⊙ 本文長約1.3萬字，閱讀需時33分鐘

本文來源：北大法寶法學(xué)期刊庫

《清華法學(xué)》2022年第3期

作者：左衛(wèi)民 四川大學(xué)法學(xué)院教授

中國計算法學(xué)的未來：審思與前瞻音頻：00:0043:02

摘要：作為一門尚處于概念凝練、知識醞釀階段的新學(xué)科，計算法學(xué)的實踐效果還未充分顯現(xiàn)，其前景有著不確定性。充分應(yīng)用統(tǒng)計學(xué)知識、機器學(xué)習(xí)方法的計算法學(xué)與法律實證研究本質(zhì)上是“一體兩面”的關(guān)系，兩者在研究對象和方法等方面具有共通性。計算法學(xué)應(yīng)該在法律實證研究基礎(chǔ)上衍生與拓展，成為實證研究的2.0版。具備公開且定量化、可以模式識別、具有相對確定數(shù)量關(guān)系的數(shù)據(jù)才能被有效計算，計算法學(xué)的核心方法應(yīng)是統(tǒng)計學(xué)與機器學(xué)習(xí)方法，其關(guān)鍵是獲得較高的數(shù)據(jù)擬合度，通過分析歷史數(shù)據(jù)，“預(yù)測”法律的運行現(xiàn)象。此類預(yù)測雖然可以揭示法律現(xiàn)象之間的“相關(guān)性”，但難以發(fā)現(xiàn)法律實踐的“因果律”。相比法律人的決策，機器學(xué)習(xí)式的計算在視角、效率、成本收益等方面存在局限性。未來，計算法學(xué)需要結(jié)合我國法律數(shù)據(jù)的“本土資源”，探索可行的法律計算思路與計算方法，致力于揭示法律實踐規(guī)律，驗證、補充和修正法學(xué)理論，以打造中國計算法學(xué)的“拳頭產(chǎn)品”，促進計算法學(xué)的落地生根。

關(guān)鍵詞：計算法學(xué)；法律實證研究；計算科學(xué)；機器學(xué)習(xí)

　　近年來，“計算法學(xué)”逐漸成為法學(xué)界的高頻熱詞。例如，若干法學(xué)院校開設(shè)了計算法學(xué)課程、法學(xué)與計算機的雙學(xué)位專業(yè)，甚至開始在計算法學(xué)相關(guān)領(lǐng)域招收研究生。中國計算機協(xié)會（CCF）也成立了計算法學(xué)行業(yè)分會以促進計算法學(xué)的發(fā)展。伴隨數(shù)據(jù)時代來臨，法律實踐更容易被數(shù)據(jù)記錄、捕獲，奠定了法律計算的數(shù)據(jù)基礎(chǔ)。隨機森林、聚類算法、神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)方法的出現(xiàn)，為法律計算的實現(xiàn)提供了可能。上述種種，似乎預(yù)示計算法學(xué)正在興起。然而，關(guān)于計算法學(xué)的發(fā)展卻存在著兩種聲音：其一，計算法學(xué)正在興起。在國內(nèi)，已有文章開始探討計算法學(xué)的概念與內(nèi)涵。計算法學(xué)似乎正成為一種新的發(fā)展趨勢。其二，計算法學(xué)并未成為獨立且成熟的學(xué)科。在部分學(xué)者看來，國內(nèi)尚未有成熟的計算法學(xué)概念、成果涌現(xiàn)，計算法學(xué)既沒有有效的計算方法，又缺乏可行的計算思路，計算法學(xué)的發(fā)展可能受到諸多質(zhì)疑，似乎難以成為一個獨立的學(xué)科。

　　筆者認為，中國的計算法學(xué)的前景如何，取決于其是否能夠完整經(jīng)歷從知識醞釀或引介，到概念凝練和學(xué)科構(gòu)建，再到研究方法成熟的過程。對于剛剛走在知識醞釀階段的新學(xué)科而言，其研究前景還有諸多的不確定性。關(guān)于計算法學(xué)在中國的未來，我們需要討論三點：第一，計算法學(xué)的概念范疇。什么研究才能稱為計算法學(xué)研究？抑或是計算法學(xué)的概念與定義是什么？第二，計算法學(xué)應(yīng)當如何計算?？梢杂嬎愕姆山?jīng)驗數(shù)據(jù)是什么？用以法律計算的方法是什么？第三，計算法學(xué)的前途。即法律的計算效果究竟如何？未來的計算法學(xué)學(xué)科應(yīng)該如何發(fā)展？

一、計算法學(xué)：概念為何？

　　何謂計算法學(xué)？這是一個尚未充分明確的問題。在域外，理論界實際上較少直接使用計算法學(xué)的稱謂，相鄰概念主要涉及計算社會科學(xué)（computational social science）、法律計量學(xué)（jurimetrics）、法律信息學(xué)（legal informatics）等。具體而言，可從以下方面把握域外計算法學(xué)的相關(guān)概念。

　　第一，從計算社會科學(xué)（computational social science）角度把握。按照克勞迪奧·喬菲雷維利亞（Claudio Cioffi-Revilla）的定義：“計算社會科學(xué)是以計算為媒介，對社會學(xué)領(lǐng)域開展的跨學(xué)科研究，使用大數(shù)據(jù)、云計算和智能機器人等計算機技術(shù)進行的數(shù)據(jù)挖掘。”2009年，由15位學(xué)者在自然科學(xué)領(lǐng)域內(nèi)權(quán)威期刊《科學(xué)》（Science）雜志刊發(fā)的《網(wǎng)絡(luò)生活：計算社會科學(xué)時代即將到來》指出：通過大量社會信息，計算和預(yù)測人類的交流、互動將成為計算社會科學(xué)的主要研究領(lǐng)域。據(jù)此，計算社會科學(xué)被視為一種充分使用大數(shù)據(jù)和依托計算科學(xué)方法的社會科學(xué)研究。計算法學(xué)的概念自然也需要放在計算社會科學(xué)的框架下把握。

