緒論：在尋找寫作靈感嗎？愛發(fā)表網(wǎng)為您精選了8篇人工智能論文，愿這些內(nèi)容能夠啟迪您的思維，激發(fā)您的創(chuàng)作熱情，歡迎您的閱讀與分享！

篇1

    長(zhǎng)久以來(lái)，人工智能對(duì)于普通人來(lái)說(shuō)是那樣的可望而不可及，然而它卻吸引了無(wú)數(shù)研究人員為之奉獻(xiàn)才智，從美國(guó)的麻省理工學(xué)院(mit)、卡內(nèi)基-梅隆大學(xué) (cmu)到ibm公司，再到日本的本田公司、sony公司以及國(guó)內(nèi)的清華大學(xué)、中科院等科研院所，全世界的實(shí)驗(yàn)室都在進(jìn)行著ai技術(shù)的實(shí)驗(yàn)。不久前，著 名導(dǎo)演斯蒂文·斯皮爾伯格還將這一主題搬上了銀幕，科幻片《人工智能》(a.i.)對(duì)許多人的頭腦又一次產(chǎn)生了震動(dòng)，引起了一些人士了解并探索人工智能領(lǐng) 域的興趣。

    在本期技術(shù)專題中，中國(guó)科學(xué)院計(jì)算技術(shù)研究所智能信息處理開放實(shí)驗(yàn)室的幾位研究人員將引領(lǐng)我們走近人工智能這一充滿挑戰(zhàn)與機(jī)遇的領(lǐng)域。

    計(jì)算機(jī)與人工智能

    "智能"源于拉丁語(yǔ)legere，字面意思是采集(特別是果實(shí))、收集、匯集，并由此進(jìn)行選擇，形成一個(gè)東西。intelegere是從中進(jìn)行選擇，進(jìn)而 理解、領(lǐng)悟和認(rèn)識(shí)。正如帕梅拉·麥考達(dá)克在《機(jī)器思維》(machines who thinks,1979)中所提出的: 在復(fù)雜的機(jī)械裝置與智能之間存在長(zhǎng)期的聯(lián)系。從幾個(gè)世紀(jì)前出現(xiàn)的神話般的巨鐘和機(jī)械自動(dòng)機(jī)開始，人們已對(duì)機(jī)器操作的復(fù)雜性與自身的某些智能活動(dòng)進(jìn)行直觀聯(lián) 系。經(jīng)過(guò)幾個(gè)世紀(jì)之后，新技術(shù)已使我們所建立的機(jī)器的復(fù)雜性大為提高。1936年，24歲的英國(guó)數(shù)學(xué)家圖靈(turing)提出了"自動(dòng)機(jī)"理論，把研究 會(huì)思維的機(jī)器和計(jì)算機(jī)的工作大大向前推進(jìn)了一步，他也因此被稱為"人工智能之父"。

    人工智能領(lǐng)域的研究是從1956年正式開始的，這一年在達(dá)特茅斯大學(xué)召開的會(huì)議上正式使用了"人工智能"(artificial intelligence，ai)這個(gè)術(shù)語(yǔ)。隨后的幾十年中，人們從問題求解、邏輯推理與定理證明、自然語(yǔ)言理解、博弈、自動(dòng)程序設(shè)計(jì)、專家系統(tǒng)、學(xué)習(xí)以 及機(jī)器人學(xué)等多個(gè)角度展開了研究，已經(jīng)建立了一些具有不同程度人工智能的計(jì)算機(jī)系統(tǒng)，例如能夠求解微分方程、設(shè)計(jì)分析集成電路、合成人類自然語(yǔ)言，而進(jìn)行 情報(bào)檢索，提供語(yǔ)音識(shí)別、手寫體識(shí)別的多模式接口，應(yīng)用于疾病診斷的專家系統(tǒng)以及控制太空飛行器和水下機(jī)器人更加貼近我們的生活。我們熟知的ibm的"深 藍(lán)"在棋盤上擊敗了國(guó)際象棋大師卡斯帕羅夫就是比較突出的例子。

    當(dāng)然，人工智能的發(fā)展也并不是一帆風(fēng)順的，也曾因計(jì)算機(jī)計(jì)算能力的限制無(wú)法模仿人腦的思考以及與實(shí)際需求的差距過(guò)遠(yuǎn)而走入低谷，但是隨著硬件和軟件的發(fā) 展，計(jì)算機(jī)的運(yùn)算能力在以指數(shù)級(jí)增長(zhǎng)，同時(shí)網(wǎng)絡(luò)技術(shù)蓬勃興起，確保計(jì)算機(jī)已經(jīng)具備了足夠的條件來(lái)運(yùn)行一些要求更高的ai軟件，而且現(xiàn)在的ai具備了更多的 現(xiàn)實(shí)應(yīng)用的基礎(chǔ)。90年代以來(lái)，人工智能研究又出現(xiàn)了新的。

    我們有幸采訪了中國(guó)科學(xué)院計(jì)算技術(shù)研究所智能信息處理開放實(shí)驗(yàn)室史忠植研究員，請(qǐng)他和他的實(shí)驗(yàn)室成員引領(lǐng)我們走近人工智能這個(gè)讓普通人感到深?yuàn)W卻又具有無(wú)窮魅力的領(lǐng)域。

    問: 目前人工智能研究出現(xiàn)了新的，那么現(xiàn)在有哪些新的研究熱點(diǎn)和實(shí)際應(yīng)用呢？

    答: ai研究出現(xiàn)了新的，這一方面是因?yàn)樵谌斯ぶ悄芾碚摲矫嬗辛诵碌倪M(jìn)展，另一方面也是因?yàn)橛?jì)算機(jī)硬件突飛猛進(jìn)的發(fā)展。隨著計(jì)算機(jī)速度的不斷提高、存儲(chǔ)容 量的不斷擴(kuò)大、價(jià)格的不斷降低以及網(wǎng)絡(luò)技術(shù)的不斷發(fā)展，許多原來(lái)無(wú)法完成的工作現(xiàn)在已經(jīng)能夠?qū)崿F(xiàn)。目前人工智能研究的3個(gè)熱點(diǎn)是: 智能接口、數(shù)據(jù)挖掘、主體及多主體系統(tǒng)。

    智能接口技術(shù)是研究如何使人們能夠方便自然地與計(jì)算機(jī)交流。為了實(shí)現(xiàn)這一目標(biāo)，要求計(jì)算機(jī)能夠看懂文字、聽懂語(yǔ)言、說(shuō)話表達(dá)，甚至能夠進(jìn)行不同語(yǔ)言之間的 翻譯，而這些功能的實(shí)現(xiàn)又依賴于知識(shí)表示方法的研究。因此，智能接口技術(shù)的研究既有巨大的應(yīng)用價(jià)值，又有基礎(chǔ)的理論意義。目前，智能接口技術(shù)已經(jīng)取得了顯 著成果，文字識(shí)別、語(yǔ)音識(shí)別、語(yǔ)音合成、圖像識(shí)別、機(jī)器翻譯以及自然語(yǔ)言理解等技術(shù)已經(jīng)開始實(shí)用化。

    數(shù)據(jù)挖掘就是從大量的、不完全的、有噪聲的、模糊的、隨機(jī)的實(shí)際應(yīng)用數(shù)據(jù)中提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識(shí)的過(guò)程。數(shù)據(jù) 挖掘和知識(shí)發(fā)現(xiàn)的研究目前已經(jīng)形成了三根強(qiáng)大的技術(shù)支柱: 數(shù)據(jù)庫(kù)、人工智能和數(shù)理統(tǒng)計(jì)。主要研究?jī)?nèi)容包括基礎(chǔ)理論、發(fā)現(xiàn)算法、數(shù)據(jù)倉(cāng)庫(kù)、可視化技術(shù)、定性定量互換模型、知識(shí)表示方法、發(fā)現(xiàn)知識(shí)的維護(hù)和再利用、半 結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)中的知識(shí)發(fā)現(xiàn)以及網(wǎng)上數(shù)據(jù)挖掘等。

    主體是具有信念、愿望、意圖、能力、選擇、承諾等心智狀態(tài)的實(shí)體，比對(duì)象的粒度更大，智能性更高，而且具有一定自主性。主體試圖自治地、獨(dú)立地完成任務(wù)， 而且可以和環(huán)境交互，與其他主體通信，通過(guò)規(guī)劃達(dá)到目標(biāo)。多主體系統(tǒng)主要研究在邏輯上或物理上分離的多個(gè)主體之間進(jìn)行協(xié)調(diào)智能行為，最終實(shí)現(xiàn)問題求解。多 主體系統(tǒng)試圖用主體來(lái)模擬人的理性行為，主要應(yīng)用在對(duì)現(xiàn)實(shí)世界和社會(huì)的模擬、機(jī)器人以及智能機(jī)械等領(lǐng)域。目前對(duì)主體和多主體系統(tǒng)的研究主要集中在主體和多 主體理論、主體的體系結(jié)構(gòu)和組織、主體語(yǔ)言、主體之間的協(xié)作和協(xié)調(diào)、通信和交互技術(shù)、多主體學(xué)習(xí)以及多主體系統(tǒng)應(yīng)用等方面。

    問: 您在人工智能領(lǐng)域研究了幾十年，參與了許多國(guó)家重點(diǎn)研究課題，非常清楚國(guó)內(nèi)外目前人工智能領(lǐng)域的研究情況。您認(rèn)為目前我國(guó)人工智能的研究情況如何？

    答: 我國(guó)開始"863計(jì)劃"時(shí)，正值全世界的人工智能熱潮。"863-306"主題的名稱是"智能計(jì)算機(jī)系統(tǒng)"，其任務(wù)就是在充分發(fā)掘現(xiàn)有計(jì)算機(jī)潛力的基礎(chǔ) 上，分析現(xiàn)有計(jì)算機(jī)在應(yīng)用中的缺陷和"瓶頸"，用人工智能技術(shù)克服這些問題，建立起更為和諧的人-機(jī)環(huán)境。經(jīng)過(guò)十幾年來(lái)的努力，我們縮短了我國(guó)人工智能技 術(shù)與世界先進(jìn)水平的差距，也為未來(lái)的發(fā)展奠定了技術(shù)和人才基礎(chǔ)。

    但是也應(yīng)該看到目前我國(guó)人工智能研究中還存在一些問題，其特點(diǎn)是: 課題比較分散，應(yīng)用項(xiàng)目偏多、基礎(chǔ)研究比例略少、理論研究與實(shí)際應(yīng)用需求結(jié)合不夠緊密。選題時(shí)，容易跟著國(guó)外的選題走; 立項(xiàng)論證時(shí)，慣于考慮國(guó)外怎么做; 落實(shí)項(xiàng)目時(shí)，又往往顧及面面俱到，大而全; 再加上受研究經(jīng)費(fèi)的限制，所以很多課題既沒有取得理論上的突破，也沒有太大的實(shí)際應(yīng)用價(jià)值。

    今后，基礎(chǔ)研究的比例應(yīng)該適當(dāng)提高，同時(shí)人工智能研究一定要與應(yīng)用需求相結(jié)合。科學(xué)研究講創(chuàng)新，而創(chuàng)新必須接受應(yīng)用和市場(chǎng)的檢驗(yàn)。因此，我們不僅要善于找到解決問題的答案，更重要的是要發(fā)現(xiàn)最迫切需要解決的問題和最迫切需要滿足的市場(chǎng)需求。

     問: 請(qǐng)您預(yù)測(cè)一下人工智能將來(lái)會(huì)向哪些方面發(fā)展？

    答: 技術(shù)的發(fā)展總是超乎人們的想象，要準(zhǔn)確地預(yù)測(cè)人工智能的未來(lái)是不可能的。但是，從目前的一些前瞻性研究可以看出未來(lái)人工智能可能會(huì)向以下幾個(gè)方面發(fā)展: 模糊處理、并行化、神經(jīng)網(wǎng)絡(luò)和機(jī)器情感。

    目前，人工智能的推理功能已獲突破，學(xué)習(xí)及聯(lián)想功能正在研究之中，下一步就是模仿人類右腦的模糊處理功能和整個(gè)大腦的并行化處理功能。人工神經(jīng)網(wǎng)絡(luò)是未來(lái) 人工智能應(yīng)用的新領(lǐng)域，未來(lái)智能計(jì)算機(jī)的構(gòu)成，可能就是作為主機(jī)的馮·諾依曼型機(jī)與作為智能外圍的人工神經(jīng)網(wǎng)絡(luò)的結(jié)合。研究表明: 情感是智能的一部分，而不是與智能相分離的，因此人工智能領(lǐng)域的下一個(gè)突破可能在于賦予計(jì)算機(jī)情感能力。情感能力對(duì)于計(jì)算機(jī)與人的自然交往至關(guān)重要。

    人工智能一直處于計(jì)算機(jī)技術(shù)的前沿，人工智能研究的理論和發(fā)現(xiàn)在很大程度上將決定計(jì)算機(jī)技術(shù)的發(fā)展方向。今天，已經(jīng)有很多人工智能研究的成果進(jìn)入人們的日常生活。將來(lái)，人工智能技術(shù)的發(fā)展將會(huì)給人們的生活、工作和教育等帶來(lái)更大的影響。

    什么是人工智能？

    人工智能也稱機(jī)器智能，它是計(jì)算機(jī)科學(xué)、控制論、信息論、神經(jīng)生理學(xué)、心理學(xué)、語(yǔ)言學(xué)等多種學(xué)科互相滲透而發(fā)展起來(lái)的一門綜合性學(xué)科。從計(jì)算機(jī)應(yīng)用系統(tǒng)的 角度出發(fā)，人工智能是研究如何制造出人造的智能機(jī)器或智能系統(tǒng)，來(lái)模擬人類智能活動(dòng)的能力，以延伸人們智能的科學(xué)。

    ai理論的實(shí)用性

    在一年一度at&t實(shí)驗(yàn)室舉行的機(jī)器人足球賽中，每支球隊(duì)的"球員"都裝備上了ai軟件和許多感應(yīng)器，它們都很清楚自己該踢什么位置，同時(shí)也明白 有些情況下不能死守崗位。盡管現(xiàn)在的ai技術(shù)只能使它們大部分時(shí)間處于個(gè)人盤帶的狀態(tài)，但它們傳接配合的能力正在以很快的速度改進(jìn)。

    這種ai機(jī)器人組隊(duì)打比賽看似無(wú)聊，但是有很強(qiáng)的現(xiàn)實(shí)意義。因?yàn)橥ㄟ^(guò)這類活動(dòng)可以加強(qiáng)機(jī)器之間的協(xié)作能力。我們知道，internet是由無(wú)數(shù)臺(tái)服務(wù)器和 無(wú)數(shù)臺(tái)路由器組成的，路由器的作用就是為各自的數(shù)據(jù)選擇通道并加以傳送，如果利用一些智能化的路由器很好地協(xié)作，就能分析出傳輸數(shù)據(jù)的最佳路徑，從而可以 大大減少網(wǎng)絡(luò)堵塞。

    我國(guó)也已經(jīng)在大學(xué)中開展了機(jī)器人足球賽，有很多學(xué)校組隊(duì)參加，引起了大學(xué)生對(duì)人工智能研究的興趣。

    未來(lái)的ai產(chǎn)品

    安放于加州勞倫斯·利佛摩爾國(guó)家實(shí)驗(yàn)室的asci white電腦，是ibm制造的世界最快的超級(jí)電腦，但其智力能力也僅為人腦的千分之一?，F(xiàn)在，ibm正在開發(fā)能力更為強(qiáng)大的新超級(jí)電腦--"藍(lán)色牛仔" (blue jean)。據(jù)其研究主任保羅·霍恩稱，預(yù)計(jì)于4年后誕生的"藍(lán)色牛仔"的智力水平將大致與人腦相當(dāng)。

篇2

以上論證說(shuō)明：人工智能技術(shù)可以在人類隱性智慧定義的工作框架內(nèi)模擬人類顯性智慧（人類智能）生成知識(shí)，創(chuàng)建主客雙贏的策略解決各種復(fù)雜問題。而這是現(xiàn)今其他各類技術(shù)做不到的。不過(guò)，由于在人工智能系統(tǒng)工作的基本過(guò)程中，（1）中客觀存在各種不確定性，人類給定的知識(shí)未必能夠理想地體現(xiàn)客觀規(guī)律，也未必能夠完全滿足求解問題的需要，（2）中人類預(yù)設(shè)的求解目標(biāo)也不見得完全合理，（3）中人工智能系統(tǒng)各個(gè)環(huán)節(jié)必然存在各種不理想性。因此，人工智能系統(tǒng)對(duì)人類顯性智慧能力的模擬不可能完全到位，人工智能系統(tǒng)提供的問題解答也有可能不如人類自己求出的解答。換言之，人工智能系統(tǒng)所模擬的人類顯性智慧能力，原則上不可能超過(guò)人類自己的顯性智慧能力。如果說(shuō)人工智能系統(tǒng)確實(shí)也有超人的地方，那主要是它的工作速度、工作精度、持久能力等因素，而不可能是顯性智慧中的智慧品質(zhì)。至于一些人所宣傳的機(jī)器超越人類甚至機(jī)器淘汰人類的說(shuō)法，是沒有根據(jù)的。無(wú)論是人工智能系統(tǒng)，還是其他各種機(jī)器系統(tǒng)，它們共同的問題之一是：機(jī)器沒有生命，沒有目的，不可能自主發(fā)現(xiàn)應(yīng)當(dāng)解決的實(shí)際問題，不可能自主形成機(jī)器的智慧，尤其不可能無(wú)中生有地形成超越人類和淘汰人類的荒唐愿望，因此更不可能產(chǎn)生淘汰人類或滅絕人類的行為。

