人工智能辅助地方立法：价值、路径与风险防范

宋书强 王柯文

[摘要]在人工智能、大数据等新兴技术不断进步以及社会经济飞速发展导致立法环境日趋复杂化的时代背景下，我国立法机关充分意识到人工智能辅助立法的现实意义，率先探索立法工作与信息化技术融合，《国务院2023年度立法工作计划》中提及正预备提请人工智能法草案。相较传统立法需要大量人力收集、整理和分析信息与数据，并凭借主观的判断和经验进行决策，人工智能辅助立法对于提高立法效率、提升决策科学性、增加决策透明度、便利公众参与等方面具有重要意义。但人工智能辅助立法在提升立法的效率和质量之余，也不可避免地出现过度收集数据、算法歧视、机制不透明等弊端，这也对人工智能辅助立法的合法性与正当性产生挑战。基于此，有必要对我国人工智能辅助立法的现状予以梳理，分析该技术应用在立法过程中存在的风险，并提出因应之策。

[关键词]人工智能；辅助立法；风险治理；多元规制

[中图分类号]D927；TP18      [文献标识码]A

[DOI]：10.20122/j.cnki.2097-0536.2024.02.010

一、人工智能辅助地方立法的价值

“以民主为基础、以科学为指导”是立法活动的一贯原则。立法的民主性要求参与立法的主体多样、广泛，立法的过程、内容和程序体现人民的价值取向；立法的科学性则反映在对立法观念、立法制度以及立法技术的科学应用上。人工智能技术应用在立法效率提高、立法质量提升、立法客观公正以及便利公众参与等方面都具有重大优势，能够辅助立法活动实现民主与科学的核心价值。

（一）促进立法科学化

人工智能具有信息收集、分析、评价和预测功能，其在收集分析历史数据、预测政策实施方面与仅依赖立法工作者的经验或主观判断所做出的决策相比更为高效准确。随着社会发展，受限于客观条件和认知水平，立法工作者愈发难以应对日渐复杂的信息处理，因此运用信息技术收集、整理、分析、存储立法资料成为最优选择。借助大数据的采集、储存和分析功能，地方立法机关得以获取多样化的信息来源，广泛搜集并实时记录立法议题所需的数据；同时进行数据筛选工作，选取出具有参考价值的数据资料，并对各种结果进行分析评估后拟定出覆盖面更广、针对性更强的政策法规，提升立法精细化。

人工智能在法律草案编纂、备案方面的作用亦不容小觑。以北大法宝智能协助草案生成系统为例，立法机关只需录入立法议题、标准、要求及调研信息，即可获得一份智能化草案文本，作为立法的参考。[1]天津、河南、河北等多地相继开展北大法宝智能备案审查系统应用，通过对文件备案、审核、归档进行智能化管理，提高备案审核的科学化。

区别于传统评估方式的因循守旧、资料缺失、输出结论公式化，人工智能在立法评估方面采用应用程序编程接口（API）技术搭载计算模型，对同一问题的结果进行控制侧重元素变量式的试验分析，形成对照组可视化结论，为地方立法评估提供广泛覆盖的结果参考。

（二）推进立法民主化

人工智能的开放性与互联性能够精准高效地辅助立法工作者获取民意信息。区别于传统立法实现民主参与主要依靠基层调研、问卷调查、听证会等公众参与范围有限且成本过高，人工智能时代权力结构表现为“去中心化”，通过抖音、微博和微信等多样化的大众媒体进行意识形态的表达。借助预先定义的函数、常量、变量与数据结构等方式迅速调取群体意见并进行筛选清查，配合大数据分析、甄别出理性与非理性的民众意见，并将有效信息通过云储存技术在全国范围内共享，整合为云端立法数据库，有效降低立法调研成本，提高公众参与，为地方立法机关吸纳民间智慧提供便利。

