作者简介：马长山，哲学博士，法学博士后，入选国家“万人计划”哲学社会科学领军人才、“新世纪百千万人才工程”国家级人选、文化名家暨“四个一批”人才，享受国务院特殊津贴专家。现为华东政法大学教授、博士生导师、《华东政法大学学报》主编；东京大学东洋文化研究所“外国人研究员”、中国法学会法理学研究会副会长。

文章来源：《浙江社会科学》2019年第12期。为方便阅读，以上内容为作者主要观点摘录。

众所周知，人工智能与法律的研究已有近50年历史了，但却一直未能引起太大的社会震动。然而，在AlphaGo与人对弈并取得胜利之后，它便很快成为全球最热门的显学之一。我国关于人工智能与法律的研究起步较晚，在受到《国家信息化发展战略纲要》、《“十三五”国家信息化规划》（2016）和《新一代人工智能发展规划》（2017）发布的激发后，才瞬间掀起了研究热潮。从研究进路来看，可将其大致区分为“人工智能法律”（AI法律）和“法律人工智能”（法律AI）两大类型。厘清它们的不同立场、方向和路径，进而探讨“第三道路”的可行性，对推进当下人工智能与法律的深入研究无疑具有重要意义。

一、两种立场与方向

在我国关于法律与人工智能领域的研究中，既有乐观、浪漫、甚至科幻般的憧憬，也有谨慎、排斥、甚至让人纠结的困惑，但它们主要从两种进路来展开。

其一，AI法律。它基于知识系统、理性思辨和法律逻辑，将人工智能视为法律的规制对象或者法律规制的方式，因而，是一种外在视角的、以法律为本的思考和研究的理论进路。也就是说，AI法律是一种立足法律立场的研究，重在分析和解决人工智能这一新领域所带来的法律问题和挑战。它又可分为“谨慎派”和“变革派”。

“谨慎派”秉持现代性的法律理念，认为人工智能无非是信息革命或者数字时代引发的新问题、新领域，在根本上它们并没有对现代性法律形成挑战，基本的法律概念、范畴、规则、原则和方法都能够有效适用，只需通过法律解释或者立法能够包容、解决这些新领域、新问题，进而努力把人工智能纳入法律的统摄、规制范围。“变革派”却秉持数字时代的价值理念，认为现代性法律是工商业时代的产物，它反映和代表着以人财物为要素的、工商业经济的生产生活关系；而网络化、数字化和智能化则是当今信息社会的必然趋势，它反映和代表着以数据信息为要素的、数字经济的生产生活关系。因此，二者具有明显不同的内在逻辑，信息社会的各种新业态、新模式，必然会对现代性法律形成严峻的挑战；换句话说，基于工商业经济的法律，难以有效应对基于数字经济的秩序诉求。比如，智能网络犯罪就颠覆了以往物理空间的地域管辖和级别管辖逻辑、网络集团犯罪难以继续沿用以往的犯罪集团理论得到阐释；再如，把“数据大战”一律纳入不正当竞争来规制会日渐尴尬；还如，智能机器人作品和虚拟财产的属性与保护、自动驾驶的法律责任、智能合约的权利义务关系、生活场景中的人机关系等问题，都难以通过传统的法学理论得到有效的说明。说到底，现代性的法学理论和规则体系是基于单一物理空间、人的单一生物属性基础上发展成型的；它很难包容和解决当今物理（现实）/电子（虚拟）的双重空间、生物/数字的两种面向所带来的人、财、物，以及身份、关系、行为的诸多深刻变革甚至颠覆性后果。这就意味着，仅仅通过法律解释或者立法，是很难包容、解决这些新领域、新问题的，而需要按照信息社会和数字经济的生产生活逻辑，来改造和升级现代性法律，推进法律的当代变革与发展。总之，无论是“谨慎派”还是“变革派”，都是立足法学的本体立场，其方向是将人工智能视为法学的领域延伸和规则外化，主旨在于实现对人工智能的法律规制，塑造智慧社会秩序。二者的区别无非在于，是通过现代性法律的扩展完善，还是通过现代性法律的转型升级，来完成这一重大时代任务，“谨慎派”属于前者，“变革派”则属于后者。

