查找:                      转第 显示法宝之窗 隐藏相关资料 下载下载 收藏收藏 打印打印 转发转发 小字 小字 大字 大字
【期刊名称】 《清华法学》
作为算法的法律
【作者】 蒋舸【作者单位】 清华大学法学院{副教授,法学博士}
【中文关键词】 算法;指令集;认知模型;信息成本;框架效应
【期刊年份】 2019年【期号】 1
【页码】 64
【摘要】 法律与算法都是为实现特定目标而构造的指令集。两者都以过滤信息、建构模型为手段,具有降低认知负担、提高认知效率的功能。算法设计中的一些基本原则可以供法学参考。作为初步尝试,法学可以关注算法在认识论层面遵循的一些规律,例如关注信息成本,警惕类型化程度,视情况选择不同复杂度的消解方案,以及重视框架效应的影响等。透过算法的视角观察法律不以在执行层面将法律代码化为目标,但致力于在结构层面提供反思法律的新视角。
【全文】法宝引证码CLI.A.1252175    
  在过去六十余年中,香农、西蒙和明斯基等人工智能先行者在达特茅斯会议上激起的思想水花逐渐成长为波涛汹涌的浪潮。一浪接一浪的科技进步在推动社会进步的同时,也给法学界抛出了一个接一个的难题。如果我们浏览近年来法学期刊上关于人工智能的文章,得到的印象恐怕接近一头冲进瓷器店的大象,正让传统的法律体系应接不暇:隐私权受到的威胁如何化解?[1]
  算法歧视怎么处理?[2]自动驾驶的责任如何分配?[3]智能投资顾问如何规制?[4]人工智能生成物是不是作品?[5]人工智能的伦理规范[6]、伴生风险[7]和制度安排[8]怎么规划?总之,在针对算法和法律关系的研究中,算法主要是作为问题而存在的。
  但是算法之于法律未必只意味着问题,还可以提供工具。此处所谓工具,不是“法律代码化”[9]意义上的技术工具,而是方法论意义上的思维工具。计算科学以制造智力替代物为己任,因此它不仅关心知识获取的结果,而且探索知识生产的过程。它有意识地整合了计算机科学、心理学、逻辑学、哲学等各领域的成果,总结出一系列知识生产的规律。法律同样是知识,在社会日趋复杂的背景下同样有必要对本领域的知识生产过程展开更深入的研究。既然如此,我们就有理由推测计算科学领域关于知识生产的规律有可能被挪用到法律领域,被用于解构法律领域的知识生产过程、实现更好的知识生产结果。
  文章前两部分致力于回答基础问题:法律和算法具有可比性吗?算法研究体现了值得法学借鉴之处吗?在对这两个问题做出肯定回答之后,文章将尝试借用算法中一些浅显但重要的规律来观察法律,比如重视信息成本、理性对待认知模型的精细化程度、分门别类地化解复杂性问题以及刻意关注框架效应的影响。
  一、法律与算法在认知效率方面的共性
  算法(algorithm)一词源于9世纪波斯数学家花拉子模(al-Khwarizmi)的名字。他强调求解问题应当遵循有条理的步骤,这种条理性后来被视为算法的核心。[10]在形式化的意义上,算法被定义为“一种有限、确定、有效的并适合用计算机程序来实现的解决问题的方法”。[11]而在不那么形式化的意义上,“算法是为实现某个任务而构造的简单指令集。在日常用语中,算法有时称为过程或处方。”[12]无论从哪种定义方式出发,算法与法律的共通之处都非常明显:算法形式化定义中的核心特征是“有限、确定和有效”,这与法律不谋而合:有限性(finiteness)指算法必须能在执行有限步骤后终止,这与司法程序不能不计代价地探索个案正义而只能追求案结事了异曲同工。确定性(definiteness)指算法的每个步骤都有确切定义,这与法律对概念清晰和体系一致的追求遥相呼应。有效性(effectiveness)指算法中执行的任何步骤都可以被分解为基本的、可执行的操作步骤,这与法律文本需要采用含义明确、可被理解的表达可谓殊途同归。[13]而算法非形式化定义中涉及的“指令集、过程和配方”,更是形象地展现了法律调整社会关系的形式。算法不等于程序文本,正如法律不等于立法文本。算法和法律都是统辖具体文本的、为解决特定问题而创造出的行之有效的方案。
