人工智能大数据进入心理学领域
人工智能和大数据时代的到来为心理学的研究打开了全新的大门。人工智能除了在心理实验方面有着无法取代的潜力，在其他方面也会大大拓展心理学的研究领域。随着智能终端的不断发展，移动数据的不断提速，人工智能不仅可以提供心理干预的平台，更有可能成为心理干预的主力。科学的研究方法将心理学从哲学中分离开来，而人工智能和大数据则可能将心理学更深刻地带入生活。
[[284534]]
心理学是研究人的行为和心理活动规律的科学，自人类出现，便有了对人类心理和行为的关注。直到1879年，构造主义学派创始人冯特在德国莱比锡大学建立第一个心理学实验室，心理学从哲学的襁褓中分离出来，成为一门独立的科学。
心理学通过科学的方法去分析人的行为和心理，主要包括观察法、调查法(问卷法和访谈法)、测验法、实验法等。这些方法很容易受到主试和被试自身期待或动机的影响，而产生虚假或迷惑性的结果，即内部效度可能会受到影响;由于是在一定的时间段内选取有限的、有代表性的研究对象进行研究，然后将结论推广到相同的群体中，这些方法的外部效度和实效性也备受质疑。
目前心理学研究主要以自我报告或者主观观察为主要技术手段，对现实或网络环境中人们的行为和心理进行研究。随着技术的发展，网络环境已不能单纯地看作一种工具，它已经与人类的生存及其环境深度融合，具有与既往传统心理学研究环境完全不同的复杂性与特殊性，同时也为研究提供了新的思路。
人工智能和大数据时代的到来为心理学的研究打开了全新的大门。随着网络及各种智能可穿戴设备的普及，虚拟环境与真实生活不断融合，现实社会中人的各种心理与行为现象能够被电子化记录成大数据保存下来，例如网络访问行为、社会情绪、社会态度、心理健康问题等。研究人员通过用户留下的这些数据对其人格特质或者行为进行预测，Gosling等利用在线社交网站观察到的人格结果对大五人格(big-five)的测量结果与基于Facebook的网络行为自我报告进行了相关分析，结果发现大五人格的不同维度与网络行为显著相关;同时，依赖于现代生活方式，尤其是网络信息传播与人际互动，已经深刻地影响甚至改变了人们的心理与行为特征，产生出一系列亟待解决的全新课题，例如谣言传播、网络煽动群体性事件、网络成瘾等。Zhou等在研究利用中国社交媒体预测社会事件的发展趋势时发现，群体愤怒情绪会对集体行为产生影响，并且意见领袖、参与者的社会态度以及事件的持续时间都在预测网络社交事件发展趋势中发挥着重要作用。
大数据不仅在研究内容上为心理学家带来了新的课题，更重要的是，大数据与人工智能的结合，使得我们可以利用生态化的行为数据，结合人工智能技术，实现对人们心理指标的自动识别，即生态化识别(ecologicalrecognition)，从而大大拓展了心理学研究和应用范畴。Conroy等分析人工智能大数据与政治参与之间的关系发现，利用互联网新媒体可以增加投票率，促进公民参与积极性。此外，有研究者利用用户在网络上留下的数字足迹来对其心理特质进行预测，并尝试针对不同人格的用户推送统一广告的不同类型的广告图，结果显示通过这一方式推送的广告点击率上升了40%。
生态化识别是指一种非接触式的心理特征测量方法，利用机器学习，建立心理指标预测模型，从而实现对受试者的心理指标的自动识别。相比于传统的心理学研究方法，生态化识别具有以下优势：首先，由于数据自身的特点，不同时间粒度的纵向追踪成为可能;其次，可以通过时间回溯，获取重大事件发生前后受试者的心理状态和行为表现及其变化规律，从而对事件的影响进行量化研究，例如利用社交媒体探索家庭暴力对心理健康的影响，通过分析家庭暴力前后不同时间段的心理健康状况了解家庭暴力对心理健康的负面影响;最后，生态化识别不依赖于被试的主观报告，也不依赖于主试的操控，从而可以有效避免实验条件带来的误差，提高了研究结果的内部效度和外部效度。
以下将主要从人格预测模型的建立介绍如何将人工智能大数据应用于心理学研究，然后通过主动自杀干预以及舆情分析介绍在心理学实践中的应用，最后讨论特别需要关注的伦理问题。
01、建立心理指标预测模型——以人格预测为例
人格是构成一个人思想、情感、行为的独特模式。人格一直以来都备受心理学家的关注，逐渐形成了特质理论、类型理论以及整合理论。目前最被接受的大五人格理论，就是特质理论的一个典型代表。大五人格理论认为，人格可以分为5个因子：开放性(openness)、尽责性(conscientiousness)、外倾性(extroversion)、宜人性(agreeableness)和神经质(neuroticism)。
