尚权推荐SHANGQUAN RECOMMENDATION

引言：智慧法院建设困局破解之路

当前“智慧法院”建设已成为我国司法系统现代化发展的方向之一。最高人民法院2017年发布的《关于加快建设智慧法院的意见》提出：“支持办案人员最大限度减轻非审判性事务负担，……提高海量案件案情理解深度学习能力，基于案件事实、争议焦点、法律适用类脑推理，满足办案人员对法律、案例、专业知识的精确化需求” 。其中，北京、上海、浙江等地甚至宣布已初步建成“智慧法院” 。然而，智慧法院建设如果不能攻克事实认定和法律解释这两大人工智能模拟难题，实际上只能成为一句空话。其中，事实认定AI化的基石性工作—即对证据推理模拟的研究，将是人工智能理论和技术应用于法律活动的最大难点。如果无视这些难点或挑战，仅仅将研发目标锁定在“主要用于完善诉讼证据标准、规范办案程序等方面”，那就不能不说是一种投机取巧。因为，按照这个研发目标而建成的所谓“智慧法院”，虽然有可能减轻法官办案的负担即工作量，但却并不是真正模拟事实认定的人工智能法律系统。

关于人工智能法律系统的事实认定研究之所以未在上述“智慧法院”研发目标中提及，可能源于一种策略上的“知难而退”。因为，要将人工智能技术嵌入整个法律推理体系，首先必须在事实认定领域解决证据推理模拟的难题，将证据分析、社会知识库建构与概括等因素构成一个归纳推理过程的模型。换言之，能否实现法庭对事实认定过程的智能模拟，首先取决于以何种理论与方法构造一种可能的证据推理模型。否则，人工智能法律系统就可能永远停留在空想阶段。这一前提性工作的关键，是要找到一种可以说明人工智能法律系统中的符号推理与现实证据推理之间关联点的理论，即两者的关联点必须在知识论层面得到说明，这样才能建立有效的论证前提。然而，国内目前关于人工智能法律系统的研究仍然停留在诸如人工智能语言问题等浅层证明领域，甚至局限于人工智能会使法律本身发生什么变化等外在影响方面。这种外部性或浅层次证明所关注的问题，仅仅是人工智能理论与证据推理之间是否具有语义学上的可沟通性，而不是在元理论层面建立一种沟通方式何以可能的证成理论。在这种情况下，有国内学者另辟蹊径，借鉴国外法律系统事实认定之运作形式的研究成果，探讨了这种不可沟通性借助现代系统论法学得以解决的可能性，以及人工智能理论和技术对法律系统的干扰和刺激，从而使两者之间生产出事实认定之新归纳推理的方式。这种研究在理论上扭转了“智慧法院”聚焦浅层证明领域之目标过低的建设方向，但在实践层面，若要让决策层将“智慧法院”的建设资源真正投放到证据推理模拟的正确方向上，可能还有待于科学研究的深入以及由此引发的人们思想观念的转变。

相比之下，国外关于人工智能法律系统的研究之所以发展更快，一个很重要的原因，就在于其更加重视法律推理或证据推理的模拟问题。早在20世纪80年代后期，Anne Gardner就将人工智能应用到法律推理过程，其在《法律推理的人工智能路径一书第六、七章提出了法律的事实认定程式，但遗憾的是没有涉及作为法律推理过程第一阶段的证据推理问题。1997 年，Henry Prakken主编的《法律论证的逻辑模型》一书，对法律论证的逻辑模型在法律推理中的运作形式作了系统的论述。该书分别阐述了法律推理的分类模式、对话模型等，对多种非单调逻辑（诸如逻辑程式、限定推理、缺省逻辑、自认知逻辑等）在法律推理中的具体运作形式做了深入分析。Henry Prakken认为，这些非单调逻辑对于人工智能法律系统的构造具有重要意义。2009年，Henrik Kaptein，Henry Prakken与Bart Verheij主编的《法律证据与证明》一书提出了将诸多论证模型（诸如最佳解释推理）适用于证据推理的三种实践途径：统计学的路径、以故事为基础的路径以及论证的路径。其中，对人工智能证据推理的探讨集中于后两种路径。本书第二、三章说明了法律论证的统计学模型，第四至六章阐述了法律论证的“讲故事”叙事模式，第七、八章比较了叙事和逻辑论证两种模式，而最后第九、十章阐述了基于逻辑的论证方式。2011 年，Floris J. Bex《论证、故事与刑事证据》一书试图构造一种基于论证与解释的混合证据理论，提出了人工智能中的法律推理问题。上述这些文献论述了人工智能技术与法律推理理论的结合在理论上的可能性，并提出这些论证模式的分析可以成为人工智能法律系统的逻辑架构。2012年，伦敦大学 Ephraim Nissan出版了《计算机在掌握法律证据、警方调查和案件论证中的应用》，该书（尤其是第一卷第三章）试图将威格莫尔图示法和图尔敏逻辑论证模型引入计算机程序，并试图将其置于某些人工智能系统的演算之下。2017 年，Floris J. Bex 和 Serena Villata 出版的《法律知识与信息系统法律知识与信息系统国际会议（JURIX）2016：第29届年会论文集》，则提出了人工智能技术在法律系统领域的运用，特别是人工智能技术（诸如数据驱动程序、贝叶斯信念网络）与法律论证的融合问题。