　　第二，從量化研究角度把握。法律計量學(xué)的最早倡導(dǎo)者洛文杰（Loevinger）在《法律計量學(xué)：前進的下一步》一文中主張，將量化思維引入法律分析過程，強調(diào)使用概率統(tǒng)計方法來測量證人、法官與立法者行為。我國有學(xué)者則將其翻譯為“計量法學(xué)”或“數(shù)量法學(xué)”，所謂“計量法學(xué)”是一種使用法律實證分析，以數(shù)據(jù)建模為方法，從事判決預(yù)測與制度評價的研究。計算法學(xué)便應(yīng)當從法律量化的角度加以理解。

　　第三，從法律信息的角度闡釋。自從香農(nóng)創(chuàng)立信息學(xué)以來，信息就成為計算機技術(shù)研究的對象。法律信息學(xué)開始成為信息學(xué)的分支之一，如根據(jù)美國斯坦福大學(xué)法律信息中心杰內(nèi)塞雷斯（Michael Genesereth）的論斷，計算法學(xué)是法律信息學(xué)的組成部分，而法律信息學(xué)是法律推理的一種方法，依托現(xiàn)代信息技術(shù)的法律分析可以極大地改變法律行業(yè)，提高法律服務(wù)的質(zhì)量和效率，從而提高獲得司法公正的機會，并改善整個法律體系。據(jù)此，計算法學(xué)的概念應(yīng)當在法律信息學(xué)的范疇內(nèi)理解與把握。然而，法律信息學(xué)的概念似乎還沒有獲得理論界的普遍性認可，域外代表性的研究成果尚不多見。

　　整體上，具備成熟研究思路和方法的計算社會科學(xué)（computational social science）已在數(shù)據(jù)與人工智能風(fēng)起云涌的歐美社科界蔚然成風(fēng)。在筆者看來，其原因可能與域外社會科學(xué)界包括法學(xué)界如美國實證研究已經(jīng)成為主流研究范式有關(guān)。歐美社科界很多研究者具備很強的統(tǒng)計分析能力，并在多領(lǐng)域開展實證研究包括法律實證研究。同時，當前域外研究者包括實證研究者通過長期關(guān)注并不斷吸收機器學(xué)習(xí)等計算科學(xué)的方法，展開新的科學(xué)研究包括新的實證研究，相關(guān)研究成果甚至可能促進法學(xué)與人工智能技術(shù)的跨界融合。實際上，我們已經(jīng)見到域外司法人工智能技術(shù)的發(fā)展往往伴隨著法律實證研究成果的實踐應(yīng)用，美國COMPAS軟件與法國Predictice軟件對裁判結(jié)果預(yù)測的實踐應(yīng)用即是最好的例子。以“做實證研究”來促進法律人工智能技術(shù)的發(fā)展，進而尋求在重大問題上的研究共識，正在成為美國式法律實證研究（計算法學(xué)）發(fā)展的新方向。

　　與域外不同，計算法學(xué)在中國的出現(xiàn)，可能與新文科的興起，相關(guān)學(xué)術(shù)組織的成立，以及計算法學(xué)論文的發(fā)表有關(guān)。具體來看，國內(nèi)對計算法學(xué)概念的研討，大致可以分為兩種進路。第一種進路中的計算法學(xué)是“法律與計算、科技”的結(jié)合，認為使用計算機技術(shù)研究傳統(tǒng)法學(xué)問題即是計算法學(xué)。應(yīng)用計算機技術(shù)實現(xiàn)對海量裁判文書中的數(shù)據(jù)提取、要素輸出和準確率檢查等就是計算法學(xué)的研究成果。這種理解往往將“計算法學(xué)”簡單理解為“法律與科技、計算”的結(jié)合，并進一步認為，在法律數(shù)據(jù)完備、真實、精確的前提下，通過計算方式研究法律數(shù)據(jù)，從而設(shè)計出一系列智能化產(chǎn)品，為立法與司法活動提供重要參考。據(jù)此來看，這種進路將法律人工智能相關(guān)技術(shù)作為焦點，在識別、轉(zhuǎn)換法律文本為法律數(shù)據(jù)方面做了不少努力，如應(yīng)用自然語義識別、裁判文書提取等，但在文字轉(zhuǎn)換成為數(shù)據(jù)之后，如何展開數(shù)據(jù)式研究，卻并未有多少應(yīng)用統(tǒng)計學(xué)和機器學(xué)習(xí)方式展開的研究，也缺乏在此之上的法律人工智能開發(fā)，最常見的僅僅是知識圖譜式的顯示而已。同時，這種定位還將法律與科技的結(jié)合問題，如法律如何規(guī)制大數(shù)據(jù)、人工智能應(yīng)用的相關(guān)問題作為學(xué)術(shù)研究的關(guān)切點。不過，這種學(xué)科定位與發(fā)展模式僅是“科技”與“法律”簡單交叉的研究定位，可能導(dǎo)致計算法學(xué)與法律人工智能、司法人工智能的研究內(nèi)容重疊。當法律人工智能的發(fā)展在技術(shù)層面需要經(jīng)歷漫長過程，技術(shù)應(yīng)用還可能遭受法律倫理質(zhì)疑之時，這恐怕難以支撐“計算法學(xué)”成為一門充分展開的獨立學(xué)科。

