人工智能與教育培訓精選(五篇)

序言：作為思想的載體和知識的探索者，寫作是一種獨特的藝術，我們為您準備了不同風格的5篇人工智能與教育培訓，期待它們能激發您的靈感。

篇1

一、職教城技能培訓現狀分析

株洲職教城位于株洲市東北部，園區規劃總占地面積1300多公頃，總投資100億元，項目計劃3年建成，5年全面完善。實現園區在校學歷教育學生8萬至10萬人，年均培訓人員3萬人。現已有11所院校簽約入園，自2009年底開工建設以來，湖南工貿技師學院、湖南有色金屬職院、湖南省商業技師學院、湖南鐵路科技職院、湖南化工職院等5所院校已先后建成開學，湖南鐵道職院、湖南中醫藥高專兩所院校已于2016年內啟動建設，湖南汽車工程職院、株洲市職大、株洲市中等職業學校正在積極推進土地報批。入城院校都是國內、省內有較大影響，處于全國領先水平，各具特色的職業院校。職教大學城項目建成后經過整合，將逐步實現實習實訓資源共享及師資共享，形成化工醫藥、加工制造、電子信息、商貿旅游、交通運輸、材料能源、軌道交通等精品專業群，為株洲經濟發展培養高技能人才，成為長株潭及中南地區職業技術學歷教育中心、農村勞動力轉移培訓中心、下崗人員再就業培訓中心、在崗職工技能培訓教育中心和長株潭職業教育主要實習實訓基地建設。目前，全市已擁有國家級和省級高技能人才培訓基地11家，2013年還確立了35家重點職業培訓機構與130家重點企業名單，加強了培訓機構與企業之間的聯系。重點依托職教大學城內湖南鐵路科技職院、湖南化工職院、湖南鐵道職院、湖南汽車工程職院、湖南工貿技師學院等示范性高職院校、技師學院和高級技工學校，建設一批省、市級高技能人才培訓基地，向企業提供職業培訓、技能實訓、職業資格鑒定等公共服務。到2020年，將建成30個市級高技能人才培訓基地，力爭申報建設10個以上省級和國家級高技能人才培訓基地，基本形成覆蓋重點產業和全市城鎮的高技能人才培訓網絡，為湖南省經濟建設提供更多更優的職業人才和職業培訓服務，為長株潭“兩型社會”建設做出積極貢獻。

二、職教城資源共享的意義

株洲職教大學城是湖南省重點項目、湖南省“兩型社會”建設典范工程、株洲市十大服務業項目之一，對調整教育結構、對接產業發展、服務公共民生及打造株洲發展升級版具有重大意義。在職教大學城建設前，株洲市高技能人才培訓規模相當有限，培訓質量不能很好地滿足行業企業技術層級不斷快速升級的需要，尤其是職業崗位在技術層次上的不斷分化、崗位技術水平的持續提升、崗位技術含量的持續升級以及勞動內涵的極大豐富，對勞動者的技術水平提出了更高的要求。而各職業院校的建設各自為戰，從硬件建設到教學支持服務等都是獨立組織與實施，一方面投入分散，投入不足，導致職業院校辦學條件難以滿足經濟社會對職業教育人才及培規格的需求，另一方面因為條塊分割，各自為戰，造成重復建設，資源浪費。因此，研究和解決職教大學城資源共享問題，有利于節約投入成本，有利于教育資源使用效率，有利于提高職業教育質量及技能培訓實效。近年來，株洲地區高技能人才培養機構、職業院校與企業大力推進“校企合作、工學結合”的高技能人才培養模式，專業建設與課程開發力度加大、師資隊伍水平與實踐條件得到改善，培訓質量顯著提高，企業高技能人才隊伍總體水平呈上升態勢，特別是對高起點、高標準建設好和管理好株洲職教園具有非常重要的意義。現已形成了良好地實踐資源共享運行機制。園區內高校通過“抱團共享，強強聯合”提高整個園區各高校自身的內部效益和園區的外部效益。通過職教園區各職業院校教育資源共建共享實現職業教育及培訓規模發展，為長株潭“兩型社會”建設和株洲市產業轉型升級做出積極貢獻，為湖南省經濟建設提供更多更優的職業技能人才和職業培訓服務，培養適應地方經濟建設和社會發展需要的技術技能型人才，滿足經濟發展方式轉變和產業結構調整要求。

三、技能人才培訓資源共享具體舉措

1.成立專門機構，統籌規劃、管理運作。一個有效的組織領導和協調機制能夠充分整合政府、高校、企業和行業等方面的優勢，調動各方面支持職業院校和高職園區建設的積極性，有助于保障和實現校校之間、校企之間的合作共享。職教大學城內各高職院校應聯合成立專門機構，負責組織、協調推動工作、決策有關資源共享的重大問題，為保障園區技能人才培訓資源共享提供組織保障。

篇2

關鍵詞：人工智能；高職；技能培訓

一、人工智能概述

人工智能（Anificail Intelligence）是指利用計算機軟件技術與自動化處理的技術，讓計算機能夠模擬與擴展某些人類特定智能的學科，最近幾年來發展非常迅猛，在智能接口，數據挖掘，主體系統等方面取得了豐碩的成果。智能接口技術是研究如何實現人類與機器的便利溝通，現在已經實現了文字，語音，自然語言理解等方面實用化的功能。數據挖掘則是如何從大量不完備的數據中自動生成可應用的知識的技術，在大數據時代里將會有非常廣泛的應用；主體系統則是指的讓計算機具備愿望，能力，選擇等心智狀態的實體，實現計算機的自主性。從當前的應用發展趨勢來看，在未來的5～10年內，人工智能將會應用在教育，醫療，管理，生產等絕大多數的社會領域中，將推動社會的全面發展與進步。在本文中，作者將以高職技能教育為切面，分析人工智能在該領域內應用的前景，并提出建立一套基于人工智能的高等職業技術輔助教學系統的思路，方便進行人工智能應用的相關人士研究與借鑒。

二、人工智能在高職教育教學領域的典型應用及其不足

將人工智能應用到教育方面是很久以來的教育現代化的熱點，從最近幾年來的人工智能在教育方面的應用來看，主要有三種應用的層面：一是智能計算機輔助教學（ICAI），它是將人工智能的技術引入至CAI系統中來，實現更加智能化的教學支持，減輕教師的工作量。二是智能，即讓某些特定的課程與教學的內容，由人工智能來取代教師進行授課，即時答疑，提高教學的效率；三是智能數據庫，對于課程相關的網絡教學資源數據庫，應用人工智能的方法進行數據分析，提高數據庫的訪問速度與交互功能，便于快速搜索與整理數據。但是對于高等職業技能教學來說，上述的三大應用領域還有些不夠契合，主要體現在如下的方面：

（1）對于學習者的活動流程的監控與記錄能力不夠。傳統的CAI系統，側重于對理論思維知識的輔助教學，而對于學習者的身體活動的記錄能力不佳，這樣無法即時準確地保存技能學習過程中與身體活動相關的數據。眾所周知，技能的教學是與學習者身體的活動相關聯的，行動數據的獲取量不足就會導致無法對學習者的技能及其效果進行評估與糾偏。

（2）與使用者的交互功能不佳。傳統的人工智能交互是文本與圖像，雖然簡單直觀但形式單一，還無法通過生動的語音和動作與使用者進行交互。這樣在教學輔助方面的效果不盡如人意。

（3）智能水平有待于提升。現代的人工智能輔助系統，雖然已經能夠實現教學數據的排序、統計、匯總等簡單的操作，但是離真正智能化的工作還有一定的差距。系統無法根據學生操作的具體情況做出個性化的情況統計分析，提出個性化的建議。在即時交互方面也還有很大的提升空間。

三、高職技能輔助教學系統的設計思路

針對上述教學人工智能應用的不足，結合高等職業技術學校的教學情況，特地提出一套人工智能輔助系統的設計思路：

（1）使用高級的智能接口技術實現行動數據的采集。

智能接口是為建立和諧的人機交互環境，使得人與機器之間的交流像人與人之間的交流一樣自然和方便。學習者在進行練習的過程中，無法像傳統的人機交互方式一樣將數據錄入至計算機中，而是需要智能系統通過攝像頭，運動傳感器等等高級的智能接口技術來感知學習者的活動，對活動進行分析與統計，并轉化為大數據存放至海量數據庫中。至于具體采用哪種智能接口技術，需要根據具體的學習內容而定。

