--- order: 1 date: 2026-07-30 summary: ——大语言模型像的不是法官，而是普通法本身 --- # AI 是一位普通法法官吗？ **——大语言模型像的不是法官，而是普通法本身** 1881 年冬天，霍姆斯（Oliver Wendell Holmes, Jr.）在波士顿洛厄尔讲座上说出了那句后来被引用到近乎磨损的话： > 法律的生命从来不是逻辑，而是经验。（The life of the law has not been logic: it has been experience.） 很少有人接着引用下一层意思：真正决定人们受何种规则支配的，是“时代的现实需要、流行的道德与政治理论、公共政策的直觉——无论承认与否——甚至法官与其同胞共享的偏见”，这些东西的作用“远大于三段论”。霍姆斯点名的对手，是三段论；他描述的法官，是一个用逻辑的形式包裹经验之实质的裁判者。 一百四十多年后，我们讨论“AI 能不能做法律推理”时，其实预设了一个参照物：像谁一样推理？这个问题有两个可选的原型。 ## 两种法律推理的原型 第一种原型是**演绎机**。它相信法律是一个公理体系：少数原则在顶端，规则从原则演绎而出，判决从规则涵摄而得。这是霍姆斯的靶子兰德尔（Langdell）的立场——这位哈佛法学院院长主张法律是一门像几何学一样的科学。也是概念法学的立场，某种意义上还是成文法传统里“依法裁判”的官方理想。 第二种原型是**普通法法官**。他从不宣称自己在立法，判决书永远写成从先例逻辑推出的样子；但按霍姆斯的诊断，驱动结论的实质是几百年案例沉淀下来的集体经验，以及“法官提起来总是带着歉意”的政策考量。形式上逻辑，实质上经验。 有趣的事情在这里：上一代法律 AI——专家系统、规则引擎——选择了第一种原型，把法条编码成公理再机械演绎，全都失败了。败因正是霍姆斯一百年前给出的：法律推理的实质从来不是演绎。而这一代大语言模型没有选择任何原型，它只是把人类写下的一切读了一遍——结果却意外地长成了第二种原型的样子。 ## 四点相似 **其一，从案例中学习，而不从公理出发。** 兰德尔编纂案例教科书，本意是让学生从判例中提炼出公理；大语言模型读了远超任何法学院的“判例”，却跳过了提炼公理这一步——它直接把海量具体判断压缩成分布，遇到新问题时从分布中生成答案。这是终极版的案例教学法，只是删去了兰德尔最看重的那一环：体系化。普通法的成长恰恰也是这样的：一个案子挨着一个案子，原则是事后追认的。 **其二，形式与实质的分离。** 霍姆斯说普通法存在“形式与实质的悖论”：形式上，每个判决都三段论地从先例推出（这是“官方理论”）；实质上，结论由经验和政策驱动，推理是事后穿上的外衣。大语言模型与此惊人对称：它输出的推理链条形式上是逻辑演绎，实质上结论由训练分布的引力决定——推理链有时是结论的原因，有时只是结论的事后合理化，而从文面上无法区分这两种情形。AI 在这一点上不是不像人类法官，而是像得过分。 **其三，外部标准与平均人。** 霍姆斯为侵权法奠基的“理性人”标准，本质是一次统计化操作：法律“不试图以上帝之眼看人”，天生笨拙者的失手在天国的法庭会被体谅，在邻人的法庭不会——群居生活要求每个人达到平均行为水准。理性人是一个不存在的统计虚构，法律用它替换了不可测量的内心状态。而大语言模型，就其数学本质而言，正是一台平均装置：它输出的是人类已表达判断的加权重心。可以说，理性人是一个会被引用的统计虚构，模型是一个会说话的统计虚构。 **其四，先例的引力与保守性。** 普通法被过去束缚：先例像霍姆斯说的“猫的锁骨”，在理由消亡后继续存活，创新只发生在分布的边缘，以类比和微调的方式进行。模型同样被训练数据的过去束缚：它最擅长的是分布之内的插值，最不可靠的是分布之外的外推。两者都天然保守，都以“这与之前的哪个情形最像”作为基本操作。 ## 结论：它接近的不是法官，而是普通法本身 所以对标题问题的回答是：**AI 不像法官，它像法律。** 普通法本来就是一个分布式的统计对象——“王国的普遍习惯”，散落在千万个判决里，没有任何单一头脑装得下它的全部；法官是这个对象的活性接口，负责在具体案件中调用它、更新它，并为调用结果签名负责。大语言模型是第一个不经由法官就能开口说话的 corpus juris：一具凝结了经验、能穿上逻辑外衣、却没有人在其中的法律之躯。 这就把问题倒转了过来。真正的问题不是“AI 能不能当法官”，而是：**当法律本身学会了说话，谁来当它的法官？** 要回答它，得先看清这具躯体与它声称代表的社会共识之间，隔着几道裂缝。这是下一篇的任务。