（三）提高立法公正性

当前我国的各层级立法，通常是由某个主管部门编写草案初稿，这也导致了立法不可避免的带有一定程度的部门利益倾向。人工智能则可以避免立法者主观意见对立法过程的影响，基于数据和算法的分析，其结果具有客观性和中立性，有助于减少主观偏见对立法的影响；人工智能系统可以对立法过程进行追踪记录，确保立法决策的透明度。公众和利益相关者也可以了解立法的整个过程，并对其进行监督和评估，以减少立法的不公正因素，提高立法的公正性和透明度。

二、人工智能辅助立法的实践路径

（一）高效整合信息

制订法律法规，离不开查阅国内外立法文件及典型案例。我国现行法律法规、司法解释、指导性案例卷帙浩繁，想从效力层级不一的域内外法律文件中精准查询到可用信息，仅依靠有限的人力以及零散的法律信息数据库的单一检索功能显然远远不够。2016年，全国人大备案审查信息平台开通运行，并根据检索效率与结果准确性标准不断优化升级，以尽快实现各级立法主体信息平台的互联互通。另外，拟建设的国家基础法律信息数据库，对现有法律信息进行整理分类，为立法工作提供可靠数据源。借助人工智能技术，能够按照研究要求自动检索数据库中的法律法规、典型案例以及域外资料等，及时高效地为立法者提供了一整套完整、准确、全面的立法参考资料，切实提高立法效率。

（二）协助法案起草

起草法律草案，要求立法者不仅要把握当下法治环境、政策导向，还要对所调整的客体有深刻的认知，这些知识往往是立法工作者的短板，但却是人工智能的长处所在。借助深度学习技术，人工智能能够自主学习党和国家的政策与法规，深入研究我国现行法律文件，比对域内外法学文献及典型案例，掌握立法相关领域的专业知识，并运用线索发现与逻辑推理技术，为立法工作者提供多种视角的立法草案初稿。在选定立法草案后，立法者还可以借助人工智能多元数据融合与比对技术，对立法内容可能产生的社会影响进行预评估，并据此提出优选方案排序，帮助立法工作者从中选择立法成本最低、社会效益最好、最有利于实现人民群众利益的草案。借助人工智能的辅助，立法工作者得以快速、精准地掌握各领域的政策与法律规则，填补自身知识结构上的不足。以人工智能为助力，将立法工作同人工智能相结合，可以有效缓解地方立法力量薄弱的难题。

（三）完善立法评估

立法评估是基于道德评价、习惯导向、科学尺度做出的评价方法及其实施效果的可行性、必要性、合法性、逻辑性以及成本效益等方面的检验评价，[2]其旨在对立法的内在价值与预期成效进行考察。评估某一法律草案是否符合良法善治的要求，一方面，要基于道德标准判断法案是否体现公平正义等历史传承中积淀下来的习惯价值；另一方面，还要基于时代背景判断法案是否与改革并驾齐驱，是否符合中国特色社会主义的时代价值。因此，立法评估标准既要立足于法案本身的合理性、合法性，又要符合社会发展的客观规律，反映社会现实，体现立法内在的科学性。借助大数据技术，人工智能能够运用数值分析计算公式等统计学以及经济学的原理将法律语言解构为清晰的数据，进而直观具体地反映评价对象，以各种评估要素为基础快速、全面、精准地分析立法草案中各规范要素在实践中的实现程度，从而基于具体数据、典型案例和逻辑分析得出初步评估意见，为立法工作者进一步深入研究提供参考。