从上述研究成果的分析中不难看出，当前国外对人工智能法律系统的研究，在将现有的法律论证（包括法律推理）理论与人工智能理论相结合而构造法律推理逻辑架构的工作中，已进入了开发证据推理模型的阶段。由此可见，我国人工智能法律系统研究若想继续深入，也需要引入证据推理模型来衔接人工智能法律系统中的法律推理模型。本文正是在这种衔接的可能性起点上，通过追溯人工智能理论的源头，从莱布尼茨构造数理逻辑所面临的问题进行分析，即从数理逻辑在起始点所面对的形式与内涵的对立统一难题开始，首先探索了符号语言在形式上的自足性与自主性。我们发现，莱布尼茨和布尔完成的符号语言的演算系统所要处理的形式与内涵问题，在维特根斯坦语言哲学中获得了清晰的阐释，并在认识论层面上得到解决，而这种解决途径是本文第一部分所要阐述的内容。

其次，本文将人工智能法律系统本质上视为是对司法活动的一种形式化改造，旨在为法庭事实认定模拟找到一条形式化路径。在这方面，美国法学家威格莫尔早已提出一套针对证据推理的形式化方法，即归纳法树状结构图，又称“威格莫尔图示法”（Wigmore’s Chart）。但该图示法由于要素繁多、推理结构繁复而仅仅停留在理论层面，使很多法律人轻易不敢问津，因而没有在当时及其后的法学教育和法律实践中得到推广和应用。有鉴于此，英国法学家特文宁和美国法学家舒姆、安德森等人对威格莫尔图示法进行了改造，使之更易于操作。威格莫尔与特文宁等人为法庭事实认定形式化所做的努力，对人工智能法律系统的开发具有奠基意义。然而，改良版图示法要进入人工智能领域还需要预设一种前提条件，即必须将图示法这种树状结构图转换为一种符号化推理形式系统。这正是本文第二部分所要解决的问题，即用一个典型案例作为模拟对象，来验证人工智能证据推理的可见性和明晰性，并通过这种验证来揭示印证模式在证据推理融贯性与体系性方面存在的固有缺陷。

再次，在人工智能法律系统中，关于证据推理图示法的符号化推理结构，可以通过引入人工智能领域的一种技术化图示即决策树来予以实现，这有助于模拟人工智能法律系统中的证据推理选择过程。就证据推理符号化的理论来源而言，康德在《纯粹理性批判》中提出的“图式”概念就是一种介于概念与具体事物感性形象之间的抽象感性结构方式、结构原则，类似某种图表或模型、构架。现代法律系统论认为，基于实证法的法律推理过程所表现的是一个基于社会结构的决策系统。在这种决策系统中，人类知识库中的知识存储呈现出等级层次的图式网络，用来表征人物特质、事物属性、行为模式、事件关系的经验性信息，其中蕴含着能够被事实认定者所理解的相关性、因果性、可能性、现实性和必然性等内在关系，或者由事件到故事的转换认知图式。受认知图式的启发，特文宁等人将审判过程中从证据到待证事实的归纳推理链条分解为几个不同的层级：参见图1。

来源：《证据科学》2021年第5期

作者：张保生  中国政法大学证据科学教育部重点实验室、“2011”计划司法文明协同创新中心教授

          杨   菁  吉林大学法学院、“2011”计划司法文明协同创新中心博士生

在图1中，E* 代表案件的证据，事实认定者只能在一定程度上从该证据推断事件E确实发生了。“通过命题E、F和G指示的一系列推理链条，连接证据E* 与次终待证事实P1。这些命题中的每一个都为正确或错误，因而都代表一种介入证据E* 和次终待证事实P1之间的可疑之源。我们把这些命题称为中间待证事实。”其中，概括（G1……G4），与推理链条中的每一环节相联系。这些概括为每一个推理环节提供正当理由，准许了从命题E到命题P的推论。从证据到最终待证事实的推理链条之所以称为归纳推理，是因为该推论链条中的每一环节都要由“概括”为其提供正当理由，这决定了证据推理的归纳逻辑性质。由此，图示法推理过程的阶段性特征使得其自身符合人工智能法律系统的事实认定推理决策树层状结构。

人工智能法律系统中的证据推理逻辑

随着AI技术的发展，人工智能法律系统需要突破现存的、被视为专家系统之浅层、单一辅助角色的局限性，迈向一种在人工智能理论和技术层面可以自身编程和自动运行的形式化系统。这一目标的实现在传统理论框架下遇到了重重困难，主要困难之一是逻辑语言与法律语言之间的转换问题。这一难题主要体现在，现代逻辑演算所面临的语言形式与内涵是否能够被区分，以及在区分基础上如何进一步实现统一。换言之，逻辑语言与法律语言之间转换难题的解决，取决于逻辑演算系统与日常语言的规则之间能否实现相互依赖条件下的相互独立。为了解答这个难题，我们需要回溯到被誉为17世纪亚里士多德的德国哲学家和数学家—莱布尼茨。

（一）人工智能法律系统的认识论基础：形式与内涵的区分与统一

莱布尼茨在开创数理逻辑之初所面对的问题，是如何构造一种普遍而统一的语言，即如何克服亚里士多德逻辑的多重广延性困境。亚里士多德发明了全称判断、特称判断、肯定判断和否定判断四种表达形式，但无法说明带有量词（诸如存在对所有的……）的复合表达形式。莱布尼茨的解决方法就是借助符号演算来表达和判定语言。符号语言首先是作为对思想的反映形式而被创造出来的，然后以理性计算的方式构造符号间的关系。同时，莱布尼茨统一语言的理想也反映在其对法律系统的构造过程中，即法律系统也是一种可以借助于普遍语言而进行演算的语言系统。然而，莱布尼茨并未完成符号演算的自足性，他构造的符号语言演算通过布尔代数而形成一种逻辑演算的系统，即符号语言借助于代数规则而形成了一种相对独立的语义学形式，这种形式可以实现与现实世界中诸多社会要素无涉。

