问答环节 + 现场答疑 | 季卫东&曾思：秩序的可计测性——法律运行的科学观与智能化 | 青木论文奖系列高端讲堂
秩序的可计测性—法律运行的科学观与智能化
青木昌彦经济学论文奖系列高端讲堂第五期
7月16日下午，青木昌彦经济学论文奖系列高端讲堂第五期在线举行。上海交通大学文科资深教授、上海交通大学凯原法学院讲席教授、CIDEG学术委员季卫东对话香港中文大学法律学院助理教授、第二届“青木昌彦经济学论文奖”提名奖获得者曾思，就“秩序的可计测性——法律运行的科学观与智能化”展开讨论，今天我们特将对话环节内容整理如下，经嘉宾授权，全文分享给读者。特别是当天季卫东教授没来得及回复的在线观众提问，在讲座结束后，季教授对部分提问仍然做了回复，我们也同步分享如下，供读者参考。
对话环节实录
曾思：感谢季老师非常精彩的讲座。季老师的讲座以国家法治的现代化作为核心的问题，我想这对于法学学者和经济学学者都是一个根本问题，对于法学学者来说，可能会更关注法律对个人权利的保障、对国家权力的限制，经济学学者可能更关注法律发展的角度，投资者今天做出的投资会不会因为明天一个法官的恣意判决价值减损或者没收了，只有国家法律提供足够强的稳定性和确定性，投资者才会做出相应的投资，社会才会有进一步的发展。我想季老师的讲座既有历史上的纵深感，举了非常多的例子，梳理了学说发展的逻辑，同时又密切联系了人工智能和一些信息科学的前沿研究。总体来讲，信息量非常的巨大。我算是半个外行，因为我自己做过一点点计量法学的研究或者法律实证的研究，但是对于计算法学并没有深入的思考。我从一个半外行的角度谈谈我自己的一些体会，也提出一些问题，我想在座的今天的听众也会跟我有一样的困惑或者跟我有类似的感触，我就抛砖引玉，之后季老师可以再回应。
首先，我想谈一点我自己的学习体会。季老师讲的问题主要关注点放在国家法治现代化的角度，但是其实他讲座有两条非常重要的主线，一条是规范主义，一条是科学主义。这两条主线对应了法学界另外一个非常重要的争议，关于法律教义学研究方法的问题。今天听众并不都是法学界的学者，法学界长期以来存在两大非常重要的阵营，一个是所谓法教义学阵营，一个是社科法学的阵营。法教义学的阵营是以实在法作为基本的前提，以此为出发点研究法律的体系和法律的解释工作的这么一种规范的科学，这个阵营的学者很多是德国和日本留学的学者。另外一个阵营是所谓的社科法学阵营，这个阵营很多是美国留学的，像我这样的，试图将社会科学跟法学相结合。国内我曾经听一位经济学家评论法学界，说中国法学界法学家很少，但是法条学家很多。他讲的法条学者是讲的教义学学者。
我想今天季老师讲座非常重要的一点是解释了法教义学的本质，它是研究规则之治的算法，这个说法非常有趣。首先讲一下什么是算法，算法有几个特征，首先有输入变量，然后可以解决某一个问题，然后输出某一些数据。在这些过程中，如果我们把法律规则或者教义学研究工作当成一种算法，它其实是试图找到一种法律推理的方法，使得在一个案件发生的情况下，通过输入一些变量可以产出一些法律上的后果。
举个例子，刑法学长期以来研究的一个问题是怎么样认定一个人犯罪或者承担刑事责任，刑法学内部有非常重要的四要件与三阶层之争，四要件讲的是认定一个人是不是犯罪主要看四个方面，主体、客体、主观方面、客观方面，这四个方面都满足了就可以被认定为犯罪，故意杀人罪的嫌疑人，他到法院里，法官就问几个问题，首先他是不是一个犯罪主体，比如说他是不是自然人，有没有达到18岁，有没有成年，有没有精神病之类的，这个都满足了，再看有没有主观故意或者过失，是不是杀了一个人，那个人是不是自然人，有没有造成那个人死亡的后果，如果这些都符合条件了，那法官就认定这个人需要承担故意杀人罪的后果。另外一种流派的理论则认为，刑法的推理应该以三阶层的方式进行，首先考虑类似的构成要件，在满足这些构成要件的情况下再考虑所谓的违法性和有责性，这样的理论流派解决什么问题？其实在解决我们怎么构建法律推理的过程，使得任何一个嫌疑人面前，法官只要输入一些具体的变量之后就知道他判了什么罪。
