法学青年的答卷不能交给AI | 8位顶尖学者深度拆解

判断力、共情力

从0到1的创造力

这才是法律人的真正底牌

五四薪火相传，法治初心不改。当人工智能深度融入法学研习，技术浪潮既带来前所未有的便利，也对青年法律人提出全新考验。AI 高效赋能文献检索、案例梳理与文书撰写，将学子从重复劳动中解放，推动法学学习向知识应用与问题解决转型。

但技术无法替代价值判断、责任担当、共情说服与从0到1的原创能力。法律的生命在于经验与正义，唯有人类能在利益纠葛中坚守良知、权衡价值、承担责任。

本次我们邀请深耕人工智能与法学领域的8位北大法律信息网签约作者，围绕 AI 时代法学研习的变与不变、能力重塑、教育革新与职业成长等核心议题分享灼见，为法学青年厘清方向、指明路径，共同探讨技术向善与法治信仰的时代融合

01

在不确定性中守住法学的人本根基

张凌寒

中国政法大学数据法治研究院教授、博士生导师

每逢五四，我们都会谈论青年与未来。今年的语境格外不同。人工智能正在深刻改变各行业的工作方式与人才需求，智能体已经开始模拟人的思维、规划和执行任务。对法律人而言，这场变化并不只是检索更快、写作更顺、案例整理更方便，而是正在改变法学生形成判断的路径。

过去，法学学习是一个缓慢的过程。我们要在法条、判例、学说和现实之间反复往返，在利益冲突和价值张力中学会取舍。这个过程未必轻松，却正是法律人判断力生成的地方。人工智能把获得答案的成本压得很低，这是效率的进步，但也带来新的隐忧：当答案唾手可得，问题本身是否还会被认真追问？当论证可以迅速生成，形成观点之前的艰难思考是否会被省略？

所以，人工智能时代的法学学习，首先要重新重视问题。单纯掌握知识和技能已经不够，真正稀缺的是发现真问题的能力。青年法学生不能只满足于把既有知识整理得更快、更漂亮，而要主动走进现实，在复杂的社会关系、产业变化和制度缝隙中发现值得研究的问题。法学的生命力，恰恰来自对真实世界的回应。

其次，要守住独立思考的过程。比形成一个观点更重要的，是经历形成观点的过程。法律判断从来不是简单求解，它包含事实识别、规则解释、利益衡量和价值选择。如果我们过早把拆解逻辑、组织论证、作出判断的任务交给人工智能，自己的核心能力就会在不知不觉中退化。年轻法律人要有意识地保留那些想不通、写不下去、逻辑打结的时刻。正是在这些困难时刻，判断力才会被真正训练出来。

最后，要理解法律人的真正价值。人工智能可以提供高质量的资料、框架和候选论证，却不能替人承担选择的责任。法律世界充满模糊、矛盾和灰色地带，很多问题没有唯一正确答案。法律人的职责不是机械地给出结论，而是在具体情境中理解人、理解社会、理解制度目的，并为自己的判断负责。能够在不确定中作出审慎判断，能够在利益冲突中守住人的尊严，才是法律人的根本能力。

五四精神并不是停留在口号里的激情，而是面对新世界时不退缩的勇气。百年前的青年回应的是国家与文明的时代之问，今天的青年法律人面对的是技术深度嵌入社会之后的新问题：当效率被推到极致，谁来守护具体的人？当规则被算法重塑，谁来承担价值判断？当答案越来越容易生成，谁还愿意认真思考？

愿青年法律人在这个被速度和算力塑造的时代里，依然敢于慢，敢于笨，敢于为一个问题真诚地困惑。不要把人生过早交给技术红利，也不要把思想轻易外包给机器。去读真实的案件，去理解具体的人，去在自己热爱的领域做长期积累。人工智能不是法学的终点，它只是把法律中最需要人的部分更加清楚地推到我们面前。法学的未来，终究属于那些仍愿意认真思考、认真生活、认真对待每一个具体之人的青年法律人。

