魏斌：论法律人工智能的法理逻辑
摘要：法律人工智能的法理是“实践之法理”，是证成法律人工智能实践之正当性的理据，它反映人工智能的技术理性与法律实践理性相融合以揭示法律运行的规律和特征，是“法外之理”的又一阐释。法律人工智能的法理逻辑在于辩护和证成，其价值不仅为法律人工智能提供法理解释和学理支撑，还在于规范和引导法律人工智能的发展。法律融合人工智能有其天然条件，探究其蕴含之法理是法律融合科技之法理的新命题,法理形式理性是辩护法律人工智能之法理的本质特征。法理之要义应在于指导人工智能理解和遵循立法及司法规律，符合法律任务的特征，满足法律实践的需求，定位和发挥“辅助手”的作用，最大限度地发挥人工智能的技术优势。
关键词：法律人工智能 法理 法律形式理性 法外之理 实践之法理
一、 问题的提出
自人工智能进入法律领域伊始，法律人工智能就一直是法理学和法哲学研究的主题，无论是学术界，还是实务界都不同程度认识到法律人工智能的研究与应用要回到法理学和法哲学的层面中来。萨斯金（R.Susskind）就从法理学角度来思考法律人工智能系统的构建，他就指出：“所有的专家系统必须要遵守某种法理论（jurisprudentialtheory），因为法律中的所有专家都必然要根据法律的本质和法律推理来设定假设。具体而言，所有的专家系统都必须体现法律知识、法律科学、规则的结构、法律的个体化结构、法律系统和子系统，法律推理以及法律逻辑，理论必须自身根植于更深层的哲学基础。如若如此，那么使用经验丰富学者的相关研究（在适当的情况下）明确地阐述专家系统当中所隐含的一般法学理论，就颇为谨慎了。”他甚至认为法理研究是决定法律人工智能是否成功的重要因素：“之前还没有明显成功的原因可能就在于，还有大量的合适的法学理论的文献没有被予研用。”主流研究从反思性和批判性角度探讨法律人工智能辅助司法裁判、类案检索和刑期预测等任务，诸如算法不可解释、算法偏见等缺陷成为被诟病的主要问题。然而，在人工智能有力推动审判体系和审判能力现代化的背景下，一个更为基础的问题却尚未被重视和正面回应，即法律人工智能的正当性是什么？这个问题蕴含多个子问题，例如人工智能为什么与法律相结合？人工智能算法决策为什么能影响法官决策？人工智能介入司法权运行的法理是什么？这些问题需要人工智能融合法律的学理辩护，其背后的法理构筑了法律人工智能研究和应用的基础。人工智能作用于法律实践的效力并不能被简单认为是理所当然的，而是要透过“实用主义”去思考人工智能赋能法律实践背后的法理逻辑。在国际法理学和法哲学领域，学者们热衷于探讨人工智能在法律证成和解释中的作用，也讨论法律人工智能对传统法律概念体系的冲击影响，诸如法律规则、先例、法律本体、法律知识表达、法律推理、法律论证和法律对话等论题一直是法理学家介入法律人工智能研究的主要视角。从法理角度研究法律人工智能无疑有重要的意义，它为法律人工智能理论、技术和应用的科学性与可行性提供法理解释，其价值还在于供辩护和证成。大数据时代，深度学习驱动了人工智能的第三次变革，法律人工智能在司法领域进入了全新的应用阶段，这意味着法律人工智能的实践亟需在合理性、可靠性，尤其是正当性方面得到辩护和证成。碎片化的法理研究已经不足以支持法律人工智能的理论创新和实践需求，厘清新一代人工智能技术融入法律实践的法理逻辑，构建与法律人工智能相匹配的法理论已经成为备受关注的问题。
二、人工智能如何赋能法律实践？
探究法律人工智能之法理首要明确人工智能如何辅助法律实践。“人工智能法律系统的发展源于两种动力：一是法律实践自身的要求。二是人工智能发展的需要。”人工智能在法律实践中辅助多种任务提升了质效，同时法律领域也是人工智能检验其理论价值和技术性能适用的领域之一。法律实践渴求人工智能提高其质效是驱动人工智能与法律相融合的源动力，因而，法律实践需要人工智能，法律人工智能的价值在于提高法律任务执行的质效。以“智慧法院”的建设为例，从实践需求来看，我国人民法院“案多人少”的问题在基层法院仍然严峻，部分劳动技术含量低且重复率高的工作占用了司法人员的大量时间和精力，法律人工智能的应用帮助缩短了重复和低效劳动的时间，使法官能够将主要的精力投入到人工智能无法替代的核心审判业务当中。司法公开是保障当事人诉讼知情权利，监督司法过程，促进司法民主的重要手段，传统的司法公开受到技术和载体的限制，无法做到广泛的公开，人工智能介入司法公开帮助在裁判文书公开、审判流程公开、庭审公开和执行公开四大领域提供强有力技术支撑，使得司法公开信息化建设取得显著的进步。
从人工智能赋能司法实践的效果来看，人工智能帮助提升多种法律任务的质效，这当中又以“类案推送”和“法律法规检索”两类应用最为成熟。传统基于先例的推理依靠法官来找寻相似案例，但法官仅凭人力所能搜索的先例数据十分有限，而且法官受到精力和时间的限制，难以快速找到最相似的案例。法律人工智能通过法律文本分析结合深度学习进行先例的聚类，极大提高了搜索类案的效率，为同案同判提供了科学化的方法和工具。法律法规适用是法官依靠法理逻辑和裁判经验来搜寻和定位与当前案件事实最为相符合的法律法规，但仍难以避免不准确和不适用的情况，最新的技术是结合机器学习和自然语言处理技术NLP来提高法律法规的适配精度和效率。国际学术研究关注最前沿人工智能技术的应用潜能，研究趋势已经转向基于法律大数据挖掘的法律信息抽取、法律摘要和分类、法律判决预测和司法问答等任务，例如通过挖掘法庭辩论环节中的对话文本数据，获取案件关键要素，进而预测司法判决。
总体而言，法律人工智能的技术机理是由感知智能走向认知智能，再形成法律决策的过程。感知智能属于初阶智能，主要包含语音识别与合成、图像识别和视频智能化处理技术，意在模拟人类的语言表达、视觉和听觉感知能力。感知智能在法律领域的应用场景主要包括：庭审语音的转录，图像证据识别、庭审视频自动巡查等。认知智能是人工智能的高级阶段，旨在模拟人类的高阶智能，主要包括：自然语言表达、语义理解、知识表达、逻辑推理和自主学习等能力。认知智能在法律领域的应用主要是在法律文本分析、法律知识表达、法律推理和法律论证，以及多种依赖法律知识决策的多样化任务。由此，法律人工智能的技术机理可以根据智能发展的规律来划分层级。首先，由于感知智能高度依赖大数据，而认知智能依赖知识，因而最基础层是构建法律大数据库和法律知识库的支撑层。其次，语音、图像和视频三种感知技术的法律应用构成了成熟的技术支撑层。最后，基于认知技术面向具体法律任务生成司法应用层。以“智慧法院”为例，我国已经在“智慧审判”、“智慧诉服”、“智慧管理”和“智慧执行”四个领域比较清晰地展示了法律人工智能的技术机理。