（2）應用專家系統對于學習者在技能操作中產生的大數據進行分析。專家系統是目前人工智能領域最有實效的一個領域，它是利用人工智能的技術讓計算機能夠實現特定領域內的大量知識與經驗的系統。利用它來對技能學習過程中產生的大數據進行分析和挖掘，從中提煉出具有個性化的知識體系，發現學生與老師都沒有發覺到的某些特殊的學習狀態，能夠為進一步的學習反饋做好充分的準備。這樣可以使得學習的針對性更強，效率更高。

（3）使用智能檢索與生成技術對于分析結果進行輸出與展示。通過使用人工智能的檢索系統，可以快速地對分析的結果進行展示，可以利用網絡的環境，用生動形象的方式將結果展現在學習者或教師面前，方便掌握學習的過程。

四、輔助教學系統的應用展望

通過應用了上述的基于人工智能的輔助教學系統，將對于高職院校的教學產生非常強大與積極的影響。首先，該系統可以將教師從重復機械的日常教學環境中解放出來，不再通過傳統的測驗，考試，交流等方式獲知學生的學習狀態，由系統監控學習者在技能培訓過程中的一舉一動，自動進行學習效果的定性與定量的分析，積極地反饋給教師，從而使得教學更具備了明確的方向。其次，該系統也會增加技能教學的趣味性，將培訓的活動轉化為類似于電子競技的效果，學生在學習的過程中隨時可以觀察到自己的學習狀態，以及與其他同學的差異，更能夠培養自學的能力。第三，該系統可以與現有的高職院校校園網實現無縫的對接，將全院校的數據進行統一的智能加工與挖掘，可以更加方便高職院校的管理工作，也可以方便地擴展成為完備的高校智能管理系統。

參考文獻：

[1]邱月，人工智能技術在計算機輔助教學中的應用[J].福建電腦，2007（08）.

篇3

一、判斷題(每題2分)

1.智慧社區包含的核心內容是它可以起到一個重要的橋梁作用，通過信息的收集，通過大數據的分析，通過物聯網使服務的提供能夠和需求結合在一起，最終使人們得到更加優質的、更加相對便宜的、更加有效的、更加個性化的服務。

 正確  

錯誤

2.家庭規模縮小強化了代際支持能力。

 正確  

錯誤

3.中國的預期壽命排名較低。

 正確  

錯誤

4.從老齡研究的角度，智慧養老能夠解決根本性的問題。

 正確  

錯誤

5.社區老年服務集成平臺的預測作用包括準確得知老年人生活的種種需求。

 正確  

錯誤

6.對于如何高效率、低成本地解決養老問題只針對城市地區而言。

 正確  

錯誤

7.大數據的價值重在挖掘，而挖掘就是分析。

 正確  

錯誤

8.大數據在我們日常生活中很少接觸到。

 正確  

錯誤

9.以大數據應用促進醫藥分離改革，遏制虛高藥價。

 正確  

錯誤

10.當前世界的四大趨勢包括“經濟全球化”、“全球城市化”、“全球信息化”和“城市工業化”。

 正確  

錯誤

11.美國在人工智能方面取得了較好的成果。

 正確  

錯誤

12.《在英國發展人工智能》中提出了：數據、技術、研究、政策上的開放和投入四個方向。

 正確  

錯誤

13.1956年10月，中國科學院籌建了中科院自動化及遠距離操縱研究所（后更名為中科院自動化所）。

 正確  

錯誤

14.20世紀80年代初期，錢學森等主張開展人工智能研究，中國的人工智能研究進一步活躍起來。

 正確  

錯誤

15.人工智能在醫療領域還存在一些問題。

 正確  

錯誤

16.只要人類搞清楚的問題都容易被機器人所取代。

 正確  

錯誤

17.醫聯合體發生在基層和專科醫院之間。

 正確  

錯誤

18.作為影響深遠的顛覆性技術，人工智能可能改變就業結構、沖擊法律與社會倫理、侵犯個人隱私、挑戰國際關系準則等，對企業管理、個人安全、社會穩定乃至全球治理帶來挑戰。

 正確  

錯誤

19.我國新一代人工智能發展的指導思想和基本原則是要推動互聯網、大數據、人工智能和實體經濟深度融合，培育新增長點，形成新動能。

 正確  

錯誤

20.2016年9月開始，微軟的技術與研發部門和人工智能(AI)研究部門相互分離，各司其職。

 正確  

錯誤

二、單項選擇(每題2分)

21.醫療健康數據的應用包括：藥物研究、病人行為及其相關數據、（ ）、管理醫療社保基金。

 A.臨床研究  B.科學研究  C.涉密研究  D.門診診斷 

22.發展網信事業戰略的目標：加強領導、統籌規劃和依靠（ ）緊密協同。

 A.產、學、用  B.產、學、研  C.社會分工  D.產、學、研、用

23.基礎技術提供平臺主要是（ ）平臺，這些云平臺為人工智能實現大規模的實時計算提供了計算基礎。

 A.云計算  B.互聯網  C.云計算、大數據  D.大數據

24.2017年谷歌無人駕駛汽車可以對不同場景進行學習，如（ ）、城市道路、過橋等。

 A.泥濘路  B.平路  C.鄉間小路  D.山路

25.騰訊AI政務基于騰訊微信、QQ等平臺自身連接能力，提供（ ）、智能服務、智能分析和智慧應用等服務。

 A.精準推送  B.實名認證  C.智能核身  D.勾勒用戶圖像

26.牢牢把握新一代人工智能發展戰略機遇，堅定不移地把發展人工智能放在提高社會生產力、提升國際競爭力、增強綜合國力、保障國家安全的戰略支撐的（ ）位置。

 A.全局核心  B.重點突出  C.關鍵部分  D.戰略中心

27.微軟自然語言計算組成立于 1998年，專長于（ ）、輸入法、問答、社交、文本挖掘等。

 A.翻譯  B.收集  C.處理  D.校對

28.2016年5月，美國白宮成立了（ ）和機器學習委員會，協調全美各界在人工智能領域的行動，探討制定人工智能相關政策和法律。

 A.人工智能  B.制造  C.無人駕駛  D.I技術

29.歐盟的人腦計劃旨在通過計算機技術模擬大腦，建立一套（ ）的生成、分析、整合、模擬數據的信息通信技術平臺。

 A.創新  B.全自動  C.全新的、革命性  D.智能

30.德國“工業4.0”計劃涉及到的機器感知、（ ）、決策以及人機交互等領域。

 A.規劃  B.識別  C.應用  D.操作

31.2017年，日本政府制定了人工智能產業化路線圖，計劃分（ ）階段推進利用人工智能技術，大幅提高制造業、物流、醫療和護理行業效率。

 A.4個  B.2個  C.5個  D.3個

32.人工智能的發展要素：算法+（ ）+數據。

 A.編程  B.數學  C.模擬  D.計算能力

33.國家加大對人工智能關鍵技術研發的支持力度，人工智能已成為我國的戰略（ ）。

 A.發展重點  B.中心  C.要素  D.核心

34.百度、騰訊、阿里巴巴、科大訊飛等企業積極布局人工智能領域，搶占產業（ ）。

 A.發展制高點  B.發展先機  C.發展  D.發展機遇

35.對人工智能發展態勢的判斷中的新挑戰是指人工智能發展的（ ）帶來新挑戰。

 A.不確定性  B.負面影響  C.積極性  D.不穩定性

36.碳云智能成立于2015年10月，希望建立一個健康大數據平臺，運用人工智能技術處理這些數據，幫助人們做（ ）。

 A.日常起居  B.健康管理  C.醫療檢查  D.生活管理

37.百度的Apollo（阿波羅）計劃，即百度將向汽車行業及自動駕駛領域的合作伙伴提供一個開放、完整、安全的軟件平臺，幫助他們結合車輛和硬件系統，快速搭建一套屬于自己的完整的（ ）系統。

 A.自動駕駛  B.自動操作  C.智能駕駛  D.無人駕駛

38.我國新一代人工智能發展的總體部署中構建一個體系是指構建（ ）的人工智能科技創新體系。

 A.對外開放  B.互惠互利  C.合作共贏  D.開放協同

39.互聯網醫院要依托于（ ）建設。

 A.現有實體  B.信息共享  C.互聯網  D.分級診療

40.《打造智慧社區，優化居家養老（下）》認為，發展智慧養老服務可以帶動我國哪些經濟領域的發展（ ）。

 A.制造業  B.服務業  C.娛樂業  D.農業

三、多項選擇(每題2分)

