下一代法律专家系统：长夜已过，拂晓未至

C.斯蒂文斯 V.巴罗 J.卡特 杨安卓 徐 晨 译 [385]

导论

世人常言：法律专家系统已经消亡。可是事实果真如此吗，还是人们的失望情绪被夸大了？自20世纪90年代以来，评论家们注意到，人们对法律专家系统的兴趣已经减弱，转而青睐于将信息技术应用于法律实践的其他应用领域，这些应用不那么具有挑战性，而且能够提供更直接的回报（如自动文档汇编）。[386]然而，基于案例推理的应用以及黑板体系结构和面向客户的体系结构，为新一代更好更复杂的法律专家系统的开发提供了良好的前景。本文将探讨下一代系统是否能够克服解决法律问题所带来的独特挑战。如果能够成功地开发这些技术，就可以期待人们重新燃起对发展法律专家系统的兴趣。任何对人工智能或法律实践感兴趣的人都需要考虑这些问题并加入关于人工智能与法律的研讨之中。

将专家系统技术应用于法律实践的动机是不言而喻的。可能带来的好处包括 [387]：更快地提供法律咨询；降低费用并赢得时间，使律师无须在劳动密集型和重复性指示工作上开销过巨；进行法律研究并提供专家意见；提高生产率；减少对临时性的人类专业知识的依赖；尽可能节省员工开支；扩大将任务委托给低收入者的范围；提高法律服务提供者的盈利能力；降低客户为法律服务所支付的费用。

相反，对提供定制法律服务的传统模式的颠覆，以及账面时间成本要素的减少将被许多法律服务提供商视为潜在的抑制法律人工智能发展的因素。然而，有人认为，以时间成本作为计费基础的模式，其可行性在未来可能会受到压力，因为在法律服务市场的竞争压力越来越大 [388]。据认为，这一市场压力将使平衡转向有利于节约效率 [389]。有些评论人士认为，法学与人工智能学科这两门学科在根本上是不兼容的 [390]。虽然已经有了一些在法律领域的成功应用 [391]，但是这些应用局限于相对狭小的范围和被选定的法律领域。也有人观察到，与其他专业领域和行业相比，英国法律行业的商业剥削程度令人失望 [392]。

本文对这些问题进行了分析，并将其置于实践环境中。这种行文方法将涉及由作者设计和开发的基于法律知识的系统的特定原型应用引起的问题。该原型被命名为“司法咨询专家系统”项目，简称JAES[393]。分析将遵循以下结构：本文第一节将简要总结司法咨询专家系统项目。第二节以对司法咨询专家系统项目的分析为例子，分析由其引起的特殊挑战。第三节将研究基于案例的推理机的开发，黑板系统的开发，以及面向客户的体系结构的开发。然后，它将探索混合集成这些体系结构和方法的可能性。最后一节将评估下一代专家法律系统能够在多大程度上应对这些挑战。

一、司法咨询专家系统项目

司法咨询专家系统项目的核心目的，是在原型专家系统中体现《货物销售法》（SGA）第16至20节中所包含的关于财产和风险转移的规则。买卖双方就哪一方承担货物意外损坏风险的争议是不可避免的。保险公司在理赔时需要明确风险承担方。传统上，在这种情况下，《货物销售法》（SGA）第16至20节由律师适用，他们向当事人或各自的保险公司提供建议。传统的方法既费时又费钱。司法咨询专家系统项目是由作者开发以便加速这一过程，特别是在低价值和日常纠纷中使其更具有成本效益。推理引擎将知识库中包含的逻辑应用于用户输入的信息，并输出关于卖方或买方是否承担某一特定合同货物损失或损坏风险的建议。SGA中第16到20节规则是有意选择作为知识库的主题，我们认为，这是法律专家系统中一极具吸引力的领域。原因如下：SGA第16到20节的逻辑基础相对清晰；它是一个具有实际商业重要性的法律领域；这一法律领域一直很稳定，法律修正案相对较少。系统采用模块化设计方法。由于所需规则的数量，系统的性能需要在以后的版本中使用Q-learning算法来提高。巴罗描述了一种带有Q-learaing算法实现的模块化设计[394]。系统的关键输出是在知识库中使用SGA第16至20节，以告知用户是卖方还是买方有责任承担货物损失。

