国外人工智能与法律研究进展述评--法律方法(20140825)+

《国外人工智能与法律研究进展述评--法律方法(20140825)+》由会员分享，可在线阅读，更多相关《国外人工智能与法律研究进展述评--法律方法(20140825)+（16页珍藏版）》请在装配图网上搜索。

1、word国外人工智能与法律研究进展述评X 妮1*X妮1977- ，女，某某金堂人，某某大学图书馆，馆员，法学博士，主要从事人工智能、法学、情报学交叉学科研究；杨遂全1958- ，某某大学法学院教授、博士生导师，博士后，主要从事法经济学研究；蒲亦非1975- ，某某大学计算机学院教授，博士后，主要从事人工智能研究。本文受2013年某某省科技厅软科学项目“人工智能在精神损害赔偿中的理论和应用研究(2013ZR0010)和某某大学青年教师基金 (2011SCU11)的资助。，杨遂全2, 蒲亦非31某某大学图书馆，2某某大学法学院,3某某大学计算机学院 某某 610064摘要：人工智能与法律在国外业已

2、成为了计算机、法学的一个研究分支,二者的结合卓有成效，对促进人工智能和法律两个学科的开展均有促进和完善作用。本文以SCI和EBSCO数据库为根底，着重研究了近15年来以人工智能和法律为研究主题的相关研究成果，旨在说明人工智能与法律结合的必要性、难点、优势，希望能较为客观地展示研究的主题以与近年来新的开展趋势。论文以国外人工智能与法律的两大研究主题：法律推理和裁量模型、法律本体为线索，分别论述了其研究现状、困难和趋势，并结合我国的研究现状说明人工智能与法律的结合对提高法律系统的质量和运行效率具有积极的意义，并且正吸引着更多学者的关注。关键词：人工智能、法律推理、法律论证、专家系统、法律检索Res

3、earch review on Artificial Intelligence and LawZhang Ni，Yang Suiquan2，Pu Yifei3(1Library of Sichuan University, 2 School of Law, Sichuan University, 3College of puter Science, Sichuan University, Chengdu 610064)Abstract: Artificial intelligence and law has been the subfield of puter or law, the purp

4、ose of paper is tried to explain the benefits and disadvantage of the synergy of artificial intelligence and law,and reveal the research topicand new tendency of the interdisciplinary. In the first, we briefly review the history of artificial intelligence and law in foreign countries, analyze theine

5、vitability of the synergy, explain the advantage and disadvantage of the subject, and objectively present the main subject and the tendency. In the second, we analyze the tendency, research status, obstacles, advantage and disadvantage of the two main branches-legal reasoning model and legal ontolog

6、y based on SCI and EBSCO data. In the end, we discuss the current research status of China in this area, explain this study will benefit for improving the legislation quality and judicial efficient of law system, and point out it is attaching more attentions from scholars of law and puters.Keywords:

7、 Artificial intelligence, Legal reasoning, Legal argument, Expert system, Legal retrieve人工智能与法律是一门涉与伦理学、教义学、心理学、行为学、哲学等多学科知识的综合性交叉学科，其研究不能被看作人工智能与法律两个领域知识的堆砌和渗入，而是人工智能与人工智能、法律与法律、法律与人工智能深度融合，对人工智能和法律两个学科的开展均有促进和完善作用。尽管人工智能与法律的学科定位未有定论， 有人从领域拓展的角度认为法律只是人工智能研究的拓展领域，属于人工智能研究的一个分支，亦有人从工具论的角度认为人工智能只是法学研究

8、的工具，研究围绕着解决法律问题，属法学研究分支。但毋庸置疑，作为交叉学科人工智能与法律正在逐步为人们所认识和承受，并吸引着更多的计算机、法学、逻辑学等方面诸多学者进入该领域。早在人工智能产生的初期即上世纪50年代， Lucien Mehl, Automation in the Legal World，Proccedings of conference on the Mechanisation of Thought Processes, Teddington, 1958.Mehl敏锐地嗅到人工智能将对法律的研究产生重大的影响，便开始致力于人工智能与法律相结合研究。此研究历经了近半个世纪的开展，其

9、应用的优势、存在的问题也逐渐显现出来。他山之石可以攻玉，本文通过对国外人工智能与法律现有研究成果的梳理，希望能促进该学科在我国的开展。一、 人工智能与法律：卓有成效的结合1958年Lucien最早提出了法律科学的信息化处理，即建立法律文献或案例自动检索模型和法官裁量模型，但该观点最初并不被大多数的学者所认可，直到1970年Buchanan发表了关于人工智能和法律推理假如干问题的考察， See Buchanan & Headrick, Some Speculation About Artificial Intelligence and Legal Reasoning, Stanford Law