2人工智能與信息技術(shù)的關(guān)系

圖2的人工智能系統(tǒng)模型表明，完整的人工智能技術(shù)系統(tǒng)必須具有如下環(huán)節(jié)：信息獲?。ǜ兄?、信息傳遞（通信）、信息處理（計(jì)算）、知識(shí)生成（認(rèn)知）、策略創(chuàng)建（決策）、策略執(zhí)行（控制）以及反饋學(xué)習(xí)優(yōu)化等基本技術(shù)系統(tǒng)，這正像“人”這個(gè)智能系統(tǒng)必須具有感覺器官（信息獲取）、傳輸神經(jīng)系統(tǒng)（信息傳遞）、思維器官（信息處理、知識(shí)生成、策略創(chuàng)建）以及執(zhí)行器官（策略執(zhí)行）。 其中傳感（感受信息）、通信（傳遞信息）、計(jì)算（處理信息）、控制（執(zhí)行信息）等技術(shù)屬于信息技術(shù)?？梢姡斯ぶ悄芟到y(tǒng)是一個(gè)全局整體，其中包含著傳感、通信、計(jì)算、控制等信息技術(shù)環(huán)節(jié)；這正像人這個(gè)智能系統(tǒng)是一個(gè)全局整體，其中包含感覺器官、傳輸神經(jīng)、丘腦和執(zhí)行器官這些信息器官。如果把人工智能系統(tǒng)稱為完整的人工智能系統(tǒng)，而把其中的知識(shí)生成和策略創(chuàng)建稱為核心人工智能系統(tǒng)，那么，則有：完整的人工智能系統(tǒng)＝核心人工智能系統(tǒng)＋信息技術(shù)系統(tǒng)其中，核心人工智能系統(tǒng)處于完整人工智能系統(tǒng)的核心，處理知識(shí)和智能層次的問題；信息技術(shù)系統(tǒng)處于完整人工智能系統(tǒng)的外周，處理信息層次的問題，同時(shí)擔(dān)任核心系統(tǒng)與外部環(huán)境之間的兩端接口：一端是從環(huán)境獲取本體論信息（傳感），另一端是對(duì)環(huán)境施加智能行為（控制）。這就表明，信息技術(shù)系統(tǒng)提供給人類的服務(wù)主要是方便快捷的信息共享，而不可能提供如何認(rèn)識(shí)事物本質(zhì)的服務(wù)（因?yàn)檫@需要知識(shí)），更不可能提供如何解決問題的服務(wù)（因?yàn)檫@需要智能策略）[2]。

3“新型”信息技術(shù)

近十多年來(lái)，先后出現(xiàn)了大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)、移動(dòng)互聯(lián)網(wǎng)以及各種互聯(lián)網(wǎng)的應(yīng)用技術(shù)。人們把它們稱為“新型”信息技術(shù)或“新一代”信息技術(shù)。深入分析可以發(fā)現(xiàn)，這些新型信息技術(shù)的核心技術(shù)正是核心人工智能系統(tǒng)的知識(shí)生成和策略創(chuàng)建技術(shù)。不妨以大數(shù)據(jù)技術(shù)為例加以說(shuō)明。圖3表示了大數(shù)據(jù)技術(shù)系統(tǒng)的工作流程。由于有著多種來(lái)源、多種背景以及多種格式，大數(shù)據(jù)通常是病態(tài)結(jié)構(gòu)或不良結(jié)構(gòu)的大規(guī)模數(shù)據(jù)集合，其中可能包含垃圾、病毒和黑客攻擊程序。因此，如圖3所示，大數(shù)據(jù)技術(shù)的第一個(gè)環(huán)節(jié)就是智能分類：把無(wú)用的數(shù)據(jù)識(shí)別分類出來(lái)加以過(guò)濾和抑制，把有用的數(shù)據(jù)按照某些特征進(jìn)行分類，再分門別類地送到恰當(dāng)?shù)脑朴?jì)算（和云存儲(chǔ)）系統(tǒng)，進(jìn)行相應(yīng)的信息處理，為知識(shí)生成（知識(shí)挖掘）做好必要的準(zhǔn)備。通過(guò)知識(shí)挖掘生成了足夠的知識(shí)之后，才可以把這些知識(shí)（結(jié)合求解目標(biāo)）轉(zhuǎn)換成為用來(lái)解決問題的智能策略。其中，智能分類、知識(shí)挖掘和策略創(chuàng)建都是人工智能的基本技術(shù)?？梢?，如果沒有這些人工智能技術(shù)，大數(shù)據(jù)就只能是數(shù)據(jù)，而不可能轉(zhuǎn)換成為有用的知識(shí)和可以用來(lái)解決問題的智能策略。

由此可知，大數(shù)據(jù)技術(shù)的核心就是人工智能技術(shù)，可以把它比較確切地稱為面向大數(shù)據(jù)的智能技術(shù)。而把它稱為新型信息技術(shù)則沒有真正抓住大數(shù)據(jù)技術(shù)的要害和本質(zhì)，模糊了人們對(duì)大數(shù)據(jù)技術(shù)和人工智能技術(shù)的認(rèn)識(shí)，不利于大數(shù)據(jù)技術(shù)的研究和發(fā)展，也不利于人工智能的研究和應(yīng)用。真正的智能物聯(lián)網(wǎng)模型不是別的，正是圖2所示的模型。如圖2所示，只要在綜合知識(shí)庫(kù)內(nèi)設(shè)置“對(duì)物控制的目標(biāo)”，那么“外部世界的物”的信息就經(jīng)由傳感器獲得，經(jīng)過(guò)通信系統(tǒng)傳送到計(jì)算系統(tǒng)并在這里進(jìn)行必要的處理即把信息變成適用的信息，接著由認(rèn)知系統(tǒng)轉(zhuǎn)換成為知識(shí)，然后由決策系統(tǒng)根據(jù)控制目標(biāo)把信息和知識(shí)轉(zhuǎn)換成為智能策略，智能策略再經(jīng)通信系統(tǒng)傳到執(zhí)行系統(tǒng)之后轉(zhuǎn)換成為智能行為反作用于所關(guān)注的“物”，使它的狀態(tài)符合預(yù)設(shè)的目標(biāo)。近來(lái)人們?cè)诿芮嘘P(guān)注著“互聯(lián)網(wǎng)＋”。其實(shí)，“互聯(lián)網(wǎng)＋”可以有兩種不同的理解。一種理解是當(dāng)前人們所關(guān)注的互聯(lián)網(wǎng)推廣，這里的“＋”就相當(dāng)于信息化的“化”，就是互聯(lián)網(wǎng)的各種應(yīng)用。另一種更有意義的理解則把“互聯(lián)網(wǎng)＋”理解為互聯(lián)網(wǎng)升級(jí)，就是把以計(jì)算機(jī)為終端的現(xiàn)有互聯(lián)網(wǎng)升級(jí)為以人工智能系統(tǒng)為終端的智能互聯(lián)網(wǎng)。這就是2015年全國(guó)兩會(huì)期間全國(guó)政協(xié)委員的“中國(guó)大腦”提案。應(yīng)當(dāng)認(rèn)為，互聯(lián)網(wǎng)推廣,即把互聯(lián)網(wǎng)應(yīng)用到各行各業(yè)是完全必要的，這是信息化建設(shè)的正常要求。但是，從信息化建設(shè)的發(fā)展大勢(shì)來(lái)看，互聯(lián)網(wǎng)升級(jí)即把當(dāng)前常規(guī)互聯(lián)網(wǎng)升級(jí)為智能互聯(lián)網(wǎng)則更為必要，這將為中國(guó)信息化建設(shè)注入更為強(qiáng)大的新活力，是轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式的需要，是國(guó)民經(jīng)濟(jì)產(chǎn)業(yè)升級(jí)的需要。綜上所述，大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)、智能物聯(lián)網(wǎng)技術(shù)，其實(shí)都是人工智能技術(shù)的相關(guān)具體應(yīng)用?？梢赃@么說(shuō)，如果沒有人工智能技術(shù)，單憑信息技術(shù)很難有效地應(yīng)對(duì)大數(shù)據(jù)和物聯(lián)網(wǎng)以及未來(lái)更多更復(fù)雜的技術(shù)挑戰(zhàn)。

4結(jié)束語(yǔ)

篇3

第一，植物的規(guī)格要確定好，要結(jié)合植物所適應(yīng)的地質(zhì)條件來(lái)對(duì)各種規(guī)格的植物進(jìn)行協(xié)調(diào)搭配。一般來(lái)說(shuō)，中型及其以上規(guī)格的喬木作為園林的架構(gòu)之一，會(huì)對(duì)整個(gè)園林所呈現(xiàn)出來(lái)的景觀效果起著重要作用，應(yīng)當(dāng)先進(jìn)行安放，然后才是小型規(guī)格的植物的安放，保證在園林景觀的細(xì)節(jié)處做好處理；第二，要合理組合植物的品種類型，落葉植物和針葉常綠植物之間在園林中所占的比例應(yīng)當(dāng)保持一定的平衡關(guān)系，對(duì)于植物如花卉、葉叢的顏色要協(xié)調(diào)好，一般以夏東兩季的植物色彩為主色調(diào)，其他色調(diào)為輔，以保證視覺上能起到互相補(bǔ)充的效果。

2園林設(shè)計(jì)中人工智能應(yīng)用現(xiàn)狀

2.1系統(tǒng)操作方面

由于園林設(shè)計(jì)既涉及藝術(shù)方法也涉及到技術(shù)手段，因此，對(duì)操作人員的綜合能力要求就比較高，也就是說(shuō)，操作人員應(yīng)當(dāng)對(duì)建筑理論、園林綠植知識(shí)和計(jì)算機(jī)基礎(chǔ)三方面綜合掌握，而事實(shí)上，很多參與園林設(shè)計(jì)的人員并沒有很強(qiáng)的工程操作能力，要求太高，難以實(shí)現(xiàn)。

2.2園林可重復(fù)使用性方面

目前來(lái)說(shuō)，園林的重復(fù)使用性還是太低，因?yàn)槊總€(gè)地方的氣候條件和地理環(huán)境都不相同，所以，針對(duì)一個(gè)地方所制作的園林設(shè)計(jì)并不能簡(jiǎn)單地復(fù)制到另一個(gè)地方，如蘇州園林的設(shè)計(jì)不能直接用在遼寧的園林設(shè)計(jì)，原因在于北方相對(duì)南方來(lái)說(shuō)，園林供水相對(duì)困難，山石種類不同，綠植花卉種類也不如南方園林的豐富，而且南北審美觀不同，北方園林設(shè)計(jì)多采用渾厚石材，綠植多為松、柏、楊、柳、榆、槐，加上三季更迭的花灌木，呈現(xiàn)剛健雄渾的特點(diǎn)，而南方則因?yàn)榛痉N類豐富，布局特別，注重山石與水的搭配，獨(dú)具精致淡雅的特點(diǎn)，由此可見，園林的可重復(fù)使用性不高。

2.3計(jì)算機(jī)輔助設(shè)計(jì)方面

計(jì)算機(jī)輔助設(shè)計(jì)即常說(shuō)的CAD。目前來(lái)說(shuō)，CAD并不能完全對(duì)口符合園林設(shè)計(jì)的需求，因?yàn)镃AD只能呈現(xiàn)出單一的圖形畫面，既不利于設(shè)計(jì)者進(jìn)行設(shè)計(jì)，也不利于客戶對(duì)設(shè)計(jì)者的設(shè)計(jì)的理解，導(dǎo)致客戶與設(shè)計(jì)者之間難免信息不對(duì)稱，造成一定的信息偏差，影響之后園林設(shè)計(jì)出來(lái)的成果。

3加強(qiáng)人工智能在園林設(shè)計(jì)中應(yīng)用的辦法

3.1園林子系統(tǒng)的設(shè)計(jì)

作為整個(gè)園林系統(tǒng)的組成部分，園林子系統(tǒng)的設(shè)定概要應(yīng)通過(guò)計(jì)算機(jī)實(shí)施建模，來(lái)對(duì)項(xiàng)目實(shí)施進(jìn)行基本設(shè)定，在獲得項(xiàng)目系統(tǒng)的自動(dòng)生成規(guī)則之后，在對(duì)所收集到的園林基本數(shù)進(jìn)行存檔，來(lái)作為全局的運(yùn)行參數(shù)，在一定程度上影響了計(jì)算機(jī)的運(yùn)行結(jié)果。一般來(lái)說(shuō)，存檔信息有園林的設(shè)計(jì)規(guī)模、投資情況、發(fā)展需求以及相關(guān)的環(huán)境因素等，存檔后，可能會(huì)對(duì)建筑的規(guī)模大小、選址、風(fēng)格特點(diǎn)以及植物的搭配等造成影響。

3.2地形子系統(tǒng)的設(shè)計(jì)

地形子系統(tǒng)的設(shè)計(jì)應(yīng)當(dāng)是通過(guò)計(jì)算機(jī)對(duì)采集到的地質(zhì)數(shù)據(jù)進(jìn)行推理而后才進(jìn)行的。一般來(lái)說(shuō)，會(huì)采用規(guī)則引擎最為計(jì)算機(jī)的推理機(jī)，是基于專家系統(tǒng)的模式下進(jìn)行推理的，工作原理是由機(jī)器來(lái)仿造人類在對(duì)事件進(jìn)行考慮的思維和方法，通過(guò)進(jìn)行試探性的方法來(lái)進(jìn)行推理，并不斷地對(duì)推理所得出來(lái)的結(jié)果進(jìn)行解釋和驗(yàn)證。對(duì)地質(zhì)情況進(jìn)行實(shí)時(shí)實(shí)地勘查是保證園林設(shè)計(jì)圖紙正常輸出的要求，這是不能單純地依靠計(jì)算機(jī)來(lái)實(shí)現(xiàn)的，因?yàn)榈刭|(zhì)勘查涉及到很多復(fù)雜地形的勘查，只能依靠人工的方式。地質(zhì)勘查可以分為前期階段和后期階段。前期階段主要是設(shè)定園林工程的初稿，因此，只要對(duì)地質(zhì)情況進(jìn)行系統(tǒng)的粗略勘察即可。后期階段主要是完成圖紙?jiān)O(shè)計(jì)要求，因此，對(duì)數(shù)據(jù)準(zhǔn)確性要求更高，并勘查人員對(duì)此進(jìn)行較為細(xì)致的處理。這以后才是通過(guò)對(duì)計(jì)算機(jī)智能系統(tǒng)軟件的使用來(lái)將前期階段和后期階段所獲得的數(shù)據(jù)進(jìn)行智能化處理，完成相關(guān)數(shù)據(jù)的細(xì)化以及修正，然后通過(guò)系統(tǒng)推理得到一個(gè)初步的園林模型。

3.3主干道路子系統(tǒng)的設(shè)計(jì)

對(duì)地形子系統(tǒng)進(jìn)行地形數(shù)據(jù)的輸出即可得到主干道路設(shè)計(jì)，因?yàn)槲覀兪紫韧瓿闪说匦蔚脑O(shè)計(jì)，因此，在接下來(lái)對(duì)道路進(jìn)行設(shè)計(jì)的過(guò)程中就可以有效地避免其他的建筑和設(shè)施的干擾，這之后的設(shè)計(jì)才能按部就班地開展。推理的總體規(guī)則為：首先，由園林的建設(shè)規(guī)模、投資情況等來(lái)對(duì)道路的類型和所需費(fèi)用等進(jìn)行計(jì)算，得到相關(guān)數(shù)據(jù)；然后，結(jié)合之前的輸出地形圖來(lái)生成推薦道路圖，并檢查道路的密度是否符合園林的設(shè)計(jì)規(guī)范，接著根據(jù)道路建設(shè)定額表來(lái)對(duì)工程造價(jià)進(jìn)行計(jì)算，看是否符合預(yù)期投資情況；最后，對(duì)道路圖進(jìn)行人工的調(diào)整，并反復(fù)驗(yàn)算。

3.4圖紙和圖表輸出子系統(tǒng)的設(shè)計(jì)