02

关于法学学子与人工智能互动关系的若干思考

吴沈括

北京师范大学法学院博士生导师、中国互联网协会研究中心副主任

AI 到底改变了法学学习的什么？

随着AI的普及应用，它已成为当下法学青年学子在学习过程中高频运用的重要工具，也在潜移默化中不断重塑着大家的学习思维和科研范式。从文献检索、案例整理到法律文书草拟、研究框架梳理，AI都能帮助学子快速完成基础性工作，大幅压缩了重复性事务的时间成本，让大家能够将更多精力投入到深度法理思考与复杂问题创新研究当中。与此同时，AI也推动法学学习从传统的知识记忆型向问题解决型转型，倒逼学子跳出“堆砌法条与学说”的固化路径，学会借助工具整合多元信息，围绕真实社会场景提出兼具合法性与合理性的应对方案。但我们也要看到，这种变革也带来了新的学习挑战：过度依赖AI的自动化输出，可能弱化学子独立逻辑推演与规范解释的基础能力，也对学术规范与研究诚信提出了新的考验，需要学界在教学实践中不断探索适配AI时代的法学人才培养路径。

哪些能力是 AI 永远替代不了的？

结合法学的学科特点，我们有理由认为法律规范解释中的价值判断能力、权衡不确定性中的风险决策能力以及人际互动中的共情与说服能力是作为人类的我们所具有重大特殊能力。法学扎根于社会生活，每一个具体案件背后都牵扯着不同主体的利益纠葛，承载着复杂的社会价值取向，法律条文的适用从来不是冰冷的机械套用，需要解释者结合具体场景平衡不同诉求、作出贴合公平正义理念的价值判断。而面对疑难复杂的法律争议，很多时候并没有非黑即白的标准答案，需要决策者在信息不完备的情况下平衡多方利益、兼顾法律效果与社会效果作出选择，这种决策背后的责任担当与价值权衡，是依托训练数据生成结果的AI无法完全替代的。此外，无论是法庭上的陈述辩论，还是调解过程中的情理沟通，都需要感知当事人的情绪波动，贴合对方的认知逻辑传递观点，这种植根于人类共通情感体验的共情与说服，同样是AI难以复刻的核心能力，也是法学人才始终需要着力打磨的核心素养。

法学青年学子的成长建议有哪些？

在借助AI的学习和科研过程中，法学青年学子需要审慎认知和准确判断AI的价值及其局限性，在探索“AI+法学”的过程中，牢记“法学+AI”的本体使命，注重融合AI强化法学的价值愿景，用好AI持续优化法治的实现路径。要始终锚定法学“以人为本”的核心立场，不被技术工具带偏方向，把回应社会需求、实现公平正义作为学习研究的出发点和落脚点。一方面可以主动拥抱AI技术带来的便利，借助AI处理信息整理、条文检索、文书初稿撰写等重复性工作，把更多时间精力投入到价值权衡、说理论证、共情沟通这些核心能力的打磨上；另一方面也要始终保持独立思考，对AI生成的结论保持甄别意识，不盲目采信AI的输出结果，始终以法律原则、法治精神为标尺检验判断内容的合理性，在人与AI的良性互动中成长为适应新时代需求的复合型法治人才。

03

法学生面对AI时代法学知识的重构与认知升级

王琦

北京航空航天大学法学院副教授，民法研究中心主任

人工智能正深度嵌入法学教育。面对这场变革，法学生难免焦虑，但更应静下心来思考：AI到底改变了法学学习的什么？人类哪些能力是AI永远替代不了的？想清楚这些，才能更好地找准自身定位，从容应对挑战。

AI对法学学习最直观的帮助，是提升了知识获取的效率。过去，法学生要在浩如烟海的法规汇编中翻找对应法条，在海量裁判文书中梳理类案规则，甚至花费大量时间翻译域外法律文献，这些工作耗时费力，还容易遗漏。而现在，借助北大法宝等配备了AI工具的数据库，这些工作几十秒内就能完成，为法学生打开了更广阔的知识视野，让大家能把精力从检索中解放出来。其次，AI也扩展了法学学科的边界。随着数字化的发展，一系列基于新科技的社会争议现象扑面而来，比如通过远程控制网联物主张权利、用个人信息作为对待给付换取服务、数字复活逝者、深度合成知名人物的肖像或声音。这些问题打破了既有的学科壁垒，法律人不能再满足于祖传的“一亩三分地”，而是需要积极了解计算机、自动化、网络安全等学科的发展。这些前人未曾处理过的难题，为当代法学生提供了广阔的发挥空间。