三、法律缘何与人工智能跨学科融合？
法律人工智能并不是人工智能在法律领域的机械应用，法律跨学科融合人工智能有其天然条件，这使得法律领域适用人工智能具备可行性。法律科学的跨科学标准在于，相邻学科知识能否以及多大范围内可以基于法和法律科学的固有法则被重塑。重要的是，这种过滤和筛选是以独白的方式来进行的，选择的标准完全来自于法律科学本身，而非别的学科。法律人工智能的诞生和发展恰是由于法律实践对人工智能选择，它主动选择和应用人工智能的学科知识。在法律人工智能的研究历史上，为法律人工智能寻找合理的理论辩护一直是该领域的重要话题，法学家和人工智能科学家都试图为这样的交叉研究找到一些法理证成。传统观点是从法学自身的特质去看，它是否有空间留给人工智能发挥作用？其特质是否与人工智能的表达能力和刻画范围相协调？是否存在可能无法融合的因素？人工智能与法律跨学科融合的缘由恰是在于法律科学的诸多特征与人工智能的应用潜力相契合。里斯兰德、阿什利和路易就认为人工智能对法律领域的诸多特征感兴趣，法律人工智能的形成原因包括以下几个方面：
1.法律涵盖不同类型的知识，它包含有大量的规则、程序、职权层级、规范和原则。例如，规则知识包含法规与法典，宪法原则，规范的解释，刑事和民事程序的规则，启发式经验法则等。2.法律包含清晰的模式和证立的标准，在英美法系，遵循先例（staredecisis）是有关先例的原则，它蕴含了丰富的法律推理，遵循先例要求类案类判。3.法律依赖的推理的模式不同。不同类型的知识，对应有不同类型的推理，有基于案例的推理，基于规则的推理，也有两者皆有的推理。4.知识的专门化存储，审判的多样化会产生极大的案例库，由此产生的大量案例构成了庞大的知识库，它们与宪法、国家和地方性法律法规以及其他规范广泛交织在一起。5.多样化的任务导向，法律实践包含一系列的任务导向，包括辩护、裁决、咨询、规划和起草以及行政管理。6.开放结构的概念。法律中的概念并不是像正和负一样有绝对的黑白界限，法律概念更像是数学中的开放集合，而不是封闭集。7.对抗式求真，法律领域是通过对抗式的过程来探求真理的，法律论证被看作是某种竞争性理论形成过程中的运动，每一方通过使用案例和其他信息支持其结论从而形成其理论，同时尽量减少、区分、削弱反对方理论所造成的影响。8.法律是高度反思性的。法律是高度反思性的理性科学。它不断地检验和再检验基本的方法和任务。更具体地说，法律融合人工智能主要由于以下几个方面：从法律领域提供的推理和学习的素材来看，法律实践不仅产生知识，还产生法律大数据。法律知识来源多样化，既包含与法律任务相关的反映事物性质、内容、状态和发展变化的知识，还包括法律法规、法律解释等法律规则构成的领域知识。它们是法律知识体系的基本要素，为构建面向规则的知识决策系统提供知识来源。另一方面，法律实践产生了海量、多源和异构的数据，既包括以图像、语音和视频形式存在的证据，也包括合同、公诉书、庭审记录、裁判文书和电子卷宗等形式存在的法律文本。法律大数据为大数据分析、挖掘以及其他数据应用提供了必备的生产资料。从法律推理的类型来看，基于规则和基于案例的推理分别构成了大陆法系和英美法系国家的主要推理模式，我国以制定法驱动的规则推理为主，但案例指导制度的建立确立了案例推理作为辅助的推理模式。两种模式的现实融合也为人工智能探寻可行的融合技术提供了思路。由知识驱动的法律推理以规则推理为主，是由知识根据逻辑推论得到结论的演绎式推理。而以大数据为中心的法律推理以案例推理为主，是从大数据当中挖掘隐藏规律和特征的类比式推理。从法律实践包含的任务类型来看，法律领域中多样化的业务目标包含了不同需求驱动的任务，这些任务之间有显著的功能差异性，每项任务都有明确的目标，这为人工智能的介入提供了广阔的空间。如何理解每项任务的真正需求，使用合适的技术，研究符合任务需求的应用，是法律人工智能研究的主要任务。从法律的开放属性来看，法律的开放式结构体现在法律概念、法律规则和法律原则的开放性，开放性又决定了法律推理的可废止性，这种推理不强求遵守演绎有效性标准，能容忍推理可能得到错误的结论，这符合人工智能将长期处于弱人工智能阶段的特性。最后，法律是通过对抗式论辩来探求“真理”，案件事实发现和认定的过程必须要经过充分的辩论，只有经过对证据充分地质证和检验，才能够最终指向案件事实。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。
四、法律融合人工智能之法理
法律领域固然有人工智能适用的特有属性，但驱动两者相融合的深层原因还需要深入挖掘法律融合人工智能的原理。法律人工智能之原理在于解释法律融合人工智能的内在原因，说明法律与人工智能之间相互联系、相互作用的机理。一方面，法律融合人工智能是法律与科技相融合的新命题，它既继承了科技作用于法律的传统，又由于自身的技术优势演化出新的特点。基于人工智能的法律形式理性的技术表达具备传统数理化工具所无法比拟的优势。另一方面，两者相融合无疑要在哲学、法理学和人工智能的融贯性之间架起某种联系，融贯论是支持法律融合人工智能的哲学基础。哲学、法律与科学技术融合的内在动力恰是源于法律形式理性，人工智能的技术理性与法律形式理性表现出良好的法理融贯，甚至说，法律形式理性是辩护法律人工智能之法理的本质特征。
（一）法律融合科技之法理的新命题
法律融合人工智能的问题，本质上属于科学之于法律的问题。科学技术的发展为法律在方法论上注入了源动能。法律与科学技术在方法论上并没有不可逾越的鸿沟。……科技的长足进步，则为处理复杂的法律问题和其他社会问题提供了新的具体手段。法学借鉴数学的公理化方法建构理论体系，借鉴自然科学的实验方法创制案例教学法等，法学研究一直在吸收自然科学的优势。法理要追求科学化和公理化，可见科技对法理的影响已经渗透到法理自身的体系化构建当中，使得法理研究迈向一种法律科学的范式。法律科学的研究工作，在方法论上已明显地受到自然科学发展的冲击。因此必须注意吸收自然科学的成就、方法和手段。科技作为一种方法很好地植入了法律方法体系当中，使得法律方法更加具备实用性。科技进入法理学研究的视野被认为是一个重大发展，科技的引入应当关注法理学讨论法律现象之根本问题。科技与法律进入法理学的视域，本质上是由于科技背后的技术理性有效增强了立法和司法实践的效益，它吸引法律人去探求其所蕴含的面向法律实践的法理要素。
