东南大学法学研究生(东南大学法学研究生录取分数线)

东南大学法学研究生，东南大学法学研究生录取分数线

人物名片：王禄生 ，东南大学法学院教授 、博士生导师 ，兼任东南大学人民法院司法大数据研究基地执行主任 、江苏省法学会大数据与人工智能法 学研究会会长。

记者|李卓谦

责编|薛应军

正文共3027个字，预计阅读需9分钟▼

近年来，人工智能在法律尤其是司法场景中的应用越来越多。法律人工智能应用现状如何，存在哪些发展瓶颈，怎样实现持续健康发展？近日，民主与法制社记者就此采访了江苏省法学会大数据与人工智能法学研究会会长、东南大学法学院教授王禄生。

王禄生认为，针对当下法律人工智能发展过程中存在的“将人工智能技术平移运用至法律领域”的趋势，应当依循“法律人工智能领域理论”（以下简称“领域理论”），从法律场景领域需求出发推动技术迭代升级。

法律人工智能的概念及发展现状

记者：什么是“法律人工智能”？目前，我国法律人工智能发展现状如何？在哪些方面有所应用？

王禄生：法律人工智能，指在立法、执法、司法等环节使用的，依据法律领域特殊需求进行专门迭代优化的各类人工智能技术的总称。这里说的“法律人工智能”更强调技术研发对法律领域需求的主动回应与适配。目前，我国法律人工智能已在智慧立法、智慧执法和智慧司法等领域展开探索，智慧法治建设逐步呈现出“由点及面”的样态。

在智慧立法环节，人工智能技术被尝试运用于公众立法意见与观点信息的智能化提取、分析、评估以及条文辅助生成和备案审查工作。

在智慧执法环节，人工智能技术被运用于驱动业务模式的升级、辅助业务行为的规范和推动业务发展的创新等。比如借助大数据技术促进侦查模式转型升级，构建包括目标驱动型、比对驱动型与事件驱动型的大数据侦查模式。

在智慧司法环节，人工智能技术逐步进入司法公开、司法服务、案件办理、司法管理等业务场景。以智慧检务为例，全国各地检察机关在逮捕必要性审查、辅助量刑建议、辅助犯罪风险评估与预警等智能化创新应用方面展开了多样化探索，并取得了阶段性成果。

记者：现有法律人工智能发展在哪些方面存在瓶颈？

王禄生：目前，法律人工智能应用在范围与成效方面与社会预期还有一定差距。一个重要的原因在于，技术发展过程中忽视了“领域理论”的构建，尤其是结合法律领域特殊性的风险反思、方法建构、实践回应不足。

相较于金融、教育等其他领域而言，法律领域通常涉及侦查、起诉、审判、执行等多个关键领域，其对于程序保障和权力约束的需求较高。现有法律人工智能发展处于初级阶段，较少从法律领域整体需求角度思考智能技术可能给法律领域带来的风险与挑战，即很少站在领域特性基础上构建对法律人工智能潜在风险的治理路径。

此外，法律人工智能技术研发普遍采用通用大数据智能范式，即通过海量数据训练形成模型并加以运用。这种范式由于缺乏法学理论知识嵌入，容易形成“知其然，不知其所以然”。比如，通过大数据智能范式进行类案分析可能得出一些具有相似性的案例，但这些案例为何相似，则无法有效解释。换言之，尽管在特定样本上准确性有所提升，但由于没有法律领域中专业知识的介入，其在扩展性和可解释性等方面的困境无法有效解决。同时，技术研发时，通常将法律人工智能视作通用场景人工智能技术在法律领域的直接应用，很少充分考虑法律领域特有的“技术约束”。比如，自然语义处理技术在法律领域运用时，通用的分词方法和词联想无法完全适应法律领域的专业需求。同样，通用的知识图谱构建技术，也无法完全适应法律领域专业性和精确性的高要求。这要求结合法律领域的实际需求进行专门的技术迭代升级。

