✪ 杨贝

对外经济贸易大学2026世界杯官网教授，司法裁判研究中心主任

【编者按】为贯彻落实党的二十届四中全会关于“完善司法公正实现和评价机制，提高司法裁判公正性、稳定性、权威性”的部署要求，系统回应数字时代给司法裁判带来的理念更新与制度挑战，《中国应用法学》2026年第1期特别策划“数字时代的司法裁判研究”专题，聚焦数字社会中司法裁判的价值定位、功能转型与路径创新等前沿问题，旨在厘清新特征、把握新规律，总结司法适应数字变革的实践经验，推动构建适应时代需求的数字司法体系。本期特此编发对外经济贸易大学杨贝教授撰写的《人工智能时代法律方法的研究与应用》一文，以供读者研讨交流。

*因篇幅限制，注释等有删减，如需引用请参见期刊原文。

人工智能时代法律方法的研究与应用

文｜杨贝

（本文刊载于《中国应用法学》2026年第1期，第139-152页）

内容摘要：人工智能初看起来挑战了法律方法立足的司法裁判理念，包括裁判者的主体地位、规则导向的思维范式、个案裁判对实质正义的追求等。但鉴于二者对统一适用裁判规则、限制裁判者自由裁量的共同追求，以及法律人工智能的优势与不足，二者完全可以相互赋能。一方面，人工智能可以显著增强具体方法的适用效果、更新法律方法的作用方式，并大幅拓展法律方法的适用范围；另一方面，法律方法为人工智能提供更优质的数据、更精准的算法，增强人工智能的可靠性、可解释性。在人工智能时代，法律方法的研究将上下推进，向下是继续深耕基础理论研究，提供更坚实、更细致的理论支持，向上则是托举人工智能在法律领域的应用，参与司法人工智能产品的研发。

关键词：人工智能　法律方法　法律大模型　联结主义

文章目录

一、人工智能对法律方法的挑战

（一）人工智能的非主体性挑战法律方法的主体性

（二）人工智能的关联思维挑战法律方法的规则思维

（三）人工智能的一般正义挑战法律方法的个案正义

二、人工智能为法律方法带来的机遇

（一）人工智能与法律方法共同的追求

（二）人工智能为法律方法赋能

三、智慧司法背景下法律方法的功能定位

四、法律方法研究的未来

（一）更扎实、细致的基础理论研究

（二）场景化、产品化的应用研究

五、结语

当人工智能的浪潮袭来，代表传统裁判思维的法律方法面临全方位挑战。人工智能的思维方式、决策方法，给传统的裁判思想、理论，以及现行司法制度、裁判方式等都带来前所未有的冲击。在人工智能全面重塑人的主体地位、人文观念、共存方式的时代，在司法裁判领域重思正义构成、制度设计之际，法律方法的研究与应用也需进行系统性反思与规划。

一、人工智能对法律方法的挑战

法律方法源于法律人在裁判个案时遭遇的事实与规范不适应问题。“它是法律人在用法律处理事案（案件或事务）时，对法律文本进行解读并适用到个案事实、作出判断的方法。”通过解析法律判断的形成过程，法律方法让裁判者对于每一个事实的评价、每一个条文的理解都有章可循、有据可查，在不断压缩自由裁量空间的过程中追求个案正义的实现。

法律方法的运作机制预设了以下基本立场。其一，司法正义的主体性。法律方法旨在限制裁判者的自由裁量，但并不否定裁判者的主体地位。相反，不论是法感的培养，还是利益的衡量，都离不开裁判者的主体性。其二，演绎推理的思维底色。对于法律判断的形成过程，法律方法的研究者大多支持等置模式，认为作为裁判依据的事实与规范都需要经历建构的过程，但在大小前提准备好后，形成判断的最后一步仍是演绎推理，通过涵摄将小前提的主词（案件的当事人）与大前提的谓词（一般是法律规则中的法律后果）结合起来，得出必然的结论。其三，个案正义的重要性。法律规范与个案事实的不适应催生出法律方法，法律方法自产生之初就以实现个案正义为主要目的。本轮兴起的人工智能及其预设的裁判理念对法律方法的这些立场均构成挑战。

（一）人工智能的非主体性挑战法律方法的主体性

从荀子主张的人“最为天下贵”，到普罗塔哥拉提出的“人是万物的尺度”，先哲都在论证人作为主体的正当性。在司法裁判领域，何为正当的决定权始终掌握在人的手中。中文的“司法”“法律适用”以“司”“适用”为动词，负责“司”“适用”的当然是人；德语的“司法”为“Rechtsprechung”，字面意义即为“说出正义”，毫无疑问，说的主体自然是人。之所以以人为主体，荀子给出过解释。“水火有气而无生，草木有生而无知，禽兽有知而无义，人有气、有生、有知，亦且有义，故最为天下贵也。”天地之间，只有人这个有机生物，不仅有意识有觉知，而且讲道义，所以最为贵重。西方人文主义者的解释更简单，因为只有人有理性。天地之间，只有人凭借其独有的理性，才能对是非曲直、公道与否作出正确判断，这是文明社会将司法权交予人而非草木山川、飞鸟走兽的根本原因。然而，人工智能的到来，对人作为主体的资格和能力都提出了挑战。作为技术理性的极端形式，人工智能比人更“理性”，比人掌握的知识更丰富，未来有可能获得比人更强的判断能力。质言之，人工智能有可能作出比人更公正的判断。在这一背景下，人作为司法裁判主体的地位或将不保，由此产生两方面危机。