现有的人格结构主要是从现实语境中产生的，在解释网络用户行为过程中常常遇到困难，研究网络人格结构将有助于我们从心理层面识别网络用户身份，深入了解网络用户的行为特征并预测用户的网络行为。中国科学院心理研究所计算网络心理实验室(computationalcyberpsychologylab,CCPL)对网络人格结构开展相关研究：根据词汇学假设建立微博人格结构;利用机器学习，以期建立一个对网络用户行为心理具有更好描述和预测效果的模型，即建立人格预测模型。
传统的心理学主要采用词汇学的方法，对于自然语言中获得的人格词汇进行分析，得到一组数目有限的特质，用以代表在这一语言背景下的人们的最重要的特点。以新浪微博文本数据为研究材料，开展词汇学研究。选取100个新浪微博活跃用户的微博，通过人工标记的方式，得到描述稳定人物特点的术语1945个。经过对这些属于进行删除生僻、长度不宜词汇和合并同义词，获得210个稳定人格形容词，随后对形容词好恶度、熟悉度和意义度进行评定，将形容词化简到63个形容词，并增加具有微博特色的形容词15个，最终得出共78个形容词的词表。通过对106名被试的78个形容词的评定结果进行因素分析，得出了微博人格7因素：
道德善良、独立担当、团结包容、幽默活泼、网络个性、谦虚淡定、自信低调(KMO=0.534)。分别对7因素与人格5因子进行双向回归分析发现，7因素对大五的解释度(0.3264±0.115)比大五对7因素的解释度(0.2917±0.159)好。
在利用词汇学方法建立微博人格预测模型的基础上，我们利用深度学习建立网络用户行为和心理的向量化表征。考虑用户在微博上一般都能够充分自主地表达自我，通过对微博数据进行深度学习和挖掘，可以直接在微博数据上建立更有效的表征向量，通过对微博数据的多层抽象学习，建立对用户行为和心理特征的计算描述，同时该结构由于完全由数据计算得来，避免了由于用户主观符合度评判带来的偏差，能够实现对大规模人群的快速分析。心理指标的自动识别为进一步研究网络心理提供了基础性研究，能更有效地进行网络用户身份识别、预测用户行为等。
02、在线主动自杀干预
据统计，中国每年有28.7万人死于自杀，200万人自杀未遂，因此造成的直接和间接经济、社会、心理损失不可估量，成为一个严重的公共卫生问题。传统的自杀风险评估研究主要采用心理测验、访谈、问卷等分析方法，但从应用效果上说，以上方法具有较大的被动性;往往有自杀企图或倾向的人主动求助率低，而且很难防止他们刻意隐藏内心的真实想法，难以起到及时预警的作用。
不同于传统研究方法的被动性，随着近年来越来越多的社交网络平台给人们更多机会在虚拟集群中吐露自己的感受和观点，通过社交网络能主动寻找有潜在自杀倾向的个体，并对他们产生影响。
在新浪微博用户文本分析基础上，结合用户行为数据分析，我们全面比较了自杀用户和无自杀倾向用户在社交行为、语言使用上的差别，归纳有自杀倾向的用户的可识别模式，建立自杀意念识别模型。该模型的精确率、召回率、F值和准确率分别为0.88、0.85、0.85和0.86，优于之前相同领域内自杀识别的模型的结果。目前，本研究组通过对各种网络媒介内容的实时分析，甄别出其中带有自杀意念的发言，并通过对发言用户的以往行为和内容的分析，更进一步确认该用户的自杀意念后，会向他们提供及时有效的干预，通过微博私信及时推送各地区的自杀干预热线，提供心理健康的一般常识及情绪调节策略。另外，通过志愿者为那些有自杀意念的微博用户提供免费的心理危机干预及转介服务。研究结果表明，通过与志愿者的交流，有自杀意念的微博用户情况得到好转。
这种自动识别并主动预防社交媒体用户，特别是年轻人的自杀干预方法，在世界范围内是一种全新的尝试。结果表明，该方法可用于识别有自杀风险的人群并提供危机管理。高危人群的识别是自动且及时的，干预不仅是主动的，而且效率高且接受度好，是对现有预防自杀方法的有效补充。促进主动自杀危机管理可以提高公众对自杀想法寻求帮助的认识，从而改善公共卫生。该模式还可以缓解像中国这样的大型发展中国家心理服务薄弱、现有自杀预防系统不完善、人口庞大等问题的困境。
03、青岛大虾事件分析
心理预测模型不仅可以适用于人格、心理健康等方面的研究，同样可以适用于社会心理心态的预测。我们利用心理预测模型对2015年10月的一个热点事件——青岛大虾宰客事件(原本38元一份的海捕大虾，结账时变成38元一只)进行了分析。