三、人工智能辅助立法的风险讨论与困境破解

随着人工智能技术在地方立法中的参与程度日益加深，预示着未来地方立法将逐步实现智能化的生成，但在缺乏相关制度规制的情况下，人工智能辅助地方立法也存在以下潜在风险：

（一）数据主体隐私安全堪忧

信息的收集与检索作为立法的基础，贯穿立法的全过程。人工智能技术超强的信息数据处理能力能够迅速地完成立法信息汇总，既能检索法律、法规的文本信息，又能收集文献与评论等公开信息，还能够获取相关软件后台运行数据及其他保密信息。但无论从何种渠道获得的立法数据都不可避免地包含个人信息乃至隐私，为了谋求立法效率，人工智能辅助立法平台的开发者在信息采集过程中可能会忽略甚至积极回避目的约束，深度挖掘并使用个人信息。例如地方立法草案意见征集时，通常必须对相关意见对象进行数据挖掘分析并绘制出数据画像，最终根据其数据画像的基本属性和行为数据进行对意见的清洗与筛选，看似便利的“构建用户画像”实质上是对个人隐私的过度收集分析。伴随着人工智能对地方立法工作的参与程度加深，个人数据被过度收集的风险会随之升高，从而造成如大数据侵犯隐私权等问题发生的概率大大提升。因此，人工智能辅助立法下个人信息保护问题亟待解决。

依法规制算法，首先要建构算法选用标准制度。综合相关理论，适用于地方立法现实困境，人工智能地方立法程序的选用标准主要有三：安全与否、质量高低、是否独立自主，[3]三者的优先程度为安全保障、程序质量、自主程度依次递减。国务院网信办印发的《关于加强互联网信息服务算法综合治理的指导意见》《互联网信息服务算法推荐管理规定》及《生成式人工智能服务管理办法》为算法安全选用明确了基本标准，《信息安全技术关键信息基础设施安全保障指标体系》为构建人工智能辅助地方立法的安全标准体系提供了指引。

其次要对算法进行问责，因算法不公致使公民利益受到侵害时，鼓励用户通过行使诉权的方式向法院提起诉讼救济自身权利。当下，关于维护数据主体信息安全的讨论甚嚣尘上，沸腾舆论背后体现的是当前实施的算法规制缺乏可落地性与可诉性。为了保护公共利益的紧迫需要，当特定主体的隐私因算法数据收集工作而遭受侵害时，应允许检察院或者其他行政主体代为向人民法院提起公益诉讼。

（二）立法过程主体歧视泛滥

正义作为法的核心价值，应始终如一地贯穿于立法进程中。人工智能协助下的立法平台，其应当不加区别地吸纳社会群体的观点，并对立法有效范围内各群体的权益一视同仁。然而在人工智能应用实践中，以算法为中心的人工智能存在着广泛的偏见与歧视，在实际运用中体现为对某些群体利益的漠视以及对某些群体观点的忽略，主要包含：种族歧视、消费者歧视、竞争对手歧视、性别歧视等。[4]在海量个人信息被大数据收集的当下，歧视作为人类社会的附属产物，被开发者嵌入含有偏见的算法中，导致立法自动化程序下输出的法律草案带有浓厚的歧视色彩。

算法歧视的根源来自算法技术的滥用，就其底层逻辑而言，应采用技术手段进行规制。

首先，自主学习算法的开发目的是通过数据的搜集整理与深度学习达到结果的高效准确输出，以便利使用主体惠及民生。但目前人工智能辅助社会实践中常见的机器学习算法搭载的识别过滤功能极其有限，这就意味着机器从算法源头开始将带有歧视的非理性数据也纳入了工作范围内，工作流程从信息收集的起步阶段开始就掺杂着主体歧视与偏见，在达到预期成果的同时却不能避免历史数据本身带来的缺陷，为之后的评估矫正工作埋下了隐患。为此，应拓宽数据采集渠道与采集维度，扩充数据的可选择范围，纠正数据集中率过高、偏差值较大等问题。

其次，在基础算法之上通过法律维度内在蕴含的合法性和社会价值补足搭建具有反歧视意识的数据挖掘技术。具体而言，地方立法程序经过深度学习，从上位法和相关立法例中取其精华，将法的价值凝练成算法程序底层不可逾越的价值观“红线”，引导人工智能合理地收集、筛选、使用立法数据，从而将法律的价值标准和社会期待嵌入数据算法当中，达成学习和应用上的归化。

