编者按
在科技日新月异的当下，人工智能热潮席卷各大前沿舞台，成为全社会瞩目的焦点。3月25日，博鳌亚洲论坛2025年年会开幕，AI位列四大核心议题之一。会上，中外嘉宾就AI应用与治理热烈探讨，达成多方协作、动态治理、伦理优先、法治保障、技术透明等共识，力求平衡推进人工智能的应用与治理。而在3月30日的2025中关村论坛年会“科技与法治论坛”上，多位法律界专家呼吁加快人工智能立法。
鉴于当前人工智能技术发展迅猛，现有法律已难以应对诸多新问题，亟待通过立法填补空白，强化技术安全与伦理规范，推动数智技术与法治深度融合。
本期专题聚焦人工智能在法治实践领域的前沿应用与深层问题，邀请业内权威专家、资深学者以及一线实务工作者，从理论研究、实践经验、技术革新等多元视角进行深度剖析。期望通过他们的真知灼见，激发各界对人工智能与法治实践融合发展的更多思考，共同探索前行路径，让人工智能更好地服务于法治公正，助力构建更加完善、高效的法治社会。
张璐，中国政法大学光明新闻传播学院讲师。
随着ChatGPT的出圈，生成式AI工具首次从实验室走向大众视野，人们得以重新审视AI的潜力甚至颠覆性。当前不同领域对AI知识生产呈现出不同的态度，与资本市场的追捧不同，知识界普遍持怀疑和批评态度。更有甚者，语言学家乔姆斯基批评ChatGPT没有带来真正的知识进步，而仅仅是“高科技的剽窃”。面对如此分歧，本文将选取法学研究这一知识生产维度来探讨AI技术带来的影响问题。
“类思维”：AI生产知识
AI能够生成知识并和人类交流，得益于其海量的训练数据、智能的算法模型和强大的算力支持。通过对海量数据的自我学习，算法捕捉上下文信息之间的数据关系，AI得以在计算组合概论的基础上生成内容。这种知识生产依赖于统计和概率，而非传统的逻辑推理。这也导致AI目前没有真正理解知识，只是模仿人类创造性思维生成符合人类认知的文本、图片、音乐等内容，这是“类创造性”的AI“类思维”。AI基于海量语料库的内容生成，似乎并没有超越人类为其提供的语料库范围。这种技术本质上并不追求具有独特性的知识生产，而是呈现它学习到的被多数人认可的知识。AI是将作为人类知识的训练数据进行平均化处理，找到概率最大的组合方式，形成在大多数情况下最正确的方式。这符合海德格尔所称的“常人”的特征，即没有锋芒、缺乏个性和本真性的特征。只是这种“常人”的渊博程度和推理能力已经超过了常人的平均值，因而可以将这类存在视为“新常人”。
AI模型可以不断学习新数据，并优化自身的知识生产能力，使得新知识能够实现动态更新和进化。比如，AlphaFold 2通过不断学习新的生物数据，优化蛋白质结构预测，推动生物医学研究。这是不容小觑的知识创新革命。但生成式人工智能基本上还是对知识的再生产，因为以GPT为代表的AI生产是缺乏反思性的，通过逻辑关系对既有知识的联结和组合，形成的是“既成的知识”，不同于在意向性的基础上完成的人类知识生产。即使是AlphaFold 2优化蛋白质结构的创新知识，也是在人类设计好的模型和实验场景中学习，让人类得到一个原问题的回响。AI是在同一个平面上扩展原有的知识，获得我们期待的知识，而无法像教育一样真正地获得我们无法想象和期待的颠覆性知识。
这样也引出了AI知识生产的另一个关键因素：人类提问与引导。苏格拉底有个著名的原则：聪明的提问者和平庸的回答者一样，可以产生卓越的哲学。AI的知识输出严重依赖人类的问题提示。事实上，人类提问的质量可以直接影响AI输出内容的好坏。聪明的人类提问者引导AI生成卓越的知识，就像苏格拉底通过提问引导普通人产生令人惊讶的表现一样。从这个角度来看，当前的AI知识生产仍应被看作是在人类参与下的知识生产，人类在其中发挥了必不可少的作用。提问本身包括提出好问题和对问答过程本身进行思考等不同阶段，这或许也是人类智能与机器智能的一个显著差距。
法学研究是特殊的知识生产