10、Review(1970). pp.40-62.标志人工智能与法律作为研究分支的诞生。该文讨论了法律推理模型的可行性，借助于计算机编程提出判决建议模型、法律分析，并强调了类推的重要性。人工智能是研究使计算机来模拟人的某些思维过程和智能行为如学习、推理、思考、规划等的学科，如何使用人工智能的方法建立基于规如此和案例的法律推理模型或专家系统是人工智能与法律的研究重点。1977年Thorne用逻辑推理的方式分析公司税务法建立了TAXMAN系统，1981年Waterman等开发设计了产品责任的民事裁量模型，1984年Gardner在其博士毕业论文中探讨了法律失效情况下合同法的自适应处理， See Ann

11、e von der Lieth Gardner, An Artificial Intelligence Approach to Legal Reasoning, MIT PressCambridge, MA, USA, 1987 pp 1-50.继而在1987年发表了“人工智能与法律推理，1989年澳大利亚开发IKBALSI用于解释事故司法补偿条例，处理工人事故补偿问题，1991年Deedma以加拿大案例为根底研究人工智能的专家断案系统。 Cal Deedman, Smith J C, The Nervous Shock Adviser: A Legal Expert System in Ca

12、se-based Law, Operational Expert Systems Applications in Canada, Ching Y. Suen and Rajjan Shinghai eds., Pergamon Press Oxford, 1991, pp 56-71.1995年开发的Split-Up用于处理离婚案件的财产分割。 JOHN ZELEZNIKOW, An Australian perspective on research and development required for the construction of applied legal decision

13、 support systems, Artificial Intelligence and Law, Vol.10: 237260, 2002.2005年贝叶斯网络被用于法庭调查中评估火灾事故的证据。 A Biedermann, F Taroni, O Delemont，et al, The evaluation of evidence in the forensic investigation of fire incidents. Part II. Practical examples of the use of Bayesian networks. Forensic Science Int

14、ernational, 2005, V.147(1) ,pp 5969.2007年Strand将一般用于工程、计算机、医学的贝叶斯方法用于法学的实证分析， Jeff Strand. Should Legal Empiricists Go Bayesian? Stanford Law and Economics Online Working Paper. No. 342, 2007.以观察规X值与实际值的差异。2008年Riesen以受害人的特点为视角， Michael Riesen，Gursel Serpen. Validation of a bayesian belief network r

15、epresentation for posterior probability calculations on national crime victimization survey，Artificial Intelligence and Law，2008, Vol.16:3, pp 245-276.用贝叶斯信念网络分析美国刑事案件，提高自动分析的效率。各国开发了不少专家系统或裁量模型，如HYPO, CATO, IBP,CABARET, GREBE, SCALIR和PROLEXS等系统，有的系统具有连续性和承继性，有的已用于司法实践之中。当前基于关键字的法律检索已远不能满足法律信息爆炸时期对法

16、律知识管理要求，法律本体论已被广泛应用于文献查询、数据和文件挖掘、计算机辅助拟定法律，法律汇编、建立裁量模型、多主体模拟以与环境资源管理的决策系统等。 G. Sartor et al. (eds.), Approaches to Legal Ontologies, Law, Governance and Technology Series 1, DOI 10.1007/978-94-007-0120-5_7, pp 117.法律本体工程应用研究是计算机和法学开展的必然要求，一方面法学希望使用最新的研究工具用于法律理论和法律实践，另一方面需要拓展计算机的应用X围，以满足从事法律事务的工作者以与公

17、民的需求。法律本体的研究相关成果较多，2011年以前就有60余篇论文专注于此， G. Sartor et al. (eds.), Approaches to Legal Ontologies, Law, Governance and Technology Series 1, DOI 10.1007/978-94-007-0120-5_1, pp 1主要涉与法律知识的语义表达、法律语义检索和查询、法律信息管理，譬如，Nria Casellas and Rinke Hoekstra在博士论文中具体论述了法律知识的表达和法律本体的构造，lame对法国法律规定查询建立了法律本体，Breuker建立了荷

18、兰刑法的本体结构，Hafner构造了法律概念的语义网络，McCarty 建立了法律语言的本体(LLD) 等。2.人工智能与法律结合必要性、优势和难点人工智能作为计算机科学的研究分支，研究旨在用机器模拟人的智能，建立智能计算系统，自1956年诞生以来，其研究成果已广泛渗透到经济学、心理学、社会学等许多社会学科之中。法学是以社会关系为研究对象的关于法律问题的知识和理论体系，前者关于利用智能算法模拟人类的思维，后者关注于逻辑、经验，立法和司法语言模糊、司法裁量标准的不明确、价值判断的实效性和地域性，使得裁量结果具有不确定，人工智能能够模仿人类的思维进展相关的判断和检索吗？法律多年来一直陷于“技艺学和