篇4

在飛行流量管理方面，飛行流量管理系統(tǒng)通過(guò)與輔助決策系統(tǒng)相結(jié)合，構(gòu)成了人工智能輔助決策系統(tǒng)的飛行流量管理模塊。該模塊主要通過(guò)計(jì)算飛行流量來(lái)避免飛行流量的沖突，進(jìn)而根據(jù)分析結(jié)果進(jìn)行航班的排序。從具體的應(yīng)用情況來(lái)看，首先，飛行流量的計(jì)算需要大量的原始數(shù)據(jù)，而這些數(shù)據(jù)既包含了歷史數(shù)據(jù)，也包含了實(shí)時(shí)數(shù)據(jù)。同時(shí)，由于這些數(shù)據(jù)是來(lái)自于空域、機(jī)場(chǎng)和氣象等多個(gè)方面的復(fù)雜信息，所以系統(tǒng)需要建立相應(yīng)的飛行流量管理數(shù)據(jù)庫(kù)，從而保證數(shù)據(jù)的準(zhǔn)確性和及時(shí)性，進(jìn)而保證飛行流量計(jì)算結(jié)果的可靠性。其次，在進(jìn)行飛行流量計(jì)算時(shí)，系統(tǒng)利用了飛行動(dòng)力學(xué)計(jì)算原理。根據(jù)數(shù)據(jù)庫(kù)的信息，系統(tǒng)對(duì)飛機(jī)的四維飛行軌跡進(jìn)行了計(jì)算，從而可以得知飛機(jī)的降落時(shí)間和降落地點(diǎn)。這樣，系統(tǒng)就可以得出任意航段和交匯點(diǎn)在任意時(shí)間的飛行架次，進(jìn)而列出潛在的飛行流量沖突信息。再者，在得知以上信息后，系統(tǒng)需要對(duì)這些信息進(jìn)行分析，從而進(jìn)行航班的排序，進(jìn)而避免飛行流量的沖突。在排序方面，系統(tǒng)不僅可以實(shí)現(xiàn)飛行計(jì)劃的過(guò)程仿真，還可以找出空域資源的“空閑”狀態(tài)，進(jìn)而利用該狀態(tài)，進(jìn)行航班和起降順序的調(diào)整。而具體的排序原則有兩個(gè)，一是優(yōu)先級(jí)排序，二是全排列。其中，優(yōu)先排序是按照一定的標(biāo)準(zhǔn)給這些航班擬定優(yōu)先級(jí)，然后按照優(yōu)先順序進(jìn)行航班的排序。而優(yōu)先級(jí)的擬定標(biāo)準(zhǔn)有很多，比如飛行任務(wù)、機(jī)型、機(jī)場(chǎng)和時(shí)間等因素，都可以成為優(yōu)先級(jí)的擬定標(biāo)準(zhǔn)。全排列原則是對(duì)沖突的航班進(jìn)行全排列，從而根據(jù)每一次排列的延誤損失，選擇損失最小的排序方法。相比較來(lái)說(shuō)，全排序法雖然較為科學(xué)，但是系統(tǒng)需要承擔(dān)的運(yùn)算量較大，因此會(huì)占用系統(tǒng)較多的內(nèi)存資源。

2人工智能技術(shù)在飛行沖突探測(cè)與解脫管理方面的應(yīng)用

人工智能技術(shù)的應(yīng)用可以使空中交通管理系統(tǒng)具有高智能化的特征，從而滿足飛行沖突與解脫管理方案自動(dòng)生成的需要。具體來(lái)說(shuō)，實(shí)現(xiàn)這一功能的模塊是飛行沖突探測(cè)與解脫輔助決策模塊，而該模塊是由沖突探測(cè)與解脫系統(tǒng)和輔助決策系統(tǒng)組成的。該模塊不但可以實(shí)現(xiàn)飛行沖突的預(yù)測(cè)，還可以為管制人員提供飛行沖突調(diào)配的決策方案，從而減輕管制人員的壓力，幫助他們做出正確的決定。所以，該系統(tǒng)的應(yīng)用，彌補(bǔ)了人類與機(jī)器各自存在的不足，從而有效的避免了因人為失誤或機(jī)械故障而造成的飛行事故。從原理角度來(lái)看，系統(tǒng)首先通過(guò)分析飛行沖突情況來(lái)制定可能的解脫方案，然后根據(jù)航空器優(yōu)先級(jí)分類方法和沖突類型判定法等多種規(guī)則，進(jìn)行方案的選擇和排除。在這一推理過(guò)程中，為了保證系統(tǒng)推理的有效性，系統(tǒng)需要根據(jù)大量的規(guī)則來(lái)進(jìn)行方案的推理選擇。而這些規(guī)則，則要被統(tǒng)一存入知識(shí)庫(kù)系統(tǒng)中。這樣，管制人員只要在平時(shí)做好知識(shí)庫(kù)系統(tǒng)的更新和維護(hù)，就能夠保證系統(tǒng)推理的有效性，從而根據(jù)系統(tǒng)提供的方案，來(lái)進(jìn)行飛行沖突航班的排序。

3結(jié)論

篇5

機(jī)械電子產(chǎn)品雖然結(jié)構(gòu)相對(duì)簡(jiǎn)單化，沒有摻雜過(guò)多的運(yùn)動(dòng)元件或者部件，但是它的內(nèi)部結(jié)構(gòu)是非常復(fù)雜的，若想要產(chǎn)品的性能得到提高，就必須將傳統(tǒng)落后的笨探究機(jī)械電子工程與人工智能的關(guān)系姚磊河北農(nóng)業(yè)大學(xué)機(jī)電工程學(xué)院河北保定071000重機(jī)械面貌徹底拋棄，縮小物理體積。由于機(jī)械電子工程所涉及和利用到的內(nèi)容非常廣泛，所以電子機(jī)械工程是一種具有極強(qiáng)綜合性的學(xué)科。機(jī)械電子工程的基礎(chǔ)是傳統(tǒng)機(jī)械工程，同時(shí)充分利用計(jì)算機(jī)的輔助作用，來(lái)強(qiáng)化機(jī)械電子工程的核心力量。這使得機(jī)械電子工程與其他學(xué)科相比較而言更能體現(xiàn)出科學(xué)性，并且能夠保證滿足系統(tǒng)配置方面的設(shè)計(jì)需求。機(jī)械電子工程充分利用到專業(yè)設(shè)計(jì)模板來(lái)完善機(jī)械電子設(shè)備，發(fā)揮設(shè)計(jì)應(yīng)用中的模板作用，這樣有利于保證機(jī)械電子工程設(shè)計(jì)能夠順利進(jìn)行。機(jī)械電子工程產(chǎn)品在設(shè)計(jì)結(jié)構(gòu)方面較為簡(jiǎn)單，并且元件利用數(shù)量也是相對(duì)較少的。所以在這種情況下，要通過(guò)持續(xù)提升產(chǎn)品性能，強(qiáng)化機(jī)械電子產(chǎn)品質(zhì)量，優(yōu)化機(jī)械電子產(chǎn)品的結(jié)構(gòu)，來(lái)滿足消費(fèi)者的更多需求。

2人工智能的定義及特點(diǎn)

何為人工智能，人工智能是一門綜合了計(jì)算機(jī)科學(xué)、信息論、控制論、神經(jīng)生理學(xué)、語(yǔ)言學(xué)、心理學(xué)、哲學(xué)等多門學(xué)科的交叉性學(xué)科，是21世紀(jì)最偉大的三大學(xué)科之一。人工智能的發(fā)展其實(shí)經(jīng)歷了一段非常漫長(zhǎng)的歷程，人工智能在計(jì)算機(jī)開始發(fā)展的初期就已經(jīng)被應(yīng)用到了各個(gè)方面，只是它在起初所發(fā)揮的作用相對(duì)而言是非常小的，并沒有得到足夠的重視或者引起足夠的注意。但是隨著時(shí)代的進(jìn)步，人工智能已經(jīng)擺脫了過(guò)去相對(duì)弱小的形象，發(fā)生了翻天覆地的變化，得到了很大的改善。人工智能發(fā)生的這些轉(zhuǎn)變正是人類對(duì)計(jì)算機(jī)的應(yīng)用和熟悉程度的轉(zhuǎn)變。信息時(shí)代的趨勢(shì)已經(jīng)使人工智能技術(shù)得到了很大的強(qiáng)化，在社會(huì)中的地位也越來(lái)越重要。機(jī)械電子工程的發(fā)展需要依靠人工智能的力量和支撐，相信隨著人們對(duì)人工智能更加深入的研究，人工智能模仿人類思維的能力定會(huì)越來(lái)越強(qiáng)大。只有對(duì)人工智能不斷創(chuàng)新和改善，才能在計(jì)算機(jī)語(yǔ)言理解和應(yīng)用方面得到更大的進(jìn)步，才能更加符合機(jī)械電子工程的發(fā)展需求。

3機(jī)械電子工程與人工智能的關(guān)系

機(jī)械電子工程在應(yīng)用上不穩(wěn)定主要表現(xiàn)在系統(tǒng)輸入輸出的問題，即利用數(shù)學(xué)方程來(lái)建立模型，并且依靠人工智能來(lái)完成對(duì)傳統(tǒng)知識(shí)學(xué)習(xí)的更新，這種解析數(shù)學(xué)的相關(guān)方式在機(jī)械電子工程中的應(yīng)用是非常廣泛的。傳統(tǒng)機(jī)械工程方式的應(yīng)用是非常簡(jiǎn)單的，但是隨著時(shí)代的發(fā)展和科學(xué)技術(shù)的進(jìn)步，新時(shí)期出現(xiàn)的機(jī)械電子工程系統(tǒng)在處理各種問題時(shí)是相對(duì)復(fù)雜的，會(huì)通過(guò)配置多種系統(tǒng)對(duì)信息類型來(lái)進(jìn)行區(qū)分。但是人工智能在機(jī)械電子工程領(lǐng)域還存在著一些不確定的因素，在計(jì)算機(jī)電子工程中，人工智能信息處理的方式主要采用的是解析數(shù)學(xué)措施，其應(yīng)用方式主要是利用網(wǎng)絡(luò)神經(jīng)系統(tǒng)對(duì)網(wǎng)絡(luò)系統(tǒng)進(jìn)行合理安排，將神經(jīng)系統(tǒng)迷你成人腦的結(jié)構(gòu)，根據(jù)相關(guān)數(shù)字所傳達(dá)出來(lái)的信號(hào)，對(duì)已經(jīng)搜集到的資源進(jìn)行參數(shù)分析。其實(shí)，人工智能在機(jī)械電子工程中的應(yīng)用是有差異的，這種差異性也是人工智能的一種特點(diǎn)，沒有辦法對(duì)網(wǎng)絡(luò)系統(tǒng)進(jìn)行有效的描述，同時(shí)在建設(shè)系統(tǒng)資料庫(kù)的過(guò)程中進(jìn)行嚴(yán)密數(shù)學(xué)分析，在分析過(guò)程中若是出現(xiàn)錯(cuò)誤會(huì)直接影響到網(wǎng)絡(luò)系統(tǒng)的建設(shè)，甚至導(dǎo)致網(wǎng)絡(luò)系統(tǒng)的崩潰。創(chuàng)新工程方式，加強(qiáng)人工智能信息的服務(wù)建設(shè)是保證機(jī)械電子工程能夠順利開展和進(jìn)行的關(guān)鍵。隨著時(shí)代的發(fā)展和人民日益增長(zhǎng)的需求，生活方式的單一性早已不能滿足社會(huì)的發(fā)展需求速度。不斷完善的綜合性人工智能系統(tǒng)必將會(huì)使生產(chǎn)模式發(fā)生轉(zhuǎn)變。利用模型推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)的優(yōu)勢(shì)來(lái)補(bǔ)充綜合性人工智能，逐步完善機(jī)械電子工程的發(fā)展，網(wǎng)絡(luò)系統(tǒng)得到完善的必然結(jié)果就是模型推理系統(tǒng)。同時(shí)，模型推理系統(tǒng)也是二者功能性融合的重要體現(xiàn)。人工智能通過(guò)網(wǎng)絡(luò)信息資源進(jìn)行完整性表達(dá)，完善機(jī)械電子和人工智能的密切關(guān)系。

4結(jié)束語(yǔ)

篇6

【關(guān)鍵詞】法理學(xué)/法律推理/人工智能

【正文】

一、人工智能法律系統(tǒng)的歷史

計(jì)算機(jī)先驅(qū)思想家萊布尼茲曾這樣不無(wú)浪漫地談到推理與計(jì)算的關(guān)系：“我們要造成這樣一個(gè)結(jié)果，使所有推理的錯(cuò)誤都只成為計(jì)算的錯(cuò)誤，這樣，當(dāng)爭(zhēng)論發(fā)生的時(shí)候，兩個(gè)哲學(xué)家同兩個(gè)計(jì)算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個(gè)人面對(duì)面地說(shuō)：讓我們來(lái)計(jì)算一下吧！”（注：轉(zhuǎn)引自肖爾茲著：《簡(jiǎn)明邏輯史》，張家龍譯，商務(wù)印書館1977年版，第54頁(yè)。）

如果連抽象的哲學(xué)推理都能轉(zhuǎn)變?yōu)橛?jì)算問題來(lái)解決，法律推理的定量化也許還要相對(duì)簡(jiǎn)單一些。盡管理論上的可能性與技術(shù)可行性之間依然存在著巨大的鴻溝，但是，人工智能技術(shù)的發(fā)展速度確實(shí)令人驚嘆。從誕生至今的短短45年內(nèi)，人工智能從一般問題的研究向特殊領(lǐng)域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數(shù)學(xué)原理》第二章52個(gè)定理中的38個(gè)定理。塞繆爾的課題組利用對(duì)策論和啟發(fā)式探索技術(shù)開發(fā)的具有自學(xué)習(xí)能力的跳棋程序，在1959年擊敗了其設(shè)計(jì)者，1962年擊敗了州跳棋冠軍，1997年超級(jí)計(jì)算機(jī)“深藍(lán)”使世界頭號(hào)國(guó)際象棋大師卡斯帕羅夫俯首稱臣。

20世紀(jì)60年代，人工智能研究的主要課題是博弈、難題求解和智能機(jī)器人；70年代開始研究自然語(yǔ)言理解和專家系統(tǒng)。1971年費(fèi)根鮑姆教授等人研制出“化學(xué)家系統(tǒng)”之后，“計(jì)算機(jī)數(shù)學(xué)家”、“計(jì)算機(jī)醫(yī)生”等系統(tǒng)相繼誕生。在其他領(lǐng)域?qū)＜蚁到y(tǒng)研究取得突出成就的鼓舞下，一些律師提出了研制“法律診斷”系統(tǒng)和律師系統(tǒng)的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）

1970年Buchanan&Headrick發(fā)表了《關(guān)于人工智能和法律推理若干問題的考察》，一文，拉開了對(duì)法律推理進(jìn)行人工智能研究的序幕。文章認(rèn)為，理解、模擬法律論證或法律推理，需要在許多知識(shí)領(lǐng)域進(jìn)行艱難的研究。首先要了解如何描述案件、規(guī)則和論證等幾種知識(shí)類型，即如何描述法律知識(shí)，其中處理開放結(jié)構(gòu)的法律概念是主要難題。其次，要了解如何運(yùn)用各種知識(shí)進(jìn)行推理，包括分別運(yùn)用規(guī)則、判例和假設(shè)的推理，以及混合運(yùn)用規(guī)則和判例的推理。再次，要了解審判實(shí)踐中法律推理運(yùn)用的實(shí)際過(guò)程，如審判程序的運(yùn)行，規(guī)則的適用，事實(shí)的辯論等等。最后，如何將它們最終運(yùn)用于編制能執(zhí)行法律推理和辯論任務(wù)的計(jì)算機(jī)程序，區(qū)別和分析不同的案件，預(yù)測(cè)并規(guī)避對(duì)手的辯護(hù)策略，建立巧妙的假設(shè)等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在這一時(shí)期主要沿著兩條途徑前進(jìn)：一是基于規(guī)則模擬歸納推理，70年代初由WalterG.Popp和BernhardSchlink開發(fā)了JUDITH律師推理系統(tǒng)。二是模擬法律分析，尋求在模型與以前貯存的基礎(chǔ)數(shù)據(jù)之間建立實(shí)際聯(lián)系，并僅依這種關(guān)聯(lián)的相似性而得出結(jié)論。JeffreyMeld-man1977年開發(fā)了計(jì)算機(jī)輔助法律分析系統(tǒng)，它以律師推理為模擬對(duì)象，試圖識(shí)別與案件事實(shí)模型相似的其他案件?？紤]到律師分析案件既用歸納推理又用演繹推理，程序?qū)烧叨冀o予了必要的關(guān)注，并且包括了各種水平的分析推理方法。

專家系統(tǒng)在法律中的第一次實(shí)際應(yīng)用，是D.沃特曼和M.皮特森1981年開發(fā)的法律判決輔助系統(tǒng)(LDS)。研究者探索將其當(dāng)作法律適用的實(shí)踐工具，對(duì)美國(guó)民法制度的某個(gè)方面進(jìn)行檢測(cè)，運(yùn)用嚴(yán)格責(zé)任、相對(duì)疏忽和損害賠償?shù)饶Ｐ?，?jì)算出責(zé)任案件的賠償價(jià)值，并論證了如何模擬法律專家意見的方法論問題。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）

我國(guó)法律專家系統(tǒng)的研制于20世紀(jì)80年代中期起步。（注：錢學(xué)森教授：《論法治系統(tǒng)工程的任務(wù)與方法》（《科技管理研究》1981年第4期）、《社會(huì)主義和法治學(xué)與現(xiàn)代科學(xué)技術(shù)》（《法制建設(shè)》1984年第3期）、《現(xiàn)代科學(xué)技術(shù)與法和法制建設(shè)》（《政法論壇》）1985年第3期）等文章，為我國(guó)法律專家系統(tǒng)的研發(fā)起了思想解放和理論奠基作用。）1986年由朱華榮、肖開權(quán)主持的《量刑綜合平衡與電腦輔助量刑專家系統(tǒng)研究》被確定為國(guó)家社科“七五”研究課題，它在建立盜竊罪量刑數(shù)學(xué)模型方面取得了成果。在法律數(shù)據(jù)庫(kù)開發(fā)方面，1993年中山大學(xué)學(xué)生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動(dòng)化系統(tǒng)》。（注：楊建廣、駱梅芬編著：《法治系統(tǒng)工程》，中山大學(xué)出版社1996年版，第344-349頁(yè)。）1993年武漢大學(xué)法學(xué)院趙廷光教授主持開發(fā)了《實(shí)用刑法專家系統(tǒng)》。（注：趙廷光等著：《實(shí)用刑法專家系統(tǒng)用戶手冊(cè)》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統(tǒng)、輔助定性系統(tǒng)和輔助量刑系統(tǒng)組成，具有檢索刑法知識(shí)和對(duì)刑事個(gè)案進(jìn)行推理判斷的功能。