一方面，裁判者有可能主动让出部分甚至全部裁判权。人工智能带来的便利、高效，很容易让裁判者产生决策依赖。技术运用可能短期内在形式上强化裁判者能力，但长远来看则可能形成技术对裁判者的隐性操纵。“裁判者越依赖科学技术，其越有可能被‘奴役’而被削弱甚至丧失主体性。”另一方面，裁判者有可能被动让出部分甚至全部裁判权。司法权是判断性权力。智审系统中的算法预先替裁判者作出了判断，由此，智慧算法的研发人员事先已经悄然攫取了部分判断权。实践中，裁判者往往不愿挑战已经获得权威地位的算法，缺少在人工智能给出的选项外探索答案的主动性，宁可让算法背负可能产生的司法责任，也不让自己承担弃置或挑战算法产生的风险。正如研究者早有的担忧，当法官发现人工智能的判断与自己的结论大相径庭，“即便不是所有，恐怕也有许多法官会向人工智能技术妥协”。

无论裁判者是主动自愿还是被动无奈让出裁判权，传统的司法权分配制度都面临根本挑战。曾专属裁判者的裁判权的削弱和旁落都将直接导致法律方法的式微。法律方法面临“皮之不存，毛将焉附”的问题，连适用法律方法的主体都被移除，法律方法又该如何自处？

（二）人工智能的关联思维挑战法律方法的规则思维

法律方法的规则思维体现为两方面：一方面，法律方法的运用以尊重现行有效的法秩序为前提，“它是在某种特定的、历史地形成的法律秩序框架中并以这种法律秩序为基础来致力于解决法律问题”，其核心问题是如何理解、适用法律规则。基于这一特性，以法律方法为代表的传统的裁判思维一直关注法律上的因果关系与法律推理的必然性。因果关系探究的是事件的成因，事物之间的必然关系。在法律上，以“如果……，那么……”为代表的逻辑规则意图确立的实际是行为模式与法律后果之间的必然联系，其与因果关系的探究一样，追求确定性知识。另一方面，法律方法研究的目的在于确立思维规则，为法律适用提供正确、正当、可靠的思维路径。法律方法本身就是一种思维规则。法律方法的思维规则中既有适用于形式法治的规则，也有适用于实质法治的规则。前者包括涵摄思维、体系思维等，强调规则、体系的导向，后者是对制定法规定有所突破的衡量思维，不论是否严守制定法的边界，法律方法都在探索并确立某种思维规则。

人工智能研究的三大进路（联结主义、符号主义、行为主义）在法律领域都有体现，影响较大且与传统的法律方法研究相关的主要是符号主义与联结主义。法律人工智能最早沿循符号主义的进路。在机器学习出现之前，符号主义的编程方法被用来开发法律专家系统，由法律专家提供概念、分类、推理等专业知识，由程序员将这些专业知识编写成计算机代码。由于符号主义进路存在符号系统难以完备、知识来源过于狭窄等问题，这一进路的人工智能研究进展相对缓慢。鉴于本轮兴起的人工智能主要由大数据驱动，属于联结主义进路，本文有关司法人工智能的讨论将侧重从大数据、联结主义的角度展开。

舍恩伯格总结过大数据时代的思维特征，其中最为重要的一点是用相关性取代因果性。“在大数据时代，我们不必知道现象背后的原因，我们只要让数据自己发声。”“知道是什么就够了，没必要知道为什么。” 用相关性替代因果性，实质是放弃对必然性知识的执着，是对传统认识论的根本颠覆。传统的因果关系认知模式要求我们在探究事物之间的关系时，探明引发事物改变的确切原因，而大数据的相关分析则只需要知道二者是相关关系即可，至于二者哪个是因哪个是果则并不重要，避免了因果关系链条的无限回溯。