19、“社会科学之争 法学是否是社会科学，存在着两种截然相对的观点，Kirchmann法官以法的不确定性和滞后性为由否认了法的科学性，对此耶林博士从历史的角度分析了法的科学性并对其观点进展了驳斥。，尽管法的科学性的争论早已尘埃落定，成为不争的事实，然而法律仍存在模糊性、滞后性问题。外表上法律是不一个人意志为转移的客观存在，而实际上法律是人们习惯和信仰的产物，是多种利益权衡的结果，司法实践中法官按照自己的理解解读法条，律师按对当事人有利的方式解读法律，利益比赛获得的裁量结果受到多种“不可控因素控扰，其非线性表现得尤为突出，试图用经典数学对于模糊性问题进展准确描述获得的结论往往偏离了人们的正常认识。法律

20、的复杂性和模糊性具体表现在： Edwina L. Rissland, Kevin D. Ashley, R.P. Loui, AI and Law: A fruitful synergy, Artificial Intelligence, 2003, V. 150(1) pp 1-15.1法律是多种知识的结合，涉与案例、规如此、理论、程序、授权、规如此与元规如此等；2法律需要特定的知识储藏，包括来自各层法院的案例、法律法规、司法解释、规如此等； 3法律判定标准不同，英美法国家强调遵循先例，大陆法国家如此更强调遵循规如此；4法律推理原如此不同，大陆法系以规如此为法律推理的起点，英美法系以案例为中

21、心；5法律制度并非机械的适用规如此，同时需满足不同的功能定位，如倡导、调整、警示、制定规如此和政策等；6法律概念并非界定清晰明确，往往是模糊不清的，难以用简单的语言进展定义；7法律通常采用双方对立辩论的方式寻求事实的真相；8法律是一门值得反思的学科，各种流派的法理学知识是法律规如此产生的根底。人工智能与法律的研究包括法律推理、裁量模型、信息检索和查询，司法和立法过程中遇到的各种问题迫切需要人工智能技术参与其中，帮助解决法律系统中的具体问题。首先，智能系统有助于提高司法效率。大量的诉讼案例出现，法院压力大，有的案例长期得不到解决，且法律条文复杂，仅以德国税收法为例，就有7万个规章，普通人要掌握这

22、么多法规根本上是不可能的， L. WOLFGANG BIBEL, AI and the conquest of plexity in law, Artificial Intelligence and Law, 2004, V.12(3), pp 159-180.对于主要依靠经验和对法律条款的熟悉程度的法官来说，智能化的法律搜索系统和办公系统，能提高法官和律师的办事规X化和工作效率。其次，智能模型能够促进司法公正，减少司法枉法裁判，促进公众对法律与司法的理解和公信力。法律语言不准确，不同法官对法学精神和法律条文的理解不一致，受个人成长经历和心理素质的影响，使得司法缺乏裁量的统一性，即便是美国或德

23、国最高的法院亦经常对同一案例做出不同的裁量往往法官的裁判结果差异较大，易使普通老百姓受到不公正的待遇，法律查询技术和裁量专家系统，能促进同案同判和司法公正。第三，智能系统有助于提高立法质量，缺乏相关的数据支持，立法似乎仍是遵循“常识而非依赖“科学数据，而立法讨论往往是需要快速决断的过程，通过的立法决议经常是立法者未经深思熟虑和调查，只是暂时妥协的结果，而其修改还需要特定程序和长时间的等待，功能强大的法律信息检索能帮助立法者做出正确的判断。同时，人工智能与法律的结合，拓展了计算机科学的研究X围，对于发现和促进法理学、逻辑学、认知科学与人工智等理论认知科学、逻辑学等理论研究具有积极的意义。 Kev

24、in Ashley. An introduction to artificial intelligence and law, 最后访问日期：2014年8月25日.人工智能开展与不稳定动态系统理论密切相关，试图在杂乱无章的物质运动中寻找规律，与经典数学相比，人工智能方法具有自学习、自组织、自适应的特征和简单、通用、鲁棒性强、适于并行处理的优点，对处理非线性和模糊问题具有独特的优势。用人工智能的方法建立的司法裁量模型或专家系统更接近于司法的实际裁判结果。首先，影响司法裁量的各因素无需准确的数学描述，也无需事前揭示描述这种映射关系的非线性表达式。其次，无需各裁量因素极大线性无关或更严格要求的相互独立

25、。传统数学要求研究因素之间应是极大无关或是各因素之间相互独立，所谓无关性是指向量空间的一组元素如果其中没有向量可表示成有限个其他向量的线性组合。再次，自动搜索获取最优各裁量因素的权重和权重系数。传统数学一般要求各裁量因素的权重和权重系数是明确的，而人工智能不需要事先知道各裁量因素的权重和权重系数。本体论作为一种能在语义和知识层次上描述信息系统的概念模型建模工具，具有共享、互操作和重用的优势，面对法律信息海洋，当前基于关键字的法律检索已远不能满足法律信息爆炸时期人们对于法律检索的预期，法律本体信息查询系统对梳理法律知识系统，快速的查询相关法律文献和案例具有无可比拟的优势。人工智能建立裁量模型或查