  人们之所以需要借助算法来解决问题,是因为需要借助认知模型将认知负担控制在合目的的范围内。现实世界包含了太多变量,在全面把握这些变量的基础上进行决策是不可能的,因为这大大超出了人有限的认知资源和执行能力允许的范围。例如假设有考生想提高投掷实心球的成绩,那么理论上他可能需要考虑的因素异常众多,因为会对实心球投掷距离产生影响的不仅仅有出手速度和出手角度,还有风速、风向、海拔甚至是地球的自转和月球的潮汐影响。指望考生自行总结各个变量对投掷距离的影响并据以提高成绩,显然是不现实的。考生既不具备足够的认知资源进行总结,即使总结出来也无法执行。在此情况下,向考生提供一个简单指令集(尽量提高出手速度,并且保持45度的出手角度),就是降低考生认知负担、提升行动效率的最佳算法。这个算法起到了“现实转换器”的作用,通过将算法设计者掌握的宝贵经验反映在算法中,成功地将难以处理的真实世界转换为可掌控的操作对象。作为“现实转换器”的算法,一头连接着真实世界,另一头连接着决策者的期待,其内部设计自然会根据决策者的期待变化而发生改变。例如同样是求最佳抛物线的算法,当目标是提高洲际导弹射程时,合理的算法显然不可能和提高实心球投掷成绩的情况下一样简单,而是会建立复杂得多的指令集,把在实心球背景下被认为不合目的的变量统统纳入考虑范围。[14]只要人们不满足于跟着感觉走,而想从混沌的现实世界中提炼出指导决策的方案,都需要构建认知模型,或者说都需要设计算法。
  社会之所以需要法律,很大程度上同样是因为真实世界包含的变量太多,需要过滤、整理,形成有效的认知模型。以专利法为例,它要解决的问题异常复杂:社会需要在保护带来的边际福利增长和边际福利损失之间进行比较,前者不仅受制于研发的社会成本与收益,而且与市场先发优势、技术措施、商业秘密、发明冲动等激励发明的替代安排相关;而后者也不仅涉及公众不能自由利用发明带来的社会损失,还包括资源分配不均引发的社会问题。要判断这些因素中的每一项都已经很困难,更何况还需要针对医药、化学、电子及机械等众多高度异质的行业考虑所有因素。[15]很难想象如果要求裁判者在没有任何法律的情况下来确定个案中发明人和使用者的行动自由边界,裁判者会多么无所适从。所幸专利法提供了将决策者从信息洪流中解脱出来的指令集。这套指令集将需要搜集的相关信息分拣到客体、权能、限制、救济和主体五个环节中,并在每个环节下划分出不同层级的子问题,形成了清晰的思维导图。此外,不同问题被分配给不同机构判断,以确保子问题的最佳解决方式恰好与其解决者的知识结构和工作流程相匹配。比如客体问题主要由专利行政审查部门负责进行判断,他们的技术背景有助于快速判断客体适格性、实用性、新颖性、创造性和申请文件的公开程度。如果申请人获得授权,实际上是社会做出了一个初步判断,认为将独占权交给申请人有利于社会总福利。对于大部分授权专利,算法进行到这一步就够了,因为大部分专利不会陷入纠纷,无需社会一开始就花费大量计算资源去澄清排他权的精确范围。[16]不过如果发生争议,社会就需要启动算法的其他环节,看被告是否从事了制造、使用、销售、许诺销售或者进口行为(权能);原告对上述行为的控制在案件中是否应受限制(限制);以及被告是不是需要停止侵权,如何赔偿原告损失(救济)。专利法中的许多指令都需要调取既有数据,包括判例、教义和比较法知识。只有通过专利法,社会才能将相关社会领域中混沌的现实转换为各环节裁判者可处理的问题,从而达到降低认知负担、提升认知效率的目的。专利法实际上就是专利领域社会福利最大化的算法。
  法律具有算法属性并不令人惊讶,因为现代法律总体而言以理性主义为基础,而算法同样是理性主义的结晶。理性主义不满足于零散的经验,而要对其进行修剪与排列,制成结构化的知识,以便将混沌的现实分拣到整齐的认知框架里面。从计算的角度看待法律的态度其实一直存在。霍布斯早在17世纪就曾说:“政治学著作家把契约加起来以便找出人们的义务,法律学家则把法律和事实加起来以便找出私人行为中的是和非。……用得着加减的地方就用得着推理,用不着加减法的地方就与推论完全无缘。”[17]到了18世纪的边沁笔下,法律的算法性质更加明显:“功利原理是指这样的原理:它按照看来势必增大或减小利益有关者之幸福的倾向,亦即促进或妨碍此种幸福的倾向,来赞成或非难任何一项行动。”[18]在极端的功利化思路中,幸福可以通过快乐而增加或者因为痛苦而减少,变化的程度受快乐或痛苦的强度、持续性和必然性影响。在定下这些公理之后,法律的任务就是画好社会福利的坐标系,写好加减幸福的算法,导入参数、带入变量,得出最大幸福的结果。霍姆斯在十九世纪断言道“未来学习法律的人是掌握了统计学和经济学的人。”[19]到了20世纪,数理逻辑更是堂而皇之地以“经济”之名在法学领域攻城略地。在法经济学的视野下,法学不仅必然包含计算,还需要借助边际、均衡和博弈的概念以及表格、公式和坐标系等符号被重新加以表述。法学研究在把法律当成计算指南方面早已走出很远,只是因为人们没有给法律冠以算法之名,所以不曾有意识地把两个学科勾连起来而已。