但AI功能的强大，并不意味着法律人的价值会被AI削弱，原因在于，人类有众多AI难以复制的能力。

首先：从无到有的跃迁力

AI的所有输出都建立在已有的法律语料（如裁判文书、教科书或论文）之上，只能在现有知识框架内推演，难以实现真正的突破和创新。社会在发展，新的问题不断涌现：社会结构变迁时，需要建构新的规则体系；技术革新时，需要界定新的权利边界；制度有空缺时，需要填补规则空白。这种深入未知世界探索的能力，是人类所独有。

其次：对人类复杂利益的平衡力

真正有价值的法学研究，始于一个好问题的提出。好问题不会凭空出现，它来自研究者对法治实践的深入观察、对社会发展趋势的深入思考，以及在文献阅读中捕捉到的灵感火花，但更重要的，是对人类在种族、群体、个体层面高度复杂且相互冲突需求的把握。比如新涌现的数字复活现象，首要问题是哪些人复活特定逝者的诉求是正当的？又如当下网络账户的继承成为社会焦点，同样涉及继承人、被继承人、网络服务提供者以及被继承人通信对象之间的利益冲突。这种从实践中捕捉问题，在众说纷纭的喧嚣中平衡利益、促成共识的能力，AI无法复制。

再次：从无序中构建体系的能力

AI当然也能从事体系构建，但限于已经初步加工、梳理过的知识。然而真实的世界从来都不是规整的，而是粗糙的，充满了各种各样的噪音与扰动。在真假混杂的陈述中揭示事实，在繁多的头绪中理清法律适用的线索，在规则空缺处权衡判断，将相距遥远的法律领域甚至不同学科的概念建立关联，唯有人类才能做到。也就是说，AI的体系建构能力体现在从1到100的范围内，而从0到1这一关键步骤的体系构造，则专属于人类。

因此，在AI全面应用的时代，法律人应当更加清楚地认识到自身的长处。当机械性与可重复性的劳动被AI分担，取而代之的，是对真实问题的直觉能力、深度思考能力、利益平衡能力，以及在纷繁无序中构建秩序与美感的能力，这些正日益成为法律人的核心竞争力，也使其成为AI时代最稀缺的资源。

04

AI时代法学研习的变与不变

王沛然

复旦大学法学院博士研究生、复旦大学智慧法治实验室研究人员

青年法学生正在拥有真正意义上的“外脑”——独立于自身生物神经网络之外的硅基神经网络系统。基于大模型的人工智能系统可以整理、归纳、总结、阐释、推理、表达法学知识。例如，借助检索增强生成等技术，给定经筛选的可靠知识文件，可以在短时间内完成以往需要数日翻阅的文献工作；复杂的立法沿革、相互竞争的学说观点、散落各处的司法解释，均可按需分析呈现，助力于特定法律问题的快速求解。可以说，在知识应用的规模与速度上，人工智能正在放大每一位法学生的能力上限。这是前人从未享有的馈赠。

但馈赠中隐藏着一个陷阱，专门针对初学者。

神经网络是可塑的。无论是大模型还是人脑，神经网络的复杂度在很大程度上是由训练素材的质量、规模、多样性等因素决定的。法学学习的过程其实就是用法学知识素材去反向改变人脑神经网络构造的过程。精读一篇艰深的学说，反复推敲一个概念，在案例分析中辨识规范与事实之间的关系——只有通过极度专注的状态，以及学习后的睡眠沉淀中，法学知识才能真正内化为人脑神经元之间特定的连接模式。大脑的复杂度由此提高，在新情境中迁移运用知识作出决策的能力也由此增强。这个训练过程无法“外包”。

法学研习者若过早、过度依赖外脑，这个关键过程就会被悄悄跳过。让大模型替自己读论文、分析案例、提炼观点——交付的成果看上去完整，但自己的大脑里没有发生深度变化。如果法学知识未能介入并改造这位学习者的神经网络，那么其大脑神经网络复杂度并未提升，后果是鉴别力、审美力、价值权衡能力的空洞化：无法感知某段论证的严谨与松散，无法判断某种学说是否站得住脚，也无力在铺天盖地的信息中鉴别真伪。在庞大的法学知识网络中，法学生本应成长为应用、传播乃至生产“稳固可靠法律知识”的坚实节点。但如果放弃了对“内脑”的塑造，专业判断力尚未成形的初学者很容易沦为被动接受、使用和扩散“幻觉”的脆弱节点。

