人工智能与教育培训精选(五篇)

序言：作为思想的载体和知识的探索者，写作是一种独特的艺术，我们为您准备了不同风格的5篇人工智能与教育培训，期待它们能激发您的灵感。

篇1

一、职教城技能培训现状分析

株洲职教城位于株洲市东北部，园区规划总占地面积1300多公顷，总投资100亿元，项目计划3年建成，5年全面完善。实现园区在校学历教育学生8万至10万人，年均培训人员3万人。现已有11所院校签约入园，自2009年底开工建设以来，湖南工贸技师学院、湖南有色金属职院、湖南省商业技师学院、湖南铁路科技职院、湖南化工职院等5所院校已先后建成开学，湖南铁道职院、湖南中医药高专两所院校已于2016年内启动建设，湖南汽车工程职院、株洲市职大、株洲市中等职业学校正在积极推进土地报批。入城院校都是国内、省内有较大影响，处于全国领先水平，各具特色的职业院校。职教大学城项目建成后经过整合，将逐步实现实习实训资源共享及师资共享，形成化工医药、加工制造、电子信息、商贸旅游、交通运输、材料能源、轨道交通等精品专业群，为株洲经济发展培养高技能人才，成为长株潭及中南地区职业技术学历教育中心、农村劳动力转移培训中心、下岗人员再就业培训中心、在岗职工技能培训教育中心和长株潭职业教育主要实习实训基地建设。目前，全市已拥有国家级和省级高技能人才培训基地11家，2013年还确立了35家重点职业培训机构与130家重点企业名单，加强了培训机构与企业之间的联系。重点依托职教大学城内湖南铁路科技职院、湖南化工职院、湖南铁道职院、湖南汽车工程职院、湖南工贸技师学院等示范性高职院校、技师学院和高级技工学校，建设一批省、市级高技能人才培训基地，向企业提供职业培训、技能实训、职业资格鉴定等公共服务。到2020年，将建成30个市级高技能人才培训基地，力争申报建设10个以上省级和国家级高技能人才培训基地，基本形成覆盖重点产业和全市城镇的高技能人才培训网络，为湖南省经济建设提供更多更优的职业人才和职业培训服务，为长株潭“两型社会”建设做出积极贡献。

二、职教城资源共享的意义

株洲职教大学城是湖南省重点项目、湖南省“两型社会”建设典范工程、株洲市十大服务业项目之一，对调整教育结构、对接产业发展、服务公共民生及打造株洲发展升级版具有重大意义。在职教大学城建设前，株洲市高技能人才培训规模相当有限，培训质量不能很好地满足行业企业技术层级不断快速升级的需要，尤其是职业岗位在技术层次上的不断分化、岗位技术水平的持续提升、岗位技术含量的持续升级以及劳动内涵的极大丰富，对劳动者的技术水平提出了更高的要求。而各职业院校的建设各自为战，从硬件建设到教学支持服务等都是独立组织与实施，一方面投入分散，投入不足，导致职业院校办学条件难以满足经济社会对职业教育人才及培规格的需求，另一方面因为条块分割，各自为战，造成重复建设，资源浪费。因此，研究和解决职教大学城资源共享问题，有利于节约投入成本，有利于教育资源使用效率，有利于提高职业教育质量及技能培训实效。近年来，株洲地区高技能人才培养机构、职业院校与企业大力推进“校企合作、工学结合”的高技能人才培养模式，专业建设与课程开发力度加大、师资队伍水平与实践条件得到改善，培训质量显著提高，企业高技能人才队伍总体水平呈上升态势，特别是对高起点、高标准建设好和管理好株洲职教园具有非常重要的意义。现已形成了良好地实践资源共享运行机制。园区内高校通过“抱团共享，强强联合”提高整个园区各高校自身的内部效益和园区的外部效益。通过职教园区各职业院校教育资源共建共享实现职业教育及培训规模发展，为长株潭“两型社会”建设和株洲市产业转型升级做出积极贡献，为湖南省经济建设提供更多更优的职业技能人才和职业培训服务，培养适应地方经济建设和社会发展需要的技术技能型人才，满足经济发展方式转变和产业结构调整要求。

三、技能人才培训资源共享具体举措

1.成立专门机构，统筹规划、管理运作。一个有效的组织领导和协调机制能够充分整合政府、高校、企业和行业等方面的优势，调动各方面支持职业院校和高职园区建设的积极性，有助于保障和实现校校之间、校企之间的合作共享。职教大学城内各高职院校应联合成立专门机构，负责组织、协调推动工作、决策有关资源共享的重大问题，为保障园区技能人才培训资源共享提供组织保障。

篇2

关键词：人工智能；高职；技能培训

一、人工智能概述

人工智能（Anificail Intelligence）是指利用计算机软件技术与自动化处理的技术，让计算机能够模拟与扩展某些人类特定智能的学科，最近几年来发展非常迅猛，在智能接口，数据挖掘，主体系统等方面取得了丰硕的成果。智能接口技术是研究如何实现人类与机器的便利沟通，现在已经实现了文字，语音，自然语言理解等方面实用化的功能。数据挖掘则是如何从大量不完备的数据中自动生成可应用的知识的技术，在大数据时代里将会有非常广泛的应用；主体系统则是指的让计算机具备愿望，能力，选择等心智状态的实体，实现计算机的自主性。从当前的应用发展趋势来看，在未来的5～10年内，人工智能将会应用在教育，医疗，管理，生产等绝大多数的社会领域中，将推动社会的全面发展与进步。在本文中，作者将以高职技能教育为切面，分析人工智能在该领域内应用的前景，并提出建立一套基于人工智能的高等职业技术辅助教学系统的思路，方便进行人工智能应用的相关人士研究与借鉴。

二、人工智能在高职教育教学领域的典型应用及其不足

将人工智能应用到教育方面是很久以来的教育现代化的热点，从最近几年来的人工智能在教育方面的应用来看，主要有三种应用的层面：一是智能计算机辅助教学（ICAI），它是将人工智能的技术引入至CAI系统中来，实现更加智能化的教学支持，减轻教师的工作量。二是智能，即让某些特定的课程与教学的内容，由人工智能来取代教师进行授课，即时答疑，提高教学的效率；三是智能数据库，对于课程相关的网络教学资源数据库，应用人工智能的方法进行数据分析，提高数据库的访问速度与交互功能，便于快速搜索与整理数据。但是对于高等职业技能教学来说，上述的三大应用领域还有些不够契合，主要体现在如下的方面：

（1）对于学习者的活动流程的监控与记录能力不够。传统的CAI系统，侧重于对理论思维知识的辅助教学，而对于学习者的身体活动的记录能力不佳，这样无法即时准确地保存技能学习过程中与身体活动相关的数据。众所周知，技能的教学是与学习者身体的活动相关联的，行动数据的获取量不足就会导致无法对学习者的技能及其效果进行评估与纠偏。

（2）与使用者的交互功能不佳。传统的人工智能交互是文本与图像，虽然简单直观但形式单一，还无法通过生动的语音和动作与使用者进行交互。这样在教学辅助方面的效果不尽如人意。

（3）智能水平有待于提升。现代的人工智能辅助系统，虽然已经能够实现教学数据的排序、统计、汇总等简单的操作，但是离真正智能化的工作还有一定的差距。系统无法根据学生操作的具体情况做出个性化的情况统计分析，提出个性化的建议。在即时交互方面也还有很大的提升空间。

三、高职技能辅助教学系统的设计思路

针对上述教学人工智能应用的不足，结合高等职业技术学校的教学情况，特地提出一套人工智能辅助系统的设计思路：

（1）使用高级的智能接口技术实现行动数据的采集。

智能接口是为建立和谐的人机交互环境，使得人与机器之间的交流像人与人之间的交流一样自然和方便。学习者在进行练习的过程中，无法像传统的人机交互方式一样将数据录入至计算机中，而是需要智能系统通过摄像头，运动传感器等等高级的智能接口技术来感知学习者的活动，对活动进行分析与统计，并转化为大数据存放至海量数据库中。至于具体采用哪种智能接口技术，需要根据具体的学习内容而定。

（2）应用专家系统对于学习者在技能操作中产生的大数据进行分析。专家系统是目前人工智能领域最有实效的一个领域，它是利用人工智能的技术让计算机能够实现特定领域内的大量知识与经验的系统。利用它来对技能学习过程中产生的大数据进行分析和挖掘，从中提炼出具有个性化的知识体系，发现学生与老师都没有发觉到的某些特殊的学习状态，能够为进一步的学习反馈做好充分的准备。这样可以使得学习的针对性更强，效率更高。