41.人工智能的智能硬件其交互方式出現（ ）直接交互。

 A.手勢  B.語音  C.體感  D.眼神

42.人工智能能夠對（ ）的安全進行防護。

 A.個人  B.醫療  C.金融  D.城市

43.（ ）的融合創新是智能安防發展的重要切入點。

 A.人工智能  B.體感  C.音頻  D.視頻

44.人工智能產業體系的融合產業有（ ）。

 A.智能金融  B.智能客服  C.自動駕駛汽車  D.智能制造

45.人工智能應用類企業的切入領域有（ ）。

 A.機器人  B.智能家居  C.教育培訓  D.醫療設備

46.廣泛開展人工智能科普活動，做到（ ）。

 A.支持開展形式多樣的人工智能科普活動  

B.鼓勵科學家參與人工智能科普  

C.建設和完善人工智能科普基礎設施  

D.支持開展人工智能競賽

47.智慧社區的淵源包括（ ）。

 A.原始社會  B.工業社會  C.農業社會  D.信息化社會

48.智慧社區的三級指標包括（ ）。

 A.保障體系  B.便民服務  C.社區治理與公共服務  D.主題社區

49.中國人口老齡化面對的挑戰有（ ）。

 A.人口流動頻繁，家庭養老能力不足  

B.代際關系變化，老年居住空巢增加   

C.預期壽命延長，照料需求壓力加大   

D.家庭規模縮小，代際支持能力弱化 

篇4

【關鍵詞】法理學/法律推理/人工智能

【正文】

一、人工智能法律系統的歷史

計算機先驅思想家萊布尼茲曾這樣不無浪漫地談到推理與計算的關系：“我們要造成這樣一個結果，使所有推理的錯誤都只成為計算的錯誤，這樣，當爭論發生的時候，兩個哲學家同兩個計算家一樣，用不著辯論，只要把筆拿在手里，并且在算盤面前坐下，兩個人面對面地說：讓我們來計算一下吧！”（注：轉引自肖爾茲著：《簡明邏輯史》，張家龍譯，商務印書館1977年版，第54頁。）

如果連抽象的哲學推理都能轉變為計算問題來解決，法律推理的定量化也許還要相對簡單一些。盡管理論上的可能性與技術可行性之間依然存在著巨大的鴻溝，但是，人工智能技術的發展速度確實令人驚嘆。從誕生至今的短短45年內，人工智能從一般問題的研究向特殊領域不斷深入。1956年紐厄爾和西蒙教授的“邏輯理論家”程序，證明了羅素《數學原理》第二章52個定理中的38個定理。塞繆爾的課題組利用對策論和啟發式探索技術開發的具有自學習能力的跳棋程序，在1959年擊敗了其設計者，1962年擊敗了州跳棋冠軍，1997年超級計算機“深藍”使世界頭號國際象棋大師卡斯帕羅夫俯首稱臣。

20世紀60年代，人工智能研究的主要課題是博弈、難題求解和智能機器人；70年代開始研究自然語言理解和專家系統。1971年費根鮑姆教授等人研制出“化學家系統”之后，“計算機數學家”、“計算機醫生”等系統相繼誕生。在其他領域專家系統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”系統和律師系統的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）

1970年Buchanan&Headrick發表了《關于人工智能和法律推理若干問題的考察》，一文，拉開了對法律推理進行人工智能研究的序幕。文章認為，理解、模擬法律論證或法律推理，需要在許多知識領域進行艱難的研究。首先要了解如何描述案件、規則和論證等幾種知識類型，即如何描述法律知識，其中處理開放結構的法律概念是主要難題。其次，要了解如何運用各種知識進行推理，包括分別運用規則、判例和假設的推理，以及混合運用規則和判例的推理。再次，要了解審判實踐中法律推理運用的實際過程，如審判程序的運行，規則的適用，事實的辯論等等。最后，如何將它們最終運用于編制能執行法律推理和辯論任務的計算機程序，區別和分析不同的案件，預測并規避對手的辯護策略，建立巧妙的假設等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在這一時期主要沿著兩條途徑前進：一是基于規則模擬歸納推理，70年代初由WalterG.Popp和BernhardSchlink開發了JUDITH律師推理系統。二是模擬法律分析，尋求在模型與以前貯存的基礎數據之間建立實際聯系，并僅依這種關聯的相似性而得出結論。JeffreyMeld-man1977年開發了計算機輔助法律分析系統，它以律師推理為模擬對象，試圖識別與案件事實模型相似的其他案件。考慮到律師分析案件既用歸納推理又用演繹推理，程序對兩者都給予了必要的關注，并且包括了各種水平的分析推理方法。

專家系統在法律中的第一次實際應用，是D.沃特曼和M.皮特森1981年開發的法律判決輔助系統(LDS)。研究者探索將其當作法律適用的實踐工具，對美國民法制度的某個方面進行檢測，運用嚴格責任、相對疏忽和損害賠償等模型，計算出責任案件的賠償價值，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).）

我國法律專家系統的研制于20世紀80年代中期起步。（注：錢學森教授：《論法治系統工程的任務與方法》（《科技管理研究》1981年第4期）、《社會主義和法治學與現代科學技術》（《法制建設》1984年第3期）、《現代科學技術與法和法制建設》（《政法論壇》）1985年第3期）等文章，為我國法律專家系統的研發起了思想解放和理論奠基作用。）1986年由朱華榮、肖開權主持的《量刑綜合平衡與電腦輔助量刑專家系統研究》被確定為國家社科“七五”研究課題，它在建立盜竊罪量刑數學模型方面取得了成果。在法律數據庫開發方面，1993年中山大學學生胡釗、周宗毅、汪宏杰等人合作研制了《LOA律師辦公自動化系統》。（注：楊建廣、駱梅芬編著：《法治系統工程》，中山大學出版社1996年版，第344-349頁。）1993年武漢大學法學院趙廷光教授主持開發了《實用刑法專家系統》。（注：趙廷光等著：《實用刑法專家系統用戶手冊》，北京新概念軟件研究所1993年版。）它由咨詢檢索系統、輔助定性系統和輔助量刑系統組成，具有檢索刑法知識和對刑事個案進行推理判斷的功能。

專家系統與以往的“通用難題求解”相比具有以下特點：(1)它要解決復雜的實際問題，而不是規則簡單的游戲或數學定理證明問題；(2)它面向更加專門的應用領域，而不是單純的原理性探索；(3)它主要根據具體的問題域，選擇合理的方法來表達和運用特殊的知識，而不強調與問題的特殊性無關的普適性推理和搜索策略。

法律專家系統在法規和判例的輔助檢索方面確實發揮了重要作用，解放了律師一部分腦力勞動。但絕大多數專家系統目前只能做法律數據的檢索工作，缺乏應有的推理功能。20世紀90年代以后，人工智能法律系統進入了以知識工程為主要技術手段的開發時期。知識工程是指以知識為處理對象，以能在計算機上表達和運用知識的技術為主要手段，研究知識型系統的設計、構造和維護的一門更加高級的人工智能技術。（注：《中國大百科全書·自動控制與系統工程》，中國大百科全書出版社1991年版，第579頁。）知識工程概念的提出，改變了以往人們認為幾個推理定律再加上強大的計算機就會產生專家功能的信念。以知識工程為技術手段的法律系統研制，如果能在法律知識的獲得、表達和應用等方面獲得突破，將會使人工智能法律系統的研制產生一個質的飛躍。

人工智能法律系統的發展源于兩種動力。其一是法律實踐自身的要求。隨著社會生活和法律關系的復雜化，法律實踐需要新的思維工具，否則，法律家（律師、檢察官和法官）將無法承受法律文獻日積月累和法律案件不斷增多的重負。其二是人工智能發展的需要。人工智能以模擬人的全部思維活動為目標，但又必須以具體思維活動一城一池的攻克為過程。它需要通過對不同思維領域的征服，來證明知識的每個領域都可以精確描述并制造出類似人類智能的機器。此外，人工智能選擇法律領域尋求突破，還有下述原因：(1)盡管法律推理十分復雜，但它有相對穩定的對象（案件）、相對明確的前提（法律規則、法律事實）及嚴格的程序規則，且須得出確定的判決結論。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，以明確的規則、理性的標準、充分的辯論，為觀察思維活動的軌跡提供了可以記錄和回放的樣本。(3)法律知識長期的積累、完備的檔案，為模擬法律知識的獲得、表達和應用提供了豐富、準確的資料。(4)法律活動所特有的自我意識、自我批評精神，對法律程序和假設進行檢驗的傳統，為模擬法律推理提供了良好的反思條件。

