余盛峰:法律的“死亡”:人工智能时代的法律功能危机

选择字号:   本文共阅读 1446 次 更新时间:2018-04-14 15:45:15

进入专题: 人工智能   区块链   法律功能  

余盛峰 (进入专栏)  
区块链技术实际就通过一种智能机制,实现了一种“无需第三方”的信任,这是“无需信任的信任”,直接通过平等主体之间点对点(PEER TO PEER)的机器算法解决信任问题。以往通过法律实现的信用现在可以通过加密程序实现,以往通过权威机构作出的公证现在可以通过机器算法完成。或者说,韦伯所描述的卡里斯玛、传统和法理型三种支配类型,实际都有关信任的建立,都从属法律信任的范畴,而现在则出现了一种超越韦伯视野的机器信任。它类似于斯密所说的“看不见的手”,因为它只需要系统中的每一个节点只根据自身利益行事,就可以在机器代码和算法的帮助下自动解决自由和安全的两难问题。

   (六)失调的调制解调器:技术、自由和法律的悖论

   传统法律对于自由的保护方式包括:为市场运行提供保障、对财产进行确权、对合同履行进行监督、对投资行为进行规制、为道德规范提供底线标准、为社会架构和现实空间的代码提供框架、方向和指引。最重要的,是法律可以在市场、道德和架构这些规制手段全部失效的情况下发挥最后的自由保障作用。法律不学习最为极端的形态,就是死刑罪,它可以直接以消灭单个主体(agent)自由的方式,把干扰社会沟通自由的噪音彻底排除掉。可以说,不学习的法律是社会规制自由最终的调制解调器。

   “法不禁止即自由”,这一原则实际上也出自于近代治理技术的局限。不学习的法律无法将其触角伸到每个人类行动的领域,因此就将这些领域规定为“法律上的自由”。也就是说,现代的自由价值悖论地依赖于一种技术上的“低效”,而当技术效率不再成为问题,它就可能一步步侵蚀自由的领地,将本来不被法律规制的领域转变为技术规制的对象。法律不学习建立在外部环境作为一种既定事实的基础之上,不管这些事实是自然法则、经济规律或是人性本然,法律面对的这一环境是客观给定的,因此,法律的控制范围和深度有限;但是,机器学习却围绕着一种可以被人为建构、改造、干预和引导的“环境”展开,它“深度学习”,因而可以处于一种随时“立法”的状态。

   正如莱斯格所言,“自由来自于使规制保持昂贵,当进行规制变得很简单或廉价时,自由就面临危险了”。[xxx]也就是说,当规制技术廉价化,当“法律”不再昂贵,法律与自由的辩证关系也就面临深刻的挑战。自由当然需要法律的保护,但法律之手保持在一个合适的距离,这在传统上依赖于对行为/意识、主观/客观、过程/结果、程序/实体这些区分在法律技术上的应用,但是伴随着技术条件的变迁,这些区分所仰赖的社会基础条件也发生了变化,法律本身也开始被重新定位到一个可能比它更为根本的新的社会框架结构中,在这种趋势下,传统的法律原则和司法技术对于自由的保护都将可能逐渐失效。

   (七)形式正义VS实质正义:悖论丛生

   法律史上关于实质正义和形式正义的长期争论,实际上隐含了与技术能力相适应的法律正义机制的特征及其变迁过程。在古代和中世纪法的发展中,经历了一个从早期法的形式主义和仪式主义向卡迪司法的演化过程(韦伯笔下的从形式非理性法到实质非理性法)。这揭示了法律的学习能力在不同社会结构条件下的变化过程,以及由此形成的法律正义实现方式的差异。早期法应对的是部落社会的块状分化,主要围绕图腾仪式建构的形式化法律,所相应的是法律学习能力的极端贫困,而伴随着道德-伦理话语资源的丰富化,伦理话语的复杂性提供了以实质主义进行法律正义操作的能力。法律不学习也因此开始具备了一些内部学习的潜力。而当发展到近代资本主义形式理性法,法律则又开始集中以形式主义立法的方式来救济不学习的贫困,以“齐平主义”的方式推进法律正义。由于法律从原初的地缘和血缘空间向抽象领土主权空间扩展,因此必须以牺牲法律实质正义尤其是放弃道德主义和情感考量作为前提。技术能力的进化,持续推动了法律不学习方式的变迁。