（3）使用智能检索与生成技术对于分析结果进行输出与展示。通过使用人工智能的检索系统，可以快速地对分析的结果进行展示，可以利用网络的环境，用生动形象的方式将结果展现在学习者或教师面前，方便掌握学习的过程。

四、辅助教学系统的应用展望

通过应用了上述的基于人工智能的辅助教学系统，将对于高职院校的教学产生非常强大与积极的影响。首先，该系统可以将教师从重复机械的日常教学环境中解放出来，不再通过传统的测验，考试，交流等方式获知学生的学习状态，由系统监控学习者在技能培训过程中的一举一动，自动进行学习效果的定性与定量的分析，积极地反馈给教师，从而使得教学更具备了明确的方向。其次，该系统也会增加技能教学的趣味性，将培训的活动转化为类似于电子竞技的效果，学生在学习的过程中随时可以观察到自己的学习状态，以及与其他同学的差异，更能够培养自学的能力。第三，该系统可以与现有的高职院校校园网实现无缝的对接，将全院校的数据进行统一的智能加工与挖掘，可以更加方便高职院校的管理工作，也可以方便地扩展成为完备的高校智能管理系统。

参考文献：

[1]邱月，人工智能技术在计算机辅助教学中的应用[J].福建电脑，2007（08）.

篇3

一、判断题(每题2分)

1.智慧社区包含的核心内容是它可以起到一个重要的桥梁作用，通过信息的收集，通过大数据的分析，通过物联网使服务的提供能够和需求结合在一起，最终使人们得到更加优质的、更加相对便宜的、更加有效的、更加个性化的服务。

 正确  

错误

2.家庭规模缩小强化了代际支持能力。

 正确  

错误

3.中国的预期寿命排名较低。

 正确  

错误

4.从老龄研究的角度，智慧养老能够解决根本性的问题。

 正确  

错误

5.社区老年服务集成平台的预测作用包括准确得知老年人生活的种种需求。

 正确  

错误

6.对于如何高效率、低成本地解决养老问题只针对城市地区而言。

 正确  

错误

7.大数据的价值重在挖掘，而挖掘就是分析。

 正确  

错误

8.大数据在我们日常生活中很少接触到。

 正确  

错误

9.以大数据应用促进医药分离改革，遏制虚高药价。

 正确  

错误

10.当前世界的四大趋势包括“经济全球化”、“全球城市化”、“全球信息化”和“城市工业化”。

 正确  

错误

11.美国在人工智能方面取得了较好的成果。

 正确  

错误

12.《在英国发展人工智能》中提出了：数据、技术、研究、政策上的开放和投入四个方向。

 正确  

错误

13.1956年10月，中国科学院筹建了中科院自动化及远距离操纵研究所（后更名为中科院自动化所）。

 正确  

错误

14.20世纪80年代初期，钱学森等主张开展人工智能研究，中国的人工智能研究进一步活跃起来。

 正确  

错误

15.人工智能在医疗领域还存在一些问题。

 正确  

错误

16.只要人类搞清楚的问题都容易被机器人所取代。

 正确  

错误

17.医联合体发生在基层和专科医院之间。

 正确  

错误

18.作为影响深远的颠覆性技术，人工智能可能改变就业结构、冲击法律与社会伦理、侵犯个人隐私、挑战国际关系准则等，对企业管理、个人安全、社会稳定乃至全球治理带来挑战。

 正确  

错误

19.我国新一代人工智能发展的指导思想和基本原则是要推动互联网、大数据、人工智能和实体经济深度融合，培育新增长点，形成新动能。

 正确  

错误

20.2016年9月开始，微软的技术与研发部门和人工智能(AI)研究部门相互分离，各司其职。

 正确  

错误

二、单项选择(每题2分)

21.医疗健康数据的应用包括：药物研究、病人行为及其相关数据、（ ）、管理医疗社保基金。

 A.临床研究  B.科学研究  C.涉密研究  D.门诊诊断 

22.发展网信事业战略的目标：加强领导、统筹规划和依靠（ ）紧密协同。

 A.产、学、用  B.产、学、研  C.社会分工  D.产、学、研、用

23.基础技术提供平台主要是（ ）平台，这些云平台为人工智能实现大规模的实时计算提供了计算基础。

 A.云计算  B.互联网  C.云计算、大数据  D.大数据

24.2017年谷歌无人驾驶汽车可以对不同场景进行学习，如（ ）、城市道路、过桥等。

 A.泥泞路  B.平路  C.乡间小路  D.山路

25.腾讯AI政务基于腾讯微信、QQ等平台自身连接能力，提供（ ）、智能服务、智能分析和智慧应用等服务。

 A.精准推送  B.实名认证  C.智能核身  D.勾勒用户图像

26.牢牢把握新一代人工智能发展战略机遇，坚定不移地把发展人工智能放在提高社会生产力、提升国际竞争力、增强综合国力、保障国家安全的战略支撑的（ ）位置。

 A.全局核心  B.重点突出  C.关键部分  D.战略中心

27.微软自然语言计算组成立于 1998年，专长于（ ）、输入法、问答、社交、文本挖掘等。

 A.翻译  B.收集  C.处理  D.校对

28.2016年5月，美国白宫成立了（ ）和机器学习委员会，协调全美各界在人工智能领域的行动，探讨制定人工智能相关政策和法律。

 A.人工智能  B.制造  C.无人驾驶  D.I技术

29.欧盟的人脑计划旨在通过计算机技术模拟大脑，建立一套（ ）的生成、分析、整合、模拟数据的信息通信技术平台。

 A.创新  B.全自动  C.全新的、革命性  D.智能

30.德国“工业4.0”计划涉及到的机器感知、（ ）、决策以及人机交互等领域。

 A.规划  B.识别  C.应用  D.操作

31.2017年，日本政府制定了人工智能产业化路线图，计划分（ ）阶段推进利用人工智能技术，大幅提高制造业、物流、医疗和护理行业效率。

 A.4个  B.2个  C.5个  D.3个

32.人工智能的发展要素：算法+（ ）+数据。

 A.编程  B.数学  C.模拟  D.计算能力

33.国家加大对人工智能关键技术研发的支持力度，人工智能已成为我国的战略（ ）。

 A.发展重点  B.中心  C.要素  D.核心

34.百度、腾讯、阿里巴巴、科大讯飞等企业积极布局人工智能领域，抢占产业（ ）。

 A.发展制高点  B.发展先机  C.发展  D.发展机遇

35.对人工智能发展态势的判断中的新挑战是指人工智能发展的（ ）带来新挑战。

 A.不确定性  B.负面影响  C.积极性  D.不稳定性

36.碳云智能成立于2015年10月，希望建立一个健康大数据平台，运用人工智能技术处理这些数据，帮助人们做（ ）。

 A.日常起居  B.健康管理  C.医疗检查  D.生活管理

37.百度的Apollo（阿波罗）计划，即百度将向汽车行业及自动驾驶领域的合作伙伴提供一个开放、完整、安全的软件平台，帮助他们结合车辆和硬件系统，快速搭建一套属于自己的完整的（ ）系统。

 A.自动驾驶  B.自动操作  C.智能驾驶  D.无人驾驶

38.我国新一代人工智能发展的总体部署中构建一个体系是指构建（ ）的人工智能科技创新体系。

 A.对外开放  B.互惠互利  C.合作共赢  D.开放协同

39.互联网医院要依托于（ ）建设。

 A.现有实体  B.信息共享  C.互联网  D.分级诊疗

40.《打造智慧社区，优化居家养老（下）》认为，发展智慧养老服务可以带动我国哪些经济领域的发展（ ）。

 A.制造业  B.服务业  C.娱乐业  D.农业

三、多项选择(每题2分)