新科技的发展使得法理内涵愈加丰富，互联网、云计算、大数据、人工智能、基因工程等现代科学技术理论与应用中（特别是与法律、法治、法学的交汇处）的法理或法理议题覆盖理论和实践的不同领域，是蕴藏着丰富法理要素的资源宝库和生产场域。这些法理要素应当在法律实践中得到体现，脱离实践的视角，必然无法触及科技之于法理的本质和根本性问题。法律与科技的问题若作为法理学问题，应当对其中的根本性问题做出哲学思考。从这个角度出发，人工智能与法律的融合不只是探讨人工智能对法律实践的影响，而是挖掘两者融合背后深层次的法理问题，即人工智能与法律科学相融合背后的法理，这种法理是在人工智能赋能法律实践的过程不断得到提炼和聚合的。人工智能与法律是科学技术与法律的新一轮命题，它既要遵循科学技术与法律之间的一般关系属性，也有由人工智能的技术特征与法律所产生的新的关系属性。人工智能的发展使得科技之于法理学在法律实践维度开拓了新的视野，法理的价值之一就在于对当前的法律人工智能的实践和应用提供法理解释，由此进行辩护和证成。
人工智能科技作为一种外力扰动了司法的运行体系，基于ODR技术和多元纠纷解决机制实现了在线仲裁和调解，对传统审判模式发起了冲击。审判模式的变革和智能审判辅助系统的出现，使得人工智能已经在“金融借贷”等简易案件中替代法官的任务，由此引发法官审判权的嬗变，还可能因此形成审判权的“双轨制”模式。因而，人工智能对司法的渗透使得科技影响下的法理学更像是处于一种不稳定的实验形态。法理学实验研究的兴起受到认知神经科学、人工智能和互联网技术的影响。……以神经成像和测量反应时间为内容的认知神经科学、人工智能等前沿尖端科技得到长足的进步和更新，这已经为持续改变法学研究方法打开了新的窗口。在新兴科技的助力下，特别是在大数据、人工智能、区块链、基因科学、纳米科技等技术的推动下，法学“不是一门难以精确的科学”的断言将成为可能。只有这种将法学与科学结合的实验法学的不断发展，才能填平法律表述与现实之间的沟壑，法理学才能成功超越形而上学，进而直面现实生活。这意味着科技影响下的法理学必然是要面向法律实践的。
科技应用的目标是与实践需求相耦合，人工智能与法律的融合即是在满足法律实践的需求，技术的迭代和更新也是为不断提高应用的质效。法律科学对人类理性的思维活动提出了极高的要求，它无疑向新科技发起了极高的挑战，法律人工智能的目标同人类一样也是在追求法律的合理性。法律的合理性可以分为“形式合理性”和“实质合理性”：“在法律科学中，形式合理表示通过逻辑概括和解释的过程对抽象规则的系统阐述和适用；它强调的是通过逻辑的方法搜集全部法律上具有效力的规则并使之合理化，再把它们铸造成内部一致的复杂的法律命题。实质合理突出的不是符合逻辑的一致性，而是符合道德考虑、功效、便利和公共政策。”法律形式合理性内涵丰富，它既涉及实体法的形式合理性，也涉及程序法的形式合理性。人工智能代表的新科技无疑擅长法律形式合理性的表达，这与韦伯理解的形式合理性相吻合，即“用技术上尽可能适当的手段，目的合乎理性的计算出来。”人工智能的技术基因推动了法律形式理性得以技术表达和刻画。多隐层神经网络的方法使得人工智能在提升类案推送等任务实现了质的飞跃，深度学习也使得隐藏在法律大数据中的共性规律和特征得以被发现，数据训练集中的标记特征诱导形成了算法模型，模型的作用使得新数据的特征与原标记特征之间产生统计意义上的关联。这些特点是传统数学和统计工具所难以比拟的。
（二）法律形式理性与人工智能技术理性的法理契合
人工智能作为新一代科学技术被引入到法律领域是法律形式理性的价值“回归”。法律形式理性为辩护法律人工智能的合理性提供最根本的法理解释，甚至是辩护法律人工智能之法理的本质特征。法律人工智能最基本的要求就是追求和体现理性，法律与理性是无法割裂的。法律实践中法律推理和法律论证无疑是理性的，肆意妄为的决断将严重破坏法律的安定性，司法最终将变得无章可循，人们对法律最基本的信任也将崩塌，司法也将无正义可言。霍尔姆斯很早就预言过数理科学对法律理性的影响，他指出：“就法律的理性研究而言，当前可能是‘白纸黑字’的学者（black-letterman）主导，但未来却是统计学人和经济学人的天下。”有学者也指出，我国法律中的形式理性、技术理性因素不是太多，而是太少；法的形式化、程序化、技术化特征不是太强，而是太弱。
形式理性在法律领域发挥作用的一个典型就是公理化方法在创建法学理论和制定法典时的应用，霍布斯的《利维坦》从人性观和自然法学说的两个出发点推导出他的全部政治法律理论。《拿破仑法典》的制定就建立在自由和平等原则、所有权原则、契约自由原则和公序良俗原则的基础之上的。这四条基本原则构成它的公理，其他法律条文就是在这几条公理的基础上制定的。公理化方法在法律中的应用是形式理性由最精简的概念和原则演绎出成体系的法学理论，甚至是制定法。从司法过程来看，数学的基本公理（定理）、公式等被用到司法当中，用以证明诉讼参与人的某个法律命题，或者法官用之进行论证说理，是数学方法影响司法程序的主要形式。
法律与理性是相关的，因为法律是行为的规则和标准，人们借此实施行为或限制行为。法律人工智能所发挥作用的领域无不是法律实践中充斥着理性思维的领域，从法律推理，到法律论证，再到庭审中的法律对话。从对证据的质疑和检验，到对案件事实的认定，再到法律法规的适用和解释，最后再由司法三段论所作出判决，这些都不可能离开人类理性的支配。无论是代码还是“算法”，都越来越多地渗透着数理逻辑和运行规则。因此，数学理性更深刻、更全面地影响着法律的发展与变革，数学理性与法律（法治）的相关性研究也更具重要性、紧迫性。数理形式工具的作用就在于能够将这些理性的精神最大程度地放大，也最大可能地减少因为不理性或过多依赖于经验所带来的问题，这种数理形式工具的价值是使得理性被控制在一个可以被人们看见，可以被实际操作，可以重复和接受检验的范围，只有如此，这类方法才能受到人们的普遍认同和接受。