人工智能“外脑”还有一个永久的盲区，这与算力和规模参数无关。法律推理是渗透着价值判断的规范性实践。当面对相互冲突的法律原则，当需要填充和解释各类开放性概念，法律人动用的不只是信息处理能力，更是来自共同体生活经验的实践智慧——一种只能在真实的社会关系中、在切身情感与责任压力之下生长出来的伦理判断力。大模型没有生活过，它只见过关于生活的文字；它可以复现价值判断的语言外形，却无法触及其实质。更重要的是，法律判断必须附着于具体的人格，必须有人为之承担责任。在此意义上，人工智能可以成为法律人最好的搭档，却永远当不了法律人本身。

可以说，人工智能时代，法学研习变的是求知的工具与触达知识的速度，是每位学习者所能调动的认知资源的量级；不变的是那个必须由青年人自己完成的艰辛的神经重塑过程，以及由此生长出来的稀缺而不可替代的判断力。

05

AI时代，还能怎么做学问？

彭錞

北京大学法学院长聘副教授

最近几年，我明显感到职业上的倦怠与危机。倦怠源于工作十余年之后，自己对以往研究路径的厌倦，不愿再“旧调重弹”，用熟悉的分析框架去“以不变应万变”地回应自以为理解的新问题，最终陷入某种形式上的创新、实质上的自我重复。而所谓危机，则更多源自人工智能的冲击——在一个机器可以“阅读”和“码字”的时代，我们究竟还能怎么做学问？

法学的本门功夫在法教义学，即那种供广义的律师（包括执法、司法工作者）解决个案纠纷的规范解释的本领。很大程度上，think like a lawyer，就是梳理规范、判例与学说，并在此基础上适法说理。这种能力需要高度个人化的长期训练，“慢工出细活”，很难工业化、流程化。但在 AI出现之后，尤其是大语言模型加持下的法律逻辑化表达之后，海量的简单案件都可以由机器代工完成，规范检索、要件比对、格式化论证，甚至初步法律建议，能在眨眼间实现。当然，这并不是说人工的法教义学会被彻底取代，但确实意味着它的一部分传统手艺即将或正在被机器替代。对法教义学的研究者而言，真正需要投入精力的，不再是那些可以标准化处理的easy cases，而是那些充满不确定性与价值冲突的 hard cases，这些案件涉及规范之间如何协调、例外何时成立、原则如何具体化、利益如何权衡。可即便在这些问题上，AI 也正在迅速逼近，甚至在不少情况下可以提出相当精彩的分析框架和路径（有兴趣者可以尝试自建法庭辩论智能体）。在此背景下，相较于AI，在个案适法、论证说理这件法教义学作业上，人类似乎只多出/剩下责任和权威，但这更多属于法律执业者（如法官、检察官、律师），他们必须对具体决定负责，也拥有制度（至今仍）赋予的权威。学者连这点附加值都没有，因为不需要签署判决，不承担直接后果，也不拥有制度先定的权威。那么，AI时代，法学学者的附加值在哪里？

对此，我没有成型的答案，只有挣扎和探索，因为我越来越强烈地感到：没有“功劳”、只有“苦劳”的研究，对学者个人和学术共同体而言，将迅速、极度贬值。比如，经年累月地细致梳理两位数、三位数的案例，形成一套相对完整的资料和分析；比如，苦练外语，精通一外，甚至掌握二外，然后译介回国内一些当下仍具有点知识权威的外国法信息；甚至再比如，学一点统计方法，跑一些回归。这些能力确实需要长期投入，也曾经构成一种专业门槛；能把这些事情做好，本身就证明一个学者的勤勉与积累。但在今天，这些“苦劳”的门槛正在飞速降低！案例检索与整理可以由机器通过正则匹配或语义理解完成，跨语言阅读可以借助高质量机翻实现，许多原本需要跨学科专业知识才能操作的方法，也日益被封装成可直接调用的packages或skills。那种“没有功劳也有苦劳”的自我安慰甚至麻痹，越来越难以成立。千万别误会，AI时代，下苦功仍然必不可少，切勿奢望智能代替人工。只不过在新的知识生产条件下，研究者必须放弃自我陶醉甚至自欺欺人，诚实、清醒地面对时代和自我，找到真正值得下苦工的地方，扎下来、沉进去。