当前的人工智能主要由大数据驱动，基于联结主义的思路统计获得语词之间的相关性，通过捕捉文本的上下文共现关系与向量空间中的分布模式实现“语义模拟”，并不真正理解语义。即使是目前备受赞誉的深度学习亦是如此。深度学习只是学习要素在统计意义上的相关性，甚至只是统计频次上的显著性，并不知道这两个概念之间存在逻辑上的因果关系。总之，联结主义的人工智能的推理完全基于语词的相关性，并不追问语词所表征的事物的内在关联。例如，大模型只需要看到“盗窃”“一万元”“一年有期徒刑”这几个词组高度相关，就可以基于“盗窃”“一万元”的已知信息，关联出“一年有期徒刑”的判断，不必掌握盗窃罪相关的量刑规则。这一思维方式将从根本上消解法律规则设定的因果关系、逻辑关联，瓦解法律方法存在的必要性。

（三）人工智能的一般正义挑战法律方法的个案正义

司法裁判领域的人工智能实现的是“数字正义”“算法正义”“代码正义”，这些都是基于一般性、共性的正义。人工智能的研发者需要把具有海量信息的复杂的法律知识系统转化为数字系统，进而把复杂的司法活动简化为一种“无须满足任何更多的条件即可生成‘是’与‘否’的二元选项”的代码执行和机器运算。这个运算过程可概括为，“以标准一致的要素抽取、相同的算法建模以及流水化的操作流程，对相同的信息输入给出相同的算法输出”。以同一标准抽取要素的过程就是剔除个案的特殊性，将个案进行一般化处理的过程。当法律处理过程被代码化之后，机械裁判在所难免。正是因为对个案特殊性的无视，算法正义被批评为没有温度的正义，“它可能无法处理个案适用中极端不正义或不合目的的情况”。

与之相反，法律方法重点关注个案的特殊性，在追求个案正义的同时完善法律规范。例如，在于欢故意伤害案作为最高人民法院指导案例发布时，裁判要点第4点明确，“防卫过当案件，如系因被害人实施严重贬损他人人格尊严或者亵渎人伦的不法侵害引发的，量刑时对此应予充分考虑，以确保司法裁判既经得起法律检验，也符合社会公平正义观念”。在本案的终审判决书中，裁判者对正当防卫、特殊防卫、防卫过当等含义作了细致的解释，并与案情充分结合，得出令人信服的结论。同样的情形在江苏宜兴冷冻胚胎案、广东83岁老母亲毒杀43岁智障儿的判决书中都能看到，裁判者借助法律方法，对案件涉及的人伦情感进行充分考量。然而，“司法人工智能不会计算情感，不能与人进行心灵互动，自然不可能有人文关怀，难以根据具体场景灵活地、创造性地维护正义价值”。

最后，大数据驱动的人工智能恐难避免大数据思维的另一特性——容错。当海量的数据汇集起来，个别数据的差错会被忽略不计。通过接受不精确性，我们打开了一扇从未踏足的世界的窗户。在大数据面前，单个数据微不足道；在大量的同类型案件面前，个别案件的意义无限递减。这与法律方法的追求迥然不同。法律方法将每一个案件的正确裁判都放在至关重要的地位。司法责任制、错案终身追责等制度设计都是对个案正义的高度重视。

二、人工智能为法律方法带来的机遇

尽管人工智能对法律方法秉持的裁判理念、裁判思维构成挑战，但与此同时它也为法律方法带来前所未有的发展机遇，因为二者在根本上有着共同的追求。

（一）人工智能与法律方法共同的追求

将人工智能引入司法裁判并不是本轮人工智能兴起之后才有的设想。早在古罗马时期便有学者将计算思维引入法学理论，希望克服司法的不确定性与权力的恣意。近代以来，以概念法学为代表的形式理性的追求者就在畅想机器裁判，希望裁判者成为判决自动售卖机，用机器的不徇私情、不偏不倚来消除裁判者的主观偏见。从那时起，统一适用规则的追求就被刻进司法人工智能的DNA。以当前基于先例数据训练形成的大模型为例，它们“能够为类似案件提供稳定且一致的裁判结果，确保同案同判，进而统一法律适用标准、限制裁判者自由裁量，最终实现司法公正”。可见，司法人工智能预设了一些一以贯之的观念和立场，而这些观念与立场正与法律方法契合。

一方面，两者都追求裁判规则的统一适用。法律方法的核心目的是补正法律固有的局限，明晰法律规范的含义，使其能与社会事实相适应，最终统一规则的适用。就统一规则适用的方式而言，人工智能比法律方法更为坚定、果决。法律方法的适用主体为裁判者，裁判者对于案件是否相似，规则如何理解、建构等始终有自由裁量权，通过否定案件的相似性、对法律作出不一致的理解或建构，规则的统一适用可能会因为裁判者的认知差异被突破。相形之下，不同的人工智能可能因为不同的算法而存在认知差异，但同一人工智能在判定类案时会有更确定的认知框架。法律大模型以其对海量判决文书与法律条文的宏观统计能力为基础，能够提炼出普遍规律并显著提高裁判的一致性。这种能力在规范司法行为、提高裁判效率以及确保法律适用的统一性方面具有不可忽视的积极作用。从司法实践来看，类案类判是近年来法律方法研究及司法人工智能共同的着力点。根据《人民法院信息化建设五年发展规划（2021—2025）》，“类案检索”“类案专业化办理”“类案智能推送”“类案检索情况智能评查”均为“十四五”时期的重点任务。这一理念在法律方法领域也得到普遍认同。过去15年，学者对相关领域的研究逐步深入，类案类判已经成为法律方法研究的重要议题。