   晚近以来,法律正义再次以新实质主义的兴起(升级版本的卡迪司法)作为现象标志,法律经济学、政策分析法学和新治理主义都是其代表。而正如肯尼迪所言,二战后的全球法律范式呈现出一种悖论现象:即公法上的形式主义和私法上的实质主义的并存,而两者又都以“权利”话语作为共同的中介。[xxxi]实际上,这恰恰是当代全球法在维护其自身稳定和内在变异的过程中追寻正义的反映,它需要在通过学习进行变异的同时,维持其作为规范性技术的不学习特征,而只有权利话语能作为连接此种学习性变异和规范性稳定的通用概念。为了更好实现“正义”,需要通过“权利”的学习性变异来调整规范期待,同样也为了更好保护“正义”,又要求以形式主义和程序主义的“权利标准”来保持规范期待的稳定,这也解释了晚近法律话语中几项核心法律正义原则的流行,例如比例原则的兴起,以及作为形式主义和实质主义的正当程序原则的同时并存。当代权利话语的爆炸一方面透露出法律系统剧烈的演化动力,另一方面也掩盖了法律正义所遭遇的真正冲击。实际上,权利话语的兴起,恰恰可能并不是传统自然法规范主义的回归,而是某种维纳式的法律控制论和学习性法律深化的体现。重要的不是话语本身的延续,而是由社会结构变迁带来的语意的深层改变及其由此带来的对法律正义的考验。

  

四、法律死亡的危机:在认知性与规范性之间

  

   中心化的不学习的法律机制,正在转向去中心化的机器学习。如果说,法律不学习依托于主权国家的暴力保障机制,机器学习则依赖于代码/算法的自主执行以及它对控制架构的直接支配。越来越无形化、数字化、虚拟化的支付、社交等场景,必须依赖一个更加智能化的规制机制。由于场景不再是过去固定不变的物理场所,而是随时转换、甚至根据每个参与者需要而灵活变换的场域,“法律”也就必须相应是一种更加具有学习能力的虚拟化机制,以更好满足之前由它所承担的验证、授权、合规、归责和执行等功能。传统的法律预设了它的规则可以统一、普遍地适用于所有场景,要求所有场景都必须按照它的书面化命令一致和确定地予以规范。而机器学习的兴起,则首先会瓦解法律这种普遍化、命令化、统一化、确定化、成文化的性格。现代法律是印刷术时代的产物,一旦文本印刷(制定)出来,再次进行印刷(制定)的成本过高,法律文本因此就天然具有不学习性,它不可能根据每一个新的法律问题、法律权利、交易类型、财产形态做出各不相同的版本,而必须在类似法律人格、民事行为能力、物权法定这些通用法律原则之下锁定法律的规范性,特别是利用各种法律教义学和法律解释方法,来保持不学习的法律的运作弹性,另一方面又固定其系统边界,并吸收由学习所可能带来的系统不稳定性,只有如此,才能维持住法律不学习的规范性。它依据法律渊源理论、一般法/特别法、新法/旧法这些区分形式,在一个金字塔形的等级图式下在引入学习的同时控制了学习的范围,并牢固确立了法律学习与不学习之间存在的非对称性关系。

   当前的法律研究仍然还在此种认知框架下考虑规制技术的问题,而实际上以人工智能为代表的技术发展已经深刻改变了法律运行于其中的整个社会环境。人和机器的界限日益模糊,人进入机器(虚拟现实VR),机器进入人(赛博格Cyborg)。而传统法律这种以固定文本为中心的不学习机制,如何适应和规制这一改变了的现实?现代法律建立在以文本为中心的印刷文化之上,法律是一个外在、客观、中立、固定的规范权威,在过去的工业化时代,由于人和机器是相对明确的主客体关系,因此可以通过不学习的法律确立一个有关人法和物法严格二分的法律体系来规范这种生产和交换关系。但是当人机深度结合,人和机器彼此进入、彼此内嵌、彼此牵连、彼此塑造的时候,我们很难再通过静态的规范识别来映射外部世界和社会主体之间的法律关系,很难再通过一个固定书面化的法律文本来以坚定的不学习反向规范社会行动的展开。相反,现在必须根据每一个具体的场景与情境去重新定位关系的划分和资源的配置,技术和社会演化迫切需要一种学习性的机制来顺应这种变化。

   人类法律在发生学意义上就是围绕合法/非法这样一个二值代码的悖论性建构,也就是说,法律的本质实际就是一种代码化机制,法律的效力来自于法律本身。为了掩盖和转移这一悖论,历史上产生了一系列包括宗教、自然法或历史主义在内的正当性论证,而近代法律实证主义则揭开了作为代码的法律的神秘面纱。而在今天机器学习技术蔓延之时,由于代码和算法的全面崛起,法律面纱背后的代码本质被再次揭示,与此同时,科学化、非道德化的机器学习,由于其更接近代码化运作的实质,就有可能完全并直接取代法律的规范化功能。