通过新浪微博API(applicationprogramminginterface，应用程序编程接口)获取了全国100万活跃微博用户在该热点事件期间发布的微博，并采用topicmodel文本挖掘技术对相关文本进行了分析。结果表明，事件爆发后2天，网友主要是对该事件本身进行讨论，从第3天开始，网友开始将事件发散，关注点已经不在青岛大虾这一事件本身，而是以“段子”的形式讨论不同地区旅游景点宰客的普遍现象，通过讲述自己的亲身经历或听说的类似事件，表达对景点宰客这一现象的不满。同时，结果表明，网友们对官方发布和回应的内容都高度关注，每次都会引发热议。同时利用心理预测模型，计算了参与青岛大虾事件的用户的社会态度，其中包括生活满意度、收入满意度、社会地位满意度、愤怒情绪、国家政府满意度、地方政府信心、国家经济满意度、地方经济满意度等多个维度。结果表明，与没有参与该话题讨论的微博用户相比，该事件当中的积极传播者大多收入较高，有一定的社会地位，个人生活满意较高同时愤怒情绪也较少;但他们也认为社会发展中还存在一定问题，当前政府的管理工作还有待提高。
通过利用心理预测模型分析此类事件，不仅可以及时获取事件发生变化趋势，了解事件背后大众的心理变化和态度取向，更可以为国家相关机构进行舆情监控提供先行指数(antecedentindex)，提高相关部门应对危机事件的能力。
04、造福社会与隐私保护的均衡
技术往往都具有两面性，大数据也不例外。一方面，大数据的应用不仅拓展了人类的认知范围，提高了科学家们的研究能力，更为诸如抑郁干预、自杀预防、社会热点事件分析等问题提供了新的解决方案;另一方面，随之而来的隐私保护问题也不容小觑。Facebook公司最近两年频频卷入非法使用用户数据的丑闻当中，尤其在2018年3月份，还卷入了普朗特选举的政治风波中。人们在享受互联网以及大数据代表的便利之余，也会担心在这个网络时代，自己是否还有隐私可言。因噎废食是绝对不可取的，如何在势不可挡的大数据时代利用好这项技术，是学术界不可忽视的一项重要议题。
目前，学术界关于大数据的使用一般有这样的共识：应当遵守人类被试研究的一般伦理原则，在使用需要用户授权的数据前，必须征得用户的知情同意，并严格按照经由伦理委员会审核批准的程序进行，尤其不能将研究数据用于伦理委员会批准范围之外的目的(如转卖给第三方)。在使用那些开放的无需用户授权的网络数据，在用于科研时也应同时满足以下标准：(1)用户对数据公开是知情的;(2)数据收集后应匿名处理;(3)在公开发表物中不得出现能够识别用户个人身份的信息。
在将大数据应用于心理学研究的过程中，我们严格遵循一般共识：在获取用户个体数据之前，首先会征得用户的知情同意，明确告知用户实验设计以及以后的数据用途;在数据处理过程中，也采用了匿名处理的方式，一方面采用多次加密的方式保护用户原始数据的隐私性，另一方面也很大程度地做好数据的保存与管理，防止数据外泄;在数据发表过程中，杜绝使用任何可识别出用户身份信息的内容。除了以上策略外，我们还专门对典型用户进行了访谈，直接询问他们对隐私以及对实验的看法，之后的实验设计提供了理论指导和实证证据。
合理合规地使用大数据和人工智能技术，是造福社会和保护隐私的重要底线。在看到这种结合对心理学的潜在促进作用的同时，也应该特别关注其带来的隐私方面的潜在危害，通过立法等手段做到防患于未然。
05、结论
利用人工智能大数据技术，能够帮助我们以更生态化的方式对个体与群体的心理行为规律进行研究。利用行为大数据研究人们的认知、情感和行为规律，结合人工智能建立基于社会实时感知数据的心理预测模型，形成个体心理、行为特征预测和群体心理、行为分析及决策支持的关联架构。生态化识别(ecologicalrecognition)的提出，为心理学家提供了新的研究工具和视角。为网络时代下理解人格、幸福感、自杀干预乃至社会热点事件的分析都提供了全新的可能。通过深入不同环境下的个体与群体的行为与心理，能够帮助实现人们的心理健康或社会态度等进行大规模、实时性的描述、预测、解释和控制，从而有效防范风险。
随着计算机软硬件的不断迭代更新，未来大数据在心理学中的应用一定会更加深入，如可穿戴设备和体感设备的应用。人工智能除了在心理实验方面有着无法取代的潜力，在其他方面也会大大拓展心理学的研究领域。随着智能终端的不断发展，移动数据的不断提速，人工智能不仅可以提供心理干预的平台，更有可能成为心理干预的主力。科学的研究方法将心理学从哲学中分离开来，而人工智能和大数据则可能将心理学更深刻地带入生活。在充分享受使用新技术带来的便利的同时，也要保证大数据的合规使用，才能避免再次发生Facebook的丑闻事件，才能保证取之于众的大数据最终成为为大众服务的利器而不是威胁。
人工智能与数据挖掘
作为一个IT人，区分理解人工智能、机器学习、表示学习、深度学习、数据挖掘等是很有必要的~~~
