工智能与法律》发表的论文，可以发现：
1）人工智能与法律的研究主题更为拓展，除了专注于司法应用的法律推理、专家系统、法律检索之外，应用人工智能进行智能主体、权利义务、本体概念分析等理论方面的研究的作品越来也多，说明该研究对法律理论的促进作用越来越明显；2）研究的内容更具针对性和实用性，无论是基于规则还是基于案例的建模，都不只是理论的分析，而是与实践相结合，深入探讨某一领域的概念、特点，更加重视系统的实用性，早期的人工智能与法律的研究成果主要由人工智能方面的专家主导，随着更多的法学研究者介入模型建构中，使得研究成果更有实用价值；3）学科融合更加紧密，贝叶斯网络、语义技术、向量空间模型、本体论等最新的科研成果很快被用于法律领域，以提高司法裁量模型的实用性、评估和改善立法质量、促进法律检索的效率；4）更多的国家的学者涉入人工智能与法律的研究，不仅以案例为基础的英美法国家重视人工智能的立法和司法中的应用，传统的大陆法系国家如德国、法国、日本也有不少学者积极的进行相关的探讨。
二、法律推理与法律裁量模型
1.研究现状及趋势的初步分析
为了对法律推理、法律裁量模型及法律专家系统整体的研究现状及趋势有一个了解，我们选择了对SCI数据库进行分析，以“legalreason*”“model”为关键词，选择SCI数据库进行检索有741条数据，根据webofscience的类别进行精炼，发现有359相关研究成果（最后查询时间为2014年1月20日）。
通过研究这359篇论文我们可以获得如下的信息：
（1）论文的数量和引文的数量在稳步增长
图1论文发表情况图2论文引用情况
图1是近十年以来相关论文的发表情况，从柱状图可见，2006年以后相关论文发表是逐年增加，图2是相关论文的引用情况，2009-2012年引用率较高，表明人们对该交叉学科研究热情在增加，学科正处于上升态势，虽然2013年的引文数据不多，与本统计处于2013年末2013年的数据未统计完整也有关系。
（2）相关论文所属学科
法律推理和建立裁量模型属于法律与计算机的交叉学科，从所发表论文的学科来看，属于计算机和工程类的论文最多，而法律类的论文其次，可以推测目前对本领域的关注目光主要来自于工程应用的需要，法学对此领域的涉入比计算机学科对此的关注相对要少一些。
表2相关论文所属学科
交叉学科领域
论文篇数
所占比例
COMPUTERSCIENCE
176
49.03%
GOVERNMENTLAW
158
44.01%
ENGINEERING
37
10.31%
INFORMATIONSCIENCELIBRARYSCIENCE
25
6.96%
BUSINESSECONOMICS
24
6.69%
PSYCHOLOGY
18
5.01%
OPERATIONSRESEARCHMANAGEMENTSCIENCE
17
4.74%
SOCIALISSUES
13
3.62%
SOCIOLOGY
13
3.62%
CRIMINOLOGYPENOLOGY
12
3.34%
（3）会议论文较多
一般来说，专着、教材是对较为成熟和完备的知识的总结，比较多的专着教材表明该学科相对比较成熟；期刊是对较新颖的学科和较完备理论的总结，较多的期刊论文表明该研究已获得了较多的认同，理论趋于完善；会议刊登的论文较为新颖但其理论不一定成熟，较多的会议论文表明该学科还处于上升时期，理论还不成熟。
我们考察法律推理、法律裁量模型的研究成果可知，专着仅3册，50%以上的论文发表在会议论文集或以会议为基础的推荐期刊中，可以从一个侧面推测，本研究领域尚处于理论不完善的阶段，还有很多理论尚待完善。
（4）论文作者的国别
法律研究有着大陆法系与英美法系的分野，其研究的重点也有所不同，英美法系重视案例以判例为审判依据，大陆法系重视法律规定以成文法为审判依据，从研究者的国别来看，对此问题感兴趣的不仅以案例为基础的英美法系国家重视人工智能的立法和司法中的应用，传统的大陆法系国家如德国、法国、日本也有不少学者也积极地进行相关的探讨。
以案例为基础进行逻辑推理和建立裁量模型是主要的趋势，故而英美国家的论文相对较多。
三段论的逻辑推理也是大陆法系国家司法裁判的基础，随着大陆法系国家对案例的认识的加深，有不少传统大陆法系国家积极进行探讨。
表3相关论文作者的国别情况
作者所属国家
发表论文数量
所占比例
USA
138
38.44%
ENGLAND
46
12.81%
GERMANY
23
6.41%
PEOPLESRCHINA
19
5.29%
CANADA
16
4.46%
NETHERLANDS
16
4.46%
AUST
升级会员 