作为算法的法律
蒋 舸
小
中
大
【中文关键词】 算法；指令集；认知模型；信息成本；框架效应
【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】
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，当问题既具备知识产权内涵也具备竞争内涵时，既有理论在法律适用问题上便束手无策了。而如果研究者愿意从认识论的角度看待问题，将发现知识产权法和兜底条款绝不仅仅在调整“什么”这一问题上有区别，而且在“怎样”调整这一问题上同样存在显著差异。专利法、著作权法和商标法等具体知识产权部门法提供了结构化的认知框架——即心理学所称“图式”(schema)——来分拣和处理信息。[35]法院在这些图式的指引下无需自行在信息洪流中探索有条理的解决方案，而是只需要逐一回答客体、主体、权能、限制和救济环节的子问题和子子问题即可得出答案。兜底条款则是非结构化的空洞指令，难以被拆分为“有限、确定、有效”的可执行步骤，因此也不能起到降低认知负担、提高认知效率的作用。基于同样的道理，具体知识产权法图式也有助于降低公众的认知负担，提高行为结果的可预见性，从而促进各个社会成员在恰当的行动自由边界内发挥自己的比较优势，提升社会福利。既然如此，当法院面对非典型创新成果和非传统利用方式提出的新型创新利益分配问题时，自然应当优先考虑拓展知识产权图式，因为它们作为结构化经验的认知效率远远高于非结构化的兜底规范。只有当把新情况放在图式下处理会过度扭曲图式的含义、导致认知经济性收益大幅下降的时候，法院才需要考虑将新情况放在兜底规范下处理。总而言之，影响具体知识产权法与兜底条款并存这一法律结构的绝不仅仅是直观感受层面调整对象所属的社会领域，还包括人的认知能力。只有在本体论维度的基础上增加认识论维度，我们才能更好地理解为什么许多法律结构如其所是。在此基础上，我们才有可能以符合认知规律的方式对这些法律结构予以发展。
(二)确定合理的类型化程度
在科技进步和社会结构加速演变的今天，已有的类型化规则比过去更容易显得不敷用，从而累积了更多的寻求新类型化规则的冲动。这种冲动在民法[36]、刑法[37]、程序法[38]等众多领域都有表现。尤其是随着新经济形态的兴起，如何调整与传统经济领域在表现形态上存在显著差异的各类社会关系，成为立法、司法和学界不得不关心的问题。针对平台用工、电子交易合同、平台组织形式、消费者权益保护以及平台竞争等问题引入新的类型化规则，“除了车辆共享，有必要针对房屋共享、信息共享、技能共享等经济类型单独立法加以规制”，这样的建议显得水到渠成。[39]不过，我们在推进类型化的过程中，有必要对类型化的最优程度保持警惕。传统上，我们更多强调类型化不足的弊端，而少有针对类型化过度的讨论。这和法律的目标是通过建立认知模型来降低认知负担是一脉相承的。毕竟，如果法律完全不能为公众和裁判者提供认知红利，又从何维护自身的裁判正当性呢？所以在传统上，我们倾向于追求更加精细的类型化，而将非类型化(例如一般条款)视为“人类在规范的设计上尚有力不从心之处”的表现。[40]在哈特看来，使用开放文本是人类“困境”的体现，是“不可避免的事实”，反映了“我们是人，不是神”的无奈。[41]
类型化程度对应着算法的精度，或者说认知模型的精度。而在算法领域，设计者并不会一味提高认知模型的精度，而是会比较提高认知模型精度所获得的认知经济性收益和伴随模型精度提高而产生的成本，从而仅仅在细化模型带来的边际收益大于其边际成本时提高模型精度。这和投掷实心球的考生不会采用针对火箭设计的精细算法道理相通。