   传统法律在演化中形成了一种特殊的结合了学习和不学习的悖论性运作机制,一方面,学习是旨在维护法律的活力,与环境共同进化;另一方面,不学习则旨在维护其规范性,在功能上稳定人们的规范性期待。伴随着现代社会的复杂化,法律系统一方面提高内部操作的复杂化,这是其自身学习的体现,与此同时,它又通过规范化的不学习,通过“压缩”技术来实现对复杂社会的化约处理。法律系统内部过程的复杂化和法律系统在规范决断上的简单化,因此共同构成了现代法律核心的悖论特征:以高度复杂性来化约高度复杂性。正是由于这个原因,现代法律系统需要在立法、执法、司法上实现高度的功能分化。换言之,现代法律结构和运作程序的高度复杂化,实际是要为司法决断的简单化提供“算法”上尽可能充分的“数据”、“场景”以及更为先进的“计算装置”。法律不学习是指其在规范运作上的封闭性,但运作的封闭性绝不等于法律一成不变,相反,现代法律在认知上拥有深度学习和开放性的特征,它感知系统外的环境激扰,做出有利于法律自身演化的调整。实际上,现代实证法就是这样一个结合了学习机制的不学习机制,而它又依托于在学习和不学习之间所设定的特定的间隔。而当技术革命使得从遇到问题到修改法律的时间间隔逐渐趋近乃至消失的时候,我们所熟悉的法律也就会面临“死亡”的命运。[xxxii]

   也就是说,法律不学习在人类演化史上,原先是不得不然。而当机器学习全面崛起,当智能学习凭借其强大的计算能力和算法,有能力克服原先的决策和时间压力的时候,法律独特功能的存在意义,就可能遭到严峻的挑战。法律不学习所实现的功能,如果通过机器学习也能更为高效地实现,人类社会为何还需要法律?特别是,现代法律由于内部学习已制造了法律大爆炸,造成了大量人力、财力和物力的沉没和浪费。而机器学习却凭借越来越强大的计算能力和算法手段,解除了原来的认知力局限,在此背景下,法律不学习的规范性操作技艺,就会逐渐丧失正当性。法律的独特功能,法律存在的意义,将面临解构和质疑。法律实现共识切断的功能,如果机器学习通过认知性手段可以直接形成共识,法律就会被社会演化抛弃。

对机器学习替代法律不学习的重要疑问是,机器学习能否将具有道德和伦理考量的法律规范进行代码意义的转换?能否将“不可支配”的价值规范转化为机器可以运算和执行的算法与代码?或者说,根据认知性期望进行实用调整的机器学习,如何能够同不学习的规范性机制进行协调?但是事实上,根据当前一些研究,机器学习被认为已经可以基于相关技术,采用建构政策网络和价值网络的方式,运用各种统计、概率和逻辑方法描述和量化各种价值与伦理范畴,进而用负载价值内涵的道德代码为智能机器编写伦理算法,最后再通过相应的工程设计来落实这些技术目标。[xxxiii]对此,近代的功利主义思想家边沁和密尔都已进行了理论设想,任何法律和政治价值都可以通过快乐和痛苦的精确计算来转换。同样道理,从不学习的法律向机器学习的转变,首先涉及如何将道义论的法律问题转换为算法和代码。权利、义务、责任、豁免、权力、自由、公正、善良、过失、故意,这些明显具有道德化色彩和伦理评价含义的法律概念,(点击此处阅读下一页)

进入 余盛峰 的专栏     进入专题: 人工智能   区块链   法律功能  

本文责编:陈冬冬
发信站:爱思想(http://www.aisixiang.com),栏目:天益学术 > 法学 > 理论法学
本文链接:http://www.aisixiang.com/data/109455.html
文章来源:《华东政法大学学报》2018年第2期

0 推荐

在方框中输入电子邮件地址,多个邮件之间用半角逗号(,)分隔。

爱思想(aisixiang.com)网站为公益纯学术网站,旨在推动学术繁荣、塑造社会精神。
凡本网首发及经作者授权但非首发的所有作品,版权归作者本人所有。网络转载请注明作者、出处并保持完整,纸媒转载请经本网或作者本人书面授权。
凡本网注明“来源:XXX(非爱思想网)”的作品,均转载自其它媒体,转载目的在于分享信息、助推思想传播,并不代表本网赞同其观点和对其真实性负责。若作者或版权人不愿被使用,请来函指出,本网即予改正。
Powered by aisixiang.com Copyright © 2021 by aisixiang.com All Rights Reserved 爱思想 京ICP备12007865号-1 京公网安备11010602120014号.
工业和信息化部备案管理系统