余成峰：人工智能时代，法律会“死亡”吗？

中国民商法律网

本文选编自余成峰：《法律的“死亡”：人工智能时代的法律功能危机》，载《华东政法大学学报》2018年2期。

作者简介:余成峰，北京航空航天大学法学院、人文与社会科学高等研究院讲师。

全文共5118字，阅读时间约25分钟。

人工智能时代的法律，区别于以往，将发生何种意义的演变？在何种意义上，法律可能面临“死亡”？针对上述问题，北京航空航天大学法学院余成峰讲师在《法律的“死亡”：人工智能时代的法律功能危机》一文中，从“深度学习”这一核心概念入手，探讨法律的功能性变迁及其内在危机。这对理解人工智能时代的法律有着积极的促进作用。

一、法律的独特功能：深度不学习与规范性期望

法律最为核心的特征是“深度不学习”，即通常所言的法律“规范性”。所谓规范性，乃对应于认知性和事实性的概念。简言之，当社会期望失落，当他人未能按照预期相应做出行动，没能按照法律规定执行的时候，法律一定要通过暴力威慑或制裁机制，强行维持其规范性权威。

法律不学习的根本目的，是为了化约社会的高度复杂性，从规范化的角度将学习带来的没有止境的认知链条暂时切断。法律上的所有权制度，其实就是对财产占有在所有主体之间所需达成共识的一种切断。所有权设置之后，所有权人无需再和所有非所有人一一谈判来达成产权共识。法律所有权切断了此种共识获取的必要，直接赋予财产在规范上的法律效力。

法律是一门同时结合了内部学习和对社会不学习来维护规范性期望的特殊技艺。只有通过法律不学习才能有效化约社会复杂性。而为了适应社会的高度复杂性，也需要增强法律系统自身的复杂性。法律通过内部学习的方式，维持了它以不学习方式化约社会复杂性的规范化功能。

二、智能机器社会的崛起：小法律、实验法、区块链和智能合约

在人工智能带来的机器学习潮流之下，当法律遭遇代码和算法，法律的独特功能就遭遇到了深刻挑战。

随着智能机器社会的崛起，人类法律正出现一个从大定律—小数据向大数据—小定律模式演变的趋势。传统的法律不学习根据统一化的“大法律”来整齐划一地规范各种“小事件”，它需要通过不学习人为地简化和收敛各种复杂场景，化约社会沟通复杂的事物、社会和时间维度。而智能化的机器学习则开始从海量的“大数据”中根据特定的场景、语境和实用的需要，随机提取特定的“小法律”来形成对行为的反馈机制。在这种情形下，“数据”甚至不必是实际发生的案例，就可以人工地生成海量数据并以此进行预测性和实验性立法。一方面，通过去语境的信息化模式提取出特定规则；另一方面，再通过模拟仿真进行动态观察和效果评估，进而模拟各种虚拟场景，并在此过程中生成各种具有学习性特征的“小法律”。

不学习的法律可以应对一个具有高度确定性的社会，但是伴随着风险社会的到来，必须让法律逐渐取得更高的学习属性，能在事前甚至即时性地进行反馈式规制。而这就推动了各种学习机制和实验式治理方法在法律中的应用。

当下，智能社会的迅速崛起会从根本上推动法律的学习化转向。我们可以从人工智能、区块链（比特币）、虚拟现实、智能合约这几项革命性技术的交叉演化，来审视它对法律功能变迁将带来的深远影响，并且，法律智能化的迅速发展也将深刻改变法律的规范主义特征。

首先，各种数字智能技术的交叉兴起导致了世界社会分化趋势的加速。区块链技术作为一种有关价值生成和确权的协议，正是一种新型的“法律”共识机制和确权手段。依靠具有学习进化能力的数字加密技术，借助由特殊算法保障的去信用、去共识化的技术手段，它可以即时地生成和确认某种价值和权利的归属，这可以有效取代传统法律的规范性确权的功能。它是深度学习的，同时又将学习时间压缩到可以忽略不计的程度，相比不学习的法律，它在效果、效率、成本方面都有明显优势，并且更具“科学”层面的说服力。