26、询本体的过程不仅是工程实现的过程，也是各领域知识相互融合的过程，长远来看，此过程可以近似认为是领域研究的动态开展和知识获取的过程。人工智能与法律结合的难点在于：第一，自然语言的句式和语义复杂多变，这种多样性使得自动分析极为困难。人工智能进展判断、预测和推理的前提在于需将法律规定、案例事实由自然语言翻译成机器语言，实现这种转换依赖于确定的法律概念、明晰的推理规如此，这需要法律逻辑、法理学、认知学等相关理论的支持。第二，本体建构需要深入认识法律概念和概念之间的复杂关系，并建立法律语料库，此过程本身也具有较大的难度。第三，专家系统模型的建立是对法官裁量过程的模拟，需要明确法官裁量因素，而法官的裁判结

27、果收到各种外在和内在价值观的影响，难以用具体语言进展描述。最后，人工智能裁量和检索系统的建立既是完善理论的过程，也是工程实现的过程，无论是专家系统的建立还是本体检索系统的建立，都需要对规如此和案例进展大规模的统计和分析，且需要的各学科人员的配合，其本身也是一个费时费力的过程。早期的人工智能与法律的研究成果往往散见于计算机类、法律类的期刊中，自1992年匹兹堡大学法学院资助人工智能与法律Artificial Intelligence and Law创刊以来，一直关注人工智能与法律的最新开展成果，其研究主题包括应用人工智能、认知心理学、法理学、语言学、哲学等知识用于建立法律知识、法律推理、法庭判决

28、的模型，也包括其他涉与伦理、社会的人工智能与法律相关研究，发表学术论文、书评、程序系统或产品的技术报告、研究笔记等，成为了人工智能与法律的研究学者的精神家园。故而，我们以该杂志发表成果为研究的对象，能够对人工智能与法律的开展历史、现状和走向有一个比拟清晰的脉络。本文以EBSCO数据库中该期刊的相关论文为研究对象，由于EBSCO数据库暂无1992年至1996年该期刊发表的论文信息，故我们选择1997年1月至2013年5月该期刊的论文作为研究对象，通过对文章研究主题的内容、涉与的研究具体制度、使用的研究方法的分析，便于整体把握相关主题的内容、开展。表1人工智能与法律研究主题列表编号研究主题涉与的具

29、体内容使用的技术工具数量所占比例1法律推理Legal reasoning/argument司法裁量模型、专家系统Judicial applications、Model、Expert System犹太法、隐私法、知识产权法、某具体案例、侵权法、合同法、教学、刑法、失业救济法、诉讼法、家庭法、金融犯罪、非物质损害、交通事故、商业秘密法贝叶斯网络、模糊数学Bayesian networks、Fuzzy mathematics、AI network8033.33%2法律本体、信息检索Legal ontology, retrievalOntology、 Semantic 、Protg、OWL、 OWL-

30、DL5020.83%3法律知识和概念分析认知学epistemology3112.92%4主体agent多主体multiagent3012.50%5规如此制度或修订、规如此的可行性分析norm simulation, norm revision ，law and defeasibility国际私法、销售法、禁烟208.33%6政策制定policy make可再生资源、公司某某协议、电子签名、犯罪记录代数104.17%7证据evidence125.00%8综述人工智能与法律的综合性论述93.75%合 计240100.00%对最近15年人工智能与法律发表论文的研究主题的分析可知：第一，人工智能与法律

31、的研究主题远比我们想象的丰富，除了比拟熟知的用人工神经网络建立相关裁量模型和基于本体论的文献查询之外，还有立法和政策可行性的具体分析、多主体研究、证据分析以与关于法律概念、逻辑、义务等理论研究。第二，人工智能与法律的研究采用了最新的人工智能的相关技术和成果，如人工神经网络、贝叶斯网络、模糊数学、本体论研究等。第三，人工智能与法律的研究不仅涉与认识论、道义与逻辑、心理、法律概念的理论分析，也有对侵权法、知识产权法、合同法、教学、失业救济法、诉讼法、家庭法、金融犯罪等具体领域或相关案例的实例分析。第四，从文章发表主题的数量来看，关于利用人工智能进展法律推理、建立司法裁量模型、专家系统一直是人工智能

32、与法律研究的重点，有80篇论文研究该主题，约占33%。信息检索的研究的论文数量最多，有49篇，约占论文总数的20%，且主要以本体论为理论的根底。近年来人们也越来越关注用人工智能的方法参与到立法检验、立法预估之中，有30篇论文关注于立法、政策的制定和修改、实施效果的评估，约占12%。电子主体、软件主体已越来越多，其对传统的合同法等也造成了一定的影响，31篇论文专注于讨论主体的权责，占13%。用人工智能的方法涉足于法律理论的研究也越来越受到重视，认知学、道义学等用于分析法律问题，有31篇相关论文，占13%。上述研究内容虽然研究的侧重点有所不同，但又是严密联系的整体，法律逻辑是通往司法公正的桥梁，是