1、人工智能是机器或软件展示出的智能，也是研究如何让计算机或计算机软件有智能行为的一个学术领域，主要研究的是如何模拟和扩展人类的智能。人工智能所涉及的范围甚广，例如自然语言处理、图像识别、语音识别等。
人工智能分类：强人工智能和弱人工智能。前者是通过计算机来构造复杂的、拥有与人类智慧同样本质特性的机器，它有着我们所有的感知（甚至比人更多），我们所有的理性，可以像我们一样思考，也就是电影里面的机器人；后者是指擅长于单个方面的人工智能，例如垃圾邮件的自动识别，iPhone的助手siri，Pinterest上的图像分类，Facebook的人脸识别。
2、机器学习是研究如何让计算机在不被明确地编程的情况下具有学习能力，其实是人工智能发展到一定阶段的产物，也可以说是一种实现人工智能的方法。机器学习最基本的做法，是使用算法来解析数据、从中学习，然后对真实世界中的事件做出决策和预测。与传统的为解决特定任务、硬编码的软件程序不同，机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。
目前机器学习研究的主要问题：回归、分类和聚类
机器学习主要的学习方式：监督学习、非监督学习、半监督学习和强化学习
机器学习的应用：数据挖掘、计算机视觉、自然语言处理、生物特征识别、语音、手写识别等
3、表示学习又称特征学习，指的是一套学习特征的学习，即将原始数据转化为一个可被机器学习任务高校利用的表示。
4、深度学习其实是机器学习领域中一个很小的方向，是机器学习的一个分支，是一种实现机器学习的优秀技术，是基于一个尝试使用多复杂结构处理层或多非线性变化来模型化高层次抽象的算法集，在多个层次上进行学习，对应不同层次的抽象。
深度学习的重要工具：感知机和神经网络（深度学习本身是神经网络算法的衍生）
蒙特利尔大学深度学习大神YoshuaBengio在Deeplearning一书中对这些概念做出了如下关系：
文献：龙飞、王永兴.深度学习：入门与实践[M].北京：清华大学出版社，2017:2-5
注：第一次用迅捷流程图软件作图，感觉不错的哟~
5、数据挖掘是对存储于数据库中的大量数据，通过查询和抽取方式（整理分析、归纳整合）获得以前未知的有用信息、模式和规则的过程，即是一个利用各种方法，从海量数据中提取隐含和潜在的，对决策有用的信息和知识的过程。
数据挖掘涉及面：商业智能、数据分析、市场营销等
数据挖掘技术的三大支柱：统计学、数据库和人工智能
数据挖掘的开发流程如下：
数据挖掘可以完成数据总结、分类、关联、聚类等任何工作，主要有以下特点：
第一，数据挖掘是一个过程，而非一个单纯的数据建模。
第二，数据挖掘方法是各种分析方法的集合。
第三，数据挖掘具有分析海量数据的能力。
第四，数据挖掘的最终目的是辅助决策。
数据挖掘和机器学习的联系：数据挖掘的工作一般都要通过机器学习提供的算法工具来实现，机器学习是完成数据挖掘工作的方法。
下面对数据挖掘作详尽的分析：
5.1数据挖掘中的数据预处理
原始数据一般具有杂乱性、重复性、失真性和不完整性，然而高质量的数据是进行有效挖掘的起点和前提，挖掘的效果直接受到源数据质量的影响，因此，数据预处理是进行数据挖掘前期不可忽视，较为重要的一个环节。数据预处理技术包括数据整理、数据集成、数据变换、数据清洗、数据规约、数据离散化、数据简化等。
这里特别说一下专业术语“数据噪声”，其指的是错误值、离群值或孤立点。
噪声数据的平滑方法：分箱、聚类、回归（通过拟合线预测其他值）、计算机检查和人工检查结合
5.2数据挖掘技术是大数据分析的核心
现代社会是一个信息社会，计算机技术迅速发展，数据急剧增长，我们存储的信息数据越来越多，也越来越乱。在如此大数据的压力和挑战下，如何从海量数据中发现有价值的知识模式，发现数据背后隐藏的有用信息，进一步指导我们的行业行为是我们面临的一个重要问题。基于以上问题，数据挖掘技术给予了很好的回答。数据挖掘能通过对数据的整理分析、归纳整合，挖掘并找出数据之间的潜在联系，进行高层次的分析，最后作出理想的决策或预测未来的发展趋势。一方面，大容量的数据分析需要数据挖掘技术来支撑；另一方面，大数据又为数据挖掘提出新的挑战，彰显数据挖掘强大的生命力。
5.3数据挖掘技术的发展
随着数据挖掘技术研究的深入，你会发现还有一些难关需要攻克，具体看图（百度脑图制作）：
5.4数据挖掘常用技术
数据挖掘是机器学习发展而来的，因而机器学习、模式识别、人工智能领域的常规技术经过改进，大多数可以应用于数据挖掘。
5.5数据挖掘常用的知识表示模式与方法