法律推理和法律论证不能脱离形式理性，在不考虑价值等因素之下应当起到主导作用。从一般命题到具体结论，都是数学演算和法律解释的形式特征，而法律规范所具有的“如果……那么……”的逻辑构造,事实上也可以用逻辑符号对其进行形式化处理。形式理性甚至渗透在构建司法推理和论证的各种细节当中。考夫曼（A.Kaufman）认为，在理性行为中，我们需要思考理性自身的行为，即理解和推理，以及由这种行为产生的结果。至于思辨理性，这首先是定义，其次是命题，最后是三段论或论证。推理是法律实践最基本的理性活动，在法律实践中的每个环节都是理性的载体，衡量法律决策的好坏，推理是否经得起形式理性的检验是最基本的标准。法律实践的理性深受亚里士多德的三段论逻辑的影响，基于逻辑推理的理性被认为是思辨理性，形式理性引导人工智能理解法律推理和论证，发展出适用于表征法律实践中的法律形式理性的技术和方法。
法律人工智能的发展演化出以知识为中心的符号主义进路和以大数据驱动的连接主义路径。对于符号主义的方法，法律形式理性仍然要警惕和避免再次陷入“形式主义”的泥潭，误入一种“机械法理学（mechanicaljurisprudence）”，哥德尔不完全性定理证明了希尔伯特纲领的失败，法律系统不可能被重建为逻辑自洽的演绎主义系统。同理，对于连接主义方法而言，也要避免因预测结果的高准确率和召回率而推崇“机械归纳主义”，机器学习的模型泛化能力再优也无法保证预测结论必然为真，这是由归纳推理自身的特点所决定的。技术理性与法律形式理性的融合要清醒地认识到任何数理工具的作用都不可能形成普遍适用和完全统一的理论，人工智能也只能在有限场域发挥作用。人工智能既需要充分考虑法律人的思维特点，也应当最大限度地寻找与法律特征之间的融贯性，这包括法律概念、法律规则、法律原则的开放性，法律推理和法律论证的可废止性、多主体性和动态性，法律对话的程序性等特征。以法律推理为例，法学理论认为法律推理是可废止的，这往往体现在法学概念和法律规则的可废止性。法学概念的定义无法预测和包含所有可能的外延对象，作为前提的法律规则也同样无法适用于所有个例，它们的适用范围、合法性和有效性都可能承受争议。人工智能与法律形式理性的耦合并不是机械的结合，而是技术理性与法律实践需求、法律规律和法律任务特征的有机耦合。
五、“法外之理”――面向法律实践的法理
法的一般、抽象、普遍、明晰、准确、可预测、无例外地区别对待、注重功用、效益和过程的程序性，以及法的表达形式、结构、语言上的技术要求等，都可以从技术理性对法律理性的介入和渗透中获得解释。法律实践一直以形式理性价值来吸引数理化工具发挥作用，法律人工智能之法理在于基于人工智能这一数理化工具以技术外化的方式来诠释法律实践的规律和特征，理解这种法理需要由“法内之理”转向“法外之理”，即面向法律实践之法理。基于这个视角可以生成了两个法理命题：一是法律人工智能之法理是技术表征的“法外之理”。二是法律人工智能之法理是面向法律实践的法理。
（一）法律人工智能之法理是技术表征的“法外之理”
法律形式理性的技术外化以何种法学理论来辩护？这是法律人工智能之法理基础构建不可回避的问题。法律人工智能之法理探究应由“法之内理”到“法之外理”。法理之语义、精义可以指法之道理、法之“是”理，法理被看作是法律或法律体系背后恒定不变、超越时空、具有普遍意义的东西，属于法的规律性、本质性的因素。法理概念的界定不应当是封闭的，法理甚至可以被理解为是在综合各种法律现象的基础上，由学者所抽象并为社会所认同的有关法律基础、法律根据、法律判准、法律渊源的基础性、普遍性原理。依此，法理还可以升格为更广泛的与法律现象相关之事物内在之本质或原则，因而法律人工智能之法理可以理解为探究法律融合人工智能的本质。然而，法律之法内之理抽象而不易表达，应通过法律实践来理解，这就需要诉诸于法外之理的观点。这种观点认为：法之理的解读既应当聚焦于内理，又应当发散至外理。换言之，法之理既源自“法内（法律规范意义上）之理”，也发乎“法外之理”。有的观点甚至认为，“法外之理”远比“法内之理”丰富和正当，因为法的合理性更多地来源于“外”而不是“内”。法理既体现在“法内”，表现为法的原则、价值、特征和规律等，同时还体现在“法外”，“法外之理”在于将法融入实践，在于法之应用。
“法外之理”往往体现在法学与其他学科产生交叉联系当中。法学吸收其他学科的认识成果来说明法的现象，从而使得它能够深入到法的本质和价值基础中，并且能够解答法的外在方面和客观倾向。拉宾认为：“法学对其自身主题所采取的独特立场决定了其他学科领域的方法论很难直接适用于法学，但其内在属性又要求法学借助于其他领域的方法论，来理解作用于法律体系的外在力量以及法律判断产生的影响。”法学同其他科学，包括社会科学与自然科学，有着千丝万缕的联系。法理学研究应当充分借鉴哲学、经济学、政治学、行为科学、社会心理学以及现代科技基础等学科中的最新研究成果，在法律以外知识的启发之下，尽己所能地兼收并蓄，融会贯通，以期由“法外”探究法理。法之理既在法内，更在法外。法学与其他学科的交叉已经成为法学研究的一种趋势，因为，不同学科不断地交叉、融合，互相吸收营养，乃是科学发展规律和趋势。推动法学教育变革的案例教学法就是得益于自然科学的启发。自然科学一直对法学有着影响力。由于自然科学能够提供确定的结果，而且这种结果被普遍认为具有说服力，因此它对法学有着持久的魅力。人工智能是一种全新变革的自然科学，它与法律的融合是以一种科学技术的“法外”形态来作用于法律科学，是以技术之优势弥补立法和司法人员在实践中的不足，减少低效和重复的法律任务，提高业务处理和流转的效率，从而提高法律任务执行的质效。这意味着法律的形式理性以技术表达的方式得以展现，法律借助技术的力量推动法律任务质效的提升，本质上是通过技术激发法律之形式理性的潜能。人类的有限理性思维能力在一定程度上限制了表达法律实践中的形式理性，如人类无法在海量的案例中发现最相似的先例，还有很多司法任务处于重复和低效的状态，人工智能凭借技术优势从效率和质量角度来提高了法律任务执行的效果，充分挖掘和释放了法律的形式理性。