二、来自法律领域的特殊挑战

（一）复杂性

JAES项目选择了一个相对离散、狭窄和特定的法律领域——即包含在《货物销售法》第16至20条和适用的判例法判例中的规则。然而，法律问题的现实是它们很少局限于离散和狭隘的法律领域。在实践中，它们通常提出多个相互关联的法律问题，因此不能孤立 [395]。

（二）不确定性

基于规则的专家系统依赖于明确的事实前提来推理引擎中的规则。然而，实践中的法律推理本质上是对抗性的。

任何司法管辖区的法律都不是一成不变的。因此，考虑到立法、法定文书、判例或欧洲联盟法律所产生的变化，法律专家系统必须灵活并不断更新。对判例法体系的判例的系统，可采用基于案例的推理的方法来更新 [396]。基于案例的推理系统使用的是类比推理。本质上，它从特定的案例中派生出原则，并将其应用到后续的案例中。然而，在法律应用中，将判例确立的重要原则（律师称之为比率决定）与不影响判例的无关因素区分开来将是一项难度较大的挑战。在基于法律知识的系统中，案例推理与规则推理的结合是解决这一问题的一种方法 [397]。

（三）财务约束

即使在一个狭小的法律领域，开发一个基于知识的系统所需要的时间也相当可观。首先，导出领域知识并以知识工程师可以理解的方式来构造领域知识是一项繁重的任务。一旦导出知识和专业知识，就必须翻译成计算机代码。测试、改进和更新系统也需要考虑到所需的时间。由于法律的复杂性和开放性，法律专家系统比其他领域需要更多的时间。从法律从业人员的角度来看，用财务术语来说就是时间代表了损失的费用收入时间 [398]。

从最终用户的角度来看，投资购买专家系统用来解决可能只是偶尔出现的特定法律问题不太可能具有成本效率，仅按访问和使用基础付费的网络服务应用程序反而更具经济价值。

三、下一代法律专家系统的替代方案

在本节中提出了一个适当的替代或补充规则的系统，基于案例的推理（CBR）。此外，黑板结构和面向客户的体系结构被认为与下一代法律专家系统的整体结构有特殊关联。在介绍这两种体系结构之前，我们先介绍一下它们在法律专家系统范例中的混合结构。

（一）案例推理

大多数智能系统的设计通常灵感来自以某种方式模仿人类能力的愿望。这方面的一个例子是人类在试图解决问题时能够回忆起以前类似经历的方式 [399]。CBR是智能系统开发的一种方法，其目的是模仿这种能力。CBR系统存储问题在需要解决新问题时检索最接近的匹配，并采用前一种方法精确地适应新问题，最后存储新案例。存储的知识被称为案例库，并且存储这些知识的方式是将具有联系的类似实例作为目标，从而能够进行有效的检索。这样的方法可能更适合于法律领域。首先，一个重要的原因是知识库在建立后，是随着时间的演进而逐步填充和完善其内容的，这使其可以在某种程度上克服“知识获取的‘瓶颈’”[400]；其次，它可以与法律以大致相同的方式演进，因此内容不必是人为且静态的。

李思兰德、艾希礼和B.布拉丁 [401]认为，案例推理的历史发展和法律确定了若干系统，这些系统在法律的不同领域实现了不同程度的成功，并使用了不同的推理机制。一个著名的案例是在法律领域的六阶段过程中应用案例推理的HYPO系统 [402]。使用案例推理的HYPO在输出替代性论据而不是明确答案的法律领域具有相当大的优势。这提供了一个更现实的结果，这更反映了法律问题解决的开放性质。HYPO的系统用在最近熟知的CATO[403]更新系统中，用于教法律专业的学生如何用推理技术来处理有关商业秘密和机密商业信息法律中的判例法先例。李思兰德与艾希礼 [404]描述了作为HYPO开发的其他系统。