（三）算法黑箱难溯源

所谓立法结果，指立法机关通过一定程序所形成的规范性法律文件及制度，是基于社会现实与社会治理需要并结合多方立法意见而产生的规范性文本。在立法实践中，为了确保立法的科学性与合理性，我国地方立法条例规定在立法过程中应当采取条旨与条文说明相统一的办法来明确立法的原因及根据；涉及社会公众切身利益的，要广泛征求意见并表明意见被采纳的事实。而在人工智能助力地方立法的应用中，立法平台可以把各类立法意见、社会现实和立法经验作为立法依据，并进行数据清洗，挖掘和形成结构化立法数据，经过算法运算后得到立法结果。这些立法数据经过了哪些运算过程，对于立法意见如何被归类、被发掘、被吸纳以及为何会被吸纳，人工智能无法做出清晰回答。

因“算法黑箱”，其立法程序是否正当无从得知、结果是否合理无法判断。且从机器语言到自然语言之间存在着“技术鸿沟”，即便披露人工智能协助地方立法的算法模型、要素权重、算法记录乃至源代码等信息，都只是使社会公众了解简要情况，并不能做到事无巨细。人工智能“算法黑箱”与“技术鸿沟”导致人工智能助力地方立法不能解释立法条文是否合理，立法结果是否合理亦难免不可考。

为了抑制“算法黑箱”，首先应赋予数据主体算法解释权。算法平台依靠强大的信息获取渠道作为数据主体信息安全中的强势一方，与用户地位存在难以逾越的数字鸿沟，成为算法歧视源源不断的动力。[5]当数据主体对涉及自身利益关切、不符合自身预期的算法决策存在异议时，有权要求对算法的工作原理进行解释说明；除令利益主体知悉真相外，民众权力的救济与保障也至关重要。

时下对算法解释权做出规定的《中华人民共和国个人信息保护法》，因其对权利义务的内容规定不甚清晰，相关条款下基础性内容的缺乏导致实践上的难以落地。要对数据主体算法解释权做出保护，需要明确权利主体为与算法输出结果存在利益关系的自然人；义务主体为与算法程序开发利用直接相关的工作者；权利内容为要求对涉及权利主体数据画像的算法运行原理进行公开及时的解释。尽管这一权利在形式和内容上都体现了对数据主体的倾斜保护，却并非是毫无限制，为了避免算法解释权的滥用侵害国家、社会和他人利益，应针对算法解释权制定相应的限制标准，对于涉密的核心算法、代码部分等不予公开。

四、结语

随着科技创新迭代周期的持续缩短，人工智能产业的创新实践在为立法工作注入持续动力，同时也不可避免的带来了各类风险。当前，人工智能辅助立法不断迈入新阶段，因此急需构建一套完整的算法选用标准制度、采用技术手段为算法嵌入法的价值判断及赋予数据主体救济自身利益的权利。如此，方能从数字时代寻求立法工作改革创新的突破口，将法的价值、数据内容、时代观念三位一体归化至算法输出结果的立法草案中，真正实现数字时代的智能化立法。

参考文献：

[1]徐亚文，陈路易.论人工智能辅助地方立法的法律风险及其规制[J].大连海事大学学报（社会科学版），2022，21（4）：41-50.

[2]王柏荣.论立法评估标准的功能、内容与定位[J].太原大学学报，2015，16（4）：42-45.

[3]姜素红，张可.人工智能辅助地方立法的应用与规制[J].湖南大学学报（社会科学版），2019，33（4）：139-146.

[4]赵精武.生成式人工智能应用风险治理的理论误区与路径转向[J].荆楚法学，2023（3）：47-58.

[5]谢永江，杨永兴.人工智能时代下的算法歧视及其治理研究[J].北京邮电大学学报（社会科学版），2022，24（5）：18-25.

基金项目：2023年吉林省高教科研重点课题，项目名称：全面依法治国背景下大学生法治思维的养成路径研究（项目编号：JGJY2023C78）

作者简介：

宋书强（1992.12-），男，汉族，山东青岛人，博士，大学讲师，研究方向：法学理论；

王柯文（2002.7-），女，汉族，河南平顶山人，本科在读，研究方向：人工智能辅助立法。