从实践角度看，法律人工智能之法理在“法外”，它是一种应用之法理、实践之法理，是充分应用和发挥人工智能的技术理性，获得更高效率和更优立法或审判质量是法律的内在追求，是由“法外”之技术来探究法律在“法内”之理。因而，法律人工智能之法理是实践式的法理，是技术理解、表达和外化的法理，它在技术变革司法实践的过程中得到进一步的体现，是“法内之理”在人工智能的技术驱动下外化为“法外之理”，是需要通过人工智能形式化研究法律推理、法律论证、事实认定、类案推理、裁判预测等法律任务来体现的法理。面向法律实践之法理还为检验法律人工智能提供了新思路，法理是法律人工智能研究和应用应遵循之理，法律人工智能出现问题或偏离方向之时，应当反思其是否违背了其法理。
（二）法律人工智能之法理是面向法律实践的法理
法律人工智能之“法外之理”无疑要在法律实践中得以诠释。法理是一个实践理性概念，来源于实践、在实践中凝练、在实践中运用、在实践中发展。面向实践的法理观认为法理就是从法律实践中的个案归纳、总结、提炼而来的一般性原理，而作为一般性原理的意义，其又在于“力图充分地说明整个法律实践，同时还力图在探明法律实践和对这种实践的最佳论证之间保持平衡。”法律人工智能之法理是以人工智能赋能的立法和司法实践载体而存在的法理，而法律实践所蕴含的法理是通过法律主体的实践行为来体现的。人工智能赋能法律实践，虽然不会改变法律实践中法律人的主体地位，但却已经变为有技术加持的法律主体。一种广泛受认可的人工智能定义认为：“人工智能是那些与人的思维、决策、问题求解和学习等有关活动的自动化。”根据这种观点，法律人工智能也应当是与人在法律实践中的思维与决策等活动的自动化，人工智能已经扮演了类似于法律主体的角色，法律实践中体现的不仅仅是人的理性，还包含了人工智能的技术理性。这意味着人工智能赋能的法律实践已经被赋予了新的属性。面向法律实践的法理应当在人工智能赋能的“智能化”和“信息化”实践中探求新的内涵，这需要全面考虑人工智能赋能所带来的技术效应。法律人工智能之法理本质上是一种技术表征的“实践之法理”。
法实践的正当性需求刺激着法理生成，法理在法实践空间中证成并推进着法实践。面向法律实践的法理不仅仅能够提供正当性证成，而且还能够引导和推进法律人工智能的实践。面向实践之法理应当在指导实践的过程中获得实体化的属性，甚至转化为法律实践应当遵循的规律或遵守的规则。例如，法官在审判过程中需要遵循司法规律，这也对法律人工智能提出了同样的要求。从实践角度看，法律人工智能应当理解和遵循法律实践的基本规律，符合法律实践中法律任务的特征，满足法律实践的需求。由此，面向实践之法理提炼出两个基本的规则：一个是理解和遵循法律规律，主要以司法规律为主；另一个是表达和体现法律实践中法律任务的特征。这当中，司法规律的核心是司法权的运行规律，反映了司法实践中各种行为之间的客观、根本和必然的联系，司法规律与客观规律一样具有稳定性、明确性和可解释性，因而可以预测、度量，甚至可以量化。司法规律体现了司法实践所体现出来揭露司法实践之本质和内在联系的抽象、概括和一般之规律，这样的规律至少包括：定分止争的规律、审判独立的规律、裁判中立的规律、裁判可预测的规律、司法公开的规律、错案必纠的规律、遵循先例的规律、公正司法的规律等。
首先，面向实践的法理要求法律人工智能应当遵循法律实践的规律，尤其以司法规律为核心，遵循司法规律是法律人工智能的基本准则。正义是司法规律的最高指导原则，司法之形式理性追求形式正义。所谓形式正义，笼统地说，就是抽掉了正义的实质内容，要求不管人们出自何种目的，不管在何种场合，都要以同一方式待人，正义总是意味着平等，意味着同等待人。违反正义的基本原则将使得法律人工智能的应用面临极大的风险，美国司法部门研发的COMPAS等风险评估软件用于评估在押人员在被释后再次犯罪的概率，它的评估要素包括被评估人的工作经历、经济状况、家庭成员犯罪记录等，导致评估结果过度预测黑人犯罪的风险。这类法律人工智能的应用显然容易导致种族歧视等问题，违背了正义所要求的最基本的“平等原理”。又如，法国一家名为SupraLegem的法律科技公司通过深度学习算法来分析和预测法官的判决，通过不同法官关于寻求庇护案件的判决数据，研究法官驳回寻求庇护请求的概率，由此来预测法官的判决。由于法官担心人工智能预测判决会引发人们对法官判决的质疑，在判决时或多或少受其影响，甚至存在判决迎合机器预测的倾向。2019年，法国立法禁止对法官进行画像来预测法官的司法判决，违者将面临高额罚款，甚至监禁。这类法律人工智能应用已经影响了法官独立审判，违背了“审判独立的规律”。
其次，面向实践的法理要求法律人工智能应当体现法律实践中法律任务的特征。法律任务的特征是区别于其他法律任务的属性，它包含从法律任务执行过程中所体现出来的特有属性，从法律行为和法律关系中提炼出来的特点都能够归入法律任务特征的范畴。法律任务的特征既包含法律自身的特征，如法律的开放属性，包括法律概念、法律规则、法律原则和法律结构的开放性；还包含法律实践中法律任务自身的属性，如法律推理的可废止性，法律论证的多主体性、动态性和论辩性，法律对话的程序理性，证成标准的多样性等；还可以包含从法律任务的实践需求当中抽象和提炼出来的特征，例如，效率是多数法律任务的特征，相似性是类案推送任务的特征，不一致性或矛盾性是法律文本争点归纳的特征，逻辑有效性或合理性是法律论证挖掘的特征等。法律任务的特征引导构建法律人工智能的理论和应用，能否以及多达程度上体现法律特征是判定法律人工智能达到任务目标与否的重要标准。法律人工智能在实现过程中应当不断以法律任务的特征来自我检验，如果与既定特征发生偏移或者出现不协调的因素，那么应当及时调整，朝着迎合任务特征的方向发展，避免与具体领域问题中的任务特征相冲突。例如，构建基于规则的法律知识系统，如果只构建基于司法三段论为核心的演绎逻辑的知识系统，那么无疑与法律的开放性、法律概念和法律推理的可废止性等特质不相一致，这种知识系统必然在具体的司法应用当中难以发挥作用。