另一方面，两者都追求限制裁判者的自由裁量。法律方法从诞生之日起就以限制裁判者的自由裁量为目的。法律方法的“一个重要思想即是对‘高权行为’的法律人——特别是法官——进行权力之限制（Machtbegrenzung）”。法律方法的任务在于建构思维规则。面对事实与规范不相适应的情形时，将拉近事实与规范的过程从裁判者自由裁量的黑箱中显化，让裁判者沿循法律方法之规形成法律判断。不论如何定位人工智能在司法裁判中的功能、地位，即使只是作为裁判者的辅助工具，它也必然限制裁判者的自由裁量。

人工智能与法律方法对自由裁量的限制可如下图所示：

以上图为例，方框表示裁量范围，实心圆点表示推理的起点，空心圆点表示可能产生的结论。图1显示，在无法律方法或人工智能可用时，由实心圆点出发，可以触达的空心圆点几乎布满方框，这意味着，从前提出发可能达成任一结论；图2、图3则显示，在应用法律方法或人工智能之后，裁判者可以得出的结论选项大大减少，裁判者的自由裁量范围被大幅压缩。其中，应用人工智能的限缩效果比法律方法更为明显。人工智能天然拥有排除人情、关系、金钱等因素影响的优势，可极大减少司法判断的主观随意性。

基于限权的目的，法律方法与人工智能不约而同地选择让法律判断的形成过程“可视化”。比德林斯基认为，法律方法最重要的意义在于使法律判断形成过程中的步骤变得可理解、可控制，亦即，可以让人们看到正义的判断是如何形成的。在一元真理被质疑、权威不足以保证真理的时代，人们对于正义的确信更多来自于“亲见”法律判断形成的每一步并确认每一步的可接受。正义不仅要实现，而且要以看得见的方式实现。人工智能的算法黑箱是迄今尚未完全破解的难题。但从人工智能设计的目的以及当前确认的人工智能基本伦理来看，算法公开和算法的可解释性都要求人工智能将法律判断的形成过程显现出来。

出于种种考虑，人工智能在司法裁判过程中的作用只能是辅助性的。人作为裁判者的主体地位、主导作用不容动摇。“法律人工智能的研究趋势将重塑‘以人为中心’的智能辅助模式，这种模式的思路就是突出法律人在智能化系统中的决定性价值，以人工智能技术来辅助提升法律人决策的质效”。在这一结构背景下，人工智能与法律方法都有作为空间，完全可以在相同的方向上相互赋能。

（二）人工智能为法律方法赋能

作为现代科学技术的典型代表，人工智能可以在理论、实务层面为法律方法赋能。理论层面的赋能体现为推动法律方法论整体革新，集中于更新法律方法的适用范围、适用方式，甚至法律方法的内涵与外延。实务层面的赋能则是为具体的法律方法的适用提供技术支持。

就法律方法的适用范围而言，人工智能将为其提供更为广阔的空间。其一，通过将法律方法的思维规则转化为算法，法律方法的适用将突破裁判者个人与个案的限制，被广泛适用。法律方法的思维规则一旦转为算法，就将成为司法决策过程中基本的思维范式，形塑法律判断的形成过程。相较于当前仍有许多裁判者不了解、不理解、不会用法律方法的局面，算法化的法律方法将突破裁判者个体认知的局限，以技术的形态在司法裁判中获得普遍适用。其二，随着诉讼过程的数字化，如庭审语音识别、电子证据展示、文书自动纠错、电子卷宗随案生成等，法律方法的应用将提前至裁判者形成法律判断之前。在传统的审判过程中，裁判者将在查阅卷宗、组织质证、庭审后形成判决意向，在书写判决的过程中确定最终的裁判思路。法律方法的应用主要集中于形成、证成最终判决的过程。但随着人工智能介入司法全流程，内嵌法律方法的算法将从立案之初发挥效用，贯穿司法审判全流程。