41.人工智能的智能硬件其交互方式出现（ ）直接交互。

 A.手势  B.语音  C.体感  D.眼神

42.人工智能能够对（ ）的安全进行防护。

 A.个人  B.医疗  C.金融  D.城市

43.（ ）的融合创新是智能安防发展的重要切入点。

 A.人工智能  B.体感  C.音频  D.视频

44.人工智能产业体系的融合产业有（ ）。

 A.智能金融  B.智能客服  C.自动驾驶汽车  D.智能制造

45.人工智能应用类企业的切入领域有（ ）。

 A.机器人  B.智能家居  C.教育培训  D.医疗设备

46.广泛开展人工智能科普活动，做到（ ）。

 A.支持开展形式多样的人工智能科普活动  

B.鼓励科学家参与人工智能科普  

C.建设和完善人工智能科普基础设施  

D.支持开展人工智能竞赛

47.智慧社区的渊源包括（ ）。

 A.原始社会  B.工业社会  C.农业社会  D.信息化社会

48.智慧社区的三级指标包括（ ）。

 A.保障体系  B.便民服务  C.社区治理与公共服务  D.主题社区

49.中国人口老龄化面对的挑战有（ ）。

 A.人口流动频繁，家庭养老能力不足  

B.代际关系变化，老年居住空巢增加   

C.预期寿命延长，照料需求压力加大   

D.家庭规模缩小，代际支持能力弱化 

篇4

【关键词】法理学/法律推理/人工智能

【正文】

一、人工智能法律系统的历史

计算机先驱思想家莱布尼兹曾这样不无浪漫地谈到推理与计算的关系：“我们要造成这样一个结果，使所有推理的错误都只成为计算的错误，这样，当争论发生的时候，两个哲学家同两个计算家一样，用不着辩论，只要把笔拿在手里，并且在算盘面前坐下，两个人面对面地说：让我们来计算一下吧！”（注：转引自肖尔兹著：《简明逻辑史》，张家龙译，商务印书馆1977年版，第54页。）

如果连抽象的哲学推理都能转变为计算问题来解决，法律推理的定量化也许还要相对简单一些。尽管理论上的可能性与技术可行性之间依然存在着巨大的鸿沟，但是，人工智能技术的发展速度确实令人惊叹。从诞生至今的短短45年内，人工智能从一般问题的研究向特殊领域不断深入。1956年纽厄尔和西蒙教授的“逻辑理论家”程序，证明了罗素《数学原理》第二章52个定理中的38个定理。塞缪尔的课题组利用对策论和启发式探索技术开发的具有自学习能力的跳棋程序，在1959年击败了其设计者，1962年击败了州跳棋冠军，1997年超级计算机“深蓝”使世界头号国际象棋大师卡斯帕罗夫俯首称臣。

20世纪60年代，人工智能研究的主要课题是博弈、难题求解和智能机器人；70年代开始研究自然语言理解和专家系统。1971年费根鲍姆教授等人研制出“化学家系统”之后，“计算机数学家”、“计算机医生”等系统相继诞生。在其他领域专家系统研究取得突出成就的鼓舞下，一些律师提出了研制“法律诊断”系统和律师系统的可能性。（注：SimonChalton,LegalDiagnostics,ComputersandLaw,No.25,August1980.pp.13-15.BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.p.2.）

1970年Buchanan&Headrick发表了《关于人工智能和法律推理若干问题的考察》，一文，拉开了对法律推理进行人工智能研究的序幕。文章认为，理解、模拟法律论证或法律推理，需要在许多知识领域进行艰难的研究。首先要了解如何描述案件、规则和论证等几种知识类型，即如何描述法律知识，其中处理开放结构的法律概念是主要难题。其次，要了解如何运用各种知识进行推理，包括分别运用规则、判例和假设的推理，以及混合运用规则和判例的推理。再次，要了解审判实践中法律推理运用的实际过程，如审判程序的运行，规则的适用，事实的辩论等等。最后，如何将它们最终运用于编制能执行法律推理和辩论任务的计算机程序，区别和分析不同的案件，预测并规避对手的辩护策略，建立巧妙的假设等等。（注：Buchanan&Headrick,SomeSpeculationAboutArtificialIntelligenceandLegalReasoning,23StanfordLawReview(1970).pp.40-62.）法律推理的人工智能研究在这一时期主要沿着两条途径前进：一是基于规则模拟归纳推理，70年代初由WalterG.Popp和BernhardSchlink开发了JUDITH律师推理系统。二是模拟法律分析，寻求在模型与以前贮存的基础数据之间建立实际联系，并仅依这种关联的相似性而得出结论。JeffreyMeld-man1977年开发了计算机辅助法律分析系统，它以律师推理为模拟对象，试图识别与案件事实模型相似的其他案件。考虑到律师分析案件既用归纳推理又用演绎推理，程序对两者都给予了必要的关注，并且包括了各种水平的分析推理方法。

专家系统在法律中的第一次实际应用，是D.沃特曼和M.皮特森1981年开发的法律判决辅助系统(LDS)。研究者探索将其当作法律适用的实践工具，对美国民法制度的某个方面进行检测，运用严格责任、相对疏忽和损害赔偿等模型，计算出责任案件的赔偿价值，并论证了如何模拟法律专家意见的方法论问题。（注：''''ModelsofLegalDecisionmakingReport'''',R-2717-ICJ(1981).）

我国法律专家系统的研制于20世纪80年代中期起步。（注：钱学森教授：《论法治系统工程的任务与方法》（《科技管理研究》1981年第4期）、《社会主义和法治学与现代科学技术》（《法制建设》1984年第3期）、《现代科学技术与法和法制建设》（《政法论坛》）1985年第3期）等文章，为我国法律专家系统的研发起了思想解放和理论奠基作用。）1986年由朱华荣、肖开权主持的《量刑综合平衡与电脑辅助量刑专家系统研究》被确定为国家社科“七五”研究课题，它在建立盗窃罪量刑数学模型方面取得了成果。在法律数据库开发方面，1993年中山大学学生胡钊、周宗毅、汪宏杰等人合作研制了《LOA律师办公自动化系统》。（注：杨建广、骆梅芬编著：《法治系统工程》，中山大学出版社1996年版，第344-349页。）1993年武汉大学法学院赵廷光教授主持开发了《实用刑法专家系统》。（注：赵廷光等著：《实用刑法专家系统用户手册》，北京新概念软件研究所1993年版。）它由咨询检索系统、辅助定性系统和辅助量刑系统组成，具有检索刑法知识和对刑事个案进行推理判断的功能。

专家系统与以往的“通用难题求解”相比具有以下特点：(1)它要解决复杂的实际问题，而不是规则简单的游戏或数学定理证明问题；(2)它面向更加专门的应用领域，而不是单纯的原理性探索；(3)它主要根据具体的问题域，选择合理的方法来表达和运用特殊的知识，而不强调与问题的特殊性无关的普适性推理和搜索策略。

法律专家系统在法规和判例的辅助检索方面确实发挥了重要作用，解放了律师一部分脑力劳动。但绝大多数专家系统目前只能做法律数据的检索工作，缺乏应有的推理功能。20世纪90年代以后，人工智能法律系统进入了以知识工程为主要技术手段的开发时期。知识工程是指以知识为处理对象，以能在计算机上表达和运用知识的技术为主要手段，研究知识型系统的设计、构造和维护的一门更加高级的人工智能技术。（注：《中国大百科全书·自动控制与系统工程》，中国大百科全书出版社1991年版，第579页。）知识工程概念的提出，改变了以往人们认为几个推理定律再加上强大的计算机就会产生专家功能的信念。以知识工程为技术手段的法律系统研制，如果能在法律知识的获得、表达和应用等方面获得突破，将会使人工智能法律系统的研制产生一个质的飞跃。

人工智能法律系统的发展源于两种动力。其一是法律实践自身的要求。随着社会生活和法律关系的复杂化，法律实践需要新的思维工具，否则，法律家（律师、检察官和法官）将无法承受法律文献日积月累和法律案件不断增多的重负。其二是人工智能发展的需要。人工智能以模拟人的全部思维活动为目标，但又必须以具体思维活动一城一池的攻克为过程。它需要通过对不同思维领域的征服，来证明知识的每个领域都可以精确描述并制造出类似人类智能的机器。此外，人工智能选择法律领域寻求突破，还有下述原因：(1)尽管法律推理十分复杂，但它有相对稳定的对象（案件）、相对明确的前提（法律规则、法律事实）及严格的程序规则，且须得出确定的判决结论。这为人工智能模拟提供了极为有利的条件。(2)法律推理特别是抗辩制审判中的司法推理，以明确的规则、理性的标准、充分的辩论，为观察思维活动的轨迹提供了可以记录和回放的样本。(3)法律知识长期的积累、完备的档案，为模拟法律知识的获得、表达和应用提供了丰富、准确的资料。(4)法律活动所特有的自我意识、自我批评精神，对法律程序和假设进行检验的传统，为模拟法律推理提供了良好的反思条件。