最后,面向实践的法理要求合理审思法律人工智能的作用与限度，引导法律人工智能遵循法理，理解法律实践的规律和特征，使之与现有法律体系和司法运行机制相适应。从人工智能对司法实践的影响来看，法律人工智能应当防范司法价值的失衡，避免为片面提高司法效率，而牺牲公正和权威等司法价值。智能化审判应警惕流变形成与传统审判脱离甚远的审判模式，而应当借鉴传统审判模式的优点，对法官裁判思维和方法有所敬畏，使法官牢牢掌握审判权。从人工智能对传统法律方法的影响来看，应明确人工智能在道德推理和价值判断方面的缺陷，对于包含价值和道德因素的复杂案件谨慎使用智能化审判。对法律判决预测和“同案同判”而言，法律人工智能不能因追求算法的结果表现力，而忽略了深度学习算法的不可解释性或算法黑箱等问题。法律人工智能只能在部分法律实践中发挥有限的作用，而且应当受到必要的限制和约束，其研发和应用还应当设置严格的论证和评估程序，尤其需要在法理分析的基础上建立相适应的规范体系，制定明确的规范来约束法律人工智能的作用范围和使用限度。
六、结语
人工智能与法律科学的融合是两门学科发展的必然趋势，它不是简单或机械的应用，而是法律实践需求和科学技术理性双向驱动的融合。法理研究拉近了人工智能与法律科学的关系，不但没有设置学科藩篱，而是在一定程度上促进了两种学科之间的融合。然而，对于法律人工智能的价值，仍然要保持一种谨慎的态度，人工智能始终是需要人的智慧来驾驭的，离开了人的智慧，法律人工智能将无法发挥作用。人工智能介入法律领域也不能理解为人工智能替代人类智能，更不能被设想为“裁判售货员”，它本质上是人类智能在法律领域以另外一种严格、精细和准确的形式得以表达，目的在于替代法律人的重复和低效劳动，避免人为失误或差错。法律人工智能应当被定位为“辅助手”的作用，它的价值应在于学习法律人的思维方式和裁判方法，以技术效应提升法律任务的执行质效。法律人工智能的应用还处在初级阶段，人工智能技术还要与法律实践进行磨合，在很长一段时间可能会面临融合方面的困难。无论是何种法律人工智能的应用，最终都必须接受法律实践的检验，它在应用中的效能需要立法和司法人员的认可，诸多应用层面的难题都应当回到理论层面来寻找解决的方向，这一点也越来越得到一线科技工作者的认同。只有夯实法理之基石，应用层面才有意义和价值，技术实施才有可操作性。尤其是当法律人工智能应用与预期目标相差甚远的时候，更应当回到法理学和法哲学的视域中来寻找答案，探求法律人工智能是否遵循了立法和司法的规律，满足了法律任务的特征，契合了法律实践的需求。
人工智能有能力创新吗
新思科技开发者大会主题演讲探讨的话题，似乎都远不局限在芯片和系统设计的问题上，更多是站在人类科技发展的高度来观览世界的发展现状。比如去年就在大会上展示自晶体管诞生以来，人类科技的发展历程。
这两年电子产业的一个大热门是AI技术——人工智能。AI/ML技术已经渗透到了很多行业中。新思科技全球资深副总裁、新思中国董事长兼总裁葛群在大会主题演讲中列出2022年最火的几个赛道涵盖了：自动驾驶/ADAS、硅光芯片、量子计算、XPU、新能源、AR/VR、类脑芯片。
这几个类别中，自动驾驶/ADAS、量子计算、XPU、类脑芯片都与AI相关。自动驾驶/ADAS本来就需要广泛应用AI技术，而量子计算技术研究是由AI推动的，“XPU”这个词中的某一类芯片就是专门做AI加速的，类脑芯片是AI芯片未来的某种进化形态。
另外我们也都知道，AI正在芯片设计领域扮演着十分重要的作用。比如说新思的DSO.ai——这是个应用AI来参与芯片开发的工具。此前新思称其“业界首款AI自主芯片设计解决方案，使用AI提升开发者创新能力和工作效率”。这次葛群在主题演讲中提到：“DSO.ai主要做的是芯片开发的芯片实现部分，让EDA工具把芯片实现成版图。很多EDA公司都在做。”
而新思的另一款工具DesignDash，葛群说：“上升一个维度，芯片开发很重要的一部分是芯片定义的时候有取舍、有策略。DesignDash就应用于做芯片定义和参数取舍的时候。因为早期的不少参数会影响到后续产品的生产、销售。基于大数据的各种相关性，不同的参数对成本、销量等会有多大的影响，在芯片定义早期就知道结果如何。这就能让芯片迭代更快。从更高的维度，用AI/ML来辅助人类做决策，而不只是在人类做完决策之后单单加快芯片的迭代。”
就AI这个话题，本次大会开幕主题演讲中真正给人留下深刻印象的是知名硬科幻代表作家、银河奖与星云奖得主江波开篇就提到的“人工智能能不能开发自己的文明，换句话说-人工智能能不能创新？”这是个挺有意思的话题。
技术创新的本质是大脑的演化在谈这个问题之前，江波首先总结了技术发展相关的两个事实。其一是技术发展图谱，与生物演化的过程是“同构”的。目前人类对于物种演化的认识和总结，以及技术创新的整体结构都呈现出网状脉络。
其二，“技术创新的本质是大脑的微型演化”。这一点当与第一点有关联。“人的智力活动源自于大脑。现在脑科学很发达，我们对大脑结构有了深入认识。”“我们的智力活动发生在网络结构间，神经元组成的网络。”江波说，“网络有层次，层次间隐藏了逻辑。神经网络已经得到了证明。人工神经网络发展很快。”当代狭义的AI就是指神经网络。所以“智力活动就存在于网络发展中”。
那么如何体现技术创新的本质是大脑的微型演化呢？“对于人类大脑而言，我们吸收外界知识，映射到大脑内，形成事物的网络模型。比如A事物产生A模型，B事物产生B模型。不同的模型会有竞争、关联。当模型之间发生关联时，就有了新的事物C。”江波表示，“C可能是虚幻的，也可能能够落地。如果C落地了，那就完成了一次技术创新。”
所以说“技术创新的本质是大脑的微型演化”。这是个挺有趣的认识。但仅了解这一点还不够。要解决人工智能能不能创新的问题，更应当搞清楚创新的“内在动力”。江波谈到，创新的内在推动力主要有两个：效率和好奇。
其中“效率”作为推动力，是基于目的性和功利性的。比如企业做研发，是效率推动下的创新——无论是为了节约成本还是为了省时省力。而“好奇”，则是因为人们想要了解这个世界，不带有功利性。江波提到，如果对这两个要素做进一步思考，那么很容易得出“效率”背后的本质仍然是“好奇”。
好奇心是创新的驱动力哺乳动物幼崽身上有着显著的好奇心体现，他们更多表现出与环境互动的愿望。“孩子是人类社会中最有好奇心的群体。大脑要和环境互动，才能成长。孩童时期，人类大脑接触外界信息最为丰富。”大脑吸收越来越多的外界知识，最终将固定成型，甚至固化。不过好在人类社会的发展，是一代一代人的成长，未来就“交给下一代大脑”。
