作者简介：季卫东，上海交通大学法学院教授。
内容提要：人工智能作为一种重要的技术手段，能够辅助法律议论，确保法律论证、推理、判断以及决定的客观性和中立性。但是，司法人工智能在提高同案同判水平和审判可预测性的同时，也容易导致法律议论流于形式，助长算法歧视。人工智能的深度学习离不开法律专家的介入和监督，智慧司法的系统构建应为法律解释和法律议论预留空间。为使人工智能真正有效地模拟法律议论，法律人需对法律背景知识体系进行梳理和电脑化处理，从一般条款、元规则入手，以法律论题学为媒介，建立价值标准体系。为实现价值判断的客观化，除为法律推理的价值体系建立论题目录、缔结关于法律议论的通信协议外，确立价值函数和价值权重也是一项重要任务。此外，还应开拓与人工智能相兼容的法律议论方式，将具体的场景和语境纳入法律议论电脑化的视野，开发相应的技术方法和模型。
关键词：人工智能/逻辑法学/法律议论/智慧司法/法律论题学
标题注释：本文系国家社科基金重大项目“大数据与审判体系和审判能力现代化研究”(17ZDA130)的阶段性成果。
早在20世纪70年代，已有美国学者启动了关于法律推理的电脑化研究。④其后不久，W.G.珀普和B.施林克开发出了有助于提高法律服务绩效的JUDITH律师推理系统，⑤英国学者借助PROLOG逻辑编程语言的推理功能实现了国籍法实务的人机对话。⑥1987年，噶德纳以合同法研究为基础出版了关于人工智能用于法律推理的专著。⑦在日本，吉野一领衔开展了关于“法律专家系统”的大型系列科研项目，试图建立法律知识库和多样化推理机制。⑧应当说，司法人工智能正在日益普及。尽管如此，法律推理的人工智能系统仍处起步阶段，即便在理想的条件下，专业化的法律解释和推理能否准确地、适当地通过算法来运行，也还存在疑问。电脑固然可以进行法律规则适用的三段论推理、辩证推理甚至模糊推理，也可以发现案例特征与数据库储存的基础案例特征之间的类似性并进行逻辑演绎，但无法决定有效规范在适用上的先后顺序，无法进行价值判断，也不可能做出直觉反应。因此，人工智能能否真正有效模拟法律议论甚至在更高层次上促进法律议论？为使法律议论的电脑化或部分电脑化成为可能，法律人应该进行哪些法学理论和操作技术的研究？这些是需要我们考虑的第二层问题。
法律解释和法律议论的本质是规范思维，其过程势必伴随价值判断。尽管价值判断具有主观性，会反映个人的选择偏好甚至特定的意识形态立场，但对价值进行评价的标准在一定程度上可以客观化。另外，价值判断的命题群能够被体系化并形成某种结构，此种结构带有客观性，可以被设计和塑造。对价值判断结构的把握要以对关系和场域的思考为前提，为人们留下在具体场景和语境中斟酌选择的余地。在选择之际，价值的复数性会凸现出来。人工智能如何对不同的价值取向或评价标准进行排序？如何通过比较、权衡以及取舍做出适当的价值判断？电脑信息处理系统怎样才能抽取那些决定某个价值群的等级次序的元规则，并适当描述法律的价值函数？这些是我们必须认真思考的第三层问题。
以上述三类问题作为基本线索，本文聚焦于人工智能与法律解释、法律议论的关系，试对信息技术、互联网对法律话语空间的影响进行探讨。首先，通过推理系统、人机对话系统、专家系统等考察逻辑法学以及有关法律议论的通信协议，明确人工智能在司法领域应用的可能性及局限，探讨如何为当事人和职业法律家进行面对面的论证性对话预留空间。其次，从人工智能辅助价值判断的角度对法律规则体系和背景知识体系进行梳理、分析以及重构，考察一般条款和元规则的各种维度以及法律论题的谱系、目录和信息处理方式，明确价值判断的结构和评价标准，为在“意义之网”(webofmeaning)中发现并计算法律判断的价值函数和价值权重提供必要的基础理论框架。最后，以法律解释与法律议论的双重结构和相互作用的过程作为前提条件对价值判断进行定位，进一步讨论在所谓“积木世界”里，如何对论题和话语的各种组合不断探索并形成共识，进而为智慧司法的未来发展明确方向。