这样推理过程的研究或者建构起来的好处是加强了法律的确定性，整个过程我们可以知道什么样的情况最后是什么样的结果，这个算法是客观中立的，它存在了，以后任何判决到法官面前就会得出相对来讲比较合理的结果。法教义学的学者可能会争论怎么设计中间推理的过程会使得结论更加符合推理的过程。三阶段的学者可能会觉得，有的条件下四要件会得出一个有悖于常识的结论，但是如果我用三阶层分析，这个结论可能更符合常识。
在这个理论的建构过程中，实际输入端和输出端都已经是法官或者一般人都有一个判断，那法教义学可能研究的是中间的这个过程。法教义学主要的优点就是季老师讲的，增强法律的确定性，以及任何发生在中华人民共和国境内的犯罪，无论是什么，我们有个刑法典，他到法院里，无论遇到哪一个法官，法官跟犯罪嫌疑人有没有特殊关系，有没有情理上的纠缠，最后他都得按照这套推理过程得出一个相应的结果，我们认为这就实现了法律的确定性。
同时，它又具有比较普遍的约束力，法教义学学者会尽可能考虑更多的情况，要避免出现任何的漏洞，这个规则才能是被认为非常严密的法网。
民法的学者其实与此类似，民法学有非常著名的理论叫请求权基础理论体系，这个体系是说任何两个平等的民事主体，比如我跟季老师，我们到了法院，法院都是按照一套确定的检索的算法，比如先问我们几个问题，我们之间有没有签过合同，有没有侵权行为，等他问完这些问题之后就会得出一个具体的结论，请求权规范体系就提供了这样一个规范的检索过程，民法的很多教义学学者的工作就是在搭建这么一个体系。从计算法学的角度，我觉得把法教义学的研究和算法相类比，这是非常有趣的观点，可以帮助我们理解法教义学工作到底在做什么，我们可以更好地跟社会科学的学者们解释法学学者们的工作，其实都是在为了市场经济和国家法治现代化在努力。
近些年来，人工智能也好、计算法学也好，在法学界的讨论都很热烈，但是我觉得真正跟重大的根本问题相联系起来的还是比较少，季老师今天演讲的题目我觉得是跟重大的核心问题是相挂钩的，而且提出了让人非常有启发的见解。
刚才是随便说了一通我个人的体会，我觉得这个讲座里面非常有意思的内容。接下来，我想借这个机会向季老师请教几个问题，今天清华给我这个机会跟季老师对话，我也非常珍惜这个机会。我个人学力有限，所以未必能准确体会季老师的深意，如果讲的有不当的地方请季老师指正。
第一个问题，问一个关于规范主义和科学主义两条道路的问题，根据我的理解，我会觉得规范主义以及后面季老师讲的计算法学的四个主题下的关于计算人工智能辅助推理的子话题，跟前面所提到的最核心的问题，就是增强法律的确定性和国家法治的现代化是联系最为密切的。规范主义就是刚刚说的法教义学的整个研究的目的其实就是要增强法律的确定性，人工智能如果能够进一步辅助推理，可能可以更好地强化法治现代化。在这个问题下，我非常好奇的一点，人工智能对于规范主义的改进，比如说用机器来辅助推理，或者构建这么一种推理系统，在多大程度上可能会损害法律本身的灵活性和合理性。季老师刚刚讲座里面提到了马克思韦伯，马克思韦伯曾经提到过一个著名的英国问题。马克思韦伯发现相比欧陆法系统，英国法在理性化和确定性方面都要更弱，总体来讲，欧陆的法学系统是一个非常接近于我们刚刚讲的法律教义学系统，还有成文化法典、法律推理也尽可能做到环环相扣，最后的结果更有确定性。