就适用方式而言，人工智能可以增强法律方法对自由裁量的限制。规则是限制自由裁量的基本方式。算法是以不容悖反的形式实施的规则，法律方法则旨在形成确定的思维规则。一方面，人工智能超强的数据分析能力可以为裁判者提供更可靠的决策依据，通过归纳互联网上海量的数据经验，人工智能可以让裁判者对案件情况有更精准、更客观的认识。在应用法律方法的过程中，如果不存在算法偏见、数据偏差等问题，人工智能必将通过提供有限但可靠的选项，大幅限制裁判者自由裁量的范围。另一方面，人工智能可以对法律方法的适用过程进行数理分析，将法律方法的研究成果转化为算法，从而杜绝人为因素的干扰。要言之，从前受制于人的各种局限性，无法依靠裁判者自身克服的问题有望通过人工智能找到突破口，从而最大限度地限制裁判者的自由裁量。鉴于此，有学者对司法人工智能充满信心。“利用科技实现个案正义比前人仅仅依靠单纯的头脑智慧实现个案正义更具有在必然性、准确性、快速性、信息处理丰富性、判决结果质优性等方面无与伦比的优势，正是现代科技使个案正义的实现具有坚实的基础。”有学者甚至认为，人工智能本身不失为一种方法。“法学方法论是研究法律规律、提供法律适用科学方法的一门科学。司法人工智能恰恰是一种遵循司法规律，为司法实践提供适用科学技术的方法。”作为一种方法的人工智能将更新、丰富法律方法的内涵，拓展法律方法的边界。

在实务层面，人工智能为具体的法律方法的适用提供数据、算法与算力等方面的强大支持。就法律解释而言，人工智能可以为解释者提供更为丰富、完整、精准的素材。算法有助于支持解释者用更客观可见的形式提供清晰的法律解释理由，增强解释性论证过程的公信力和解释结论的说服力。法律解释可以借助算法思维和算法技术，驱动解释性论证的概念计算和代数计算过程，强化其程序正当性和结论正确性。以文义解释为例，文义解释是指“按照日常的、一般的语言使用方式来解释法律”。日常含义及文字可能的含义的确定成为文义解释运用的关键。在实践中，法律人在确定法律文本的日常含义时，主要是凭个人的语言经验，必要时以字典为证。这两种方式都有局限性，囿于个人经验的有限性、字典的滞后性，法律人的释义不一定能及时捕捉语境、语义的变化，而由人工智能赋能的语料库则可以克服这两种局限。语料库分析是以自然语境中的真实语言使用为实证基础，依托计算机技术对数据库检索结果进行定量与定性研究。随着大模型技术的普及，凭借海量日常语言数据，大模型在判断词语的日常含义、识别不同场景中的含义时都有显著优势。对于体系解释、历史解释等方法，人工智能同样可以凭借海量的数据、优越的算法得出更为客观的释义。

就法律推理而言，通过将推理的要素、结构确定下来，法律推理的思维规则可以更确定的方式被执行。凭借远超人脑的计算能力，人工智能可以实现从前无法想象的推理。以归纳推理为例，由于时间、精力、能力的限制，裁判者检索出的相关案件范围有限，加之个人偏好等因素的影响，裁判者的归纳总结有时难免偏颇。司法人工智能通过数据标注识别、案件要素抽取、知识图谱构建来进行算法建模，它拥有的不再是裁判者个体或合议庭的有限能力和个体经验，而是来自海量类似案件信息及裁判结果的数据库运算，它所作的每一份判决，都是一项数据庞大的实证法研究和综合衡量，这相当于整合、提炼了所有裁判者的集体智慧和最佳方案，创造了“聚合的奇迹”。对于演绎推理、类比推理、后果推理等推理形式，人工智能均可以凭借更精准的算法对“涵摄”与否作出判断，对后果尤其是社会后果作出更精准的预测。随着人工智能的不断升级，它将做更多人所不及之事。例如，大语言模型能够通过注意力机制识别事实描述中的重要信息点，并将其与类似案例中的判例联系起来，从而为裁判者提供全面的素材支持。这种解析能力有效弥补了人工检索在效率和广度上的不足，为事实与规范的结合奠定了坚实基础。

就法律论证而言，人工智能可以更精准地评判论据的证明力，以及论据与论点之间的支持关系。从论证的角度反观目前辅助司法决策的人工智能，可以发现人工智能的决策模式实为给出理由的论证模式。基于对大量司法数据的统计分析，司法人工智能能够识别出法律文本中的论据，并对之进行分量赋值，形成较为完备的论据识别规则体系。通过问卷调查、控制实验、语料库语言学、统计学、机器学习等方法，人工智能会比裁判者更精准地识别在生活实践中具有说服力的理由。

三、智慧司法背景下法律方法的功能定位

随着人工智能广泛应用于法律领域，智慧司法已成为当下司法裁判高质量发展的必然路径。在这一背景下，法律方法的功能定位取决于两个因素。

一是智慧司法的定位，其中又涉及对司法本质、目的、核心功能等基础问题的思考，例如司法是否必须以人作为决策主体，个案正义是否具有至高价值，个案正义是否只能是实质正义。目前看来，司法应当由人主导、由人负责、拒绝容错的理念不可撼动。习近平总书记指出，要懂得“100-1=0”的道理，一个错案的负面影响足以摧毁九十九个公正裁判积累起来的良好形象。他多次强调“努力让人民群众在每一个司法案件中感受到公平正义”。这些都是对司法零容错的生动诠释。《最高人民法院关于规范和加强人工智能司法应用的意见》第5条已明确规定人工智能在审判工作中的辅助地位，坚持法官的主体地位。这意味着，法律方法发挥作用的传统路径仍然有效。在智慧司法时代，法律方法仍将通过为裁判者提供思维规则的指引，确保最大程度上实现个案正义。

