一

《私人定制的法律：为不同人制定不同规则》由欧姆瑞·本﹣沙哈尔与艾利尔·普锐理两位法学界领军学者基于其多年来跨学科、跨领域研究沉淀撰写而成。

欧姆瑞·本﹣沙哈尔任教于被誉为“法经济学出生地”的芝加哥大学法学院，并担任该校著名研究机构“科斯﹣桑德尔法经济学研究院”的执行院长，主要从事合同法、消费者保护法、法经济学、隐私法等研究。近年来，本﹣沙哈尔教授针对格式条款规制、信息披露制度、行为法经济学理论的大量著述为其赢得了广泛的国际声誉与影响力。2015年，其与卡尔· E ．施奈德（Carl E . Schneider）教授合著的《过犹不及：强制披露的失败》一书的中文版问世，亦在国内学界引发了众多关注。本﹣沙哈尔教授可能不为国人所熟知的身份是美国《消费者合同法重述》（又被称为“第三次合同法重述”）的联合报告人。在《消费者合同法重述》中，本﹣沙哈尔与奥伦·巴﹣吉尔（Oren Bar-Gill）两位重述人强调了消费者合同规范相对于传统合同规范的“个性”和区分规制思路，这实则与本书的私人化法律理论内在是一脉相承的。本书另一作者同样深孚众望，艾利尔·普锐理为特拉维夫大学校长与法学院阿兰·波埃尔讲席教授、以色列科学院院士、美国法律协会成员，曾任教于芝加哥大学、加州大学伯克利分校、斯坦福大学、哥伦比亚大学、纽约大学等著名学府，主要从事合同法、侵权法研究。

两位作者为多年的同事，又同样深耕于信息披露、合同规制等研究领域，近年来在学术层面开展诸多合作与对话。二人在私人定制法律领域的首次合作是于2016年发表在《纽约大学法律评论》的《私人化过失责任法》(Personalizing Negligence Law）一文。三年后，二人又于《芝加哥大学法律评论》发表论文《私人化合同法强制性规定》(Personalizing Mandatory Rules in Contract Law)。《私人定制的法律：为不同人制定不同规则》为两位作者的再度联袂之作，更进一步，在侵权法与合同法的具体情境基础上提炼并试图形成私人定制法律统一方法论，从法理层面细致入微地展现了作者对于法律发展的崭新构想。

二

何为“私人定制的法律”，书中将其称为一种因人而异的新型“精确性法律”，其以“个体化”和“信息的机器处理”为主要特征。道路限速因个人驾驶技术而异，罚单金额因个人收入而异，药品信息披露因个人病史而异——这均为私人化法律的典型样貌。

随着数字革命扩展到越来越多的生活领域，基于大数据分析的技术可能性，新的数据驱动的高度个性化的商业模式正在快速发展，定向广告、搜索引擎结果和电影推荐列表都是基于对消费者个人数据的收集和使用，以预测和逐渐塑造消费者的偏好和购买行为，个人数据还被广泛用于互联网个性化营销乃至个性化定价。同样，公共机构正在利用大数据的技术可能性，道路交通监管部门发布预测性交通信息、通过红绿灯等控制道口流量，警察通过大数据进行“预测性警务”打击犯罪，等等。现在信息技术正在改变社会的运行面貌。

对于科技革命和法学变革的研究，如今大都集中在规范个人数据的收集和处理，并为数据驱动的商业模式设计监管框架，“私人化法律”或者说“个性化法律”则是新近兴起的、更为激进的对于大数据如何改变法律实践本身的研究，大数据和人工智能的兴起可能从根本上改变法律规范的设计和结构，从而改变法律体系和运行本身，学者们试图展示一个法律的“美丽新世界”。私人化法律并非仅是本书两位学者的个人构想，2019年第86期《芝加哥大学法律评论》专期刊登了私人化法律论坛，主要研究学者畅所欲言，对私人化法律在财产法、合同法、数据法、刑法等领域的发展现状和前景进行了阶段性的总结。

三

“私人定制”法律并非一个新概念，定制化意味着从抽象走向具体。法律通常采用抽象的规范，这些抽象规范意图涵盖大量的具体个案。用汉斯·凯尔森的话来说，“立法意味着概括”。但概括的规范总是和大千世界脱节，如何使法律和具体情况结合以落地，总是法律的一个核心诉求。正如安东尼·凯西(Anthony Casey）和安东尼·尼布利特（Anthony Niblett）教授所指出的那样，“法律应该被调整以更好地适应其适用的相关背景，这一观点是显而易见的，而且与法律概念本身一样早就存在了”。