其二，法律AI。与AI法律不同，法律AI则基于数字系统、建模计算和数理逻辑，将人工智能视为法律演进的途径和归宿，因而，是一种内在视角的、以法律计算为本的思考和研究的理论进路。也就是说，法律AI是一种立足算法立场的研究，力图用逻辑计算和符号程序来表达法律，通过建模设计、知识图谱等技术来把法律规则转化为可以自动推理的系统，甚至还能通过数据挖掘，深度学习等技术使之成为可以自动更新与迭代升级的自适应的智能系统。

法律AI可以溯源于三百多年前莱布尼兹的“法律公理化体系之梦”。他从一切皆可计算、甚至哲学争议也可通过计算来解决的理念出发，设想通过使用少数几个基本法律概念来定义所有法律概念；从一系列为数不多的、不容置疑的自然公正原则出发，演绎出所有具体法规。晚近以来，西方一些学者又先后提出，要用统计方法来测量证人、法官和立法者的行为，用符号逻辑数学记号来起草和解释法律，甚至指明了建构法律推理计算模型的规则推理、案例推理和大数据推理这三种路径。由上可见，法律AI更多地主张计算思维，也就是“将法学问题形式化为可计算问题”，然后选择合适的计算方法进行编程。这一建模算法立场的研究进路，其方向便是推动法律AI来主导法律实践，包括法律推理模型、论证与决策模型、证据推理模型、可执行立法模型、法律文本及数据库的自动提取和分类检索、电子取证机器学习与数据挖掘等等。他们预言，在未来更普遍的计算法律将可能出现，“届时系统将会自动执行法律，不需要律师，甚至也不需要法官。”这就形成了与AI法律明显不同的研究方向。

二、不同的领域与路径

随着网络化、数字化和智能化的快速交融发展，AI将会越来越多地应用于社会的各行各业，智慧社会、智慧城市、智慧司法、智慧医疗、智慧商业、智慧农业等等也将全面展开，日常生活中大量的人脑决策将让位于AI的算法决策。甚至“从经济系统底层信息、数据的产生、增长，到上层的具体应用实践，算法都在其中起着决定性作用。信息的有序增长促进经济增长，算法决定着信息增长的秩序。”这样，人类就会大步伐地迈进数字社会，算法“开始塑造这个世界”。

由于AI法律是一种外在规制的理论进路，因此，它关注的就是这种全场景的规则秩序，必然要针对基于算法所形成的全新社会关系、行为模式和社会后果进行跟踪、分析、研判，包括人机关系、算法伦理、算法责任、智能化犯罪、杀人机器人等等，然后按照法律价值和发展规律来对其做出理论回应，提出相应的法律规制方案。因此，AI法律的关注领域是所有AI应用所产生的法律关系，特别是AI与人、以及AI应用场景中人与人的生产生活关系，如人脸识别、深度造假、脑机对接、算法黑箱、算法歧视、数据鸿沟、数字人权等等复杂问题。它所采取的是一种规则主义的研究路径，更多地强调解释规则、修改规则或者制定新规则，从而主要以逻辑加持来形成AI法律体系，促进算法时代的规则秩序。这样，法律与AI就形成了既互动交融、又并存发展的二元结构。尽管它也会涉足智慧司法过程中的各种算法模型，但在更大的领域范围内却保持着对AI应用及其关系后果的规制努力。