二、人工智能法律系统的价值

人工智能法律系统的研制对法学理论和法律实践的价值和意义，可以概括为以下几点：

一是方法论启示。P.Wahlgren说：“人工智能方法的研究可以支持和深化在创造性方法上的法理学反思。这个信仰反映了法理学可以被视为旨在于开发法律分析和法律推理之方法的活动。从法理学的观点看，这种研究的最终目标是揭示方法论的潜在作用，从而有助于开展从法理学观点所提出的解决方法的讨论，而不仅仅是探讨与计算机科学和人工智能有关的非常细致的技术方面。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在模拟法律推理的过程中，法学家通过与工人智能专家的密切合作，可以从其对法律推理的独特理解中获得有关方法论方面的启示。例如，由于很少有两个案件完全相似，在判例法实践中，总有某些不相似的方面需要法律家运用假设来分析已有判例与现实案件的相关性程度。但法学家们在假设的性质问题上常常莫衷一是。然而HYPO的设计者，在无真实判例或真实判例不能充分解释现实案件的情况下，以假设的反例来反驳对方的观点，用补充、删减和改变事实的机械论方法来生成假设。这种用人工智能方法来处理假设的办法，就使复杂问题变得十分简单：假设实际上是一个新的论证产生于一个经过修正的老的论证的过程。总之，人工智能方法可以帮助法学家跳出法理学方法的思维定势，用其他学科的方法来重新审视法学问题，从而为法律问题的解决提供了新的途径。

二是提供了思想实验手段。西蒙认为，尽管我们还不知道思维在头脑中是怎样由生理作用完成的，“但我们知道这些处理在数字电子计算机中是由电子作用完成的。给计算机编程序使之思维，已经证明有可能为思维提供机械论解释”。（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）童天湘先生认为：“通过编制有关思维活动的程序，就会加深对思维活动具体细节的了解，并将这种程序送进计算机运行，检验其正确性。这是一种思想实验，有助于我们研究人脑思维的机理。”（注：转引自童天湘：《人工智能与第N代计算机》，载《哲学研究》1985年第5期。）人工智能法律系统研究的直接目标是使计算机能够获取、表达和应用法律知识，软件工程师为模拟法律推理而编制程序，必须先对人的推理过程作出基于人工智能理论和方法的独特解释。人工智能以功能模拟开路，在未搞清法律家的推理结构之前，首先从功能上对法律证成、法律检索、法律解释、法律适用等法律推理的要素和活动进行数理分析，将法理学、诉讼法学关于法律推理的研究成果模型化，以实现法律推理知识的机器表达或再现，从而为认识法律推理的过程和规律提供了一种实验手段。法学家则可以将人工智能法律系统的推理过程、方法和结论与人类法律推理活动相对照，为法律推理的法理学研究所借鉴。因此，用人工智能方法模拟法律推理，深化了人们对法律推理性质、要素和过程的认识，使法学家得以借助人工智能科学的敏锐透镜去考察法律推理的微观机制。正是在这个意义上，BryanNiblett教授说：“一个成功的专家系统很可能比其他的途径对法理学作出更多的（理论）贡献。”（注：BryanNiblett,ExpertSystemsforLawyers,ComputersandLaw,No.29,August1981.note14,p.3.）

三是辅助司法审判。按照格雷的观点，法律专家系统首先在英美判例法国家出现的直接原因在于，浩如烟海的判例案卷如果没有计算机编纂、分类、查询，这种法律制度简直就无法运转了。（注：PamelaN.GrayBrookfield,ArtificialLegalIntelligence,VT:DartmouthPublishingCo.,1997.p.402.）其实不仅是判例法，制定法制度下的律师和法官往往也要为检索有关的法律、法规和司法解释耗费大量的精力和时间，而且由于人脑的知识和记忆能力有限，还存在着检索不全面、记忆不准确的问题。人工智能法律系统强大的记忆和检索功能，可以弥补人类智能的某些局限性，帮助律师和法官从事相对简单的法律检索工作，从而极大地解放律师和法官的脑力劳动，使其能够集中精力从事更加复杂的法律推理活动。

四是促进司法公正。司法推理虽有统一的法律标准，但法官是具有主观能动性的差异个体，所以在执行统一标准时会产生一些差异的结果。司法解释所具有的建构性、辩证性和创造性的特点，进一步加剧了这种差异。如果换了钢铁之躯的机器，这种由主观原因所造成的差异性就有可能加以避免。这当然不是说让计算机完全取代法官，而是说，由于人工智能法律系统为司法审判提供了相对统一的推理标准和评价标准，从而可以辅助法官取得具有一贯性的判决。无论如何，我们必须承认，钢铁之躯的机器没有物质欲望和感情生活，可以比人更少地受到外界因素的干扰。正像计算机录取增强了高考招生的公正性、电子监视器提高了纠正行车违章的公正性一样，智能法律系统在庭审中的运用有可能减少某些现象。

五是辅助法律教育和培训。人工智能法律系统凝聚了法律家的专门知识和法官群体的审判经验，如果通过软件系统或计算机网络实现专家经验和知识的共享，便可在法律教育和培训中发挥多方面的作用。例如，(1)在法学院教学中发挥模拟法庭的作用，可以帮助法律专业学生巩固自己所学知识，并将法律知识应用于模拟的审判实践，从而较快地提高解决法律实践问题的能力。(2)帮助新律师和新法官全面掌握法律知识，迅速获得判案经验，在审判过程的跟踪检测和判决结论的动态校正中增长知识和才干，较快地接近或达到专家水平。(3)可使不同地区、不同层次的律师和法官及时获得有关法律问题的咨询建议，弥补因知识结构差异和判案经验多寡而可能出现的失误。(4)可以为大众提供及时的法律咨询，提高广大人民群众的法律素质，增强法律意识。

六是辅助立法活动。人工智能法律系统不仅对辅助司法审判有重要的意义，而且对完善立法也具有实用价值。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）例如，伦敦大学Imperial学院的逻辑程序组将1981年英国国籍法的内容形式化，帮助立法者发现了该法在预见性上存在的一些缺陷和法律漏洞。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）立法辅助系统如能应用于法律起草和法律草案的审议过程，有可能事先发现一些立法漏洞，避免一个法律内部各种规则之间以及新法律与现有法律制度之间的相互冲突。

三、法理学在人工智能法律系统研究中的作用

1.人工智能法律系统的法理学思想来源

关于人工智能法律系统之法理学思想来源的追踪，不是对法理学与人工智能的联系作面面俱到的考察，而旨在揭示法理学对人工智能法律系统的发展所产生的一些直接影响。

第一，法律形式主义为人工智能法律系统的产生奠定了理论基础。18-19世纪的法律形式主义强调法律推理的形式方面，认为将法律化成简单的几何公式是完全可能的。这种以J·奥斯汀为代表的英国分析法学的传统，主张“法律推理应该依据客观事实、明确的规则以及逻辑去解决一切为法律所要求的具体行为。假如法律能如此运作，那么无论谁作裁决，法律推理都会导向同样的裁决。”（注：（美）史蒂文·J·伯顿著：《法律和法律推理导论》，张志铭、解兴权译，中国政法大学出版社1998年9月版，第3页。）换言之，机器只要遵守法律推理的逻辑，也可以得出和法官一样的判决结果。在分析法学家看来，“所谓‘法治’就是要求结论必须是大前提与小前提逻辑必然结果。”（注：朱景文主编：《对西方法律传统的挑战》，中国检察出版社1996年2月版，第292页。）如果法官违反三段论推理的逻辑，就会破坏法治。这种机械论的法律推理观，反映了分析法学要求法官不以个人价值观干扰法律推理活动的主张。但是，它同时具有忽视法官主观能动性和法律推理灵活性的僵化的缺陷。所以，自由法学家比埃利希将法律形式主义的逻辑推理说称为“自动售货机”理论。然而，从人工智能就是为思维提供机械论解释的意义上说，法律形式主义对法律推理所作的机械论解释，恰恰为人工智能法律系统的开发提供了可能的前提。从人工智能法律系统研制的实际过程来看，在其起步阶段，人工智能专家正是根据法律形式主义所提供的理论前提，首先选择三段论演绎推理进行模拟，由WalterG.Popp和BernhardSchlink在20世纪70年代初开发了JUDITH律师推理系统。在这个系统中，作为推理大小前提的法律和事实之间的逻辑关系，被计算机以“如果A和B，那么C”的方式加以描述，使机器法律推理第一次从理论变为现实。