其次，再以新商人法和智能合约为例。依托于区块链技术的智能合约则提供了商人法的一个替代性方案，它将是合同效力自赋的全新升级，因为它可以通过智能技术的内部化方式直接取消效力自赋的悖论。只要触发事先设定的交易条件，合同就会被自动执行。也就是说，在类似的智能技术帮助下，以往我们熟悉的不学习的法律的特征、功能和模式，将面临全面的冲击。智能合约会创建一个基于逻辑的自动执行结构，从而消除现实交易中对第三方法律机构的需求。双方一旦通过合约达成协议，合约就直接扮演了仲裁者的角色，自动推动交易的完成。在这个过程中，法律被排除在外，不再是合法／非法，而是合约代码本身成为元代码。

最后，智能技术的发展也将以不同程度改变法律的规范主义特征。第一层次的智能应用，如法律检索，还无法改变法律不学习的本质，因为它主要是通过法律信息化、信息流程化、流程自动化的过程，提高不学习的法律的运作效率。而法律智能化的第二个层次，则是从“不敢违法”直接提升到了“不能违法”，如自动驾驶技术中的嵌入式代码（法律），就可以自动执行法律的预期结果，在事前就禁止了相关违法行为（如超速）。而诸如智能合约、欺诈智能识别系统等技术，则是法律智能化的第三个层次，即达到了“不用违法”的效果。也就是说，在原有技术条件约束下，合同效力需由不学习的法律来担保，但是现在，智能技术可以直接推动和保障交易完成，从而使法律完全失去用武之地。可以设想，随着智能技术和学习能力的不断提升，社会主体的各类信息都将数据化，所谓“法律事实”也将趋于透明化，证据链的形成可以被机器学习捕捉，法律流程将更多以认知性需要而不是规范性要求作为规制的导向。

三、机器学习之后：法律功能的蜕变及其效应

（一）计算法学与法律社会科学的转向

当前正在发展的计算法学，建立在智能学习技术以及将自然法律语言全面人工化的技术意识形态之上。可以说，计算法学将是法律社会科学发展的终极版本。传统法律只是一种简约而粗糙的算法（如《法国民法典》），它虽然为避免决疑主义而提高了化约的效率，但也因此无法做到精细。在实践中，那些“有待填空”的法律条款给执法者和法官留下来广阔的裁量空间，由此带来的专断或腐败颇受诟病。那么，当人工智能和计算科学的发展使计算能力不再稀缺，当算法比不学习的法律能以更为低廉的成本，更为高效、精确和灵捷地实现各种治理目标，就势必会推动作为法律的算法的全面兴起，与此对应，作为算法的法律则会开始衰退。

（二）法律空间的多极化与平行化

现代法律主要围绕主权空间展开，它依循政治国家和市场社会的二元空间建构公法与私法体系，在此结构下，国际法和家庭法的特殊性就在于主权空间与其空间关系的暧昧性。但是机器学习的技术发展将会推动法律与主权的脱嵌化趋势。法律不再完全依靠国家主权保障来实现其不学习的规范化机制，而完全可以依托各种学习性、去中心、分布式的数字技术实现。当虚拟和现实的空间界限被打破，当多元的世界之间不再有一个具有压倒性的政治空间拥有最终的决断权，这就会给法律的权威带来根本的挑战。

（三）法律时间的倒置与映射

学习性法律会实现从未来到当下的映射。基于机器学习的法律规制，它虽然也会基于过去的规则和判例，但更多会趋于面向未来、预测未来和引导未来。这是一种依托于信息主义范式的人工社会世界或者说平行虚拟世界兴起所带来的时间意识的蜕变。空间结构和时间意识的变化会形成相互激荡之势。上述多重平行世界的空间交错，会不断推动法律从依据过去来稳定当下从而规范未来的时间技术，转变为一种依据想象的未来或者预测性的模拟仿真来引导当下从而重构历史的规制模式。

（四）财产形态的转变：从物的所有权到财产的可进入

信息作为一种财产，可以被抽离出具体自然和社会的语境，摆脱有体物稀缺性的限制而自由增殖和流动。财产的信息化、知识化和虚拟化，则为法律的学习化、代码化和算法化提供了基础性的社会经济条件。财产不再内嵌于社会网络，而是从属于一个以货币为代码的经济系统，从属于一个以代码为中心的可以虚拟化操作的技术系统。作为物的所有权，开始被作为财产的进入（access）所取代。由所有权的“不可侵犯”所促成的法律不学习，现在开始被作为财产权的“可进入”所推动的法律学习取代。