从前，搜集、整理大量资料本身就是一项艰苦的工作，需要“上穷碧落下黄泉”地查找、分类和摘录；如今，资料的获取与整理变得越来越容易。但整理资料越轻松，就越需要耐心地细读那些真正重要的书，反复推敲和玩味其中的概念、论证和前提，而不能满足于扔进机器后收获信息，一如满足于切片电影。

同样，机器翻译越来越准确，也不意味着外语学习可以放弃，只是学习外语的意义发生了转变。当缺乏可靠、廉价的翻译工具时，多掌握一门外语就能占得先机，窥得另一种法律文化之堂奥；而在今天，即便语言不通，语言转换本身已经不再是天堑，真正困难的是理解异乡语言背后的制度经验和思想传统。机器可以帮助我们跨越语言的门槛，但无法替代人对语境的体会，也无法取代读者对微言大义的敏感。

而随着统计分析、文本挖掘、机器学习等方法的使用门槛不断降低，许多过去只有跨专业背景的人才能完成的工作，如今已“飞入寻常百姓家”。但方法越是易得，就越需要理解方法本身的逻辑与局限。数据处理越来越便捷，就越需要认真打磨方法，理解数据从何而来、变量如何构造、什么是有意义的发现而非“屎上雕花”。

最后，纸面材料和信息越来越丰富，反而越需要走出文本，与真实的人和真实的制度发生联结。法律并不是抽象的规则和逻辑，只有通过访谈、观察、实践，才能真正体会法律如何被接受、抵抗、扭曲或稀释。在可预见的将来，AI会越来越有“活人感”，也会有越来越多的“硅基人”问卷调查。但碳基生物的所思所欲、真情实感，将成为格外稀缺、可贵的学术材料。

所以，我们还远没到躺平的时候，AI的步步紧逼，也容不得我们缴械投降。思来想去，有三点建议。

第一，学编程。AI浪潮下，先下水游起来。以往，学习编程通常意味着从print("hello, world!") 开始，先掌握语法、理解功能，再逐步尝试写一些小程序。这种路径基础扎实，但也容易让初学者在长时间不知目的的摸索中失去兴趣（本人亲身验证）。今天，vibe coding空前强大，不妨找到一个产品（例如cursor），无须按部就班学，而是可以直接进入你关心的具体项目，在真实需求中边做边学、边错边改，体会人机协同的快乐和局限。对法学学生来说，学编程并不是要成为专业码农（尽管这种可能性是开放的），而是意味着习得一种全新的工作方式。例如，你可以用几行代码整理万份裁判文书，用一个简单脚本OCR和整理一个领域的文献，用一个小系统自动分类海量法条，你将体会到从前人力不可为的任务，眼下已然唾手可得。我坚信，这个时代，编程是所有脑力劳动者的必备工具，一如昨日的windows、excel、word、powerpoint。

第二，学外语。掌握一门外语，甚至再学第二、第三外语，曾经足以构成“护城河”，甚至滋养着“留学国别主义”。但随着机翻水准的快速提升，语言本身不再是可靠的专业门槛。我的判断是，二外时代正在过去，多语言时代正在到来。三外、四外，并不是欧美学者的先天优势或专利，相较于中文母语者学习欧陆语言，欧美学者学习中文的难度恐怕只会更大。更重要的是，机器翻译并不能终结外语学习。翻译工具确实能迅速、准确把外语学术文本转换成母语，但这种转换（目前仍）停留在字面。法律概念在传播、流转过程中同词异义、异词同义的现象比比皆是，一段字面准确的译文，如果忽略了语境，仍然可能导致误读。因此，机翻仍然需要人来验证、修正和解释。语言能力的积累和提升，仍是学者绕不开的修为。在AI支持下，外语学习已经变得越来越简便、好玩（推荐“多邻国”），练起来吧！