33、关注法律领域的推理或论证的分析、评价或建构的科学，它是进展司法案例、立法效果分析的前提。现代技术如贝叶斯网络用于证据推理可确定各种假定的证明力，该网络的建立与法律逻辑严密相连。法律理论研究，诸如智能主体、道义与法律的关系、权利义务、法律概念的分析等是建立裁量模型和本体的根底。总之，这些主题互为前提，很难清楚地将各研究主题割裂开来。法律推理、裁量模型、专家系统、法律本体检索一直是人工智能与法律研究的重点，故而本文将以这两局部的研究现状为主要研究对象，分析人工智能与法律的现状与趋势，但实际上，也将其他主题的内容大多都涵盖了。通过回顾1997年至2013年人工智能与法律发表的论文，可以发现：1人工智

34、能与法律的研究主题更为拓展，除了专注于司法应用的法律推理、专家系统、法律检索之外，应用人工智能进展智能主体 智能主体是指能在某一环境中运行,并能适应环境的变化, 灵活、自主地采用行动以满足其设计目标的计算机系统或程序。、权利义务、本体概念分析等理论方面的研究的作品越来也多，说明该研究对法律理论的促进作用越来越明显；2研究的内容更具针对性和实用性，无论是基于规如此还是基于案例的建模，都不只是理论的分析，而是与实践相结合，深入探讨某一领域的概念、特点，更加重视系统的实用性，早期的人工智能与法律的研究成果主要由人工智能方面的专家主导，随着更多的法学研究者介入模型建构中，使得研究成果更有实用价值；3学

35、科融合更加严密，贝叶斯网络、语义技术、向量空间模型、本体论等最新的科研成果很快被用于法律领域，以提高司法裁量模型的实用性、评估和改善立法质量、促进法律检索的效率；4更多的国家的学者涉入人工智能与法律的研究，不仅以案例为根底的英美法国家重视人工智能的立法和司法中的应用，传统的大陆法系国家如德国、法国、日本也有不少学者积极的进展相关的探讨。二、 法律推理与法律裁量模型1. 研究现状与趋势的初步分析为了对法律推理、法律裁量模型与法律专家系统整体的研究现状与趋势有一个了解，我们选择了对SCI数据库进展分析，以“legal reason*“model为关键词，选择SCI数据库进展检索有741条数据，根据

36、web of science的类别进展精炼，发现有359相关研究成果(最后查询时间为2014年1月20日)。通过研究这359篇论文我们可以获得如下的信息：1论文的数量和引文的数量在稳步增长 图1 论文发表情况 图2 论文引用情况图1是近十年以来相关论文的发表情况，从柱状图可见，2006年以后相关论文发表是逐年增加，图2是相关论文的引用情况，2009-2012年引用率较高，明确人们对该交叉学科研究热情在增加，学科正处于上升态势，虽然2013年的引文数据不多，与本统计处于2013年末2013年的数据未统计完整也有关系。2相关论文所属学科法律推理和建立裁量模型属于法律与计算机的交叉学科，从所发表论文

37、的学科来看，属于计算机和工程类的论文最多，而法律类的论文其次，可以推测目前对本领域的关注目光主要来自于工程应用的需要，法学对此领域的涉入比计算机学科对此的关注相对要少一些。表2 相关论文所属学科交叉学科领域论文篇数所占比例PUTER SCIENCE 17649.03%GOVERNMENT LAW 15844.01%ENGINEERING 3710.31%INFORMATION SCIENCE LIBRARY SCIENCE 256.96%BUSINESS ECONOMICS 246.69%PSYCHOLOGY 185.01%OPERATIONS RESEARCH MANAGEMENT SCIE

38、NCE 174.74%SOCIAL ISSUES 133.62%SOCIOLOGY 133.62%CRIMINOLOGY PENOLOGY 123.34%3会议论文较多一般来说，专著、教材是对较为成熟和完备的知识的总结，比拟多的专著教材明确该学科相比照拟成熟；期刊是对较新颖的学科和较完备理论的总结，较多的期刊论文明确该研究已获得了较多的认同，理论趋于完善；会议刊登的论文较为新颖但其理论不一定成熟，较多的会议论文明确该学科还处于上升时期，理论还不成熟。我们考察法律推理、法律裁量模型的研究成果可知，专著仅3册，50%以上的论文发表在会议论文集或以会议为根底的推荐期刊中，可以从一个侧面推测，本研究领

39、域尚处于理论不完善的阶段，还有很多理论尚待完善。4论文作者的国别法律研究有着大陆法系与英美法系的分野，其研究的重点也有所不同，英美法系重视案例以判例为审判依据，大陆法系重视法律规定以成文法为审判依据，从研究者的国别来看，对此问题感兴趣的不仅以案例为根底的英美法系国家重视人工智能的立法和司法中的应用，传统的大陆法系国家如德国、法国、日本也有不少学者也积极地进展相关的探讨。以案例为根底进展逻辑推理和建立裁量模型是主要的趋势，故而英美国家的论文相对较多。三段论的逻辑推理也是大陆法系国家司法裁判的根底，随着大陆法系国家对案例的认识的加深，有不少传统大陆法系国家积极进展探讨。表3 相关论文作者的国别情况