一、法律解释、法律议论与人工智能的对话系统
按照19世纪法教义学的理解，法律解释就是把明文规定的法律规范作为大前提，把法官认定的案件事实作为小前提，通过要件的对应关系把具体事实逐一涵摄到抽象规范之中并得出结论的三段论逻辑推演过程。在这样的理解框架里，任何司法活动都必然伴随着法律解释，没有上述推理环节就不可能作出判决。只有当法律解释仅凭逻辑三段论的概念计算就能从法律的涵义推演出“唯一正确的解答”时，关于具体案件的结论才能与法律规范本身获得同样的正当性。这样的逻辑法学，包括用于记述事实的本体逻辑学和用于记述法律的义务逻辑学，⑨很容易进行电脑化处理。
一旦法律解释可能受到偶然性或主观性因素的影响，法律推理的演算就可能得出复数结论，⑩司法判决就不能直接从法律体系本身获得正当性，而需采取其他方法进行正当化处理。此时，法教义学的基础也就势必发生动摇。众所周知，20世纪的美国，现实主义法学受德国法社会学者埃利希的“活法”概念以及自由法律运动的影响，强调法律解释乃至事实认定的偶然性。(11)20世纪70年代后，激进的批判法学进一步主张法律体系充满内在矛盾以及法律推理具有主观性或者意识形态性。(12)后现代主义法学亦强调法律解释和推理会得出复数结论，强调因个人的思想差异，不存在唯一正确选项。(13)这一切都对法律判断的客观性、中立性、公正性构成挑战，也会妨碍人工智能的应用。
在信息系统的输入和输出完全依赖逻辑演算的电脑空间里，没有严密描述的算法，也就无法进行表达、对话以及其他操作。从人工智能的视角来看，成文法体制下的解释和议论只能是逻辑法学式的，根据法律进行判断和决定在很大程度上就是所谓“按键法”(pushbuttonlaw)在运作，整个话语体系都由“人机共同作业”来构筑。(18)在判例法体制下开发出来的法律推理系统HYPO，则是利用案例类似性检索功能和推理方法、通过判例进行自动推理的系统。(19)其具体机制，是对于存在争议的事项或关键词进行检索从而发现存在相同事项或相同关键词的类似案例，也可以对显示对应维度之间或强或弱的差序之值进行加权，找出存在类似特征的那些案例。简单地说，HYPO系统就是运用那些能显示法律性质的维度或者关系的概念以及论题(根据问题确定前提)来进行计算和推理的。
这类法律推理系统必须以足够庞大的知识库和数据库作为基础，必须输入确定的、完全的信息才能获得可靠的输出结果。尤其是，日常生活中司空见惯的信息和表达也都要包罗在内，否则就无法进行真正的反应和对话。但是，建立足够大的常识库、确立精准的常识图谱，显然是一项难见终期的巨大的、艰难的社会工程。迄今为止的法律对话系统推理能力很差，不能进行必要程度的思考，主要原因就是缺乏常识。由于不具备常识，对于那些没有既定框架和规则的复杂问题，人工智能就会假想所有情况，进行无限想象，陷入永无止境的语言游戏。除了因缺乏常识而引发上述“框架问题”外，(20)人工智能还有一个弱点，即无法理解语言的真正涵义。这意味着信息处理系统里的符号与现实世界的意义并没有直接联系，也就是哈纳德在1990年就已提出但始终悬而未解的“符号接地问题”。这两个问题构成法律解释和法律议论电脑化的关键性障碍。(21)
另外，感性或者感觉行为一般很难适用符号模型，无法被精确描述。大数据的分析系统基本上还处于数据分组加回归分析的阶段，对未知因素进行区别、判断以及预测的能力还比较弱。例如，对某个巨大灰色动物图像并不能做出明确识别，而只能提示其可能是什么的概率，如识别为大象的概率是92%，识别为犀牛的概率是8%。显然，大数据与人工智能相结合还不足以构成一个感知系统。对大数据进行概率统计和预测，的确可以矫正个案偏误，但也可能维护系统偏误。如果数据质量差、规格不一致(目前中国的司法大数据不幸正处于这样的状态)，所得结论就更会充满误差和噪音，甚至不断重复错谬。因此，在现阶段，即便人工智能的深度学习可以通过随机的试错活动来不断趋近目标，这种机制仍然不能用于富于变化、感情以及创造性的法律议论。这也意味着，当前法律人工智能的发展同预期目标还相距较远，只能作为司法和法律服务的辅助系统，在有限的领域里处理单项的推理任务以及其他较为初级的作业。
