算法(algorithm)一词源于9世纪波斯数学家花拉子模(al-Khwarizmi)的名字。他强调求解问题应当遵循有条理的步骤,这种条理性后来被视为算法的核心。[11]在形式化的意义上,算法被定义为“一种有限、确定、有效的并适合用计算机程序来实现的解决问题的方法”。[12]而在不那么形式化的意义上,“算法是为实现某个任务而构造的简单指令集。在日常用语中,算法有时称为过程或处方”。[13]无论从哪种定义方式出发,算法与法律的共通之处都非常明显:算法形式化定义中的核心特征是“有限、确定和有效”,这与法律不谋而合:有限性(finiteness)指算法必须能在执行有限步骤后终止,这与司法程序不能不计代价地探索个案正义而只能追求案结事了异曲同工。确定性(definiteness)指算法的每个步骤都有确切定义,这与法律对概念清晰和体系一致的追求遥相呼应。有效性(effectiveness)指算法中执行的任何步骤都可以被分解为基本的、可执行的操作步骤,这与法律文本需要采用含义明确、可被理解的表达可谓殊途同归。[14]而算法非形式化定义中涉及的“指令集、过程和配方”更是形象地展现了法律调整社会关系的形式。算法不等于程序文本,正如法律不等于立法文本。算法和法律都是统辖具体文本的、为解决特定问题而创造出的行之有效的方案。
人们之所以需要借助算法来解决问题,是因为需要借助认知模型将认知负担控制在合目的的范围内。现实世界包含了太多变量,在全面把握这些变量的基础上进行决策是不可能的,因为这大大超出了人有限的认知资源和执行能力允许的范围。例如,假设有考生想提高投掷实心球的成绩,那么理论上他可能需要考虑的因素异常众多,因为会对实心球投掷距离产生影响的不仅仅有出手速度和出手角度,还有风速、风向、海拔甚至是地球的自转和月球的潮汐影响。指望考生自行总结各个变量对投掷距离的影响并据以提高成绩,显然是不现实的。考生既不具备足够的认知资源进行总结,即使总结出来也无法执行。在此情况下,向考生提供一个简单指令集(尽量提高出手速度,并且保持45度的出手角度),就是降低考生认知负担、提升行动效率的最佳算法。这个算法起到了“现实转换器”的作用,通过将算法设计者掌握的宝贵经验反映在算法中,成功地将难以处理的真实世界转换为可掌控的操作对象。作为“现实转换器”的算法,一头连接着真实世界,另一头连接着决策者的期待,其内部设计自然会根据决策者的期待变化而发生改变。例如同样是求最佳抛物线的算法,当目标是提高洲际导弹射程时,合理的算法显然不可能和提高实心球投掷成绩一样简单,而是会建立复杂得多的指令集,把在实心球背景下被认为不合目的的变量统统纳入考虑范围。[15]只要人们不满足于跟着感觉走,而是想从混沌的现实世界中提炼出指导决策的方案,便都需要构建认知模型,或者说都需要设计算法。
社会之所以需要法律,在很大程度上同样是因为真实世界包含的变量太多,需要过滤、整理,形成有效的认知模型。以专利法为例,它要解决的问题异常复杂:社会需要在保护带来的边际福利增长和边际福利损失之间进行比较,前者不仅受制于研发的社会成本与收益,而且与市场先发优势、技术措施、商业秘密、发明冲动等激励发明的替代安排相关;而后者也不仅涉及公众不能自由利用发明带来的社会损失,还包括资源分配不均引发的社会问题。要判断这些因素中的每一项已经很困难,更何况还需要针对医药、化学、电子及机械等众多高度异质的行业考虑所有因素。[16]很难想象如果要求裁判者在没有任何法律的情况下来确定个案中发明人和使用者的行动自由边界,裁判者会多么无所适从。所幸专利法提供了将决策者从信息洪流中解脱出来的指令集。这套指令集将需要搜集的相关信息分拣到客体、权能、限制、救济和主体五个环节中,并在每个环节下划分出不同层次的子问题,形成了清晰的思维导图。此外,不同问题被分配给不同机构判断,以确保子问题的最佳解决方式恰好与其解决者的知识结构和工作流程相匹配。比如,客体问题主要由专利行政审查部门负责进行判断,他们的技术背景有助于快速判断客体适格性、实用性、新颖性、创造性和申请文件的公开程度。如果申请人获得授权,实际上是社会做出了一个初步判断,认为将独占权交给申请人有利于社会总福利。对于大部分授权专利,算法进行到这一步就够了,因为大部分专利不会陷入纠纷,无须社会在一开始就花费大量计算资源去澄清排他权的精确范围。[17]不过如果发生争议,社会就需要启动算法的其他环节,看被告是否从事了制造、使用、销售、许诺销售或者进口行为(权能);原告对上述行为的控制在案件中是否应受限制(限制);以及被告是不是需要停止侵权,如何赔偿原告损失(救济)。专利法中的许多指令都需要调取既有数据,包括判例、教义和比较法知识。只有通过专利法,社会才能将相关社会领域中混沌的现实转换为各环节裁判者可处理的问题,从而达到降低认知负担、提升认知效率的目的。专利法实际上就是专利领域社会福利最大化的算法。(www.daowen.com)
法律具有算法属性并不令人惊讶,因为现代法律总体而言以理性主义为基础,而算法同样是理性主义的结晶。理性主义不满足于零散的经验,而要对其进行修剪与排列,制成结构化的知识,以便将混沌的现实分拣到整齐的认知框架里面。从计算的角度看待法律的态度其实一直存在。霍布斯早在17世纪就曾说:“政治学著作家把契约加起来以便找出人们的义务,法律学家则把法律和事实加起来以便找出私人行为中的是和非。……用得着加减的地方就用得着推理,用不着加减法的地方就与推论完全无缘。”[18]到了18世纪的边沁笔下,法律的算法性质更加明显:“功利原理是指这样的原理:它按照看来势必增大或减小利益有关者之幸福的倾向,亦即促进或妨碍此种幸福的倾向,来赞成或非难任何一项行动。”[19]在极端的功利化思路中,幸福可以通过快乐而增加或者因为痛苦而减少,变化的程度受快乐或痛苦的强度、持续性和必然性影响。在定下这些公理之后,法律的任务就是画好社会福利的坐标系,写好加减幸福的算法,导入参数、带入变量,得出最大幸福的结果。霍姆斯在19世纪断言道:“未来学习法律的人是掌握了统计学和经济学的人。”[20]到了20世纪,数理逻辑更是堂而皇之地以“经济”之名在法学领域攻城略地。在法经济学的视野下,法学不仅必然包含计算,还需要借助边际、均衡和博弈的概念以及表格、公式和坐标系等符号被重新加以表述。法学研究在把法律当成计算指南方面早已走出很远,只是因为人们没有给法律冠以算法之名,所以不曾有意识地把两个学科勾连起来而已。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。