不同法律规范在多大程度上结合了具体情况有所不同。在光谱的一端是生硬的、放之四海而皆准的“规则”，比如每个人都必须遵守的速度限制，另一个经典例子是参照年龄确定法律行为能力，而不对一个人的实际认知能力和成熟程度进行调查；在光谱的另一端，法律使用广义抽象的“标准”（如侵权法中的“合理注意义务”）允许法院或执法机关根据每个案件的事实和情况来校准结果，而主要通过法律人所熟知的“类型化”这个常用工具进行具体化。如拉伦茨所称：“当抽象——一般概念及其逻辑体系不足以掌握某生活现象或意义的多样表现，大家首先会想到的补助思考形式是‘类型’。通过类型化思维可以对抽象概念向具体事实进行不同层次或深度的展开，创造有意义秩序的某些类别，这也是法律现的过程，法律解释抑或是法律漏洞的填补也均是通过类型案件的比较与类推所得。”

标准和规则各有其优缺点。标准灵活但不确定，这使得人们很难事先知道他们是否遵守了法律标准。如果法律允许驾驶员以任何“合理和适当的”速度行驶，那么到底什么速度是“合理和适当的”？通过类型化可以解决一部分问题（如为医疗或法律专业人员设立合理的专业标准），但类型化仍是相当粗糙的一刀切的法律规范，类型还经常忽视了“个人方程式”，将某些异质的情况视为同类，比如不同地区或医院的医生专业水平并不相同，专业标准也不应该相同。规则可以很确定，但可能包含不足或过度，如霍姆斯所称：“法律的标准是普遍适用的标准。法律没有考虑到性格、智力和教育的无限差异，这些差异使得不同的人在特定行为的内在特征上如此不同。”当然从理论上讲，人们也可以使用大量（可能是复杂的）规则来使任何给定的一组情况与任何期望的法律结果相匹配，比如根据白昼还是黑夜、晴朗还是雨雪天气、高速还是乡间小道来区分限速。但在实践中，复杂的规则使人们更难理解法律是什么，以及如何遵守这样的法律，复杂的规则也难以有效执行。

耶林在其代表作《罗马法的精神》中对法律类型化的使用进行了分析。根据耶林的观点，类型化的使用与“实质可实现性”和“形式可实现性”之间的二分法密切相关。“形式可实现性”是指将抽象标准应用于具体案例的容易性和确定性；“实质可实现性”是指法律规范通过调整法律后果来回应案件的个别情况的能力，法律对个案的个别情况进行更精确的反应通常是有代价的，具有高度实质可实现性的规范在适用时往往是复杂和不确定的。立法者必须在实质与形式之间找到一种妥协，如其举例说，立法者必须淡化实体法概念（如法律行为能力的概念）原本的纯洁性，以便将其纳入一种便于实际应用的形式（如18岁的年龄限制），从而在形式可实现性和实质可实现性之间找到平衡。在耶林的《罗马法的精神》发表140多年后，美国法律经济学学者路易斯·卡普罗（Louis Kaplow）与耶林有着相同的思想，而用标准和规则说法替代了“形式可实现性”和“实质可实现性”，更复杂的规则具有更高程度的实质精确性，但较低程度的形式可实现性。法律规范越复杂，规则起草、遵守和裁决就越困难，因而也就越昂贵。在卡普罗的模型中，这些复杂性成本与人类有限的信息处理能力直接相关，即法律规则的最佳复杂性，或者说法律体系的颗粒度，受到人类信息处理能力的限制。广泛使用标准或粗略类型化本质上是对信息问题的回答，是对人类管理的法律体系的不完善的让步。

如同本书作者总结的，“最优的私人化是‘所产生的收益’与‘所付出的成本’相权衡的结果”。而立法者总在尽力动用其所处时代的有限的信息处理能力与可承受的信息成本，使“现实”尽可能接近“理想”，形式可实现性尽可能追赶实质可实现性。

四

“私人化法律”的总体思路是构建“细粒度法律规范”，利用有关个体行为者的现有数据，使法律适合他们的具体需要和能力。而大数据和算法则为监管提供了技术方案，技术进步可以使立法者制定复杂的立法目标，大数据、超人的信息处理能力和人工智能可以重新定义法律规则的最佳复杂性，并将其内容细化到以往无法实现的颗粒度水平，即从基于“粗颗粒”广泛使用类型化的非个人法律向基于“细粒度”法律规范的更个性化的法律的转变。这种法律是为个人目标量身定制的。新信息技术的出现，使得规则和标准的成本之间的权衡消失，立法者或执法者或许不再需要在实质可实现性和形式可实现性这两个相互冲突的目标之间作出艰难选择。