不同的数据挖掘系统一般采用不同的知识表示模式与方法
5.2-5.5 文献：李竹林、林芬.数据挖掘算法研究与实现[M].北京：中国水利水电出版社，2017：5-7人工智能：算法和数据
做AI项目，经常要面对两个课题：算法和数据。哪一个比较重要呢？自然是都重要，不过非要对比一下，我选择数据。
AI招聘的时候，一般都是招聘算法工程师，特别是很多大厂，非常重视算法的创新性，觉得这样能彰显水平，提升模型效果。不过现实往往不尽如人意，我曾经对比过上百个不同结构的模型，最终的训练效果却相差无几，差距甚至还不如一些重要的超参影响大。
当然，说数据是非常笼统的，并不代表把所有各种数据都搜集过来事情就算做完了。另外搜集数据的成功也不容小觑，比如做一个ASR模型，要录音要人工转写等等，每小时的费用可想而知。这时候，对数据的各种处理，数据增强，同时结合模型的特点进行调参，是获得不错效果的关键。
吴恩达有个采访：AI的下一个发展方向，从大数据转向小数据。这块有两层含义：第一，大数据很多时候是很难获取的，只能是少部分大公司的特权；第二，使用预训练模型进行finetune，这时候并不需要太多的数据，而是需要少量的高质量数据，让模型能够更好地学习。因为在预训练模型已经有了很好的基本功，这时候只需要在特定问题上进行升华即可。
此外，吴恩达还表示过，一个机器学习团队80%的工作应该放在数据准备上，确保数据质量是最重要的工作。上图是一个AI问题迭代的流程图，在问题建立后，第一步也是最重要的一步就是获取和准备数据。
你认为算法和数据哪个更重要呢？
AI人工智能与大数据
::杨延超：推动人工智能与法学的深度融合
回首人工智能法学在我国的发展，可以追溯到我国著名学者钱学森最早提出的构想。钱学森在1981年就人工智能与法学的结合方面提出总体性的构想。然而遗憾的是，接下来的几十年里我国并未对此展开深入研究。人工智能法在我国的研究才刚刚开始，暂未形成像国外那样具有影响力的法律成果。
在人工智能法律的研究中，首要的就是需要构建一个“人工智能法”的法律体系。这个法律体系主要是回答“人工智能法”到底研究什么的问题。人工智能法律体系主要会涉及两个方面的问题：第一，人工智能引发哪些新的法律问题，比如无人驾驶，以前是没有的，人工智能时代，新的现象产生了新的问题，这些法律问题该如何解释和规范；第二，如何利用人工智能技术推动法律公平正义的实现，比如通过机器学习让机器人学会裁量案件，如此，用人工智能寻找法律公平正义的路径和方法，也是人工智能时代需要解决的问题。
人工智能发展对法律体系带来冲击
如今，人工智能引发的新的法律问题有哪些呢？
——人工智能正在重构法律关系下的权利义务模型。
所谓法律事实，即能够引发法律关系产生、变更或者消灭的事实。科技发展对于法律的直接
影响，往往是从它所催生的法律事实开始的，印刷术的发展催生“复制”为一个重要的法律事实，甚至催生了“版权”（Copyright）的诞生；互联网的发展同样也产生了一些新的法律事实，如电子商务区别于传统的当面交易，最终也催生了《电子商务法》的产生。传统技术条件催生的法律事实，更多体现在提升工作效益领域，并没有改变传统法律事实所产生的权利义务模型，如人骑马撞人与开车撞人，都需要根据其过错责任原则来确定其赔偿责任；电子商务或是传统交易都是依据《合同法》的原理来解决相关权利义务问题。然而，人工智能所催生的法律事实，却从根本上改变了传统的权利义务模型，如无人驾驶与传统交通工具的升级有本质区别，在这一新型权利义务模型中，司机“过错”的概念将被彻底消除，产生事故的归责原则也将发生彻底改变，这一改变甚至会影响到以“过错责任原则”作为立法基石的传统《道路交通安全法》。人工智能所催生的新的法律事实，还包括机器人医疗、机器人创作等，这些法律事实所产生的权利义务模型从本质上区别于传统情况，机器人甚至还将作为“法律主体”参与到新型的法律关系当中。
——人工智能引发的法律主体制度新问题。
机器人能否成为法律主体，这是人工智能时代面临的首要法律问题。这一问题甚至又引发了在以下场景中的权利、义务问题：第一，机器人签约，谁来享受权利承担义务？机器人客服的广泛应用，机器人直接与客户签约的情况越发普遍，在这一场景下，谁应当享受权利承担义务也成为需要回答的法律问题。第二，机器人导致他人损害，谁来承担侵权责任？当机器人广泛参与到生产生活中，机器人导致他人损害的情况时有发生，其法律责任亦应由谁来承担，同样也是迫切需要解决的问题。第三，在继承、赠与等法律关系中，机器人能否作为法律主体享受相关权利？对这一问题的回答，同样归咎于对机器人法律主体地位的认知。