这就使得逻辑演算系统可以作为一种外部规则而实现对现实世界语言表达的判定。这种判定实现的理想在20世纪语言学转向中得到充分的体现，但是，诸多关于这一点的尝试最终仍无法完全实现。维特根斯坦在前期将世界视为事实的总和，于是，构成语言世界的命题集合就必须与现实世界实现一一映射的关系。然而，当语言世界无法与现实世界实现一对一的映射之时，诸如当提出“上帝无法创造一块他举不起来的石头”这样的命题时，真理反映论在此就无法得到实现。所以，维特根斯坦对其进行了一种“现象学式的”转折，以克服此种真理理论的困境。他借助语言游戏和私人语言，发现语言本身就是一种具有多重构造规则的系统，语言的意义取决于语言所处的语境。私人语言则是一种“不借助公共可观察的现象，表达内在意识的语言”。于是，有学者对维特根斯坦私人语言的分析，就是私人语言可以作为一种不可以进行翻译的密码，即“私人语言不可破译，即使公开，他人也无法理解，因此区别于密码”。私人语言不可能建立规则，因此，自我只能创造词语，而不存在创造语言的可能性。然而，私人语言作为人的意识系统进行思想的自创表达形式，而成为自我与他者之间语言游戏的意义来源。由此，作为公共语言层面上的符号演算系统对命题进行判定之时，需要私人语言所提供的意义来完成语言游戏的闭合。

由此，借助上述对莱布尼茨和维特根斯坦思想的分析，我们可以推断符号语言形式系统的相对封闭性。这种封闭性，就是语言系统的运作具有自我生产和再生产的特性，但同时却无法脱离具体的经验世界而存在。于是，在这种封闭性之下，就具备了探讨图灵测试的可能性。我们的目的是制造能够通过疑难案件级别“图灵测试”的人工智能法律系统。这需要人工智能研究和法律推理研究相互借鉴、相互促进，“一方面是用人工智能（通过把计算机的应用与分析模型相结合）来支撑法律推理的可能性；另一方面是应用法学理论来解决作为法律推理支撑系统的以及一般的人工智能问题。”这种相互促进的研究应该聚焦证据推理的自动化模拟，因为机器演算的智能性主要就在于其演算过程是否具有独创性，这一点在现实中已经为诸多专家系统所证实。然而，我们在此需要讨论的是，此种具有自主性的形式化系统能否实现语言判断的形式与内涵的统一。在莱布尼茨生活的17世纪，启蒙式的话语与神学式的话语同时存在，它们都试图实现一种大全式的讨论，即对世界进行一种完备性且一致性的解释。然而，在哥德尔发现“形式系统是不完备的也是不可能完备的”命题后，在不完备条件下，符号语言系统在形式与内涵上如何实现统一性就成为一个棘手的问题。

（二）形式与内涵统一的逻辑：一种层级结构的可能性

基于上述分析，图灵测试虽然解决了机器智能化的检验标准问题，但仍然留下了符号语言系统的形式与内涵何以实现统一性的问题。这一问题就表现为对语言意义的理解难题，即人工智能是否能够理解言说的意涵并给出一个符合语境且具有某种偶然性的回应。

首先我们需要分析的是，人工智能法律系统作为一种演算系统与人的大脑这一生产思想的意识系统之间的异同。人工智能—无论是逻辑符号还是神经网络的研究路径—就其本质而言，都是在科学系统视角下运用计算机技术对人类意识系统进行观察和模拟的结果，即对人的思想自我生产与再生产的机制与原理进行技术化模仿的结果。由此可知，人工智能法律系统的运作表现为一种系统间的耦合形式。这表现为，从法律系统的角度看，它是以合法 / 非法的二值代码进行运作；而从人工智能系统的角度看，它是以0和1这种二值代码进行运作。所以，人工智能法律系统在运作上可以呈现出一种接受排中律的运作模式，即借助于“非此即彼”式的运作来排除或消除那些可能产生矛盾的要素，而保留可以实现运算的一致性要素。

其次，基于这一路径可以发现，人工智能法律系统与人类大脑相比，是在一种次生性层面上进行演算的系统。人类大脑优于人工智能之处，就在于人们可以创造出多重脉络的意识世界和语言世界，并且，可以借助再进入的形式跨越脉络之间的边界进行多角度观察。这种观察，在认识论层面上具有一种实用主义和语境主义式的倾向，这在逻辑和数学上则表现为一种直觉主义的辩护。英国哲学家迈克尔 · 达米特在为直觉主义进行辩护时，使用了“语言的使用决定了语言的意义”这一命题，借助系统论的观点来解释这个命题的意思就是，其他语句构成了某个语句的环境，这使得在逻辑演算当中，诸多命题要保持既相互关联、又分属不同类型的关系。

人工智能证据推理逻辑图示的验证

基于以上两个目的，我们引入B某涉嫌受贿案（以下简称B案）作为一个典型验证案例。一方面，该案两个待证要件事实，涵括了诸多证据材料以及控辩双方对这些证据之证成或证否等大量信息，这使得证明主体无论证成还是证否本案的待证要件事实，都成为一个复杂的证明过程。这使本案对于验证人工智能证据推理的可见性和明晰性提供了一个极佳的模拟对象。另一方面，由于控方在本案庭审过程中不断使用印证方法，使得其证据推理的实际过程显得模糊不清，这也为揭示印证模式在证据推理融贯性与体系性方面存在的固有缺陷，提供了一种可能的途径。

（一）B案简要案情

B某在担任国家公职人员期间，收取T某给予的财物并且为其谋取利益，因此B某涉嫌受贿罪和滥用职权罪。B某和T某曾经都在某一工厂工作而相互认识。其中，控方指控，T 某在担任D公司总经理期间，因为公司合并而找到B某寻求帮助，事成之后T某曾三次给予B某财物。就B某为T某提供的帮助而言，主要是：（1）因为D市Z市办事处与D公司在Z市的XX项目，T某曾求助于B某。（2）T某在D公司任职期间，就Q产品指标曾向B 某求助。基于这两个待证要件事实，则产生了待证要件事实（3）B某收取了T某给予的财物。