人工智能视野下的法律议论，本质是通过说理和情感的共鸣达成共同的理解，反过来又进一步促进沟通。最典型的法律议论场景是辩诉博弈以及商谈沟通。这种对话过程电脑化的关键是梳理原告与被告之间争论点和妥协点的话语活动的通信协议系统。这个关于法律议论的通信协议是根据斯蒂芬·图尔敏图式界定的，(22)即主张或结论、要件事实、论据、证明、反驳这五个因素以及可靠性的强度变量构成论证的每一基本步骤。这样的图式不断累积，也就是辩诉不断反复，形成论证的整体结构。抗辩式议论的通信协议就是由诉求、让步、否定、出示规则、出示论证、出示辩驳、撤销诉求等一系列步骤所构成的。在这里，辩诉博弈不是一面之词，而是对话式的；议论的内容包括各种各样有可能被撤销的规则的妥当性和相对优先度；通过在当事人之间公平分配发言机会和举证责任的规则可以适当限制司法资源的使用。(23)因此，这里的法律议论构成了一个以通信协议的网络为媒介的人—机共生社会，一个由自我、故事、关系、场域等因素构成的无限定话语空间。大数据和互联网归根结底是一种让对话式论证的人工智能不断成长的算法。
二、一般条款、元规则以及法律背景知识的体系化
图1程序正义的价值评价体系
在法律推理元规则的提炼和体系化方面，格尔哈德·舒托卢克的法律论题学目录具有重要的参考意义。(30)他提出了64项重要的法律论题，构成一个在推理过程中进行检索的依据及整理思路的工具性矩阵(见表1)。(31)尽管这些西塞罗式论题并未包罗法律议论的所有维度，也还没有达到完全体系化的程度，但对富勒关于法律内在道德的八条标准都有涉及。甚至可以认为，这64项论题基本上是对程序自然法八条道德标准进行推演的具体形态。(32)当然，这些论题属性不一，无论是形式还是内容，都还有些芜杂，有待进一步完善。这个法律论题学目录本身也是一种主观假说。但人类永远需要借助主观假说或莱布尼茨所倡导的数学化论题组合艺术，去整理和利用从周围世界获得的各种不确定信息，形成并维持与外界环境的协调关系，这正是人类智慧的本质所在。
表1舒托卢克法律论题学目录
三、法律判断的价值函数和价值权重
根据法律推理的主体、语境以及价值判断的功能之间的关系，我们基本上可以确立法的价值函数。从2006年起，日本学者平田勇人在数学研究者的帮助下开始探索法的价值函数公式化，侧重解析法律推理与价值间的对应关系。他的基本主张是，法的价值判断即法律家与法律环境这两个变数的函数，价值函数的演算符则是不同类型审判中反映基本价值的那些法律原则。例如，在民事审判中，主要的价值函数演算符有四种，即我们熟悉的公正、不偏不倚、高效迅速以及经济性。每个演算符都根据不同的评价标准独立运行，最后可以把各个评价值进行综合评价和运算。如果评价标准之间发生冲突或存在差异，还要导入优先顺序的因素进行判断。(38)如果围绕价值存在争论，那就势必要以争取价值共识或者达成适用价值的妥协为目的开展沟通，这时的法律议论通常具有辩证推理的特征。(39)此外，人工智能系统对法律判断的过程进行模拟时，应该采取价值函数最大化的方法。(40)这意味着法的价值判断应优先于逻辑推理，以确保法律议论可以摆脱无穷反复的语言游戏而顺利进行。
图2作为复合型话语博弈的法律价值判断机制
法律议论的话语博弈势必形成类似图3的论题网络。圆圈里的甲乙表示不同的法律论题，圆圈(节点)之间的连线显示相互的叙述关系。论题网络本身是一种无向图，节点的位置可以体现论题间的“中心性”。如果某个论题在这种社会网络中更容易与其他论题发生逻辑或修辞上的关系，那就处于更有利的位置。这种中心性也可以被数值化为指标。如果某个论题与更多的论题相连接，则基于连线次数的“中心性指标”就越高。(43)
