魏斌 | 法科生培养如何抵御ChatGPT?——关于数字法治思维培养的思考
The following article is from 教书青年说 Author 魏斌
点击蓝字 关注我们
”
教师简介
魏斌
浙江大学光华法学院百人计划研究员，浙江大学数字法治实验室（浙江省哲学社会科学试点实验室）副主任兼执行负责人，中国法律逻辑专业委员会副会长。主要研究兴趣包括：法律人工智能、数字法学和法律逻辑学。曾在 FITEE、ICAIL、JURIX、CMNA、LNGAI、《现代法学》《法商研究》《政治与法律》《哲学研究》等国内外刊物和会议发表论文三十余篇，主持国家重点研发计划重点专项课题、国家社科基金青年项目等课题十余项。
近期，生成式对话人工智能ChatGPT在法律行业的应用引发了法律人的担忧，其强大的算法和自然语言生成能力不仅能撰写法学论文和通过法科考试，还能给出立法建议，生成起诉书和裁判文书，因此有观点甚至认为人工智能将替代法律人。
那么，我们不禁要问，在数字时代，法科生培养如何抵御ChatGPT的强烈冲击？在国内高校纷纷开设数字法学、计算法学、人工智能法学、数据法学等交叉专业的背景下，善于使用数字科技但又不被数字科技所替代的人才的培养面临前所未有的压力，这需要法学知识体系、教学方法、教学资源等全方面的共振与变革，但在“数字+法学”交叉学科的知识体系尚未明确、人才培养体系尚未成熟之前，培养法科生的数字法治思维更具有迫切性。
1
培养学生的知识迁移思维
数字法治思维是跨学科思维，它有助于提升学生学习交叉学科知识的能动性，提高学习和知识转化的效率。数字时代，法学与科学的融合前所未有，知识之间的迁移推动了新的交叉知识体系的诞生。
法学与科学的关联可以追溯到莱布尼茨时期，莱布尼茨将符号化方法与法学结合，诞生了法律符号化思想，哲学、逻辑学、几何学知识被融入到法学研究当中。法科生应当具备知识迁移的能力，知识迁移不是简单的知识应用，而是知识之间的融合与创新，来自不同学科之间的知识迁移是将某一学科的知识应用于解决另一个学科的问题，或者是不同学科知识之间碰撞产生新的知识。
数学、逻辑学、计算机科学、人工智能等学科的知识使得法学研究从定性走向定量和预测性研究变得可能，而法学的知识体系为人工智能等新科技的发展提供规范。
“数字+法学”交叉学科的知识迁移是自然科学与社会科学之间的知识迁移，主要表现为两个面向：一是数字的法治化，即从法学的角度来研究数字化技术发展和应用所产生的问题，体现的是法学知识向数字化技术的迁移。二是法治的数字化，即关注数字化技术在法律中的应用，体现的是数字化技术知识向法学领域的迁移。两个知识面向体现出知识互相应用和领域互相支持的特征。
知识迁移是学习不同学科知识并进行交叉的基本能力，知识迁移思维就是训练自我发现知识、自我创新知识的自我学习的能力。尽管ChatGPT擅长知识的检索和组合，但其自然语言生成的机理并不是知识创新，而是“数据暴力”美学驱动的知识组合与拼凑。数字法治思维要求知识迁移在组合的基础上有所创新，而不只是局限于知识的重组。因而，“数字+法学”不能简单理解为数字化技术在法律领域的应用研究，也不是简单地从部门法角度来研究数字化技术出现之后所产生的新的问题。
“数字+法学”教学应当将法学与数字科技的知识相融合，培养学生以批判性思维来反思问题，引导学生自主探索知识创新的可能路径。例如，从法理学视角研究法律人工智能，需要从本体论和方法论视角反思法律科技应用的问题，本体论层面反思法律数字化、审判权嬗变、审判模式颠覆等问题，方法论上反思数据安全、个人信息保护以及算法偏见、歧视与不可解释性等问题。法理学的知识与人工智能的知识迁移，就催生了法律人工智能的批判性理论。
图1. ChatGPT无法创新知识
2
培养学生的实验性思维
在自然科学当中，实验是探索自然规律和科学真理的方法，实验的逻辑是做出假设并通过可重复的实验来证明或证伪该假设。法学相对于经济学等社会科学在实验研究方面起步较晚，但法学实验仍具备社会科学实验的特征。
统计学方法从实证研究的角度为法学实验提供了最原始的土壤，大数据和人工智能的发展使得法学实验像自然科学一样展现出活力。实验性思维蕴含了大数据思维，它是从海量、多源、异构大数据中发现隐藏规律和特征，并且得到结论的思维过程。