40、作者所属国家发表论文数量所占比例USA13838.44%ENGLAND4612.81%GERMANY236.41%PEOPLES R CHINA195.29%CANADA164.46%NETHERLANDS164.46%AUSTRALIA143.90%ITALY133.62%SPAIN113.06%FRANCE82.23%2. 主要研究成果要实现司法理性，首先需关注法律逻辑推理。逻辑主要的推理方法有归纳、演绎、类比推理，法律逻辑应用较多的是演绎、类比推理，司法审判通常被认为是三段式演绎推理的运用，即法律条文或先例为大前提，案件事实为小前提，获得的结论是案件的判决结果。然而，法律逻辑形式背后并存

41、着各种立法和司法理由的相关价值和重要性的判断，这种推理并非是一一对应的单调推理，而是具有不确定性、语境依赖性和容错性的非单调推理。霍姆斯以降, 法律逻辑学家们并没有给出一组令人满意的法律逻辑推论规如此。预测是法律推理的根本出发点 Holmes O. The Path of the Law. Harvard Law Review, 1897,V.10 pp 457.，法律推理legal reasoning基于同案同判stare decisis假定，通过访问知识库中过去同类问题的求解从而获得当前问题解决方案的方法。新案例裁量结果的模拟往往建立在对先例的相似性的认定，而这种相似性的推论建立于人们事先

42、设定的规如此之上。 Kaptein H. The redundancy of precedent and analogy. In Eemeren, F. H. van et al. (eds.), IV, 1995, pp. 122-137.应用于司法案例，计算机模拟法官的裁量思维，通过比对案例与之前案例在案例事实和相关法律的异同，利用人工智能模型的自学习功能，建立裁量系统decision making或专家系统Expert System，预测出新案例的裁量结果。法律推理大多基于实际案例(case-based)建立推理系统，如下表所示，也有局部建立在法律法规的根底上rule-based的推理系

43、统，例如英国80年代至90年针对救济法的专家系统。 Bench-Capon, T. Knowledge Based Systems Applied to Law: A Framework for Discussion. Knowledge Based Systems and Legal Applications, 1991 pp. 329342.表4 基于案例的法律裁量模型的主要研究成果年代研究者主要的研究成果1990Ashley设计的用于处理美国商业秘密法规适用相关问题的HYPO系统1991Rissland、Skalak设计的用于处理减税相关问题的CABARET系统1991Deedma以加拿

44、大案例为根底研究人工智能的专家裁量系统1995Zeleznikow开发的Split-Up用于处理离婚案件的财产分割1998Reitz用理论假设的方法研究了美国量刑模型2003Bench将案例的推理看成一个建立、评估和使用理论的过程，关注案例之间的关系，建立了人工智能裁量系统2005Biedermann贝叶斯网络被用于法庭调查中评估火灾事故的证据2007Strand将一般用于工程、计算机、医学的贝叶斯方法用于法学的实证分析，以观察规X值与实际值的差异2008Riesen以受害人的特点为视角，用贝叶斯信念网络分析美国刑事案件，提高自动分析的效率2009Dung通过设立一组关于合作方的信仰、知识、常

45、识等诉讼方的事实信息，建立推理模型以帮助法官做出判决2011Dung利用法律论证分析了当各国国际司法适用产生冲突时司法权和法律的选择模型上世纪90年代人工智能在处理处理不确定性和不完整的非单调性推理上的突飞猛进，也促进了其在法律方面的应用，人们提到人工智能与法律更多的关注是法律推理和专家系统，一些基于规如此和案例推理的司法裁量系统被设计出来。1981年沃特曼和皮特森开发的法律判决辅助系统(LDS)，研究者对美国民法制度的某个方面进展检测, 分别运用严格责任、相对疏忽和损害赔偿等模型, 计算出该案件的赔偿价值, 并进一步论述了模拟法律专家意见的方法论问题。 Models of Legal Dec

46、ision making Report , R- 2717- ICJ( 1981) .1989年Berman在“人工智能帮助解决法律系统危机一文中详细的描述了法律专家系统， Donald H. Berman, Carole D. Hafner. The Potential of Artificial Intelligence to Help Solve the Crisis in Our Legal System，munications of the ACM, 1989, V.32(8) pp 928-938.用人工智能系统模拟法官的思维，进展专家裁量预测，并且用计量方法观察法官的判决结果。同

47、年，澳大利亚开发IKBALSI用于解释事故司法补偿条例，处理工人事故补偿问题。1999年Hollatz通过对德国的精神损害和交通损害案例的研究， Jrgen Hollatz, Analogy making in legal reasoning with neural networks and fuzzy logic, Artificial Intelligence and Law 7: 289301, 1999.用200个非物质损害案例，采用高斯发散神经网络radial based Gaussian function networks，将推理具体化为：伤害类型、持续时间长短、造成的后果的严重性