与此相反，法律AI侧重内部视角的分析和研究，因此，它并不在意AI应用所产生的社会关系、行为与后果，而是更加注重AI应用、特别是AI司法应用本身，其核心问题是计算法学。进言之，它力图将法律规则转换为可能的算法，从而解决法律问题、推进司法过程的智能化，因此，其研究领域集中在法律文本提取、各种推理模型和裁判模型。与AI法律那种逻辑加持的主导倾向不同，它更多地体现着数学加持的倾向，甚至有学者主张，要“多一点技术，少一点法律”，从而呈现出一种技术主义的研究路径，使得法律规则通过技术转化融入在AI之中。这样，法律与AI就变成了一体化的规制体系，而在未来的发展中，它还可能会带来法律的消亡，取而代之的则是AI规则和AI控制秩序。

综上所述，由于在建模过程中需要运用大量的法律知识，而建模的计算机实现则需要运用大量的技术知识，因此，领域专家和人工智能专家都是不可或缺的。但总体观之，AI法律重在全场景、全领域的法律规制，更多关注人工智能在全社会应用所产生的关系、功能与后果，其研究范围几乎涵盖生产生活的方方面面，涉及到法理、宪法、民法、刑法、行政法、诉讼法所有专业理论，同时又需要摄入计算机、数学、逻辑学等AI相关知识，从而完成其规则主义路径的规制使命；而法律AI则重在执法司法过程中的法律转化，更多关注法律人工智能系统的建模设计和算法应用，因此，其研究范围主要是计算法学及其相关实践领域，虽然它也会运用法理、宪法、民法、刑法、行政法、诉讼法等专业理论来思考和解决AI法律问题，但更多地强调要熟练掌握和运用计算机、数学、逻辑学等AI相关知识，并凭借法律思维、法律逻辑、法律论证等等来完成法律计算，有学者甚至期待可以担当起法律AI程序员的角色，从而达致其技术主义路径的融入归宿。

三、各自的问题与前景

纵观AI法律和法律AI的不同立场、方向、领域和路径，我们可以清晰地看到它们的各自问题与前景。

（一）AI法律的问题

“谨慎派”无疑是一种守成的姿态，它力图通过对现有法律的扩张解释和放大适用，把以数据信息和算法为基础的新型生产关系、生活关系、行为模式涵盖在现代性法律体系和法学理论框架之内，这固然能够保持法律的稳定性和权威性，但面对信息技术越来越多的“破窗”，以及网络化、数字化、智能化新业态、新模式带来的越来越多的“创造性破坏”，仅仅立足对现代性法律体系的守成立场会日益捉襟见肘，亡羊补牢式的法律修补和扩充进路也必将穷途末路。而“变革派”无疑是一种开放的姿态，它主张要认识和把握网络化、数字化、智能化发展的新规律，按照信息社会和数字经济的属性和要求来对现代性法律进行改造和重建。这意味着，它并不是对现代性法律的全盘抛弃或者另起炉灶，而是在现有法律体系和理论构架基础上进行转型升级，使其能够适应、包容和反映信息社会与数字经济的生产生活逻辑和权益诉求。这无疑是一个复杂、长期、艰巨的系统工程，不仅涉及到规则体系的转型重构，更涉及到从法律概念、基本范畴、法律价值，一直到法律原则、法律关系、司法程序等的总体性变革。它目前只有一个大致的方向，还看不到任何清晰的脉络和图景。另一方面，它这种外在视角的、对AI应用的法律规制进路，虽然并不排斥AI与法律的互动加持，但它毕竟是秉持法律本位的立场，因而会对AI与法律的深度融合、以及法律AI化产生一定的迟滞影响。