图3法律议论的论题网络
通过前面考察过的法律论题目录以及价值评价标准体系，我们也能发现论题之间的连线。因此，价值加权可以通过计算论题之间连接的纽带数来进行。如果节点太多、论题网络过于复杂，求值作业就会变得困难。这时可以采取论题网络行列的矩阵方式来说明，把图3的连线信息表示为矩阵R，如下所示：
在这里，从第1行到第6行，分别排列着论题甲到论题乙的连线信息。(44)由于这是个无向图，即使行与列进行替换仍然构成同一行列。如果两个论题相连，则对应元素为1，例如甲与丙是相连的，矩阵R的1行3列的元素r13是1，3行1列的元素r31也是1。如果论题不相连则为0。如果处于同一行和列，那就成为自己与自己相连，但这样不能构成对话，所以也设定为0。对各个论题的连线次数，可以用矩阵R乘以元素全为1的列向量进行计算。这个计算的结果以列向量P[，1]来表示如下：
显而易见，P[，1]的各项元素中，丙的中心性指标的值是最大的。以这样一些中心性指标不同的论题为前提来加权，就可以借助关于人物定位和评分的波纳西茨方法进行新的中心性指标值的计算和价值评估。(45)具体做法是将矩阵R的每一行按列向量P[，1]进行加权求和，求得新解P[，2]，即P[，2]=R×P[，1]。矩阵展开如下：
将结果③用行向量表示，就是P[t][，2]=(4，4，8，9，9，6)。以论题已的计算结果(6)为例，与己相连的丁和戊的中心性指标都是3，以此作为权重，计算结果为3×1+3×1=6。但这还不够，需要按照前述方法反复加权计算(具体计算过程省略)，直到收敛点才能求得可以充分反映论题相互关系的中心性指标。
我们还可以把根据连线次数计算出来的中心性指标评价值与根据波纳西茨方法计算出来的中心性指标评价值进行比较，获得表2。两种方法计算出来的评价值是有不同的，主要体现在丙、丁、戊的差异上。采取连线数方法并把式②计算结果P[，1]的各个数值分别除以最大值，这样就更方便与波纳西茨方法计算出来的中心性指标的数值进行比较。一般认为，波纳西茨方法缩小了最大值与最小值之间的差，(46)更能反映网络的结构。(47)
表2不同中心性指标的评价值和排序
自反性探究与法律议论的结合点在于问题导向的情境思考、寻找理由和解答的反馈机制以及预测的预测之类的话语博弈，也会聚焦于事实认知以及认知科学。从反射脑、情动脑、理性脑到镜像神经元，人们发现了特定行为模式的编码储存及同频共振的神经线路，加深了对社会性的基础在于模仿、沟通、学习以及由此产生的他者理解、共同理解或共鸣等命题的认识。萨博乃至卢曼关于法律反思机制的学说实际上与神经网络的镜像机制存在异曲同工之妙。关于镜像神经元网络的研究成果，对法律议论、涉身模拟以及无需推理和概念计算的价值判断方面的人工智能开发也具有重要意义。所谓知觉，无非是主体在包围自己的光影中找出不变因素的一种心理活动。在审判以及调解过程中，通过身体与环境之间的互动形成协调的关系，势必在脑内描绘出某种认知地图、形成机器学习的网络。特别是在所谓“自我中心的自我”与“场景中心的自我”这样的认知—心理双重结构之下，把符号、涵义、做法都纳入法律沟通研究的视野，我们就能发现自我指涉以及同步化在共同理解或者共识的凝聚过程中将发挥不可或缺的作用。(52)
推而论之，法律被理解为一个自我完结的系统，即“完全世界”，法律议论却造成了不完全、不断变化的“无限定环境”——各种各样的叙事会编织出不同的关系和网络，会发现新的特殊意义和价值，会催生某种价值体系形成、变化、再形成或者自创生的场域。在这个意义上，法律议论也可以理解为卢曼所说的那种“学习之法”的具象，构成法律体系的模糊边缘或者软规则部分。