　　第二種路徑認為，計算法學(xué)是一種應(yīng)用數(shù)學(xué)、統(tǒng)計學(xué)、計算科學(xué)的相關(guān)知識、方法展開的法律實證研究。筆者比較認同此種進路，但更明確地認為：計算法學(xué)其實是傳統(tǒng)實證研究的新階段，它是一種從量的層面研究社會現(xiàn)象的方法與學(xué)科。作為社會現(xiàn)象的一種，法律現(xiàn)象也具有量的屬性，可以從量的方法進行觀察和研究。根本上，法律實證研究與計算法學(xué)的研究對象有著天然共性。如法律實證研究與計算法學(xué)都強調(diào)使用統(tǒng)計學(xué)方法進行數(shù)據(jù)的收集、分析，進而發(fā)現(xiàn)法律現(xiàn)象的相關(guān)性和因果性。顯然，計算法學(xué)與法律實證研究都是一種基于經(jīng)驗數(shù)據(jù)的量化研究。至于是否應(yīng)用計算機技術(shù)、計算思維和計算方法，并不能成為法律實證研究與計算法學(xué)的“分水嶺”。當前，法律實證研究成果同樣重視法律大數(shù)據(jù)與計算機技術(shù)結(jié)合，主要基于法律現(xiàn)象的經(jīng)驗數(shù)據(jù)，使用統(tǒng)計學(xué)與計算機科學(xué)的相關(guān)知識來闡釋法律實踐。例如，王祿生開發(fā)了分段、分詞檢索工具，實現(xiàn)對303萬份判決書的自然語義挖掘，形成了一系列的法律實證研究成果。筆者所著的《刑事辯護率：差異化及其經(jīng)濟因素分析》一文，應(yīng)用“爬蟲”軟件對54409份裁判文書進行了數(shù)據(jù)挖掘，使用Python語言參與數(shù)據(jù)挖掘和分析工作。同時，美國的實證研究學(xué)者更是已經(jīng)將決策樹、隨機森林以及神經(jīng)網(wǎng)絡(luò)等機器學(xué)習(xí)方法應(yīng)用于法律的實證研究。通過分析法官經(jīng)驗和法律決策模式，使用機器學(xué)習(xí)方法構(gòu)造和模擬出同人類決策類似的決策模型，并依據(jù)決策模型的研究成果研發(fā)出風(fēng)險評估和預(yù)測案件裁判結(jié)果的人工智能系統(tǒng)。

　　如圖1所示，科學(xué)意義上的計算法學(xué)與法律實證研究呈現(xiàn)“一體兩面”的關(guān)系。計算法學(xué)與法律實證研究在研究對象、研究方法和研究領(lǐng)域上相通，其本質(zhì)上是實證研究在新材料、新方法興起后的應(yīng)用與拓展。計算法學(xué)處于統(tǒng)計學(xué)、計算機技術(shù)與法學(xué)的交叉領(lǐng)域，并非單純強調(diào)計算科學(xué)方法與計算機技術(shù)在法學(xué)領(lǐng)域內(nèi)的推廣，更不是那種既不使用數(shù)據(jù)，也不運用統(tǒng)計學(xué)方法，更沒有決策樹、梯度算法等機器學(xué)習(xí)方法應(yīng)用，僅簡單將法律問題與科學(xué)技術(shù)簡單組合的“偽”計算研究。至少計算法學(xué)研究的其中一種應(yīng)是基于法律經(jīng)驗現(xiàn)象的數(shù)據(jù)分析與定量研究，以統(tǒng)計學(xué)、機器學(xué)習(xí)為主要研究方法，實質(zhì)上是法律實證研究的最新表述，可以視為法律實證研究的衍生或者2.0版本。

圖1計算法學(xué)相關(guān)學(xué)科關(guān)系圖

二、計算方法：如何計算法律？

　　如何計算法律？一方面，法律的計算需要有成熟的計算法學(xué)，使用機器學(xué)習(xí)計算法律實踐或法律現(xiàn)象或許正在成為法律計算的一種新方向。另一方面，有了成熟的計算方法，還需要具備豐富的法律數(shù)據(jù)來源?？墒怯嬎愕姆蓴?shù)據(jù)則誕生于法律的實踐，靜態(tài)的法律條文既不可能反映數(shù)量變化情況，更無法自我呈現(xiàn)法律條文背后復(fù)雜的權(quán)力關(guān)系，因此，動態(tài)變化的法律實踐才是法律量化數(shù)據(jù)的重要源泉。下文將從可以計算的法律量化數(shù)據(jù)特征與計算法學(xué)如何使用機器學(xué)習(xí)方法兩個方面展開分析。

　　（一）計算法律的方法

　　計算法學(xué)的基本方式是什么？這是一個十分重要但尚未厘清的問題。筆者以為，以統(tǒng)計學(xué)為根基的機器學(xué)習(xí)應(yīng)成為法律計算的主要方式。在美國，已經(jīng)有學(xué)者開始探索、使用機器學(xué)習(xí)相關(guān)方法研究法律問題。如美國學(xué)者喬恩·克萊因伯格（Jon Kleinberg）等人以此分析了美國15萬余件重罪案件的法官假釋結(jié)果，他們對法律的計算思路與方法值得關(guān)注，可據(jù)此從計算法律的設(shè)計思路，法律決策樹與隨機森林的組成以及梯度提升算法的應(yīng)用方面把握計算法律的方式。

　　首先，使用機器學(xué)習(xí)的法律計算是以概率論、數(shù)理統(tǒng)計、最優(yōu)化理論等為基礎(chǔ)，核心要素是法律數(shù)據(jù)的計算模型。機器學(xué)習(xí)的結(jié)果與統(tǒng)計學(xué)的相關(guān)性分析類似，都是一種法律數(shù)據(jù)擬合度很高的計算模型，可以實現(xiàn)通過機器學(xué)習(xí)方法對法律結(jié)果的預(yù)測。如喬恩·克萊因伯格等人利用美國司法部（1990年至2009年）審前保釋決定的相關(guān)數(shù)據(jù)，并將其分為法官決定組與機器學(xué)習(xí)預(yù)測組，對影響釋放決定的因素，如再犯風(fēng)險、逃避審判風(fēng)險、保釋金數(shù)額等決定性要素量化處理。通過決策樹、梯度提升算法等機器學(xué)習(xí)方法構(gòu)建和訓(xùn)練計算模型，使用梯度算法提高計算模型的精確性，通過對比法官決策結(jié)果與機器學(xué)習(xí)算法預(yù)測結(jié)果的差異，分析影響差異產(chǎn)生的“不具有觀察性”的要素。

