返回上一页 文章阅读 登录

余盛峰:法律的“死亡”:人工智能时代的法律功能危机

更新时间:2018-04-14 15:45:15
作者: 余盛峰  
“数据”甚至不必是实际发生的案例,而可以利用各种基于代理的模拟仿真技术(Agent-Based Simulation),或是通过智能生成性对抗网络(GANs Generative Adversarial Nets),来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,再模拟各种虚拟场景,并在此过程中生成各种具有学习性特征的“小法律”。这些学习性的“小法律”同时具有规范性和认知性特征,可以通过给定目标,通过设置一系列变量及相关的变化概率,模拟建立包括一系列行动者、互动规则和各种动态环境特征在内的法律推演,来同时实现描述、预测和引导社会沟通、建构法律动态模拟过程和结果的功能。这种意义上的学习性法律,就突破了事实和规范的二分,通过科学学习改造了通常认为不可以学习的法律等规范化领域。

   不学习的法律可以应对一个具有高度确定性的社会,但是伴随着贝克所言的风险社会的到来,社会交往的复杂性和不确定性急剧提升,如果继续沿用不学习的法律,主要基于事后规制针对特定当事人进行治理,势必难以应对风险社会的各种问题。风险社会的风险效应一般不止于当事人,而事后规制会造成无可挽回的后果。正是因此,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,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。在风险社会中,法律不能再只是一种不学习的规范性技艺,相反,它必须随时根据新的信息和情境认知性地进行自我调整,以适应各种风险和变化,甚至根据实验模拟的结果来调试和出台新的法律规则。[xx]

   贝克对此作了深入说明,在风险规制中,学习的要求会逐渐变更传统不学习的法律对于确定性、普遍性、一致性这些价值的追求,以便更好对基本权利进行动态性的保护。例如在德国,就已经出现了一系列学习性的法律机制:第一,弹性化与暂时性处理,例如制定临时性规范、附变更保留的规范、赋予观察义务。根据风险的最新变化,行政机关可事后修正、变更先前的风险决定、给该决定课予事后的负担。法律学习会更多从程序法原理来重构,比如让生产经营者承担对更好知识的观察义务和事后改善义务。第二,将某些法律去实质化,法律仅做出一般指引,采用“接纳性概念”,在法律中规定“一般承认的技术规则”、“技术水准”、“学问和技术的水准”等原则。这样,就在法律不学习的基础上开放了根据科技发展水平变化进行学习的空间。第三,扩大行政机关的任务,授权其制定规则并负责执行,改变对法的明确性要求。让行政权更多担当法律学习的功能,建立做出判断(风险评估)的法定程序和组织。第四,将法律程序视为一种“社会理解的过程”,而不再是法律机构单边自上而下的规制过程。风险的复杂性、科技的动态性和学习的过程性,要求各方主体都围绕法律过程进行风险沟通,从而提高法律的学习性。[xxi]

   可以看到,从晚近以来,伴随着从压制型法到自治型法再到反思型法的发展,法律的学习性早就在不断彰显。[xxii]例如在德国,目前就出现了一种新型的法律,即实验法(Experimentalrecht)。而“实验法”之所以被形容为“实验”,是因为它具有下述两个不同于以往法律不学习的核心特征:第一,它设有期限;第二,伴有评估措施(评估的义务、评估委员会的设立、评估报告的制作)。[xxiii]这种具有高度灵活性、机动性、过渡性特征的“实验法”,无疑是对以往有关“令行禁止”、“有法必依”这些法律信条的深刻挑战。

   当下,智能社会的迅速崛起则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。区块链就可以视为一个正在演化的新社会系统,按照卢曼社会系统理论,当前的区块链已经形成了一个完整的系统生态:它形成了系统/环境的区分(通过共识算法和独特的证明机制)、独立的时间维度(每十分钟为时间单位的区块生成速度)、独特的运作媒介和加密手段(哈希计算和时间戳)、特定的二元代码(记账/不记账)。在这样一个新的区块链世界中,还可以进一步搭载人工智能、虚拟现实等技术,在技术推动下,区块链理论上可以将所有人和事物都陈列到虚拟网络世界的“货架”上,面向智能技术进行统一标识,并确保标准化的智能操作。技术变革必然涉及新财富的创造和旧财产的重新分配,而区块链技术的革命性就在于它实际上正是一种价值协议,它不只是关涉现实世界财产的数字化问题,而更是解决了虚拟世界资产的创造、分配、定价和交换问题。例如,比特币作为区块链技术的首要应用,就解决了虚拟世界的货币化问题。

   顾名思义,传统法币是一种基于法律权威的不学习货币,它由国家主权进行信用背书,强制赋予它唯一合法的货币地位。而比特币则是一种学习性的货币,它奠定在学习性的代码、算法和技术协议之上,因此,在比特币中适用的“法”实际不再是外在的法律文本和规范,而是内嵌于区块链系统的数字协议,“合法/非法”是根据数字签名(非对称加密算法)自动加以识别的,而不再诉诸立法和司法机关的相关规定。可以看到,区块链技术,作为一种有关价值生成和确权的协议,其实正是一种新型的“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。在区块链技术迅猛发展的趋势下,传统的法律规范手段如何继续保持其竞争优势?

