人工智能与法律发展简史

整理敏学

来源张妮，蒲亦非《计算法学》

人工智能与法律是一门涉及伦理学、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，该研究并非人工智能与法律两个领域知识的简单堆砌和渗入，而是人工智能与人工智能、法律与法律、法律与人工智能的深度融合，对人工智能和法律两个学科的发展均有促进和完善作用。法律推理的许多问题从根本上说是属于法哲学认识论问题，计算机专家与法学家应结盟，一方面人工智能专家应吸收法理学的思想理论成果作为法律专家系统的理论基础，另一方面法学家应重视实证研究为法律专家系统提供具体化的理论模型与方法支持。尽管人工智能与法律的学科定位未有定论，但毋庸置疑，作为交叉学科的人工智能与法律正在逐步为人们所认识和接受，并吸引I着更多的计算机科学、法学、逻辑学等方面的诸多学者进入该领域。

人工智能与法律发展简史

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若干问题的考察”，才标志着人工智能与法律作为研究分支的诞生。文章强调了类推的重要性，讨论了法律推理模型的可行性，借助于计算机编程建立了裁量模型。人工智能是研究让计算机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，如何建立基于规则和案例的法律推理模型(专家系统)一直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，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以加拿大案例为基础研究人工智能的专家断案系统;

1995年开发的Split-Up用于处理离婚案件的财产分割;

2005年贝叶斯网络被用于法庭调查中评估火灾事故的证据 ;

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，以观察规范值与实际值的差异;

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。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律知识的管理要求，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、多主体模拟以及环境资源管理的决策系统等。法律本体工程应用研究是计算机和法学发展的必然要求，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范围，以满足从事法律事务的工作者以及公民的需求。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，主要涉及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，Nuria Casellas和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。