二是人工智能的局限性。司法人工智能的局限性可以解析为三个层面，法律方法在不同层面的功能定位有所不同。首先是通用层面，主要涉及通用大模型固有的局限性。大模型以互联网数据为基础，这些数据存在中文数据少、法律数据少、结构数据少等不足，致使大模型自诞生之时就有先天的基因缺陷。对于这一类局限性，法律方法几乎难有作为。“司法数据乃司法人工智能的‘生命之源’。以裁判结果预测与偏离度预警系统为例，其功用之发挥建立在收集、分析大量司法数据的前提之下，进而找寻相似案件情境之中的判决思路与内在逻辑，以预测目标案件的裁判结果。”数据原生缺陷会导致人工智能彻底跑偏。除此之外，许多开源的通用大模型自身的算法不尽正确。这些算法形式并非绝对真理，难免存在测量误差甚至是错误。

其次是人工智能在法律领域反映出的局限性。一方面是立法变动引致的问题，立法者的三个更正词就可以使所有的法学文献成为废纸，司法解释、指导案例的颁布都可能导致从前关于裁判规则的总结悉数作废。由于大数据不能及时剔除全部失效法律、案件，这些干扰信息将严重影响人工智能的判断。另一方面是人工智能在法律领域被凸显的价值判断不能的问题。法律判断的形成过程实为法律人对事实作出价值评价的过程。“每一环的推进都仰仗于认识主体的感知、经验和信念，以及隐身其后的潜意识、道德情感和个人价值观。”这些高度不确定甚至不可言状的信息很难成为知识，更不用说可以转化为规则的确定性知识。

最后是人工智能在司法裁判领域体现出的局限性。司法裁判是就个案事实给出具有结论意义的法律判断，其涉及实质权利义务的分配，旨在追求符合实质正义的裁判结果。鉴于实质正义由事实、实质权利义务、大众思维三个要素构成，这意味着裁判者应当基于个案事实考虑实质权利义务的分配是否符合正义，且此时关于正义与否的判断还应从常人思维的角度作出，而人工智能的问题在于，它既无常识，也不理解语言的真正含义。是否具备法律上的决定意义很多时候取决于对案件意义的整体性评价，而理解和评价案件的意义正是计算机的认识短板。人工智能无法真正理解生活事件，没有能力对事件整体作出合乎实质正义的评价。“面对复杂疑难案件，其能够促进形式正义，却很难实现实质正义”。

对于通用人工智能原生的局限性，法律方法无能为力；对于人工智能在法律领域的局限性，法律方法作为有限；对于人工智能在司法裁判领域的局限性，法律方法大有可为。当前的司法人工智能大致沿循符号主义、联结主义的进路。法律方法在这两种进路上都可以有所作为。符号主义进路与法律方法尤其是法律论证渊源颇深。在早期沿循符号主义研发的专家系统中，法律论证挖掘可以教会机器理解和预测法律论证，通过检测法律文本数据中的论证基本单元以及单元之间的关系，提取不同的论证结构和论证图式，为法律推理的计算模型提供机器可处理的结构化数据。法律论证挖掘的前提和结论之间的逻辑关联提升了法律文本分析技术的可解释性。

联结主义本来的趋势是消解算法以外的规则，但数据、算法与生俱来的缺陷给法律方法留出了广阔的作为空间，让法律方法可以在数据标注、模型训练等环节发挥作用。首先，随着自然语言处理技术的崛起，语料库的建设开始向标注和结构化数据的方向发展。它不再仅仅是单纯的文本集合，而是通过人工或半自动化手段为文本进行词性标注、句法分析、语义标注等工作。法律方法的介入可以更为精准地识别语词的含义、功能，从而使得数据更为精细化和结构化。同时，法律方法还可以纠正人工智能的认知偏差。例如，为避免大语言模型在司法实践中沦为单向度的技术支配，在挖掘传统法学方法论中关于多元价值论证的基础上，可通过在确立争点、规范检索、事实认定、裁判形成、价值审查与最终公开说理的全流程中引入对立论证、逆向思维、强制反驳清单等操作环节，帮助裁判者保持深度审查与反思能力，抵消大语言模型单一输出的强化效应。

