[18]可见，从政治决策层面到司法领导层面，再到司法实施层面，对于人工智能作为一种辅助功能的运用都表现出较为积极的态度。
如果忽略了这一点，以颗粒化程度低的知识图谱进行案件结果预测，仍然无法获得期望的效果。1.法律数据不充分 在棋类世界，Alphago及其后代虐遍围棋、国际象棋与日本将棋的人类高手，但却并未听闻Alphago打败中国象棋高手。
[32]例如河北高院历时近一年组织研发了智慧审判支持系统，帮助法官对电子卷宗进行文档化编辑，并按法律要素实现结构化管理，自动引用、排列、归纳和分析全要素案件数据，辅助法官完成文书的撰写。（三）薄弱的人才 法律人工智能的发展，不仅取决于法律数据与具体算法，还要求有既懂技术又知晓法律的复合型人才作为支撑。这既是由人类（包括法律人与公众）对法律职业的认知所决定，也是由人工智能自身的不足所决定。那么，我们当下法律数据的质与量如何呢？笔者的基本判断是，我们处于数据严重匮乏的状态，且可能在中短期内依然如此。如果是法律领域的专业人士进行或指导计算机行业的专业人才完成上述工作或许可以将偏差降至最低，但如果没有法律专业人士参与其间，偏差可能将无法被控制在一个可接受的范围内。
[33] 三是实体裁判的预测与监督。[4]Lex Machina公司在知识产权法律领域也通过人工智能预测裁判结果。这就从一个层面体现了海德格尔的论断：时间是领会存在的视野，没有离开时间的存在。
为什么会形成特定性规则？信息成本的大幅度降低意味着规则所调整的行为可能进入一个长期动态的重复博弈，而非规则文本所预设的一次性博弈的静态。[33] 参见[美]道格拉斯·G·拜尔、罗伯特·H·格特纳、兰德尔·C·皮克：《法律的博弈分析》，严旭阳译，法律出版社1999年版，第203-205页。恰好相反，只是某些在人类思维中会得到重视的信息被省略了，而另一些信息则进入算法处理的范围之中，表现为上一节所分析的那种个体性规则。更重要的是，当人们从平台获取法律运作结果的预测，由于此前的认知与反馈都可能成为积累下来的数据，其获取的结果正是人工智能学习这些数据之后形成的结果，这种结果不是一般性的，而是与具体的个人数据联系在一起。
但是，人工智能对于法律认知与法律规则的重构，进一步的影响将会传导到法律价值层面。香农所开创的信息论，提出的一个基础论断就是可以用信息熵来定量衡量信息的大小，小概率事件发生时所携带的信息量比大概率事件要多。
只有理解了人工智能这一技术变迁可能会使得法律本身有什么样的转型，才能更好去思考转型后的法律如何去应对人工智能所产生的具体法律问题。而在人工智能语境下，这种一般性的规则，本身已经遭遇了挑战。机器的学习不同于日常生活语言中所谓的学习定义，而是一个更为广义的概念，意味着计算机程序对于某类任务T和性能度量P，在T上以P衡量的性能随着经验E而自我完善。人们一度相信，从身份到契约的运动是历史前进的方向，人会逐渐成为一个抽象的自主性的个体而不是依附于某个群体获得不同的待遇，但现实却是信息的丰富使得群体的区分更加细致，人不是仅仅我思故我在，而是复杂的权力关系所构建而成的存在。
进入专题： 人工智能 法律价值 法律规则 法律认知 。人工智能完全可以不去涉足更深层次的法学理论诸神之争，而是仅从已有的司法数据与司法流程模板出发，得出较为表层的概括，为参与司法活动的人类提供辅助。[32] 参见[法]福柯：《词与物——人文科学考古学》，莫伟民译，上海三联书店2001年版，第395-447页。而对于人工智能而言，则不存在这一障碍，能够更为迅速完成整合全局数据的过程。
[26]如果错误的预期足够强大，法律职业逆潮流而动就变得没有意义，而只能顺势而为。三、人工智能语境下对法律认知的重构 从政府部门的推动，以及法律服务市场的商业逻辑出发，都可以预见到专业化的弱人工智能在法律活动中的运用将会逐渐扩展开来。
而当人工智能开始介入到这种服务市场的情况下，更为便捷因而也更为廉价的法律服务则成为可能。[38] [德]海德格尔：《存在与时间》，陈嘉映等译，三联书店2006年版，第21页。
