法律人工智能概率推理的困境与破解 |
| |
引用本文: | 杜文静.法律人工智能概率推理的困境与破解[J].学术研究,2022(4):29-34. |
| |
作者姓名: | 杜文静 |
| |
作者单位: | 华东政法大学文伯书院 |
| |
基金项目: | 国家社会科学基金一般项目“刑事证据推理的逻辑模型研究”(19BZX138)的阶段性成果; |
| |
摘 要: | 概率方法是一种允许在不确定情况下进行证据推理的数学模型,具有计算可靠性和完备性的形式化基础。然而,概率推理在建模过程中存在两大困境,即概率数值从何而来以及如何解决证据聚合难题。贝叶斯概率和富兰克林原则为数值难题提供了破解之道。贝叶斯概率充分融合客观概率和主观概率,为它们提供统一框架,解决概率数值的评估分歧。富兰克林的一般性原则确保适当参考类的理性选择,解决数值难题的客观概率赋值。基于概率理论的贝叶斯公式具备一致性和规范性,借助严格的形式化概率推论可以消解证据聚合难题。通过对两大困境的回应和破解,表明概率方法是计算不确定性推理的可靠工具,为面向法律人工智能的证据推理模型提供了理论支持。
|
关 键 词: | 法律人工智能 概率推理 概率解释 参考类 证据聚合 |
|