專家系統(tǒng)與以往的“通用難題求解”相比具有以下特點(diǎn)：(1)它要解決復(fù)雜的實(shí)際問題，而不是規(guī)則簡(jiǎn)單的游戲或數(shù)學(xué)定理證明問題；(2)它面向更加專門的應(yīng)用領(lǐng)域，而不是單純的原理性探索；(3)它主要根據(jù)具體的問題域，選擇合理的方法來(lái)表達(dá)和運(yùn)用特殊的知識(shí)，而不強(qiáng)調(diào)與問題的特殊性無(wú)關(guān)的普適性推理和搜索策略。

法律專家系統(tǒng)在法規(guī)和判例的輔助檢索方面確實(shí)發(fā)揮了重要作用，解放了律師一部分腦力勞動(dòng)。但絕大多數(shù)專家系統(tǒng)目前只能做法律數(shù)據(jù)的檢索工作，缺乏應(yīng)有的推理功能。20世紀(jì)90年代以后，人工智能法律系統(tǒng)進(jìn)入了以知識(shí)工程為主要技術(shù)手段的開發(fā)時(shí)期。知識(shí)工程是指以知識(shí)為處理對(duì)象，以能在計(jì)算機(jī)上表達(dá)和運(yùn)用知識(shí)的技術(shù)為主要手段，研究知識(shí)型系統(tǒng)的設(shè)計(jì)、構(gòu)造和維護(hù)的一門更加高級(jí)的人工智能技術(shù)。（注：《中國(guó)大百科全書·自動(dòng)控制與系統(tǒng)工程》，中國(guó)大百科全書出版社1991年版，第579頁(yè)。）知識(shí)工程概念的提出，改變了以往人們認(rèn)為幾個(gè)推理定律再加上強(qiáng)大的計(jì)算機(jī)就會(huì)產(chǎn)生專家功能的信念。以知識(shí)工程為技術(shù)手段的法律系統(tǒng)研制，如果能在法律知識(shí)的獲得、表達(dá)和應(yīng)用等方面獲得突破，將會(huì)使人工智能法律系統(tǒng)的研制產(chǎn)生一個(gè)質(zhì)的飛躍。

人工智能法律系統(tǒng)的發(fā)展源于兩種動(dòng)力。其一是法律實(shí)踐自身的要求。隨著社會(huì)生活和法律關(guān)系的復(fù)雜化，法律實(shí)踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無(wú)法承受法律文獻(xiàn)日積月累和法律案件不斷增多的重負(fù)。其二是人工智能發(fā)展的需要。人工智能以模擬人的全部思維活動(dòng)為目標(biāo)，但又必須以具體思維活動(dòng)一城一池的攻克為過(guò)程。它需要通過(guò)對(duì)不同思維領(lǐng)域的征服，來(lái)證明知識(shí)的每個(gè)領(lǐng)域都可以精確描述并制造出類似人類智能的機(jī)器。此外，人工智能選擇法律領(lǐng)域?qū)で笸黄疲€有下述原因：(1)盡管法律推理十分復(fù)雜，但它有相對(duì)穩(wěn)定的對(duì)象（案件）、相對(duì)明確的前提（法律規(guī)則、法律事實(shí)）及嚴(yán)格的程序規(guī)則，且須得出確定的判決結(jié)論。這為人工智能模擬提供了極為有利的條件。(2)法律推理特別是抗辯制審判中的司法推理，以明確的規(guī)則、理性的標(biāo)準(zhǔn)、充分的辯論，為觀察思維活動(dòng)的軌跡提供了可以記錄和回放的樣本。(3)法律知識(shí)長(zhǎng)期的積累、完備的檔案，為模擬法律知識(shí)的獲得、表達(dá)和應(yīng)用提供了豐富、準(zhǔn)確的資料。(4)法律活動(dòng)所特有的自我意識(shí)、自我批評(píng)精神，對(duì)法律程序和假設(shè)進(jìn)行檢驗(yàn)的傳統(tǒng)，為模擬法律推理提供了良好的反思條件。

二、人工智能法律系統(tǒng)的價(jià)值

人工智能法律系統(tǒng)的研制對(duì)法學(xué)理論和法律實(shí)踐的價(jià)值和意義，可以概括為以下幾點(diǎn)：

一是方法論啟示。P.Wahlgren說(shuō)：“人工智能方法的研究可以支持和深化在創(chuàng)造性方法上的法理學(xué)反思。這個(gè)信仰反映了法理學(xué)可以被視為旨在于開發(fā)法律分析和法律推理之方法的活動(dòng)。從法理學(xué)的觀點(diǎn)看，這種研究的最終目標(biāo)是揭示方法論的潛在作用，從而有助于開展從法理學(xué)觀點(diǎn)所提出的解決方法的討論，而不僅僅是探討與計(jì)算機(jī)科學(xué)和人工智能有關(guān)的非常細(xì)致的技術(shù)方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模擬法律推理的過(guò)程中，法學(xué)家通過(guò)與工人智能專家的密切合作，可以從其對(duì)法律推理的獨(dú)特理解中獲得有關(guān)方法論方面的啟示。例如，由于很少有兩個(gè)案件完全相似，在判例法實(shí)踐中，總有某些不相似的方面需要法律家運(yùn)用假設(shè)來(lái)分析已有判例與現(xiàn)實(shí)案件的相關(guān)性程度。但法學(xué)家們?cè)诩僭O(shè)的性質(zhì)問題上常常莫衷一是。然而HYPO的設(shè)計(jì)者，在無(wú)真實(shí)判例或真實(shí)判例不能充分解釋現(xiàn)實(shí)案件的情況下，以假設(shè)的反例來(lái)反駁對(duì)方的觀點(diǎn)，用補(bǔ)充、刪減和改變事實(shí)的機(jī)械論方法來(lái)生成假設(shè)。這種用人工智能方法來(lái)處理假設(shè)的辦法，就使復(fù)雜問題變得十分簡(jiǎn)單：假設(shè)實(shí)際上是一個(gè)新的論證產(chǎn)生于一個(gè)經(jīng)過(guò)修正的老的論證的過(guò)程?？傊?，人工智能方法可以幫助法學(xué)家跳出法理學(xué)方法的思維定勢(shì)，用其他學(xué)科的方法來(lái)重新審視法學(xué)問題，從而為法律問題的解決提供了新的途徑。

二是提供了思想實(shí)驗(yàn)手段。西蒙認(rèn)為，盡管我們還不知道思維在頭腦中是怎樣由生理作用完成的，“但我們知道這些處理在數(shù)字電子計(jì)算機(jī)中是由電子作用完成的。給計(jì)算機(jī)編程序使之思維，已經(jīng)證明有可能為思維提供機(jī)械論解釋”。（注：轉(zhuǎn)引自童天湘：《人工智能與第N代計(jì)算機(jī)》，載《哲學(xué)研究》1985年第5期。）童天湘先生認(rèn)為：“通過(guò)編制有關(guān)思維活動(dòng)的程序，就會(huì)加深對(duì)思維活動(dòng)具體細(xì)節(jié)的了解，并將這種程序送進(jìn)計(jì)算機(jī)運(yùn)行，檢驗(yàn)其正確性。這是一種思想實(shí)驗(yàn)，有助于我們研究人腦思維的機(jī)理?！保ㄗⅲ恨D(zhuǎn)引自童天湘：《人工智能與第N代計(jì)算機(jī)》，載《哲學(xué)研究》1985年第5期。）人工智能法律系統(tǒng)研究的直接目標(biāo)是使計(jì)算機(jī)能夠獲取、表達(dá)和應(yīng)用法律知識(shí)，軟件工程師為模擬法律推理而編制程序，必須先對(duì)人的推理過(guò)程作出基于人工智能理論和方法的獨(dú)特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結(jié)構(gòu)之前，首先從功能上對(duì)法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動(dòng)進(jìn)行數(shù)理分析，將法理學(xué)、訴訟法學(xué)關(guān)于法律推理的研究成果模型化，以實(shí)現(xiàn)法律推理知識(shí)的機(jī)器表達(dá)或再現(xiàn)，從而為認(rèn)識(shí)法律推理的過(guò)程和規(guī)律提供了一種實(shí)驗(yàn)手段。法學(xué)家則可以將人工智能法律系統(tǒng)的推理過(guò)程、方法和結(jié)論與人類法律推理活動(dòng)相對(duì)照，為法律推理的法理學(xué)研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對(duì)法律推理性質(zhì)、要素和過(guò)程的認(rèn)識(shí)，使法學(xué)家得以借助人工智能科學(xué)的敏銳透鏡去考察法律推理的微觀機(jī)制。正是在這個(gè)意義上，BryanNiblett教授說(shuō)：“一個(gè)成功的專家系統(tǒng)很可能比其他的途徑對(duì)法理學(xué)作出更多的（理論）貢獻(xiàn)?！保ㄗⅲ築ryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）

三是輔助司法審判。按照格雷的觀點(diǎn)，法律專家系統(tǒng)首先在英美判例法國(guó)家出現(xiàn)的直接原因在于，浩如煙海的判例案卷如果沒有計(jì)算機(jī)編纂、分類、查詢，這種法律制度簡(jiǎn)直就無(wú)法運(yùn)轉(zhuǎn)了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其實(shí)不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關(guān)的法律、法規(guī)和司法解釋耗費(fèi)大量的精力和時(shí)間，而且由于人腦的知識(shí)和記憶能力有限，還存在著檢索不全面、記憶不準(zhǔn)確的問題。人工智能法律系統(tǒng)強(qiáng)大的記憶和檢索功能，可以彌補(bǔ)人類智能的某些局限性，幫助律師和法官?gòu)氖孪鄬?duì)簡(jiǎn)單的法律檢索工作，從而極大地解放律師和法官的腦力勞動(dòng)，使其能夠集中精力從事更加復(fù)雜的法律推理活動(dòng)。

四是促進(jìn)司法公正。司法推理雖有統(tǒng)一的法律標(biāo)準(zhǔn)，但法官是具有主觀能動(dòng)性的差異個(gè)體，所以在執(zhí)行統(tǒng)一標(biāo)準(zhǔn)時(shí)會(huì)產(chǎn)生一些差異的結(jié)果。司法解釋所具有的建構(gòu)性、辯證性和創(chuàng)造性的特點(diǎn)，進(jìn)一步加劇了這種差異。如果換了鋼鐵之軀的機(jī)器，這種由主觀原因所造成的差異性就有可能加以避免。這當(dāng)然不是說(shuō)讓計(jì)算機(jī)完全取代法官，而是說(shuō)，由于人工智能法律系統(tǒng)為司法審判提供了相對(duì)統(tǒng)一的推理標(biāo)準(zhǔn)和評(píng)價(jià)標(biāo)準(zhǔn)，從而可以輔助法官取得具有一貫性的判決。無(wú)論如何，我們必須承認(rèn)，鋼鐵之軀的機(jī)器沒有物質(zhì)欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計(jì)算機(jī)錄取增強(qiáng)了高考招生的公正性、電子監(jiān)視器提高了糾正行車違章的公正性一樣，智能法律系統(tǒng)在庭審中的運(yùn)用有可能減少某些現(xiàn)象。

五是輔助法律教育和培訓(xùn)。人工智能法律系統(tǒng)凝聚了法律家的專門知識(shí)和法官群體的審判經(jīng)驗(yàn)，如果通過(guò)軟件系統(tǒng)或計(jì)算機(jī)網(wǎng)絡(luò)實(shí)現(xiàn)專家經(jīng)驗(yàn)和知識(shí)的共享，便可在法律教育和培訓(xùn)中發(fā)揮多方面的作用。例如，(1)在法學(xué)院教學(xué)中發(fā)揮模擬法庭的作用，可以幫助法律專業(yè)學(xué)生鞏固自己所學(xué)知識(shí)，并將法律知識(shí)應(yīng)用于模擬的審判實(shí)踐，從而較快地提高解決法律實(shí)踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識(shí)，迅速獲得判案經(jīng)驗(yàn)，在審判過(guò)程的跟蹤檢測(cè)和判決結(jié)論的動(dòng)態(tài)校正中增長(zhǎng)知識(shí)和才干，較快地接近或達(dá)到專家水平。(3)可使不同地區(qū)、不同層次的律師和法官及時(shí)獲得有關(guān)法律問題的咨詢建議，彌補(bǔ)因知識(shí)結(jié)構(gòu)差異和判案經(jīng)驗(yàn)多寡而可能出現(xiàn)的失誤。(4)可以為大眾提供及時(shí)的法律咨詢，提高廣大人民群眾的法律素質(zhì)，增強(qiáng)法律意識(shí)。

六是輔助立法活動(dòng)。人工智能法律系統(tǒng)不僅對(duì)輔助司法審判有重要的意義，而且對(duì)完善立法也具有實(shí)用價(jià)值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，倫敦大學(xué)Imperial學(xué)院的邏輯程序組將1981年英國(guó)國(guó)籍法的內(nèi)容形式化，幫助立法者發(fā)現(xiàn)了該法在預(yù)見性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法輔助系統(tǒng)如能應(yīng)用于法律起草和法律草案的審議過(guò)程，有可能事先發(fā)現(xiàn)一些立法漏洞，避免一個(gè)法律內(nèi)部各種規(guī)則之間以及新法律與現(xiàn)有法律制度之間的相互沖突。

三、法理學(xué)在人工智能法律系統(tǒng)研究中的作用

1.人工智能法律系統(tǒng)的法理學(xué)思想來(lái)源

關(guān)于人工智能法律系統(tǒng)之法理學(xué)思想來(lái)源的追蹤，不是對(duì)法理學(xué)與人工智能的聯(lián)系作面面俱到的考察，而旨在揭示法理學(xué)對(duì)人工智能法律系統(tǒng)的發(fā)展所產(chǎn)生的一些直接影響。

第一，法律形式主義為人工智能法律系統(tǒng)的產(chǎn)生奠定了理論基礎(chǔ)。18-19世紀(jì)的法律形式主義強(qiáng)調(diào)法律推理的形式方面，認(rèn)為將法律化成簡(jiǎn)單的幾何公式是完全可能的。這種以J·奧斯汀為代表的英國(guó)分析法學(xué)的傳統(tǒng)，主張“法律推理應(yīng)該依據(jù)客觀事實(shí)、明確的規(guī)則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運(yùn)作，那么無(wú)論誰(shuí)作裁決，法律推理都會(huì)導(dǎo)向同樣的裁決?！保ㄗⅲ海溃┦返傥摹·伯頓著：《法律和法律推理導(dǎo)論》，張志銘、解興權(quán)譯，中國(guó)政法大學(xué)出版社1998年9月版，第3頁(yè)。）換言之，機(jī)器只要遵守法律推理的邏輯，也可以得出和法官一樣的判決結(jié)果。在分析法學(xué)家看來(lái)，“所謂‘法治’就是要求結(jié)論必須是大前提與小前提邏輯必然結(jié)果?！保ㄗⅲ褐炀拔闹骶帲骸秾?duì)西方法律傳統(tǒng)的挑戰(zhàn)》，中國(guó)檢察出版社1996年2月版，第292頁(yè)。）如果法官違反三段論推理的邏輯，就會(huì)破壞法治。這種機(jī)械論的法律推理觀，反映了分析法學(xué)要求法官不以個(gè)人價(jià)值觀干擾法律推理活動(dòng)的主張。但是，它同時(shí)具有忽視法官主觀能動(dòng)性和法律推理靈活性的僵化的缺陷。所以，自由法學(xué)家比埃利希將法律形式主義的邏輯推理說(shuō)稱為“自動(dòng)售貨機(jī)”理論。然而，從人工智能就是為思維提供機(jī)械論解釋的意義上說(shuō)，法律形式主義對(duì)法律推理所作的機(jī)械論解釋，恰恰為人工智能法律系統(tǒng)的開發(fā)提供了可能的前提。從人工智能法律系統(tǒng)研制的實(shí)際過(guò)程來(lái)看，在其起步階段，人工智能專家正是根據(jù)法律形式主義所提供的理論前提，首先選擇三段論演繹推理進(jìn)行模擬，由WalterG.Popp和BernhardSchlink在20世紀(jì)70年代初開發(fā)了JUDITH律師推理系統(tǒng)。在這個(gè)系統(tǒng)中，作為推理大小前提的法律和事實(shí)之間的邏輯關(guān)系，被計(jì)算機(jī)以“如果A和B，那么C”的方式加以描述，使機(jī)器法律推理第一次從理論變?yōu)楝F(xiàn)實(shí)。