以近几年兴起的法律大模型为例，研究者认为法律大模型普遍存在数据质量不高（法律数据获取渠道有限且多为不准确、非标准的法律文件，法律概念的内涵、外延模糊）、算法不当（算法歧视、算法可解释性不足）等问题，并就此给出提高数据质量、提高算法可解释性等建议。其中许多举措都离不开法律方法的参与。就知识图谱构建而言，它通过提供经过验证的结构化知识约束生成过程，提升大模型生成答**性，并且为大模型的决策提供可追溯的证据链条，增加结果的可信度。知识图谱的实质是将无序信息转化为可计算、可推理的结构化知识网络，这一转化过程不仅需要掌握法学知识体系，还需要掌握法律思维的规则即法律方法。在实践中，已有研究团队尝试用演绎推理等方法改进大模型的表现并取得实际效果。这些优化方案已经得到海外许多法律科技公司的验证。

由上，现阶段法律人工智能面临的价值判断不能、疑难案件审判不能的问题，可以在法律方法的支持下得到缓解。就价值判断问题而言，法律方法领域积淀深厚。以修辞学为例，这门有着两千多年历史的学问一直关注如何作出价值判断的问题。这些积累可以为人工智能的判断提供知识基础。季卫东教授就价值判断的客观化作了系统筹划。首先，我们可以基于论题学这一经典的法律方法实现推理元规则的提炼与体系化；其次，我们可以根据法律推理的主体、语境以及价值判断的功能之间的关系，基本确立法的价值函数。这些研究为价值判断算法化奠定了基础。目前，符号学方法已可以识别法律推理中包含“允许”和“禁止”等道义模态词的规范命题和道义逻辑推理。机器学习方法可以通过标注法律文本中关于道德、情理、伦理、价值等要素，构建相适应的特征工程。当价值判断经过审慎思考转化为算法，人工智能的可靠性、可解释性均得到增强。就疑难案件的审理问题而言，这更是法律方法研究的主要场域。在司法裁判领域，复杂、疑难案件多为法源不明的案件。法律解释、法律推理、法的续造等方法均可完成法律规范识别、建构的任务。值得一提的是，疑难案件处于流变的状态，随着社会的发展以及司法裁判规则的统一，曾经的复杂、疑难案件会成为简易、常规案件，从而划归司法人工智能领域。

总之，在人工智能时代，法律方法不仅可以在传统路径上继续发挥作用，还可以为法律人工智能赋能。“法律方法的深度学习是司法人工智能的基础，理解裁判文书中体现出来的法律方法并寻找隐含其中的裁判者思维，是实现司法人工智能化的关键。”法律解释、法律推理、法的续造、法律论证等方法都将为人工智能模拟人的思维提供支持。随着符号主义与联结主义两种进路融合的趋势日益明显，法律方法对人工智能的赋能会愈加显著。

四、法律方法研究的未来

鉴于人工智能带来的挑战与机遇，法律方法研究在沿着传统进路推进时也将迎来全新的研究领域。整体而言，人工智能时代的法律方法研究应当上下求索，向下是沿着传统的研究领域不断深入，深耕基础理论；向上则是探索新的研究空间，在托举人工智能的同时，开拓场景化、产品化的应用研究。下文将结合对外经济贸易大学司法裁判研究中心在过去10年里不断更新的说理结构图分析法，说明法律方法向上向下的研究空间。

说理结构图分析是基于法律论证理论对裁判文书的说理思路进行结构化分析，是实现裁判文书说理可计算的关键一步。通过为理由的证明力以及上下级理由的支持关系赋值，判决的证成程度即裁判文书的说理水平可以经由层层推导计算得出。重构后的说理结构及得分情况如下图4所示。

失分情况说明：

①论述不详：被执行人对已经解除查封的房屋仍不得擅自处分，是因为其上设有抵押权，法院对涉及抵押的事实和法律依据均未进行着重说理（原《中华人民共和国物权法》第191条第2款）；

②未列明法条：“违反法律规定”未指明《中华人民共和国房地产管理法》第38条第2项；

③论述不详：对利益衡量的法律论证不足或论证路径错误（不提及《执行异议规定》第29条）。

图4系对某判决书的说理思路进行结构化重现，该文书最终的说理得分系依据法律论证领域的一些基本共识计算得出，研究团队根据这些共识确定各项理由的初始赋值及算法。过去10年里，研究团队已重构数千份判决书的论证结构，重构过程中面临的问题恰恰折射出法律方法未来研究的方向。

（一）更扎实、细致的基础理论研究

尽管法律方法的研究历史悠久、成果丰硕，许多基础问题仍然有待澄清。例如，在讨论法的续造时，不论将法律漏洞理解为“违反计划的不圆满性”还是“应予规定而未予规定”，都没有就何为“计划”、何为“应予规定”给出明确、可操作的判断标准。就法律论证而言，其既可以理解为一个将对前提的认同传递至结论的过程，也可以理解为一个不断就结论给出理由的过程。结构图分析法采用了后一种理解。这就不免陷入明希豪森的三重困境：无穷论证、循环论证与戛然而止。在第一重困境下，论证将永无休止地继续下去，这不符合司法活动的效率原则；在第二重困境下，之前出现过的结论成为后续论证的论据，从而陷入循环论证，这不符合理性原则，也容易为法官擅权提供便利。因此，我们不得不在某一特定时刻人为地中断论证。这虽然可被视为第三重困境，但只要终止的节点选取得当，仍符合理性思维。这个人为中断的节点在说理结构图中最后出现，位于结构图末端，如图4右下角出现的生效法律文书。