  二、法律与算法在方法论自觉上的差异
  法律和狭义的算法在探索认知规律的自觉性方面有所差异。总体而言,狭义算法在发展过程中积累了更多的元认知经验,而法律算法的设计者却往往不那么关心元认知。
  狭义算法的设计者在大部分发展阶段中都能依附在价值无涉的保护伞下,自由探索并运用认知规律。在追求“算得更好”的过程中,狭义算法的设计者通常不会受到来自价值观、公平感或其他顾虑的干扰。当研究机器翻译的科学家意识到与其让机器先理解自然语言再进行翻译(所谓基于规则的翻译),不如让机器直接寻求两种语料之间的数学关联(所谓基于统计的翻译)时,他们实际上把语言理解这个智能问题“降格”为了计算问题。[20]不过在这种观念转变传导至大众关心的价值领域之前,科学家们无需就他们对智能的态度接受大众的质询。直到算法的运用领域中出现了自动驾驶[21]、算法杀熟[22]、影响选举[23]等越来越多牵扯强烈价值判断的问题,算法非技术性的一面才进入主流舆论的视野。
  法律则从来没有享受过价值无涉的保护伞,而是必须持续回应公众的价值观期待,从而发展出一套貌似与计算无关的话语体系。法律对计算理念的排斥感,是法律难以像狭义算法那样始终保持对计算方法本身高度自觉的第一个原因。法律被视为关于正义与非正义的学问,千百年来处理的都是自由、尊严、公平、道德等带着浓厚价值意味的对象。对于每一代法律人而言,这些对象已经在很大程度上被给定,并不会因为法律人宣称自己在计算对象或者计算方法上产生了洞见就发生改变。加之社会也需要借助稳定的共同想象来维系基本秩序,因此包括法律在内的社会制度倾向于把这些对象视为神圣不可侵犯的。如果把这些对象从目的降格为手段,难免与公众更容易接受的法律理念相抵触。
  法律难以像狭义算法那样始终保持对计算方法论的高度自觉,第二个原因是两者在本质上的确存在重大差别。如果从数学的角度来理解狭义的计算,就会看到狭义的计算是在一套人为定义的自洽系统内部进行符号推演。至于该系统是否与外部世界匹配,这并非需要优先考虑的问题。数学强调的抽象性可以被理解为一种向内推演而不向外求证的态度。“公理系统的主要问题并不是公理的真实性,而是公理的自洽性和有用性。”[24]这种自给自足型的思维方式不能满足法律的需求。虽然法律也是一套符号体系,但这套体系却必须是开放的,根据时代发展不断调整符号及其相互关系的定义,不可能像数学一样以公理系统内部推演为终极追求。
  法律难以像狭义算法那样始终保持对计算方法论的高度自觉,第三个原因是法律领域的计算效果并不总是那么值得信任。计算者固然可以宣称公平正义本属效率的一部分,从而将所有社会问题都转化为计算问题,但这难免使效率变成无所不包、难以证伪的概念,并不能使众多法益衡量问题在操作层面迎刃而解。因为计算以不同价值的通约为前提,而在利益衡量中真正困难的恰恰是通约本身而不是通约后的计算。例如要回答个人的信息自决诉求与社会的信息产业发展如何协调的问题,难点在于个人安宁和产业发展分属不一样的心理账户,因此哪怕在个人层面也很难被完全理性地通约,更何况要通过立法在社会层面对二者进行通约,阻力自然更大。价值越难客观化的对象,在计算中越难处理。针对伦理、公平等道德意味浓烈的对象,计算者固然可以采取近似、估算等诸多手法,但难免给人回避道德难题的印象。[25]计算能够告诉我们如何实现目标,却很难告诉我们目标是什么,更无法告诉我们目标应该是什么。所以法律与计算之间的隔膜不仅由来已久、根深蒂固,未来也无计彻底消除。这种状况使得法律尽管具有计算的属性,但专门针对这部分属性展开的研究并没有登上主流研究的大雅之堂。
  三、从算法角度看待法律的尝试