可做直观比较的是黑猩猩。江波说黑猩猩在幼童时期的智商并不比人类幼童时期低，“9个月大的黑猩猩幼崽就比人类聪明”。但黑猩猩的幼童期只有3年，人类却有十多年。这就“帮助人类有更长的时间去发育大脑。大脑更大、更复杂也就拓展了智力，所以人类拥有着更为强大的智力水平”。
这其中比较有趣的一点存在于所谓的“幼态持续”中。“黑猩猩幼年时期的姿态很像人”。从这张图来看，这种“像”主要体现在头型和脖颈的相对位置。但随着黑猩猩的成年，这种“幼态”便不复存在。而在100多万年人类演化过程中，人类不断地拉长幼态时期。“于是人类大脑获得了更充分的发展。所以才能创造工具、创造文明。黑猩猩就只能停留在丛林中。”
人类发展至脱离生物演化，至农业出现，也就进入了文明演化阶段，社会出现大量分工。在人走向“成熟，承担社会责任，扮演分工角色、被社会规范之后，个体在群体中不再那么重要。人就只是社会机器里的螺丝钉。人就会开始迷惘。”获得成就感是人类暂时摆脱迷惘的一种方法。
而“成就感获得有2种途径。一是当领导，爬到社会金字塔上方，就能获得高成就感；二是做自己喜欢做的事，也能获得成就感。但无论是成为领导，还是做‘艺术家’，都是很难的事情。对普通人来说，能够获得心灵上的自由更重要。”江波说，“获得心灵自由”更多的是一种精神状态。
更进一步探讨“创新”的问题。创新所需的“思考”——即前文提到的演化出新的模型，受到内外两方面的影响：外部受社会环境制约，越是自由的外部环境，越有利于思考，但社会环境“是你无法改变的”；在内则是人们的好奇心，“好奇心从内向外推动你思考”。“一个人如果没有好奇心，即便外部环境再自由，也无法做出创新。”
所以“无论在哪个领域，好奇心都很重要。这是最后达到‘心灵自由’的必要条件”。“即便现在的科学发展要借助很多仪器设备，好奇心仍是推动大科学发展的动力。”“好奇心有个特点，它没什么用。”江波举了法拉第的例子，当初发现电磁感应时，就有人问法拉第这有什么用。“许多好奇心引发的研究最初是没什么用的，但也正是好奇心推动了大科学的发展。”“技术创新也是类似的，比如瓦特的蒸汽机。”
最终“要回答什么是创新的原力，我的答案是人类具备的好奇心”。江波以两句话作结：乔布斯的stay hungry, stay foolish；以及英国科幻作家阿瑟克拉克的墓志铭He never grew up, but he never stop growing. 形容的大概都是这回事。
但AI是当代创新的一部分从这个角度来看，AI自身似乎是无法“创新”的，因为至少它缺乏“好奇心”和人类规范中的“自我意识”。不过AI计算方式本身就是人类发明的，即便AI训练常被人称作“炼丹”及存在各种不可知性，芯片、系统、软件等不少核心组成还是由人完成的。或者说，无论如何AI都是辅助人类创新的重要成员之一。
在新思科技总裁兼首席运营官Sassine Ghazi于开幕致辞中总结当今的四项变革技术中，AI即是其中之一。这四项变革技术分别是软件、芯片、（大数据）分析、AI。
软件作为驱动产业数字化转型的组成部分已无需赘言，餐饮、汽车、医疗健康各行各业皆如是；芯片则已经成为差异化竞争的关键，数据中心、汽车、信息安全领域等系统层面的市场参与者都在自己造芯片寻求差异化——去年新思开发者大会已经谈到过这样的趋势；大数据分析则是海量数据产生的时代，洞察其间关联、发现未来的关键；
至于AI，除了文首提到在电子设计自动化领域DSO.ai、DesignDash这样的例子，AI似乎正以远超人们想象的速度在渗透各个领域。这其中颇具代表性的，如英伟达这些年都会在发布会上花大量时间去谈AI技术推动下，科学最前沿的一些新进展：不管是量子计算机研究加速、蛋白质折叠，还是核聚变反应堆的模拟仿真、地球气候精准到亚米范围内的预测；还有技术层面，如半导体制造lithography图案保真度分析、汽车自动驾驶实现，甚至基于计算流体力学来设计计算机内部的散热器...
从AI技术对于各行各业的推动，及为创新所作的贡献来看，虽说AI离自我“创新”还相去甚远，但起码AI正在辅助人类创新的开展。
“数智化”时代的挑战和机遇Sassine谈到，基于包含AI在内的4个变革技术，芯片设计和整个生态系统也面临了一些挑战（discontinuities），包括（1）复杂的软件供应链（Sassine说当前其复杂程度堪比芯片设计）；（2）SoC开始采用多die系统（MCM/chiplet，在持续实现性能弹性扩展、成本降低、突破reticle limit限制的必行之策）；（3）芯片生命周期管理的新形式；（4）人才紧缺问题。
“这些断层既带来了挑战，也孕育着创新机遇。人类对于‘万物智能互联世界’指数级增长的需求超越了摩尔定律演进的步伐。为了满足消费者快速变化的应用和体验需求，我们需要从系统级出发，结合AI和大数据分析等技术，通过定制化的创芯来解决不同领域的系统复杂性。”Sassine表示。
从系统层面，SysMoore也是新思这两年反复在提的概念，即不仅停留在半导体器件层面的scaling down，还从设计优化、先进封装、“硅健康监控（Silicon Health, Reliability & Lifetime）”、软件与AI技术等贯穿从硅到软件的更高抽象层级去解决问题。这应该也是新思所提出四大挑战的关键——毕竟这就是新思着力于解决的4个问题。
而从应用出发，打造更有针对性和差异化的芯片与解决方案，是这其中的“机遇”——尤其新思这类企业可着眼的未来机遇。今年的新思开发者大会探讨的主题之一是“数智化”热潮。数智化大概是万事万物数字+智能化的演进。而“数智化”带来的正是各行各业的新机遇。
“数字经济为传统产业赋能，这些产业的体量变得更大了。”葛群说，“工业革命蒸汽机出现，机械化改造了传统行业，让原来体量很大的传统行业变得更大。我想数智化还有芯片将重复这样的过程，但这波浪潮是更高维度、更高数量级。”“数字产业蓬勃发展，和传统行业结合，也能让传统行业的效率变得更高。”
举个颇具代表性的例子，这两年随数智化推进的一个热门话题是“低碳化”。今年WAIC（世界人工智能大会）上有关低碳化和国家双碳策略的探讨也相当热烈。从芯片设计到系统设备企业都在谈低碳、数据中心PUE、算力效率、有效算力...