我们在面对类型化程度的问题时，也有必要不仅关注类型化不足的问题，而且注意类型化过度的弊端。尤其如果以在立法层面提高类型化程度为目标，更有必要警惕类型化过度的现象。因为提高类型化程度不仅意味着巨大的立法成本，而且有可能在司法层面引发更多的寻租成本和误用成本。例如针对所谓的新型网络不正当竞争行为，实务界和理论界多年来都认为将《反不正当竞争法》的一般条款予以类型化才是解决办法，并在这一思路的指导下于2017年修法时引入了网络不正当竞争条款(《反不正当竞争法》第12条)。该条款固然提高了网络不正当竞争规则的类型化程度，但很可能因其过于细碎和技术化的用语而迅速失去作为行为规范和裁判规范的效果，徒增法院和公众在适用法律时的困扰。如果我们在修法过程中曾经考虑过类型化过度也可能造成问题，网络条款或许是个能够避免的错误。
(三)有针对性地化解复杂性
法律是一种社会设计，而这种设计的根本难题在于问题的复杂度。哈耶克就以“人类交往问题的复杂性”[42]作为个人研究的出发点，指出复杂度之于社会科学问题的关键性：“作为这种经济运算方法之出发点的‘数据’或‘基据’，就整个社会而言，对于一个能够计算其结果的单一心智来说，从来就不是‘给定的’，而且也绝不可能是如此给定的。”[43]理解系统复杂度的自觉性会影响我们的应对效率。因为如果我们没有意识到复杂度是问题的关键，就很难主动把降低复杂度的思维工具纳入问题的解决方案之中。而如果我们承认复杂度是许多问题的根源所在，就更容易有针对性地寻求理论帮助。算法理论中有多种降低复杂度的方法，本文仅以三种为例说明算法与法律的关联：
第一种降低复杂度的方法可以被概括为“对症下药”，也就是“通过弄清问题困难的根源，我们可能会做某些改动，使问题变得容易解决”。[44]这种方法看似简单，但如果立法者不曾有意识地加以运用，仍有可能在面对复杂问题时误症误判。例如我国早期的知识产权损害赔偿规则只包括实际损失、侵权获利与实际许可费倍数三种计算方法。当法院严格执行传统的民事诉讼证明责任标准时，绝大多数案件中关于损害赔偿的证据都难以推出准确的损害赔偿额度。面对这一司法实际，立法者有两种可能的解读方式，一种是认定问题的根源在于知识产权损害赔偿本身，另一种是认定问题的根源在于特定的计算方式。立法者选择了后一种解读，认为问题不在于知识产权损害赔偿本身的复杂度，而在于实际损失、侵权获利与实际许可费倍数这三种计算方式存在不足，所以将引入法定赔偿作为解决办法。[45]讽刺的是，接近90%的法定赔偿适用率引发了公众关于滥用自由裁量权的疑虑[46]，法定赔偿从解决问题的工具成为了待解决的问题本身，讨论的重点又转而变成如何通过细化法定赔偿规则来解决新问题。[47]无论是当初引入法定赔偿，还是现在细化法定赔偿，没有言明的假设都在于实际损失、违法所得与实际许可费倍数不是容纳自由裁量权的适当规则。但如果深入思考知识产权损害赔偿的复杂性，就会意识到没有任何一种知识产权损害赔偿计算规则能够不依赖巨大的自由裁量权而顺利运作，所以与其在空洞的法定赔偿规则下试图给法官更加细化的指引，不如承认实际损失、违法所得与合理许可费项下的自由裁量权空间，从而在这三项赔偿规则下更加有效地积累经验。换言之，既然复杂度的根源在于知识产权损害赔偿不可避免的高度不确定性，那么发挥认知主体的能动性、去除制度造成的认知约束、适当降低认知精度的要求，远比将所有的不确定性压缩在空洞的法定赔偿规则中更为合理。
第二种降低复杂度的方法是贪心算法，即在哪怕不能确保全局最优解的情况下，仍然将复杂问题拆分为多个不那么复杂的子问题，通过合并子问题的解来回答复杂问题。这是一种被普遍采用、卓有实效的算法策略。[48]贪心算法一方面和最为基础的分治算法在思路上有渊源，另一方面和实践中经常采用的近似算法有关联。算法并不像部分公众理解的那样，总是能得出精确的答案。真实世界中的算法设计者常常受制于数据采集、分析能力、执行水平等各种约束，只能退而求其次。[49]退而求其次源自西蒙对有限理性的研究。[50]局部最优解虽不完美，但对处于诸多约束之下的真实决策主体而言却常常是现实中最合理的方案。