大数据具备大体量、多样性、时效性、准确性和价值性“5V”特征，裁判文书资源为法律文书摘要、类案检索、争议焦点归纳、刑期预测等任务提供了大数据基础。法律大数据实验是从标注数据集到模型训练，通过测试集检验模型是否达到了要求，从而选择替换或优化模型以达到最好的结果。
大数据思维就是根据大数据的这些特征做出决策的思维，这个思维突破传统的抽样统计思维，接受大数据分析的容错性，形成大数据搜集、清晰、标注、模型训练、分类、摘要和预测等一系列任务的思维逻辑。ChatGPT擅长这样的大数据分析，但如何设计问题，搜集合适的数据集，制定精确的标注标准，使用何种神经网络算法等任务都需要人来完成，它在实验设计和验证方面无法替代人类。
法科生的实验性思维不只是思考如何应用技术来进行实验，更重要的是运用法学知识来进行理论假设并进行论证和证成。换言之，实验性思维在于培养学生做出假设并验证假设的能力，从多种方案中选择最优的方案得到结果。
法学实验还可以运用虚拟仿真的方法来设置不同的法律实践场景，包括从立案、法庭调查、辩论到最终裁判等整个庭审的过程，也包括在线争议解决等非诉业务的模拟。实验通过虚拟场景的设置可以使得学生突破空间的限制，通过自身的思维模拟来思考现实中可能遇到的问题，增强在现实中解决实际问题的能力。
实验思维也体现在案例教学法中，通过真实或虚构的案例来检验法学知识。著名的“洞穴奇案”是美国法哲学家富勒在《哈佛法学评论》上发表的假想公案，该案虚构了最高法院上诉法庭的五位大法官的判决书，而后法学家萨伯假设五十年后再次审理此案，另外又有九位大法官发表了自己的见解。该案的争议焦点是此案中杀人者是否应当被判有罪，十四位大法官都对各自观点进行了论证，并对于反对意见进行了回应。
假想案件训练学生的实验性思维就在于运用法学理论检验其假设的合理性，在案例分析过程中全方面思考法官的观点，评估有罪和无罪之间的论辩，检验伦理、道德、法律之间的知识碰撞。
图2. ChatGPT不具备提出假设并检验假设的能力
3
培养学生的公理化思维
公理化方法在诸多法学经典著作的理论构建中都有所体现。
欧几里得的《几何原本》定义了五个公设和五个公理，由演绎推理得到了四百余个定理，几何学的公理化思想不仅仅对数学和逻辑学有深刻影响，也对法学的公理化有重要的启发。
孟德斯鸠的《论法的精神》从“品德”、“荣誉”、“恐怖”三个原则出发，演绎得到三种政体的划分依据，进而提出了三权分立的思想。
莱布尼茨将几何学原理以及组合算数运用于法学之中，其第一部哲学著作《论组合术》就尝试将法学重构为一种“数学组合术”，他在 《法律教习新方法》一书也指出：“法律应被视为一门依据几何模型对第一原理进行演绎的科学，法律推论必须遵循几何证明中的推证模型。”莱布尼茨的法律公理化就是使用尽可能少的语言来编撰罗马法的基本原理，使得能够演绎出罗马法的普遍原则。
莱布尼茨之后，法律的公理化思潮在哈佛大学法学院首任院长兰德尔的推动下达到顶峰，他借鉴自然科学实验的方法创新了法学案例教学法，并且模仿数学和逻辑学提出了逻辑自洽的法律公理化之梦，这种思想认为法律体系可以由概念、原则和规则构成一个公理化系统，根据这个系统可以推出所有为真的裁判。
尽管法律的开放属性和哥德尔不完全性定理都证明了绝对的公理化是失败的，但是不同时追求一致性和可靠性的公理化方法对构建法学理论的知识体系起到重要的思想启发和方法指导作用。应当说，法律的公理化之梦是法律数字化的根基，法律的“科学化”道路也经历了数代法学家的努力，在数字化技术高速发展的当下，法律公理化又演化出新的形态。
公理化思维是数学思维，但又不是简单地构建数学公式和模型。公理化方法是由初始命题利用演绎推理来得到新命题，其魅力就在于通过尽可能少的概念和规则，演绎得到公理化体系。
法学中运用公理化思维的特征是将法学知识体系解构为“公理—原则”和“命题—规则”的结构，法律系统中的法律原则具有最广泛的认同，它对应于公理，而法律规则是可以由法律原则所推导出来，它对应于命题。
立法中的公理化思维也体现出逻辑层级严密的结构，技术上通常首先定义最基本的法律概念，进而对法律规范进行定义。