ASHD I[405]是在离婚法领域发展起来的一种混合法律体系。它由规则库和案例库组成。开发这种混合方法的原因是要利用这两种方法，因为法律的性质意味着可能需要使用先例（容易由案例推理表示）和其他法律来源，如法规、规则（更容易以基于规则的格式表示）。该系统表明，在创建混合系统方面是成功的，但即使这样也不能完全捕捉到法律从业者的行为，他们得出的结论是该系统作为对经验较少的从业者来说更有用。法律为案例推理的新方法提供了极好的试验场，从本质上讲，CBR非常适合于某些领域法律决策的自动化。

本文提出用CBR开发黑板体系结构所需的一个或多个知识源，其他知识源是以规则为基础的。然后，对于系统需要处理的每个问题，将应用最合适的机制。黑板结构在下一节中解释。

（二）黑板体系结构

这是一个独立于任务的架构设计，它模拟了一个异构团队成员通过俗称为“黑板”的通信媒介解决特定问题的自然过程。黑板体系结构是非正式的，因为它可以应用于各种问题，并且每个问题都涉及对体系结构本身的一点重新解释 [406]。它被视为开放纹理、复杂或非确定性问题的理想架构 [407]。因此，黑板结构或许是更适合于解决复杂法律问题的技术。这个架构的概念如图1所示，它基于会议室的隐喻，在会议室中，许多不同的专家围绕着一个讨论板，合作利用他们的专业知识来对张贴在讨论板上的特定复杂问题进行头脑风暴。讨论板等同于这个体系结构的“黑板”组件。“知识来源”组成部分等同于每个专家在解决问题时提供他们的专门知识。为了控制解决问题过程的流程，并将每个知识来源的贡献安排到讨论板上，需要黑板架构中的“控制器”组件，这相当于人类比喻中的一把椅子。

知识来源共享一个公共的全球动态数据库（即黑板）。对这个共享资源的访问由控制结构（即控制器）管理。知识来源可以是内部的也可以是外部的（即远程的）。黑板可以以单个公共可访问的区域来实现，也可以细分为区域或面板。控制器可以作为一个单独的实体（集中的），也可以部分地在黑板中实现，部分在知识库（分布式）中实现。知识资源之间的交流只能通过黑板进行。

当初始问题通过知识源发布到黑板上时，解决问题的场景就产生了。知识源可以与系统功能一样小，也可以与一个完整的专家系统一样大。所发布的问题可以通过专用存储区域（即黑板）进行全局访问，其控制器负责触发专家知识来源，为已发布问题提供解决方案。一旦问题被所有的知识源协同解决，下一个问题就可以为连续的应用程序生成。这种方法符合人类在分布式团队中解决问题的方式。这种体系结构是构建问题解决系统 [408]的高度模块化方式。模块化的组件允许它们之间的交互被正规化 [409]。此外，它还允许定义清晰而严格的接口，通过这些接口可以访问组件。此方法的每个组件都提供模块化，以及其他重要的系统级优势，包括整体系统的性能、可重用性、安全性、可维护性和可靠性。

（三）服务导向结构

这个体系结构提供了一个模型来开发远程组装和分发服务的系统。面向客户体系结构（SOA）的关键优势在于，它使第三方提供的服务能够直接被其他系统访问，而无论它们的机制（如操作系统或应用软件）或地理位置如何。术语“服务导向”强调了这样一个事实，即这一体系结构的主要优先事项集中于它所提供的服务。在其他体系结构中，限制服务可访问性的约束和障碍是从属于服务的，并且不妨碍对服务的访问。因此，那些希望他们的服务可以访问并进入更广泛市场的企业会发现这种体系结构具有商业上的吸引力。因此，服务导向结构在许多服务部门（如金融服务和旅游服务，包括假日预订）中得到了广泛的应用。服务导向结构通过使用网络服务（WS）表示来实现这种可访问性。图2说明了网络服务的基本体系结构表示，其中包含了其功能所需的操作、实体和组件。这些分别是“服务提供者”“服务注册机构”和“服务请求者”[410]。