“领域理论”的内涵及外延

记者：您前面谈到上述问题的出现与技术发展过程中忽视构建“领域理论”有关。什么是“领域理论”？它的内涵和外延是怎样的？为何它十分重要？

王禄生：“领域理论”是指深度融合法学场景独特的领域需求而构建的法律人工智能发展理论，主要包括领域本体论、领域认识论、领域方法论、领域风险论、领域伦理论等内容。

从本体论角度看，法律人工智能是“法律领域的人工智能”（Legal AI）而非“人工智能在法律领域的运用”（AI in Law）。从认识论角度看，法律人工智能不应是单纯意义的技术研发，而必须紧密结合法学理论。从方法论角度看，法律人工智能的开发不能简单“平移运用”通用技术，而应该结合法律领域的数据特点，进行有针对性的算法优化与模型设计。从风险论角度看，由于法律人工智能所处的领域，不仅具备人工智能一般意义的应用风险，更会带来对立法、执法、司法领域逻辑的挑战。从伦理论角度看，正因为风险具有领域性，通用的人工智能伦理就无法完全适用于法律人工智能领域风险的治理。因此，需要构建一套特殊的伦理规范体系。

如果“领域理论”缺失，法律人工智能的发展可能会产生“领域风险”。以法律人工智能的代表性应用“量刑智能辅助系统”为例，其原理是通过历史案件大数据的深度学习，形成量刑模型进而为法官推荐在判案件的量刑区间。尽管这一系统的定位主要是辅助性的，量刑区间的建议也没有强制效力，但基于大数据挖掘所产生的最优判决的压力，客观上会形成一种要求法官向历史平均判决结果靠拢的压力。由此，可能潜在地给法官独立判案造成不同程度影响。再以法官判决预测系统为例，其原理是通过特定法官历史案件的建模，实现对该法官未决案件的结果预判。如果法官判决预测应用被大规模推广，事实上可能导致系统性的“择地诉讼”——当事人为了获得有利于自己的判决结果而有意识地选择在特定法院进行诉讼投机行为，对司法公正带来不利影响。这会在不同方面限制和阻碍法律人工智能的应用。因此，在发展法律人工智能过程中，不能忽视法学理论的知识嵌入，即要构建“领域理论”。

记者：在“领域理论”下，法律人工智能如何发展？

王禄生：发展法律人工智能应遵循“领域伦理”、嵌入“领域知识”、发展“领域技术”。

首先，遵循“领域伦理”。程序公正是现代法治追求的最重要的价值之一，人工智能技术中机器决策、算法黑箱可能与程序公正的内生需求形成潜在冲突。同时考虑到人工智能技术中数据和算法的使用在基础数据的系统性与算法的领域适配性方面存在的固有缺陷，将在不同程度上影响预测结果的准确性，进而可能与实体公正形成内生冲突。这就决定了发展法律人工智能要高度重视“领域伦理”构建。换言之，法律大数据的“领域伦理”应以保障法律领域固有属性为终极目标，以强化法律人主体地位为根本出发点，以工具主义为功能定位，以比例原则推动审慎创新。

其次，嵌入“领域知识”。新一轮法律人工智能主要借助数据挖掘技术从大量判决书、案件卷宗等非结构化、半结构化数据中发现法律规律并加以应用。尽管在特定任务上已经取得了一定进展，但该范式与法律领域因果思维、演绎思维等不完全兼容。因此，需要构建结合法律领域特殊性的“轻量级理论驱动”法律人工智能认识论，即通过法学理论构建法学领域知识本体，明确法律人工智能数据挖掘的结构、关系和边界；通过法学理论确定适合特定目标的法律人工智能的训练数据集；将法学理论作为法律人工智能数据挖掘结果的解释性框架。

最后，要发展“领域技术”。在“轻量级理论驱动”认识理念指导下，还应充分结合法律场景数据的特点，推动法律知识图谱高效构建与更新技术、法律领域的意图识别与人机交互的技术、法律领域风险评估与结果预测的技术等法律领域专有人工智能技术的研发。以法律场景知识图谱构建与更新为例，该技术面临术语关系特征稀疏、细分领域语料匮乏、文书长文本依赖等“领域约束”。因此，法律知识图谱需要依托于现有的知识图谱构建技术，结合法律特性进行迭代优化。

·END·

东南大学法学研究生(东南大学法学研究生录取分数线)