关于私人化法律的新兴文献提出了各种各样的例子，说明如何将私人化应用于从合同法和侵权法、消费者法到家庭和继承法等不同私法领域的定制缺省规则、披露或助推。比如平台线上交易，经销商须在签订合同之前告知消费者商品或服务的主要特征等信息，但由于没有任何关于消费者和产品预期用途的信息，经销商只能提供相当笼统的信息。而私人化强制性披露通过个性化方式，有可能为消费者提供适合其情况、偏好、人口特征和认知能力的信息，这种知情的（个人化的）信息而不是标准化的（非个人的）信息可以减少所提供的信息的数量，同时增加披露与信息的个人接受者的相关性。比如，根据消费者的购买历史，网上商店的经营者可以有根据地猜测消费者对哪些“商品或服务的特征”感兴趣。再比如，如果消费者的购买历史显示他往往会错过撤销权的最后期限，并且经常在截止日期过后将商品退回，那么私人化法律可以要求卖家在该客户在线订购商品时强调撤销期限。类似地，医疗机构可能有义务考虑患者的既往病史与健康需求，以便定制药物副作用的警告信息。基于客户数据的个性化披露更像是一个了解客户的交易员给出的个人建议，而不是惯常消费者法的典型标志（一长串标准化信息）,“人们通常更喜欢建议而不是数据”。为了不断改进结果，个性化披露应该被看作是一个动态的（学习的）系统，信息的内容和呈现方式会随着时间而改变，以有效提升所提供信息的有用性。

另一个适宜使用私人化法律规则的法律领域是侵权法。通过抛弃“理性的人”标准，私人化侵权法将引入本﹣沙哈尔和普锐理所称的“理性的你”标准，这是一种个性化的勤勉程度，要求个体行为人满足基于有关该行为人具体特征的信息而定制的注意标准。在这种方法下，如果一个驾驶员的健康状况最近不佳，即使他以适用于特定情况的道路交通规则所允许的速度驾驶，他也会被视为疏忽。在作者看来，私人化法律看重的不是一般人的能力，而是具体人的能力，具体人的行为是分析的对象。

五

大数据和人工智能（尤其是机器学习）的进步，使得一些直到最近才被认为可想象的事情成为可能，这就是本﹣沙哈尔和普锐理雄心勃勃且具有开创性的著作《私人定制的法律：为不同人制定不同规则》的背景，即根据不同人的个人需求和偏好量身定制法律规则，私人化法律的基本思想是，监管者可以使用复杂的分析技术、大量的数据和功能强大的计算机，在相似（但不相同）的情况下做出严格的区分，并赋予它们不同的法律后果。根据作者的展望，速度限制、侵权法中的注意标准、消费者保护、危险活动的年龄限制，甚至投票权都可以个人化。这即是本﹣沙哈尔和普锐理向我们展示的“美丽新世界”。然而，法律的私人定制是否可能？又或者，我们需要这样一个“新世界”吗？

法律的私人定制是否可能？量体裁衣的监管并不会零成本实现。为了使法律定制化，立法者必须能够获取和处理有关个人和群体的详细信息。政府日常收集的数据可能并不总是足以制定私人化法律，政府可能会投入更多资源来收集数据，或者选择获得由私营公司收集的数据。资源不是刚性限制，可以预料立法者和执法者可能很快就会拥有将指令与高度特定的个人特征联系起来的技术能力，但这并不意味着立法者或执法者可以获得他们想要的所有信息。私人定制法律对大量数据的需求会引发隐私问题。使用大数据使产品个性化的私营公司需要加以监管，而对于基于授权查阅个人资料的政府来说，这也是一个公法上的问题。公民同意的必要性和政府收集数据是否也应该有所限制？政府是否应该因使用公民数据而对公民进行补偿？谁应该代表政府收集数据？私人化法律对数据需求的最大限制可能不是监管机构了解个人的能力，而是收集和使用大量数据的规范性和适当性。如果数据主体也有博弈的空间，大多数人也许会同意与私人公司分享他们与商品和服务有关的信息，但当其信息将被用于产生不利的法律后果时（监管机关可能使用这些信息来惩罚或限制他们），人们可能不愿意分享他们的信息，或者可能故意把数据弄混，作为抵御监管的一种手段。

如何构建算法模型？算法决策并不意味着人类被排除在决策过程之外。即使设定了目标，人类也将参与建立、训练、编码和评估算法优点的所有阶段。算法首先需要确定特定事件的权重，这需要立法明确各个因素的确切政策评价，需要识别和增加相关的背景因素，去除不相关的因素，以提高准确性以及减少执法偏见。但法律的目标并不总是同向的，法律很少在一个维度上起作用，总是利益平衡的结果，而对于这个平衡，立法者很少明示或概而言之。比如，在新就业形态下，劳动法的目标应该是什么？立法者应该在减少失业、社会公平问题上给予多少重视？确定雇员和独立承包商（或承揽人）之间区别背后的具体情节是哪些？不同情节应该给多少权重？如果立法者不愿意直接回答这些问题，法律的私人化就会停滞不前。