48、、性别、职业的损害、特别严重情节和医疗损害，最后获得关于非物质损害的裁量模型。模糊数学对于描绘时间长、短、中比拟适宜，该文根据伤害程度、期待交警解决的程度、出事地点、出事时间、交通拥挤程度，建立了对事故解决时间的模糊评价系统。同时，各国还开发了一些方便律师使用的专家建议系统，如Popp等开发了JUDITH 律师推理系统。 X保生:人工智能法律系统的法理学思考，载法学评论2001年第5期。对不定性和不完整性问题有着独特处理优势的概率推理的数学模型-贝叶斯网络(Bayesian network)的出现，使概率逻辑与人工智能研究进入了一个新阶段。Viscusi将统计方法运用于赔偿损失的分析、风险计算

49、等。 W. Kip Viscusi. The Challenge of Punitive Damages Mathematics，最后访问日期：2014.8.25.2005年贝叶斯网络被用于法庭调查中评估火灾事故的证据。 A Biedermann, F Taroni, O Delemont，et al, The evaluation of evidence in the forensic investigation of fire incidents. Part II. Practical examples of the use of Bayesian networks. Forensic S

50、cience International, 2005, V.147(1) ,pp 5969.2007年Strand将一般用于工程、计算机、医学的贝叶斯方法用于法学的实证分析， Jeff Strand. Should Legal Empiricists Go Bayesian? Stanford Law and Economics Online Working Paper. No. 342, 2007.以观察规X值与实际值的差异。2008年Riesen以受害人的特点为视角，用贝叶斯信念网络分析美国刑事案件，提高自动分析的效率。 Michael Riesen，Gursel Serpen. Vali

51、dation of a bayesian belief network representation for posterior probability calculations on national crime victimization survey，Artificial Intelligence and Law，2008, V.16:3, pp 245-276.法律逻辑、法律推理和法律裁量模型一直是人工智能与法律的研究重点，1/3以上的文献关注于此主题。随着时间推移，法律逻辑和推理的研究内容更为拓展，除了关注建立专家系统、裁量模型根底归纳逻辑，同时也关注道义逻辑、逆向推理逻辑和可废止逻

52、辑等。2011年Aucher等利用人工智能的计算算法在动态认知道义逻辑Dynamic epistemic deontic logic的根底上， Guillaume Aucher, Guido Boella, Leendert van der Torre. A dynamic logic for privacy pliance, Artificial Intelligence and Law, 2011, V.19 pp 187231.引入动态模式dynamic modal logic，不仅从允许和禁止的规定推论出允许的行为，同时提供了明确的关于隐私政策公布的动态信息，以此验证规如此和行为的满意

53、度，分别验证规如此是否与政策冲突和验证义务的实际执行力度。可废止推理(Defeasible reasoning)是根本的法律逻辑，该推理认为当一个有例外规如此或概括被应用于一个案件时，产生一个似真推论，该推论可能在某些情形下失败，也可能为支持一个结论提供证据。2010年Prakken使用严格推理和可废止推理建立计算机模型分析案件Popov v. Hayashi， Prakken H. An abstract framework for argumentation with structured arguments. Argument puter, 2010, V.1 pp 93124.2012

54、年Prakken采用可废止演绎推理， Henry Prakken. Reconstructing Popov v. Hayashi in a framework for argumentation with structured arguments and Dungean semantics, Artificial Intelligence and Law, 2012, V.20 pp 5782.对社会法律的价值和先例的学习利用规如此例外，推论出法规的有效性。逆向推理又称目标驱动推理，为验证该结论的正确性去知识库中找证据。2012年Abraham论述了由将来推导过去的逆向推理模型。 Abrah

55、am M, Gabbay D, Schild U. Contrary to time conditionals in Talmudic logic, Artificial Intelligence and Law, 2012, V. 20 pp 145179.计算机智能系统已经深入到法律系统的各个领域，不仅在司法裁量系统，也包括立法评估、修改、制定的各个环节，还包括司法部门内部文件的处理。人工智能的一项重要功能就是正确地将法律、规如此转化为系统语言，其主要涵盖了两类系统，一类是设计流程即使用法律逻辑建立智能处理系统，譬如申请控制系统、数据处理系统、工作流程管理、访问权限等，另一类是审查评估即评

56、估和审查该设计智能系统是否符合法规和规如此。立法的质量和法规的可实施性，人工智能通过模拟和分析对法规的恰当性、必要性、补偿手段、控制环境、权衡、违反的结果的立法的评估和再审查是人工智能与法律研究的又一重点，愈来愈多的人注意到这一点，近年来相关的论文也在增多。1978年stein采用非参数统计中的中位数检验和秩方差分析研究立法差异如何影响罚金判决。 Michael O Finkelstein. Quantitative Methods in Law: Studies in the Application of Mathematical Probability and Statistics to