二、人工智能法律系統的價值

人工智能法律系統的研制對法學理論和法律實踐的價值和意義，可以概括為以下幾點：

一是方法論啟示。P.Wahlgren說：“人工智能方法的研究可以支持和深化在創造性方法上的法理學反思。這個信仰反映了法理學可以被視為旨在于開發法律分析和法律推理之方法的活動。從法理學的觀點看，這種研究的最終目標是揭示方法論的潛在作用，從而有助于開展從法理學觀點所提出的解決方法的討論，而不僅僅是探討與計算機科學和人工智能有關的非常細致的技術方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模擬法律推理的過程中，法學家通過與工人智能專家的密切合作，可以從其對法律推理的獨特理解中獲得有關方法論方面的啟示。例如，由于很少有兩個案件完全相似，在判例法實踐中，總有某些不相似的方面需要法律家運用假設來分析已有判例與現實案件的相關性程度。但法學家們在假設的性質問題上常常莫衷一是。然而HYPO的設計者，在無真實判例或真實判例不能充分解釋現實案件的情況下，以假設的反例來反駁對方的觀點，用補充、刪減和改變事實的機械論方法來生成假設。這種用人工智能方法來處理假設的辦法，就使復雜問題變得十分簡單：假設實際上是一個新的論證產生于一個經過修正的老的論證的過程。總之，人工智能方法可以幫助法學家跳出法理學方法的思維定勢，用其他學科的方法來重新審視法學問題，從而為法律問題的解決提供了新的途徑。

二是提供了思想實驗手段。西蒙認為，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字電子計算機中是由電子作用完成的。給計算機編程序使之思維，已經證明有可能為思維提供機械論解釋”。（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）童天湘先生認為：“通過編制有關思維活動的程序，就會加深對思維活動具體細節的了解，并將這種程序送進計算機運行，檢驗其正確性。這是一種思想實驗，有助于我們研究人腦思維的機理。”（注：轉引自童天湘：《人工智能與第N代計算機》，載《哲學研究》1985年第5期。）人工智能法律系統研究的直接目標是使計算機能夠獲取、表達和應用法律知識，軟件工程師為模擬法律推理而編制程序，必須先對人的推理過程作出基于人工智能理論和方法的獨特解釋。人工智能以功能模擬開路，在未搞清法律家的推理結構之前，首先從功能上對法律證成、法律檢索、法律解釋、法律適用等法律推理的要素和活動進行數理分析，將法理學、訴訟法學關于法律推理的研究成果模型化，以實現法律推理知識的機器表達或再現，從而為認識法律推理的過程和規律提供了一種實驗手段。法學家則可以將人工智能法律系統的推理過程、方法和結論與人類法律推理活動相對照，為法律推理的法理學研究所借鑒。因此，用人工智能方法模擬法律推理，深化了人們對法律推理性質、要素和過程的認識，使法學家得以借助人工智能科學的敏銳透鏡去考察法律推理的微觀機制。正是在這個意義上，BryanNiblett教授說：“一個成功的專家系統很可能比其他的途徑對法理學作出更多的（理論）貢獻。”（注：BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）

三是輔助司法審判。按照格雷的觀點，法律專家系統首先在英美判例法國家出現的直接原因在于，浩如煙海的判例案卷如果沒有計算機編纂、分類、查詢，這種法律制度簡直就無法運轉了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其實不僅是判例法，制定法制度下的律師和法官往往也要為檢索有關的法律、法規和司法解釋耗費大量的精力和時間，而且由于人腦的知識和記憶能力有限，還存在著檢索不全面、記憶不準確的問題。人工智能法律系統強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。

四是促進司法公正。司法推理雖有統一的法律標準，但法官是具有主觀能動性的差異個體，所以在執行統一標準時會產生一些差異的結果。司法解釋所具有的建構性、辯證性和創造性的特點，進一步加劇了這種差異。如果換了鋼鐵之軀的機器，這種由主觀原因所造成的差異性就有可能加以避免。這當然不是說讓計算機完全取代法官，而是說，由于人工智能法律系統為司法審判提供了相對統一的推理標準和評價標準，從而可以輔助法官取得具有一貫性的判決。無論如何，我們必須承認，鋼鐵之軀的機器沒有物質欲望和感情生活，可以比人更少地受到外界因素的干擾。正像計算機錄取增強了高考招生的公正性、電子監視器提高了糾正行車違章的公正性一樣，智能法律系統在庭審中的運用有可能減少某些現象。

五是輔助法律教育和培訓。人工智能法律系統凝聚了法律家的專門知識和法官群體的審判經驗，如果通過軟件系統或計算機網絡實現專家經驗和知識的共享，便可在法律教育和培訓中發揮多方面的作用。例如，(1)在法學院教學中發揮模擬法庭的作用，可以幫助法律專業學生鞏固自己所學知識，并將法律知識應用于模擬的審判實踐，從而較快地提高解決法律實踐問題的能力。(2)幫助新律師和新法官全面掌握法律知識，迅速獲得判案經驗，在審判過程的跟蹤檢測和判決結論的動態校正中增長知識和才干，較快地接近或達到專家水平。(3)可使不同地區、不同層次的律師和法官及時獲得有關法律問題的咨詢建議，彌補因知識結構差異和判案經驗多寡而可能出現的失誤。(4)可以為大眾提供及時的法律咨詢，提高廣大人民群眾的法律素質，增強法律意識。

六是輔助立法活動。人工智能法律系統不僅對輔助司法審判有重要的意義，而且對完善立法也具有實用價值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，倫敦大學Imperial學院的邏輯程序組將1981年英國國籍法的內容形式化，幫助立法者發現了該法在預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).）立法輔助系統如能應用于法律起草和法律草案的審議過程，有可能事先發現一些立法漏洞，避免一個法律內部各種規則之間以及新法律與現有法律制度之間的相互沖突。

三、法理學在人工智能法律系統研究中的作用

1.人工智能法律系統的法理學思想來源

關于人工智能法律系統之法理學思想來源的追蹤，不是對法理學與人工智能的聯系作面面俱到的考察，而旨在揭示法理學對人工智能法律系統的發展所產生的一些直接影響。

第一，法律形式主義為人工智能法律系統的產生奠定了理論基礎。18-19世紀的法律形式主義強調法律推理的形式方面，認為將法律化成簡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分析法學的傳統，主張“法律推理應該依據客觀事實、明確的規則以及邏輯去解決一切為法律所要求的具體行為。假如法律能如此運作，那么無論誰作裁決，法律推理都會導向同樣的裁決。”（注：（美）史蒂文·J·伯頓著：《法律和法律推理導論》，張志銘、解興權譯，中國政法大學出版社1998年9月版，第3頁。）換言之，機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果。在分析法學家看來，“所謂‘法治’就是要求結論必須是大前提與小前提邏輯必然結果。”（注：朱景文主編：《對西方法律傳統的挑戰》，中國檢察出版社1996年2月版，第292頁。）如果法官違反三段論推理的邏輯，就會破壞法治。這種機械論的法律推理觀，反映了分析法學要求法官不以個人價值觀干擾法律推理活動的主張。但是，它同時具有忽視法官主觀能動性和法律推理靈活性的僵化的缺陷。所以，自由法學家比埃利希將法律形式主義的邏輯推理說稱為“自動售貨機”理論。然而，從人工智能就是為思維提供機械論解釋的意義上說，法律形式主義對法律推理所作的機械論解釋，恰恰為人工智能法律系統的開發提供了可能的前提。從人工智能法律系統研制的實際過程來看，在其起步階段，人工智能專家正是根據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行模擬，由WalterG.Popp和BernhardSchlink在20世紀70年代初開發了JUDITH律師推理系統。在這個系統中，作為推理大小前提的法律和事實之間的邏輯關系，被計算機以“如果A和B，那么C”的方式加以描述，使機器法律推理第一次從理論變為現實。