第二，法律現(xiàn)實(shí)主義推動(dòng)智能模擬深入到主體的思維結(jié)構(gòu)領(lǐng)域。法律形式主義忽視了推理主體的社會(huì)性。法官是生活在現(xiàn)實(shí)社會(huì)中的人，其所從事的法律活動(dòng)不可能不受到其社會(huì)體驗(yàn)和思維結(jié)構(gòu)的影響。法官在實(shí)際的審判實(shí)踐中，并不是機(jī)械地遵循規(guī)則，特別是在遇到復(fù)雜案件時(shí)，往往需要作出某種價(jià)值選擇。而一旦面對(duì)價(jià)值問題，法律形式主義的邏輯決定論便立刻陷入困境，顯出其僵化性的致命弱點(diǎn)。法律現(xiàn)實(shí)主義對(duì)其僵化性進(jìn)行了深刻的批判。霍姆斯法官明確提出“法律的生命并不在于邏輯而在于經(jīng)驗(yàn)”（注：（美）博登海默著：《法理學(xué)——法哲學(xué)及其方法》，鄧正來(lái)、姬敬武譯，華夏出版社1987年12月版，第478頁(yè)。）的格言。這里所謂邏輯，就是指法律形式主義的三段論演繹邏輯；所謂經(jīng)驗(yàn)，則包括一定的道德和政治理論、公共政策及直覺知識(shí)，甚至法官的偏見。法律現(xiàn)實(shí)主義對(duì)法官主觀能動(dòng)性和法律推理靈活性的強(qiáng)調(diào)，促使人工智能研究從模擬法律推理的外在邏輯形式進(jìn)一步轉(zhuǎn)向探求法官的內(nèi)在思維結(jié)構(gòu)。人們開始考慮，如果思維結(jié)構(gòu)對(duì)法官的推理活動(dòng)具有定向作用，那么，人工智能法律系統(tǒng)若要達(dá)到法官水平，就應(yīng)該通過(guò)建立思維結(jié)構(gòu)模型來(lái)設(shè)計(jì)機(jī)器的運(yùn)行結(jié)構(gòu)。TAXMAN的設(shè)計(jì)就借鑒了這一思想，法律知識(shí)被計(jì)算機(jī)結(jié)構(gòu)語(yǔ)言以語(yǔ)義網(wǎng)絡(luò)的方式組成不同的規(guī)則系統(tǒng)，解釋程序、協(xié)調(diào)程序、說(shuō)明程序分別對(duì)網(wǎng)絡(luò)結(jié)構(gòu)中的輸入和輸出信息進(jìn)行動(dòng)態(tài)結(jié)構(gòu)調(diào)整，從而適應(yīng)了知識(shí)整合的需要。大規(guī)模知識(shí)系統(tǒng)的KBS(KnowledgeBasedSystem)開發(fā)也注意了思維結(jié)構(gòu)的整合作用，許多具有內(nèi)在聯(lián)系的小規(guī)模KBS子系統(tǒng)，在分別模擬法律推理要素功能（證成、法律查詢、法律解釋、法律適用、法律評(píng)價(jià)、理由闡述）的基礎(chǔ)上，又通過(guò)聯(lián)想程序被有機(jī)聯(lián)系起來(lái)，構(gòu)成了具有法律推理整體功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）

第三，“開放結(jié)構(gòu)”的法律概念打開了疑難案件法律推理模擬的思路。法律形式主義忽視了疑難案件的存在。疑難案件的特征表現(xiàn)為法律規(guī)則和案件之間不存在單一的邏輯對(duì)應(yīng)關(guān)系。有時(shí)候從一個(gè)法律規(guī)則可以推出幾種不同的結(jié)論，它們往往沒有明顯的對(duì)錯(cuò)之分；有時(shí)一個(gè)案件面對(duì)著幾個(gè)相似的法律規(guī)則。在這些情況下，形式主義推理說(shuō)都一籌莫展。但是，法律現(xiàn)實(shí)主義在批判法律形式主義時(shí)又走向另一個(gè)極端，它否認(rèn)具有普遍性的一般法律規(guī)則的存在，試圖用“行動(dòng)中的法律”完全代替分析法學(xué)“本本中的法律”。這種矯枉過(guò)正的做法雖然是使法律推理擺脫機(jī)械論束縛所走出的必要一步，然而，法律如果真像現(xiàn)實(shí)主義法學(xué)所說(shuō)的那樣僅僅存在于具體判決之中，法律推理如果可以不遵循任何標(biāo)準(zhǔn)或因人而異，那么，受到挑戰(zhàn)的就不僅是法律形式主義，而且還會(huì)殃及法治要求實(shí)現(xiàn)規(guī)則統(tǒng)治之根本原則，并動(dòng)搖人工智能法律系統(tǒng)存在的基礎(chǔ)。哈特在法律形式主義和法律現(xiàn)實(shí)主義的爭(zhēng)論中采取了一種折中立場(chǎng)，他既承認(rèn)邏輯的局限性又強(qiáng)調(diào)其重要性；既拒斥法官完全按自己的預(yù)感來(lái)隨意判案的見解，又承認(rèn)直覺的存在。這種折中立場(chǎng)在哈特“開放結(jié)構(gòu)”的法律概念中得到了充分體現(xiàn)。法律概念既有“意義核心”又有“開放結(jié)構(gòu)”，邏輯推理可以幫助法官發(fā)現(xiàn)問題的陽(yáng)面，而根據(jù)社會(huì)政策、價(jià)值和后果對(duì)規(guī)則進(jìn)行解釋則有助于發(fā)現(xiàn)問題的陰面。開放結(jié)構(gòu)的法律概念，使基于規(guī)則的法律推理模擬在受到概念封閉性的限制而對(duì)疑難案件無(wú)能為力時(shí)，找到了新的立足點(diǎn)。在此基礎(chǔ)上，運(yùn)用開放結(jié)構(gòu)概念的疑難案件法律推理模型，通過(guò)邏輯程序工具和聯(lián)想技術(shù)而建立起來(lái)。Gardner博士就疑難案件提出兩種解決策略：一是將簡(jiǎn)易問題從疑難問題中篩選出來(lái)，運(yùn)用基于規(guī)則的技術(shù)來(lái)解決；二是將疑難問題同“開放結(jié)構(gòu)”的法律概念聯(lián)系在一起，先用非范例知識(shí)如規(guī)則、控辯雙方的陳述、常識(shí)來(lái)獲得初步答案，再運(yùn)用范例來(lái)澄清案件、檢查答案的正確性。

第四，目的法學(xué)促進(jìn)了價(jià)值推理的人工智能研究。目的法學(xué)是指一種所謂直接實(shí)現(xiàn)目的之“后法治”理想。美國(guó)法學(xué)家諾內(nèi)特和塞爾茲尼克把法律分為三種類型。他們認(rèn)為，以法治為標(biāo)志的自治型法，過(guò)分強(qiáng)調(diào)手段或程序的正當(dāng)性，有把手段當(dāng)作目的的傾向。這說(shuō)明法治社會(huì)并沒有反映人類關(guān)于美好社會(huì)的最高理想，因?yàn)閷?shí)質(zhì)正義不是經(jīng)過(guò)人們直接追求而實(shí)現(xiàn)的，而是通過(guò)追求形式正義而間接獲得的。因此他們提出以回應(yīng)型法取代自治型法的主張。在回應(yīng)型法中，“目的為評(píng)判既定的做法設(shè)立了標(biāo)準(zhǔn)，從而也就開辟了變化的途徑。同時(shí)，如果認(rèn)真地對(duì)待目的，它們就能控制行政自由裁量權(quán)，從而減輕制度屈從的危險(xiǎn)。反之，缺少目的既是僵硬的根源，又是機(jī)會(huì)主義的根源?！保ㄗⅲ海溃┲Z內(nèi)特、塞爾茲尼克著：《轉(zhuǎn)變中的法律與社會(huì)》，張志銘譯，中國(guó)政法大學(xué)出版社1994年版，第60頁(yè)。）美國(guó)批判法學(xué)家昂格爾對(duì)形式主義法律推理和目的型法律推理的特點(diǎn)進(jìn)行了比較，他認(rèn)為，前者要求使用內(nèi)容明確、固定的規(guī)則，無(wú)視社會(huì)現(xiàn)實(shí)生活中不同價(jià)值觀念的沖突，不能適應(yīng)復(fù)雜情況和變化，追求形式正義；后者則要求放松對(duì)法律推理標(biāo)準(zhǔn)的嚴(yán)格限制，允許使用無(wú)固定內(nèi)容的抽象標(biāo)準(zhǔn)，迫使人們?cè)诓煌膬r(jià)值觀念之間做出選擇，追求實(shí)質(zhì)正義。與此相應(yīng)，佩雷爾曼提出了新修辭學(xué)(NewRhetoric)的法律理論。他認(rèn)為，形式邏輯只是根據(jù)演繹法或歸納法對(duì)問題加以說(shuō)明或論證的技術(shù)，屬于手段的邏輯；新修辭學(xué)要填補(bǔ)形式邏輯的不足，是關(guān)于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進(jìn)行價(jià)值判斷的邏輯。他認(rèn)為，在司法三段論思想支配下，法學(xué)的任務(wù)是將全部法律系統(tǒng)化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對(duì)法律的三個(gè)要求。而新修辭學(xué)的基本思想是價(jià)值判斷的多元論，法官必須在某種價(jià)值判斷的指示下履行義務(wù)，必須考慮哪些價(jià)值是“合理的、可接受的、社會(huì)上有效的公平的”。這些價(jià)值構(gòu)成了判決的正當(dāng)理由。（注：沈宗靈著：《現(xiàn)代西方法理學(xué)》，北京大學(xué)出版社1992年版，第443-446頁(yè)。）制造人工智能法律系統(tǒng)最終需要解決價(jià)值推理的模擬問題，否則，就難以實(shí)現(xiàn)為判決提供正當(dāng)理由的要求。為此，P.Wahlgren提出的與人工智能相關(guān)的5種知識(shí)表達(dá)途徑中，明確地包括了以道義為基礎(chǔ)的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道義邏輯，或者說(shuō)在機(jī)器中采用基于某種道義邏輯的推理程序，強(qiáng)調(diào)目的價(jià)值，也許是制造智能法律系統(tǒng)的關(guān)鍵。不過(guò)，即使把道義邏輯硬塞給計(jì)算機(jī)，鋼鐵之軀的機(jī)器沒有生理需要，也很難產(chǎn)生價(jià)值觀念和主觀體驗(yàn)，沒辦法解決主觀選擇的問題。在這個(gè)問題上，波斯納曾以法律家有七情六欲為由對(duì)法律家對(duì)法律的機(jī)械忠誠(chéng)表示了強(qiáng)烈懷疑，并辯證地將其視為法律發(fā)展的動(dòng)力之一。只有人才能夠平衡相互沖突的利益，能夠發(fā)現(xiàn)對(duì)人類生存和發(fā)展至關(guān)重要的價(jià)值。因此，關(guān)于價(jià)值推理的人工智能模擬究竟能取得什么成果，恐怕還是個(gè)未知數(shù)。

2.法理學(xué)對(duì)人工智能法律系統(tǒng)研制的理論指導(dǎo)作用

GoldandSusskind指出：“不爭(zhēng)的事實(shí)是，所有的專家系統(tǒng)必須適應(yīng)一些法理學(xué)理論，因?yàn)橐磺蟹蓪＜蚁到y(tǒng)都需要提出關(guān)于法律和法律推理性質(zhì)的假設(shè)。從更嚴(yán)格的意義上說(shuō)，一切專家系統(tǒng)都必須體現(xiàn)一種結(jié)構(gòu)理論和法律的個(gè)性，一種法律規(guī)范理論，一種描述法律科學(xué)的理論，一種法律推理理論”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系統(tǒng)的研究，不僅需要以法理學(xué)關(guān)于法律的一般理論為知識(shí)基礎(chǔ)，還需要從法理學(xué)獲得關(guān)于法律推理的完整理論，如法律推理實(shí)踐和理論的發(fā)展歷史，法律推理的標(biāo)準(zhǔn)、主體、過(guò)程、方法等等。人工智能對(duì)法律推理的模擬，主要是對(duì)法理學(xué)關(guān)于法律推理的知識(shí)進(jìn)行人工智能方法的描述，建立數(shù)學(xué)模型并編制計(jì)算機(jī)應(yīng)用程序，從而在智能機(jī)器上再現(xiàn)人類法律推理功能的過(guò)程。在這個(gè)過(guò)程中，人工智能專家的主要任務(wù)是研究如何吸收法理學(xué)關(guān)于法律推理的研究成果，包括法理學(xué)關(guān)于人工智能法律系統(tǒng)的研究成果。

隨著人工智能法律系統(tǒng)研究從低級(jí)向高級(jí)目標(biāo)的推進(jìn)，人們?cè)絹?lái)越意識(shí)到，對(duì)法律推理的微觀機(jī)制認(rèn)識(shí)不足已成為人工智能模擬的嚴(yán)重障礙。P.Wahlgren指出，“許多人工智能技術(shù)在法律領(lǐng)域的開發(fā)項(xiàng)目之所以失敗，就是因?yàn)樵S多潛在的法理學(xué)原則沒有在系統(tǒng)開發(fā)的開始階段被遵守或給予有效的注意?！薄胺ɡ韺W(xué)對(duì)法律推理和方法論問題的關(guān)注已經(jīng)有幾百年，而人工智能的誕生只是本世紀(jì)50年代中期的事情，這個(gè)事實(shí)是人工智能通過(guò)考察法理學(xué)知識(shí)來(lái)豐富自己的一個(gè)有效動(dòng)機(jī)。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自動(dòng)化的目標(biāo)，“一方面是用人工智能（通過(guò)把計(jì)算機(jī)的應(yīng)用與分析模型相結(jié)合）來(lái)支撐法律推理的可能性；另一方面是應(yīng)用法理學(xué)理論來(lái)解決作為法律推理支撐系統(tǒng)的以及一般的人工智能問題?！保ㄗⅲ篜.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系統(tǒng)充當(dāng)法律推理研究的思想實(shí)驗(yàn)手段以及輔助司法審判的問題。后一方面，則是法律推理的法律學(xué)研究成果直接為人工智能法律系統(tǒng)的研制所應(yīng)用的問題。例如，20世紀(jì)70年代法理學(xué)在真實(shí)和假設(shè)案例的推理和分析方面所取得的成果，已為幾種人工智能法律裝置借鑒而成為其設(shè)計(jì)工作的理論基礎(chǔ)。在運(yùn)用模糊或開放結(jié)構(gòu)概念的法律推理研究方面，以及在法庭辯論和法律解釋的形式化等問題上，法理學(xué)的研究成果也已為人工智能法律系統(tǒng)的研究所借鑒。

四、人工智能法律系統(tǒng)研究的難點(diǎn)

人工智能法律系統(tǒng)的研究盡管在很短的時(shí)間內(nèi)取得了許多令人振奮的成果，但它的發(fā)展也面臨著許多困難。這些困難構(gòu)成了研究工作需要進(jìn)一步努力奮斗的目標(biāo)。

第一，關(guān)于法律解釋的模擬。在法理學(xué)的諸多研究成果中，法律解釋的研究對(duì)人工智能法律系統(tǒng)的研制起著關(guān)鍵作用。法律知識(shí)表達(dá)的核心問題是法律解釋。法律規(guī)范在一個(gè)法律論點(diǎn)上的效力，是由法律家按忠實(shí)原意和適合當(dāng)時(shí)案件的原則通過(guò)法律解釋予以確認(rèn)的，其中包含著人類特有的價(jià)值和目的考慮，反映了法律家的知識(shí)表達(dá)具有主觀能動(dòng)性。所以，德沃金將解釋過(guò)程看作是一種結(jié)合了法律知識(shí)、時(shí)代信息和思維方法而形成的，能夠應(yīng)變的思維策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律專家系統(tǒng)并未以知識(shí)表達(dá)為目的來(lái)解釋法律，而是將法律整齊地“碼放”在計(jì)算機(jī)記憶系統(tǒng)中僅供一般檢索之用。然而，在法律知識(shí)工程系統(tǒng)中，法律知識(shí)必須被解釋，以滿足自動(dòng)推理對(duì)法律知識(shí)進(jìn)行重新建構(gòu)的需要。麥卡錫說(shuō)：“在開發(fā)智能信息系統(tǒng)的過(guò)程中，最關(guān)鍵的任務(wù)既不是文件的重建也不是專家意見的重建，而是建立有關(guān)法律領(lǐng)域的概念模型?！保ㄗⅲ篗cCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必須以法律家對(duì)某一法律概念的共識(shí)為基礎(chǔ)，但不同的法律家對(duì)同一法律概念往往有不同的解釋策略。凱爾森甚至說(shuō)：即使在國(guó)內(nèi)法領(lǐng)域也難以形成一個(gè)“能夠用來(lái)敘述一定法律共同體的實(shí)在法的基本概念”。（注：（奧）凱爾森著：《法與國(guó)家的一般理論》，沈宗靈譯，中國(guó)大百科全書出版社1996年版，第1頁(yè)。）盡管如此，法理學(xué)還是為法律概念模型的重建提供了一些方法。例如，德沃金認(rèn)為，法官在“解釋”階段，要通過(guò)推理論證，為自己在“前解釋”階段所確定的大多數(shù)法官對(duì)模糊法律規(guī)范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過(guò)程分為兩個(gè)步驟：首先，從現(xiàn)存的明確法律制度中抽象出一般的法律原則，用自我建立的一般法律理論來(lái)證明這種法律原則是其中的一部分，證明現(xiàn)存的明確法律制度是正當(dāng)?shù)摹Ｆ浯?，再以法律原則為依據(jù)反向推出具體的法律結(jié)論，即用一般法律理論來(lái)證明某一法律原則存在的合理性，再用該法律原則來(lái)解釋某一法律概念。TAXMAN等系統(tǒng)裝置已吸收了這種方法，法律知識(shí)被計(jì)算機(jī)結(jié)構(gòu)語(yǔ)言以語(yǔ)義網(wǎng)絡(luò)的方式組成不同的規(guī)則系統(tǒng)，解釋程序使計(jì)算機(jī)根據(jù)案件事實(shí)來(lái)執(zhí)行某條法律規(guī)則，并在新案件事實(shí)輸入時(shí)對(duì)法律規(guī)則作出新的解釋后才加以調(diào)用。不過(guò)，法律知識(shí)表達(dá)的進(jìn)展還依賴于法律解釋研究取得更多的突破。