（二）B案证据材料

基于上述案情可知，B案待证要件事实是B 某为T某提供了帮助，并且收取了T某所给予的财物。B某所提供的帮助主要是两个方面，而B某收取T某给予的财物则构成了整个事实认定的另一方面，因此，该案的证据材料分为以下三个部分：

第一部分涉及B某帮助T某获取XX项目，然后，收取T某的财物的相关证据。这一组的证据包括以下三组证据材料：

（1）第一组是证人证言，包括：①T某的5 份证言和2份亲笔证词，②D市人民政府C 某的证言，③D市驻Z市办事处负责人H某的证言，④Z市M公司负责人Z某的证言，⑤D 公司驻Z市负责人S某的证言，⑥Z市市长Y 某的证言，⑦Z市规划和国土资源委员会Lv 某和G某的证言。

（2）第二组是书证：①D公司出具的《D 公司简介》，②D市人民政府的任免通知，源于D市档案馆，③《D公司董事会决议》，④D公司的《关于公司合并的决议》，⑤D公司与D市人民政府给B某的报告，其中含有B某的“同意”批示，⑥D市人民政府出具的情况说明，⑦D公司《关于请求启动XX项目》的签批件，⑧D市政府《关于请求启动XX项目》签批件中B某批示与Z市市长批示，⑨《关于建立XX项目的合同》、Z市《城市建设用地规划许可证》（01）、Z市《城市建设用地规划许可证》（02）、Z市《土地使用权出让合同》。

（3）第三组主要是B某原有的供述、亲笔供词和自书材料。

第二部分是关于T某申请Q产品配额而找到 B某寻求帮助的事实，这部分证据分为两组：第一组是证人证言：①T某证言，②证人X某证言，③证人W某证言，④证人J某证言，证人Li某证言，证人P某、F某和S某的证言。第二组是书证：①L省进出口办公室关于Q产品配额情况的说明，②证人S某的工作日记，③D市保税区B公司营业执照、进出口配额许可证、发票、账本，以及海关报关单。

第三部分是关于B某收取T某财物的相关证据，主要包括以下三组：第一组是证人证言：①T某在看守所接受讯问的录音录像，②证人T某、J某S某、Z某的证言，③B某配偶G某的证言和亲笔证词。第二组是书证：①证人S某提供的记录T某差旅费的账本，② 2002年和2005年这两个期间的外汇价目表。第三组证据主要是B某原有的供述、亲笔供词和自书材料。

（三）基于图示法的推理过程

基于上述案情及相关证据，我们首先采用改良版图示法进行手工的证据推理。这样做，目的在于以更为清晰的方式，对比人工的图示法推理和机器证据推理的过程。由此，我们得出如下图示构造的证据推理过程。

1.澄清立场

澄清立场，作为证据推理的第一个步骤，“必须回答四个基本问题：我是谁？我处在什么过程的什么阶段？什么材料可用于分析？我试图做什么？”特文宁区分了观察者与参与者，观察者对事实进行事后判断。在本案庭审过程中，我们作为观察者，首先要设定自己作为局外人的视角，借助本案庭审笔录所提供的材料，分析诸多证据材料与待证要件事实之间的相关性。

2. 简述最终待证事实

最终待证事实，就是满足一个案件所涉及的诸多法律规则所要求的主张或命题。本案中，最终待证事实的确定，根据的是《刑法》第385条规定：“国家工作人员利用职务上的便利，索取他人财物的，或者非法收受他人财物，为他人谋取利益的，是受贿罪。”据此，最终待证事实可以被阐述为：B 某利用职务便利，非法收受他人财物，为他人谋取利益，犯有受贿罪。

3. 简述次终待证事实

可将指控B某的最终待证事实（《刑法》规定的受贿罪要件）分解为如下两个次终待证事实（要件事实）：

（1）B某为T某谋取利益。

（2）B某非法收取了T某财物。

4.简述案件暂时性理论

从本案庭审笔录来看，控方所提供的信息已经足以构造一个暂时性理论，即一个按照时间、经验、逻辑等标准而形成的事件发展链条。特文宁将案件的暂时性理论分配给诉讼两造，即如果一方的理论尚未形成，另一方“也许以开发一个未击中要害的理论—攻击假想敌的理论而告终”。在本案中，控方的暂时性理论是：

B某和T某曾经同时是B市E厂的同事，此后两人都在D市工作，其中T某在D公司工作，而D公司是D市人民政府下属企业。（1）T 某在担任D公司总经理期间，发现D市驻Z 市办事处有一块闲置土地。于是，T某找到 B某，B某同意将D市驻Z市办事处并入D公司，由此D公司在Z市开发XX项目。项目完成之后，T某曾3次给予B某财物。（2）D 公司的业务员J某提出进口产品Q利润较高，于是T某向B某提出找到审批负责人X某，而 B某同意。此后，T某找到X某拿到审批签字申请，X某让省外贸厅W某负责具体事务。随后，T某和J某找到D市M公司S某拿到了配额。之后，J某将财物给予T某，而T某将其兑换为外汇，送给了B某。

依照辩方在庭审过程中的辩护，辩方的暂时性理论则是：

B某和T某的确曾经同时是B市E厂的同事，此后两人都在D市工作，其中T某在D公司工作，而D公司是D市人民政府下属企业。（1）就XX项目而言，B某认为提供帮助的目的是促进D市与Z市之间的联系，是为公共目的而实施的行为，同时，并没有收取T 某给予的财物。（2）针对Q产品配额一事，B某说自己不知道此事，自己只对X某指示支持D市D公司的发展，而T某给予财物的行为只是依据T某的证言而没有其他旁证。

