來源：【中國社會科學網】
近年來，隨著知識大融通和學科融合，特別是理論和實驗之外第三科學範式「計算」的興起，「計算+」跨學科家族蓬勃發展，並延伸至法律領域，計演算法學（computational law）應運而生。作為一門新興交叉學科，計演算法學方興未艾，前景廣闊。但其面臨的最大問題是：很多人對「計算」的含義存在誤解，在一定程度上影響了計演算法學的發展。因而，厘清計演算法學的「計算」究竟何所指，具有重要意義。
計演算法學的「計算」是什麽
如果從不同的抽象層次進行分析，計算至少有以下三層含義：算術意義上的加減乘除、計算科學的資訊處理和認知科學上心理表征的轉換。
計算最普通的含義是根據已知數透過數學方法求得未知數，即數碼的加減乘除。這種意義上的計算，是對計算最淺層次的理解，也是大多數「不喜歡」數學和自然科學知識與方法的法律人的通常理解，但其和計演算法學並無多少關聯。計演算法學並不纏結於數值計算的細枝末節。
第二個層次的計算是計算科學的資訊處理。早年，人們將電腦科學定義為研究以電腦為中心的各種現象的科學，現在則將其定義為一門關於資訊處理的科學，其重心逐漸向計算科學（computing science）傾斜。事實上，在電子電腦問世不久，從20世紀50年代起，計算就開始被稱為資訊處理。因為電腦的功能早已不限於數碼的加減乘除，而是對各種數據資訊的處理。電腦只是計算的一種工具，並非計算的研究物件。當然，對於大量復雜計算問題的處理，電腦是必不可少的工具。因此，常有人把計演算法學理解為「電腦法學」，這是一種雖非完全錯誤但顯然片面、狹隘的認識。
第三個層次的計算是認知科學上「心理表征的轉換」。認知科學研究人類的心智和認知規律，其目標是揭開人類心智的奧秘。主流認知科學將認知視為一種計算的形式，其核心假設是：對人類思維最恰當的理解，是將其視為心智的表征結構以及在這些結構上操作的計算過程。這種心智的計算觀假定人類心智是一種心理表征，計算就是心理表征狀態的轉換，每一次轉換都是從一個命題（判斷）得出另一個命題，這意味著從數學上看計算與推理是等價的。可以說，「推理就是計算」，法律推理就是法律人的心智計算。早在17世紀中葉，霍布斯（Thomas Hobbes）即提出這一原理，堪稱認知科學之先驅。這一命題亦成為計演算法學的理論基礎，並為運用科學方法研究法律人的思維提供了契機。
心智計算是一種「軟計算」
電腦之父馮·紐曼曾經指出，人腦的語言並非數學語言，而是統計性質的語言。現代認知科學亦認為，人腦進行資訊處理的主要類別是多元變量統計。即使這種統計性質的語言，在普通人的頭腦中也是以自然語言及其基本單位詞語（words）而非數學符號的形式存在。因此，人類的心智計算不同於電腦運用數學建模、追求精確解的「硬計算」，而是一種使用自然語言、富有靈活性、尋求近似解的「軟計算」，是貝葉斯方法和語言方法的綜合運用。
心智計算運用語言方法，是因為人類的思維離不開語言。語言方法主要表現為利用語言變量進行詞語計算（words computing）。舉例來說，在日常生活中，我們對某事件發生或者不發生的不確定性的猜度，可能是下述模糊語言集中的某個元素：{完全不可能，幾乎不可能，基本不可能，不太可能，或多或少可能，完全不確定，有可能，很可能，非常可能，極有可能，幾乎可以肯定}。在這個模糊語言集中，修飾詞「幾乎、基本、很、非常」等被稱為模糊語言算子。借助模糊語言算子，不同情形下的模糊語言值可取代數值化的概率（…0.5，0.6，0.7…），從而使人類心智的貝葉斯概率推理（近似推理）成為可能。