欧陆法院的组织也是更加的官僚化，是一个阶层性的法院组织体系，这样的阶层性的法院组织体系，达马什卡认为，法官会更加容易建立起常规的做法，像一台巨大的机器。你可以想象法院前面放一个机器，几个嫌疑人来了输入变量机器给你吐出结果。这样的法院体系，在普通法系地区，比如英国，并不一样。英国法的确定程度相对更弱，法院里更多的是一种水平的权力结构，它可能更加注重个案的实质正义的实现程度。我们都知道，现代市场经济要求法律有一定的确定性，因为我们不知道今天投资的公司是不是明天政策就变了，那会影响我今天投资的价值。但实际上，在20世纪90年代有非常著名的法与金融运动，所谓LLSV，一群经济学家包括世行的一些经济学家加入，他们比较大陆法系和英美法系的情况下，他会觉得英美法系更加优越，理由是英美法系更能够促进资本市场的发展，因为英美法系有非常复杂、灵活的法律规则，尤其是资本市场相应的法律规则，一个所谓的例子是《公司法》的忠实义务，他认为这样的义务法官可以非常灵活的适用，可以规制很多上市公司做的不当行为，比如通过各种各样的方式把钱塞到大股东的口袋，损害小股东的利益。LLSV说，英美法官因为这个法律规则更灵活，所以导致他的资本市场对小股东保护更好，小股东就更愿意投资，资本市场就发展起来了，他们经济也好。他们举了一个反例，是法国法系，法国法的有个很明显的缺点是形式主义，法国法系的法官就对着法条，看看这个公司做这个行为行不行，如果不行就禁止，法律没有明确写的时候，这个法官就非常的保守，也不主动干预这个企业的经营，很可能法国法系对投资者保护不周了。在LLSV的法与金融的运动下，好像他们更多的关注并不是法律的确定性，而是这个法律是不是实质可以保护小股东，或者是不是合理能够促进正义实现，然后提高经济效率。
回到我们刚才的讨论，如果我们更多的是关注法律的确定性的话，是否会造成formalism的问题，以及多大程度会影响法律的实质正义，这是我个人比较关注的问题。刚才的季老师PPT里我也看到提到一个机器官僚主义，我觉得这个意思大概跟我刚刚说的类似，就是将人工智能或者说由计算机算法来判决案件的时候，是否会在一定程度上使得这个体系更加的官僚主义，就是本来大陆法系的法院就是一个官僚化的制度，如果我们通过计算机的算法引入以及人工智能引入，可能很多地区的法院就担心我的判决是不是跟别人不一样了，如果之前一个法院是这么判的，我拿到一个类案是不是有这样的压力，要跟它一致，如果全部一致的话，对于法律体系的发展是不是有比较好的促进作用，这是我个人的一点疑问。
第二个问题，主要关于规范主义，抛开刚才讲的科学主义只看规范主义，计算机可以在多大程度上帮助我们提升法律推理的确定性？刚刚季老师讲座里提到非常有意思的计算图示化的内容，以及通过将法律推理变成一种图形或者公式、概念运算的方式来展开这样一个努力，我的一个疑问是，这种图形化也好、计算机化也好这样的努力，在多大程度上能够在现有的法教义学理论上进一步增强确定性，有没有可能说法教义学处理这些问题已经足够了，把它图示化会不会改变原有推理的过程？因为我主要关注部门法比较多，我直接想到的是刑法的三段论推理。
刑法三段论我觉得就可以通过一个图示实现，假设一个检察院带了一个嫌疑人到法院来了，我就写几行代码，首先是不是自然人，是的话就输入1，不是的话就输入0。然后他有没有杀人，对方是不是死了，有的话就写1，没有就写0，把这些全都输入进去之后用三阶层理论第一阶层可能就通过了，可以转化为计算机语言，如果第一阶层通过了我们进入第二阶层再问一些问题，如果没有通过的话，那这个人给他一个定性，他符合构成要件该当性，但是暂时没有违法性。这样的算法是可以实现的。但是在算法理论上，评价一个算法的优劣的一个重要概念是时间复杂度。比如说围棋，过去很长一段时间算法其实算不出来，因为围棋的可能性非常多，每一步都会影响成千上万甚至几亿的可能性，后来人工智能出来了，大家觉得很厉害，人工智能可以提供一种算法使得每一步计算机都能算出你后面会怎么样，AlphaGo就李世石打败了，这样的时间复杂度就在人工智能出现之后大大降低了。但是在法律领域我的疑问是，法学领域需要的算法究竟有多复杂，就是法学是不是足够简单以至于不需要计算机，我们人力推一推也能够推出来。