第二，法律现实主义推动智能模拟深入到主体的思维结构领域。法律形式主义忽视了推理主体的社会性。法官是生活在现实社会中的人，其所从事的法律活动不可能不受到其社会体验和思维结构的影响。法官在实际的审判实践中，并不是机械地遵循规则，特别是在遇到复杂案件时，往往需要作出某种价值选择。而一旦面对价值问题，法律形式主义的逻辑决定论便立刻陷入困境，显出其僵化性的致命弱点。法律现实主义对其僵化性进行了深刻的批判。霍姆斯法官明确提出“法律的生命并不在于逻辑而在于经验”（注：（美）博登海默著：《法理学——法哲学及其方法》，邓正来、姬敬武译，华夏出版社1987年12月版，第478页。）的格言。这里所谓逻辑，就是指法律形式主义的三段论演绎逻辑；所谓经验，则包括一定的道德和政治理论、公共政策及直觉知识，甚至法官的偏见。法律现实主义对法官主观能动性和法律推理灵活性的强调，促使人工智能研究从模拟法律推理的外在逻辑形式进一步转向探求法官的内在思维结构。人们开始考虑，如果思维结构对法官的推理活动具有定向作用，那么，人工智能法律系统若要达到法官水平，就应该通过建立思维结构模型来设计机器的运行结构。TAXMAN的设计就借鉴了这一思想，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序、协调程序、说明程序分别对网络结构中的输入和输出信息进行动态结构调整，从而适应了知识整合的需要。大规模知识系统的KBS(KnowledgeBasedSystem)开发也注意了思维结构的整合作用，许多具有内在联系的小规模KBS子系统，在分别模拟法律推理要素功能（证成、法律查询、法律解释、法律适用、法律评价、理由阐述）的基础上，又通过联想程序被有机联系起来，构成了具有法律推理整体功能的概念模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）

第三，“开放结构”的法律概念打开了疑难案件法律推理模拟的思路。法律形式主义忽视了疑难案件的存在。疑难案件的特征表现为法律规则和案件之间不存在单一的逻辑对应关系。有时候从一个法律规则可以推出几种不同的结论，它们往往没有明显的对错之分；有时一个案件面对着几个相似的法律规则。在这些情况下，形式主义推理说都一筹莫展。但是，法律现实主义在批判法律形式主义时又走向另一个极端，它否认具有普遍性的一般法律规则的存在，试图用“行动中的法律”完全代替分析法学“本本中的法律”。这种矫枉过正的做法虽然是使法律推理摆脱机械论束缚所走出的必要一步，然而，法律如果真像现实主义法学所说的那样仅仅存在于具体判决之中，法律推理如果可以不遵循任何标准或因人而异，那么，受到挑战的就不仅是法律形式主义，而且还会殃及法治要求实现规则统治之根本原则，并动摇人工智能法律系统存在的基础。哈特在法律形式主义和法律现实主义的争论中采取了一种折中立场，他既承认逻辑的局限性又强调其重要性；既拒斥法官完全按自己的预感来随意判案的见解，又承认直觉的存在。这种折中立场在哈特“开放结构”的法律概念中得到了充分体现。法律概念既有“意义核心”又有“开放结构”，逻辑推理可以帮助法官发现问题的阳面，而根据社会政策、价值和后果对规则进行解释则有助于发现问题的阴面。开放结构的法律概念，使基于规则的法律推理模拟在受到概念封闭性的限制而对疑难案件无能为力时，找到了新的立足点。在此基础上，运用开放结构概念的疑难案件法律推理模型，通过逻辑程序工具和联想技术而建立起来。Gardner博士就疑难案件提出两种解决策略：一是将简易问题从疑难问题中筛选出来，运用基于规则的技术来解决；二是将疑难问题同“开放结构”的法律概念联系在一起，先用非范例知识如规则、控辩双方的陈述、常识来获得初步答案，再运用范例来澄清案件、检查答案的正确性。

第四，目的法学促进了价值推理的人工智能研究。目的法学是指一种所谓直接实现目的之“后法治”理想。美国法学家诺内特和塞尔兹尼克把法律分为三种类型。他们认为，以法治为标志的自治型法，过分强调手段或程序的正当性，有把手段当作目的的倾向。这说明法治社会并没有反映人类关于美好社会的最高理想，因为实质正义不是经过人们直接追求而实现的，而是通过追求形式正义而间接获得的。因此他们提出以回应型法取代自治型法的主张。在回应型法中，“目的为评判既定的做法设立了标准，从而也就开辟了变化的途径。同时，如果认真地对待目的，它们就能控制行政自由裁量权，从而减轻制度屈从的危险。反之，缺少目的既是僵硬的根源，又是机会主义的根源。”（注：（美）诺内特、塞尔兹尼克著：《转变中的法律与社会》，张志铭译，中国政法大学出版社1994年版，第60页。）美国批判法学家昂格尔对形式主义法律推理和目的型法律推理的特点进行了比较，他认为，前者要求使用内容明确、固定的规则，无视社会现实生活中不同价值观念的冲突，不能适应复杂情况和变化，追求形式正义；后者则要求放松对法律推理标准的严格限制，允许使用无固定内容的抽象标准，迫使人们在不同的价值观念之间做出选择，追求实质正义。与此相应，佩雷尔曼提出了新修辞学(NewRhetoric)的法律理论。他认为，形式逻辑只是根据演绎法或归纳法对问题加以说明或论证的技术，属于手段的逻辑；新修辞学要填补形式逻辑的不足，是关于目的的辩证逻辑，可以帮助法官论证其决定和选择，因而是进行价值判断的逻辑。他认为，在司法三段论思想支配下，法学的任务是将全部法律系统化并作为阐释法律的大前提，“明确性、一致性和完备性”就成为对法律的三个要求。而新修辞学的基本思想是价值判断的多元论，法官必须在某种价值判断的指示下履行义务，必须考虑哪些价值是“合理的、可接受的、社会上有效的公平的”。这些价值构成了判决的正当理由。（注：沈宗灵著：《现代西方法理学》，北京大学出版社1992年版，第443-446页。）制造人工智能法律系统最终需要解决价值推理的模拟问题，否则，就难以实现为判决提供正当理由的要求。为此，P.Wahlgren提出的与人工智能相关的5种知识表达途径中，明确地包括了以道义为基础的法律推理模型。（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）引入道义逻辑，或者说在机器中采用基于某种道义逻辑的推理程序，强调目的价值，也许是制造智能法律系统的关键。不过，即使把道义逻辑硬塞给计算机，钢铁之躯的机器没有生理需要，也很难产生价值观念和主观体验，没办法解决主观选择的问题。在这个问题上，波斯纳曾以法律家有七情六欲为由对法律家对法律的机械忠诚表示了强烈怀疑，并辩证地将其视为法律发展的动力之一。只有人才能够平衡相互冲突的利益，能够发现对人类生存和发展至关重要的价值。因此，关于价值推理的人工智能模拟究竟能取得什么成果，恐怕还是个未知数。

2.法理学对人工智能法律系统研制的理论指导作用

GoldandSusskind指出：“不争的事实是，所有的专家系统必须适应一些法理学理论，因为一切法律专家系统都需要提出关于法律和法律推理性质的假设。从更严格的意义上说，一切专家系统都必须体现一种结构理论和法律的个性，一种法律规范理论，一种描述法律科学的理论，一种法律推理理论”。（注：GoldandSusskind,ExpertSystemsinLaw:AJurisprudentialandFormalSpecificationApproach,pp.307-309.）人工智能法律系统的研究，不仅需要以法理学关于法律的一般理论为知识基础，还需要从法理学获得关于法律推理的完整理论，如法律推理实践和理论的发展历史，法律推理的标准、主体、过程、方法等等。人工智能对法律推理的模拟，主要是对法理学关于法律推理的知识进行人工智能方法的描述，建立数学模型并编制计算机应用程序，从而在智能机器上再现人类法律推理功能的过程。在这个过程中，人工智能专家的主要任务是研究如何吸收法理学关于法律推理的研究成果，包括法理学关于人工智能法律系统的研究成果。

随着人工智能法律系统研究从低级向高级目标的推进，人们越来越意识到，对法律推理的微观机制认识不足已成为人工智能模拟的严重障碍。P.Wahlgren指出，“许多人工智能技术在法律领域的开发项目之所以失败，就是因为许多潜在的法理学原则没有在系统开发的开始阶段被遵守或给予有效的注意。”“法理学对法律推理和方法论问题的关注已经有几百年，而人工智能的诞生只是本世纪50年代中期的事情，这个事实是人工智能通过考察法理学知识来丰富自己的一个有效动机。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）因此，研究法律推理自动化的目标，“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；另一方面是应用法理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。”（注：P.Wahlgren,AutomationofLegalReasoning:AStudyonArtificialIntelligenceandLaw,ComputerLawSeries11.KluwerLawandTaxationPublishers.DeventerBoston1992.Chapter7.）在前一方面，是人工智能法律系统充当法律推理研究的思想实验手段以及辅助司法审判的问题。后一方面，则是法律推理的法律学研究成果直接为人工智能法律系统的研制所应用的问题。例如，20世纪70年代法理学在真实和假设案例的推理和分析方面所取得的成果，已为几种人工智能法律装置借鉴而成为其设计工作的理论基础。在运用模糊或开放结构概念的法律推理研究方面，以及在法庭辩论和法律解释的形式化等问题上，法理学的研究成果也已为人工智能法律系统的研究所借鉴。