公理化思维的培养并不是要把法科生培养为数学家或逻辑学家，而是培养学生形成公理化思维的习惯，掌握公理化的思维方法，能够根据公理化思维搭建从概念到命题，从原则到规则，由此构建逻辑严密的法学知识体系。
法学课程的教学应当注重将碎片化的知识整合为逻辑严密的知识体系，展现法学知识的结构，了解知识的组合、递进、迭代等关系，形成有逻辑关联性的法学知识图谱，准确定位法学知识在整个知识体系中的位置，灵活使用法学知识分析案例和求解问题。而ChatGPT虽然具备强大的知识检索和组合能力，但是并不具备原生性地从法律概念、法律原则和法律规则出发，构建逻辑严密的法律知识体系的能力。
图3. ChatGPT不具备构建公理化知识体系的能力
4
培养学生的法律逻辑思维
法律逻辑思维是法律人保持有效推理和论证习惯，掌握逻辑分析和评估工具的思维。法律逻辑思维是法律人的抽象或形式思维，它面向案件事实认定和法律法规适用中的法律推理和法律论证活动。法律逻辑思维是法律人理性思维活动的根基，例如，法律解释学中的“涵摄”概念就是将案件事实置于法律规范的构成要件之下，以推理获得结论的逻辑思维过程。
法律逻辑思维能力体现了法律人的批判性思维能力，具体表现为反省、质疑、辨识谬误、批判和辩论的能力。数字法治思维要遵守同一律、无矛盾律等基本的逻辑规律，法律逻辑思维的作用还表现在发现逻辑谬误，帮助检验法律体系的无矛盾性。
哥德尔就曾经敏锐地察觉到美国宪法中存在逻辑矛盾，他于1947年在爱因斯坦和摩根斯坦的陪同下参加了美国的公民入籍考试，当法官问哥德尔是否认为纳粹政权的独裁统治会发生在美国时，哥德尔认为美国宪法的逻辑漏洞会使得独裁者可以合法地掌握权力。
法律逻辑思维是数字法学人才培养最基本的能力之一，逻辑思维的培养不仅仅是掌握现代逻辑分析和评估的工具，而是将逻辑思维潜移默化地转变为一种思维的习惯，即以逻辑作为检验其思维活动的衡量依据。
法律逻辑思维的培养就是要培养学生像专业的法律人一样思考，即律师辩论、检察官办案、法官审判的逻辑思维。例如，对法官而言，法律逻辑思维是“适用法律的逻辑思维”，即法官将一般法律规定适用于个案，以论证裁决结论之所以合法、正当、合理的思维。
霍姆斯在《法律的道路》一书中也曾经说道：“法律人的训练，是逻辑的训练。类推、区别、演绎等方法，都是法律人拿手的绝活。司法判决所使用的语言，主要都是逻辑语言。”佩雷尔曼也认为真正意义上的“法律逻辑”是法律适用的逻辑，它是法官、检察官或律师将一般法律规定适用于具体案例过程中，论证判决之所以正当或不正当的一种技术，因而是“供法律人、特别是供法官使用的一些工具、方法论或智力手段”。
培养法律逻辑思维能力，既要培养对法律概念、法律命题、法律推理、法律论证等基本知识点的掌握，更要培养逻辑知识在案例研究中的应用，包括审判中的司法三段论，侦查中的归纳推理和溯因推理，指导性案例的类比推理。法律大数据分析采用了以大数据为前提推出预测结果的归纳式推理，ChatGPT本质上是从数据中获得“推理”能力，但不具备从前提通过逻辑规则得到结论的演绎推理能力，更不具备从证据到事实，再涵摄于法律规范的法律分析能力。
图4. ChatGPT的回答
既不符合法律常识，也不符合逻辑规律
5
结语
数字法治思维与传统法律思维并不矛盾，它兼具法教义学和社科法学的特征，法律逻辑思维是法教义学围绕法律规范展开的规范性思维活动的工具，而实验性思维显著体现了社科法学的思维特征，数字法治思维可以与传统法学教学相融合。
当然，数字法治思维培养也要避免走向机械的“实用主义”，当前在法律科技公司中充斥着浓重的“工程师思维”，缺少了对法学学科自身的理解和敬畏，使得法律科技的发展显得激进而盲目，偏离了数字法治的初衷。
数字法学教育也要警惕纯粹的法学数字化假想，在人才的培养过程中要避免走入极端的误区。法科生培养的根本是法学教育，不能脱离法学教育来谈科学化，也不能机械地按理工科模式来培养法科生。应当坚定地认识到，数字化技术只是服务于法学教学和人才培养，但不可能替代具备数字法治思维的法律人。在未来，积极拥抱数字科技并具备数字法治思维的法科生将成为数字时代的宠儿。
END
本文作者：魏 斌
本文编辑：钱岙轲
本文审阅：冯然然
（本文观点和内容与本公众号无关）
延伸阅读：
主 编：李华勇
副 主 编：包雯蕊、郑斯元
来稿请投：zjulaw@aliyun.com
转载须授权