第二，關(guān)于啟發(fā)式程序。目前的法律專家系統(tǒng)如果不能與啟發(fā)式程序接口，不能運(yùn)用判斷性知識(shí)進(jìn)行推理，只通過(guò)規(guī)則反饋來(lái)提供簡(jiǎn)單解釋，就談不上真正的智能性。啟發(fā)式程序要解決智能機(jī)器如何模擬法律家推理的直覺性、經(jīng)驗(yàn)性以及推理結(jié)果的不確定性等問題，即人可以有效地處理錯(cuò)誤的或不完全的數(shù)據(jù)，在必要時(shí)作出猜測(cè)和假設(shè)，從而使問題的解決具有靈活性。在這方面，Gardner的混合推理模型，EdwinaL.Rissland運(yùn)用聯(lián)想程序?qū)σ?guī)則和判例推理的結(jié)果作集合處理的思路，以及Massachusetts大學(xué)研制的CABARET（基于判例的推理工具），在將啟發(fā)式程序應(yīng)用于系統(tǒng)開發(fā)方面都進(jìn)行了有益的嘗試。但是，法律問題往往沒有唯一正確的答案，這是人工智能模擬法律推理的一個(gè)難題。選擇哪一個(gè)答案，往往取決于法律推理的目的標(biāo)準(zhǔn)和推理主體的立場(chǎng)和價(jià)值觀念。但智能機(jī)器沒有自己的目的、利益和立場(chǎng)。這似乎從某種程度上劃定了機(jī)器法律推理所能解決問題的范圍。

第三，關(guān)于法律自然語(yǔ)言理解。在設(shè)計(jì)基于規(guī)則的程序時(shí)，設(shè)計(jì)者必須假定整套規(guī)則沒有意義不明和沖突，程序必須消滅這些問題而使規(guī)則呈現(xiàn)出更多的一致性。就是說(shuō)，盡管人們對(duì)法律概念的含義可以爭(zhēng)論不休，但輸入機(jī)器的法律語(yǔ)言卻不能互相矛盾。機(jī)器語(yǔ)言具有很大的局限性，例如，LDS基于規(guī)則來(lái)模擬嚴(yán)格責(zé)任并計(jì)算實(shí)際損害時(shí)，表現(xiàn)出的最大弱點(diǎn)就是不能使用不精確的自然語(yǔ)言進(jìn)行推理。然而，在實(shí)際的法律推理過(guò)程中，法律家對(duì)某個(gè)問題的任何一種回答都可根據(jù)上下文關(guān)系作多種解釋，而且辯論雙方總是尋求得出不同的結(jié)論。因此，智能法律專家系統(tǒng)的成功在很大程度上還依賴于自然語(yǔ)言理解研究工作的突破。牛津大學(xué)的一個(gè)程序組正在研究法律自然語(yǔ)言的理解問題，但是遇到了重重困難。原因是連法學(xué)家們自己目前也還沒有建立起一套大家一致同意的專業(yè)術(shù)語(yǔ)規(guī)范。所以EdwinaL.Rissland認(rèn)為，常識(shí)知識(shí)、意圖和信仰類知識(shí)的模擬化，以及自然語(yǔ)言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務(wù)。對(duì)于語(yǔ)言模擬來(lái)說(shuō)，像交際短語(yǔ)和短語(yǔ)概括的有限能力可能會(huì)在較窄的語(yǔ)境條件下取得成果，完全的功能模擬、一般“解決問題”能力的模擬則距離非常遙遠(yuǎn)，而像書面上訴意見的理解則是永遠(yuǎn)的終極幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）

五、人工智能法律系統(tǒng)的開發(fā)策略和應(yīng)用前景

我們能夠制造出一臺(tái)什么樣的機(jī)器，可以證明它是人工智能法律系統(tǒng)？從檢驗(yàn)標(biāo)準(zhǔn)上看，這主要是法律知識(shí)在機(jī)器中再現(xiàn)的判定問題。根據(jù)“圖靈試驗(yàn)”原理，我們可將該檢驗(yàn)標(biāo)準(zhǔn)概括如下：設(shè)兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺(tái)智能機(jī)器。一個(gè)人（也是法律家）向法律家和機(jī)器提出同樣的法律問題，如果提問者不能從二者的回答中區(qū)分出誰(shuí)是法律家、誰(shuí)是機(jī)器，就不能懷疑機(jī)器具有法律知識(shí)表達(dá)的能力。

依“圖靈試驗(yàn)”制定的智能法律系統(tǒng)檢驗(yàn)標(biāo)準(zhǔn)，所看重的是功能。只要機(jī)器和法律家解決同樣法律問題時(shí)所表現(xiàn)出來(lái)的功能相同，就不再苛求哪個(gè)是鋼鐵結(jié)構(gòu)、哪個(gè)是血肉之軀。人工智能立足的基礎(chǔ)，就是相同的功能可以通過(guò)不同的結(jié)構(gòu)來(lái)實(shí)現(xiàn)之功能模擬理論。

從功能模擬的觀點(diǎn)來(lái)確定人工智能法律系統(tǒng)的研究與開發(fā)策略，可作以下考慮：

第一，擴(kuò)大人工智能法律系統(tǒng)的研發(fā)主體?，F(xiàn)有人工法律系統(tǒng)的幼稚，暴露了僅僅依靠計(jì)算機(jī)和知識(shí)工程專家從事系統(tǒng)研發(fā)工作的局限性。因此，應(yīng)該確立以法律家、邏輯學(xué)家和計(jì)算機(jī)專家三結(jié)合的研發(fā)群體。在系統(tǒng)研發(fā)初期，可組成由法學(xué)家、邏輯與認(rèn)知專家、計(jì)算機(jī)和知識(shí)工程專家為主體的課題組，制定系統(tǒng)研發(fā)的整體戰(zhàn)略和分階段實(shí)施的研發(fā)規(guī)劃。在系統(tǒng)研發(fā)中期，應(yīng)通過(guò)網(wǎng)絡(luò)等手段充分吸收初級(jí)產(chǎn)品用戶（律師、檢察官、法官）的意見，使研發(fā)工作在理論研究與實(shí)際應(yīng)用之間形成反饋，將開發(fā)精英與廣大用戶的智慧結(jié)合起來(lái)，互相啟發(fā)、群策群力，推動(dòng)系統(tǒng)迅速升級(jí)。

第二，確定研究與應(yīng)用相結(jié)合、以應(yīng)用為主導(dǎo)的研發(fā)策略。目前國(guó)外人工智能法律系統(tǒng)的研究大多停留在實(shí)驗(yàn)室領(lǐng)域，還沒有在司法實(shí)踐中加以應(yīng)用。但是，任何智能系統(tǒng)包括相對(duì)簡(jiǎn)單的軟件系統(tǒng)，如果不經(jīng)過(guò)用戶的長(zhǎng)期使用和反饋，是永遠(yuǎn)也不可能走向成熟的。從我國(guó)的實(shí)際情況看，如果不能將初期研究成果盡快地轉(zhuǎn)化為產(chǎn)品，我們也難以為后續(xù)研究工作提供雄厚的資金支持。因此，人工智能法律系統(tǒng)的研究必須走產(chǎn)研結(jié)合的道路，堅(jiān)持以應(yīng)用開路，使智能法律系統(tǒng)盡快走出實(shí)驗(yàn)室，同時(shí)以研究為先導(dǎo)，促進(jìn)不斷更新升級(jí)。

第三，系統(tǒng)研發(fā)目標(biāo)與初級(jí)產(chǎn)品功能定位。人工智能法律系統(tǒng)的研發(fā)目標(biāo)是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學(xué)家）多種需要的機(jī)型。初級(jí)產(chǎn)品的定位應(yīng)考慮到，人的推理功能特別是價(jià)值推理的功能遠(yuǎn)遠(yuǎn)超過(guò)機(jī)器，但人的記憶功能、檢索速度和準(zhǔn)確性又遠(yuǎn)不如機(jī)器。同時(shí)還應(yīng)該考慮到，我國(guó)目前有12萬(wàn)律師，23萬(wàn)檢察官和21萬(wàn)法官，每年1.2萬(wàn)法學(xué)院本科畢業(yè)生，他們對(duì)法律知識(shí)的獲取、表達(dá)和應(yīng)用能力參差不齊。因此，初級(jí)產(chǎn)品的標(biāo)準(zhǔn)可適當(dāng)降低，先研制推理功能薄弱、檢索功能強(qiáng)大的法律專家系統(tǒng)。可與計(jì)算機(jī)廠商合作生產(chǎn)具有強(qiáng)大數(shù)據(jù)庫(kù)功能的硬件，并確保最新法律、法規(guī)、司法解釋和判例的網(wǎng)上及時(shí)更新；同時(shí)編制以案件為引導(dǎo)的高速檢索軟件。系統(tǒng)開發(fā)的先期目標(biāo)應(yīng)確定為：(1)替律師起草僅供參考的書和辯護(hù)詞；(2)替法官起草僅供參考的判決書；(3)為法學(xué)院學(xué)生提供模擬法庭審判的通用系統(tǒng)軟件，以輔助學(xué)生在、辯護(hù)和審判等訴訟的不同階段鞏固所學(xué)知識(shí)、獲得審判經(jīng)驗(yàn)。上述軟件旨在提供一個(gè)初級(jí)平臺(tái)，先解決有無(wú)和急需，再不斷收集用戶反饋意見，逐步改進(jìn)完善。

第四，實(shí)驗(yàn)室研發(fā)應(yīng)確定較高的起點(diǎn)或跟蹤戰(zhàn)略。國(guó)外以知識(shí)工程為主要技術(shù)手段的人工智能法律系統(tǒng)開發(fā)已經(jīng)歷了如下發(fā)展階段：(1)主要適用于簡(jiǎn)單案件的規(guī)則推理；(2)運(yùn)用開放結(jié)構(gòu)概念的推理；(3)運(yùn)用判例和假設(shè)的推理；(4)運(yùn)用規(guī)則和判例的混合推理。我們?nèi)绱_定以簡(jiǎn)單案件的規(guī)則推理為初級(jí)市場(chǎng)產(chǎn)品，那么，實(shí)驗(yàn)室中第二代產(chǎn)品開發(fā)就應(yīng)瞄準(zhǔn)運(yùn)用開放結(jié)構(gòu)概念的推理。同時(shí)，跟蹤運(yùn)用假設(shè)的推理及混合推理，吸收國(guó)外先進(jìn)的KBS和HYPO的設(shè)計(jì)思想，將功能子系統(tǒng)開發(fā)與聯(lián)想式控制系統(tǒng)結(jié)合。HYPO判例法推理智能裝置具有如下功能：(1)評(píng)價(jià)相關(guān)判例；(2)判定何方使用判例更加貼切；(3)分析并區(qū)分判例；(4)建立假設(shè)并用假設(shè)來(lái)推理；(5)為一種主張引用各種類型的反例；(6)建立判例的引證概要。HYPO以商業(yè)秘密法的判例推理為模擬對(duì)象，假設(shè)了完全自動(dòng)化的法律推理過(guò)程中全部要素被建立起來(lái)的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業(yè)秘密法背后的政策考慮，法律概念應(yīng)用于實(shí)際情況時(shí)固有的模糊性，信息是否已被公開，被告是否使用了對(duì)方設(shè)計(jì)的產(chǎn)品，是否簽署了讓與協(xié)議，等等。一個(gè)系統(tǒng)設(shè)計(jì)的要素列表無(wú)論多長(zhǎng)，好律師也總能再多想出一些。同樣，律師對(duì)案件的分析，不可能僅限于商業(yè)秘密法判例，還可能援引侵權(quán)法或?qū)＠ǖ呐欣@決定了緣由的多種可能性。Ashley還討論了判例法推理模擬的其他困難：判例并不是概念的肯定的或否定的樣本，因此，要通過(guò)要素等簡(jiǎn)單的法律術(shù)語(yǔ)使模糊的法律規(guī)則得到澄清十分困難，法律原則和類推推理之間的關(guān)系還不能以令人滿意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）這說(shuō)明，即使具有較高起點(diǎn)的實(shí)驗(yàn)室基礎(chǔ)研究，也不宜確定過(guò)高的目標(biāo)。因?yàn)?，智能法律系統(tǒng)的研究不能脫離人工智能的整體發(fā)展水平。

第五，人－機(jī)系統(tǒng)解決方案。人和機(jī)器在解決法律問題時(shí)各有所長(zhǎng)。人的優(yōu)點(diǎn)是能作價(jià)值推理，使法律問題的解決適應(yīng)社會(huì)的變化發(fā)展，從而具有靈活性。機(jī)器的長(zhǎng)處是記憶和檢索功能強(qiáng)，可以使法律問題的解決具有一貫性。人－機(jī)系統(tǒng)解決方案立足于人與機(jī)器的功能互補(bǔ)，目的是解放人的腦力勞動(dòng)，服務(wù)于國(guó)家的法治建設(shè)。該方案的實(shí)施可以分為兩個(gè)階段：第一階段以人為主，機(jī)器為人收集信息并作初步分析，提供決策參考。律師受理案件后，可以先用機(jī)器處理大批數(shù)據(jù)，并參考機(jī)器的和辯護(hù)方案，再做更加高級(jí)的推理論證工作。法官接觸一個(gè)新案件，或新法官剛接觸審判工作，也可以先看看“機(jī)器法官”的判決建議或者審判思路，作為參考。法院的監(jiān)督部門可參照機(jī)器法官的判決，對(duì)法官的審判活動(dòng)進(jìn)行某種監(jiān)督，如二者的判決結(jié)果差別太大，可以審查一下法官的判決理由。這也許可以在一定程度上制約司法腐敗。在人－機(jī)系統(tǒng)開發(fā)的第二階段，會(huì)有越來(lái)越多的簡(jiǎn)單案件的判決與電腦推理結(jié)果完全相同，因此，某些簡(jiǎn)單案件可以機(jī)器為主進(jìn)行審判，例如，美國(guó)小額法庭的一些案件，我國(guó)法庭可用簡(jiǎn)易程序來(lái)審理的一些案件。法官可以作為“產(chǎn)品檢驗(yàn)員”監(jiān)督和修訂機(jī)器的判決結(jié)果。這樣，法官的判案效率將大大提高，法官隊(duì)伍也可借此“消腫”，有可能大幅度提高法官薪水，吸引高素質(zhì)法律人才進(jìn)入法官隊(duì)伍。

未來(lái)的計(jì)算機(jī)不會(huì)完全取代律師和法官，然而，律師和法官與智能機(jī)器統(tǒng)一體的出現(xiàn)則可能具有無(wú)限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以預(yù)見，人工智能將為法律工作的自動(dòng)化提供越來(lái)越強(qiáng)有力的外腦支持。電腦律師或法官將在網(wǎng)絡(luò)所及的范圍內(nèi)承擔(dān)起諸如收債、稅務(wù)、小額犯罪訴訟等職能。自動(dòng)法律推理系統(tǒng)將對(duì)訴訟活動(dòng)發(fā)揮越來(lái)越多的輔助作用，例如，通過(guò)嚴(yán)密的演繹邏輯使用戶確信全部法律結(jié)論得出的正當(dāng)性；在解決相互沖突的規(guī)則、判例和政策問題時(shí)提示可能出現(xiàn)的判決預(yù)測(cè)；等等。正如網(wǎng)絡(luò)的出現(xiàn)打破了少數(shù)人對(duì)信息的壟斷一樣，電腦法律顧問的問世，將打破法官、律師對(duì)法律知識(shí)的壟斷，極大地推動(dòng)法律知識(shí)的普及，迅速提高廣大人民群眾的法律素質(zhì)，使法律真正變?yōu)槿罕娛种械匿J利武器。

篇7

人工智能是人類發(fā)展到一定階段而必然產(chǎn)生的一門學(xué)科，它既包括人，也包括機(jī)和環(huán)境兩部分，所以也可以說(shuō)是人機(jī)環(huán)境系統(tǒng)交互方面的一種學(xué)問。它同樣“有一個(gè)漫長(zhǎng)的過(guò)去，但只有短暫的歷史”。它的起源可以追溯到文藝復(fù)興，接著，又在第一、二次工業(yè)革命浪潮中逐漸嶄露頭角。法國(guó)人帕斯卡爾研制了第一臺(tái)現(xiàn)代意義上的數(shù)字計(jì)算機(jī)，第一、二次世界大戰(zhàn)大大加快了該學(xué)科發(fā)展的進(jìn)程，劍橋大學(xué)巴貝奇的差分機(jī)和圖靈的測(cè)試進(jìn)一步把人工智能領(lǐng)域的研究范圍擴(kuò)展到了人類學(xué)習(xí)、生活、工作等方面。到目前為止，研究人工智能的學(xué)科不但包括生理、心理、物理、數(shù)理、地理等自然科學(xué)技術(shù)領(lǐng)域，而且還涉及到哲理、倫理、法理、藝?yán)怼⒔汤淼热宋乃囆g(shù)宗教領(lǐng)域。

1997年5月11日，名為“深藍(lán)”的電腦毫無(wú)懸念地在標(biāo)準(zhǔn)比賽時(shí)限內(nèi)擊敗了國(guó)際象棋男子世界冠軍卡斯帕羅夫，從而證明了在有限的時(shí)空里電腦“計(jì)算”可以戰(zhàn)勝人腦“算計(jì)”，進(jìn)而論證了現(xiàn)代人工智能的基礎(chǔ)條件(假設(shè))——物理符號(hào)系統(tǒng)具有產(chǎn)生智能行為的充分必要條件(Newell and Simon，1976)是成立的。更有意思的是，2011年2月17日，一臺(tái)以IBM創(chuàng)始人托馬斯·沃森的名字命名的電腦在智力問答比賽中“狂虐”兩位最聰明的美國(guó)人而奪得冠軍，2016年3月9日至3月15日，“圍棋名譽(yù)九段”AlphaGo在首爾以4:1的比分戰(zhàn)勝了圍棋世界冠軍李世石九段，從而引發(fā)了人工智能將如何改變?nèi)祟惿鐣?huì)生活形態(tài)的話題。