传统的工具论将机器人作为主体的“工具”来看待，按此认识，机器人将不具备法律上的主体地位，然而，越来越多的机器人决策甚至决策本身已经超越了设计者的认识。传统的“工具论”再难以将机器人的行为完全归于设计者。为此，法律上也产生了“代理说”“电子人格说”等系列法律学说。事实上，关注机器人的法律主体，与其是否真正具有类似人的“意识”无关，从本质上是要梳理其背后的权利义务关系，在错综复杂的利益面前，“让上帝的归上帝”“让恺撒的归恺撒”。在人工智能时代，必要时，可以针对机器人的人格缔造全新的学说，不同于自然人，不同虚拟人格的法人，专属于机器人的法律人格学说。
——人工智能引发的主体权利、义务新问题。
科学技术作为第一生产力，从根本上决定了生产关系。人工智能在改变生产生活模式的情况下，也在改变着这个时代的权利、义务关系。人工智能将现实的物理世界又延伸到虚拟世界，传统的物理人格也同时映射到虚拟世界当中，人每一天都在制造数据，数据在虚拟世界中完成新的人格建构，公民的隐私权受到前所未有的挑战。机器人大量取代现有工种，大批人员面临失业，劳动者的工作权益也遇到巨大危机。机器人广泛地参与到文学艺术创作当中，机器人亦是艺术家的观念被渐渐认可，这对传统艺术以及艺术家的权利也将产生深远影响。
在人工智能时代，人的权利和自由被严格限制在代码所确定的空间当中。在这样的时代，代码即为法律的特征将淋漓尽致地彰显出来。人的自由是被代码严格控制的，你能做什么，你不能做什么，你做了坏事将面临什么样的处罚都是由代码最终决定的。“智能合约”的广泛运用，还会将人的权利义务写入不可篡改的分布式代码当中，甚至违约后的强制执行同样是由代码完成的。在这样的时代，为权利而斗争，即为代码而斗争。
——人工智能引发的法律客体新问题。
人工智能还将引发对传统法律客体的系列反思，尤其是对于法律上“财产”“数据”等概念的反思。
第一，大数据在法律上该如何保护？数据库往往被纳入版权法的保护范畴，各国版权法还进一步规定，数据库编排的独创性同时作为数据库受到法律保护的重要前提。然而，人工智能时代对数据算法不断优化，以至于对数据库编排独创性的要求越发降低，机器人甚至对非结构性的数据也能产生较好的计算结果。这一切都使传统数据库的保护规则发生重大变化，如何在人工智能时代保护大数据规则，为其重设保护条件，这也成为数据保护中的首要问题。第二，机器人创造物与人创造物之间的区别？“独创性”标准系作品能否获得版权保护的必要条件，尽管英美法系和大陆法系对于作品独创性的表述各有不同，但总体上要求系人创作的作品才存在“独创性”。然而，机器人已经广泛地参与到文学艺术创作中，并且随着算法的提升，机器创作物所彰显的“独创性”甚至超越人类，那么对于机器人创作物的法律地位也有必要重新定位，仅仅因为系机器人创作物就将其排除在法律保护之外的做法已难以达到法益保护之目的。第三，物联网语境下的物权概念的重构？物权与债权系民法上的两项基本权利，二者的根本区别也在于是否存在相对方，物权概念中没有相对方，故而又称为“对世权”；债权概念存在相对方，故而又称为“相对权”。物联网语境下，任何物都将身处在物理世界与网络世界中。无人驾驶车辆卖给了你，车辆真的是你的吗？厂家依然享有对车辆的最终控制权。这一切对物的绝对权概念不再“绝对”和“彻底”，相反任何物都无法割舍与厂家的相对关系，传统物权概念有必要重新解构和建构。
——人工智能引发的法律责任新问题。
在人与人直接发生法律关系的场景下，法律责任的判定会相对清晰，比如在处理违约关系时，法官只需要判断行为人到底有没有违约；在侵权关系中，法官只需要判断侵权人是否存在过错。然而，人与人之间的关系一旦增加了机器人角色，法律责任的承担也将变得更加复杂。比如在智能投顾的法律关系中，给客户提供服务的不再是自然人而是机器人，那么，因机器人决策而产生的法律纠纷到底又应当由谁来承担责任呢？这时，需要评价的将不再是人的过错，而是机器人的“过错”，或者为客户提供机器人的企业的过错。再比如，在无人驾驶中，传统的司机过错的概念也将彻底消失，传统的对司机过错的交通事故评价原则也将改变，不再是司机是否尽责，而转为无人驾驶车辆是否合格。总之，在人工智能时代，大量的工作将由机器人完成，传统的人的过错责任原则也将迭代为“产品质量责任原则”。
——人工智能对传统民法的挑战。
