人工智能与司法证明过程：来自形式主义和计算的挑战

就实际法令的意义而言,法律规则与法院判决之间的冲突广为人知。这种冲突关系同样存在于事实认定之中。法律几乎贯穿了人类活动的所有方面;人与人之间的任何互动都可能会导致法律冲突。对这些纷争进行准确的事实认定是恰当贯彻实体法要求的必要前提保障。若事实认定缺乏准确性,法律就会变得不可测,继而人们便无法高效地按照法律规定行事。法律事实认定之于准确性和可预判性的需要促使人们去探寻适用于这项任务的形式化工具。众多形式化工具之中,贝叶斯定理和期望效用理论(贝叶斯式或统计式决策理论)已被检验。可惜二者并无法很好地与诉讼相契合,进而引发了对其它替代方案的探索与检验,其中以案情故事模式和相对可信论为典型。本文将依次探讨这些问题,展开论述美国传统法庭审理的基本架构;审视庭审与贝叶斯定理、期望效用理论等形式化工具之间的不和谐关系;并介绍相对可信论—一种阐释司法证明本质的理论。