如何监督私人化法律的实施效果？尽管立法和执法过程复杂，而且术语繁多，但立法和执法都是用外在语言来完成的，当事情出错时，“如何出错”以及“为什么出错”相对容易被观察并理解，而法律也必须为公众所理解和解释，这不仅因为法律过程容易被发现错误和被滥用，还因为法律的适用应该是一种民主机制，其不只是发布规则和裁决，还应当提供理由。然而，在本﹣沙哈尔和普锐理的世界里，文字角色是次要的，更需要具有专业知识的工作者来实施私人化法律：创建算法的计算机科学家，提供输入的数据管理人员，以及检查结果的统计学家。虽然或许没有理由认为计算机科学家、数据管理人员和统计学家在忠实执行立法判断时不如立法者、律师和法官可信，但是他们的错误和滥用却不那么明显。使用机器学习来合成数百万条数据的算法中的缺陷或技巧，可能只有那些具有识别或理解它的技术专业知识的人才能理解。这本质上是把部分立法（或解释）工作交给了技术人员。

而且，人工智能是在一个黑盒子里运作的。机器学习算法被编程为尝试许多不同的方法来分析数据，评估输出，然后使用这些评估结果来进一步开发流程。在数千次、数万次或数百万次迭代之后，内在计算过程可能非常复杂，以至于输出的结论无法解包或理解，那些编程让机器学习的人最终也可能并不知道盒子里发生了什么，也许只能通过对输出进行抽样来评估程序的成功与否。当私人定制法律的目标是对不同的人精确区别对待，惩罚一些人而不惩罚另一些人时，机器却又使法律判断内部运作难以捉摸，游戏规则反而晦暗难懂。那么，在什么情况下，人类应该无视算法的建议，或在算法做出决定后进行调整？

私人化法律更绕不开其本身是否符合“法律面前人人平等”的责问。私人化法律项目是一项雄心勃勃的法律改革计划，法律平等将被“不同的人适用不同的法律”所取代，正如作者所承认的那样，法律的统一性是如此普遍被接受，而私人化的法律公然蔑视此类规定。为什么这样做？本﹣沙哈尔和普锐理的回答很简单。私人化法律可以更好地实现任何规则体系的目标，即通过更精确地识别和解决社会不同成员的个人需求、利益和偏好，大规模增加社会福利。然而这个典型福利主义者（功利主义者）的观点是否符合法律的基本目标在法理学上有着根本分歧。也许没有人会质疑，个性化合同缺省规则、信息个性化披露或对某些消费者的针对性加强保护是一个好主意，个性化的缺省规则比非个性化的缺省规则更能实现这一法律预设目标；但另一方面，将诸如投票权之类的宪法权利进行私人定制是否适当呢？法律解决的不仅是治理需求，其正当性更建立在社会公平、自由的伦理要求之上。

私人定制法律将是政府管理的基于技术驱动的数据收集和利用的全面个性化项目，其必然远景（虽然作者没有明说）是建立一个极其强大的监控国家，尽管（也许）会使社会福利最大化，但这可能对个人自由带来根本威胁。本﹣沙哈尔和普锐理展现在我们眼前的“美丽新世界”可能将不再是人类的世界，而是机器的世界。私人化的法律既然是通过“更认真地对待每个人”来建立一个似乎更公平和人道的世界，那么人类在这样一个世界中的角色又是什么？人们会在一个由机器创造的令人愉快的虚拟现实中生活吗？“为什么要实行法律私人化”，对此没法闪烁其词、“蒙混过关”，将是倡导私人化法律的学者面对的一个艰巨的论证任务。

六

私人定制的法律能够“根据相关情境来区分法律指令，从而避免因粗略的统一性待遇所造成的不精确性与不公平性”，以“修正统一性法律的不平等影响”，并提供最终的透明度，这从根本上挑战了固有法律规范的设计和结构。在这个意义上，本﹣沙哈尔和普锐理称自己的作品为（法律）“科幻小说”。然而，就在不远的过去，大数据尤其是人工智能领域的机器学习革命也还是“科幻小说”。技术发展的“摩尔定律”魔力不仅难以置信，而且难以控制，似乎世间一切都将发生根本性的变化。私人化法律也许不再是科幻预言，可能会成为法律“未来的浪潮”。

应该注意到，即使在大数据的美丽新世界里，法律量身定制的监管也不会零成本实现。个人信息实时采集、隐私保护以及监督算法歧视等仍是需要进一步研究（构建）的问题，更重要的是，私人化法律还受符合社会公平、民主和宪治等的重重约束，其如何自我限制或何处可取更是一个需要严肃考虑的问题。

【本文为《私人定制的法律》中译本序，作者耿利航，中国政法大学民商经济法学院教授、博士生导师，钱端升学者】