　　其次，利用法律經(jīng)驗數(shù)據(jù)的特征與法律決策分類結(jié)果之間的數(shù)量關(guān)系建構(gòu)出具有分類關(guān)系的決策樹，即讓不同法律關(guān)系特征落入對應(yīng)分類的模型。為避免單一法律特征可能被過度放大，造成不必要的偏差，其隨機挑選部分法律數(shù)據(jù)特征建構(gòu)多棵決策樹形成隨機森林。決策樹與隨機森林是常用的機器學(xué)習(xí)分類方法，在法律樣本數(shù)據(jù)中，依據(jù)結(jié)果變量與自變量之間的對應(yīng)關(guān)系可以構(gòu)建多棵決策樹組成隨機森林。如再犯風(fēng)險、逃避審判可能和保釋金額同審前釋放決定之間的對應(yīng)關(guān)系即可構(gòu)成不同類別的決策樹。獲得一種對同類數(shù)據(jù)相同方法處理的“學(xué)習(xí)分類器”，使得新出現(xiàn)的案例數(shù)據(jù)對應(yīng)預(yù)測分類。例如，在喬恩·克萊因伯格等人的研究中使用決策樹對釋放風(fēng)險予以評估，將觀察因素（影響決定的因素）映射到結(jié)果（逃避審判風(fēng)險）的函數(shù)，建立一系列“二元決策樹”。如決策樹根據(jù)先前是否有犯罪記錄進行第一次分叉，直至沒有辦法再找到新的屬性來進行節(jié)點分割時分叉停止，每個葉節(jié)點都形成對應(yīng)的結(jié)果。上述方法將審前釋放決定與各類影響因素之間構(gòu)成不同的決策樹，并使用由決策樹構(gòu)成的“預(yù)測模型”實現(xiàn)對同類問題的分類預(yù)測，使得機器學(xué)習(xí)具備初步的結(jié)果分類預(yù)測功能。

　　再次，使用梯度算法提升模型預(yù)測結(jié)果的精確性，對比預(yù)測結(jié)果與法官決定的差異，分析影響人類法官決策的潛在因素。如若構(gòu)建出多個決策樹模型，讓重要的法律關(guān)系在法律決策的結(jié)果中占有更重要的比重，從而形成精確度更高的決策樹，需要使用梯度提升法。利用梯度提升方法將法律數(shù)據(jù)進行迭代，在決策樹的特定分叉中結(jié)合深度學(xué)習(xí)方法應(yīng)用損失函數(shù)，減少偏差和方差來提升預(yù)測結(jié)果的精確性。不僅如此，還會不斷使用估計與評估的相關(guān)算法，避免因使用相同數(shù)集造成過度擬合與標簽缺失問題，確保訓(xùn)練樹（輸入值）的數(shù)據(jù)與評估樹的數(shù)據(jù)之間沒有缺漏。如在美國法官的審前釋放決定中，被告人是否出庭相比被告人是否具有前科，對于評估逃避審判責(zé)任的風(fēng)險可能就是一組更為重要的關(guān)系。將機器學(xué)習(xí)的輸出結(jié)果與現(xiàn)實答案（法官釋放結(jié)果）代入損失函數(shù)，可以對比出人類法官決策與機器學(xué)習(xí)預(yù)測之間的差異。此外，在處理選擇性標簽與潛在混淆因素問題之后，機器學(xué)習(xí)預(yù)測的釋放結(jié)果與法官釋放結(jié)果的差異化因素即會被捕獲。喬恩·克萊因伯格等人的研究即發(fā)現(xiàn)：“相比機器學(xué)習(xí)算法，人類法官決策似乎釋放了一些高犯罪率的人群。這似乎表明人類法官可能錯誤預(yù)判了部分被告人的釋放風(fēng)險或者考慮過其它不具備觀察條件的影響因素?！苯Y(jié)合這類差異，進一步發(fā)現(xiàn)，法官不當運用“不具有觀察性”因素對釋放風(fēng)險進行了不當評估。如被告是否出庭或庭上舉止等因素，使得法官假釋決定可能存在尚未被發(fā)現(xiàn)的系統(tǒng)性偏差，使用機器學(xué)習(xí)方法得出的解釋決定反而可能有助于減少監(jiān)禁率與犯罪率。

　　分析域外文獻中使用機器學(xué)習(xí)方法計算法律過程旨在說明，決策樹、隨機森林、梯度提升算法等機器學(xué)習(xí)方法已在相關(guān)法律實證研究與計算法學(xué)中廣泛應(yīng)用，機器學(xué)習(xí)的法律計算具備相當?shù)膶嶋H應(yīng)用價值。如蘇爾登（Surden）等人的專題文章詳盡介紹機器學(xué)習(xí)算法在法律實證研究中的實踐應(yīng)用，張永健等人使用聚類算法等機器學(xué)習(xí)方法分析法律淵源的分類，李本（Benjamin Liebma）等人應(yīng)用深度學(xué)習(xí)方法分析中國法官規(guī)避司法責(zé)任的規(guī)律性特征，等等皆是如此。可以說，計算法學(xué)（實證研究的機器學(xué)習(xí)版）的核心方法即是通過收集真實、客觀的法律運行數(shù)據(jù)，使用logistic回歸、相關(guān)性分析等統(tǒng)計學(xué)方法，結(jié)合決策樹、隨機森林、梯度提升算法、聚類算法等典型的機器學(xué)習(xí)方法對法律實踐與法學(xué)現(xiàn)象展開研究或進行觀察，并總結(jié)、歸納法律運行規(guī)律。這些研究方法便是當下域外相當成功的實證研究與計算法律的最新方式，值得我們觀察、借鑒與嘗試運用。