“服务提供者”通过明确定义其接口并实现其服务功能的方式来设计特定的服务。提供者使用WSDL描述并发布其详细信息到“服务注册机构”中。WSDL提供了可交换消息的XML描述以及成功交互的联系点。XML消息是人机可读的，这有助于调试过程并保持一致性。“服务注册中心”是一个通常可访问的注册中心（目录），它使用一个名为UDDI的发布标准。UDDI提供目录服务，其中保存了有关特定网络服务的所有信息，如服务提供者、服务类型、服务描述的位置和其他与业务相关的信息。UDDI包含由各种提供者提供的网络服务列表，并且可以由“服务请求者”搜索。注册表可以是公共的、私有的或受限的，这使得人们能够跟踪当前可用的网络服务 [411]。

“服务请求者”是网络服务的顾客，它通过从UDDI注册中心查询特定的网络服务来定位。一旦发现网络服务的描述和规范，请求者就将其应用程序绑定到所需的特定服务，并使用SOAP[412]协议与之通信。SOAP是一种基于XML的通信协议，它提供了使用HTTP（超文本传输协议）发送网络服务消息的信使。请求者和提供者和提供程序可以在本地或远程应用程序中实现。为了确保其他系统的兼容性和可访问性，网络服务接口需要由提供者定义并由注册中心发布。这个接口具有访问任何基础数据或执行特定任务的必要定义和方法 [413]。

笔者预言：在法律专家系统中使用面向客户的体系结构，将获得比传统方法更多的优势。下面将对此进行论述。

由于网络服务交互是基于XML、HTTP、WSDL、UDDI和SOAP等现有标准上构建的，因此它可以解决基于网络的专家系统相关的某些限制。第一，使用XML可以解决消息传输的标准化问题。第二，可以通过HTTP解决各种系统在因特网上通信协议间的兼容性问题。此外，可以使用现有的HTTP业务基础设施等绕过现有的安全基础设施，如防火墙。

依赖于使用早期技术（称为遗留机制）的系统的企业不需要放弃这些系统提供的功能。网络服务可以很容易地安装在遗留系统中，因此只需对现有机制进行很少或根本不进行改变。通过将知识插入网络服务框架中，这提供了使用现有机制向更广泛的远程受众传播知识的优势。

网络服务实现了定义和指定接口的软件组件的松耦合。这将使得知识库能够在一端进行修改，而不会影响到另一端提供服务的功能。由于专家系统在运行时调用网络服务，任何对作为网络服务公开的基础知识的升级都不会妨碍系统的执行，只要接口准确地反映了其描述。

网络服务范例中提供的模块化框架有助于更新现有的法律专家系统，以反映法律的变化。因此有机会减少手工更新现有法律知识和专家系统中的新知识所花费的时间和费用。

基于网络服务的实现为提供必要的知识作为服务的合法企业提供了创收收入。终端用户可以根据所要求的法律咨询服务类型收取费用。这比传统方法更具成本效益，传统方法使用用户购买和安装系统的许可证组件，而这些组件他们可能永远不会使用或只是偶尔访问。这也为任何规模的法律咨询公司和咨询公司提供了调用基于网络服务的法律知识的机会。系统的商品化得到了网络服务标准的增强和支持。增加的机会可能使下一代法律专家系统在商业上对律师的发展和用户访问更有吸引力。

虽然传统的专家系统局限于其狭窄的领域，但是基于网络服务的系统提供了远程访问外部系统以处理其他专家领域业务的潜力。

（四）混合集成

格鲁夫 [414]和段 [415]已经用现有的基于网络的专家系统（如接口复杂性、有限的基础设施、通信负载、推理复杂性等）确定了局限性。作者预计下一代法律专家系统将支持日常的法律咨询业务需求，使用系统和可扩展的框架进行应用程序到应用程序的交互。这种应用程序到应用程序的交互，为将大量数据从一个全局点传输到另一个全局点和执行特定任务提供了有效机制，并且能够自动执行特定任务，而无须通过网络浏览器处理数据 [416]。全球化需要一种解决方案，它能够为有效决策提供涉及不同专业领域的详细法律专业知识。复杂性、资源分配（时间和金钱）以及现有的技术使得专家系统无法在独立的法律专家系统实现中处理大量的知识。此外，当法律被修改或废除时，法律专家系统需要不断的修改。这些关键问题的解决方案是将黑板体系结构与基于网络服务的SOA提供的灵活框架混合集成。