5. 配置关键事项表

关键事项表是一种三类命题的编号表。这三类命题包括宏观层面提炼的命题、从证据中推断出的命题，以及诸多中间性主张。这种关键事项表，更多是一种叙事逻辑的展开，而作为下一步推论的基础。在B案中：

1. B某在为T某谋取利益之时，收取了T某提供的财物。B某的行为构成了受贿罪。

2. B某为T某谋取利益。

3. B某收取了T某给予的财物。

4. B某实施了针对T某的犯罪行为。

5. B某收取财物的前提是为T某谋取利益。

6. B某的犯罪行为表现为两个事实。

7. 事实一：B某在XX项目上给予了T某帮助，然后收取财物。

8. 事实二：B某在Q产品配额方面给予了T某帮助，然后收取财物。

9. 以下的诸多证据证明了这两个事实。

10. 针对事实一，T某提供了5份证言和2份亲笔证词，证明以下推断性事实。

11. B某和T某认识，并且存在工作上的联系。T某知道D市驻Z市办事处拥有一块闲置土地。

12. T某找到B某汇报想利用土地实施XX项目。

13. T某的申请报告得到了B某的批准。

14. D市驻Z市办事处与D公司合并。

15. D公司在Z市办事处以及S市在Z市办事处的土地相邻，规划权属于Z市规划部门。

16. D公司通过Z市M公司取得两块土地，完成XX项目。

17. D市人民政府C某的证言，D公司在Z市办事处负责人G某的证言，Z市M公司负责人Z某的证言，证明T某通过B某的帮助，因此D公司和M公司完成XX项目。

18. D公司在Z市办事处负责人S某的证言，Z市政府负责人Y某的证言，证明B某就XX项目向Z市提出寻求帮助。

19. Z市规划和国土资源委员会Lv某和G某的证言，证明Z市负责人Y某提供帮助。

20. 概括G：涉及土地的项目需要政府部门的批准。

21. 被告人B某针对这些证据进行反驳。

22. B某论断A：这些证据都不是核心证据，并不直接证明B某的行为和收取财物之间的相关性。

23. B某论断A：T某的行为证明他的品性存在问题。

24. 针对被告人和辩护人的论断，公诉人的论断A：证人证言稳定，并且合法有效，而且有其他证据佐证。

25. 针对第二组证据，（1）D公司出具的《D公司简介》，（2）D市人民政府的任免通知，源于D市档案馆，（3）《D公司董事会决议》，（4）D公司的《关于公司合并的决议》，（5）D公司与D市人民政府给B某的报告，其中含有B某的“同意”批示，（6）D市人民政府出具的情况说明，（7）D公司《关于请求启动XX项目》的签批件，（8）D市政府《关于请求启动XX项目》的签批件当中B某的批示与Z市市长的批示，（9）《关于建立XX项目的合同》、Z市的《城市建设用地规划许可证》（01）、Z市的《城市建设用地规划许可证》（02）、Z市的《土地使用权出让合同》。

26. 概括G：土地项目的诸多环节必须以文件的形式获得政府批准。

27. 辩护人论断A：第二组证据证明了B某的行为针对的是D公司而非T某个人。

28. 第三组证据，即B某原有的供述、亲笔供词和自书材料证明B某为T某提供过帮助。

29. 公诉人论断A：这些证据证明B某的行为与收取财物之间存在相关性。

30. 证明事实二的证据：T某的证言，证明T某曾就Q产品进口配额找到B某寻求帮助。

31. B某让T某找到审批负责人X某。

32. 概括G：进出口产品的配额需要政府官员审批。

33. X某的证言，证明B某让X某给予T某帮助。

34. D公司业务员J某证言，知道B某和T某有私人关系，Q产品获利85万元。

35. T某的证言，证明J某负责办理Q产品配额申请过程。

36. W某的证言，证明X某曾经批准Q产品配额申请。

37. S某和D某的证言，证明Q产品进口的具体过程。

38. 被告人论断A：公诉人提出的这些证据不是核心证据，即T某获取产品配额与给予财物之间没有相关性，也没有直接证明B某收取了T某的财物。

39. 第二组证据的诸多书证：（1）L省进出口办公室关于Q产品的配额情况的说明，（2）证人S某的工作日记，（3）D市保税区B公司营业执照、进出口配额许可证、发票、账本，以及海关报关单。这些证据证明具体的进口过程。

40. 第三组证据B某原有的供述、亲笔供词和自书材料证明这个过程的存在。

41. 基于上述证据所推断的事实，则产生B某收取T某财物的事实。

42. 论断A：Z市M公司负责人Z某给予T某200万人民币、1万美元。

43. 论断A：T某给予B某8万美元。

44. D公司业务员J某证言，Q产品获利85万元，T某委托J某将人民币兑换为美元。

45. T某给予B某5万美元。

46. T某给予B某5万人民币。

47. 被告人论断A：证人的品性存在问题。

48. 被告人论断A：仅仅存在以上的书证和证人证言，不能实现充分的证明。

49. B某亲属G某的证言，证明这三次所给予之财物的存在。

50. 被告人论断A：G某的作证能力有问题，并且其证言并未证实B某的财物是T某给予的。

51. 公诉人论断A：G某精神正常，作证能力不存在问题。其本人的证言与T某等人的证言是一致的。

6.准备和绘制图示

（1）说明一个具体图示中诸多符号的意义：

由此，可以得出以下总体图示的产生顺序： 

（2）绘制总体图示

将B案关键事项表中的51个命题（包括宏观命题、从证据中推断出的命题和诸多中间性主张），按照一种叙事逻辑展开，从而构成对本案最终待证事实1的一个逻辑推理过程。这个最终待证事实又可分解为至少四个次终待证事实，即次终待证事实2：B某为T某谋取利益；次终待证事实3：B某收取了T某给予的财物；次终待证事实4：B某实施了针对T某的犯罪行为；次终待证事实5：B某收取财物的前提是为T某谋取利益。下图2，专门绘制了次终待证事实4的证据推理图示：B某实施了针对T某的犯罪行为。