　?。ǘ┛晒┯嬎愕姆蓴?shù)據(jù)特征

　　當然，擁有了成熟的計算方法以后，法律的計算還需要有大量符合計算要求的法律數(shù)據(jù)。首先，可以計算的法律是公開化而非半公開化的法律數(shù)據(jù)。理想的、可計算的法律數(shù)據(jù)要全景式展現(xiàn)法律規(guī)律（現(xiàn)象）產(chǎn)生、發(fā)展及其運作結(jié)果的全過程。實際上，公開化、完全理想的法律數(shù)據(jù)并不太多。我國裁判文書網(wǎng)公布的裁判文書是可公開獲取的法律數(shù)據(jù)，但公開的僅僅是裁判結(jié)果與清單式的證據(jù)材料，而沒有公開裁判形成過程的相關(guān)信息。例如，審判委員會的決策可能對裁判結(jié)果產(chǎn)生實質(zhì)性影響，但是此類信息往往又不會被裁判文書所完整記載。又如可以影響量刑的法官的價值取向，主觀偏好、司法潛見等因素似乎也未充分公開。此外，大量案外（如社會結(jié)構(gòu)、經(jīng)濟水平和環(huán)境等）因素對司法裁判的影響程度，也未以法律數(shù)據(jù)的形式量化。因此，可以被外界計算的法律數(shù)據(jù)往往是已被數(shù)據(jù)記錄的、公開化的法律經(jīng)驗（現(xiàn)象）數(shù)據(jù)，而非尚未被收集的法律數(shù)據(jù)，當前可以計算的法律也往往處于法律規(guī)范、法律實踐的內(nèi)部。

　　其次，可以計算的法律是一種具備普遍性、共通性以及類型化特征的法律量化數(shù)據(jù)。計算法律的前提是將法律經(jīng)驗、法律規(guī)律從法律的文本語言轉(zhuǎn)化為計算機可以識別的數(shù)字，其過程實際上就是法律信息的模式識別，需要對法律信息進行劃分和歸類處理。目前運用較多的方法是“自然語義挖掘”技術(shù)。通過這種技術(shù)可以使得外在表述不同，但內(nèi)涵相對一致的法律文本語言劃分為相同或者相似的類別。換言之，可以計算的法律經(jīng)驗數(shù)據(jù)需要具備一定的類型化特征，具備模式化識別的條件。極為罕見的法律現(xiàn)象、法律經(jīng)驗往往可能無法形成有規(guī)模的類型化法律數(shù)據(jù)，并且概括的分類必然會失去或忽略那些可能相關(guān)的特征。這可能減損數(shù)據(jù)本身所蘊含的信息量。在樣本的數(shù)據(jù)量不足或數(shù)據(jù)失真的情況下，即便存在好的計算方法，也難以產(chǎn)生可靠的計算結(jié)果。

　　此外，基于法律人法律推理和思維判斷所獲取的主觀性法律經(jīng)驗或法律感受往往無法進行類型化處理，更難以客觀量化。例如，“排除合理懷疑”作為刑事證明標準，往往是法官自由心證之結(jié)果，具有一定法律推理及其主觀經(jīng)驗累積判斷的特征，而“合理懷疑”的內(nèi)涵來源又具有豐富的神學(xué)、宗教色彩。所以，“排除合理懷疑”很難通過數(shù)字指標予以類型化分析和量化，更不是具備量化特征的法律關(guān)系。

　　再次，可計算的法律還應(yīng)當具備相對確定的數(shù)量關(guān)系特征。建構(gòu)量刑模型即是一種典型的應(yīng)用。刑罰中的刑期作為統(tǒng)計學(xué)意義上的連續(xù)變量，往往受到犯罪動機、犯罪手段以及認罪態(tài)度等因素的影響，前述量刑情節(jié)本身又屬于統(tǒng)計學(xué)意義上的定性變量。通過分析若干量刑情節(jié)的定性變量對量刑幅度的影響，可以發(fā)現(xiàn)各類量刑情節(jié)對刑期影響程度的大小，進而得出量刑實踐的規(guī)律性特征。換言之，量刑幅度與量刑情節(jié)是具備數(shù)量變化特征的法律關(guān)系，特別在最高法院積極推動的量刑規(guī)范化改革影響下，我國量刑程序公開化、透明化程度已經(jīng)取得長足進步，由相對確定的法定刑與法官自由裁量權(quán)共同構(gòu)成的量刑程序構(gòu)造，更有利于排除非法律因素的干擾，使量刑結(jié)果與量刑情節(jié)之間的數(shù)量關(guān)系特征更為明顯。不過，如果一項判決就是規(guī)則與事實相結(jié)合的產(chǎn)物，司法人員的工作模式便宛如數(shù)學(xué)公式的計算，這屬于非常理想化的法律計算過程。實際上，有研究表明：“只有在尋求的目標很簡單、有清晰的定義和可以測量的情況下，效率公式、生產(chǎn)函數(shù)和理性行動才能被具體指明?！比欢?，不少法律語言都存在模糊不清的“半影地帶”。尤其是我國定罪量刑所依據(jù)的法律條文可能因法律語言的融合和變遷形成語言的復(fù)雜、多元性變化。即使相同的法律條文，在具體適用的場合往往可能產(chǎn)生不同的理解，使用不同的法律解釋方法也可能產(chǎn)生截然相反的結(jié)果。例如，法律條文中的“認罪態(tài)度良好”“犯罪情節(jié)極其惡劣”“手段極其殘忍”等內(nèi)容，雖然文本表述明確，但是相同文字表述可以含有相當豐富和多元的內(nèi)容，可能影響數(shù)據(jù)量化的精準性。因此，量刑幅度與量刑情節(jié)這類相對確定的數(shù)量變化關(guān)系，因相關(guān)量刑情節(jié)在法律概念、法律語言方面的模糊性，也只能得出大致的量刑范圍，而不能得出具體的精確計算結(jié)果。法律計算還不能如“自動售貨機”那般輸入案情與法條便得出判決的結(jié)果。