随着算力需求增多，数据中心达成的算力越来越高，“数据中心消耗的电量增多了。”葛群表示，“数智化的底层逻辑是芯片、沙子。芯片运行底层是电。随着数字化程度的加深，缺电成为一个重要议题。”数据显示，2021年全国数据中心数量增长了30%，能源消耗同比增长44%；预计到2025年，数据中心耗电量约占全球用电量20%。低碳也就成为必行之道，不仅是能源问题角度，还在于对企业自身的成本控制。
“芯片低功耗技术过去发展了那么多年——我们的芯片power envelope限制在多少，供电怎么设计，确保那么多的晶体管在其工作电压下，以最高效率工作…我们需要去布有效的能源网络，让晶体管、模块高效地工作。”
“如果把家庭、工商业体都想象成晶体管。我们去帮助上海、全国、全世界所有的家庭、工商业体去协调用电，让电能够平稳供应。把芯片低功耗技术应用于城市电网，把过去做芯片、低功耗和高能效发挥的技术应用于国家电网；把新思过去这么多年探索芯片自动化设计的功耗优化技术，用于城市和国家电网。”
从“源网荷储一体化”角度，似乎芯片架构和城市能源网络还真有可类比性：则智能电网很大程度“等价于芯片低功耗架构”，“这是未来很有趣的工作”。不止于电网这样的领域，“农业、能源、医疗、制造业、建筑等传统产业都有待于开发者花时间去挖掘，和具体场景做出结合。”
在本次大会的展示区，新思就特别提到“如何把过去几十年积累的能耗管理技术和经验以及数字建模能力，复制到能源领域，助力能源产业数字化转型，寻找能源行业的‘摩尔定律’”；还有在“农业数字化”领域，新思“以基座技术之力加速农业各个环节的数字化转型”......
“曾经是科幻小说的很多情节现在都已经成真，新思也参与到了其中。”Sassine说。虽说AI技术并非其中全部，但AI是实现科幻小说诸多情节的基础之一，且正悄无声息地蔓延到从云到端的每个组成部分中，且随着数智化的进程推进，横向扩展到社会的千行百业。
责编：Luffy如何认识人工智能对未来经济社会的影响
原标题：如何认识人工智能对未来经济社会的影响人工智能作为一种新兴颠覆性技术，正在释放科技革命和产业变革积蓄的巨大能量，深刻改变着人类生产生活方式和思维方式，对经济发展、社会进步等方面产生重大而深远的影响。世界主要国家都高度重视人工智能发展，我国亦把新一代人工智能作为推动科技跨越发展、产业优化升级、生产力整体跃升的驱动力量。在此背景下，我们有必要更好认识和把握人工智能的发展进程，研究其未来趋势和走向。
人工智能不同于常规计算机技术依据既定程序执行计算或控制等任务，而是具有生物智能的自学习、自组织、自适应、自行动等特征。可以说，人工智能的实质是“赋予机器人类智能”。首先，人工智能是目标导向，而非指代特定技术。人工智能的目标是在某方面使机器具备相当于人类的智能，达到此目标即可称之为人工智能，具体技术路线则可能多种多样，多种技术类型和路线均被纳入人工智能范畴。例如，根据图灵测试方法，人类通过文字交流无法分辨智能机器与人类的区别，那么该机器就可以被认为拥有人类智能。其次，人工智能是对人类智能及生理构造的模拟。再次，人工智能发展涉及数学与统计学、软件、数据、硬件乃至外部环境等诸多因素。一方面，人工智能本身的发展，需要算法研究、训练数据集、人工智能芯片等横跨整个创新链的多个学科领域同步推进。另一方面，人工智能与经济的融合要求外部环境进行适应性变化，所涉的外部环境十分广泛，例如法律法规、伦理规范、基础设施、社会舆论等。随着人工智能进一步发展并与经济深度融合，其所涉外部环境范围还将进一步扩大，彼此互动和影响亦将日趋复杂。
总的来看，人工智能将波浪式发展。当前，人工智能正处于本轮发展浪潮的高峰。本轮人工智能浪潮的兴起，主要归功于数据、算力和算法的飞跃。一是移动互联网普及带来的大数据爆发，二是云计算技术应用带来的计算能力飞跃和计算成本持续下降，三是机器学习在互联网领域的应用推广。但人工智能技术成熟和大规模商业化应用可能仍将经历波折。人工智能的发展史表明，每一轮人工智能发展浪潮都遭遇了技术瓶颈制约，导致商业化应用难以落地，最终重新陷入低潮。本轮人工智能浪潮的技术上限和商业化潜力都大大高于以往，部分专用人工智能可能获得长足进步，但许多业内专家认为目前的人工智能从机理上还不存在向通用人工智能转化的可能性，人工智能大规模商业化应用仍将是一个长期而曲折的过程。人工智能的发展尚处于早期阶段，在可预见的未来仍将主要起到辅助人类工作而非替代人类的作用，同时，严重依赖数据输入和计算能力的人工智能距离真正的人类智能还有很大的差距。
作为继互联网后新一代“通用目的技术”，人工智能的影响可能遍及整个经济社会，创造出众多新兴业态。国内外普遍认为，人工智能将对未来经济发展产生重要影响。
一方面，人工智能将是未来经济增长的关键推动力。人工智能技术的应用将提升生产率，进而促进经济增长。许多商业研究机构对人工智能对经济的影响进行了预测，主要预测指标包括GDP增长率、市场规模、劳动生产率、行业增长率等。多数主要商业研究机构认为，总体上看，世界各国都将受益于人工智能，实现经济大幅增长。未来十年（至2030年），人工智能将助推全球生产总值增长12%左右。同时，人工智能将催生数个千亿美元甚至万亿美元规模的产业。人工智能对全球经济的推动和牵引，可能呈现出三种形态和方式。其一，它创造了一种新的虚拟劳动力，能够解决需要适应性和敏捷性的复杂任务，即“智能自动化”；其二，人工智能可以对现有劳动力和实物资产进行有力的补充和提升，提升员工能力，提高资本效率；其三，人工智能的普及将推动多行业的相关创新，提高全要素生产率，开辟崭新的经济增长空间。
另一方面，人工智能替代劳动的速度、广度和深度将前所未有。许多经济学家认为，人工智能使机器开始具备人类大脑的功能，将以全新的方式替代人类劳动，冲击许多从前受技术进步影响较小的职业，其替代劳动的速度、广度和深度将大大超越从前的技术进步。但他们同时指出，技术应用存在社会、法律、经济等多方面障碍，进展较为缓慢，技术对劳动的替代难以很快实现；劳动者可以转换技术禀赋；新技术的需求还将创造新的工作岗位。
当前，在人工智能对经济的影响这个领域，相关研究已经取得了一些成果，然而目前仍处于研究的早期探索阶段，还未形成成熟的理论和实证分析框架。不过，学界的一些基本共识已经达成：短期来看，人工智能发展将对我国经济产生显著促进作用；长期来看，人工智能的发展路径和速度难以预测。因此，我们需对人工智能加速发展可能导致的世界经济发展模式变化保持关注。
（作者单位：国务院发展研究中心创新发展研究部）