接下来一个相关的疑问，计算机改进法对于哪个部门法比较有影响，刚才我说的刑法可能相对简单了一点。我个人感觉可能在《证券法》领域人工智能改进法律会有更大的空间，我举个例子，《证券法》的虚假陈述问题，现在我们国家推虚假陈述的损害赔偿制度，用来保护投资者免受上市公司虚假陈述的损害，这种情况下经常会发生一些问题，一个是原告人数非常多，证券市场成千上万的投资者整天都在交易，每个人买的时间点和价格都不一样，他受虚假陈述的影响就都不一样。还有一个问题是证券市场的数据量非常的复杂，有可能一个信息出来改变了股票的价格，有可能不是因为这个信息造成的，可能是因为市场因素造成的，这种情况下，计算法学也好、人工智能也好，可以更多的帮助我们处理这些复杂的证券信息，随着市场发展数据越来越多，可能计算机可以做出一套算法来，来了一个虚假陈述的受害人，法院点一下这个软件立刻就生成一个结果，这个公司应该赔受害人多少钱，这个对法院肯定是行政上节省了非常大的资源。
不过，回过头来仔细想一下，证券法领域的计算机辅助更多的是关于事实认定而非法律推理的过程，人工智能在辅助法律推理和事实认定的角度是不是更偏向于后者而非前者。
第四个问题，计算机的辅助系统是不是对复杂的法律系统更有用，对于简单的法律系统就更弱呢？我在美国时曾经做过一个非常头痛的事情，就是在美国报税，美国税法非常复杂，联邦收入法有几千条，我当时看了好像四千多条，反过来中国个人所得税、企业所得税几十条甚至上百条，美国的税法里面写的非常复杂，你看一个税法法条会把你引到第二个法条、第三个法条，等你引来引去，最后等你搞清楚后来法条是什么意思的时候，可能第一条的意思你又忘了。美国这个律所就开发了一套软件，我们在美国用过，你把你的个人信息录入进去，你是什么人，收入是多少，收入性质是什么，有没有豁免，用软件点一点就告诉你可以怎么报税，或者税务局应该退给你多少税。这个人工智能或者计算机软件是非常有效的软件。但是前提是美国的立法技术本身就这么复杂，立法人员已经把这个体系建立的非常完善了，剩下的就是把法条变成计算机的形状，那好像更有用一些。在中国的情况下，法律推理是不是类似的复杂，会在什么领域我们会用到，我也是存在疑问。
还有一个类似的问题，不同法系下，计算机改进法制的路径是否一致？对于普通法系下的判例预测是否有更大发挥空间？在中国可能发展的前景是不是相对更弱一些。
最后一个问题，我对季老师刚才提到的价值排序非常感兴趣。季老师提到是根据论题相互引用和出现的次数可以赋予它价值，然后就可以对重要的论题给予更高的权重建立排序，这样机器就可以进行价值判断了。我的问题是，论题出现的次数以及被引用的程度，这个是由谁来决定呢？是由法官决定还是请几位法学家排个序决定的。就是说机器对论题进行排序的过程中有一定的输入，输入端论题的价值权重是有人已经给了它的。机器，我的理解，它把这个分散在不同的输入主体的信息收集起来，把它赋予权重可能得出了一套排序的结果，可能更关键的问题是，一开始这个排序是谁来做出的，那个做出的人是否具有一定的权威，如果是这样的话，我们为什么不请一位德高望重的法官或者一位法学家，由他建立一套论题的价值排序，机器在这里增加的价值是体现在哪里？我们提出一个排序的前提性问题，就是谁来一开始提供这个输入，因为机器始终需要给它一个输入，它可能通过判例判决文书，那可能就是法官的决定，也可能是按照学者的论述来排序。