　　最后，計算法學(xué)所計算的是具有一定數(shù)據(jù)質(zhì)量要求的全樣本大數(shù)據(jù)或大量數(shù)據(jù)，這與傳統(tǒng)實證研究有所差異。傳統(tǒng)實證研究所處理的數(shù)據(jù)在代表性方面可能更好，但在數(shù)量與質(zhì)量方面不如計算法學(xué)所處理的數(shù)據(jù)。不過，兩者之間并沒有一個非此即彼的區(qū)分。實際上，傳統(tǒng)法律實證研究往往也能夠處理較大數(shù)量的有代表性的數(shù)據(jù)，但完美的全樣本大數(shù)據(jù)在法律計算時并不多見，因而計算法律的實踐或許還會遭遇一定的數(shù)據(jù)質(zhì)量難題。

三、前路漫漫：計算法學(xué)的春天會到來嗎？

　　計算法學(xué)的出現(xiàn)使得學(xué)界甚至資本都摩拳擦掌，一時間“計算法學(xué)”變得炙手可熱，冠以“計算法學(xué)研究”“計算法學(xué)方法”“計算法學(xué)技術(shù)”的成果開始涌現(xiàn)。在筆者看來，此種熱鬧繁榮的景象并非意味著計算法學(xué)即將步入正軌。恰好相反，計算法學(xué)還需經(jīng)歷漫長的實踐探索。雖然機器學(xué)習(xí)已經(jīng)應(yīng)用于法律計算和法律實證研究，機器學(xué)習(xí)對法律的計算效果或許具有積極意義，但是也存在一定的局限性。從積極層面而言，使用機器學(xué)習(xí)方法對法律經(jīng)驗數(shù)據(jù)的分析，可以獲得一種數(shù)據(jù)擬合性較高的回歸分析結(jié)果，能夠客觀揭示復(fù)雜法律實踐之間所蘊含的法律運行規(guī)律，從而改變了傳統(tǒng)依據(jù)主觀先驗式經(jīng)驗，通過法律邏輯推理并且創(chuàng)造法學(xué)理論的傳統(tǒng)法學(xué)知識生產(chǎn)方式。這有助于我們發(fā)現(xiàn)立法與實踐的悖反之處，將法律中的模糊表達量化為具有客觀參考價值的法律數(shù)據(jù)。此外，這種方法還可以揭示從前我們可能無從獲知的某些法律實踐之間存在事實上的相關(guān)性與關(guān)聯(lián)程度，并且在條件相同的情形下，機器學(xué)習(xí)算法將始終給出相同的答案，從而能夠減少法律系統(tǒng)內(nèi)部所存在的主觀盲目性，遏制法官因行使自由裁量權(quán)導(dǎo)致的錯誤。

　　然而，機器學(xué)習(xí)對法律的計算并不是一種“全方位、無死角”的計算，使用機器學(xué)習(xí)的法律計算存在兩方面的局限性。一方面，機器學(xué)習(xí)的法律計算僅僅是一種依托歷史數(shù)據(jù)的“預(yù)測”，僅能發(fā)現(xiàn)法律世界的“相關(guān)性”，難以解釋法律世界中的“因果律”。使用機器學(xué)習(xí)方法對法律結(jié)果的“預(yù)測”，其作用主要是發(fā)現(xiàn)各類影響因子、作用因素與法律實踐現(xiàn)象之間的相關(guān)性。當然，法官的司法決策過程涉及大前提（法律規(guī)則）、小前提（法律事實）和法律結(jié)果的“三段論”推理過程，此類決策推理是一種“反事實推理”的過程。即便是法律數(shù)據(jù)擬合度很高的機器學(xué)習(xí)“模型訓(xùn)練”也僅是一種相關(guān)性分析，對于需要“反事實推理”得出法律的因果推斷過程，機器學(xué)習(xí)方法尚處于“知其然，而不知其所以然”的階段。單純的機器學(xué)習(xí)方法本身可能難以直接發(fā)現(xiàn)因果關(guān)系，揭示現(xiàn)象背后更深層次法律實踐之“因果律”。

　　另一方面，機器學(xué)習(xí)的法律計算難以充分把握、模擬人類的思維和意識。法律人的決策推理過程、決策結(jié)果往往與機器學(xué)習(xí)的法律現(xiàn)象預(yù)測具有明顯差異，這在復(fù)雜案件中更是如此。有研究就指出，“人類區(qū)別于其它靈長類動物的典型特征即是擁有意識”。由“硅元素”組成的計算機能否如同由“碳基”組成的人類那般擁有意識，像人類那樣思考？這一直是人工智能界與哲學(xué)界爭議不休的話題。計算機技術(shù)的先驅(qū)阿蘭·麥席森·圖靈在進行“圖靈測試”時，也有意或無意地回避機器是否具備意識的問題。姑且不論前述爭議的結(jié)局如何，法律人的思維推理模式與機器學(xué)習(xí)的計算之間始終存在“隔閡”，而這些不同是人類的自然基礎(chǔ)不同于機器所決定的。如法律人決策與推理的過程往往涉及無罪推定、排除合理懷疑、內(nèi)心確信等帶有人類主觀評價色彩的復(fù)雜概念，許多無法量化輸入、客觀認知的法律知識，恐怕難以被尚不具備人類思考和意識的計算機理解。即便理論上使用“強化學(xué)習(xí)”的方法可應(yīng)對沒有歷史數(shù)據(jù)輸入的學(xué)習(xí)場景，但是此類學(xué)習(xí)方法還處于“有多少人工，方有多少智能”的尷尬局面。因此，它自然就難以勝任對主觀性法律概念的理解和把握。