民法为人类社会构建了两大关系的权利义务模型：一为财产关系；二为人身关系。人工智能的到来，对这两大关系都构成了挑战：第一，在财产关系中，传统“物”的概念将被彻底动摇。根据民法之“外在性”原则，人（自然人）之外物，一旦具备价值和稀缺特点，即可构成法律意义的“财产”。然而，如果按照传统民法的财产规定，将机器人确定为法律意义上的财产，又无法从根本上解决机器人的自主决策，以及通过机器学习所体现出来的超越发明者的行为意志问题。机器人是财产还是主体的困惑一直伴随着人工智能法律研究的始终。第二，在人身关系中，机器人或将打破传统的人身关系规则。随着人工智能的发展，人对于机器人的情感寄托会越发厚重，与机器人结婚或者通过遗嘱由机器人继承财产的案例也将不再是新闻，“自然人”作为人身关系主体的格局将被彻底打破，如何在机器人语境下重构人类社会的人身关系，同样是当下迫切需要解决的问题。
——人工智能对刑法的挑战。
刑法中有两个关键词，一个是定罪，一个是量刑。这两件事，机器人都可以做，而且都可以比人做得更好。机器人可以通过机器学习对被告人的行为给予准确评价，并可以基于此前大量同类判决，总结法官在类似案件中的经验，从而更“理性”地给被告人定罪量刑。一旦机器人在定罪量刑中发挥重要作用，原有对证据的辩论也将转变为对机器人算法的辩论。对于不符合当事人预期的机器人判决，律师的辩护意义也将集中在机器人算法的合理性方面。然而，算法黑洞的难题也将呈现在刑事辩护中。立法中有必要赋予当事人基于算法黑洞的辩护权，并有权请求对算法予以审计，以及让该算法的工程师提交接受证质和接受询问。总之，人工智能时代，辩护律师与机器人之间的角逐也或将成为影响判决走势的关键所在。
——人工智能对金融法的挑战。
机器人对金融法的挑战体现在两个方面：“中心化”与“去中心化”的挑战。第一，中心化的挑战。人工智能广泛地参与到金融决策和金融监管领域，金融管理体现出更加“中心化”特征。智能投顾将取代传统的投资顾问，通过数据算法完成对客户的投资决策，那么，在这一过程中，智能投顾的法律权利和责任有必要重构。与此同时，人工智能还将被广泛应用于金融监管领域。何为操纵市场？如何确立其因果关系以及确定损失金额？这一切都将借助人工智能完成。毫无疑问，人工智能也将破解传统金融法中由于欠缺数据和算法而形成的法律难题，并且更加科学地完成市场监管。那么，在这一过程中，人工智能在市场监管中的地位、作用、监管原则都有必要在法律中予以确定。第二，去中心化的挑战。去中心化的区块链技术的广泛应用，数字货币的诞生，同时催生了金融体系的“去中心化”特征。“去中心化”彻底颠覆了传统金融法律体系，尤其是去中心化数字货币的诞生，催生了数字货币与传统法币共存的立法格局。然而，数字货币的法律属性到底是什么？是商品、货币、证券抑或是其他，当前世界各国还在广泛讨论中，并在尝试中继续完善，这将彻底颠覆传统的货币国家主权原则。总之，在人工智能时代，传统金融法将面临来自“中心化”智能算法与“去中心化”区块链技术的双重挑战。
——人工智能对知识产权法的挑战。
知识产权法旨在保护科技创新和艺术创作，知识产权法涉及两方面的重要内容，一个是权利的保护，另一个是作品（科技成果）的合理使用，这两方面的平衡共同建构了现代知识产权法律制度。然而，人工智能彻底动摇传统“作者”与“发明者”概念。不仅自然人可以创作，机器人也可以创作，而且表现出更为“精湛”的艺术造诣。在人工智能时代，谁是作者的概念有必要重新诠释，传统知识产权制度中的“精神权利”在机器人语境下也需要重新建构。与此同时，机器人创作还在撼动传统“严苛”的合理使用制度。机器人创作解放了传统的“作者”，大幅降低了其创作成本，提高了其创作效率，从利益平衡的视角来看，这些变化也将最终改变知识产权法的合理使用制度。
——人工智能对于其他部门法的挑战。
人工智能也将对其他法律产生深远影响，如在《电子商务法》中，基于大数据完成交易各方相关权利义务的评价，交易大数据将最终呈现出交易各方是否存在“过错”；如在《产品质量法》中，基于智能算法完成产品质量的评判，针对产品质量是否合格，企业也将提交其存储在终端的数据作为证据支持；在《侵权责任法》中，还将利用机器学习最终完成损害赔偿数额的计算；在《民事诉讼法》中，基于人工智能的研究，法律也将重构诉讼中“受理”“送到”“告知”等相关制度。总之，人工智能已全面来袭，作为法律人，无论你是否愿意，都有必要正视人工智能对于法律的巨大挑战。
利用人工智能技术推动法律公平正义
1.在大数据立法过程中，利用人工智能实现立法科学化。
立法实质上是完成三件事：第一，找准社会中存在的主要法律问题；第二，针对这些问题作出法律规范；第三，明晰违反法律的制裁措施。人工智能可在这三个方面发挥有效作用：第一，借助大数据和人工智能可以帮助立法精准找到社会生活中存在的主要法律问题。第二，借助人工智能可以分析当前的法律规范是否实际发挥了作用，还可以通过人工智能模型来模拟哪种规范形式更容易达到预期效果。第三，人工智能可以计算出最恰当的惩罚措施。惩罚涉及违法成本的计算，过低的违法成本无益于违法惩治，过高的违法成本又将显失行为与惩罚的对等性，由此也将影响法律的权威。人工智能通过法律效果的模拟，可以帮助立法者发现惩罚措施变化时，法律效果对应变化的情况，由此找到最佳法律效果的惩罚边界。