57、Legal Problems, New York: The Free Press and Collier Macmillan Publishers, 1978, pp 249 - 262.2003年Sridharan等人应用干预分析方法研究1990年美国弗吉尼亚州的刑罚改革和取消假释对各种犯罪活动的影响。 Sanjeev Sridharan, Suncica Vujic, Siem Jan Koopman. Intervention Time Series Analysis of Crime Rates, Tibergen Institute Discussion Paper 2003 - 0

58、40 /4, Armsterdam: Tibergen Institute, 2003, pp. 16 - 17, pp. 22 - 23.2007年Zim-ring教授通过统计观察方法 Franklin E. Zim-ring. The Great American Crime Decline，New York, N.Y.: Oxford University Press. 2007.分析上世纪90年代美国犯罪率的下降，得出城市面貌的改变是犯罪率下降的主因，并对犯罪率的走向进展了预测。2013年Francien等建立模型从禁烟法表现的价值、规如此的满意度和承受度分析其与文化的关系，并讨论了惩

59、罚性条例和价值、文化的关系。 Dechesne Francien, Di Tosto Gennaro, Dignum Virginia, et， Nosmokinghere:values,normsandcultureinmulti-agentsystems, Artificial Intelligence and Law，2013, V. 21(1) pp 79-107.现代科学技术成果已经用于收集、获取、检验、鉴定犯罪嫌疑人在犯罪过程中形成的各种痕迹、物品、物质、文书，为刑事案件的侦查破案、检察起诉、法庭审判提供一种科学的司法证明。使用人工智能工具能够帮助收集和组合证据，提高审查audit

60、结果的客观性，贝叶斯网络(Bayesian network)是通过一些变量的信息来获取其他的概率信息的过程，对于解决复杂不确定性和关联性的问题有很的优势，近年来已有不少学者将贝叶斯网络其用于证据推理以确定各种假定的证明力，即将不同情形的证据的关系和假定解释转换为数量值。贝叶斯网络用于处理证据具有两点优势： Keppens J, Shen Q, Price C. positional bayesian modelling for putation of evidence collection strategies. Applied Intelligence, 2011, V.35(1) pp 1

61、34161.1它提供了一种可简化两个证据效力的技术和科学推理的推断力，比如2003年Mortera用贝叶斯方法评估一个人的局部匹配的DNA证据和找到的多人的生物特征证据的证明力； Mortera J, Dawid A, Lauritzen S. Probabilistic expert systems for dna mixture profiling. Theory Population Biology, 2003, V. 63 pp 191205. 2提供了一种可评估一种证据的证明力大于另一种证据的证明力的手段，证明增加或去掉某证据对假定的相对水平产生的影响，根据证明力的大小指导调查行为分

62、配调查的精力或增加新的证据。另外，也有人将贝叶斯网络与法律论证Argument的方法相结合， Keppens, Jeroen. Argument diagram extraction from evidential Bayesian networks，Artificial Intelligence and Law, 2012, V. 20(2) pp109-143.分析证据的证明力。近年来，越来也多的新技术涉入到法律系统中技术性较强的证据领域。法官自由裁量程度有大小的区分，法官往往依据法律文化、先验的知识进展司法裁量，司法裁量模型、专家系统可限制法官自由裁量权。 Michele Taruffo

63、. Judicial Decisions and Artificial Intelligence，Artificial Intelligence and Law, 1998, V.6 pp 311324.专家系统或裁量模型具有如下优势：1缩小裁量差异性，促进司法公平，减少法官人为因素对判决结果的影响，促进裁量统一和判决结果的一致性，保障法律的可预期性；2裁量因素明确，抑制司法腐败，减少裁量差异性；3为法官提供裁量的参考值，可减少法官查找相关案例的时间，提高司法效率；4增强法律的可预期性，促进诉讼双方达成妥协，为律师、诉讼当事人提供参考裁量结果，促进双方和解协议的达成；5有利于分析案例，并根据同

64、类案例的裁量情况促进立法和相关规如此、政策的制定以增进法律法规、政策的实用性，促进立法科学。然而，专家系统和裁量模型的并不被法学界广泛的认可，可能主要有以下几个原因：第一，专家系统模型的建立是对法官裁量过程的模拟，由于自然语言复杂多变，机器难以模拟。第二，由于裁量模型的建立需要明确法官裁量因素，而法官的裁判原因难以用具体语言进展描述。第三，专家系统的建立本身是耗时耗力的过程，由于技术水平、适用条件的限制，实施效果往往不很理想。第四，专家系统、裁量模型因其注重的是案例的相似性，必然会牺牲一些案例的个性考量，故而难免受到司法界和传统法学学者的排斥。人工智能专家系统、裁量模型需要克制两大困难，既要明确化相似性推理的条件，又要找到充足的法庭判例，大多专家系统或裁量模型采用当前案例比对先例的方法，而真实的案例往往处于复杂的法理环境下