二、数字法学的基本定位

数字法学是数字技术与法学理论深度融合的交叉研究领域。从知识和主体两个方面来回答如何进行深度融合以及由谁共同推进融合发展的问题，有助于凝聚当下各方的最大共识，有助于明确数字法学的基本定位，有助于指明未来研究的共同目标。于知识层面，需要回答数字法学所选取的“数字”技术的特殊意义，如何实现数字技术和既有法学理论的深度融合，以及法学又能够从跨学科融合中实现什么样的理论创新等问题。于主体层面，鉴于法学与技术文理相结合的学科特点，当前的关键是能否将技术背景人员与法学背景人员整合并深度合作，将来的趋势是培养交叉复合型数字法学人才。

（一）技术和法学的知识深度融合

1.为什么是数字技术

数字技术（Digital Technology），是一项与电子计算机相伴相生的科学技术，其是指借助一定的设备将图、文、声、像等各种信息转化为电子计算机能识别的二进制数字后进行运算、加工、存储、传送、传播、还原的技术。[1]计算机科学内部有一套学科划分体系，根据指引技术发展的不同目标，我们将之更通俗化地描述为以下三个方面：一是“万物的可测量”。从传感器的发明到办案的线上化，再到生活的数字化等从数字技术迈向生活方式的转变，使得日常工作生活的全面数字留痕正在成为可能。这些留痕从模拟数据转变为0和1表示的计算机可读的二进制，进而以数据代表“某件事物的描述”“把现象转变为可制表分析的量化形式的过程”[2]，使反映万物画像的属性能够如体积、面积、重量等我们熟知的特征一样变得容易测量。自然语言处理技术、数据库技术等数字技术分支可归入此类。二是“万物的可连接”。“将人、流程、数据和事物结合一起使得网络连接变得更加相关、更有价值”，其中又包括人对机器、机器对机器、人对人两两之间的连接。[3]互联网时代所实现的人对人的互联，物联网时代将之进一步升级为机器之间的互联以及更好的人机交互。区块链、云计算、物联网等数字技术分支可归入此类。三是“万物的可计算”。旨在从数据的分析中获得知识，以更好服务于人类的生产生活。机器学习、深度学习等数字技术通过任务定义、数据标签化等流程，使用算法实现数据建模，最终输出开发者所欲的预测结果。[4]机器学习、深度学习等算法方面数字技术都可归为此类。

“数字”具有多重社会含义，高度概括了本轮信息革命浪潮的主要影响。（1）数字是经济层面的生产要素之一。“数字经济”一词已经获得《“十四五”数字经济发展规划》等中央和各地官方文件的认可。市场经济本质上是法治经济，“数据”是重要的生产要素之一，我国应当为数据的生产与流通提供法治保障。（2）从政府层面看，数字是权力运行的产物。当前中国政府各部门政务信息化已经达到相对较高的水平，网络化进程不断加快，政府与城市数据正加速汇聚与融合。[5]国家治理与政府运转的过程，一方面被自动记载为数字形态而稳定保存，另一方面也借由大数据获得反馈和升级。（3）从法律层面来看，数字是私权保障的重要客体。相继出台的《网络安全法》《个人信息保护法》《数据安全法》等，着眼于数据安全与隐私权保护[6]，是在数据要素层面展开对私权的法治保障。

“数字技术”这一概念不仅能够代表当下主流技术，还给未来新兴技术发展预留了空间。随着数字化、智能化的进一步发展，未来社会正高速趋向更多资源以更快的速度接入网络、更多机器在更多场景中实现落地，但均未脱离万物可测量、万物可连接、万物可计算的“数字技术”的基本内涵。而我们常用的数据技术、人工智能技术、计算方法等都没有数字技术那么宽的涵盖度。

2.法学理论有何创新空间

数字法学落脚于法学，所谓知识的深度融合，检验的标准即在于法学能够从跨学科的知识融合中得到什么，实现怎样的理论创新。简言之，需要回答法学为什么要和数字技术深度结合。