人工智能是人機(jī)環(huán)境系統(tǒng)交互的產(chǎn)物

眾所周知，當(dāng)前制約機(jī)器人科技發(fā)展的瓶頸是人工智能，人工智能研究的難點(diǎn)是對(duì)認(rèn)知的解釋與建構(gòu)，而認(rèn)知研究的關(guān)鍵問題則是自主和情感等意識(shí)現(xiàn)象的破解。生命認(rèn)知中沒有任何問題比弄清楚意識(shí)的本質(zhì)更具挑戰(zhàn)性，或者說(shuō)更引人入勝。這個(gè)領(lǐng)域是科學(xué)、哲學(xué)、人文藝術(shù)、神學(xué)等領(lǐng)域的交集。盡管意識(shí)問題如此重要，令人啼笑皆非的是：無(wú)論過(guò)去還是現(xiàn)在，一旦涉及到意識(shí)問題，大家不是緘口不提，就是敬而遠(yuǎn)之，避之唯恐不及。究其原因，不外乎意識(shí)的變化莫測(cè)與主觀隨意等特點(diǎn)嚴(yán)重偏離了科學(xué)技術(shù)的邏輯實(shí)證與感覺、經(jīng)驗(yàn)、驗(yàn)證、判斷，既然與科學(xué)技術(shù)體系相距較遠(yuǎn)，自然就不會(huì)得到相應(yīng)的認(rèn)同與支持了，這好像是順理成章、理應(yīng)如此的！然而，最近科技界一系列的前沿研究正悄悄地改變著這個(gè)局面：研究飄忽不定的意識(shí)固然不符合科技的尺度，那么在意識(shí)前面加上情境(或情景)二字呢？人在大時(shí)空環(huán)境下的意識(shí)是不確定的，但“格物致知”一下，在小尺度時(shí)空情境下的意識(shí)應(yīng)該有跡可循吧！自古以來(lái)，人們就知道“天時(shí)地利人和”的小尺度時(shí)空情境對(duì)態(tài)勢(shì)感知及意識(shí)的影響，只是明確用現(xiàn)代科學(xué)的手段實(shí)現(xiàn)情境(或情景)意識(shí)的研究是源自1988年Mica Endsley提出的Situation Awareness(SA)概念框架：“…the perception of the elements in the environment within a volume of time and space， the comprehension of their meaning， and the projection of their status in the near future.”(在一定的時(shí)間和空間內(nèi)對(duì)環(huán)境中的各組成成分的感知、理解，進(jìn)而預(yù)知這些成分的隨后變化狀況)但這只是個(gè)定性分析概念模型，其機(jī)理分析與定量計(jì)算還遠(yuǎn)遠(yuǎn)沒有完善。

在真實(shí)的人機(jī)環(huán)境系統(tǒng)交互領(lǐng)域中，人的情景意識(shí)(Situation Awarensss)SA、機(jī)器的物理SA、環(huán)境的地理SA等往往同構(gòu)于統(tǒng)一時(shí)空中(人的五種感知也應(yīng)是并行的)，對(duì)于人而言，人注意的切換產(chǎn)生了不同的主題與背景感受／體驗(yàn)。在人的行為環(huán)境與機(jī)的物理環(huán)境、地理環(huán)境相互作用的過(guò)程中，人的情景意識(shí)SA被視為一個(gè)開放的系統(tǒng)，是一個(gè)整體，其行為特征并非由人的元素單獨(dú)所決定，而是取決于人機(jī)環(huán)境系統(tǒng)整體的內(nèi)在特征，人的情景意識(shí)SA及其行為只不過(guò)是這個(gè)整體過(guò)程中的一部分罷了。另外，人機(jī)環(huán)境中許多個(gè)閉環(huán)系統(tǒng)常常是并行或嵌套的，并且特定情境下這些閉環(huán)系統(tǒng)的不同反饋環(huán)節(jié)信息又往往交叉融合在一起，起著或刺激或抑制的作用，不但有類似宗教情感類的柔性反饋(不妨稱之為“軟調(diào)節(jié)反饋”，人常常會(huì)延遲控制不同情感的釋放)，也存在著類似法律強(qiáng)制類的剛性反饋(不妨稱之為“硬調(diào)節(jié)反饋”，常規(guī)意義上的自動(dòng)控制反饋大都屬于這類反饋)。如何快速化繁為簡(jiǎn)、化虛為實(shí)是衡量一個(gè)人機(jī)系統(tǒng)穩(wěn)定性、有效性、可靠性大小的主要標(biāo)志，是用數(shù)學(xué)方法的快速搜索比對(duì)還是運(yùn)籌學(xué)的優(yōu)化修剪計(jì)算，這是一個(gè)值得人工智能領(lǐng)域深究的問題。

人機(jī)環(huán)境交互系統(tǒng)往往是由有意志、有目的和有學(xué)習(xí)能力的人的活動(dòng)構(gòu)成，涉及變量眾多、關(guān)系復(fù)雜，貫穿著人的主觀因素和自覺目的，所以其中的主客體界線常常模糊，具有個(gè)別性、人為性、異質(zhì)性、不確定性、價(jià)值與事實(shí)的統(tǒng)一性、主客相關(guān)性等特點(diǎn)，其中充滿了復(fù)雜的隨機(jī)因素的作用，不具備重復(fù)性。另外，人機(jī)環(huán)境交互系統(tǒng)有關(guān)機(jī)(裝備)、環(huán)境(自然)研究活動(dòng)中的主客體則界線分明，具有較強(qiáng)的實(shí)證性、自在性、同質(zhì)性、確定性、價(jià)值中立性、客觀性等特點(diǎn)。無(wú)論是在古代、中世紀(jì)還是在現(xiàn)代，哲學(xué)宗教早已不單純是意識(shí)形態(tài)，而且逐漸成為各個(gè)階級(jí)中的強(qiáng)大的政治力量，其影響不斷滲透到社會(huì)生活的各個(gè)領(lǐng)域，更有甚者，把哲學(xué)、政治、法律等上層建筑都置于宗教控制之下。總之，以上諸多主客觀元素的影響，進(jìn)而導(dǎo)致了人機(jī)環(huán)境交互系統(tǒng)異常復(fù)雜和非常的不確定。所以對(duì)人機(jī)環(huán)境交互系統(tǒng)的研究不應(yīng)僅僅包含科學(xué)的范式，如實(shí)驗(yàn)、理論、模擬、大數(shù)據(jù)，還應(yīng)涉及到人文藝術(shù)的多種方法，如直觀、揣測(cè)、思辨、風(fēng)格、圖像、情境等，在許多狀況下還應(yīng)與哲學(xué)宗教的多種進(jìn)路相關(guān)聯(lián)，如現(xiàn)象、具身、分析、理解與信仰，等等。

在充滿變數(shù)的人機(jī)環(huán)境交互系統(tǒng)中，存在的邏輯不是主客觀的必然性和確定性，而是與各種可能性保持互動(dòng)的同步性，是一種得“意”忘“形”的見招拆招和隨機(jī)應(yīng)變能力。這種思維和能力可能更適合復(fù)雜的人類各種藝術(shù)過(guò)程。凡此種種，恰恰是人工智能所欠缺的地方。

人機(jī)之間的不同之處

人與機(jī)相比，人的語(yǔ)言或信息組塊能力強(qiáng)，具有有限記憶和理性；機(jī)器對(duì)于語(yǔ)言或信息組塊能力弱，具有無(wú)限記憶和理性，其語(yǔ)言(程序)運(yùn)行和自我監(jiān)督機(jī)制的同時(shí)實(shí)現(xiàn)應(yīng)是保障機(jī)器可靠性的基本原則。人可以在使用母語(yǔ)時(shí)以不考慮語(yǔ)法的方式進(jìn)行交流，并且在很多情境下可以感知語(yǔ)言、圖畫、音樂的多義性，如人的聽覺、視覺、觸覺等具有辨別性的同時(shí)還具有情感性，常常能夠知覺到只可意會(huì)不可言傳的信息或概念(如對(duì)哲學(xué)這種很難通過(guò)學(xué)習(xí)得到學(xué)問的思考)。機(jī)器盡管可以下棋、回答問題，但對(duì)跨領(lǐng)域情境的隨機(jī)應(yīng)變能力很弱，對(duì)彼此矛盾或含糊不清的信息不能有效反應(yīng)(缺少必要的競(jìng)爭(zhēng)冒險(xiǎn)選擇機(jī)制)，主次不分，綜合辨析識(shí)別能力不足，不會(huì)使用歸納推理演繹等方法形成概念或提出新概念，更奢談產(chǎn)生形而上學(xué)的理論形式。

人與機(jī)器在語(yǔ)言及信息的處理差異方面，主要體現(xiàn)在能否把表面上無(wú)關(guān)之事物相關(guān)在一起的能力。盡管大數(shù)據(jù)時(shí)代可能會(huì)有所變化，但對(duì)機(jī)器而言，抽象表征的提煉亦即基于規(guī)則條件及概率統(tǒng)計(jì)的決策方式與基于情感感動(dòng)及頓悟冥想的判斷(人類特有的)機(jī)理之間的鴻溝依然存在。

人工智能與哲學(xué)

人類文明實(shí)際上是一個(gè)認(rèn)知的體現(xiàn)，無(wú)論是最早的美索不達(dá)米亞文明(距今6000多年)，還是四大文明之后日新月異的以西方為代表的現(xiàn)代科技力量，其原點(diǎn)都可以落實(shí)到認(rèn)知這個(gè)領(lǐng)域上。歷史學(xué)家認(rèn)為：以古希臘文化為驅(qū)動(dòng)力的現(xiàn)代西方文明來(lái)源于古巴比倫和古埃及，其本質(zhì)反應(yīng)的是人與物(客觀對(duì)象)之間的關(guān)系；而古印度所表征的文明中常常蘊(yùn)含著人與神之間的信念；排名最后的古代中國(guó)文明是四大古文明中唯一較為完整地綿延至今的文化脈搏，其核心之道理反映的是人與人、人與環(huán)境之間的溝通交流(這也許正是中華文明之所以持續(xù)的重要原因吧)。縱觀這些人、機(jī)(物)、環(huán)境之間系統(tǒng)交互的過(guò)程中，認(rèn)知數(shù)據(jù)的產(chǎn)生、流通、處理、變異、卷曲、放大、衰減、消逝無(wú)時(shí)無(wú)刻不在進(jìn)行著……

有人說(shuō)人工智能是哲學(xué)問題。這句話有一定的道理，因?yàn)椤拔覀兪欠衲茉谟?jì)算機(jī)上完整地實(shí)現(xiàn)人類智能”，這個(gè)命題是一個(gè)哲學(xué)問題。康德認(rèn)為哲學(xué)需要回答三個(gè)問題：我能知道什么？我應(yīng)該做什么？我可以期待什么？分別對(duì)應(yīng)著認(rèn)識(shí)、道德、信仰。哲學(xué)不是要追究“什么是什么”，而是追求為什么“是”和如何“是”的問題。自2013年10月回國(guó)后，筆者一直在思考人機(jī)交互的本質(zhì)問題，偶然與朋友交談時(shí)聊及“共在”(Being together)一詞，頓感很是恰當(dāng)，試想，當(dāng)今乃至可見的未來(lái)，人機(jī)之間的關(guān)系應(yīng)該不是取代而是共存吧：相互按力分配、相互取長(zhǎng)補(bǔ)短，共同進(jìn)步，相互激發(fā)喚醒，有科有幻，有情有義，相得益彰……非常巧合的是，2014年以來(lái)，機(jī)器學(xué)習(xí)、互聯(lián)網(wǎng)、機(jī)器人、人工智能等領(lǐng)域的發(fā)展也相當(dāng)迅速，深度學(xué)習(xí)、類腦計(jì)算、情景感知一時(shí)間成了關(guān)鍵詞，成了時(shí)髦語(yǔ)，但細(xì)細(xì)品來(lái)，其核心實(shí)質(zhì)都不過(guò)是解釋與建構(gòu)的問題，形而上后竟會(huì)變成高大上的哲學(xué)問題。

其實(shí)哲學(xué)與科學(xué)、宗教一樣，都是一個(gè)人為了能夠獲得理解而必須相信(除非你相信你不應(yīng)當(dāng)理解)的過(guò)程，這不是盲從，而是一種先信仰后理解的先驗(yàn)！比如，在科學(xué)中，物理學(xué)研究世界是什么樣的(解釋世界)，計(jì)算機(jī)(數(shù)學(xué))研究怎么造一個(gè)世界(建構(gòu)世界)，在這兩者之間若沒有相信、信任、信仰等先于理解而存在，恐怕是難以堅(jiān)持進(jìn)行下去的，畢竟在伸手不見五指的黑夜中，人是很難自行產(chǎn)生前進(jìn)動(dòng)力的(如一個(gè)沒有利潤(rùn)的環(huán)境常常少見商人身影一般)。而信仰是一種贊同的思考，常常是一種非理性的激情、沖動(dòng)情感，通過(guò)非理性而達(dá)到理性(通情達(dá)理)，這不能不說(shuō)是一個(gè)有趣的悖論！或許，這同時(shí)也是無(wú)中生有的禪理(以情化理)吧！

實(shí)際上，目前以符號(hào)表征、計(jì)算為代表的計(jì)算機(jī)虛擬建構(gòu)體系是很難逼真反映以物理、生理、心理等理論解釋真實(shí)世界的(數(shù)學(xué)本身并不完備)，而認(rèn)知科學(xué)的及時(shí)出現(xiàn)不自覺地把各“理”(物理、生理、心理)解釋與各“機(jī)”(計(jì)算機(jī)、飛機(jī)、拖拉機(jī))建構(gòu)之間對(duì)立統(tǒng)一了起來(lái)，圍繞是(Being)、應(yīng)(Should)、要(Want)、能(Can)、變(Change)等節(jié)點(diǎn)展開融合進(jìn)而形成一套新的人機(jī)環(huán)境系統(tǒng)交互體系。

有時(shí)候，世界是確定的，不確定的是我們自己，面對(duì)相同的文字、音樂、視頻等情境事物，我們常常會(huì)隨心情的不同而產(chǎn)生不同的覺察和理解，境隨心轉(zhuǎn)。有時(shí)候，世界是不確定的，確定的反而是我們自己，面對(duì)不同的文字、音樂、視頻等情境事物，我們卻能夠處變不變而產(chǎn)生恒定表征，形成概念，心隨境轉(zhuǎn)。不管怎樣，世界包括我們自己是由易、不易、簡(jiǎn)易、遷易、無(wú)易、有易、一易、多易……等諸多演化過(guò)程構(gòu)成的，在這些紛繁復(fù)雜的變化中，都需要一種或多種參考框架體系協(xié)調(diào)其中的各種矛盾、悖論，而若追溯到這些框架體系的起源，應(yīng)該就是人機(jī)環(huán)境之間的交互作用。或許，最好的智慧/智能真的就隱藏在這些交互的自相矛盾之中？！若果真如此，那又該如何破譯呢?