   其次,再以新商人法和智能合约为例。古代商人法主要是一种习惯法,它基于历史形成的商人共同体来解决合同的信用和效力问题;而现代商人法的载体则主要是标准合同,特别是在跨国商业合同领域,如托依布纳所言,它通过各种外部化机制比如指定仲裁机构的方式,实现合同效力自赋的悖论转移,其推动者主要是各类跨国公司和跨国律所。[xxiv]而无论是古代商人法还是现代商人法,它们都是基于不学习的法律,都需要通过规范化的方式进行效力赋予。而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。

   可以设想不远的未来,我们如何向手术机器人支付费用?如何对自动驾驶出租车付款?在物联网(IoT)平台上,智能洗衣机又如何向智能平台直接发出购买洗衣液的邀约?智能汽车如何向维修机器人支付修理费用,它又如何发起智能投保并与智能代理进行理赔谈判?对于这些可以预想的问题,事实上只有“区块链”,才可能成为超越以人类和法律为中心的传统操作平台,实现跨越人与人、人与机器、机器与机器的依托于智能算法的跨平台运作。而在这些新的虚拟世界空间中,传统不学习的法律的作用会不断边缘化。在这些新的虚拟世界中,利用各种智能技术,其便捷性和适用性会使传统法律在其中变得没有用武之地,不再需要法律来处理各种有关虚拟化财产的交易和确权问题。智能技术通过自我学习的方式,可以更有效地执行并保证各种交易的完成。例如,目前的Modern VR平台就利用区块链等新兴技术,使虚拟财产所有权和交易更加安全。而虚拟现实平台Decentraland则使用区块链来识别和指派虚拟世界中的土地所有权。[xxv]由于VR的各种应用,现在虚拟不动产可以像现实世界的财产一样出售、租赁,并用于虚拟活动。从这些发展中可以看到,未来将更多是区块链技术而不是传统法律来规范虚拟财产市场,平行世界/虚拟世界的财产交易,难以接受现实世界法律的规制,而更容易接受机器学习的算法和代码规制。因为,虚拟世界高度随机性、即时性、可塑性的特点,决定了它难以通过不学习的法律进行控制,而具有深度学习能力的智能机器则可以更好确保财产交易的效率和安全。如果说,传统法律的不学习机制主要应对的是现实世界的问题,那么面对一个正在涌现的多极和平行世界的治理问题,法律的形态必然面临转型。

   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,诸如法律检索、文件自动审阅、文件自动生成、智能法律咨询、案件结果预测等等,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”,诸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(如酒驾或超速)。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

   法律一旦开始学习,它就会陷入霍姆斯的“坏人-预测”视角的悖论。因为,对法律运作的学习性预测,会深刻改变当事人的规范预期,从而使规范预期不再稳定,从而也就会相应改变当事人的动机和行为模式。也就是说,哈特意义上的法律外在视角(学习性)会解构法律的内在视角(规范性),观察和预测会直接改变法律系统的正常运作。这就与不学习的法律形成了对比,因为不学习的法律所要作的正是切断观察者的预测视角对法律规范运作的影响,让观察者收敛在观察状态,而与之相反,预测性、学习性、认知性这种“坏人”视角的介入,则会让法律参与者和观察者的界限消失,霍姆斯意义上的“坏人”,就会一步步改造哈特笔下所描述的“无知之人和迷惘之人”。

   [xxvi]

这其实正是晚近以降法律全面社会科学化的背景。一方面,法律不断摆脱道德或伦理的负担,法律进一步代码化和算法化;另一方面,脱离了具体伦理负担的法律,需要更加适应或者主动预测和引导精细行为的能力。这种深度学习的法律转型,其目标不再只是福柯意义上的面向整个国家人口的生命政治,也不再是指向霍布斯意义上的抽象和平的法律秩序,而是一个更接近边沁全景敞视的可以精细识别不同苦乐场景的功利主义理想。它所追求的也不再是总体性的“最大多数人的最大幸福”此种意义的功利计算,因为,边沁和密尔时代的功利哲学仍然依托于相对粗放的法律算法。也就是说,传统法律实证主义只是将法律学习包含在每一次立法周期内,法律现实主义则主要是聚焦于对法律事实的学习,而功利主义法学派虽然致力于将法律算法进一步精细化,但其仍然没有突破规范主义的传统,(点击此处阅读下一页)

本文责编:陈冬冬
发信站:爱思想(http://m.aisixiang.com)
本文链接:http://m.aisixiang.com/data/109455.html
文章来源:《华东政法大学学报》2018年第2期
收藏