第三，学方法。传统法学训练习惯把法教义学视为最核心、甚至唯一正统的方法，而把其他方法视为辅助工具或“旁门左道”。但在今天，这种单一方法的路径越来越难以回答复杂的现实问题。在法教义学视野下，hard cases之所以难以达成共识，常常不是因为逻辑不够严密，而是源于不同价值、直觉、经验之间的冲突。研习法教义学日久的人，也许都会困倦于“甲说乙说折中说”，都会对“公说公有理，婆说婆有理”的局面感到无解甚至无聊。是时候打破单一方法的霸权和桎梏了，掌握多元方法的意义不在于证明某一种“更对”，不同方法本来就服务于不同问题，使用不同材料，也打动不同心灵，多元方法之间并非竞争和排他，而是让人有能力从多个角度观察法律世界，进而把问题看得更清楚。抓住 AI 的东风，进入其他学科、调用多元方法，在多棱镜中体会乐趣、发掘真知！

以上，共勉。

06

敬畏过程：人工智能时代法学教育的拾级而“下”

尚博文

对外经济贸易大学法学院、涉外法治研究院助理教授

又是一年五四青年节，作为走上对外经济贸易大学讲台不久的法学青年教师，我还保留着一丝视角的“新鲜感”，得以同时代入学生和教师的双重处境，去观察人工智能给法学带来的冲击。

回视大模型广泛应用之前的法学教育与学习模式，无论老师、学生，或是任何寻求答案的人，我们其实都有意无意地追求“确定性的结果”。仅此而已。经济法这次期中作业的标准答案是什么？这封邮件标准的英文翻译是什么？这篇没有思路的论文该怎么写下去？

过去为了得到这个确定的结果，需要付出极大的努力。尤记得张翔老师在《法学论文写作：操作与积累》中对排比材料工作的“獭祭”比喻，需要在图书馆里翻阅大量书籍，在繁杂法条和晦涩文献中寻找蛛丝马迹，排列整理学习和研究材料。但今天，大语言模型轻易地打破了这种常态。只要输入几句恰当的提示词，AI在几秒钟内就能为你提供这样的“确定性”，或是在其他更加高阶的任务模式下用几分钟提供内容更丰富的“确定性”。

当获取确定性的成本无限趋近于零时，我们的确需要开始直面教育模式的变化。和许可老师的交谈给了我启发：我想，可以把法学的知识体系想象成一座宏伟的高塔——传统的法学教育是一场从塔底向上攀登的苦旅。我们从法理学、民法这些最基础的砖石学起，一层一层向上构建。过程漫长，有时甚至只见树木不见森林，但每往上走一步都在脑海中夯实了基础知识和法律逻辑。直到两周、三个月甚至多年后登顶，才能对高塔全貌有了综合认知。

而现在，AI技术改变了认识这座高塔的方式。大模型赋予了师生双方一种能力，让我们能够一览众山小，“空降”到塔尖：先通过AI看到了高塔的全貌，直接拿到了那个位于塔尖的确定性。

既然这种确定性已经唾手可得，法学老师、学生甚至法学教育的价值还有多大？我的看法并不悲观，颠覆性的技术浪潮恰恰给法学教育带来了新机遇。结合个人的教学体会，我想表达的是要“敬畏过程”。

首先，法学学习的核心能力已经转变为学会如何拾级而“下”。

AI已经把我们送到了塔尖，行之有效的学习就不再是盲目攀登，而是克服轻易获取答案的惰性，从那个现成的确定性出发，拾级而“下”。这就要求师生在教学和学习中都需要一步步回溯：大模型是依据什么法理基础得出这个结论的，有哪些回答我需要进一步验证和核实？敲击将我们送至塔顶的每一级台阶，去验证它的坚固程度。

其次，法学教育的核心环节是引导学生敬畏过程。

相比严格限制AI的使用（不可能做到），教育的规律告诉我们要因势利导。这学期我在承担《人工智能+》这门强调应用的研究生课堂上做出了不成熟的探索：我要求研究生同学在做课堂展示时，必须强制使用AI工具来完成，同时事先明确规定好他们在展示中所处的五个不同职责。承担每项职责的同学都可以展示如何和AI进行交互的，尤其是设置了“核查位”，避免直接使用AI生成的虚假内容，教师对学生提示的方式以及所研究问题进行程序和实体的同时评价。这个尝试的初衷，既为了展示减负和避免经常会出现的“搭便车”问题，但更重要的是教大家如何“用AI来研究AI”，希望学生把精力从堆砌材料转移到对AI生成内容的批判、修正和价值引导上。