总体来讲，我的问题更多的集中在更细层面上的人工智能如何改进法律推理和价值排序的层面。我暂时提这么多，当然很多问题受我个人的知识水平所限和范围所限，在座听众也不都是专业人士，那么都静静聆听季老师的回应。
季卫东：谢谢曾思教授。他提出的很多问题非常有意思，也是很到位的。非常高兴有这样的机会跟法学界的后浪进行实质性对话。
首先，作为背景知识，曾思教授提供了一个很好的学术分析框架，这就是法教义学对社科法学。这个对立构图前些年在中国学界曾经引起过比较热烈的讨论。今天我的分析说明了法教义学其实反映了现代科学观，旨在树立类似牛顿力学或者数学那样的公理体系，实际上对这个对立构图进行了某种程度的解构。如果我们说社科法学的特征是导入了科学观、科学方法、强调客观性，从这个角度来看，它与法教义学之间并不存在实质性的矛盾。在这个意义上也可以说，社科法学批判法教义学反倒有点“大水冲了龙王庙”的感觉。
在学术争论之际我们还要特别考虑中国法学面临的问题究竟是什么？实际上，中国的真问题是规范思维太弱，权力意志太强。在这样的情况下，无论从规范的角度，还是从科学的角度，我们都应该强调对权力的任意性进行限制，而不应该反而对规范思维方式进行解构。特别是法教义学的规范思维其实反映了近代科学观，试图建立一套数学式的公理体系，与社科法学直接导入科学技术的方法来限制权力任意性有异曲同工之妙。这两者存在着一种互补的关系，尽管思路很不一样。当然我也理解，提倡社科法学的朋友们针对的中国现存法律学过于教条化的问题。但是，那是权力意志的条文化、教条化，并没有法教义学强调的那种严密的理由论证和概念计算。对于这样的政法学，特别需要用法教义学的逻辑推理和利益衡量来进行改造。社科法学应该批判的是忽视体系整合性和理由论证的权力意志表达，而不是限制这个权力意志的规范思维。
另一方面我也理解，社科法学作为一种边缘性的学科，需要确立自己的社会认同，为此需要与现有的法律学进行区分，主张自己的差异和独立。从这个角度来看，法教义学与社科法学的对立构图也有其合理性。但是，这种区别不宜采取否定法教义学的姿态，而应该加强对话，建立某种相反相成的竞合关系。总之，我觉得首先把这个分析框架提出来很好，很多相关讨论可以在这个框架中找到适当的定位，也与我演讲中提到的规范主义与科学主义两条思路是互相呼应的。
下面再看曾思教授提出的一些具体问题，让我们来共同商讨。
首先，关于两条路线的问题。规范主义显然更强调价值判断。这种价值判断本来是基于经验智慧，当然还有信念。无论是古罗马时代还是中国古代，思维方式都有这样一个特点，从问题和个案出发，具有概率性、偶然性、不确定性。法教义学试图按照严格的逻辑来对概念进行计算，以便赋予法律的价值判断更多的确定性，更少的主观任意性。但法教义学不排斥利益衡量，在这个意义上是具有灵活性的。判例法体系的灵活性当然更大些，但通过遵循先例机制和整合化论证来实现法律确定性。另一方面，科学主义显然更强调事实认知。事实认知的目的是克服主观任意性、加强客观性，为此必须加强经验科学研究。但传统意义上的规范主义其实也强调经验智慧的。在经验这一点上，规范主义与科学主义也是相通的。
人工智能系统作为一种规则嵌入系统会使法律的执行刚性化，这是我们借助人工智能技术推进法治秩序构建所在意的。例如对违反交规的行为的判断和制裁，机器比人更严格、更有效率，但也一定会有不近人情的生硬之处，未必符合实质正义。这就是我指摘机器官僚主义弊端的缘故。为了防止这类弊端，需要确保人对AI系统的监控和纠偏，不能对自动化决策和执法放任自流。另一方面，人工智能算法也可以通过类比推理等获得灵活性。实际上，人工智能系统也包含基于案例的推理和基于规则的推理，对案例的机器学习要求数据库越大越好。在这个意义上也可以说，如果判例较少的话人工的判断比人工智能的判断更具有合理性，但如果判例规模非常大的话那么人工智能的判断也许更具有合理性并且更加灵活，因为计算机进行类推和重组的范围更广、效率更高。