（二）法律AI的问题

由于法律AI秉持着内在视角的、法律向AI转化的进路，因而，它能够避免AI法律进路的不足，加速AI与法律的深度融合和法律AI化进程。然而，它也有它的难题和局限。

1. 新的法律规则很难及时转化为法律AI

场景、数据和算力是AI的三大核心要素，而法律向AI的转化，则需要大量的、反复的、长期的场景应用、规则提炼、知识图谱训练和数据“喂养”。就目前而言，研发中探索出的方式是通过专业法律人积累带标签数据，并且将监督学习与强化学习相结合，使机器先通过较小规模的训练样本得到初步模型，再在法律人的不断反馈下扩张样本规模，通过数据循环最终得到较优的模型。这样，对于相对稳定的法律规则而言，也许还能够有时间、有训练、有“喂养”地来进行AI转化；但对那些修改、制定出台的新法律、新规则，恐怕就没有足够时间、条件和能力来随时进行AI转化。事实也表明，“知识图谱是基于现有规则和案例的法律推理模型或专家系统，判断案由是根据过往知识体系，因此当出现新型犯罪、新罪名的时候，法律AI的准确度会明显降低”，而“当数据量不充足的时候，法律AI的准确度也会降低。”当今恰恰正处在一个科技飞速发展的时代，生产生活的各种新业态、新模式不断批量涌现，迫使法律变革不得不大幅提速，国内外关于互联网、大数据、区块链、人工智能等各种修法、立法也便日新月异。此时，若把这些新法律、新规则及时进行建模设计，转换为准确的、成熟的算法，进而成为计算机可以理解和执行的命令，那可就是难上加难了。

2. 法律与AI之间的鸿沟需要跨越

法律与AI之间的鸿沟不仅涉及两个系统，还涉及法律难题、伦理道德、社会哲学等诸多问题，主要表现在：

一是法律逻辑与数理逻辑的转化。法律是由人设计出来的行为规则，反映着人类的理性能力和思辨逻辑；而AI 则是由人设计出来的算法模型，反映着人工智能的算力和数理逻辑。从本质上看，“算法（algorithm）就是任何良定义的计算过程，该过程取某个值或值的集合作为输入并产生某个值或值的集合作为输出。这样算法就是把输入转换成输出的计算步骤的一个序列。”它只能通过建模运算来确立某种输入输出的数值关系或相关关系，却不能说明因果关系和机制原理；它具备分类、归纳、综合等方面的优长，但却少有假设、分析和演绎等方面的能力。这恰恰是数理逻辑与思辨逻辑之间的分野，而法律争议的处理则很难脱离因果关系、机制原理和演绎说理，因此，如若让法律转化为AI的自动决策，这个鸿沟必须要想办法来跨越。在目前，成熟的法律AI产品也仅能做到提高效率、减少重复工作和简单推理，复杂的推理技术仍未能获得突破。

二是法律难题的分歧。简单的法律案件比较容易形式化为计算问题，但对于复杂疑难案件，专业人士的认识和理解都会是有局限的、不充分的，乃至彼此间产生很大的争议，如山东辱母杀人案、陕西张扣扣“复仇”案、湖南护士杀死闺蜜案等等，其中掺杂着经济、社会、心理、文化、甚至政治等诸多因素，且司法数据也难以完整、精准，此时如若让法律AI来判断，无疑难以奏效。事实上，“‘阿法狗’成功的原因在于围棋边界封闭、规则明晰，这使得机器可以自造数据。但法律世界包罗万象、复杂混沌，常常没有明确的对错之分，且法律实践必须纳入人类知识，法律AI不可能摆脱人类经验积累数据。并且，在法律中存在着诸如‘数额较大’与‘数额巨大’、‘抢劫’与‘抢夺’等文本非常相似但法律含义有明确区别的概念，以及诸如‘时效’等基于特定目的而由人类拟制的概念和制度，这给机器的无监督学习带来了巨大困难。”正如学者所言，可计算问题应该是其表述明确无歧义，其解决过程自洽无矛盾，这样才是有效的，而“将法学问题转变为可计算问题的难点在于法学问题往往是不明确、存在变化、可能出现矛盾的。”这必然会增加法律可计算问题的难度，也加剧了法律与AI之间的鸿沟。