哲學(xué)意義上的“我”也許就是人類研究的坐標(biāo)原點(diǎn)或出發(fā)點(diǎn)，“我是誰(shuí)”“我從哪里來(lái)”“要到那里去”這些問題也許就是人工智能研究的關(guān)鍵瓶頸？！

結(jié)束語(yǔ)

人工智能，尤其未來(lái)的強(qiáng)人工智能很可能是一種集科學(xué)技術(shù)、人文藝術(shù)、哲學(xué)宗教為一體的“有機(jī)化合物”，是各種“有限理性”與“有限感性”相互疊加和往返激蕩的結(jié)果，而不僅僅是科學(xué)意義上的自然秩序之原理。它既包含了像科學(xué)技術(shù)那樣只服從理性本身而不屈從于任何權(quán)威的確定性知識(shí)(答案)的東西，又包含著諸如人文藝術(shù)以及哲學(xué)、宗教等一些迄今仍為確定性的知識(shí)所不能肯定的思考。它不但關(guān)注著人機(jī)環(huán)境系統(tǒng)中的大數(shù)據(jù)挖掘，而且對(duì)涉及“蝴蝶效應(yīng)”的臨界小數(shù)據(jù)也極為敏感；它不但涉及計(jì)算、感知和認(rèn)知等客觀過(guò)程，而且還對(duì)算計(jì)、動(dòng)機(jī)與猜測(cè)等主觀過(guò)程頗為青睞；它不但與系統(tǒng)論、控制論和信息論等“老三論”相關(guān)，更與耗散結(jié)構(gòu)論、協(xié)同論、突變論等“新三論”相聯(lián)。它是整體與局部之間開環(huán)、閉環(huán)、自上而下、自下而上交叉融合的過(guò)程，是通過(guò)無(wú)關(guān)—弱相關(guān)—相關(guān)—強(qiáng)相關(guān)及其逆過(guò)程的混關(guān)聯(lián)變換。

通過(guò)研究，我們是這樣看待指人工智能技術(shù)問題的：首先人工智能過(guò)程不是被動(dòng)地對(duì)環(huán)境的響應(yīng)，而是一種主動(dòng)行為，人工智能系統(tǒng)在環(huán)境信息的刺激下，通過(guò)采集、過(guò)濾，改變態(tài)勢(shì)分析策略，從動(dòng)態(tài)的信息流中抽取不變性，在人機(jī)環(huán)境交互作用下產(chǎn)生近乎知覺的操作或控制；其次，人工智能技術(shù)中的計(jì)算是動(dòng)態(tài)的、非線形的(同認(rèn)知技術(shù)計(jì)算相似)，通常不需要一次將所有的問題都計(jì)算清楚，而是對(duì)所需要的信息加以計(jì)算；再者，人工智能技術(shù)中的計(jì)算應(yīng)該是自適應(yīng)的，人機(jī)系統(tǒng)的特性應(yīng)該隨著與外界的交互而變化。因此，人工智能技術(shù)中的計(jì)算應(yīng)該是外界環(huán)境、機(jī)器和人的認(rèn)知感知器共同作用的結(jié)果，三者缺一不可。

篇8

一、銀行反欺詐發(fā)展趨勢(shì)

國(guó)內(nèi)外銀行在傳統(tǒng)反欺詐管理中主要依賴專家經(jīng)驗(yàn)，通過(guò)人工方式制定檢測(cè)規(guī)則，當(dāng)申請(qǐng)或交易信息與反欺詐規(guī)則匹配后即執(zhí)行相應(yīng)的業(yè)務(wù)策略。這種管理模式得出的反欺詐規(guī)則存在一定的局限性，不能枚舉所有業(yè)務(wù)場(chǎng)景，無(wú)法對(duì)各類欺詐行為進(jìn)行全面覆蓋。與此對(duì)應(yīng)，欺詐者會(huì)針對(duì)性的對(duì)已有規(guī)則進(jìn)行回避，導(dǎo)致專家規(guī)則處于被動(dòng)調(diào)整的位置，無(wú)法跟上欺詐手段的更新?lián)Q代[1， 2]。另外，當(dāng)專家規(guī)則積累達(dá)到一定數(shù)量后誤報(bào)率通常會(huì)比較高，能夠影響到實(shí)際風(fēng)險(xiǎn)決策制定和實(shí)際業(yè)務(wù)開展。

機(jī)器學(xué)習(xí)是一種重要的金融科技創(chuàng)新手段，近年來(lái)在國(guó)內(nèi)外金融機(jī)構(gòu)和金融科技企業(yè)中被嘗試應(yīng)用到風(fēng)險(xiǎn)防范、反欺詐等領(lǐng)域。例如花旗銀行、美國(guó)銀行、匯豐銀行等機(jī)構(gòu)廣泛應(yīng)用邏輯回歸、神經(jīng)網(wǎng)絡(luò)等技術(shù)以提升欺詐識(shí)別能力；京東金融與ZestFinance組建的合資公司以數(shù)據(jù)挖掘建模為核心競(jìng)爭(zhēng)力，在反欺詐領(lǐng)域深入應(yīng)用機(jī)器學(xué)習(xí)技術(shù)以發(fā)揮大數(shù)據(jù)價(jià)值。機(jī)器學(xué)習(xí)是一種研究機(jī)器獲取新知識(shí)和新技能，并識(shí)別現(xiàn)有知識(shí)的方法[3]；通常針對(duì)大規(guī)模數(shù)據(jù)集進(jìn)行全方位綜合考量，挖掘深層次業(yè)務(wù)場(chǎng)景特征進(jìn)而建立監(jiān)督、無(wú)監(jiān)督等類型的學(xué)習(xí)模型，在大量應(yīng)用中模型的準(zhǔn)確性、穩(wěn)定性也得到了充分驗(yàn)證[4]。

為此，我們針對(duì)信用卡申請(qǐng)審批這一典型業(yè)務(wù)場(chǎng)景，應(yīng)用機(jī)器學(xué)習(xí)技術(shù)進(jìn)行欺詐風(fēng)險(xiǎn)管理并設(shè)計(jì)數(shù)據(jù)產(chǎn)品對(duì)異?？蛻暨M(jìn)行監(jiān)控預(yù)警。區(qū)別于將機(jī)器學(xué)習(xí)技術(shù)應(yīng)用到單一反欺詐規(guī)則制定的典型做法，我們嘗試從整體視角對(duì)欺詐風(fēng)險(xiǎn)進(jìn)行評(píng)估，實(shí)現(xiàn)精準(zhǔn)量化預(yù)測(cè)并以此作為應(yīng)對(duì)欺詐風(fēng)險(xiǎn)的強(qiáng)有力手段。建模思路及方法具有一定的可遷移性，可以被廣泛應(yīng)用到銀行風(fēng)險(xiǎn)防范、反欺詐等業(yè)務(wù)領(lǐng)域。

二、“會(huì)思考”的風(fēng)控模型

在應(yīng)用大數(shù)據(jù)支持業(yè)務(wù)發(fā)展轉(zhuǎn)型的過(guò)程中，我們提出構(gòu)建增強(qiáng)智能(Augumented Intelligence)系統(tǒng)[5]的創(chuàng)新思路。一個(gè)務(wù)實(shí)的增強(qiáng)智能系統(tǒng)包括客戶畫像、數(shù)據(jù)挖掘模型和決策引擎三個(gè)組成部分。數(shù)據(jù)挖掘模型是智能化的核心，客戶畫像為建模過(guò)程持續(xù)提供特征輸入，決策引擎將模型輸出成果轉(zhuǎn)換為實(shí)際業(yè)務(wù)行動(dòng)。增強(qiáng)智能系統(tǒng)的一個(gè)重要目標(biāo)是提升傳統(tǒng)業(yè)務(wù)流程的自動(dòng)化水平，過(guò)程中的大數(shù)據(jù)能力主要體現(xiàn)在三個(gè)方面，也就是下圖中的三個(gè)組成部分：更好的客戶認(rèn)知、更智能化的算法、更快速的決策支持。

圖1：增強(qiáng)智能系統(tǒng)組成模塊

數(shù)據(jù)挖掘模型發(fā)揮動(dòng)力引擎作用，吸收學(xué)術(shù)界和產(chǎn)業(yè)界先進(jìn)機(jī)器學(xué)習(xí)知識(shí)成果并應(yīng)用于銀行實(shí)踐?？蛻舢嬒裰攸c(diǎn)體現(xiàn)大數(shù)據(jù)背景下的客戶多維度刻畫，在靜態(tài)信息和交易行為信息之外可以補(bǔ)充社交網(wǎng)絡(luò)維度特征信息。伴隨大數(shù)據(jù)的持續(xù)采集、生產(chǎn)和交換，客戶畫像能夠進(jìn)一步補(bǔ)充情緒屬性、價(jià)值觀屬性乃至道德屬性等信息，為數(shù)據(jù)挖掘建模提供源源不斷的能源輸入。決策引擎能夠面對(duì)業(yè)務(wù)場(chǎng)景進(jìn)行快速響應(yīng)，通過(guò)可視化等手段提供自助式業(yè)務(wù)分析能力，促進(jìn)數(shù)據(jù)價(jià)值轉(zhuǎn)化為業(yè)務(wù)行動(dòng)。

踐行上述思路，我們結(jié)合傳統(tǒng)風(fēng)險(xiǎn)管控和社交網(wǎng)絡(luò)分析技術(shù)，加工基礎(chǔ)維度信息和社交維度信息特征指標(biāo)組成反欺詐客戶畫像，并應(yīng)用隨機(jī)森林等分布式機(jī)器學(xué)習(xí)算法建立欺詐風(fēng)險(xiǎn)預(yù)測(cè)模型。不同于傳統(tǒng)風(fēng)控模型以年為單位的更新優(yōu)化周期，智能化預(yù)測(cè)模型每天都能夠進(jìn)行“思考”，通過(guò)更新網(wǎng)絡(luò)關(guān)系并重新訓(xùn)練模型確定最新的欺詐預(yù)測(cè)思維模式。模型在研發(fā)和使用的過(guò)程中靈活運(yùn)用機(jī)器學(xué)習(xí)和社交網(wǎng)絡(luò)分析技術(shù)，催生新型數(shù)據(jù)產(chǎn)品的開發(fā)與應(yīng)用從而帶動(dòng)傳統(tǒng)業(yè)務(wù)流程的優(yōu)化。

三、模型構(gòu)建與結(jié)果分析

以銀行信用卡申請(qǐng)反欺詐為應(yīng)用場(chǎng)景，詳細(xì)描述社交網(wǎng)絡(luò)構(gòu)建、特征處理、算法實(shí)現(xiàn)、運(yùn)行結(jié)果分析等階段過(guò)程。

1、結(jié)合社交視角構(gòu)造客戶特征信息

社交網(wǎng)絡(luò)分析是融合多學(xué)科理論和方法，為理解各種社交關(guān)系的形成、行為特點(diǎn)分析以及信息傳播的規(guī)律提供的一種可計(jì)算的分析方法[6]。社交網(wǎng)絡(luò)分析方法旨在建立一個(gè)網(wǎng)絡(luò)與真實(shí)世界的實(shí)體與關(guān)系映射，在銀行應(yīng)用中的典型實(shí)體包括客戶、賬戶、員工等。社交網(wǎng)絡(luò)分析通常關(guān)注靜態(tài)和動(dòng)態(tài)兩個(gè)層面的網(wǎng)絡(luò)特征，靜態(tài)特征包括提取網(wǎng)絡(luò)指標(biāo)、對(duì)網(wǎng)絡(luò)特征刻畫、識(shí)別網(wǎng)絡(luò)群組等；動(dòng)態(tài)特征主要包括描述網(wǎng)絡(luò)如何隨時(shí)間推移進(jìn)行擴(kuò)散、如何影響其他節(jié)點(diǎn)等。

分析信用卡進(jìn)件審批數(shù)據(jù)，確定數(shù)據(jù)中包含四種角色，分別是申請(qǐng)人、申請(qǐng)人親屬、聯(lián)系人和推廣人。在建模實(shí)施過(guò)程中將申請(qǐng)人角色作為社交網(wǎng)絡(luò)的關(guān)鍵節(jié)點(diǎn)，把申請(qǐng)人、申請(qǐng)人親屬、聯(lián)系人及推廣人這四種角色的移動(dòng)電話、家庭電話、辦公電話的相同作為關(guān)系類型。建模過(guò)程中構(gòu)建的社交網(wǎng)絡(luò)包括780萬(wàn)節(jié)點(diǎn)，2.33億條關(guān)系。

在構(gòu)建完成社交網(wǎng)絡(luò)后，設(shè)計(jì)并計(jì)算一二階度、一二階欺詐數(shù)、一二階欺詐占比、最短路徑等網(wǎng)絡(luò)指標(biāo)。從網(wǎng)絡(luò)視角衡量欺詐風(fēng)險(xiǎn)的傳播，度反映節(jié)點(diǎn)關(guān)聯(lián)好友數(shù)量，最短路徑反映網(wǎng)絡(luò)中節(jié)點(diǎn)間親密程度。此外，建模中的客戶基礎(chǔ)信息包括申請(qǐng)人年齡、手機(jī)號(hào)、單位電話、電子郵箱、學(xué)歷、年收入、職位等，針對(duì)這些信息需要進(jìn)行結(jié)構(gòu)化分解、離散化、頻度計(jì)算等數(shù)據(jù)預(yù)處理操作，共同構(gòu)建特征以用于后續(xù)模型的訓(xùn)練和驗(yàn)證。

圖2：反欺詐模型特征構(gòu)造過(guò)程

2、建模方案設(shè)計(jì)

對(duì)進(jìn)行特征工程化處理的數(shù)據(jù)進(jìn)行拆分，設(shè)置三組建模數(shù)據(jù)集，分別是基礎(chǔ)信息的數(shù)據(jù)集(base)、社交信息的數(shù)據(jù)集(social)，以及組合在一起的數(shù)據(jù)集(combine)。建模過(guò)程中采用3折交叉驗(yàn)證的方式完成欺詐風(fēng)險(xiǎn)預(yù)測(cè)模型建立和訓(xùn)練，并比較多組模型輸出的計(jì)算結(jié)果。

算法選擇方面，分別選擇邏輯回歸(LogisticsRegression， LR)，隨機(jī)森林[7](Random Forests， RF)和深度學(xué)習(xí)[8](Deep Learning， DL)。邏輯回歸是銀行風(fēng)控領(lǐng)域的經(jīng)典算法，以此作為模型結(jié)果的標(biāo)桿參考。隨機(jī)森林是一種集成學(xué)習(xí)算法，利用多棵決策樹對(duì)樣本進(jìn)行訓(xùn)練并預(yù)測(cè)；通常單棵樹性能表現(xiàn)較弱，但進(jìn)行組合之后能夠提供較好的分類性能，同時(shí)算法穩(wěn)定性較好。深度學(xué)習(xí)(DL)模型是包含多隱層的多層感知器系統(tǒng)，通過(guò)應(yīng)用綜合復(fù)雜結(jié)構(gòu)和多重非線性變換構(gòu)成的多個(gè)處理層及對(duì)數(shù)據(jù)進(jìn)行高層抽象的一系列算法，建立具有數(shù)個(gè)隱層的多層感知網(wǎng)絡(luò)并實(shí)現(xiàn)各種模式的識(shí)別和認(rèn)知。

模型評(píng)價(jià)方面，選用AUC、Precision、Recall、Accuracy、F1-measure等指標(biāo)。其中AUC[9](Area under Curve)是ROC曲線下的面積，介于0和1之間；AUC值表示將兩樣本正確分類的概率，AUC值越大說(shuō)明模型分類性能越好。其他指標(biāo)均是從不同角度衡量模型性能，這里不再詳細(xì)說(shuō)明。

3、建模結(jié)果分析

如下表所示，前三列數(shù)據(jù)為應(yīng)用隨機(jī)森林(RF)算法在不同數(shù)據(jù)集上進(jìn)行的三組模型輸出結(jié)果。比較結(jié)果數(shù)據(jù)可以發(fā)現(xiàn)，通過(guò)整合社交屬性信息模型各項(xiàng)評(píng)價(jià)指標(biāo)較基礎(chǔ)信息模型結(jié)果均有大幅度提升。不同于基礎(chǔ)信息，社交維度重在刻畫實(shí)體在網(wǎng)絡(luò)中的關(guān)系，其加工指標(biāo)在建模后呈現(xiàn)出與欺詐風(fēng)險(xiǎn)相關(guān)的強(qiáng)特征關(guān)系。建模結(jié)果中AUC提升7個(gè)百分點(diǎn)，F(xiàn)1-measure提升2個(gè)百分點(diǎn)，充分驗(yàn)證了建立多維度視角對(duì)于提升客戶欺詐風(fēng)險(xiǎn)識(shí)別能力的有效性。更重要的是，伴隨大數(shù)據(jù)的采集和處理，可以從深度和廣度上對(duì)客戶欺詐風(fēng)險(xiǎn)認(rèn)知進(jìn)一步補(bǔ)強(qiáng)，進(jìn)而持續(xù)優(yōu)化模型的底層數(shù)據(jù)源。

后面三組數(shù)據(jù)是在整合數(shù)據(jù)集上應(yīng)用三種不同算法，整體表現(xiàn)邏輯回歸算法較弱，深度學(xué)習(xí)居中，隨機(jī)森林表現(xiàn)最優(yōu)。結(jié)果表明目前模型輸入特征與預(yù)測(cè)目標(biāo)關(guān)聯(lián)性較好，并且總體特征數(shù)量為數(shù)十個(gè)的量級(jí)，還不足以發(fā)揮深度學(xué)習(xí)海量特征無(wú)監(jiān)督優(yōu)化選擇的特性，相比之下隨機(jī)森林、GBDT[10]等集成學(xué)習(xí)算法表現(xiàn)更為突出。

表1：欺詐風(fēng)險(xiǎn)預(yù)測(cè)模型結(jié)果比較

四、欺詐監(jiān)控?cái)?shù)據(jù)產(chǎn)品

大數(shù)據(jù)在實(shí)際應(yīng)用中體現(xiàn)出強(qiáng)產(chǎn)品化的特點(diǎn)，通過(guò)構(gòu)建反欺詐數(shù)據(jù)產(chǎn)品能夠快速實(shí)現(xiàn)決策引擎的功能；同時(shí)原始數(shù)據(jù)從積累到建模均與該數(shù)據(jù)產(chǎn)品關(guān)聯(lián)，用戶畫像建立和持續(xù)豐富也與反欺詐業(yè)務(wù)場(chǎng)景相結(jié)合。數(shù)據(jù)產(chǎn)品通過(guò)可視化技術(shù)實(shí)現(xiàn)自助式分析能力，在數(shù)據(jù)價(jià)值轉(zhuǎn)化為業(yè)務(wù)行動(dòng)過(guò)程中發(fā)揮橋梁作用。

針對(duì)信用卡申請(qǐng)反欺詐場(chǎng)景，設(shè)計(jì)專項(xiàng)數(shù)據(jù)產(chǎn)品對(duì)接相關(guān)業(yè)務(wù)系統(tǒng)。數(shù)據(jù)產(chǎn)品提供全國(guó)進(jìn)件審批疑似欺詐情況分布圖，實(shí)時(shí)獲得所關(guān)注區(qū)域的欺詐進(jìn)件分布、欺詐發(fā)展趨勢(shì)、欺詐比重等動(dòng)態(tài)。另外，提供分地區(qū)信息概要、進(jìn)件詳情、明細(xì)檢索和社交網(wǎng)絡(luò)檢索等功能，能夠在系統(tǒng)頁(yè)面查詢基礎(chǔ)指標(biāo)統(tǒng)計(jì)圖(手機(jī)和電話特征分布)、不同模型輸出的欺詐風(fēng)險(xiǎn)概率值、進(jìn)件基本信息、進(jìn)件網(wǎng)絡(luò)特征、社交指標(biāo)統(tǒng)計(jì)(一度、二度、最短路徑)等內(nèi)容。

圖3審批疑似欺詐情況分布圖

五、總結(jié)與展望