最后，追求确定性是我们每个人的天性。

尤其对于还在校园里的青年法学生而言，在繁重课业和未来职业焦虑面前，渴望轻易获得确定性是无可厚非的。但请务必清醒，对AI给出的确定性进行识别、拆解、质疑乃至推翻，是我们当下在校园里真正应当追求的共同目标，在此之上所形成的识别判断能力，将是未来自身发展的核心竞争力。尤其是，能为这份确定性附加良知、温度并承担最终后果的，只有我们自身。

07

在AI时代，我们应该如何学习法律？

刘岩

山东财经大学法学院讲师

不管愿意不愿意、承认不承认，AI时代已经来临，并且正在全方位地深刻影响我们生活的方方面面，对法律的学习也不例外。那么，在AI时代，我们应该如何学习法律？

我们要明白的是：知识有“存量”和“增量”的区分。在“存量”方面，早在AI技术出现之前，人类就早已失去优势。如果将人类的法律知识用word的方式记录，一个常规容量的电子存储介质所记录的法律知识，就是一个普通人一辈子也无法企及的。AI所依托大数据更是让人望尘莫及，因此，在死记硬背方面，人类早已远远落后，永远竞争不过AI。所以，在AI时代学习法律的突破点只能是在创造“增量”方面。

不过，悖论的是，要想创造新的“增量”又必须以足够多的“存量”为基础。这个基础不是为了记住更多的知识，而是为了熟悉整个学科的知识框架，理解各个层级问题之间的关系，明白哪些问题是有疑问的，然后通过解开这些疑问创造新的知识。这就给广大应试教育优胜者提出了全新的挑战：我们必须将自己的注意力放在如何提问而非如何回答上。即便我们从事的不是创造知识的研究工作，一个AI时代合格或者说优秀的法律应用者，必须是一个优秀的提问者。从“对答案的记忆”到“提出具有真正有意义的问题”，不是一个单向的线性过程，而是一个不断往复的诠释学循环，需要下笨功夫、苦功夫。因此，在AI时代学习法律，反而比过去对基本功的要求更为苛刻。这些基本功不止包括法学的基础知识，还包括其他相关人文学科的知识以及语言表达。

此外，法律不是或者说不止是实现某种特定目标的工具，而是具有自身的价值。这些价值包括但不限于尊重每一个人的个人尊严、保证每一个人的自由、维护每一个人尤其弱者的利益、保障群体向善，最终实现正义。AI比人类更精于计算，但这些价值又是无法被精确量化的，当然，人类在做价值衡量与判断时，又不得不对这些价值予以大体的估算，这种“不可计算的可计算性”，至少目前为止恰恰是算法以及使用算法的AI无力解决的，而只能依赖人类的良知。法律之学的根本，正是隐含其中。AI时代的法律学习、实践与研究，不是冷冰冰的数字游戏，反而需要人们强化自身的道德修养。

总之，AI向人类提出的根本挑战，不是技术层面的，而是意义层面的。每一次科技的革命，都会凸显出这个挑战：人，究竟应该如何做人？在AI时代如何学习法律，是这个根本问题之下的分问题之一。如果人类不想被异化为科技的奴隶，还想做自己的主人，那就必须给出自己的回答，法律人，亦是如此。

08

与AI同行的法律人职业能力培养

顾男飞

上海交通大学凯原法学院博士研究生

技术革命真正淘汰的，往往不是劳动者本身，而是那些能被流程化和标准化的工作。第一次工业革命严重冲击手工纺织业，但也催生出能制造维修纺纱机的工程师；第二次工业革命逐步取代传统马车制造业，但又培育相应的汽车工程师和电气工程师；第三次工业革命取代了打字员和电话接线员，但也孕育出了软件工程师等岗位。科技革命在颠覆旧有生产秩序的同时，也将创造出更专业和高薪的新职业以适配生产力发展。那么在AI时代，法律人如何与技术变革同行呢？