四、人工智能法律系统研究的难点

人工智能法律系统的研究尽管在很短的时间内取得了许多令人振奋的成果，但它的发展也面临着许多困难。这些困难构成了研究工作需要进一步努力奋斗的目标。

第一，关于法律解释的模拟。在法理学的诸多研究成果中，法律解释的研究对人工智能法律系统的研制起着关键作用。法律知识表达的核心问题是法律解释。法律规范在一个法律论点上的效力，是由法律家按忠实原意和适合当时案件的原则通过法律解释予以确认的，其中包含着人类特有的价值和目的考虑，反映了法律家的知识表达具有主观能动性。所以，德沃金将解释过程看作是一种结合了法律知识、时代信息和思维方法而形成的，能够应变的思维策略。（注：Dworkin,TakingRightsSeriously,HarvardUniversityPressCambridge,Massachusetts1977.p.75.）目前的法律专家系统并未以知识表达为目的来解释法律，而是将法律整齐地“码放”在计算机记忆系统中仅供一般检索之用。然而，在法律知识工程系统中，法律知识必须被解释，以满足自动推理对法律知识进行重新建构的需要。麦卡锡说：“在开发智能信息系统的过程中，最关键的任务既不是文件的重建也不是专家意见的重建，而是建立有关法律领域的概念模型。”（注：McCarty,Intelligentlegalinformationsystems:problemsandprospects,op.cit.supra,note25,p.126.）建立法律概念模型必须以法律家对某一法律概念的共识为基础，但不同的法律家对同一法律概念往往有不同的解释策略。凯尔森甚至说：即使在国内法领域也难以形成一个“能够用来叙述一定法律共同体的实在法的基本概念”。（注：（奥）凯尔森著：《法与国家的一般理论》，沈宗灵译，中国大百科全书出版社1996年版，第1页。）尽管如此，法理学还是为法律概念模型的重建提供了一些方法。例如，德沃金认为，法官在“解释”阶段，要通过推理论证，为自己在“前解释”阶段所确定的大多数法官对模糊法律规范的“一致看法”提供“一些总的理由”。获取这些总的理由的过程分为两个步骤：首先，从现存的明确法律制度中抽象出一般的法律原则，用自我建立的一般法律理论来证明这种法律原则是其中的一部分，证明现存的明确法律制度是正当的。其次，再以法律原则为依据反向推出具体的法律结论，即用一般法律理论来证明某一法律原则存在的合理性，再用该法律原则来解释某一法律概念。TAXMAN等系统装置已吸收了这种方法，法律知识被计算机结构语言以语义网络的方式组成不同的规则系统，解释程序使计算机根据案件事实来执行某条法律规则，并在新案件事实输入时对法律规则作出新的解释后才加以调用。不过，法律知识表达的进展还依赖于法律解释研究取得更多的突破。

第二，关于启发式程序。目前的法律专家系统如果不能与启发式程序接口，不能运用判断性知识进行推理，只通过规则反馈来提供简单解释，就谈不上真正的智能性。启发式程序要解决智能机器如何模拟法律家推理的直觉性、经验性以及推理结果的不确定性等问题，即人可以有效地处理错误的或不完全的数据，在必要时作出猜测和假设，从而使问题的解决具有灵活性。在这方面，Gardner的混合推理模型，EdwinaL.Rissland运用联想程序对规则和判例推理的结果作集合处理的思路，以及Massachusetts大学研制的CABARET（基于判例的推理工具），在将启发式程序应用于系统开发方面都进行了有益的尝试。但是，法律问题往往没有唯一正确的答案，这是人工智能模拟法律推理的一个难题。选择哪一个答案，往往取决于法律推理的目的标准和推理主体的立场和价值观念。但智能机器没有自己的目的、利益和立场。这似乎从某种程度上划定了机器法律推理所能解决问题的范围。

第三，关于法律自然语言理解。在设计基于规则的程序时，设计者必须假定整套规则没有意义不明和冲突，程序必须消灭这些问题而使规则呈现出更多的一致性。就是说，尽管人们对法律概念的含义可以争论不休，但输入机器的法律语言却不能互相矛盾。机器语言具有很大的局限性，例如，LDS基于规则来模拟严格责任并计算实际损害时，表现出的最大弱点就是不能使用不精确的自然语言进行推理。然而，在实际的法律推理过程中，法律家对某个问题的任何一种回答都可根据上下文关系作多种解释，而且辩论双方总是寻求得出不同的结论。因此，智能法律专家系统的成功在很大程度上还依赖于自然语言理解研究工作的突破。牛津大学的一个程序组正在研究法律自然语言的理解问题，但是遇到了重重困难。原因是连法学家们自己目前也还没有建立起一套大家一致同意的专业术语规范。所以EdwinaL.Rissland认为，常识知识、意图和信仰类知识的模拟化，以及自然语言理解的模拟问题，迄今为止可能是人工智能面临的最困难的任务。对于语言模拟来说，像交际短语和短语概括的有限能力可能会在较窄的语境条件下取得成果，完全的功能模拟、一般“解决问题”能力的模拟则距离非常遥远，而像书面上诉意见的理解则是永远的终极幻想。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）

五、人工智能法律系统的开发策略和应用前景

我们能够制造出一台什么样的机器，可以证明它是人工智能法律系统？从检验标准上看，这主要是法律知识在机器中再现的判定问题。根据“图灵试验”原理，我们可将该检验标准概括如下：设两间隔开的屋子，一间坐着一位法律家，另一间“坐着”一台智能机器。一个人（也是法律家）向法律家和机器提出同样的法律问题，如果提问者不能从二者的回答中区分出谁是法律家、谁是机器，就不能怀疑机器具有法律知识表达的能力。

依“图灵试验”制定的智能法律系统检验标准，所看重的是功能。只要机器和法律家解决同样法律问题时所表现出来的功能相同，就不再苛求哪个是钢铁结构、哪个是血肉之躯。人工智能立足的基础，就是相同的功能可以通过不同的结构来实现之功能模拟理论。

从功能模拟的观点来确定人工智能法律系统的研究与开发策略，可作以下考虑：

第一，扩大人工智能法律系统的研发主体。现有人工法律系统的幼稚，暴露了仅仅依靠计算机和知识工程专家从事系统研发工作的局限性。因此，应该确立以法律家、逻辑学家和计算机专家三结合的研发群体。在系统研发初期，可组成由法学家、逻辑与认知专家、计算机和知识工程专家为主体的课题组，制定系统研发的整体战略和分阶段实施的研发规划。在系统研发中期，应通过网络等手段充分吸收初级产品用户（律师、检察官、法官）的意见，使研发工作在理论研究与实际应用之间形成反馈，将开发精英与广大用户的智慧结合起来，互相启发、群策群力，推动系统迅速升级。

第二，确定研究与应用相结合、以应用为主导的研发策略。目前国外人工智能法律系统的研究大多停留在实验室领域，还没有在司法实践中加以应用。但是，任何智能系统包括相对简单的软件系统，如果不经过用户的长期使用和反馈，是永远也不可能走向成熟的。从我国的实际情况看，如果不能将初期研究成果尽快地转化为产品，我们也难以为后续研究工作提供雄厚的资金支持。因此，人工智能法律系统的研究必须走产研结合的道路，坚持以应用开路，使智能法律系统尽快走出实验室，同时以研究为先导，促进不断更新升级。

第三，系统研发目标与初级产品功能定位。人工智能法律系统的研发目标是制造出能够满足多用户（律师、检察官、法官、立法者、法学家）多种需要的机型。初级产品的定位应考虑到，人的推理功能特别是价值推理的功能远远超过机器，但人的记忆功能、检索速度和准确性又远不如机器。同时还应该考虑到，我国目前有12万律师，23万检察官和21万法官，每年1.2万法学院本科毕业生，他们对法律知识的获取、表达和应用能力参差不齐。因此，初级产品的标准可适当降低，先研制推理功能薄弱、检索功能强大的法律专家系统。可与计算机厂商合作生产具有强大数据库功能的硬件，并确保最新法律、法规、司法解释和判例的网上及时更新；同时编制以案件为引导的高速检索软件。系统开发的先期目标应确定为：(1)替律师起草仅供参考的书和辩护词；(2)替法官起草仅供参考的判决书；(3)为法学院学生提供模拟法庭审判的通用系统软件，以辅助学生在、辩护和审判等诉讼的不同阶段巩固所学知识、获得审判经验。上述软件旨在提供一个初级平台，先解决有无和急需，再不断收集用户反馈意见，逐步改进完善。