首先，应当看到以大数据、人工智能为代表的数字技术所催生的紧迫问题。从底层的个人数据隐私泄露，到中间的网络平台不正当竞争所导致的消费者权益侵害，再到终端的各类智能产品应用所引发的社会失序风险，这一系列的挑战皆是数字技术催生的新社会问题，其引起的秩序挑战理应得到法律体系及时、合理地回应。当新的社会问题尚未超出法律治理的射程范围，应当通过法官对个案的妥当处理、司法产生的指导性案例、国家出台的司法解释等予以化解，这就为以法教义学为基础的法学理论研究提供了第一个时代课题。

其次，还应当看到数字技术的划时代意义。回顾人类文明的历程，我们已经走过农业文明和工业文明两个大时代，即将步入与前两者并列的数字时代。法治体系被要求与同时代的社会形态相匹配，新的社会形态将产生新的权利类型、新的法律关系以及新的权利侵害方式。革命性的技术将产生人类文明的新跨越，当新的社会形态下所产生的社会问题超越了现行法律体系的调整范围，新的规范体系将受到呼唤，这是立法论维度法学理论研究所面对的第二个时代课题。

再次，法治实践的方式具有提升效能的需求。和其他职业相比，跟法律有关的工作方式在过去很长时期内都没有发生剧烈的变化。然而，法律职业也许不再能够一直墨守旧例，全流程线上审判、异步时空审理等新模式正在探索中并已初见成效，法律人的工作方式已经悄然发生变化。未来司法案件的数字化、机器的智能辅助等方面还将进一步向纵深发展。显然，在改变法律活动方式方面，实践探索走在了理论之前，这就要求作为实践指导的法学理论有必要及时跟进第三个时代课题。

最后，法治体系作为国家治理体系的重要组成部分，应依托数字技术发挥更大作用。数字技术赋能法治体系，为国家治理体系治理能力现代化贡献了新的内容和机遇。一是可将案件视为感知社会的最小单元，类似于物联网中传感器对数据的动态收集，数字技术有能力将由案件展开的社会动态因素转变为社会治理可参考的数据，通过对该数据的收集、分析和预测，实现对社会运转的监测与干预。二是应当重视社会数字化、智能化所引发的社会失序、私权侵犯等重大隐患，利用法学所擅长的权利义务界定、法律关系分析，实现个案定纷止争、社会综合治理。这是法治理论在国家治理层面有可能突破的第四个时代课题。

（二）跨文理学科主体的会聚整合

1.数字+法学：吸引技术背景学者积极参与

数字法学多以法学院系为主发起建设，但仅凭法学单一背景学者是不够的，有必要吸引技术背景人才，甚至是跨学科专家的深度参与。数字法学的快速发展，需要借力于跨学科学者参与的积极性，但如何协调跨专业间合作，如何融通彼此专业思维差异等仍是难题。以浙江大学数字法治研究院的跨学科背景人员整合实践为例，做如下初步探索。

首先是理解技术背景学者展开工作的思路。当前主流的数字技术为大数据、深度学习等，相关技术学者在医疗、金融、教育等领域已有众多研究经验与落地成果，通用化人工智能等技术的普遍使用，无疑缓解了法律人日常繁重的工作量[7]，但法律领域仍亟须技术专家“定制”专门化的技术产出。[8]根据研究团队跨学科的实践经验，可大致将数字技术研究者开展工作的过程概括为三个阶段。阶段一，界定法律场景中某个具体的任务，这一阶段并不是寻求法律的定性，而是将适用法律领域的某一任务用计算机的技术话语表述出来。阶段二，根据既有的数据条件，首先采取通用化算法尝试，以便从中对比和发现问题。阶段三，依据所采通用算法的性能，并结合所定义场景的特点，改造模型结构以提高模型的性能、实现专门化改造。当前，在法律人工智能领域中优化模型性能的方法多为使用领域知识进行模型改造，如在量刑预测中利用罪名和量刑的依赖关系，用罪名预测结果以提升量刑预测器的性能。[9]此为一套围绕模型优化展开的基本工作流，目标是解决法律场景的具体业务需求，衡量创新性的重要指标包括模型准确率、响应时间等性能指标。在数字法学跨文理学科人员的全面整合中，至少需初步了解上述计算机背景学者工作的流程、追求的目标，才能够深入理解学科间思维的异与同，在求同存异中寻求跨学科合作的契合所在。