心智計算運用貝葉斯方法，是因為人類面臨的真實決策情境在大多數情況下都處於資訊不完備狀態（法律領域尤為典型）。處理資訊不完備造成的不確定性問題，概率論的其他方法如古典概型或頻率論概率都無能為力，只能適用貝葉斯方法。貝葉斯方法把概率理解為「置信度」，即我們對不確定性事件所懷抱的信念的程度。這種解釋的優點是，它讓我們可以為單個唯一事件或者非重復事件（法律事實基本上都屬於這種情況）給出概率，而無需（事實上也不可能）透過大量試驗獲取數據進行統計平均以確定事件的概率值。
貝葉斯方法的本質是「用新證據修正概率」，而概率可以用語言概率（即前述「可能性」的模糊語言集中的某一元素）來表示。根據正反兩方面的證據所提供的資訊不斷修正調整最初的概率判斷，經漸進收斂得出最終認識。這聽起來似乎很普通，但卻深刻揭示了人類的思維過程，貝葉斯法則正是對這種復雜思維過程的數學描述。正因為如此，法國數學家黃黎原（Lê Nguyên Hoang）稱貝葉斯公式為「智慧方程式」，並認為它是數學中最優美的等式，人類的「理性」也可以歸結為貝葉斯方法的運用。
簡言之，人類的心智計算過程可以概括為：軟計算=貝葉斯法則+語言概率。人類的思維遵循貝葉斯法則，在認識事物時基於自身經驗通常會有一個先驗概率判斷（初始置信度），然後根據新證據提供的資訊不斷修正調整先驗概率而得到客觀化的後驗概率（經改進的更全面的置信度），在後驗概率之判斷的基礎上，作出最終決策。這種心智計算模型，與法律人特別是法官的思維過程高度契合。實踐中，法律人也一直在不自覺地運用貝葉斯方法進行推理。只不過，長期以來，我們對此習焉不察。波斯納法官曾經指出：「法官都是貝葉斯主義者，盡管他們大多數人從未聽說過貝葉斯定理這個詞。」
「硬計算」向「類腦計算」發展
實踐中廣泛套用的法律智能系統的計算是利用電腦進行的「硬計算」，無需贅述。但目前學界的關註點大多聚焦於深度學習/人工神經網絡（傳統的基於規則的專家系統，由於在法律領域適用範圍有限而少有人關註），這種研究方向可能存在偏差。因為，運用深度學習的智能系統並非真正的類人智能，其內部運作的機理如同「黑箱」，與我們對透明性的追求背道而馳，甚至連深度學習之父辛頓（Geoffrey Hinton）在近期的反思中都對反向傳播演算法「深感懷疑」。最近為很多人津津樂道的法律大語言模型，同樣基於深度學習架構，並時常出現「幻覺」（機器根據自己對場景或上下文的「理解」而生成虛假內容）。這種法律智能系統如何付諸套用？
毫無疑問，法律智能系統與適用於商業或其他領域的智能系統的要求不同。法律智能系統必須是對人類法律專家智能的模擬。否則，即使其能像上帝一樣做出「正確」的神明裁判，但如果它跟人類的思維完全不同，我們只能被迫「信仰」其決定的正確性，這種法律智能系統也是不可接受的。有誰願意把自己身家性命的決定權，交給一個跟人類思維不一樣的「物種」？
因而，研發可信賴的法律智能系統非常重要。尤其是適用於司法領域的智能系統，必須是類人智能和類腦計算。除了要回答那個長期困擾法學界的「法律人如何思考」的難題，探索法律人的心智計算的意義也正在於此。研發法律智能系統，必須先梳理清楚法律人的心智計算，再考慮模擬的方法。
不難理解，對計算含義的正確認識，影響到計演算法學的研究範圍（有人稱之為計演算法學的疆域）。如果從主體的角度進行劃分，計演算法學的計算有兩種進路：人腦的計算和機器的計算。相應地，計演算法學的研究範圍包括兩個分支：運用計算思維的法律人的心智計算和模擬人類智能的機器的計算（或可稱為「計演算法學1」和「計演算法學2」）。後者大致相當於「法律人工智能」研究，屬於當前的研究熱點；前者則為學界所忽視，屬於法學研究廣袤荒蕪的「西部」，尚有待法律學人開疆拓土。
（作者系西安交通大學法學院教授）
本文來自【中國社會科學網】，僅代表作者觀點。全國黨媒資訊公共平台提供資訊釋出傳播服務。
ID：jrtt