接受局部最优解意味着放弃对完美的追求，这实际上反映了法律一直遵循的模式。面对太过复杂的问题，人们需要在解决方案的速度、质量和普适性之间进行取舍。[51]法律追求的社会福利最大化正是这样一种高度复杂、难以在有限认知资源约束下求解的问题。它同样逼迫决策者在解决方案的速度、质量和普适性之间进行艰难的抉择。此时，法律体系往往为了确保解决方案的速度和普适性，不得不放弃对完美质量的追求。法律必须确保解决速度，是因为法律只有在可容忍的时间内解决问题才能实现作为社会治理手段的价值。法律也必须确保普适性，是因为法律体系唯有具备一致性，唯有当不同个案中利益平衡的思路不至于彼此截然相反时，整个法律体系才能赢得公众信任。相比之下解决方案是不是最优解反而不那么重要。法律可以被理解为用于规定法定条件与法律后果之间映射关系的函数。理想的最优解法律，是能够有效反映系争行为及其法律后果之间映射关系的函数。这个函数既不会过度简单(欠拟合)，也不包含不必要的复杂度(过拟合)。可想而知，由于影响行为法律后果的变量极其众多，准确拟合所有变量的函数(即使存在)也必然超级复杂。这种理论上的“高质量”解决方案如果被转化为法律文本，将会充满晦涩的定义和复杂的引用，无法卒读。其负面效果将远远超过正面效果。所以，在速度、普适性和质量这三个约束解决方案可行性的因素中，法律最适合牺牲掉的就是质量。这种理论推断正与法律实际相符：法律体系通常不会执迷不悟地求取最优解，而是满足于找到足以处理问题的近似解。由此可见，不同部门法的区隔只是降低问题复杂度的手段不同，不同法律部门的目标都是社会福利的最大化。这提示我们需要谨慎对待将部门法区隔强化为本质区别、难以通约的观点，例如当前司法实践中对知识产权和反不正当竞争规则之间“本质区别”的强调，很可能误导人忽略各个子问题背后相同的道理。
第三种降低复杂度的方法可以称为“以简代繁”，即通过回答简单问题来为解答复杂问题提供帮助。数学家曾经指出：“别忘了，人的优势在于：在不能直接越过障碍时会绕过去，在原来的题目看上去不能解时会思考某道适当的辅助题目。”[52]用简单问题替代难题是人频繁采用的认知策略。[53]法律也不例外。为了回答一个部门法提出的复杂问题，立法者会提出一系列相对简单的问题，法官只需要依次回答这些简单问题就能接近复杂问题的答案。在新制度经济学和法经济学中，辅助我们回答困难问题的简单问题可以被称为中介(proxy)。中介多半很粗略，但在进行利益衡量时制度成本更低。[54]有意识地将充斥法律各个角落的概念视为帮助我们解决复杂问题的中介，有助于我们以更加功能化的态度分析法律问题。例如面对人工智能生成物是不是作品这样的问题，如果我们固守前人工智能时代的作者个性等概念，固然可以涵摄出否定结果。[55]但这样的推理能否解决新的信息生产和利用条件下的最佳资源调配模式问题，却值得反省。如果我们意识到作者个性等概念都不过是解答最佳信息生产模式问题的中介，那么我们会更加注重分析在新的技术条件下什么样的信息独占权是恰当的，并据此判断独创性概念的内涵。即使我们最终会得出人工智能生成物不是作品的结论，这种更加功能主义的推理过程也会为结论提供更多可证伪的依据。
(四)正视框架问题
框架问题是人工智能研究中的一个核心问题。该问题的焦点是算法在解决具体任务时调用的背景知识。这些背景知识貌似不会影响具体任务的解决，实际上却会对任务执行产生巨大影响。[56]例如对人而言，“颜色不相容”是常识，一件物品如果是红色的，就不会同时是绿色的。但这一常识的基础在于绿色和红色同为颜色，而非形状，否则一件东西完全有可能既是红的(颜色)又是绿的(形状)。这个常识对人而言根本无需刻意掌握，但对机器而言却是需要由编程者专门提供的背景知识。[57]是否能够以及如何能够言说这些对人而言无需言说的知识，构成了人工智能研究中的框架问题。[58]认知活动由我们在解决问题过程中自觉、刻意完成的显性部分和自发、自动完成的隐性部分共同构成。我们往往只注意到自己在显性部分付出的努力，却很难意识到作为背景信息被自动完成的隐性认知过程对于整个任务而言有多么重要。我们以为是显性的推理在导航，殊不知决定方向的是推理冰山之下强大的框架知识。