其次是认识法学背景学者参与合作的优势。基于前述工作流，法学研究者的参与至少能够为模型设计工作提供三点支持与便利。其一，界定真实的法律场景需求。模型设计的起点如未能准确定义业务的需要，则工作的效能和创新将大打折扣。相对而言，法律人长期浸润在法学理论与法律实践中，对把握司法、执法工作痛点与难点存在天然优势。其二，提供数据和标注支持。技术人员虽然本就擅长算法优化，但对于从具体的法律场景中提取哪些数据、如何甄别与实现人工的一定数量标注等事务，显然需要法学学者提供底层数据获取的支持，借助法律知识实现标签体系构造的协助，具体的方式包括但不限于投入一定数量的法律人士进行标注等。其三，借助业务知识实现模型性能优化。衡量技术工作优劣的重要指标，如前所述是模型的各方面性能，在人工智能涉足法律场景之初通用算法即可满足创新性的要求，但如今需进一步提升模型性能，则要注意贯彻“数据驱动+知识融合”的思路[10]，通过知识驱动实现模型更佳契合真实的业务操作流程。

再次是发挥技术专家与法学学者跨学科合作的效能最大化。技术背景学者的参与，对数字法学的研究贡献显然是重大的，包括但不限于（1）提供不一样的数字思维。如前所述，万物可测量、万物可连接、万物可计算是数字化思维的基本内涵，毋庸讳言此为传统法律人较为陌生的思想。吸引技术背景学者的积极参与，有望为法学教育和法律研究带来新的视角与方法。[11]（2）便于准确把握数字技术的基本原理。即便进行的是偏传统的规范研究，数字技术也能成为数字法学研究的起点之一，以便为法律规范的重构与解释提供有力支撑。（3）为服务法律实践提供新的工具。法学研究以问题为导向，尤其关注实践中长期存在的痛点与顽疾。同样，数字技术也非坐而论道，数字技术赋能法学研究提供了将法律业务难点转化为模型输出的解决问题新思路，进而提升了数字法学赋能社会治理的综合能力。

2.法学+数字：发挥法学背景学者主体作用

数字法学的学术共同体，短期来看仍以法学学者占多数，因而不仅应当对外吸引更多技术背景学者，还应当对内激发更多的法学专业人才投入其中。与以往发展科技法学、卫生法学等新兴法学领域所面临的社会形态变化不同，数字法学正处于根本性的社会形态变革之中，法学知识有可能获得全面、彻底的而不是局部、浅层的更新。正因此，法学学科体系内部应做好充足准备以期应对数字化、智能化等重大变革的冲击。与此同时，数字法学终究落脚于法学，法学院系才是承担数字法学建设的最终责任主体。经由知识的深度融合、人员的全面整合所产出的创新理论与实践成果落脚于法律问题的解决，因此法律人应当在数字法学研究中发挥主体作用。

数字法学作为具备学科交叉性质的平台，应当为参与其中的法学研究者提供支持。就研究团队目前的实践摸索情况看，数字法学作为学术平台能够提供的首先是多元化经费支持。通过整合跨文理学科人员的团队申报自然科学项目，能够为参与的学者提供较传统文科项目更加坚实的经费支持。同时，以数字法学学术平台为起点，法学研究者基于中国数字法治实践的成果已经在域外期刊发表并引起了国际学术界的关注，实现了有关数字法学研究的国际交流与互动，还可能为国际法治体系提供中国话语与中国方案。数字法学的研究成果还可转化为可测试、可使用甚至可推广的软件及其系统，切实有效地回应法治实践需求。也正因此，我们欣喜地看到已经有越来越多的法学学者参与到数字法学相关的研究和实践中来。