三是人性与伦理的考量。法律无疑是确定的规则，但法律的模糊性、不确定性、歧义性也是众所周知的，因此，霍姆斯大法官才坚持“法律的生命不是逻辑而是经验”的信条。古今中外的司法裁判，如英国杜德利案、二战德国告密者案、许霆案、吴英案、唐慧案等等，其中的正义判断、利益衡量、推理论证无不蕴含着一定的经验理性、人性伦理，甚至公共政策因素。这些因素是法律AI难以计算出来的，它也就很难像人类一样兼顾人文关怀和道德伦理，形成彼此之间一个明显的鸿沟。可见，“算法有可能胜任法庭上的多项工作，甚至可以有效地提高现行法律制度的公平性，但是它们无法胜任判决工作。”因此，法律AI目前仅是扮演“智能辅助办案系统”的角色，难以取代律师和法官。

四是人机关系的定位。有学者展望未来，认为人类生活的基本领域将被机器所侵蚀，统治交通领域的将不再是规则，而是算法。而“当人把脑力活动都交给机器，当人类生活的各个领域都被机器所取代，人类的智力必然会因为用进废退而发生退化。到了那时，法律或许也就可有可无。”但反对者声言，“即使在人工智能的时代，算法也不可能是法律，它反而是法体系所要调整的对象；所以，在那个时代，法律不但没有死亡，它也不可能匍匐在算法之下，反而是算法的主宰者和拘束者。”二者的争论说到底，就是法律与人工智能研究的核心问题——人机关系。从人类的历史发展进程来看，无论哪个时期、无论多大的技术进步，都是以人为中心，旨在服从人类需要、提升人类生活品质的，而不是意欲取代人类。因此，面对当前飞速发展的人工智能，世界各国纷纷组建了各式各样的伦理委员会，Google、Lucid AI、微软等多家大型科技公司都已设立了伦理审查委员会，我国也正式宣布组建国家科技伦理委员会，其目的就是要将科技发展控制在人文伦理许可的范围内。出于提高效率、便捷生活、提升品质的考虑，人类会在诸如无人工厂、自动驾驶、智能投顾、机器人医疗等日常生产生活领域中把决策权交给算法，但人类不会把立法权和司法裁决权交给算法、交给机器，其角色定位都只是人类的参谋和助手，它们的算法决策只是阶段性、局部性和临时性的，是为人类的最终决策提供参考的；如果说有一天强人工智能或者超人工智能来临，AI有了人类一样的自主意识和判断能力，那么，人类更不可能交权给它，因为人类不会心甘情愿被自己的创造物所主宰和毁灭。这样看来，人机之间是可以合作的，一些角色也是可以替代的，但在核心问题上却是不可通约的，法律AI难以越过这条红线，无论它多么先进。

（三）AI法律与法律AI的互补支撑

从上述分析中可以看到，AI法律与法律AI具有内外不同的视角，有学者也称其为外部功能主义研究和内部结构主义研究。AI法律重在应用于广泛社会领域中的各种算法关系、行为、功能和后果，甚至认为“制定相关规则来约束算法设计者的行为，在发生可疑后果的时候要求程序员用自然语言来解释算法的设计原理，并且追究其相关责任，这显然是一种治本之法。”这就为法律的AI转化提供了丰富的知识图谱和训练样本，促进法律AI的成熟与完善。法律AI重在设计推理模型和法律自动化系统，在转换时往往采取假设—检验或者观察—归纳的方法，或者在面对茫然无知、变化多端的情形时，采取盲目检索或机器学习的方法让计算机自行发现一些特点，启发法学问题的形式化。这就为AI法律的研究提供了智能转化的动力、场域和途径。可见，AI法律与法律AI分别关注社会领域和司法领域、外部功能和内在结构、法律规制和智能转化，承担者不同角色，它们彼此是互补支撑的。然而，AI法律的前景关键在于，它对信息社会和数字经济生活逻辑与权益诉求的法学提炼程度；法律AI的前景关键在于，它对法律的智能转化程度。

FOURTH

四、法律与AI研究的“第三道路”