因此，决策者在审视决策过程时不能仅仅检验框架内的显性推理过程，还应重视框架本身暗示的隐性背景信息。这对面临不同框架的法律决策者而言是格外重要的提示。虽然在大多数情况下，法律体系层层套嵌的结构已经为每个分支节点上的决策活动提供了明确的框架，但在部分情况下法官仍有可能在不同的框架之间进行选择。例如反不正当竞争法一般条款就提供了道德评价和经济分析两个框架：一个是第2条第1款强调的诚实信用与公认的商业道德标准，另一个是第2条第2款强调的市场竞争秩序和其他经营者利益标准。前者是道德评判框架，后者是经济分析框架。立法并没有明确指定运用一般条款时应当适用哪个框架，法院则通过多年实践表达出对道德评判框架的偏好。[59]针对巨大的自由裁量责任，不同的框架完全可能引导法官提出不同的问题、展开不同的分析、得出不同的结论。道德更多地依据直觉、指向对错、关注行为人的主观动机而不会精打细算地分析复杂交易结构中每对双务关系的交易对价和交易成本。如果采用经济分析的框架，法官提出的问题则会有所不同，重点会落在利益关系、交易成本和行为效果方面。针对同样的案件事实，法官在道德框架和经济框架下分析时受到的指引可能存在巨大差别。因此，选择正确框架绝非无关紧要之事。这恰恰与人们在计算机科学领域认识到的框架问题重要性不谋而合。
算法研究中可供法律参考的经验远不止上述四个角度。本文仅以几项浅显的思路为例，试图说明算法的透镜或许能为观察法律增添一些有价值的视角。一如前文所述，本文绝不认为算法视角可以替代观察法律的传统方式。但在社会关系愈发多样化、法律“算法”的“编程”任务越来越复杂的情况下，既有的算法设计经验应该能够成为有益的知识来源。
四、结语
法律有很多面向。法律既可以作为行为指南，也可以作为裁判规则，既可以作为道德的具体化，也可以作为统治阶级意志的体现。每个面向都为我们提供了看待法律的独特角度。在传统角度之外，作为算法的法律或许是值得引入的新角度。通过算法的透镜，我们能够更有意识地注意到一些重要问题，例如信息成本在塑造法律体系方面所起的作用，影响最佳类型化程度的因素，消解复杂度的方法，以及认知框架对决策结果的影响。与算法相关的研究有意识地积累了许多认知规律，或许能起到帮助法学更加科学地反省自身的作用。毕竟，尽管法学不像典型的科学那样通过标准化流程生产可证伪的知识，但这并不意味着法律没有科学性。法学和其他科学都以理解世界为目标，并且服从同样的认知规律。耶林尽管对“法学的概念天国”极尽嘲讽，但并不怀疑法学的科学性：“法学就是在法律事务中的科学意识。这种意识必须[……]探求现实世界法律之起源与效力所赖以成立之最终基础。”[60]自然科学的发展允许我们沉降到认知活动底层去了解法学与科学的相通之处，更加科学地处理法学问题。
【注释】 *清华大学法学院副教授，法学博士。
本文为社科基金项目“创新社会化趋势对知识产权法的挑战及应对研究”(17BFX113)阶段性成果。感谢“比较法学与跨文明对话会议”上各位专家提出的意见。文责自负。
[1]王利明：《人工智能时代对民法学的新挑战》，《东方法学》2018年第3期，第4-9页。
[2]丁晓东：《算法与歧视：从美国教育平权案看算法伦理与法律解释》，《中外法学》2017年第6期，第1609-1623页。
[3]冯珏：《自动驾驶汽车致损的民事侵权责任》，《中国法学》2018年第6期，第109-132页。
[4]高丝敏：《智能投资顾问模式中的主体识别和义务设定》，《法学研究》2018年第5期，第40-57页。
[5]王迁：《论人工智能生成的内容在著作权法中的定性》，《法律科学》2017年第5期，第148-155页。
[6]刘宪权：《人工智能时代机器人行为道德伦理与刑法规制》，《比较法研究》2018年第4期，第40-54页。
[7]张吉豫：《人工智能良性创新发展的法律构建思考》，《中国法律评论》2018年第2期，第108-118页。
