◎ 陳弘儒（中央研究院歐美研究所助研究員，國立清華大學通識教育中心兼任助理教授）

＊本文詳細說明，請參考《歐美研究》「初探目的解釋在法律人工智慧系統之運用可能」

傳統上，法學被視為一門解釋法律條文的技藝（art）：法律人透過各種解釋要素找出法律文本的意義，並將其意義應用到具體個案之中，以得出個案之具體法律效果。人工智慧與法律（Artificial Intelligence and Law）在法律解釋的脈絡下，主要是以法律推理的計算機模型（computational models of legal reasoning; CMLRs）擔負起對於法律推理的模型建構任務，當中相關領域之一稱為法律論證的計算機模型（computational models of legal argument; CMLAs）。簡單來說，後者主要著重「個別推理」過程中法律推論的特性。前者則是針對法律推論的「整體結構」進行探討。當前最熱門的模式是以廣義機器學習方式進行判決預測，在定位上通常屬於法律文本的分析，雖然以預測作為效能指標，但是根本關鍵在於以法律本體庫（legal ontology）作為電腦中的知識再現架構。¹

本篇文章主要介紹目的解釋在CMLRs的可能困境與重大突破。其重要性展現在兩個層面：第一、從法律推理理論來看，目的解釋是法律人理性能力的關鍵展現：運用這個解釋要素得以將固定的法律文本意義透過目的性限縮、目的性擴張、主觀目的或是客觀目的等方法讓法律與時俱進。第二、從電腦科學來看，法律的目的涉及價值的認識、規範事態的要求等規範性內容，也因此對電腦科學家而言，理解法律推理是接合實然判斷與應然判斷的重要關鍵，如何建構適當的目的解釋的計算機推理模型，也成為了人工智慧與法律研究者的重要課題。

1993年，Donald Berman與Carole Hafner 針對目的解釋的計算機模型指出了關鍵問題。²他們認為，若要建構出CMLRs，則必須探討目的在法律推理中扮演的功能，因此提出了目的在運用上的理論框架，其後許多人工智慧與法律研究學者進一步開展這個框架的可行性以及基礎課題。令人遺憾的是，即便經過了30多年，CMLRs在這個議題上雖有進展，但仍不足以令人滿意，如同Ronald Loui在“From Berman and Hafner’s Teleological Context to Baude and Sachs’ Interpretative Defaults”一文中指出，「作者無從得知Berman和Hafner本人對這些回應是否滿意。一方面，人工智慧與法律學者很明顯地意圖藉著提供目的論的脈絡，以語法的深層結構表示目的與價值。另一方面，價值在大部分的回應中，卻顯得宛如互不相干的因素集合。還有哪些模式得以呈現價值呢？」³

然而，CMLRs的研究遇到一個根本瓶頸：如何以電腦模型適當地呈現法律的價值論證？這個瓶頸並非來自電腦科學，而是起於法律推理：尤其當目的與目的解釋雖然扮演法律推理中的關鍵角色，然而我們尚未清晰分析或討論目的本身的特性以及其在解釋中發揮的功能。台灣在目的解釋的相關討論上已有初步成果，例如王鵬翔在2004年即有討論目的性限縮之論證結構⁴，該文雖然並未直接探討目的解釋，但對於法律目的在目的性限縮的解釋方法之論證形式與結構給予了清晰的表述。外國研究也多以工具理性的方式理解目的解釋，例如Robert Alexy的法律論證理論⁵與Lewis Kornhauser的目的推論說明⁶。

當我們從規範性角度思考目的解釋，會發現必須區分兩個層次的問題：第一、目的解釋的論證形式是怎樣的一種形式，為何我們應該遵守它？第二、為何目的本身是需要被實現的，不論該目的是一種價值、規範事態或是對於未來的實然預測等等。當我們區分這兩個層次的問題之後，便可以較為清晰地見到CMLRs可以達成以及達不到的事情。

針對目的解釋的論證形式的問題，Robert Alexy已做出相當重要的研究成果，然而筆者並非採取邏輯結構上面的分析，而是直指目的解釋的雙層架構，這個架構至今尚未有充分的研究。為了簡單表述基礎觀念，筆者暫不區分立法者意圖、主觀目的以及客觀目的這三者。讓我們將某個法律稱之為L，而其所要達成之目的為Z，針對該法律的某個解釋稱之為L′。採用L′所「導致」⁷的結果是R_L。目的解釋簡單來說是以下幾種關係的構成：

• 第一層為 Z與L′的關係，這是傳統法律解釋理論探討的部分。L′是作為     實現Z的手段，這是屬於法律解釋的部分。
• 第二層為L′跟R_L的關係，這是涉及結果預測。
• 第三層是Z與R_L的關係，一般較少研究與提及這一層次，因為這不僅涉及目的之解釋，同樣也涉及目的之實現狀態的對應關係。

在這個形式的分析上，可以理解要完整地研究目的解釋，包含三個部分：第一、目的解釋的論證形式與其在法律解釋之功能。第二、因果關係的探討，思索特定法律解釋如何可以達成某個事態之實現。第三、目的與特定事態的關係。第三個層次尤其重要，因為這大量涉及到價值學（Axiology）的討論。

在上述的分析架構下，我們得以簡略說明CMLRs為何會在目的解釋中研究缺乏重大進展？

首先、CMLRs著重Z與L′的討論，但是這個關係也是工具理性的展現，因為L′作為實現Z的手段，Z是不是一個確定的理由卻仍舊有待討論，因為法律目的僅是探詢法律文本意義的要素之一，法律解釋要素中仍有文義解釋以及體系解釋等等，除非Z是未被擊敗的理由（undefeated reason），從而延伸出我們有理由要採取促成Z實現的手段（即是L′）。然而，Z是否「真的是」未被擊敗的理由，始終是個沒有被CMLRs討論的議題。

其次，Z與R_L之間的關係非常重要，因為精確來說L′無法直接實現Z，L′是實現某種結果（就是R_L），而R_L與Z有關係。但是，卻鮮少討論兩者是不是真的有關係以及是何種關係。這一點，王鵬翔與張永健的文章提到目的解釋涉及到「結果評價」，這個想法也是建立在R_L與Z的關係上。⁸我認為，這正是價值論證或價值學可以介入的地方，讓規範性討論發揮其功能。

最後，在L′跟R_L的關係可以是人工智慧發揮所在，原因在於R_L是對於施行L′的測量（如果L′已被解釋者所採用）或是預測（如果L′可能會被解釋者所採用）。雖然在L′跟R_L的關係是人工智慧系統可以發揮之處，但是這裡涉及到的則是因果關係的討論，而如何建構理論模型仍有待解答。

礙於篇幅以及主題限制，我們無法詳細介紹法哲學內對於目的的規範性的討論。英美法哲學中，這涉及到Lon Fuller與H.L.A. Hart的關鍵論辯⁹，筆者希望在此先拋磚引玉提出一個可能發展方向：或許關鍵問題在於「意義的規範性」是什麼意思，又其規範性之來源何在？哲學語意學理論對這點有許多法哲學上的重要貢獻，讓我們更了解法律意義的規範性到底是如何形成的？以及法律規範之語意內容與目的之間的拉扯，如何給予我們在法律推理理論上的啟發。持續探討這部份不僅有助我們理解法的概念本身，也有助於人工智慧學者在建構模型上察知更複雜的規範性課題。