对照图4可以发现，对该案判决说理的评价取决于以下三个问题：一是如何合理重现说理思路，具体而言，各项主张应出现在结构图中的哪一位置？二是如何为结构图末端的理由赋值？三是如何判定理由与论点之间的关系，即理由在多大程度上能够推导出相应论点？

第一个问题涉及结构图的设计。如何理解法律论证的思路是法律论证研究的基础问题。即使在菲特丽丝总结的逻辑、修辞、对话三种进路下，同一进路学者的重构思路亦有不同。目前人工智能发展的计算论辩理论和对话理论为刻画论辩中参与方的动态交互式对抗提供了精细化的分析和评价工具。也有不少学者尝试以图尔敏模式、贝叶斯模型作为重构的基本图式，但均未充分解决如何区分论证过程的阶段、如何呈现论点与论据之间的关系、如何涵括不同类型的论据等问题。

第二个问题涉及理由的分类与定性，以及如何判定裁判者是否完成相应的说理义务。当前从证明力的角度作出的理由分类不多，根据佩雷尔曼有关论证起点的分类，我们可以暂且将理由分为终局理由与非终局理由。终局理由是指言说者无须给出进一步理由的理由，它通常位于说理结构图末端。它的出现意味着裁判者已经完成相应的说理义务。反之，非终局理由则是需要裁判者进一步就此给出理由的理由。目前来看，有关理由证明力的判定研究甚至连理由的认定研究都远远不够。

第三个问题涉及理由支持力的判定。该问题早在古希腊时期就已经引起思考，迄今仍然进展甚微。早在两千多年前，古典决疑论的研究者就已对论证强度以及主张的权威性作了分级评判，大致分为“确定”“很有可能”“可能性较小”“几乎不可能”四等，但对于论证强度应当根据何种标准判定，在基础理论层面仍然存有争议。

重构是评价的基础。因为基础理论供给不足，裁判文书说理思路的重构不免存在评价失准的问题。司法人工智能的研究依赖于基础理论的推进，通过更加深入、精细的研究，提供更多的确定性知识，以便确立规则、建构规则体系。值得一提的是，在向下深耕的过程中，曾经的研究瓶颈有可能因为人工智能的介入而被突破。例如，凭借大数据的支持，法律论证的研究者有望凭借词项的相关性分析判断某一命题被接受的概率，进而判定该命题作为理由的证明力。

（二）场景化、产品化的应用研究

如前所述，司法人工智能目前面临的许多问题均有待法律方法提供解决方案。通过将法律方法研究设定的思维规则转化为数据标注规则、参与大模型的预训练、微调、转化为算法等途径，法律方法的研究将打开新的研究视角，从应用场景、产品设计的角度思考如何转化法律方法的研究成果。司法人工智能给法律方法研究带来的最大转变是范式转变，由传统的基于逻辑分析、价值分析和规范分析的理论范式朝着精细化、可操作和易实现的应用范式转变。

仍以说理结构图分析为例，它可以实现裁判文书说理程度的量化，并精准指出说理不当之处，据此可以设计多种产品。首先可以作为裁判文书智能评价程序，或是用于优秀文书评选（根据智能评分结果遴选优秀文书），或是作为裁判机构的内审程序，裁判者可以将裁判文书的初稿交给内审，根据内审反馈决定是否继续完善说理。其次可以作为裁判文书辅助生成程序。裁判文书说理分析的过程中会对不同类型的理由及其证明力进行标注，通过微调等技术可以让人工智能识别理由的强度。在法律方法的支持下，司法人工智能可以依托知识图谱搭建起强大的理由库。在裁判者检索裁判理由时，可以根据大数据的统计分析推送可供援引的理由。

五、结语

法律方法是一门古老而又年轻的学问，古老是指它源远流长，年轻则指它永远活在当下，总是能和时代碰撞出耀眼的火花。人工智能时代的到来不但不会消解法律方法的意义，反而给它带来大放异彩的机会。法律方法融入人工智能之后，将以更加笃定的姿态在法律领域得到普遍适用。不论人工智能沿着何种方向发展，都离不开思维规则的嵌入，都需要法律方法的辅助。法律方法将以前所未有的方式进入前所未有的空间，收获前所未有的成就。要言之，人工智能为法律方法带来更广阔的空间，法律方法为人工智能提供更精准的方向。