[8]吴汉东：《人工智能时代的制度安排与法律规制》，《法律科学》2017年第5期，第128-136页。
[9]马长山：《智能互联网时代的法律变革》，《法学研究》2018年第4期，第35页。“法律代码化”有时也被表述为“法律算法化”，参见郑戈：《算法的法律与法律的算法》，《中国法律评论》2018年第2期，第75-85页。
[10]〔美〕达斯格普塔等：《算法概论(注释版)》，钱枫、邹恒明注释，机械工业出版社2009年，第2页。
[11]〔美〕塞奇威克、韦恩：《算法》，谢路云译，人民邮电出版社2012年，第1页。
[12]〔美〕迈克尔·西普塞：《计算理论导引》，段磊、唐常杰等译，机械工业出版社2015年，第114页。
[13]关于有限性(又称有穷性)、确定性(又称确切性)和有效性(又称可行性)的解释参见“算法”，百度百科网，https://baike.baidu.com/item/% E7% AE%97% E6% B3%95，2018年8月20日访问。
[14]投掷实心球和发射火箭需要精度不同的认知模型，参见〔英〕蒂莫西·高尔斯：《数学》，刘熙译，译林出版社2014年，第1-4页。
[15]关于各领域的高度异质性以及专利法的对策，参见Dan Burk & Mark Lemley, Policy Levers in Patent Law, 89 VIRGINIA LAW REVIEW 1575(2003)。
[16] Mark Lemley, Rational Ignorance at the Patent Office, 95 NORTHWESTERN UNIVERSITY LAW REVIEW 1495，at 1495-1497(2001).
[17]〔英〕霍布斯：《利维坦》，黎思复、黎廷弼译，杨昌裕校，商务印书馆2013年，第28页。
[18]〔英〕边沁：《道德与立法原理导论》，时殷弘译，商务印书馆2012年，第59页。
[19]Oliver Wendell Holmes, The Path of the Law, 10 HARVARD LAW REVIEW 457， at 469(1897).
[20]吴军：《数学之美》，人民邮电出版社2014年，第15-26页。
[21]例如德国交通与电子基础设施部伦理委员会发布的《自动与联网驾驶》报告(2017)， https://www.bmvi.de/SharedDocs/DE/Publikationen/DG/bericht - der - ethik - kommission.pdf？__blob = publicationFile, 2018年8月29日访问。
[22]高富平、王苑：《大数据何以“杀熟”？——关于差异化定价法律规制的思考》，《上海法治报》2018年5月16日，第B06版。
[23]杨东：《从Facebook风波看大数据法律的“痛点”》，《社会科学报》2018年4月12日，第004版。
[24]同前注[14]，〔英〕蒂莫西·高尔斯书，第41页。
[25]这类似于对比例原则的批评，有学者认为该原则不过是将价值冲突转化为技术问题，将难以计算的问题转化为计算问题，这种转换并不能真正解决问题，而只能回避实质讨论、掩盖深层矛盾。 Francisco Urbina, Is it Really that Easy: A Critique of Proportionality and “Balancing as Reasoning”，27 CANADIAN JOURNAL OF LAW AND JURISPRUDENCE 167(2014).
[26]Thomas Merrill & Henry Smith, The Optimal Standardization in the Law of Property: The Numerus Clausus Principle, 110 YALE LAW JOURNAL 1， at 9-23(2000).