与自我中心和场景中心的认知—心理双重结构相对应，法的话语空间也具有法律解释与法律议论的双重结构。解释是明确法律规范内容的作业，存在着决定论、机械论以及规约主义的倾向。因此，法律解释追求的是“完全世界”。例如，德沃金认为法律体系是完美无缺的，法律解释就是根据法律体系的目的来寻找最好的涵义以及解答。虽然他也承认创造性解释，但在他看来，这种解释在本质上仍是关于法律体系之“目的”的报告，且必须接受那种确保体系连贯自洽的“整合性”的检验。(53)同样，费什的学说也以法律体系的完美无缺为前提。尽管他承认规范的意义不在既定文本而在于各种解释策略，对于法律文本可以出现不同的主观化解读，但他强调，在一个解释共同体中，解释策略(价值判断标准)是共有的，具有公共性和客观性。(54)
从控制程序、搜索引擎到知识数据库的运用，人工智能都必须按照人给出的指令或算法运行。在机器学习阶段，需要人提供数据的特征量和规格化方式，然后人工智能系统才能进行学习和预测。人工智能可以不断提高精确度和工作效率，但很难对复杂的、模糊的问题进行判断。(57)当机器学习的数据输入不间断地超高速进行时，对输出的预测就会变得非常困难。而在深度学习的场合，人工智能系统不仅按照算法进行数据处理，还能采取多层次脑神经网络的模型和方法，从大数据中自动发现和提取特征量，揭示未知的问题、样式、结构以及原理。这当然有利于扩大选择空间和创新。但是，当人工智能从他律系统转化为自律系统、从演绎系统转化为归纳系统，特别是在人工智能网络的相互作用及其连锁反应不断进行的情况下，预测、理解、验证、控制就会变得更加困难，甚至出现黑箱化现象。在数据驱动的人工智能时代，“透明社会”与“黑箱算法”是我们不得不面临的一对根本矛盾。各种人工智能互相联结，形成所谓“智慧网络社会”，势必引起自动的组合变更，实现自我生成式的增长和变异，形成复杂情况和网络混沌，对国家治理方式和法律秩序不断提出新的挑战、带来新的机遇，也会深刻影响法律议论。(58)
电子计算机擅长进行大量的、反复的信息处理和逻辑演算。人类却擅长进行直觉的分析和判断，通过与环境的相互作用创造出主观的世界图像，并依此进行认识、预测以及沟通。司法人工智能的发展目标就是要把这两个方面密切结合起来，使按照逻辑法学进行的解释、推理以及具有开放性和情境指向的法律议论都能达到新的高度。如果电脑和通信技术进一步发达，从图像数据到观测数据、行动数据以及语言数据都可以进行深度学习，那就有可能在未来解决环境认识、行动预测以及知识获得等方面的瓶颈问题，从而使人工智能在法律解释和法律议论领域的应用出现相应的质的飞跃。即便如此，深度学习的过程仍然需要法律专家的介入和监控，防止法律判断过程出现本可避免的失误。在机器学习的现阶段，我们更应该而且也完全有可能做到的是，确保智慧司法的系统建构为法律解释和法律议论预留足够的机会，以有效防止算法独裁造成法律判断上的偏颇，要在事实与规范的反复相互作用和重新组合的开放性动态中，克服既有系统的偏误并促进制度创新。
①参见季卫东：《法律解释的真谛(上)——探索实用法学的第三道路》，《中外法学》1998年第6期，第1页以下；季卫东：《法律议论的社会科学研究新范式》，《中国法学》2015年第6期，第25页以下；季卫东：《中国式法律议论与相互承认的原理》，《法学家》2018年第6期，第1页以下。
②参见季卫东：《人工智能时代的司法权之变》，《东方法学》2018年第1期，第125页以下；季卫东：《人工智能开发的理念、法律以及政策》，《东方法学》2019年第5期，第4页以下；季卫东：《5G对社会与法治的影响》，《探索与争鸣》2019年第9期，第44页以下。
③关于算法独裁的悖论，参见[以色列]尤瓦尔·赫拉利：《未来简史》，林俊宏译，中信出版社2017年版；高奇琦：《人工智能——驯服赛维坦》，上海交通大学出版社2018年版，第34页以下。
⑤SeeWalterG.PoppandBernhardSchlink,Judith,aComputerProgramtoAdviseLawyersinReasoningaCase,15JurimetricsJ.303(1975).