第四，实验室研发应确定较高的起点或跟踪战略。国外以知识工程为主要技术手段的人工智能法律系统开发已经历了如下发展阶段：(1)主要适用于简单案件的规则推理；(2)运用开放结构概念的推理；(3)运用判例和假设的推理；(4)运用规则和判例的混合推理。我们如确定以简单案件的规则推理为初级市场产品，那么，实验室中第二代产品开发就应瞄准运用开放结构概念的推理。同时，跟踪运用假设的推理及混合推理，吸收国外先进的KBS和HYPO的设计思想，将功能子系统开发与联想式控制系统结合。HYPO判例法推理智能装置具有如下功能：(1)评价相关判例；(2)判定何方使用判例更加贴切；(3)分析并区分判例；(4)建立假设并用假设来推理；(5)为一种主张引用各种类型的反例；(6)建立判例的引证概要。HYPO以商业秘密法的判例推理为模拟对象，假设了完全自动化的法律推理过程中全部要素被建立起来的途径。值得注意的是，HYPO忽略了许多要素的存在，如商业秘密法背后的政策考虑，法律概念应用于实际情况时固有的模糊性，信息是否已被公开，被告是否使用了对方设计的产品，是否签署了让与协议，等等。一个系统设计的要素列表无论多长，好律师也总能再多想出一些。同样，律师对案件的分析，不可能仅限于商业秘密法判例，还可能援引侵权法或专利法的判例，这决定了缘由的多种可能性。Ashley还讨论了判例法推理模拟的其他困难：判例并不是概念的肯定的或否定的样本，因此，要通过要素等简单的法律术语使模糊的法律规则得到澄清十分困难，法律原则和类推推理之间的关系还不能以令人满意的方式加以描述。（注：EdwinaL.Rissland,ArtificialIntelligenceandLaw:SteppingStonestoaModelofLegalReasoning,TheYaleLawJournal.(Vol.99:1957-1981).）这说明，即使具有较高起点的实验室基础研究，也不宜确定过高的目标。因为，智能法律系统的研究不能脱离人工智能的整体发展水平。

第五，人－机系统解决方案。人和机器在解决法律问题时各有所长。人的优点是能作价值推理，使法律问题的解决适应社会的变化发展，从而具有灵活性。机器的长处是记忆和检索功能强，可以使法律问题的解决具有一贯性。人－机系统解决方案立足于人与机器的功能互补，目的是解放人的脑力劳动，服务于国家的法治建设。该方案的实施可以分为两个阶段：第一阶段以人为主，机器为人收集信息并作初步分析，提供决策参考。律师受理案件后，可以先用机器处理大批数据，并参考机器的和辩护方案，再做更加高级的推理论证工作。法官接触一个新案件，或新法官刚接触审判工作，也可以先看看“机器法官”的判决建议或者审判思路，作为参考。法院的监督部门可参照机器法官的判决，对法官的审判活动进行某种监督，如二者的判决结果差别太大，可以审查一下法官的判决理由。这也许可以在一定程度上制约司法腐败。在人－机系统开发的第二阶段，会有越来越多的简单案件的判决与电脑推理结果完全相同，因此，某些简单案件可以机器为主进行审判，例如，美国小额法庭的一些案件，我国法庭可用简易程序来审理的一些案件。法官可以作为“产品检验员”监督和修订机器的判决结果。这样，法官的判案效率将大大提高，法官队伍也可借此“消肿”，有可能大幅度提高法官薪水，吸引高素质法律人才进入法官队伍。

未来的计算机不会完全取代律师和法官，然而，律师和法官与智能机器统一体的出现则可能具有无限光明的前景。（注：Smith,J.C,MachineIntelligenceandLegalReasoning,Chicago-KentLawReview,1998,Vol.73,No.1,p277.）可以预见，人工智能将为法律工作的自动化提供越来越强有力的外脑支持。电脑律师或法官将在网络所及的范围内承担起诸如收债、税务、小额犯罪诉讼等职能。自动法律推理系统将对诉讼活动发挥越来越多的辅助作用，例如，通过严密的演绎逻辑使用户确信全部法律结论得出的正当性；在解决相互冲突的规则、判例和政策问题时提示可能出现的判决预测；等等。正如网络的出现打破了少数人对信息的垄断一样，电脑法律顾问的问世，将打破法官、律师对法律知识的垄断，极大地推动法律知识的普及，迅速提高广大人民群众的法律素质，使法律真正变为群众手中的锐利武器。

篇5

［关键词］高职学生；高质量就业；就业价值取向；就业岗位

一、引言

全球新一轮科技革命和产业变革正在加速拓展，社会的生产方式、组织形态、商业模式、管理模式都发生了巨变，大数据、人工智能、区块链、共享经济等数字新技术的发展诞生新商业、新职业，使我国就业形态、就业结构、就业稳定性以及劳动技能需求都发生了变化。高等职业教育由规模扩张转入内涵发展和高质量发展的新阶段，高质量就业已经成为新时代经济发展的追求目标。高职院校在人才培养过程中要面向产业需求，在追求高就业率的同时应更关注学生就业质量，为劳动力市场输送与用人单位需求相匹配的人才。当前，我国进入以创新为核心、以发展服务型经济为重心的新一轮经济结构调整的关键时期，经济发展呈现出速度变化、方式转变、结构调整、动力转换的态势。新经济、新业态、新产业的发展为高职院校毕业生提供了更多的就业机会，人工智能、大数据等新兴产业人才供不应求、跨专业人才优势明显。新就业形态是经济业态发展、市场竞争与技术进步相互作用的结果，不断改变着传统的就业方式和就业观念。无论从就业的政策导向还是从大学生的现实需求看，需要在深刻认识高等职业教育发展规律的基础上，推动教育质量与职业需求紧密结合，优化劳动力结构，提升高职院校毕业生就业质量，以应对诸多复杂挑战，实现经济高质量发展。

二、高职学生就业的困境

1.劳动力供求的结构性失衡日益凸显，人力资本与产业结构不匹配矛盾突出。改革开放四十多年来，我国经济持续快速发展。随着我国劳动力供求的结构性失衡日益凸显，劳动力供给质量亟待提升。2019年全年城镇新增就业1352万人，比上年少增9万人。新一轮科技革命和产业变革方兴未艾，正在深刻影响着我国产业结构和就业结构的变化。一方面，产业转型升级创造高质量就业岗位的速度远远低于毕业生数量的增速；另一方面，随着技术进步加快和产业结构优化升级，技能人才短缺问题将更加突出。相对于产业和技术的快速变化，人的变化是一种慢变量，实现职业转换需要一定的教育培训，转变就业观念需要更长的时间。新就业形态对已有的劳动、就业、培训、社保等政策和体制机制，以及与之相适应的服务体系提出了巨大挑战。我国经济已从高速增长阶段转向高质量发展阶段，以大数据、人工智能业态等为代表的数字经济已经成为推动实体经济转型创新的新引擎，对高素质技术技能人才的需求不断增加。但是，职业教育人才培养滞后于新产业技术变革，不能满足社会经济发展需求。2.就业矛盾从就业规模能否扩张向就业质量能否提升转变。一直以来，我们更多地关注就业数量，而忽视了就业质量。技术进步对就业挤出效应和替代效应在一定时期和条件下显现。党的报告指出，促进我国产业迈向全球价值链中高端，培育若干世界级先进制造业集群。近年来，企业加快推进机器换人，受教育程度、技能要求相对较低的岗位被“机器人”替代，影响的就业岗位数量会持续增加，岗位结构发生了深刻变化，部分劳动者不可避免地要面临下岗失业。由于从人力资本投资到形成有效劳动供给通常会滞后于岗位需求，高职院校主动对接产业的意识不强，人才培养和社会需求存在一定程度的脱节。3.大学生就业价值取向发生了明显的变化，呈现出功利化、多元化等特点。薪金待遇、就业岗位、行业发展和职业空间仍然是当前大学毕业生最关注的因素。大学生找一份工作谋生并不难，但谋求优质岗位和高质量就业岗位的难度系数比较大。高等职业教育在发展过程中陷入了“工具理性”与“价值理性”的困顿之中，忽略了“以人为本”的教育理念。麦可思研究院的《2019年中国大学生就业报告》（就业蓝皮书）显示，我国2018届高职高专毕业生就业率为92.0%，就业满意度为65%，2018届大学毕业生“慢就业”的比例达6.99%，对就业不满意的主要原因是“收入低”和“发展空间不够”。2018届高职高专毕业生毕业半年内的离职率为42%，远远高于本科毕业生的23%，高职院校毕业生就业不稳定性逐步增大。近年来，大学生就业价值取向呈现出新的特点，逐利性与求稳性并存、就业目标偏高与期望个人价值实现并存。大学生就业观念和就业选择趋向多元化，选择自主创业和灵活就业的人员数量不断提升。以互联网、大数据、人工智能为代表的新一代信息技术与产业深度融合，引起了整个社会就业方式、岗位结构的变革。互联网公司已成为目前大学生就业的新兴高地。