[27]崔建远：《物权法》，中国人民大学出版社2014年，第20页。
[28]关于物权法定缓和的讨论参见王利明：《物权法研究》(上卷)，中国人民大学出版社2013年，第160-163页。
[29]暴雪娱乐有限公司等诉上海游易网络科技有限公司案，上海市第一中级人民法院民事判决书，(2014)沪一中民五(知)初字第23号。
[30]完美世界(北京)软件有限公司等诉昆仑万维科技股份有限公司等案，北京市第一中级人民法院民事判决书，(2014)一中民初字第5146号。
[31]上海耀宇文化传媒有限公司诉广州斗鱼网络科技有限公司案，上海市浦东新区人民法院民事判决书，(2015)浦民三(知)初字第191号。
[32]央视国际网络有限公司诉华夏城视网络电视股份有限公司案，广东省深圳市福田区人民法院民事判决书，(2015)深福法知民初字第174号。
[33]查某某(CHA, Louis)诉杨某等案，广东省广州市天河区人民法院民事判决书，(2016)粤0106民初12068号。
[34]北京易联伟达科技有限公司诉深圳市腾讯计算机系统有限公司案，北京知识产权法院民事判决书，(2016)京73民终143号。
[35]〔美〕凯瑟琳·加洛蒂：《认知心理学：认知科学与你的生活》，吴国宏等译，机械工业出版社2016年，第122-123页。
[36]李岩：《公序良俗原则的司法乱象与本相——兼论公序良俗原则适用的类型化》，《法学》2015年第11期，第54-68页。
[37]于志刚、李源粒：《大数据时代数据犯罪的类型化与制裁思路》，《政治与法律》2016年第9期，第13页。
[38]张艳：《虚假诉讼类型化研究与现行法规定之检讨——以法院裁判的案件为中心》，《政治与法律》2016年第7期，第151页。
[39]蒋大兴、王首杰：《共享经济的法律规制》，《中国社会科学》2017年第9期，第141、161页。
[40]黄茂荣：《法学方法与现代民法》，中国政法大学出版社2001年，第301页。
[41]〔英〕哈特：《法律的概念》，许家馨、李冠宜译，法律出版社2011年，第117页。
[42]〔英〕哈耶克：《致命的自负》，冯克利、胡晋华等译，冯克利统校，中国社会科学出版社2000年，第170页。
[43]〔英〕哈耶克：《个人主义与经济秩序》，邓正来编译，复旦大学出版社2012年，第86页。
[44]同前注[12]，〔美〕迈克尔·西普塞书，第1页。
[45]《商标法》(2001年)、《著作权法》(2001年)和《专利法》(2008年)先后引入了法定赔偿。
[46]詹映：《中国知识产权合理保护水平研究》，中国政法大学出版社2014年，第129-130页。
[47]王迁、谈天、朱翔：《知识产权侵权损害赔偿：问题与反思》，《知识产权》2016年第5期，第38页。
[48]〔美〕伊恩·古德费洛、〔加〕约书亚·本吉奥、〔加〕亚伦·库维尔：《深度学习》，赵申剑、黎彧军、符天凡、李凯译，人民邮电出版社2017年，第197页。
[49]同前注[12]，〔美〕迈克尔·西普塞书，第1、247页。
[50]有限理性是西蒙在经济学领域做出的开创性贡献，也是西蒙获颁诺贝尔经济学奖的主要原因。有限理性的主题出现在几乎所有西蒙的著作中，其中在经济学领域最集中的体现参见〔美〕赫伯特·西蒙：《管理行为》，机械工业出版社2017年，第70-133页(第四、五章)。
[51]Robert Sedgewick, Kevin Wayne, ALGORITHMS, Addison-Wesley, 2011， at 921.
[52]〔美〕波利亚：《怎样解题：数学思维的新方法》，徐泓、冯承天译，上海科技教育出版社2011年，第104页。
[53]Daniel Kahneman, THINKING, FAST AND SLOW, Penguin Books, 2011， at 98.
[54]Thomas Merrill & Henry Smith, What Happened to Property in Law and Economics？111 YALE LAW JOURNAL 357， at 389-390(2001).
[55]同前注[5]，王迁文，第148-155页。
[56]徐英瑾：《心智、语言和机器：维特根斯坦哲学和人工智能科学的对话》，人民出版社2013年，第8页。
[57]同上注，第151-156页。
[58]框架问题的狭义表述是“在表征一个行动所导致的效果之时，如何避免去表征环境中不会因这个行动而发生的诸事件”。同上注，第219页。
[59]例如山东省食品进出口公司等诉马达庆、青岛圣克达诚贸易有限公司案，最高人民法院民事裁定书，(2009)民申字第1065号(“海带配额案”)；北京奇虎科技有限公司等诉腾讯科技(深圳)有限公司案等，最高人民法院民事判决书，(2013)民三终字第5号(“3Q案”)。
[60]〔德〕鲁道夫·冯·耶林、〔德〕奥科·贝伦茨编注：《法学是一门科学吗？》，李君韬译，法律出版社2010年，第86页。
【期刊名称】《清华法学》【期刊年份】 2019年 【期号】 1