第二，法律現實主義推動智能模擬深入到主體的思維結構領域。法律形式主義忽視了推理主體的社會性。法官是生活在現實社會中的人，其所從事的法律活動不可能不受到其社會體驗和思維結構的影響。法官在實際的審判實踐中，并不是機械地遵循規則，特別是在遇到復雜案件時，往往需要作出某種價值選擇。而一旦面對價值問題，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。法律現實主義對其僵化性進行了深刻的批判。霍姆斯法官明確提出“法律的生命并不在于邏輯而在于經驗”（注：（美）博登海默著：《法理學——法哲學及其方法》，鄧正來、姬敬武譯，華夏出版社1987年12月版，第478頁。）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；所謂經驗，則包括一定的道德和政治理論、公共政策及直覺知識，甚至法官的偏見。法律現實主義對法官主觀能動性和法律推理靈活性的強調，促使人工智能研究從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構。人們開始考慮，如果思維結構對法官的推理活動具有定向作用，那么，人工智能法律系統若要達到法官水平，就應該通過建立思維結構模型來設計機器的運行結構。TAXMAN的設計就借鑒了這一思想，法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統，解釋程序、協調程序、說明程序分別對網絡結構中的輸入和輸出信息進行動態結構調整，從而適應了知識整合的需要。大規模知識系統的KBS(KnowledgeBasedSystem)開發也注意了思維結構的整合作用，許多具有內在聯系的小規模KBS子系統，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、法律評價、理由闡述）的基礎上，又通過聯想程序被有機聯系起來，構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，“開放結構”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為法律規則和案件之間不存在單一的邏輯對應關系。有時候從一個法律規則可以推出幾種不同的結論，它們往往沒有明顯的對錯之分；有時一個案件面對著幾個相似的法律規則。在這些情況下，形式主義推理說都一籌莫展。但是，法律現實主義在批判法律形式主義時又走向另一個極端，它否認具有普遍性的一般法律規則的存在，試圖用“行動中的法律”完全代替分析法學“本本中的法律”。這種矯枉過正的做法雖然是使法律推理擺脫機械論束縛所走出的必要一步，然而，法律如果真像現實主義法學所說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準或因人而異，那么，受到挑戰的就不僅是法律形式主義，而且還會殃及法治要求實現規則統治之根本原則，并動搖人工智能法律系統存在的基礎。哈特在法律形式主義和法律現實主義的爭論中采取了一種折中立場，他既承認邏輯的局限性又強調其重要性；既拒斥法官完全按自己的預感來隨意判案的見解，又承認直覺的存在。這種折中立場在哈特“開放結構”的法律概念中得到了充分體現。法律概念既有“意義核心”又有“開放結構”，邏輯推理可以幫助法官發現問題的陽面，而根據社會政策、價值和后果對規則進行解釋則有助于發現問題的陰面。開放結構的法律概念，使基于規則的法律推理模擬在受到概念封閉性的限制而對疑難案件無能為力時，找到了新的立足點。在此基礎上，運用開放結構概念的疑難案件法律推理模型，通過邏輯程序工具和聯想技術而建立起來。Gardner博士就疑難案件提出兩種解決策略：一是將簡易問題從疑難問題中篩選出來，運用基于規則的技術來解決；二是將疑難問題同“開放結構”的法律概念聯系在一起，先用非范例知識如規則、控辯雙方的陳述、常識來獲得初步答案，再運用范例來澄清案件、檢查答案的正確性。

第四，目的法學促進了價值推理的人工智能研究。目的法學是指一種所謂直接實現目的之“后法治”理想。美國法學家諾內特和塞爾茲尼克把法律分為三種類型。他們認為，以法治為標志的自治型法，過分強調手段或程序的正當性，有把手段當作目的的傾向。這說明法治社會并沒有反映人類關于美好社會的最高理想，因為實質正義不是經過人們直接追求而實現的，而是通過追求形式正義而間接獲得的。因此他們提出以回應型法取代自治型法的主張。在回應型法中，“目的為評判既定的做法設立了標準，從而也就開辟了變化的途徑。同時，如果認真地對待目的，它們就能控制行政自由裁量權，從而減輕制度屈從的危險。反之，缺少目的既是僵硬的根源，又是機會主義的根源。”（注：（美）諾內特、塞爾茲尼克著：《轉變中的法律與社會》，張志銘譯，中國政法大學出版社1994年版，第60頁。）美國批判法學家昂格爾對形式主義法律推理和目的型法律推理的特點進行了比較，他認為，前者要求使用內容明確、固定的規則，無視社會現實生活中不同價值觀念的沖突，不能適應復雜情況和變化，追求形式正義；后者則要求放松對法律推理標準的嚴格限制，允許使用無固定內容的抽象標準，迫使人們在不同的價值觀念之間做出選擇，追求實質正義。與此相應，佩雷爾曼提出了新修辭學(NewRhetoric)的法律理論。他認為，形式邏輯只是根據演繹法或歸納法對問題加以說明或論證的技術，屬于手段的邏輯；新修辭學要填補形式邏輯的不足，是關于目的的辯證邏輯，可以幫助法官論證其決定和選擇，因而是進行價值判斷的邏輯。他認為，在司法三段論思想支配下，法學的任務是將全部法律系統化并作為闡釋法律的大前提，“明確性、一致性和完備性”就成為對法律的三個要求。而新修辭學的基本思想是價值判斷的多元論，法官必須在某種價值判斷的指示下履行義務，必須考慮哪些價值是“合理的、可接受的、社會上有效的公平的”。這些價值構成了判決的正當理由。（注：沈宗靈著：《現代西方法理學》，北京大學出版社1992年版，第443-446頁。）制造人工智能法律系統最終需要解決價值推理的模擬問題，否則，就難以實現為判決提供正當理由的要求。為此，P.Wahlgren提出的與人工智能相關的5種知識表達途徑中，明確地包括了以道義為基礎的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道義邏輯，或者說在機器中采用基于某種道義邏輯的推理程序，強調目的價值，也許是制造智能法律系統的關鍵。不過，即使把道義邏輯硬塞給計算機，鋼鐵之軀的機器沒有生理需要，也很難產生價值觀念和主觀體驗，沒辦法解決主觀選擇的問題。在這個問題上，波斯納曾以法律家有七情六欲為由對法律家對法律的機械忠誠表示了強烈懷疑，并辯證地將其視為法律發展的動力之一。只有人才能夠平衡相互沖突的利益，能夠發現對人類生存和發展至關重要的價值。因此，關于價值推理的人工智能模擬究竟能取得什么成果，恐怕還是個未知數。

2.法理學對人工智能法律系統研制的理論指導作用

GoldandSusskind指出：“不爭的事實是，所有的專家系統必須適應一些法理學理論，因為一切法律專家系統都需要提出關于法律和法律推理性質的假設。從更嚴格的意義上說，一切專家系統都必須體現一種結構理論和法律的個性，一種法律規范理論，一種描述法律科學的理論，一種法律推理理論”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系統的研究，不僅需要以法理學關于法律的一般理論為知識基礎，還需要從法理學獲得關于法律推理的完整理論，如法律推理實踐和理論的發展歷史，法律推理的標準、主體、過程、方法等等。人工智能對法律推理的模擬，主要是對法理學關于法律推理的知識進行人工智能方法的描述，建立數學模型并編制計算機應用程序，從而在智能機器上再現人類法律推理功能的過程。在這個過程中，人工智能專家的主要任務是研究如何吸收法理學關于法律推理的研究成果，包括法理學關于人工智能法律系統的研究成果。

隨著人工智能法律系統研究從低級向高級目標的推進，人們越來越意識到，對法律推理的微觀機制認識不足已成為人工智能模擬的嚴重障礙。P.Wahlgren指出，“許多人工智能技術在法律領域的開發項目之所以失敗，就是因為許多潛在的法理學原則沒有在系統開發的開始階段被遵守或給予有效的注意。”“法理學對法律推理和方法論問題的關注已經有幾百年，而人工智能的誕生只是本世紀50年代中期的事情，這個事實是人工智能通過考察法理學知識來豐富自己的一個有效動機。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自動化的目標，“一方面是用人工智能（通過把計算機的應用與分析模型相結合）來支撐法律推理的可能性；另一方面是應用法理學理論來解決作為法律推理支撐系統的以及一般的人工智能問題。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系統充當法律推理研究的思想實驗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研究成果直接為人工智能法律系統的研制所應用的問題。例如，20世紀70年代法理學在真實和假設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計工作的理論基礎。在運用模糊或開放結構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，法理學的研究成果也已為人工智能法律系統的研究所借鑒。