三、高职学生实现高质量就业的路径

大学生高质量就业是一个系统工程，应充分发挥政府、高校、行业企业和大学生的协同作用。高等职业教育需主动回应技术创新和社会变革，在对接新产业、新职业的基础上，通过产教深度融合和跨界协同创新，实现政府、高职院校、行业企业知识共享、资源优化配置、行动最优同步和系统高水平匹配，培养出具有较高竞争力的高素质技术技能人才。1.创造高质量的就业岗位，增强经济增长对就业的拉动作用。随着我国经济结构调整深入推进和产业转型升级速度加快，对高素质技术技能人才的需求日益增多。大学生在求职时希望随着经济不断发展，社会保障更加完善、薪酬待遇持续提高、工作条件不断改善、职业发展空间更加广阔。实现高质量就业首先要有高质量的就业岗位，而高质量的就业岗位来自高质量的经济结构和产业体系。经济发展的提质增效、产业结构的转型升级，必将推动高质量就业岗位的持续增加和提供更多的优质就业机会，形成新的就业增长点。政府要强化宏观管理职能，为高职学生营造公平就业环境。具体来说：政府正确发挥管理和服务职能，做好产业引导和企业帮扶，促进教育链、人才链与产业链、创新链有机衔接，统筹优化人力资源供给与改善劳动力市场需求；强化就业政策与经济政策、产业政策、社会政策之间的协同联动，将就业与创新创业紧密结合，营造良好的创新创业环境；增强经济发展创造就业岗位的能力，运用好“互联网+”推进就业转型，发展新就业形态，拓展就业新空间，为高职学生提供充分的就业机会；完善法律法规体系，保护从事新就业形态的劳动者权益，不断优化就业创业环境，推动高质量增长与高质量就业同步实现，让产业结构优化、就业结构转化与就业质量提升并行不悖，增强经济增长对就业质量的带动作用。2.人才培养与产业发展深度融合，实现技术创新与就业增长的协同发展。随着创新驱动发展战略的深入实施，数字经济、新技术发展催生了新的就业需求。新产业能够提供更加广阔的就业渠道和更加优质的工作岗位，企业需要具有吸收问题、转换问题能力的人才，高职院校需要培养适应新产业的高素质技术技能人才。在高质量就业目标的引导下，高职院校培养的人才与劳动力市场需求的匹配必然以质量为前提。高职院校应立足于我国产业发展战略需求，与行业企业、研究院所、政府部门等不同社会主体建立协同机制，推进校政协同、校地合作、校产联合、校企对接，建成教育部门、高职院校、行业企业、学生联动的“互联网+就业”跨专业协同创新平台，为大学生高质量就业提供线上精准对接、线下高效服务。高职院校应根据企业优势和产业发展需求，牢牢把握产教融合、校企合作路径，吸引更多的企业专家、技能大师走进课堂，促进学校教学与企业用人的无缝对接。打破高职院校与社会、行业企业间的体制壁垒，在人才培养过程中结合学校的师资特点和学校的区域影响力、区域产业特征和区域供应链以及企业资源，探索具有中国特色的高层次现代学徒制，让企业的人才培养前置化。整合政府、高职院校、行业企业等各主体的资源，不断完善职业教育集团、产学研创联盟等教学模式，使各主体的人才、专业群、地理空间等优势充分发挥出来，增强人才培养对新兴就业领域、新就业形态的适应性和契合度。根据大学生的就业需求，实施高等职业教育供给侧结构性改革，建立企业需求侧与教育供给侧资源要素融合的平台和机制，更多地把人才培养与产业对接，实现从量的扩张到质的提升。构建“政府、高校、家庭、学生”等多元主体参与的“就业生态共同体”，适应新就业形态的劳动用工和社保政策，不断提升人才结构与产业结构的匹配度，促进公平就业和大学生社会性流动。充分利用人工智能技术和大数据分析，对行业企业用人需求和新的就业特点进行科学研判，完善毕业生就业跟踪调查反馈机制，将就业大数据多向精准反馈至招生、人才培养和就业等各环节。以精准就业为导向推进高职院校人才培养改革，提升就业大数据对人才培养改革的决策咨询功能，形成招生、人才培养和就业一体化的精准就业指导工作格局。3.遵循大学生的认知规律，探索教育新范式。当前，“三新”经济已经以标志性的智能、个性化服务、社会化共享、跨界融合等多维特征涉足三大产业的方方面面，创造新需求，形成增长新动能，产生新就业模式和新职业岗位。高等职业教育应主动回应技术创新，关注社会发展变迁，遵循大学生的认知规律，探索教育新范式。高职院校应推动特色发展、差异化发展和高质量发展，把职业道德、技术技能水平、就业质量和创新创业能力作为衡量人才培养质量的重要内容。高职院校应根据新经济、新技术、新业态、新职业设置专业，与产业发展、行业需求和技术进步相适应，对专业的内涵与外延进行重新设计和精准界定；加大部门间的协同配合力度，构建基于产业链、融入新知识和新技术技能的专业课程体系；坚持“以学习者为中心”的教学模式，将知识转化为“知势”，培养学生的终身学习能力。4.注重就业价值取向的引导作用，提升大学生高质量就业能力。马克思在中学毕业论文《青年在选择职业时的考虑》中指出，青年在选择职业时首先应当考虑的是为人类的幸福服务，不能选择那些脱离实际的职业，需要把理想与现实、思想与行动结合起来。高等职业教育要坚持“以人为本”的教育理念，把就业价值观教育摆在重要位置。高职院校要全面落实立德树人的根本任务，把大学生就业能力培养融入人才培养全过程，强化职业素质和职业操守教育，注重专业基础能力、跨领域协同能力、实践能力与创新创业能力的培养，缩小大学生就业力与实际需求之间的差距。面对新的就业形势，高职院校要高度重视学生就业价值取向中“个人本位”与“社会本位”的统一、现实关切与理想追求的统一，由就业指导教育转向职业生涯教育。高职院校要采用学生喜闻乐见的形式，针对生源特点，实施全程化、全员化、全方位的职业生涯教育，做好学生求职状态跟进、企业招聘状态更新，不断提升学生的职业认知能力，引导学生在职业发展道路上正确处理个人利益与国家利益、集体利益的关系，树立正确的职业价值观。高职院校要改变大学生就业“从众”选择的行为，使大学生积极面对职业多元性选择的挑战，将“高起点就业”观念转到“先就业后择业”“先就业后发展”的“灵活就业”“动态就业”观念上来，找准自身发展与社会需求之间的结合点。

［参考文献］

［1］蔡跃洲，陈楠.新技术革命下人工智能与高质量增长、高质量就业［J］.数量经济技术经济研究，2019（5）：3-22.

［2］罗筑华，王汉青.新时代下大学生就业质量提升中的现实审视与路径分析［J］.黑龙江高教研究，2019（10）：134-138.

［3］麦可思研究院.2019年中国高职高专生就业报告（就业蓝皮书）［M］.北京：社会科学文献出版社，2019.

［4］苏丽锋，赖德胜.高质量就业的现实逻辑与政策选择［J］.中国特色社会主义究，2018（2）：32-38.

［5］杨礼雕.以“互联网+”模式推进大学生精准就业［N］.光明日报，2019-03-31（15）.

［6］马廷奇.高职院校扩招与高职教育高质量发展［J］.中国职业技术教育，2019（33）：25-30.

［7］任雪园.变革与转型：智能化时代高等职业教育人才培养模式的再审思［J］.职业技术教育，2019（28）：12-17.

［8］张纪南.推动实现更高质量和更充分就业［J］.求是，2018（12）：24-26.

［9］王霆.大学生高质量就业的影响机制研究：人力资本与社会资本的视角［J］.高教探索，2020（2）：108-114