另外，尽管法律人工智能正在不断发展，在现阶段我们还是应该强调它只是一种辅助性系统，要给人工智能技术的应用划出明确的伦理底线。我们要清楚地认识到人工智能用于法律的优点和缺点。它的优点是什么？就是数据检索效率极高，并且能够通过类案推送系统和偏离度提醒系统有效地校正个案偏误。当然，也正是因为有这种偏离，规范才能不断地发展、创新。由此也就可以发现人工智能的缺点，无法矫正系统偏误，因而会妨碍制度的改革和创新。
制度改革和创新来自法律对事实和经验的学习。那么人工智能系统能否进行这样的归纳式学习呢？一般而言，人工智能给人留下的总体印象是与逻辑法学更加吻合，特别适合演绎推理。但是，从数据进行经验归纳式的机器学习，形成复杂性人工智能系统正是科学技术发展的新方向，而且成效也越来越显著。算法设计中的贝叶斯推理其实就是不断试错和废止的过程，是通过概率不断生成秩序的模型。在这个意义上可以说，人工智能的本质是通过概率来做出判断的，体现了归纳性思维。
以上是我对第一个问题的回答。第二个问题关于AI在多大程度上有利于提高法律推理的确定性？鉴于人工智能系统开发的困难，是不是法教义学就够用了？
在回答这个问题时首先要确认这样一个现实状况，随着科技和经济不断发展，社会关系越来越复杂，变化越来越迅速而多样，法律规范正在不断成倍增加，与此相关的诉讼也在呈指数级增长。所谓法律爆炸、诉讼爆炸，指的就是这样一种形势。在这种条件下，法规和案例的检索作业变得越来越繁重，对法律思考和判断、对案件处理形成极大的压力。在这样的情况下，人工智能技术用于法律实践显然有助于通过检索、类推等提高案件处理的效率，有助于减轻大量的、机械性的事务工作的负担。所以，AI作为辅助系统发挥作用是没有异议的。在现阶段，审判辅助系统就是人工智能在法律领域作用的程度和范围，对法律推理也是具有重要意义的。当然，在法律适用过程中，法律思考和判断本身也不断面临时间复杂性、空间复杂性、人群复杂性的压力，为了应对这些压力必然增加解决问题的选项，导致司法也会产生很大的选择空间。在进行优化选择时，需要进行法律推理，如果选项太多、各种组合太复杂的话，那么也自然希望借助人工智能技术来帮助进行法律推理。这时人工智能除了作为辅助系统外，还有可能参与到思考、推理、判断的过程之中。这有待于计算机性能和算法的进一步改进，目前还不能抱有过高的期待。
第三个问题，涉及到法律的技术性和原则性。我完全同意你的看法，在技术性很强的法律领域，比如《证券法》《税法》《著作权法》等等，人工智能的应用当会更加方便、更加广泛、更加富有成效，而且带来的副作用也更小。不过我也有一点看法与你的意见似乎不一样。在刑法领域中，人工智能应用看起来较很容易，实际上却更难，而中国在这方面反倒走得太快、走得太远。我们知道，一般人都是从刑法视角来理解法律现象。因为刑法看起来法律的思维方式非常清晰：你的行为是不是违反了法律规定，造成了什么损害，应该接受什么样的刑事制裁，很符合大众对法律的那种单纯明快的认识。但是，正是在刑法领域当中，对人权的考虑、对个人情感的考虑、对复杂动机的考虑都变得更重要。在这种场合，由人来进行判断比计算机应该更可靠一些。如果说用人工智能系统辅助刑事审判，应该持更慎重的态度，特别是刑事法律推理和判断以及量刑方面要更慎重。但是中国的情况正好相反，是电脑量刑先行，人工智能的应用在刑法方面走得更快，好像世界其他国家没有像中国这样积极在刑法领域进行智慧审判的。无论如何，在刑法以外的技术性较强的法律领域，人工智能系统肯定是很有发展前景。