⑥SeeM.J.Sergot,F.Sadri,R.A.Kowalski,F.Kriwaczek,P.HammondandH.T.Cory,TheBritishNationalityActasaLogicProgram,29CommunicationsoftheACM370(1986).
⑦SeeAnneVonDerLiethGardner,AnArtificialIntelligenceApproachtoLegalReasoning,Cambridge,MA:MITPress,1987.
⑨参见山下正男：《法的思考とはなにか——羲務論理学の効用性》，载山下正男编：《法的思考の研究》，京都大学人文科学研究所1995年版，第1页以下；钱大军：《法律义务的逻辑分析》，《法制与社会发展》2003年第2期，第83页以下；万继华：《本体逻辑原理与应用》，广东科技出版社2008年版。
⑩日本法学家来栖三郎早在20世纪50年代初就指出了这一可能性。参见来栖三郎：《法の解釈と法律家》，《私法》第11号(1954年)，第16页以下。哈特关于基于抗辩的可撤销性概念也蕴含了同样的思想。
(11)参见付池斌：《现实主义法学》，法律出版社2005年版，第119页以下；刘星：《法律的不确定性——美国现实主义法学述评》，《中山大学学报(社会科学版)》1996年增刊，第199页以下；陆宇峰：《美国法律现实主义：内容、兴衰及其影响》，《清华法学》2010年第6期，第85页以下。
(12)SeeRobertoM.Unger,TheCriticalLegalStudiesMovement,Cambridge,MA:HarvardUniversityPress,1986;RobertoM.Unger,WhatShouldLegalAnalysisBecome,London:Verso,1996.
(13)参见朱景文主编：《当代西方后现代法学》，法律出版社2002年版，第21页以下。
(14)参见[美]詹姆斯·M.布坎南、戈登·塔洛克：《同意的计算——立宪民主的逻辑基础》，陈光金译，中国社会科学出版社2000年版，第4页以下。
(15)SeeOwenM.Fiss,Conventionalism,58S.Cal.L.Rev.177(1985);Poincaré,LeRoy,Ajdukiewicz,RadicalConventionalism:ItsBackgroundandEvolution,inVitoSinisiandJanWolenski(eds.),TheHeritageofKazimierzAjdukiewicz,Amsterdam:Rodopi,1995,pp.40-101;AnnaJedynak,KazimierzAjdukiewicz-FromRadicalConventionalismtoRadicalEmpiricism,74PoznanStudiesinthePhilosophyoftheSciencesandtheHumanities89(2001).
(16)参见井上達夫：《普遍主義と文脈主義——哲学から歴史へ》，载野家啓一等编：《哲学に何ができるか(新哲学講義别巻)》，岩波書店1999年版，第183页以下。
(17)SeeRosalindW.Picard,AffectiveComputing,Cambridge,MA:MITPress,1997；[美]罗莎琳德·皮卡德：《情感计算》，罗森林译，北京理工大学出版社2005年版，第3页以下。
(18)SeeReedC.Lawlor,WhatComputersCanDo:AnalysisandPredictionofJudicialDecisions,49A.B.A.J.337(1963).