　　實際上，感知領(lǐng)域才是機器學(xué)習(xí)與人工智能技術(shù)主要突破的方向，圖像識別、語音轉(zhuǎn)化是人工智能技術(shù)的主要應(yīng)用場景，如人臉識別技術(shù)、自動駕駛、棋類（AlphaGo）游戲是其主要應(yīng)用成果。這在相當程度上是一種基于歷史經(jīng)驗數(shù)據(jù)、對客觀物體的感知技術(shù)。相比機器學(xué)習(xí)面對單一客觀關(guān)系的“預(yù)測”結(jié)果，法律人決策面對的更多是未來不確定性的主觀性法律關(guān)系，復(fù)雜的人類法律決策夾雜人類常識、情感與主觀價值判斷等因素，機器學(xué)習(xí)等人工智能技術(shù)是—種“站在第三人”視角觀察現(xiàn)象、總結(jié)規(guī)律、建立理論的方法，實際上難以模仿和學(xué)習(xí)人類常識和主觀性認知，更不擅長模擬法律人的決策與內(nèi)心推理過程，至少在復(fù)雜案件中難以模擬、超越人的決策機制的效果。相比人類意識和人類大腦所具備的“自監(jiān)督學(xué)習(xí)”機制，機器學(xué)習(xí)方法在法律的預(yù)測能力、學(xué)習(xí)效率、成本收益方面不盡如人意。目前，最先進的人工智能系統(tǒng)可能還不如一只貓聰明，貓的大腦有大約7.6億個神經(jīng)元和1萬億個突觸，人腦則具有860億個神經(jīng)元但功耗僅為25瓦。人腦的計算量大約是每秒可執(zhí)行1.5×1018次計算，現(xiàn)在一塊GPU每秒可執(zhí)行1013次計算，功耗約為250瓦。為了達到人腦的計算能力，必須將10萬處理器鏈接并且至少消耗25兆瓦的巨型計算機才能實現(xiàn)。前述能耗是人腦消耗的100萬倍。即便未來機器的處理能力變得同人類一般強大，但是機器是否也具備人類基于生理的共情能力仍然未知。況且，法律人的決策過程實際上是對未來不確定性法律關(guān)系的評判，而非簡單基于已知法律數(shù)據(jù)的“預(yù)測”，這其中的差異也決定了機器學(xué)習(xí)方法與當前開發(fā)出的人工智能技術(shù)并不擅長模擬人類常識和邏輯推理過程?？傊嬎銠C難以深度介入與模仿法律人的決策。

　　面對法律計算的上述局限，尚處于學(xué)科凝練與基礎(chǔ)建構(gòu)階段的計算法學(xué)，需要在未來理清學(xué)科發(fā)展脈絡(luò)，突破發(fā)展進程中的困難與瓶頸。

　　第一，結(jié)合我國法律數(shù)據(jù)的“本土資源”，探索可行的法律計算思路與機器學(xué)習(xí)方法。當前，我國裁判文書、檢察文書的公開已初具規(guī)模，各類司法文書的電子化與法律運作過程的數(shù)據(jù)化正在成為現(xiàn)實。但是，可公開獲取裁判文書所呈現(xiàn)的內(nèi)容往往只是法官自由心證的結(jié)果及其支撐裁判結(jié)果的材料及理由。這類數(shù)據(jù)可能已受到人類選擇性認知的影響，難以全面展現(xiàn)裁判結(jié)果形成的完整過程與全部考量因素。真實法律世界的某些部分包括重要而“隱秘”的部分是可獲得的法律數(shù)據(jù)尚未充分反映的。即便是從司法機關(guān)內(nèi)部獲取的法律數(shù)據(jù)，因其數(shù)據(jù)本身主要滿足訴訟管理之需要，還不能完全呈現(xiàn)司法實踐的全貌，更難以充分滿足精確計算法律的需要。總的來說，我國所公開的司法數(shù)據(jù)大多是一種結(jié)果性材料，對于研究一些諸如司法人員推理、決策等過程性問題的作用相當有限。據(jù)此，計算法學(xué)的未來發(fā)展，一方面需要吸收、借鑒域外實證研究中既有的機器學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)等計算機技術(shù)與方法，結(jié)合本土法律數(shù)據(jù)，探索有效的法律計算思路與機器學(xué)習(xí)方法，促進中國計算法學(xué)的落地實施；另一方面，需要不斷擴寬法律數(shù)據(jù)的來源渠道，客觀記錄司法實踐的運行過程，保障法律數(shù)據(jù)來源渠道、形成過程與經(jīng)驗現(xiàn)象產(chǎn)生的真實性，為計算法學(xué)的繁榮奠定數(shù)據(jù)基礎(chǔ)。