需要说明的是，以上图示形成过程还是一个人工的证据推理过程。这一过程借助关键事项表从而画出图示，它可以清晰而直观地表达证据推理的诸多环节。然而，若将上述图示的形成过程程式化并使其成为一种逻辑化的推理系统，这不仅更有助于直观地表达证据推理的合理性，也是解决人工智能法律系统证据推理模拟难题的一个重要途径。我们来讨论一下这个问题。

人工智能证据推理的形式系统

人工智能法律系统事实认定图示的形式化和系统化特性，为图示法朝向演算自动化发展提供了可能的途径。当前，自动化推理的实现主要依靠人工智能逻辑演算的两种路径，包括定理的自动证明（符号派）和数据的归纳（统计派），也有学者将其分为符号主义、连接主义（结构主义）和行为主义三个类型。其中，统计学派或连接主义，由于计算机技术的发展而成为当前主要的研究路径。这种研究路径的内在理路在于，人的认识过程中出现了描述论方向，即人们会从无限的数据当中借助于诸多工具（比如数学、逻辑、统计）而归纳出一个形式化体系。图示法作为一种基于归纳逻辑的推理体系，恰好可以为人工智能法律系统的证据推理过程提供一种知识资源。

（一）证据推理的形式化体系

图示法与人工智能演算的结合还需要推理语言上的统一。传统的形式逻辑在线性层面上保证了命题之间的相关性，但无法保证有意义的相关性，因为命题的前提和结论之间存在的，是比因果关系更为宽泛的相关性关系。

特文宁等人认为，相关性是联接证明原则和证据法的主要桥梁。“事实分析/证明原则和法律规范之间的主要桥梁，是由相关性这个主题所提供的，原因在于：（1）相关性是最重要的排除机制；（2）证明原则是先于其他排除规则而存在的，因为这些排除规则处理的是相关证据的排除问题。换句话说，在考虑一个特定排除规则是否适用于一项特定的潜在证据时，需要作为预备性问题先决定相关性问题；（3）理解相关性，包括对推论性推理之原则和特性的理解；（4）证据法可以被看作是由塞耶包容性原则和排除性原则所组成的有机整体，这些原则是在论证之基本框架内，按照相关性原理来表达的。”

现代形式逻辑为了解决证据相关性问题而借助于“类型”概念，通过构建概念之间的关联而意指对象之间的关联。这一非线性的推理结构在人工智能诸多理论中表现为一种结构化的语言来构造推理网络。人工智能理论中可应对事实性问题的推理网络部分是一种被称为“概念图”的网络语言。在这种语言中，命题是由概念与概念关系构成的，不同类型的概念组合构成了不同类型的命题，不同的类型则构成了推理的诸多层次，从而形成一种多继承系统。

将这种推理系统引入图示法中，可以得到一种拥有类型和层次的事实认定图示。这种图示可以分为如下三个层面：

第一个层面是概念图，用符号来描述命题，以保证推理过程的形式化：

（1）∃X  ∃Y（A（X）∨B（XY）∨C（Y））；

【其中，A是主体概念，B是关联概念，C是对象概念。这种逻辑图示指涉，在人工智能法律系统中可构造最为基础的证据模式，即将日常语言中的证据描述转化为符号化命题。反映在改良版图示法中，第一步澄清立场的诸多基本问题，就可以借助于这些概念图而被符号化。其中，“我是谁”对应主体概念A（X）；“我在哪个阶段”对应关联概念B（XY），“我在做什么”对应对象概念C（Y）；而“我能够做什么”，就是这三个命题的合取形式：A（X）∨B（XY）∨C（Y）。】

第二个层面是类型图示，用来描述命题的类型：

（2）当T≤S，T≤U时，T是S的子类型，也是U的子类型，即T是S和U的公共子类型。这种类型化方法可以使诸多单个命题被归纳为较为抽象的类，这些类之间存在着相互影响或相互交叉的关联，为构建系统性的推理图示提供了逻辑基础。这种类型化是人工智能事实认定逻辑图示的关键，是将诸多证据命题进行归纳的重要步骤。对应改良版图示法可知，当诉讼两造同时针对同一待证要件事实而进行证据推理时，需要一种S∧U→T（T∈S，T∈U）的推理形式，使可能在真值上相反的命题，可以在同一层级上进行运作。

第三个层面是最终的多继承系统，用来描述整个图示系统。该系统是在前两个步骤的基础上进行推理的逻辑体系。这一体系需要根据具体证据之间的逻辑关联来进行构造，于是，需要的是归纳出诸多证据中同时存在的信息。这种结构性推理过程是通过多种证据在内容上的重叠而被类型化，进而推导出次终待证事实，而前者更多是通过自身可能构成次终待证事实的某个方面而被归类。由此，诸多命题之间产生了相互影响和反馈。这使推理图示可以更好地解决事实性问题。在现实司法实践的事实认定过程中，诸多证据会与某一事实产生交叉关联。在此基础上，诸多次终待证事实之间形成比较关联，从而归纳出证明力较高的最终待证事实。这反映在人工智能法律系统的证据推理子系统中，就是诸多命题在被归类之后，构造出可推演的逻辑关系，亦即诸多命题（证据）之间逻辑关系的构造是基于现实情况，而非先在的或给定的情况。诸多推理过程之间的证明力，在此基础上才能进行比较，从而得出何者更优的结论。