四、人工智能法律系統研究的難點

人工智能法律系統的研究盡管在很短的時間內取得了許多令人振奮的成果，但它的發展也面臨著許多困難。這些困難構成了研究工作需要進一步努力奮斗的目標。

第一，關于法律解釋的模擬。在法理學的諸多研究成果中，法律解釋的研究對人工智能法律系統的研制起著關鍵作用。法律知識表達的核心問題是法律解釋。法律規范在一個法律論點上的效力，是由法律家按忠實原意和適合當時案件的原則通過法律解釋予以確認的，其中包含著人類特有的價值和目的考慮，反映了法律家的知識表達具有主觀能動性。所以，德沃金將解釋過程看作是一種結合了法律知識、時代信息和思維方法而形成的，能夠應變的思維策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律專家系統并未以知識表達為目的來解釋法律，而是將法律整齊地“碼放”在計算機記憶系統中僅供一般檢索之用。然而，在法律知識工程系統中，法律知識必須被解釋，以滿足自動推理對法律知識進行重新建構的需要。麥卡錫說：“在開發智能信息系統的過程中，最關鍵的任務既不是文件的重建也不是專家意見的重建，而是建立有關法律領域的概念模型。”（注：McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必須以法律家對某一法律概念的共識為基礎，但不同的法律家對同一法律概念往往有不同的解釋策略。凱爾森甚至說：即使在國內法領域也難以形成一個“能夠用來敘述一定法律共同體的實在法的基本概念”。（注：（奧）凱爾森著：《法與國家的一般理論》，沈宗靈譯，中國大百科全書出版社1996年版，第1頁。）盡管如此，法理學還是為法律概念模型的重建提供了一些方法。例如，德沃金認為，法官在“解釋”階段，要通過推理論證，為自己在“前解釋”階段所確定的大多數法官對模糊法律規范的“一致看法”提供“一些總的理由”。獲取這些總的理由的過程分為兩個步驟：首先，從現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證明這種法律原則是其中的一部分，證明現存的明確法律制度是正當的。其次，再以法律原則為依據反向推出具體的法律結論，即用一般法律理論來證明某一法律原則存在的合理性，再用該法律原則來解釋某一法律概念。TAXMAN等系統裝置已吸收了這種方法，法律知識被計算機結構語言以語義網絡的方式組成不同的規則系統，解釋程序使計算機根據案件事實來執行某條法律規則，并在新案件事實輸入時對法律規則作出新的解釋后才加以調用。不過，法律知識表達的進展還依賴于法律解釋研究取得更多的突破。

第二，關于啟發式程序。目前的法律專家系統如果不能與啟發式程序接口，不能運用判斷性知識進行推理，只通過規則反饋來提供簡單解釋，就談不上真正的智能性。啟發式程序要解決智能機器如何模擬法律家推理的直覺性、經驗性以及推理結果的不確定性等問題，即人可以有效地處理錯誤的或不完全的數據，在必要時作出猜測和假設，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運用聯想程序對規則和判例推理的結果作集合處理的思路，以及Massachusetts大學研制的CABARET（基于判例的推理工具），在將啟發式程序應用于系統開發方面都進行了有益的嘗試。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難題。選擇哪一個答案，往往取決于法律推理的目的標準和推理主體的立場和價值觀念。但智能機器沒有自己的目的、利益和立場。這似乎從某種程度上劃定了機器法律推理所能解決問題的范圍。

第三，關于法律自然語言理解。在設計基于規則的程序時，設計者必須假定整套規則沒有意義不明和沖突，程序必須消滅這些問題而使規則呈現出更多的一致性。就是說，盡管人們對法律概念的含義可以爭論不休，但輸入機器的法律語言卻不能互相矛盾。機器語言具有很大的局限性，例如，LDS基于規則來模擬嚴格責任并計算實際損害時，表現出的最大弱點就是不能使用不精確的自然語言進行推理。然而，在實際的法律推理過程中，法律家對某個問題的任何一種回答都可根據上下文關系作多種解釋，而且辯論雙方總是尋求得出不同的結論。因此，智能法律專家系統的成功在很大程度上還依賴于自然語言理解研究工作的突破。牛津大學的一個程序組正在研究法律自然語言的理解問題，但是遇到了重重困難。原因是連法學家們自己目前也還沒有建立起一套大家一致同意的專業術語規范。所以EdwinaL.Rissland認為，常識知識、意圖和信仰類知識的模擬化，以及自然語言理解的模擬問題，迄今為止可能是人工智能面臨的最困難的任務。對于語言模擬來說，像交際短語和短語概括的有限能力可能會在較窄的語境條件下取得成果，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，而像書面上訴意見的理解則是永遠的終極幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）

五、人工智能法律系統的開發策略和應用前景

我們能夠制造出一臺什么樣的機器，可以證明它是人工智能法律系統？從檢驗標準上看，這主要是法律知識在機器中再現的判定問題。根據“圖靈試驗”原理，我們可將該檢驗標準概括如下：設兩間隔開的屋子，一間坐著一位法律家，另一間“坐著”一臺智能機器。一個人（也是法律家）向法律家和機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分出誰是法律家、誰是機器，就不能懷疑機器具有法律知識表達的能力。

依“圖靈試驗”制定的智能法律系統檢驗標準，所看重的是功能。只要機器和法律家解決同樣法律問題時所表現出來的功能相同，就不再苛求哪個是鋼鐵結構、哪個是血肉之軀。人工智能立足的基礎，就是相同的功能可以通過不同的結構來實現之功能模擬理論。

從功能模擬的觀點來確定人工智能法律系統的研究與開發策略，可作以下考慮：

第一，擴大人工智能法律系統的研發主體。現有人工法律系統的幼稚，暴露了僅僅依靠計算機和知識工程專家從事系統研發工作的局限性。因此，應該確立以法律家、邏輯學家和計算機專家三結合的研發群體。在系統研發初期，可組成由法學家、邏輯與認知專家、計算機和知識工程專家為主體的課題組，制定系統研發的整體戰略和分階段實施的研發規劃。在系統研發中期，應通過網絡等手段充分吸收初級產品用戶（律師、檢察官、法官）的意見，使研發工作在理論研究與實際應用之間形成反饋，將開發精英與廣大用戶的智慧結合起來，互相啟發、群策群力，推動系統迅速升級。

第二，確定研究與應用相結合、以應用為主導的研發策略。目前國外人工智能法律系統的研究大多停留在實驗室領域，還沒有在司法實踐中加以應用。但是，任何智能系統包括相對簡單的軟件系統，如果不經過用戶的長期使用和反饋，是永遠也不可能走向成熟的。從我國的實際情況看，如果不能將初期研究成果盡快地轉化為產品，我們也難以為后續研究工作提供雄厚的資金支持。因此，人工智能法律系統的研究必須走產研結合的道路，堅持以應用開路，使智能法律系統盡快走出實驗室，同時以研究為先導，促進不斷更新升級。

第三，系統研發目標與初級產品功能定位。人工智能法律系統的研發目標是制造出能夠滿足多用戶（律師、檢察官、法官、立法者、法學家）多種需要的機型。初級產品的定位應考慮到，人的推理功能特別是價值推理的功能遠遠超過機器，但人的記憶功能、檢索速度和準確性又遠不如機器。同時還應該考慮到，我國目前有12萬律師，23萬檢察官和21萬法官，每年1.2萬法學院本科畢業生，他們對法律知識的獲取、表達和應用能力參差不齊。因此，初級產品的標準可適當降低，先研制推理功能薄弱、檢索功能強大的法律專家系統。可與計算機廠商合作生產具有強大數據庫功能的硬件，并確保最新法律、法規、司法解釋和判例的網上及時更新；同時編制以案件為引導的高速檢索軟件。系統開發的先期目標應確定為：(1)替律師起草僅供參考的書和辯護詞；(2)替法官起草僅供參考的判決書；(3)為法學院學生提供模擬法庭審判的通用系統軟件，以輔助學生在、辯護和審判等訴訟的不同階段鞏固所學知識、獲得審判經驗。上述軟件旨在提供一個初級平臺，先解決有無和急需，再不斷收集用戶反饋意見，逐步改進完善。