法律是一套由规则组成的体系，法学研究的对象是法律规则。法律的适用过程是一个涵摄的过程，鉴于法学的规范性和体系性，我们对于需要什么法律知识以及在哪里找到这些法律知识非常迫切。由此，法律信息检索、案例分析、规范整理等“内化知识”的需求很多，而AI在速度和能力上远超过人类，可以替代人类去阅读和消化法律知识，从而大大提升法律实务工作者的效率，因此势必扮演着越来越重要的角色。尤其是生成式人工智能的发展，对于人类提出的问题，AI帮助我们快速找到知识。且其不是通过搜索，而是通过生成语言的方式提供答案，成为人类和知识的界面。比如，哈佛大学开发HARVARD-LAW AI这一“混合智能系统”，结合专家知识图谱与深度学习，可以为当事人提供带论证链的法律意见。但AI生成知识质量未经权威机构背书，其内容可能因技术局限而产生完全错误或部分失真的情况，这在法律现实问题的解决上要格外谨慎。
法学研究不仅要为立法、司法提供理论支撑，还需要通过批判性反思推动法治进步。不同于纯技术科学，法学不仅探讨实然层面的法律应用问题，还研究应然层面的价值判断问题。理论与实践之间的关系并非指导与被指导关系，因为社会环境的复杂性永远高于法律系统内部的复杂性，在法律系统与社会环境之间存在着一种“复杂性的落差”。当具体法律实践问题出现时，首先发挥作用的是一阶的法教义学。一旦法教义学不能解决实践疑难问题时，就需要上升至二阶的法哲学层次的分析与思考。这有点类似对人类知识的分类思路。一般认为，人类的知识可以区分为正式知识和非正式知识，也可称为命题知识（knowing-what）和实践知识（knowing-how）。后者是更依赖于难以被完全抽象形式化的身体、情感等非理性的、难以用语言表达的默会知识。当现实中面对德沃金所称的疑难案件（hard cases）时，实践知识将发挥关键作用。反观AI生成知识只具有“类思维”，面对法律专业知识，AI可以在消化既有数据方面表现优异，但是“计算的知识”不同于“思考的知识”，AI并不能真正意义上“理解”法律的意义，尤其难以对价值判断、伦理观念进行深入思考。
更为关键之处，或许在于法律问题的输出结果并没有统一的标准答案。博登海默认为，法律是秩序与正义的综合体，旨在创设一种正义的社会秩序（just social order）。力求实现正义是一个法律制度努力追求的职能，但是“正义”本身有着一张普罗透斯似的脸，变幻无常，随时可呈现极不相同的面貌，具有很强的主观向度，即使最为卓越的法学家们也会深感迷惑。正义标准的个案性、主观性与我们常提到的竞技比赛等领域不同，比如，职业围棋的目标就是获得比赛的胜利，对明确目标的追求是依赖模仿、学习和推理的AI最擅长的领域，所以围棋领域是较早受到AI冲击的行业。正义结果正确性带来的挑战也将从法律适用的视角转向对过程合理性的追求。人们对司法决策过程的评价标准有时候并不主要是从后果正确性的角度进行评价，而是必须结合决策过程合理性的角度进行评价。如果让AI深度介入法学领域的结果输出，由于算法的黑箱性、过程的不稳定性等现实，会导致欠缺对过程合理性的透明把控，这将失去对秩序的保障，也将影响人类对法律的信仰。
站在当前的时间节点，任何预测和判断可能都为时尚早。不过可以预见的是，未来人类与AI并非对立和竞争的关系，而是“人机”相互合作的关系。这种观点在法学领域也同样适用，或许，我们可以称未来的法学为人机协同的“增强型法学”。这是一种人工智能与法学深度融合的产物，其核心在于结合人类的法律思维、伦理判断与机器的数据处理、模式识别能力，构建“人主导、机赋能”的新型法学范式，从而实现法律实践与理论的智能化升级。（张璐）
专家点评：由生成式人工智能技术发展引发的知识生产变革对法学研究也产生了深刻影响，短文对AI生成内容的技术逻辑进行了辩证的梳理，结合法学专业的特点提出人机协同的“增强型法学”理念，符合当下现实和未来发展。全文短小精练，展示了作者深刻的思考和扎实的研究，是值得一读的精彩文章。（点评人：申卫星，清华大学法学院教授）
【本文刊载于《人民法治》杂志2025年4月上（总第199期） 系列报道栏目