（二）人工智能法律系统的证据推理图示

基于上述形式系统，人工智能法律系统的证据推理可被转化为一种清晰的图示。这种从形式系统到图示的转化，其前提是人工智能推理图示借由演绎推理构造出一种具有形式可信性的事实认定图示，其可信性基础在于演绎的可证性。然而，判断命题的真假是一个经验性过程，在司法事实认定中，需要以归纳逻辑作为基础进行经验性判断。因此，人工智能法律系统的事实认定图示，将以图示法的经验性判断为外部信息，支持其内部的演绎推理过程。

由此，改良版图示法基于自身的形式化和体系化特征，使其易于引入新的逻辑推理形式。在图示法及其逻辑基础之间存在一种简单-复杂的反向关联性，即当所选的逻辑属于简单逻辑（如简单枚举、亚里士多德逻辑等）时，需要构造的图示步骤反而会更多，而图示结构就会显得更加复杂。相反，所选的逻辑越复杂时，图示反而会相应简化。于是，在纯形式层面上将不同的证据和论断“粘合”起来，从而推导出诸多关键节点，这可以使改良版图示法在逻辑关联和证据类型标示方面不完全的缺点得以克服。因此，我们基于上述B案证据推理的形式化体系，并结合图示法诸多步骤，构造出一种可程序化的证据推理逻辑系统。其具体步骤如下。

步骤1：将澄清立场和选择待证要件事实合并为前述的构造概念图

这一步需要的仅仅是将这一命题形式化：犯罪嫌疑人B某为T某谋取利益且收取T某的财物。根据上述的命题∃X  ∃Y（A（X）∧B（XY）∧C（Y））；并且改变符号以避免论证模糊，则有：

P1=∃B ∃C（S（B）∧R（BC）∧O（C）），

【命题P1（最终待证事实）读作：主体（Subject）B某与客体（Object）C为T某谋取利益并且收取T某的财物的行为（Conduct）之间存在相关性（Relevance），因此，对B某的行为是犯罪具有证明作用。】

赋值T：S（B）∧R（BC）∧O（C）为真。

【犯罪嫌疑人B某与犯罪行为C（为T某谋取利益且收取T某的财物）之间具有相关性，因此其犯罪事实成立。其中，真值T（True）表示主体的犯罪行为成立】

步骤2：构造关联节点

（1）最终待证事实即命题P1（∃B ∃C）涵摄次终待证事实P4（对应关键事项表（4）），可作：

P1→P4，

【上述公式读作：命题P1与命题P4之间存在涵摄关系，最终待证事实P1（即B某的犯罪行为成立）可以推导出次终待证事实P4（即B某的犯罪行为针对的是T某）。】

（2）命题P4可以被分解为中间待证事实P7[对应关键事项表（7）]、P8[对应关键事项表（8）]，则有：

 ∃P4→P7，∃P4→P8，（其中P4∈B），并且P7∨P8为真。

【以布尔算数的演算可表达为：P4= P7+P8，即次终待证事实与中间待证事实之间存在逻辑上的涵摄关系。读作：存在中间待证事实P7和P8，其析取形式构成了次终待证事实P4。要证明P4（B某的犯罪行为针对的是T某），则需要证明P7（B某在XX项目上帮助了T某并收取财物）和P8（B某在Q产品配额方面帮助TM欧并收取财物）。】

步骤3：构造形式化之多继承的推理系统

根据类型论的公式x2=x，可知

（1）命题P7是由P10、P25、P28、P29构成，即命题本身就构成了阐述自身的分类判准，即P7可以看作第一级的模式分类。可作：

P10、P25、P28、P29≤P7；

【读作：关键事项表中的10、25、28、29被转换为命题P10、P25、P28、P29，针对中间待证事实P7（B某在XX项目上帮助了T某并收取财物），需要证明P10（T某的证言作为第一组证据证明了P7）、P25（针对P7，存在第二组证据）、P28（针对P7，存在第三组证据）、P29（公诉人论断：B某的帮助行为与收取财物行为存在相关性）。】

同样，可有：

P（11--16）、P17≤P10；

【即要证明P10（T某的证言和亲笔证词作为第一组证据证明了P7），则需要证明P(11--16)（即T某的5份证言）和P17（T某的亲笔证词）的存在。】

P26、P27≤P25；

【P25（针对P7，存在第二组证据）蕴含着P26（概括G：土地项目的环节需要政府批准）和P27（辩护人论断：第二组证据证明了B某得行为针对D公司而非个人），即P26和P27都构成了P25存在的必要条件。】

P10、P20构成了模式分类的第二级。

继续可有：

P11的成立需要引入P20（概括G），使P20→P11；

【读作：P20（概括G：涉及土地的项目需要政府部门的批准）蕴涵P11（B某和T某认识，且存在工作上的联系。T某知道D市驻Z市办事处有一块闲置的土地），P20→P11这一前提导致T某的行为与B某的犯罪行为之间产生关联。】

P15的成立需要引入P18、P19、P24，使P24→P18→P19→P15。

【读作：P24（公诉人的论断A：证人证言稳定，合法有效，且有其他证据佐证）可以导致P18（S某的证言）和P19（Lv某和G某的证言）有效，由此推导出P15（土地规划权属于Z市的规划部门）。】

根据数理逻辑规则，括号在此可以省略。

此外，在P10层面上，存在着P21的反例，同时可有：

P22∨P23→P21。

【读作：P22（B某的论断：第一组证据不是核心证据，无法证明B某的行为构成犯罪）和P23（B某的论断：T某的品性存在问题）共同构成了P21（被告人B某对第一组证据的反驳）。】