第四，實驗室研發應確定較高的起點或跟蹤戰略。國外以知識工程為主要技術手段的人工智能法律系統開發已經歷了如下發展階段：(1)主要適用于簡單案件的規則推理；(2)運用開放結構概念的推理；(3)運用判例和假設的推理；(4)運用規則和判例的混合推理。我們如確定以簡單案件的規則推理為初級市場產品，那么，實驗室中第二代產品開發就應瞄準運用開放結構概念的推理。同時，跟蹤運用假設的推理及混合推理，吸收國外先進的KBS和HYPO的設計思想，將功能子系統開發與聯想式控制系統結合。HYPO判例法推理智能裝置具有如下功能：(1)評價相關判例；(2)判定何方使用判例更加貼切；(3)分析并區分判例；(4)建立假設并用假設來推理；(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以商業秘密法的判例推理為模擬對象，假設了完全自動化的法律推理過程中全部要素被建立起來的途徑。值得注意的是，HYPO忽略了許多要素的存在，如商業秘密法背后的政策考慮，法律概念應用于實際情況時固有的模糊性，信息是否已被公開，被告是否使用了對方設計的產品，是否簽署了讓與協議，等等。一個系統設計的要素列表無論多長，好律師也總能再多想出一些。同樣，律師對案件的分析，不可能僅限于商業秘密法判例，還可能援引侵權法或專利法的判例，這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，要通過要素等簡單的法律術語使模糊的法律規則得到澄清十分困難，法律原則和類推推理之間的關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).）這說明，即使具有較高起點的實驗室基礎研究，也不宜確定過高的目標。因為，智能法律系統的研究不能脫離人工智能的整體發展水平。

第五，人－機系統解決方案。人和機器在解決法律問題時各有所長。人的優點是能作價值推理，使法律問題的解決適應社會的變化發展，從而具有靈活性。機器的長處是記憶和檢索功能強，可以使法律問題的解決具有一貫性。人－機系統解決方案立足于人與機器的功能互補，目的是解放人的腦力勞動，服務于國家的法治建設。該方案的實施可以分為兩個階段：第一階段以人為主，機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，可以先用機器處理大批數據，并參考機器的和辯護方案，再做更加高級的推理論證工作。法官接觸一個新案件，或新法官剛接觸審判工作，也可以先看看“機器法官”的判決建議或者審判思路，作為參考。法院的監督部門可參照機器法官的判決，對法官的審判活動進行某種監督，如二者的判決結果差別太大，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－機系統開發的第二階段，會有越來越多的簡單案件的判決與電腦推理結果完全相同，因此，某些簡單案件可以機器為主進行審判，例如，美國小額法庭的一些案件，我國法庭可用簡易程序來審理的一些案件。法官可以作為“產品檢驗員”監督和修訂機器的判決結果。這樣，法官的判案效率將大大提高，法官隊伍也可借此“消腫”，有可能大幅度提高法官薪水，吸引高素質法律人才進入法官隊伍。

未來的計算機不會完全取代律師和法官，然而，律師和法官與智能機器統一體的出現則可能具有無限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以預見，人工智能將為法律工作的自動化提供越來越強有力的外腦支持。電腦律師或法官將在網絡所及的范圍內承擔起諸如收債、稅務、小額犯罪訴訟等職能。自動法律推理系統將對訴訟活動發揮越來越多的輔助作用，例如，通過嚴密的演繹邏輯使用戶確信全部法律結論得出的正當性；在解決相互沖突的規則、判例和政策問題時提示可能出現的判決預測；等等。正如網絡的出現打破了少數人對信息的壟斷一樣，電腦法律顧問的問世，將打破法官、律師對法律知識的壟斷，極大地推動法律知識的普及，迅速提高廣大人民群眾的法律素質，使法律真正變為群眾手中的銳利武器。

篇5

［關鍵詞］高職學生；高質量就業；就業價值取向；就業崗位

一、引言

全球新一輪科技革命和產業變革正在加速拓展，社會的生產方式、組織形態、商業模式、管理模式都發生了巨變，大數據、人工智能、區塊鏈、共享經濟等數字新技術的發展誕生新商業、新職業，使我國就業形態、就業結構、就業穩定性以及勞動技能需求都發生了變化。高等職業教育由規模擴張轉入內涵發展和高質量發展的新階段，高質量就業已經成為新時代經濟發展的追求目標。高職院校在人才培養過程中要面向產業需求，在追求高就業率的同時應更關注學生就業質量，為勞動力市場輸送與用人單位需求相匹配的人才。當前，我國進入以創新為核心、以發展服務型經濟為重心的新一輪經濟結構調整的關鍵時期，經濟發展呈現出速度變化、方式轉變、結構調整、動力轉換的態勢。新經濟、新業態、新產業的發展為高職院校畢業生提供了更多的就業機會，人工智能、大數據等新興產業人才供不應求、跨專業人才優勢明顯。新就業形態是經濟業態發展、市場競爭與技術進步相互作用的結果，不斷改變著傳統的就業方式和就業觀念。無論從就業的政策導向還是從大學生的現實需求看，需要在深刻認識高等職業教育發展規律的基礎上，推動教育質量與職業需求緊密結合，優化勞動力結構，提升高職院校畢業生就業質量，以應對諸多復雜挑戰，實現經濟高質量發展。

二、高職學生就業的困境

1.勞動力供求的結構性失衡日益凸顯，人力資本與產業結構不匹配矛盾突出。改革開放四十多年來，我國經濟持續快速發展。隨著我國勞動力供求的結構性失衡日益凸顯，勞動力供給質量亟待提升。2019年全年城鎮新增就業1352萬人，比上年少增9萬人。新一輪科技革命和產業變革方興未艾，正在深刻影響著我國產業結構和就業結構的變化。一方面，產業轉型升級創造高質量就業崗位的速度遠遠低于畢業生數量的增速；另一方面，隨著技術進步加快和產業結構優化升級，技能人才短缺問題將更加突出。相對于產業和技術的快速變化，人的變化是一種慢變量，實現職業轉換需要一定的教育培訓，轉變就業觀念需要更長的時間。新就業形態對已有的勞動、就業、培訓、社保等政策和體制機制，以及與之相適應的服務體系提出了巨大挑戰。我國經濟已從高速增長階段轉向高質量發展階段，以大數據、人工智能業態等為代表的數字經濟已經成為推動實體經濟轉型創新的新引擎，對高素質技術技能人才的需求不斷增加。但是，職業教育人才培養滯后于新產業技術變革，不能滿足社會經濟發展需求。2.就業矛盾從就業規模能否擴張向就業質量能否提升轉變。一直以來，我們更多地關注就業數量，而忽視了就業質量。技術進步對就業擠出效應和替代效應在一定時期和條件下顯現。黨的報告指出，促進我國產業邁向全球價值鏈中高端，培育若干世界級先進制造業集群。近年來，企業加快推進機器換人，受教育程度、技能要求相對較低的崗位被“機器人”替代，影響的就業崗位數量會持續增加，崗位結構發生了深刻變化，部分勞動者不可避免地要面臨下崗失業。由于從人力資本投資到形成有效勞動供給通常會滯后于崗位需求，高職院校主動對接產業的意識不強，人才培養和社會需求存在一定程度的脫節。3.大學生就業價值取向發生了明顯的變化，呈現出功利化、多元化等特點。薪金待遇、就業崗位、行業發展和職業空間仍然是當前大學畢業生最關注的因素。大學生找一份工作謀生并不難，但謀求優質崗位和高質量就業崗位的難度系數比較大。高等職業教育在發展過程中陷入了“工具理性”與“價值理性”的困頓之中，忽略了“以人為本”的教育理念。麥可思研究院的《2019年中國大學生就業報告》（就業藍皮書）顯示，我國2018屆高職高專畢業生就業率為92.0%，就業滿意度為65%，2018屆大學畢業生“慢就業”的比例達6.99%，對就業不滿意的主要原因是“收入低”和“發展空間不夠”。2018屆高職高專畢業生畢業半年內的離職率為42%，遠遠高于本科畢業生的23%，高職院校畢業生就業不穩定性逐步增大。近年來，大學生就業價值取向呈現出新的特點，逐利性與求穩性并存、就業目標偏高與期望個人價值實現并存。大學生就業觀念和就業選擇趨向多元化，選擇自主創業和靈活就業的人員數量不斷提升。以互聯網、大數據、人工智能為代表的新一代信息技術與產業深度融合，引起了整個社會就業方式、崗位結構的變革。互聯網公司已成為目前大學生就業的新興高地。