网络化、数字化和智能化的深度交融发展，是当今社会变革不可逆转的根本趋势，法律与人工智能的研究也必将成为主流领域，且对多学科交叉互动的要求越来越强。由于AI法律过于强调外在规制，法律AI过于强调智能转化，因此，它们都一时难以破解各自所面对问题和挑战，而更适宜的研究进路，应该是发挥二者优势的“第三道路”。

其一，从浪漫理想回归现实主义。从某种意义上说，AI法律旨在把AI纳入法律规制框架之内，是一种基于法律本位的理想主义。随着人工智能在各种生活场景中的大量广泛应用，使得“人类世界被植入了计算机逻辑”，生产方式、生活方式、行为方式、价值观念都面临着深度变革，“很多旧有的习惯将被颠覆，很多旧有的制度将面临挑战。”面对这些挑战，“谨慎派”的守成自不待言，就是“变革派”的升级转型努力，也依然是较强法律本位倾向，这就难以及时主动地吸纳、融入网络化、数字化和智能化的技术规制方式（如以代码规制代码），也会影响法律的智能转化。而法律AI旨在把法律转化为智能系统，则是一种以AI为归宿的浪漫主义。前述法律逻辑与数理逻辑的转化、法律难题的分歧、人性与伦理的考量、人机关系的定位等困境，无疑是法律AI化道路上的重重障碍。因此，对法律AI抱有过多的期待、设置过高的目标，未免脱离实际，至少在可见的范围内是如此。这样看来，就需要AI法律的研究“往前迈一步”，法律AI向“后退一步”，汇合到“第三道路”上，以现实主义的精神来发挥各自的优长，根据客观规律和现实需要、通过法律专家和技术专家的合作来推进法律与AI的相关研究。

其二，增强法学与技术的对话合作。无论是AI法律还是法律AI的研究，都会面临着一个让人深度焦虑的问题是，法律人不懂计算机技术，如何来研究人工智能？大家知道，法律是一种知识系统，AI则是一种数字系统，数字系统能做的知识系统做不了，知识系统能做的数字系统做不了，“懂技术的不懂法律，懂法律的不懂技术，这也是法律人工智能理论和实践很难推进的现实困难。”实践表明，“即使在有限的运用中，不懂计算思维的法律人无法检测功能设计、程序编写的正确性和合理性，无法判断数据的可靠性，只能被动地接受返回的数据，再进行人工检测。但对于海量的数据，即使抽取百分之一的样本量进行检测，也是人力难以完成的。而没有法学思维的人在设计功能时难以正确理解法学问题的丰富内涵，在具体化的过程中很容易出现偏差、存在偏见而不自知。”对此，学者们一直努力寻找破解的应对方案。然而，有几点则需要进一步讨论：

首先，全能型、通才式的研究思路，未必行得通。目前，真正能够设计法律AI模型和算法的基本都是理工科出身、至少是有计算机背景的科技学者，而法律专业出身的学者基本都无法涉足；然而，科技学者设计出来的法律AI模型和算法，又因欠缺法学思维、找不准法律问题而难以应用。对此，一些法律人希望通过深入研习计算机理论与应用技术，甚至力图学会设计算法和编程来推进法律AI的研究，但这可能只对极少数有基础、有天赋的人才适用，而对绝大多数法律人来说难免是一种梦想。即便极少数天才可以做得到二者“通吃”，究竟能“通吃”到何种深度、适时跟进到何种地步，这也是一个疑问。其理由在于，不用说法律和计算机之间在专业领域、知识体系、思维方式等方面的巨大鸿沟，就是法学学科内部的民法、刑法、行政法、国际法等，以及计算机科学技术内部的软件工程、计算机软件与理论、计算机系统结构、计算机应用技术等，均都有些“隔行如隔山”，那么，学者们有多大的精力和能力来打通两大系统？加之当下计算机科学技术和法学的各自学科理论发展又都十分迅速，专注本领域研究的学者都应接不暇，何况跟进“通吃”呢？因此说，寄希望于法律人去深入研习计算机理论和应用技术、或者让技术专家去深入研习法律，试图让法律人兼具程序员角色、或者技术专家兼具法律人角色，这种全能型、通才式的解决问题的思路几乎是不可能的。