（五）无需法律的信任：从人格信任到制度信任再到机器信任

法律首要解决的是信任问题，它以不学习的方式来化约世界复杂性，将其压缩为按规范性逻辑来定位的形式，由此来限制各种风险，并确保信用的稳定。

古代的法律不学习是将某些禁忌和规范设定为神圣不可侵犯，借此来塑造期望的结构和动机的模式，从而支持信任的生产。而在进入现代社会之后，则更多是通过抽象的制度来提供这种功能。它使信任变成了一种系统性的反馈机制，使人格信任转变成了系统信任。而机器学习的发展，则使信任既不再需要基于人格，也不再基于制度，甚至是不再需要信任本身。现在，信用不再是简单的关于某个个人良好行为或声誉的规范性评价，而是成了越来越细且无所不包的与事实相关的数据挖掘和概率统计。此时，更多的是需要机器学习来形成征信和计算，法律保障信用生产的规范功能也就被边缘化。

（六）失调的调制解调器：技术、自由和法律的悖论

传统法律可以在市场、道德和架构这些规制手段全部失效的情况下发挥最后的自由保障作用，是社会规制自由最终的调制解调器。不学习的法律无法将其触角伸到每个人类行动的领域，因此就将这些领域规定为“法律上的自由”。也就是说，现代的自由价值悖论地依赖于一种技术上的“低效”，只有当技术效率不再成为问题，它才可能一步步侵蚀自由的领地，将本来不被法律规制的领域纳入技术规制的对象。因此，法律的控制范围和深度有限；但是，机器学习却围绕着一种可以被人为建构、改造、干预和引导的“环境”展开，它“深度学习”，因而可以处于一种随时“立法”的状态。

（七）形式正义VS实质正义：悖论丛生

法律史上关于实质正义和形式正义的长期争论，实际上隐含了与技术能力相适应的法律正义机制的特征及其变迁过程。

第二次世界大战后的全球法律范式呈现出一种悖论现象：即公法上的形式主义和私法上的实质主义的并存，而两者又都以“权利”话语作为共同的中介。为了更好实现“正义”，需要通过“权利”的学习性变异来调整规范期待，也为了更好保护“正义”，又要求以形式主义和程序主义的“权利标准”来保持规范期待的稳定。权利话语的兴起，恰恰可能不是传统自然法规范主义的回归，而是某种维纳式的法律控制论和学习性法律深化的体现。重要的不是话语本身的延续，而是由社会结构变迁带来的语意的深层改变及其由此带来的对法律正义的考验。

四、法律死亡的危机：在认知性与规范性之间

新的机器学习技术，正在共同形成一股认知性学习的力量，占据旧的不学习的法律的领地。法律正在丧失它作为独立社会系统存在的功能正当性。正是因此，人工智能时代对法律的最大挑战，不是对人法、物法领域的重构，不是隐私安全和被遗忘权的设计，也不是数据和算法何者作为未来法规制的重点。根本的挑战，在于法律功能独特性的丧失。法律不学习被机器学习取代，规范性期望被认知性期望取代，法律被代码／算法取代，这将是法律“死亡”的前景。

法律正在面临严峻的危机。实际上，在人类历史演化中，遭遇同样命运的早有先例。比如，巫术在文明社会的基本消失，宗教在现代公共领域的全面退出，道德在当代社会的普遍无力。巫术、宗教、道德都曾扮演和法律一样的规范主义角色，而如今它们都已退出了公共舞台。甚至可以说，法律作为一门不学习的规范化技艺，已成为了人类规范文明遗留的火种，它成为了人类规范性文明最后的守护者。那么，它是否会伴随机器学习的崛起而被全面取代？当法律失去它神圣的功能光环，当其势力范围不断沦陷，当法律的特殊领地不断坍塌，那么，人工智能时代的法律就可能面临法律的最终死亡这一最大的危机。

在人工智能为代表的认知性技术兴起之后，深刻改变传统法律的特征。从法律不学习到机器学习，法律在各个方面产生了重大变化，也面临着严重危机。在人工智能时代，法律功能独特性将丧失，而这将会导致法律的“死亡”。这一法律的危机促使着我们去深入思考法律在这未来的功能和定位。