当然，真正实现跨文理学科主体间的会聚整合绝非易事。重点需要考虑以下三个方面：一是由谁发起合作邀请，或者哪一方应当更加主动。我们认为应当由法学研究者积极、主动承担对接任务。实践证明，数字技术虽然具有相当程度的通用性，但是其在法律领域的应用却不如在金融、医疗、交通等其他领域那么顺畅。至少在技术层面，如大数据挖掘技术面临法律数据标注困难，算法透明难以实现，人工智能在建模证据推理、法律解释模型中遭遇社会知识概括与价值选择困难等。[12]以上难点多汇集于法律语言的模糊性、多义性与复杂性，法律人应当先向前迈一步，主动帮助实现与数字技术专家间的互通互信。二是以何种形式建立跨学科研究团队。当前国内各高校大多以课题、项目为抓手吸纳跨学科人员推进交叉学科研究，尚未将类似数字法学的交叉平台构建成实体组织，相比于一起办公，更有效的做法是一起做事，以问题为中心组织与协调研究团队。三是及时调整、适应学科间差异的科研评价制度。根据我们调研，法学学科与计算机学科各自存在一套截然不同的科研评价体系。以科研发表为例，法学学科强调中文法学专业类的期刊，而计算机学科的高质量成果主要收录于英文计算机专业类的高水平会议论文集。如果无法及时调整、适应或者认同学科间的科研评价体系，则可能对交叉研究的长期良性循环产生较大阻碍。这些评价体系差异所导致的合作成果难以互认的现象，将是今后配套制度改革的方向之一。

---

注释

[1][美]安德鲁·V.爱德华：《数字法则》，鲜于静、宋长来译，机械工业出版社2015年版，第XIII页。

[2][英]维克托·迈尔-舍恩伯格、肯尼斯·库克耶：《大数据时代》，盛杨燕、周涛译，浙江人民出版社2016年版，第104页。

[3]郎为民编著：《大话物联网》，人民邮电出版社2011年版，第31页。

[4]一般认为，数据驱动是以机器学习技术驱动的，其方法论上和统计学的方法有相似之处，对机器学习流程的简单介绍及其和统计学的比较，可参见唐亘：《精通数据科学：从线性回归到深度学习》，人民邮电出版社2018年版，第66-73页。当前“万物可计算”的发展前沿在于深度学习技术，被认为是受生物大脑所启发而设计出来的，当然现代术语“深度学习”超越了目前机器学习模型的神经科学观点，诉诸于学习多层次组合这一更普遍的原理，可以认为深度学习是对机器学习的技术升级。对算法发展的简单回顾，可参见[美]伊恩·古德费洛、[加]约书亚·本吉奥、亚伦·库维尔：《深度学习》，赵申剑、黎彧君、符天凡等译，人民邮电出版社2017年版，第8-9页。

[5]张建锋：《数字政府2.0数据智能助力治理现代化》，中信出版社2019年版，第42页。

[6]劳东燕：《个人信息法律保护体系的基本目标与归责机制》，载《政法论坛》2021年第6期。

[7]Tara McKeown＆Magizov Rustem,AI in Law Practices,in 13th International Conference on Devel opments in eSystems Engineering,27,2020，p.27.

[8]左卫民：《从通用化走向专门化：反思中国司法人工智能的运用》，载《法学论坛》2020年第2期。

[9]Haoxi Zhong et al.,Legal Judgment Prediction via Topological Learning,in Proceedings of the 2018 Conference on Empirical Methods in Natural Language Processing 2018,pp.3540-3549.

[10]Leilei Gan et al.,Judgment Prediction via Injecting Legal Knowledge into Neural Networks,in 35 Proceedings of AAAI Conference on Artificial Intelligence,2021,pp.12866-12874.

[11]Jens Frankenreiter＆Michael A.Livermore,“Computational Methods in Legal Analysis”,Annual Review of Law and Social Science,16,2020,pp.39-57.

[12]相关研究可参见魏斌：《智慧司法的法理反思与应对》，载《政治与法律》2021年第8期；丁晓东：《论算法的法律规制》，载《中国社会科学》2020年第12期；张保生：《人工智能法律系统：两个难题和一个悖论》，载《上海师范大学学报（哲学社会科学版）》2018年第6期；左卫民：《AI法官的时代会到来吗》，载《政法论坛》2021年第5期。