  法律其实与许多算法规律遥相呼应,但这种契合更多地是自发的,而非自觉的。下文将进行非常初步的尝试,透过算法设计中一些浅显但重要的规律来观察相应的法律问题。
  (一)重视信息成本
  在计算科学的视野中,信息成本从来都是问题不可分割的部分,脱离信息成本讨论方案的优劣是没有意义的。因为多获取信息就意味着硬件需求的提高或者运算时间的增加,当信息成本大于信息收益时,理性的计算者就不会固执于更精确的计算结果了。这和我们不愿意花十分钟去想一个能节约五分钟的新方案,道理是一样的。
  在部分法学领域,对信息成本的重视正在帮助人们逐渐加深对制度动力的理解。例如在财产法领域,信息成本的概念为人们看待物权法定提供了有益的视角。物权法定不仅在大陆法系是物权法的基本原则,而且在普通法系也作为不成文制度实际上被尊重。[26]传统解释指出物权法定能够促使物尽其用并确保交易安全。前者意在避免所有权上任意设置负担给物之利用造成障碍,后者强调物权之得丧变更应当尽量透明。[27]从信息成本的角度看,这两个理由都在表述同一道理,即应当减轻公众的认知负担,防止公众在了解法律之外另行付出信息成本才能明确自己行动自由的边界。既然如此,物权法定本身也就从绝对不可更改的原则降格为了节省信息成本的工具,社会只有通过比较这项工具的成本和收益才能确定其适用范围。一方面,物权法定的收益是公众的认知经济性,即消除公众在法律之外另行了解影响行动自由边界的必要性。另一方面,物权法定的成本是公众为信息误差付出的代价,即不精确的行动自由边界所减损的社会福利,例如潜在生产者知道生产成果不在法定物权保护范围之内因此不进行生产。只有当物权法定带来的认知经济性收益大于信息误差损失时,物权法定才是得偿所失的。反之,如果我们确信物权法定带来的认知经济性收益小于信息误差损失,就没有理由再坚持物权法定原则的刚性。当然,我们通常推断物权法定在大多数情况下给公众带来的认知经济性收益很大,而信息误差代价很小,所以总体而言物权领域的秩序从法定出发要比从意定出发更加合理。但信息成本理论毕竟将物权法定从原则解构为了实现更加宏观的社会目标的手段,因此在理论上不可能坚持物权法定的绝对性。就此而言,有所缓和的物权法定立场是法律发展的必然选择。[28]
  但在相当多的其他法学问题上,信息成本在制度设计中的作用还远远没有被充分自觉地意识到。我们更习惯从本体论层面的“是什么”角度去观察规则,而很少从认识论角度的“如何做”角度去思考规则形成背后的动力。举例而言,甚至在以信息生产和利用本身作为调整对象的知识产权领域,实务界和理论界也还没有培养出对信息成本的敏感。针对具体知识产权部门法和兜底条款(例如反不正当竞争法一般条款)关系的研究长盛不衰,但至今仍然没有得出能够很好指导实践的结论。法院在面对游戏规则[29]、人物角色等作品要素[30]、游戏赛事直播音像视频[31]、体育赛事节目[32]、同人作品[33]和深度链接[34]等非典型客体和非典型利用方式时,均轻易地否定了具体知识产权部门法的适用可能性,转而用兜底条款追求所谓的实质正义。兜底条款泛滥的原因很大程度上正是源于既有理论在解释具体知识产权部门法和兜底条款关系时的局限。无论是补充保护说、知识产权法定主义还是有限补充保护说,关心的都是具体知识产权部门法和兜底条款的内涵,而没有探讨认知规律在内涵形成过程中的影响。如此一来,当问题既具备知

  ······

法宝用户,请登录后查看全部内容。
还不是用户?点击单篇购买;单位用户可在线填写“申请试用表”申请试用或直接致电400-810-8266成为法宝付费用户。
【注释】                                                                                                     
©北大法宝:(www.pkulaw.cn)专业提供法律信息、法学知识和法律软件领域各类解决方案。北大法宝为您提供丰富的参考资料,正式引用法规条文时请与标准文本核对
欢迎查看所有产品和服务。法宝快讯:如何快速找到您需要的检索结果?    法宝V5有何新特色?
本篇【法宝引证码CLI.A.1252175      关注法宝动态:  

法宝联想
【相似文献】
【作者其他文献】