（2）命题P8是由P29、P30构成，可作：

P29、P30≤P8；

【读作：P29（公诉人论断）和P30（证明事实二的证据）构成了中间待证事实P8的存在。】

P8被视为第一级的模式分类。

此外，在这一层面上，存在着反例P47、P48，并且有：P47∨P48；

【即P47（被告人的论断：证人存在品性问题）和P48（证据不能充分证明事实二的存在）。】

同样可有：P31、P32≤P30；

【读作：P31（B某让T某找到审批负责人X某）和P32（概括G：进出口产品的配额需要政府官员审批）共同构成了P30（证明事实二的证据）。】

进而

P34≤P31。

【读作：P34（证言：B某与T某有私人关系，Q产品获利），则有P31的存在。】

继续可有：

P42、P43、P35、P36≤P34；

【读作：P35（T某的证言）、P36（W某的证言）、P42（论断：Z某给予T某财物）、P43（论断：T某给B某财物）共同构成了P34（J某的证言）的存在。】

此外，P34、P49≤P44；

【读作：P34（J某的证言）和P49（B某亲属G某的证言）共同构成了P44（J某的证言：T某委托J某将人民币兑换为美元）的存在。】

P44→P45；P44→P46；

【分别读作：P44（J某的证言）蕴涵P45（T某给予B某5万美元）；P44（J某的证言）蕴涵P46（T某给予B某5万人民币）。同时，P45和P46共同构成了P44的存在。】

P51→P49；

【读作：P51（公诉人论断：G某精神正常，有作证能力，且证言与T某等人的证言一致）蕴涵P49（G某的证言），即P51的存在可以推导出P49的存在。】

以及P49≠P50为真。

【读作：P49（G某的证言）和P50（被告人论断：G某的作证能力有问题）不能同时为真。】

通过上述三个步骤，我们基本上就完成了对B案的构造概念图、构造关节点和构造形式化的多继承推理系统的工作，从而构建起一个可以为人工智能法律系统研制提供模型的证据推理形式化体系。我们期望，人工智能工程师在综合借鉴该证据推理形式化体系和图2改良版图示法总体图示的基础上，能够编制出智能型证据推理程序。

结语

综上所述，人工智能法律系统的证据推理必然呈现出一种图示结构，因为图示法具有精确性、严格性和明晰性三个优势，不仅可满足人工智能法律系统形式化的要求，而且为其提供了一种“图示形式化联想理论的理想工具”。基于上述研究，可以得出如下几点结论。

第一，基于所引入的概念图、关键节点和多继承推理系统这一分类模式，诸多命题可以在各自层级进行推理，最终构成一种形式化推理系统。由此，基于改良版图示法得出这一多继承的推理系统，可为计算机演算的进一步技术化提供基础。我们将这种多继承的推理系统再次引入到证据理论中，就可以发现，人工智能法律系统中的证据推理理论同时涵括了非人工智能条件下的证据理论和在逻辑演算方面更新了这种人工推理的理论，这可以更好地阐明证据理论中的诸多关键概念。

第二，人工智能法律系统中的证据推理首先要处理的是事实概念。法律事实和其他事实的区别，是站在法律视角来观察事实时必须要处理的重要问题。事实是世界的基本要素，维特根斯坦说：“世界是事实的总和，而不是物的总和。”事实规定了人类对世界看法的经验性。这种经验性使得人们可以借由自身的意识进行事实体验，而这种体验必须通过人们创造的诸多媒介来实现。其中，最为主要的媒介就是语言和文字，人们对语言和文字的使用构成了人们对世界进行理解的领域，即“我的语言的界限意味着我的世界的界限。……我们不能说我们不能思考的东西。”当我们说出事实这个概念之时，就是意指现实世界中所发生的事情（matter）的逻辑状态。这样，法律事实这个概念也就是对这种逻辑状态的法律视角下的观察结果。由此，证据这个概念本身就成为法律对过去发生的某个事情的逻辑陈述，而这种逻辑陈述的总和就构成了待证事实这一经验性的“世界”本身。

第三，人工智能法律系统在证据推理中使事实和证据被转换为一种陈述，接下来需要解决的，就是从证据到事实的可证性。人们对某个形式演算系统的信任不在于主体的选择，而在于系统本身是否是可证的。人类活动的社会世界不同于自然世界的本质性，就在于前者的存在与认知的非同一性，即我思并不能实现与外在世界的完全等价关系。由此，人工智能法律系统的证据推理与人工的证据推理一样，都需要面对这个世界所展现的随机性、模糊性、不一致性等特征，这就需要人工智能法律系统构造一种“信任”的功能。这功能在逻辑上体现为一种信任函数，诸如经典D—S证据理论，使得证据的可信性和可采性，在推理过程中分别展现为逻辑推理的真的维持和逻辑推理的非概率的维持。前者所需要的是人工智能法律系统保证证据推理的层次性的展开，后者则需要该系统保障逻辑推理的一种非概率性的演算。

第四，人工智能法律系统的事实认定难题，可以借助于改良版图示法而获得一种解决问题的可能途径。这种可能性就在于，如何构造一种关于事实认定的抽象化、系统化和形式化的推理链条。该推理链条运作的动力基础不是诸多证据材料，而是逻辑推理。在此需要说明的是，我们日常所说且被一些学者误用的“证据链”，其实是对事实认定过程的一种表象式、有误导的观察结果，事实认定本质上仍然是逻辑推理，是一种证明或推理链条。

第五，人工智能法律系统事实认定图示化的前提是，人工智能由于自身的符号化而可以接纳事实认定推理过程图示法。两者都具有可理解的语义学自我生产和再生产的能力，以及构造命题关联结构的能力。这种能力使得人工智能法律系统的证据推理和图示法一样，都呈现为一种逻辑树状图，即一种以证明要素和关系构成的系统性推理结构。在这一结构中，诸多关联构成了证据推理的基本架构，从而形成了证明的系统化逻辑链条。 就是说，证据推理链条在结构上并不是简单的线性体，它在本质上应该是一种复杂的树状结构。