当前法学教育重点考察的背诵记忆、法律检索以及文书写作等能力，恰恰是人工智能的强项，这也使部分基础性法律工作更易被取代。尽管教育部《法学类教学质量国家标准（2021年版）》规定：“法学类专业课程总体上包括理论教学课程和实践教学课程。”中共中央办公厅、国务院办公厅印发的《关于加强新时代法学教育和法学理论研究的意见》也要求：“强化法学实践教学，深化协同育人”。但本科受限于较多的专业课安排，实习工作往往被塞入第二学年暑假至第三学年寒假。再加上实习时间较为碎片化且短暂，法学生接触的实务工作也较为单一，致使其无法对法律实务有明确认知，也难以精准把握这些机构最新岗位能力要求。同时，尽管当前越来越多高校聘请法律实务人员进行授课，或者开设实务讲坛和校友论坛，但覆盖范围有限，也难以全面回应技术发展的最新要求。

传统法律实务正陷入行业“内卷”，其中，以律师行业低价竞争为典型。若要破局，仅凭“人工智能无法担责”的调侃是不够的，而应当结合用人单位的新要求和涌现的新型法律工作，构建自己的职业能力壁垒。一方面，传统法律实务越发强调复合业务能力和全链条问题解决能力，不仅要懂法律，也要懂公司具体业务，并且能够提供全流程解决方案，而非完成上级交办的重复性单一工作。以Apple中国招聘高级法律人才岗位要求为例，不仅要对中国数据法律有丰富经验，也熟悉亚太其他地区的数据法律；有顶级律所隐私工作经验，并要有与监管机构沟通的经验；在合同审查、合规和审计框架完善等领域具有经验；能独立与公司各级人员开展协作，并愿意学习。另一方面，人工智能公司在招聘法律岗位时也更偏好懂技术和懂法律的复合人才，而人工智能数据标注员、法律助理研究员以及伦理研究员等新型法律岗位对法律人提出了更高的技能要求。以OpenAI所招聘的法律相关岗位为例，需要处理与人工智能技术相关的知识产权、隐私以及监管等法律事务；与研究人员和工程师合作共同规划、开发以及调整最新模型；以及建立可扩展的灵活解决方案流程等。当然，更高要求也意味着更丰厚报酬，其岗位待遇为每年“24.8–27.5万美元（约169-287万人民币）+股权激励”。

1779年织布工卢德砸坏两台织布机并不能阻碍第一次工业革命，当前人工智能革命也不以人的意志为转移。与其被技术替代，不如主动适应。在人工智能时代，法律人应当更及时了解劳动力市场需求，针对性培养自己的职业能力壁垒。其一，培养“提问”能力，而非局限于考试“解答”能力。人工智能无法准确辨析和归纳法律事实，也难以主动提出关键的法律问题，特别是在事实和规则尚不清晰的事务工作中，更要求法律人能总结归纳和提出核心问题，而非停留于对既有规则的机械套用。其二，培养跨学科的复合问题解决能力。当进入工作后，大部分法律人无法再通过辅修或者修读二学位来填补技术知识，但是在人工智能时代，需要培养终身学习能力。只要掌握算法逻辑、产品架构以及业务流程等基础知识，便能实现与工程师的有效沟通，由此构建起求职时不可替代的核心竞争力。其三，从“螺丝钉”走向“系统设计师”。法律人不应当局限于单一工作的重复场景，而是要接触各阶段、跨部门的法律实务工作，除本职工作以外，也要关注人工智能监管动向，了解最新的治理要求，由此为企业后续产品投放和运营提供全流程法律服务。当然，法律人的“基本功”不能被落下。

法律虽然是技术治理的底线，但法律人不能等到出现不可逆后果时才介入，而要事前介入，提前培养自己的复合职业能力。唯有如此，法律人方能在人工智能时代真正参与新业态塑造和寻求高质量发展机会，而非被动适应技术变革。

点击进入下方小程序

获取专属解决方案~

责任编辑 | 金梦洋

审核人员 | 张文硕

本文声明 | 本文章仅限学习交流使用，如遇侵权，我们会及时删除。本文章不代表北大法律信息网（北大法宝）和北京北大英华科技有限公司的法律意见或对相关法规/案件/事件等的解读。