三、高職學生實現高質量就業的路徑

大學生高質量就業是一個系統工程，應充分發揮政府、高校、行業企業和大學生的協同作用。高等職業教育需主動回應技術創新和社會變革，在對接新產業、新職業的基礎上，通過產教深度融合和跨界協同創新，實現政府、高職院校、行業企業知識共享、資源優化配置、行動最優同步和系統高水平匹配，培養出具有較高競爭力的高素質技術技能人才。1.創造高質量的就業崗位，增強經濟增長對就業的拉動作用。隨著我國經濟結構調整深入推進和產業轉型升級速度加快，對高素質技術技能人才的需求日益增多。大學生在求職時希望隨著經濟不斷發展，社會保障更加完善、薪酬待遇持續提高、工作條件不斷改善、職業發展空間更加廣闊。實現高質量就業首先要有高質量的就業崗位，而高質量的就業崗位來自高質量的經濟結構和產業體系。經濟發展的提質增效、產業結構的轉型升級，必將推動高質量就業崗位的持續增加和提供更多的優質就業機會，形成新的就業增長點。政府要強化宏觀管理職能，為高職學生營造公平就業環境。具體來說：政府正確發揮管理和服務職能，做好產業引導和企業幫扶，促進教育鏈、人才鏈與產業鏈、創新鏈有機銜接，統籌優化人力資源供給與改善勞動力市場需求；強化就業政策與經濟政策、產業政策、社會政策之間的協同聯動，將就業與創新創業緊密結合，營造良好的創新創業環境；增強經濟發展創造就業崗位的能力，運用好“互聯網+”推進就業轉型，發展新就業形態，拓展就業新空間，為高職學生提供充分的就業機會；完善法律法規體系，保護從事新就業形態的勞動者權益，不斷優化就業創業環境，推動高質量增長與高質量就業同步實現，讓產業結構優化、就業結構轉化與就業質量提升并行不悖，增強經濟增長對就業質量的帶動作用。2.人才培養與產業發展深度融合，實現技術創新與就業增長的協同發展。隨著創新驅動發展戰略的深入實施，數字經濟、新技術發展催生了新的就業需求。新產業能夠提供更加廣闊的就業渠道和更加優質的工作崗位，企業需要具有吸收問題、轉換問題能力的人才，高職院校需要培養適應新產業的高素質技術技能人才。在高質量就業目標的引導下，高職院校培養的人才與勞動力市場需求的匹配必然以質量為前提。高職院校應立足于我國產業發展戰略需求，與行業企業、研究院所、政府部門等不同社會主體建立協同機制，推進校政協同、校地合作、校產聯合、校企對接，建成教育部門、高職院校、行業企業、學生聯動的“互聯網+就業”跨專業協同創新平臺，為大學生高質量就業提供線上精準對接、線下高效服務。高職院校應根據企業優勢和產業發展需求，牢牢把握產教融合、校企合作路徑，吸引更多的企業專家、技能大師走進課堂，促進學校教學與企業用人的無縫對接。打破高職院校與社會、行業企業間的體制壁壘，在人才培養過程中結合學校的師資特點和學校的區域影響力、區域產業特征和區域供應鏈以及企業資源，探索具有中國特色的高層次現代學徒制，讓企業的人才培養前置化。整合政府、高職院校、行業企業等各主體的資源，不斷完善職業教育集團、產學研創聯盟等教學模式，使各主體的人才、專業群、地理空間等優勢充分發揮出來，增強人才培養對新興就業領域、新就業形態的適應性和契合度。根據大學生的就業需求，實施高等職業教育供給側結構性改革，建立企業需求側與教育供給側資源要素融合的平臺和機制，更多地把人才培養與產業對接，實現從量的擴張到質的提升。構建“政府、高校、家庭、學生”等多元主體參與的“就業生態共同體”，適應新就業形態的勞動用工和社保政策，不斷提升人才結構與產業結構的匹配度，促進公平就業和大學生社會性流動。充分利用人工智能技術和大數據分析，對行業企業用人需求和新的就業特點進行科學研判，完善畢業生就業跟蹤調查反饋機制，將就業大數據多向精準反饋至招生、人才培養和就業等各環節。以精準就業為導向推進高職院校人才培養改革，提升就業大數據對人才培養改革的決策咨詢功能，形成招生、人才培養和就業一體化的精準就業指導工作格局。3.遵循大學生的認知規律，探索教育新范式。當前，“三新”經濟已經以標志性的智能、個性化服務、社會化共享、跨界融合等多維特征涉足三大產業的方方面面，創造新需求，形成增長新動能，產生新就業模式和新職業崗位。高等職業教育應主動回應技術創新，關注社會發展變遷，遵循大學生的認知規律，探索教育新范式。高職院校應推動特色發展、差異化發展和高質量發展，把職業道德、技術技能水平、就業質量和創新創業能力作為衡量人才培養質量的重要內容。高職院校應根據新經濟、新技術、新業態、新職業設置專業，與產業發展、行業需求和技術進步相適應，對專業的內涵與外延進行重新設計和精準界定；加大部門間的協同配合力度，構建基于產業鏈、融入新知識和新技術技能的專業課程體系；堅持“以學習者為中心”的教學模式，將知識轉化為“知勢”，培養學生的終身學習能力。4.注重就業價值取向的引導作用，提升大學生高質量就業能力。馬克思在中學畢業論文《青年在選擇職業時的考慮》中指出，青年在選擇職業時首先應當考慮的是為人類的幸福服務，不能選擇那些脫離實際的職業，需要把理想與現實、思想與行動結合起來。高等職業教育要堅持“以人為本”的教育理念，把就業價值觀教育擺在重要位置。高職院校要全面落實立德樹人的根本任務，把大學生就業能力培養融入人才培養全過程，強化職業素質和職業操守教育，注重專業基礎能力、跨領域協同能力、實踐能力與創新創業能力的培養，縮小大學生就業力與實際需求之間的差距。面對新的就業形勢，高職院校要高度重視學生就業價值取向中“個人本位”與“社會本位”的統一、現實關切與理想追求的統一，由就業指導教育轉向職業生涯教育。高職院校要采用學生喜聞樂見的形式，針對生源特點，實施全程化、全員化、全方位的職業生涯教育，做好學生求職狀態跟進、企業招聘狀態更新，不斷提升學生的職業認知能力，引導學生在職業發展道路上正確處理個人利益與國家利益、集體利益的關系，樹立正確的職業價值觀。高職院校要改變大學生就業“從眾”選擇的行為，使大學生積極面對職業多元性選擇的挑戰，將“高起點就業”觀念轉到“先就業后擇業”“先就業后發展”的“靈活就業”“動態就業”觀念上來，找準自身發展與社會需求之間的結合點。

［參考文獻］

［1］蔡躍洲，陳楠.新技術革命下人工智能與高質量增長、高質量就業［J］.數量經濟技術經濟研究，2019（5）：3-22.

［2］羅筑華，王漢青.新時代下大學生就業質量提升中的現實審視與路徑分析［J］.黑龍江高教研究，2019（10）：134-138.

［3］麥可思研究院.2019年中國高職高專生就業報告（就業藍皮書）［M］.北京：社會科學文獻出版社，2019.

［4］蘇麗鋒，賴德勝.高質量就業的現實邏輯與政策選擇［J］.中國特色社會主義究，2018（2）：32-38.

［5］楊禮雕.以“互聯網+”模式推進大學生精準就業［N］.光明日報，2019-03-31（15）.

［6］馬廷奇.高職院校擴招與高職教育高質量發展［J］.中國職業技術教育，2019（33）：25-30.

［7］任雪園.變革與轉型：智能化時代高等職業教育人才培養模式的再審思［J］.職業技術教育，2019（28）：12-17.

［8］張紀南.推動實現更高質量和更充分就業［J］.求是，2018（12）：24-26.

［9］王霆.大學生高質量就業的影響機制研究：人力資本與社會資本的視角［J］.高教探索，2020（2）：108-114