但当上文所分析的那种概率性的个体化规则成为现实时，随着数据的积累与算法的学习，一个行为导致的影响不会因为单次的法律处理而终结，而是会持续产生影响，就无法真正排除法律行为之前的那些因素。而且，同法律推理的多元范式相似，机器学习中对于终极算法的探索也还存在着符号学派、联结学派、进化学派、贝叶斯学派、类推学派五大流派，每个学派对于学习的认识有着本质性的差异。[10] 二、效率导向推动下人工智能在法律活动中的应用 从将人工智能作为优化数据处理的计算机制出发，对于人工智能与法律的关联，很容易将其作为一种法律活动的辅助工具加以理解。而在信息成本的大幅度下降揭开了无知之幕之后，人们可以确定参与博弈的对方的相关信息，因而进入到重复博弈中，每一项行为的评价与回应都不会是孤立的，而是和此前的行为结合在一起，因而引发相应的对策。[11] 在人工智能进入商业与大众视野之前，第一篇讨论其法律问题的文章就探讨了这个问题，参见张保生：《人工智能法律系统的法理学思考》，载《法学评论》2001年第5期。由于算法形成的概率性规则基于此前积累的信息，那么那些对信息成本的承受能力较弱的法律活动参与者，就处于了相对不利的地位。
[37]在这种情形，个人构成了一种更具有时间性的存在。从效率导向出发,人工智能在法律活动中具有广阔的运用前景。
在传统模式下，法律面前人人平等意味着排除在法律行为之前存在的其他身份因素的干扰，仅从单一的法律行为来适用规则进行处理。法律运作的空间尺度是四维的，需要有时间的维度，而无法抽掉时间的绵延而在一个压缩到极致的静止时间点上讨论。
[摘要] 人工智能的发展,不仅在社会生活多方面提出了需要法律回应的新问题,也形成了法律本身变革的推动力。[16]最高人民法院周强院长指出要综合应用各种人工智能技术，实现智能审判、智能诉讼等司法辅助功能。
三个层次的研究比较而言，由于弱人工智能事实上已经在生活中的方方面面出现应用，具体的法律问题已经形成，而且对弱人工智能在具体层面的应用所作出的法律回应也比较容易整合进入现有的法律框架当中，因此成为人工智能与法律相关研究当中最主要的主题，并主要梳理出几个较为集中的主题。当只能认识到已经确定的唯一事件时，人们只能形成针对单一行为的一次性博弈对策。当然，这种规则的特殊性仍然是较弱的，针对的还是群体的人而非个体的人。正如我们在蒸汽火车时代无法想象高铁网络对地理空间的重塑，在手摇电话时代无法想象4G通信对信息传递的重塑，当这种预测的形成速度超过一定临界点时，变革就会变得明显起来。
而只要人工智能在法律领域的运用普及到一定程度，并不需要太强的人工智能水平，量变的积累就会走到质变的临界点。如果我们假定人的法律行为是自由意志指导之下的产物，则也应当认为其此前的行为具有逻辑上的一致性，是其自由意志的反映，那么也需要给予回应。
在人工智能得以充分运用的互联网社会中，每个人活动所生成的数据更容易被发现，同时也能够以更低成本得以储存，在有强大的计算能力对其进行分析之后，原始状态下的数据就转换成为更有意义的信息。上文的分析已经指出，对于规则的认识会成为一个动态的过程，数据的输入与反馈会不断引导人工智能进行学习，以自身的算法输出动态调整的规则。
对法律认知的重构，其实也会成为对法律主权的重构，通过算法，更多的权力将会渗透进来，这些渗入的权力不仅可能跨越政府-市场的边界，还可能跨越国家主权的边界。如果更多的参与者都不是基于自己或是购买服务的单个律师的服务形成对案件的预测，那么大量行动者对决策的调整会很大程度上改变当事人之间的博弈状态。
[11]就专注于具体专业领域发挥作用的弱人工智能而言，对于大量信息处理的效率，显然超过人类的法官与律师，通过其强大的计算能力，能够更快地通过现有的数据完成对于案件的前期分析，也能够更便捷的生成严格的形式理性化程序运作所需的各类材料，因而其在司法领域当中可能发挥的作用是显而易见的。即使不涉及更复杂的理论分歧，仅以同案同判作为一个简单的实现司法公平的标准，什么是同案同判，首先也是一个众说纷纭的问题，关于同类的标准，在不同的法学理论中有不同的认识。在传统模式下，如果法律活动的参与者有意愿和能力购买全面的法律服务，也完全可以一步步获取非常细致的法律意见进行决策。[31] 参见[美]波斯纳：《法理学问题》，苏力译，中国政法大学出版社2002年版，第57页。
在整个人类社会可能被重塑之前，法律本身会在很大程度上面临重构。当事人以及潜在的诉讼参与人同样有强烈的推动力借助于人工智能来提升法律活动的效率。
[42]但从法律保守、克制的特性出发，我们首先应当谨慎的思考人工智能将会如何决定法律的未来。而对于这种弱人工智能的界定，去除了简单的拟人式想象，只将其看作一种基于算法设计通过数据自主学习以优化数据处理的计算机制，本质在于算法和数据。
退一步说，即使我们固守法律应当是一般性规则而非个体性规则的经典原则。[42] 同前注8，霍斯特·艾丹米勒文。