第四个问题，关于人工智能对复杂的法律系统是不是更有用，对简单的法律系统反而不太有用。您说的这一点是有道理的。在复杂的法律系统，要进行大量的检索、要分析多种多样的问题，工作负荷太重，特别需要人工智能来帮忙。但是，在这里我们还有必要首先澄清一下概念。我们通常说的复杂系统和简单系统其实很容易引起误解。比如我们说美国法律是一个复杂系统，主要是指它精细化程度。但是，如果美国法律是高度整合的，在理念和逻辑上是一以贯之的，可以进行概念还原的计算，那我们应该称之为单纯系统。牛顿力学和数学公理在繁复精致也是一个单纯系统。法教义学追求的正是单纯系统，尽管它的内容可能非常浩繁。相反，中国的法律系统尽管看上去比较简单，却包含各种异质的规范，法官不仅要遵循法律和指导案例，还要考虑政策、政治大局、社会反映、实施效果，这才是一个复杂系统。从这个角度来看，我们看上去简单的系统其实是复杂系统，所以反过来，多样化的组合是可以通过这种方式进行选择的。
这里请回想一下我在演讲开头提到的中国式司法的选择空间，这也是中国上访层出不穷的温床。因为事实与规范的不同组合非常多样化，当事人总是想在其中找出一个能让自己满意的组合来，他也觉得体制应该给他这样的组合。在这样的选择空间里，过去一直是凭经验、直觉来进行判断和选择，不满意又继续寻找，形成了漫长的上访申诉盘陀路。面对这样的时空复杂结构，我们会想到如果借助人工智能的话，也可能提高对各种组合进行优化选择的效率。如果人工智能系统做出这样的优化选择，也可以作为说服当事人案结事了的根据。
另外，中国现行法律体系其实仍然是比较芜杂的，既包括法律、行政法规、政府规章，也包括地方性法规、地方政府规章，还有党内法规，还有司法解释和指导案例。这样复杂的法律系统，的确需要求助于人工智能的帮助，否则将有更多的法官“过劳死”或“辞职”。但从另一个角度来看，曾教授指出的法律人工智能简单化、庸俗化的问题也的确存在。把很简单却充满噪音的数据集用人工智能来分析，不考虑法律推理机器语言实现问题，结果弄出个“AI+简易审判或仲裁”，有点像玩噱头，意义不大。
第五个问题涉及通过人工智能系统进行价值排序和推理的主体。这是一个很好的问题。全面我介绍了通过计算各种论题（原则）的连线数值和中心性数值的对法律推理中的价值判断标准进行排序的可能性。类似的研究虽然不多，但也有若干篇论文，主要是美国的，用这种方法对联邦最高法院判决中引用的法律条文、先例以及命题进行中心性数值分析。由此可以发现在法院判决书中出现频度最高的概念、原则或者条文是什么。在这种场合，价值排序的主体是非常明确的，即联邦最高法院法官。当然，我前面讲的论题连线法和中心性排序的主体确实是不清楚的。排序的决定者不在场，是匿名化的。但在另一方面，我讲的排序也并非任意的，是以大数据的分析为根据的。比如对司法大数据和设法涉讼舆情大数据进行的分析。当然，仅就司法文书而言，主体还是比较清楚的，是法官群体。如果把各种相关大数据作为排序的根据，似乎是在大数据中进行意见和主张的计算，在法律解释共同体中找出倾向性意见。这时计算连线数值或者中心性数值，主体是多样化的、分散的，排序就是共同决定的结果。在某种意义上说，这也算是一种司法民主主义吧。就像布坎南的公共选择理论所描述的那种“同意的计算”。
以上就是我对曾教授五个问题的回答。
曾思：感谢季老师非常到位的回应。我们时间其实已经超了半个小时了，主办方跟我说，可以超10—20分钟没有关系，我觉得我们今天超时有点多，确实这个讲座非常精彩，我也受益良多，观众提问时间恐怕没有时间进行了，听众如果有什么问题我想季老师应该很乐意通过邮件或者其他方式予以回应。