(19)HYPO,英文全称为LegalReasoningSystemwithCasesandHypothetical。SeeK.D.Ashley,ReasoningwithCasesandHypotheticalsinHYPO,34InternationalJournalofMan-MachineStudies753(1991)；前引③，高奇琦书，第34页以下。
(20)参见夏永红、李建会：《人工智能的框架问题及其解决策略》，《自然辩证法研究》2018年第5期，第3页以下。
(21)SeePompeuCasanovasandothers(eds.),AIApproachestotheComplexityofLegalSystems:ComplexSystems,theSemanticWeb,Ontologies,Argumentation,andDialogue,Berlin:Springer,2010,pp.93-95.
(22)参见[英]斯蒂芬·图尔敏：《论证的使用》，谢小庆、王丽译，北京语言大学出版社2016年版；舒国滢：《法学实践知识之困与图尔敏论证模型》，《国家检察官学院学报》2018年第5期，第72页以下；[日]亀本洋：《法的思考》，有斐閣2006年版，第226页以下。
(23)SeeThomasF.Gordon,ThePleadingsGame:AnArtificialIntelligenceModelofProceduralJustice,Dordrecht:KluwerAcademicPublishers,1995,p.ix.
(24)关于法律论题学的中文译作，参见[德]特奥多尔·菲韦格：《论题学与法学——论法学的基础研究》，舒国滢译，法律出版社2012年版；[美]W.科尔·达勒姆：《西方两大法系比较视野下的论题学》，张青波译，戴一飞校，载郑永流主编：《法哲学与法社会学论丛》总第14期，北京大学出版社2009年，第262页以下。我国关于法律论题学的代表性论作，参见舒国滢：《寻访法学的问题立场——兼谈“论题学法学”的思考方式》，《法学研究》2005年第3期，第3页以下；舒国滢：《走近论题学法学》，《现代法学》2011年第4期，第3页以下；焦宝乾：《论题学及其思维探究》，《法学论坛》2010年第3期，第40页以下；张静焕：《论题学法学的逻辑解读》，《法律方法》2009年第2期，第60页以下；韩振文：《论题学方法及其运用》，《法律方法》2017年第1期，第244页以下；徐国栋：《从“地方论”到“论题目录”——真正的“论题学法学”揭秘》，《甘肃社会科学》2015年第4期，第197页以下。
(25)参见平田勇人：《信義則をめぐる背景知識の体系的整理》，载前引⑧，吉野一编《法律人工知能——法的知識の解明と法的推論の実現》，第137页以下；徐国栋：《民法基本原则解释——诚信原则的历史、实务、法理研究》，北京大学出版社2013年版。
(26)参见[美]富勒：《法律的道德性》，郑戈译，商务印书馆2005年版，第46页以下。受富勒理论的影响，还有其他学者提出过有关基本原则的理论观点，例如英国前上议院首席大法官宾汉勋爵提出的法治八条核心原理。SeeLordBingham,TheRuleofLaw,66CambridgeL.J.67(2007).
(27)SeeMonikaZalnieriute,LyriaBennettMosesandGeorgeWilliams,TheRuleofLawandAutomationofGovernmentDecision-Making,82Mod.L.Rev.425(2019).