2.在执法过程中，利用人工智能提高执法的效率和科学。
做好执法工作，需要做好以下几件事情：第一，对于违法行为要能即时监测；第二，要能够高效处理相关违法事实。人工智能恰好可以在这两个方面发力：第一，在人工智能时代，人在物理世界中的行为又将体现为虚拟世界中的数据，对数据的监测亦能反映对人行为的监测，因此人工智能对于数据的评价也将成为对人的行为的评价，比如在金融领域，对于主体市场操纵的评价，恰恰是通过对买卖股票的市场大数据综合分析完成的；在银行、商贸领域，对主体是否存在市场欺诈的评价，同样也是基于对其大数据的综合分析后得出的结论。并且随着机器人分析能力的增强，机器人甚至可以根据一个人的行为动作分析出其暴力倾向，这些都将公民置身于违法监测的框架体系中。当然，这一过程也涉及公民隐私保护的话题，机器监测与隐私保护的平衡也是人工智能时代一个亟须解决的话题。第二，人工智能时代对违法行为处理也将更加高效和人性化。以交通违规处罚为例，全程几乎都可以由机器人完成。机器人可以发现哪一台车辆闯了红灯，机器人可以根据车牌识别找到车主，机器人还可以识别违法情况并根据法律规定自动作出处罚（如扣分和罚款的决定），机器人还可以将处罚决定以短信或其他方式通知事主。这不仅高效，而且也很人性化，让事主能第一时间就知晓处罚结果，而非惶惶不可终日。同时，事主还可以随时调取处罚决定及附带录像证据，这也保障了事主对自身权益的维护。
3.在司法过程中，利用人工智能更好实现司法的效率和公平。
一个公正的司法包含如下几个方面：第一，对于案件事实的认定要客观公正，实事求是。案件事实是作出司法裁判的基础，事实认定错误，势必导致裁判结果不当。第二，对于法律的适用要准确，无论是民事中涉及赔偿数额的判罚，还是刑事案件的具体量刑，都要与当事人的行为相符合，过轻过重的处罚均是非正义的。第三，对于正义的裁判要及时，迟来的正义即“非正义”。人工智能在这几个方面都具有超乎寻常的优势和发展潜力：第一，人工智能可以帮助法官还原事实。原本在法律界，事实只能被证明却不可以被还原，然而，在人工智能时代，事实本身亦是数据在历史长河中的表现形式，对数据的恢复亦是对事实的恢复。时间戳的应用可以帮助法官固定历史上的事实；笔迹鉴定的机器学习可以帮助还原签名的真实性；大量的数据（通信数据、生理数据、生产数据、生活数据）还将从广泛意义上还原案件的真实情况。第二，人工智能可以帮助法官更准确地适用法律。机器人对于此类案件的学习，可以总结出既往判例中法官的经验、对案件考量的要点、赔偿数额的多少等，机器人据此作出的裁判可以为法官提供更加精准的参考，这样，人工智能便让孤立的案件与既往的所有案件发生关联，从而为法官准确适用法律提供权威参考。第三，机器人的广泛应用将让司法更加高效，自动应答机器人、撰写机器人、档案管理机器人等广泛地参与到立案、庭审、文书撰写等各个环节，可以更加高效地提升审判效率，在最短时间内将正义还给当事人。
4.为实现公民守法，利用人工智能更好地提升公众的法律意识。
遇事找律师，也将成为普通民众的第一思维惯性。在普通民众看来，法律总是很专业的，需要由专业的人来解决。正是这种专业的惯性让普通民众与法律之间隔岸相望。未来，机器人势必将在“两岸”之间搭起桥梁，让普通民众与法律直接沟通。我在法律机器人实验室工作的过程中，甚至将这种场景作为法律机器人研究的重要方向，试想，如果有一天，有一个可以24小时提供咨询服务的机器人，公众可以随时与其友好沟通，而且还是完全免费的，公众与法律之间“最后一公里”的鸿沟将被彻底打破。
当然，要打造一个24小时可以提供咨询服务的律师并不是一件简单的事情，它需要对算法和数据的全面升级，或者说强人工智能时代的到来。当下，有关法律机器人的研究正朝着这个方向迈进，尽管机器人还不能像律师一样为公众提供完全的法律服务，但在撰写、搜索、简单咨询领域的尝试已经正在一步步拉近公众与法律的距离。通过机器人，公众可以了解法律的精神；通过机器人，公众可预测自己行为的后果；通过机器人，公众可行使诉讼的权利（如撰写诉状）；通过机器人，公众还可以完成自主的法律培训，全面提升自己的法律素养。
作者：杨延超，中国社会科学院法学研究所研究员、科技与法研究中心主任、法律与人工智能实验室首席顾问。
来源：《人民邮电》2020年11月20日。