之前陈老师介绍过，季老师早年留学日本，后来去了斯坦福，我想他更适合对法教义学和社科法学的争论做出一个评议，就是他提出的计算法学，给我的感觉是一统两大阵营，从规范主义和科学主义的角度都有非常重要的推进。再次感谢季老师非常精彩的、富有深度的讲座。今天我想我们的对话只能到这里了，非常谢谢各位的参与，欢迎各位积极参加清华举办的活动。谢谢！
季卫东：谢谢各位！
在线观众提问及回复
Q1：大数据的获取、人工智能的运用，在人际间可能是不均等、不均衡的，那么，这一新变化有没有可能反而加重现实中契约的复杂性、不完备性，乃至在部分领域或对部分群体来说，降低了契约执行和审判的可预测性？（网友：李想）
季卫东：大数据获取的不均衡会导致意见或利益表达的不均衡，导致整体判断出现失误。对大数据进行人工智能分析，势必要对个人进行归类处理，会引起某种新型的集体主义以及身份标签化现象，这就很容易导致算法歧视，扭曲预测的结果。正是鉴于这类问题，所以关于人工智能的治理和伦理有一条很重要的原则，这就是不能让决策完全自动化，必须有人进行监控和矫正，并且不能假装有人介入而实际上是自动化决策。当然，对高速运转的人工智能系统进行人工的监控其实是有困难的，何况机器学习导致算法黑箱化，也很难进行人工的监控。在这样的状况下，形成人工智能系统之间的互查和制衡机制也很重要。例如用对高度规格化的小数据进行机器学习的结果来检验对大数据进行机器学习的结果，例如在机器学习中把已有的数据分为训练集和测试集。
Q2：秩序计测可有实际案例？（网友：太行山顶）
季卫东：关于秩序的可计测性，最广为人知、最典型的实例就是企业通过行踪大数据的智能分析精准决定生产计划和商业模式，使营销活动达到量身定制的程度。在司法领域，体现为类案类判或者同案同判的正义目标通过基于大数据智能化分析的类案检索、类案推送系统来实现。实际上，法律人工智能的核心是类比推理，借助案例的类比来实现司法预测。人工智能加强秩序可计测性的突出实例是在大数据证据的基础上建立的预测性警务系统以及判决偏离度提醒系统。在疫情期间，物联网、大数据和人工智能对于感染趋势的准确预测、违反防疫规定案件的侦破都发挥了重要的作用。
Q3: 法治秩序的研究如何在保证各种利益关系下的基层权力运转更好地发挥作用？（网友：空灵思齐）
季卫东：各种利益关系的纠缠使得基层权力运作容易被扭曲、使得问责机制名存实亡。中国的对策是加强监督，特别是自上而下的、一元化的监督以及叠床架屋的互相监督，导致监督成本不断攀升。现代法治的制度设计是把对违法枉法的监督权交给受权力侵害的当事人、被害者，让他们通过行使诉权寻求救济的方式来保证基层权力运作不偏离法律和正义的轨道。他们具有问责的强烈动机，他们可以聘请律师进行专业化、技术化的监督，而监督成本由当事人（特别是败诉方）自己承担。大数据和人工智能的应用，可以另一种方式降低监督成本、提高监督效率，因为在数字覆盖的背景下，信息通信技术很容易实现基层权力的运作全程留痕，因而可以进行追踪管理。区块链协议还使得分散式治理成为可能，削弱基层权力的干预力量。
问答环节
请点击以上二维码观看回放
青木昌彦经济学论文奖系列高端讲堂·第五期
重磅来袭！！！
往期推荐
1 直播回放 + 主讲实录 | 季卫东&曾思：秩序的可计测性——法律运行的科学观与智能化 | 青木论文奖系列高端讲堂
2 直播回放 | 许成钢&乔仕彤：产权作为制度基因 | 青木论文奖系列高端讲堂
3 直播回放 | 车嘉华&张冬 枕边风：裙带关系问题初探 | 青木论文奖系列高端讲堂
#2021#
CIDEG视频号
CIDEG微博