(28)参见前引(25)，平田勇人文。
(29)参见中野貞一郎：《民事訴訟における禁反言》，载中野貞一郎：《過失の推認》，弘文堂1978年版，第188页以下。
(31)该表的制作参考了平田勇人书中的法律论题目录，参见平田勇人：《信義則とその基層にあるも》，東京成文堂2006年版，第287页。
(32)例如，关于普遍性的论题包括第3、10、35、38号，关于公开性的论题包括第25、30、47号，关于不得溯及既往的论题包括第51、31、39号，关于明确性的论题包括第1、2、4、9、30号，关于不矛盾性的论题包括第28、40号，关于可遵循性的论题包括第48、50、53、54、55号，关于稳定性的论题包括第51、63号，关于政府率先守法的论题包括第6、7、8、38、56号。
(33)参见[美]史蒂芬·布雷耶：《打破恶性循环——政府如何有效规制风险》，宋华琳译，法律出版社2009年版，第1页以下。
(34)同上书，第46页。
(35)参见[美]キヤス·サンステイ一ン：《恐怖の法則——予防原則を超ぇて》，角松生史、内野美穗監译，勁草書房2015年版，第2页以下。
(36)参见見田宗介：《価値意識の理論》，弘文堂1966年版，第32页以下。
(37)参见[比]ぺレルマン：《法律家の論理——新しいレトリック》，江口三角译，木鏎社1986年版，第15页以下。
(38)参见平田勇人：《判断における法的価値関数について-法創造教育への活用》，日本文科省科研費2002-2006年度特别推進研究《法創造教育方法の開発研究——法創造科学に向けて》(課题番号14001003)研究成果報告書(2007年)，第267页以下。
(39)参见前引(37)，ぺレルレマン书，第182页。
(40)参见新田克已：《議論をするエ一ジエントの構築》，シンポジウム成果報告書《模擬裁判と法創造教育》(2006年)，第1页以下。
(41)参见[美]托马斯·萨蒂：《创造性思维：改变思维做决策》，石勇、李兴森译，机械工业出版社2017年版，第259页以下。
(42)参见橋爪大三郎：《言語ゲ一ムと社会理論——ヴイトゲンシユタイン·ハ、一ト·ル一マン》，勁草書房1985年版，第102页。
(43)SeeJ.Nieminen,OntheCentralityinaGraph,15ScandinavianJournalofPsychology322(1974).
(44)以第1行的6个元素为例，1行1列r11对应论题甲与其自身的相连关系，1行2列r12对应论题甲与论题乙的相连关系，以此类推。
(45)SeeP.Bonacich,FactoringandWeightingApproachestoStatusScoresandCliqueIdentification,2JournalofMathematicalSociology113(1972)；安田雪：《実践ネツトワ一ク分析：関係を解く理論と技法》，新曜社2001年版，第75页以下。
(46)波纳西茨方法中，最大值(1)与最小值(0.37)的差值为0.63，连线数方法中最大值(1)与最小值(0.25)的差值为0.75。
(47)关于中心性指标评价值计算的两种模式及其技法，更加专业化和更详细的说明论证可参见金光淳：《社会ネツトワ一ク分析の基礎——社会的関係資本論にむけて》，勁草書房2003年版，第135页以下。
(48)SeeJ.H.Fowlerandothers,NetworkAnalysisandtheLaw:MeasuringtheLegalImportanceofPrecedentsattheU.S.SupremeCourt,15PoliticalAnalysis324(2007);R.Bouletandothers,ANetworkApproachtotheFrenchSystemofLegalCodes-partI:AnalysisofaDenseNetwork,19ArtificialIntelligenceandLaw333(2011);Y.LupuandE.Voeten,PrecedentinInternationalCourts:ANetworkAnalysisofCaseCitationsbytheEuropeanCourtofHumanRights,42BritishJournalofPoliticalScience413(2012);K.OliverandM.Faul,NetworkandNetworkAnalysisinEvidence,PolicyandPractice,14Evidence&Policy:AJournalofResearch,DebateandPractice369(2018).
(49)参见上引Fowler等文，第326页。
(51)彼特·萨博把这种自反性现象称为诺米克博弈，并对其进行了全面深入的研究。SeePeterSuber,TheParadoxofSelf-Amendment:AStudyofLaw,Logic,Omnipotence,andChange,NewYork:PeterLangPub.Inc.,1990,pp.188-194.
(52)关于自我与场域、认知科学与人工智能之间的关系，参见[日]松田雄馬：《人工知能の哲学——生命から紐解く知能の謎》，東海大学出版会2017年版，第82页以下。
(53)参见[美]罗纳德·德沃金：《法律帝国》，李冠宜译，时英出版社2002年版，第19页。
(54)SeeStanleyFish,IsThereaTextinThisClassTheAuthorityofInterpretiveCommunities,Cambridge,MA:HarvardUniversityPress,1980,pp.14-342.
(57)参见罗维鹏：《人工智能裁判的问题归纳与前瞻》，《国家检察官学院学报》2018年第5期，第16页以下。
(58)参见成原慧：《AIネツトワ一ク化をめぐる法的間题と规範形成》，《自由と正義》2017年9月号，第35页以下；贾开：《人工智能与算法治理研究》，《中国行政管理》2019年第1期，第23页以下。