这种混合架构设计如图3所示。公共数据结构（即黑板）存储初始数据、任何中间决策和最终解决方案。为了最小化处理知识库的复杂性，并提高整个系统的性能，黑板被分为两个不同的区域，称为面板1和面板2。面板1处理与专家系统的所有本地法律领域知识相关的内部任务；面板2处理所有与网络服务调用相关的外部任务。面板1和面板2之间的任何信息传输都是通过被称为反过程的专用知识源（KS）进行的。控制器分为推理机制和专家管理器两个逻辑部分。推理机制实现了专家系统的推理技术，而专家管理器在运行时控制和管理每个知识来源的所有访问和贡献。

知识来源可以是领域特定的，也可以是系统特定的。领域特定的知识来源进一步分为专家系统中已有的本地法律领域知识，以及通过网络服务调用动态获取的来源于外部授权法律领域的知识源。系统特定的知识源有助于系统的整体可操作性，并提供附加服务的，如证明，在线/离线支持和帮助，系统智能等。结构强调商业注册中心的重要性和管理立法系统连接的内部专家系统的知识处理机制与基于SOA的法律知识基础，是为了支持必要的网络服务注册、授权、验证和定价控制程序。作者提倡如图3所示的混合结构设计风格，以实现法律专家系统所需的复杂性和灵活性。

四、下一代法律专家系统可能面临的挑战

包括基于规则和基于案例的多个专家系统，其协作的方式与传统方法完全依赖单一系统，它往往局限于一个高度选择性的离散的法律领域，如果要在一个系统中处理适用范围不同的传统的推理技术，黑板体系结构相比而言，是一个更好的方法。它试图使用人工智能处理多方面相互关联开放性结构法律问题的本质。黑板体系结构还通过其固有的模块化和不依赖于一个系统而产生的灵活性为法律更新提供了更好的解决方案。

面向客户的体系结构本身为下一代系统提供了完全不受限制的网络潜力，既可以访问外部知识和专门知识的来源，又可以将专门知识提供给全球市场。面向客户体系结构的先进技术克服了兼容性的技术障碍，为新一代法律专家系统性能成指数级地发展开辟了新的维度。在全球化的经济中，寻求跨司法管辖区的法律专业知识将是一种需求导向。更新基于网络的系统要比传统方法简单得多。没有时间或资源更新系统的法律服务提供者可以选择将此功能外包给外部专家资源。

黑板体系结构与SOA的混合集成结合了这两种设计的优点，显著改进了下一代法律专家系统的功能。使用黑板体系结构的内部多专家系统也可以在需要时访问在软件使用的基础上付费的无限的外部资源。通过远程方式向不受技术障碍限制的无限用户提供数字法律专家咨询的前景，使专家系统开发的整个过程更具有经济吸引力，并且财务限制因素也只有较小的阻碍。只有当需要专业知识的时候，才能提高支付专业知识的成本效益，这将导致下一代专家系统对更便宜、更快捷的商品化解决方案的需求大大增加。在竞争激烈和具有挑战性的法律市场中，这种客户驱动的需求可能是不可抗拒的。

结论

为了解决标题中隐含提出的问题，网络技术的进步以及黑板体系结构和SOA的混合应用程序很可能导致下一代增强法律专家系统的开发和增长新时代的黎明。下一代将通过使用本文分析的技术看到当前系统的显著改进。竞争性的市场压力和技术进步，使得这些技术在某些法律实践领域的应用潜力将被挖掘出来。然而，新一代的法律专家系统将无法克服法律领域的挑战性、开放性和动态性所带来的所有问题。特别是事实的不确定性问题和法律对特定问题的不确定性适用不能完全消除。下一代法律专家系统的适当角色将是补充和扩充传统法律咨询。虽然用数字机器完全取代律师可能是许多人所期望的目标，但法律领域的独特挑战将阻碍这种愿望的实际实现，甚至在下一代法律专家系统中也是如此。