　　第二，計算法學(xué)應(yīng)致力在更多問題、更廣闊領(lǐng)域內(nèi)，探索、應(yīng)用機器學(xué)習(xí)，并與傳統(tǒng)法律實證研究以及其他研究方法共同揭示法律實踐規(guī)律與匡正法學(xué)理論。作為法律實證研究的衍生和拓展，計算法學(xué)同樣以法律實踐的經(jīng)驗現(xiàn)象作為理論關(guān)切點，通過收集、整理、分析和應(yīng)用數(shù)據(jù)，嘗試使用統(tǒng)計學(xué)、機器學(xué)習(xí)的相關(guān)知識進行相關(guān)研究。計算法學(xué)運用機器學(xué)習(xí)方法進行法律結(jié)果“預(yù)測”，是一種數(shù)據(jù)擬合程度較高的相關(guān)性分析，在相當程度上也是統(tǒng)計學(xué)知識與方法的實踐應(yīng)用。相比傳統(tǒng)的法律實證研究，充分使用機器學(xué)習(xí)方法的計算法學(xué)或者說“未來版的實證研究”將倡導(dǎo)使用決策樹、隨機森林、梯度提升算法、神經(jīng)網(wǎng)絡(luò)架構(gòu)等機器學(xué)習(xí)、深度學(xué)習(xí)方法來分析法律關(guān)系，從而更有利于在大量散亂分布的法律數(shù)據(jù)中發(fā)現(xiàn)零散數(shù)據(jù)之間的相關(guān)性與關(guān)聯(lián)程度，最終發(fā)現(xiàn)司法實踐或法律事件的發(fā)展或運行規(guī)律。同時，為了彌補機器學(xué)習(xí)方法在“因果推斷”領(lǐng)域的缺憾，歸納法律現(xiàn)象背后的內(nèi)在規(guī)律與成因，還需要創(chuàng)新傳統(tǒng)的實證研究方法，這主要是使用諸如隨機實驗、斷點回歸、雙重差分、工具變量等方法，在實驗室條件下或者隨機田野試驗的條件下不斷探索法律規(guī)范、法律政策與法律實踐之間的“因果律”。如2021年諾貝爾經(jīng)濟學(xué)獎得主書亞·安格里斯特（Joshua D Angrist）和吉多·因本斯（Guido W Imbens）的貢獻即在于對因果關(guān)系分析方法的創(chuàng)新，即使用“自然實驗”來模仿隨機控制實驗，評估反事實結(jié)果從而推斷經(jīng)濟變量之間的因果關(guān)系。2019年諾貝爾經(jīng)濟學(xué)獎阿比吉特·班納吉（Abhijit V. Banerjee ）、埃斯特·迪弗洛（Esther Duflo ）、邁克爾·克雷默（Michael Kremer）在“減輕全球貧困方面的實驗性方法”作出了杰出貢獻，發(fā)現(xiàn)了全球貧困原理以及各種扶貧政策的因果效用。前述方法對于判斷法律規(guī)范與實踐之間的因果關(guān)系具有啟發(fā)和借鑒意義。因此，未來實證研究還應(yīng)持續(xù)探索隨機試驗、雙重差分、工具變量等統(tǒng)計學(xué)的因果推斷方法，從而形成各類揭示“因果關(guān)系”的成熟方法。

　　當然，計算法學(xué)雖然是法律實證研究的最新范式轉(zhuǎn)型，但不是唯一的創(chuàng)新方式，其范式“轉(zhuǎn)型”也不意味著研究方法的替代。計算法學(xué)的發(fā)展繞不開法律實證研究方法的推廣，更無法取代法律實證研究的知識貢獻。即便是一種在原有方法上的部分創(chuàng)新也不應(yīng)該直接否定或摒棄原有方法的知識貢獻，否則極易陷入研究方法上的“獨斷論”錯誤。事實上，機器學(xué)習(xí)方法的主要原理依然是統(tǒng)計學(xué)領(lǐng)域內(nèi)相關(guān)性分析的數(shù)學(xué)知識。對于需要發(fā)現(xiàn)法學(xué)理論“因果律”的領(lǐng)域，通過法律文本的法教義學(xué)研究仍然是未來法學(xué)理論建構(gòu)的重要源泉，結(jié)合司法實踐的法律實證研究與社科法學(xué)研究在揭示法律實踐規(guī)律方面也依然占有一席之地。尤其是傳統(tǒng)實證研究通過對統(tǒng)計學(xué)方法的創(chuàng)新應(yīng)用，在因果推斷等方面也可以做出創(chuàng)新性研究，其價值與意義不亞于甚至可能高于不少計算法學(xué)的成果。可以說，法教義學(xué)、社科法學(xué)與法律實證研究（包括計算法學(xué)）的方法在學(xué)術(shù)志趣、研究對象與實現(xiàn)路徑方面盡管存在差別，但是它們都各自具備著獨特的方法論價值，相互之間彼此共生，共同促進法學(xué)研究的繁榮。使用統(tǒng)計學(xué)、機器學(xué)習(xí)方法的計算法學(xué)也應(yīng)當結(jié)合現(xiàn)有法律實證研究等方法，共同揭示法律實踐之間的關(guān)聯(lián)性與因果律，客觀把握法律實踐規(guī)律，探索出一種補充、修正法學(xué)理論的新模式。計算法學(xué)與法律大數(shù)據(jù)的到來從未叫囂“理論已死”，而只是可能“從根本上改變了我們理解世界的方式”。

　　換言之，使用機器學(xué)習(xí)方法的計算法學(xué)出現(xiàn)或許將會為我們帶來觀察法律現(xiàn)象的全新方法，但是我們更應(yīng)理性看待其未來發(fā)展：既不能高估機器學(xué)習(xí)方法所帶來的法律預(yù)測能力，也不能低估不斷發(fā)展的統(tǒng)計學(xué)理論與方法在主流實證研究中的獨特魅力與價值，更不能忽視結(jié)合統(tǒng)計和計算的實證研究與機器學(xué)習(xí)在發(fā)現(xiàn)法律實踐規(guī)律方面的貢獻。無論如何，現(xiàn)階段我們需要更多地夯實法律研究的“計算能力”，正確認識法律數(shù)據(jù)的欠缺性與機器學(xué)習(xí)法律計算的局限性，培養(yǎng)具備交叉學(xué)科背景的法律計算人才，摸索可應(yīng)用于中國法律數(shù)據(jù)的計算思路與計算方法，打造中國計算法學(xué)的“拳頭產(chǎn)品”。嘗試并推進以實證研究方法為底色的計算法學(xué)學(xué)科建設(shè)，促進計算法學(xué)研究的落地生根，將是未來中國新型法律人的責(zé)任與使命。計算法學(xué)的春天已經(jīng)來臨了嗎？就讓未來告訴未來吧。