其次，不懂计算机技术，未必就不能研究人工智能。研究人工智能确实需要了解和掌握相关的技术理论和知识，努力掌握和养成一定的计算思维，这没有疑问。然而，法律人常常纠结的“不懂计算机技术”，并非指不了解一般的计算机知识或通识，而是指不能比较熟悉并应用相关的计算机理论和技术。其实法律人“不懂”，对其研究人工智能并没有太实质性的影响。因为“法律专家不可能是面面俱到的每个领域的专家，这根本就是不可能的，也是做不到的；但他必须得是真正的法律专家才行，才能在法律的基础上甄别其他专家的同行意见，然后做出法律上的妥当决定。”客观而言，在法律上研究人工智能及其在社会领域的广泛应用，不仅包括它的内部结构和模型算法，也包括经由它所产生的社会关系和社会后果，后者才是基础性的、也是主体部分；对这些领域，并不需要研究者成为计算机技术专家，但必须是法律专家才行。这有如知识产权领域的专家并没都拿到专利，环境法领域专家并不都是科学家一样，然而并不影响这些专家的研究，他们关注的同样是相应的法律关系、行为样态和社会后果。

再次，法学与技术的对话合作，是最基本的方式和途径。我们说全能型、通才式的研究思路行不通，不懂计算机技术并不影响研究人工智能，这里的关键是如何研究？人们常常发现，“不具有计算思维的人难以意识到怎样的法学问题是可计算的问题，而没有法学思维的人根本就提不出有法学研究意义的问题。如此，计算机在法学研究中的运用就只能靠偶然的机会来产生，只能局限在狭窄、表面的领域。因此，我们需要将AI法律和法律AI汇合在“第三道路”上，这无疑需要法学与技术的长期对话合作，并逐渐取得各领域、各层级的基本共识；“需要法律人和程序员、人工智能专家的合作，以便使算法进入法律，法律进入算法，从而使人工智能的基础操作系统符合人类的伦理和法律。”而在具体操作层面，“或许只有当法律人与技术人紧密结合，相互理解，充分获知对方的需求与期待并实际解决法律与技术运用中的实践难题时，才是法律人工智能在法律界大展拳脚的时刻。”

其三，促进法律与人工智能的双向融合。“第三道路”既不是旨在把AI纳入法律规制框架之内，也不是旨在把法律转化为AI系统，而是力图让AI法律和法律AI汇合所长、避其所短，实现法律与人工智能的双向融合，这无疑是一条更优的整合研究进路。就是说，一方面是让人工智能支持法律，打造一个高效的、可视正义的司法体系；另一方面是让法律改变人工智能，开发出具有内在法律和伦理规则的人工智能，“使一种新型的、合乎伦理的、可解释的人工智能得以在法律中成长和发展起来”，因此，“法律人工智能的研究应该更多关注二者如何能够强强联合，而不是谁赢谁输。”这就要求法律人要积极参与到人工智能技术研发之中，“为人工智能的深度应用提供场景、提炼规则，制作各种证据指引和知识图谱，推进机器深度学习”，积极促进彼此的融合贯通。目前，有西方学者设计出了具体的方案，认为论证是弥合知识系统和数字系统之间鸿沟的有效路径。具言之，尽管机器学习只能对一般情况作出较为准确的预测，却无力应对法律领域里的复杂案情、特定情形和场景细节，而这些都需要解释、推理和论证。他“希望通过论证系统的完善，这些问题可以迎刃而解。当然，这将是一项长期性和持续性的工作。”至于论证这一路径最后能否走得通，或者是否还有其它更有效的路径，可能还需要时间的检验和更多人的努力。

编辑：易水寒天、凌啸、墨汁、景煊、羊咩咩、沁庆