这些连锁改变，既包括显性的（例如师资队伍教育背景的结构性变化），也包括隐性的（例如以教义学为尊的观念成为整个法学社群根深蒂固的学术意识形态）。

[38]参见洪家殷：《行政秩序罚论》，五南图书出版公司1998年版，第17-18页。第一，罪刑法定原则是法律保留原则在刑法领域的延伸。

因此，除非特别处罚规范明确将危害结果作为构成要件，应受行政处罚行为原则上是行为犯。客观归责认为只要存在违反行政法上义务的行为即可处罚，无需考虑行为人主观上是否有过错。而其背后的深层次原因同样也被归结为法治国原则和惩罚原理的同一性。张明楷：《犯罪构成理论的课题》，载《环球法律评论》2003年第3期，第263-264页。（二）违法性：基于法秩序统一原理的援引及个别化权衡 犯罪论体系中的违法性阶层已通过《刑法》第20条和第21条等予以法定化。

[36]参见李孝猛：《主观过错与行政处罚归责原则：学说与实践》，载《华东政法大学学报》2007年第6期，第31-32页。[26]参见熊樟林：《行政违法真的不需要危害结果吗？》，载《行政法学研究》2017年第3期，第41页。CBR专家系统亦因此成为一种独特的专家系统类型。

合理的案例表示可以使问题求解容易且高效。在法律实践中，也常常需要运用模糊判断。在大多数情况下，用户很少知道也很少关心系统使用的是产生式规则还是深度神经网络或者其他模型。应当说，基于案例的推理作为一种方法论是合理的。

这种鲜明的实践性本质生发出法律逻辑的各项特征，并使其与体现人类纯粹理性、适用于数学和自然科学等先验领域的普通形式逻辑区别开来。因为，人机结合发挥协同作用，将会大幅度提升人和机器各自的价值与能力。

这里的建模，简单地说，就是对现实世界数据特征的抽象。用户的协同解释首先表现为智能系统使用主体或管理主体的解释。在特定的场景中，在外部信息的刺激下，人脑通过自联想记忆（auto-associative memories）唤醒过去存储的模型解决当前面临的问题。这些约束条件不仅框定了法律智能系统的能力范围，亦成为分析其底层逻辑的参照标准，可以据之评判智能机器的决定是否具有可接受性。

显然，收益递减效应最终会产生约束作用。再者，运用大数据分析方法得出的推断结果，实际上是一种预测（prediction）而并非严格意义上的逻辑推理。在此过程中，裁判系统只能被动地接受和识别信息，而不能与当事人进行互动筛选信息。在实际应用中，如果能事先对案例库进行评估，检测其是否符合CBR基本假设（相似问题具有相似解），进而判断CBR方法的适用性，可以大大降低开发和应用的风险。

以交通事故损害赔偿案件为例，法官需要根据交通行政执法部门认定的全责、主要责任、次要责任、同等责任、无责任五种情形之一确定具体的责任分担比例。这种智能系统是利用海量案件折射的法官的集体经验和智慧来规范个别法官的个案裁量，以防止畸轻畸重或枉法行为。

另一为人们所津津乐道的罗斯法律问答系统（Ross Intelligence, 2015），虽然能使用自然语言提供有关法律问题的简明答案，但尚不能帮助用户作出论证。在构建知识库和数据库时，在利用法律专家的经验认定事实或解释成文法而提炼规则时，不可避免也会运用到归纳推理、反向推理、当然推理、设证推理等法律实践中常见的推理形式。

客观世界具有一致性（regularity）和重现性（reproducibility），相似条件下会产生相似结果。随着计算机在我们的生活中变得无所不在，人们很快有了计算机无所不能的感觉。人工智能（AI）概念的发明人麦卡锡曾经指出：实现人类水平的机器智能是AI研究的长期目标。并且，由于存在收益递减效应，一小部分规则处理了大部分问题空间，需要添加更多的规则处理特殊情况。西蒙等人因使用符号逻辑作为模拟人类智能的方法，因而被称为人工智能的逻辑主义或符号主义学派，并长期一枝独秀，成为人工智能的主流派别。如果距离小，相似度就大。

不过，目前，机器的解释能力是有限的。尽管在当下的研发过程中，法律专家（法官、检察官等）同时扮演着法律实务专家和法律逻辑学家的角色，但从长远来看，专业法律逻辑学家的介入更有助于提升智能系统的研发水平。

然而，正如莱布尼茨所说，世界上不存在两片完全相同的树叶，世界上也绝不可能存在两个完全相同的案件。例如，有法官表示，很多信用卡违约案件，除了违约主体和金额不同，案件的其他特征并无本质差异，完全可以运用智能系统批量处理。

在仅提供相似案例不能使用户满意时，可借助知识集装箱（knowledge containers）技术，从词汇、相似性度量和适应性知识（vocabulary, similarity measures and adaptation knowledge）等角度作出辅助解释。在展开说理时，人类将情理法结合起来的能力，机器能否学习以及在何种程度上可以习得，还存在未知数。

法律智能系统无法处理道义逻辑问题。但是从当下来看，法律智能系统的研发和使用无法脱离AI技术的整体发展水平，即使是理论上的可能性与技术上的可行性之间也存在巨大的鸿沟。专家系统最强大的理论基础来自亚里士多德建立的逻辑前提。如果答案为是，适用的规则就会触发，并将其推断结果添加到数据库中。

历史虽然不会简单重复，但总是惊人的相似。在基于规则的专家系统中，也存在类似的问题。

其中，全责、同等责任、无责任比较容易处理，而主/次责任因其语义的模糊存在很大不确定性。后来，阿什利等人又在海波系统的基础上开发出升级版的CABARET系统和CATO系统。

因为在法律推理过程中，在大多数情况下，前提和结论之间无法做到100%确定的必然联系（很多时候也无必要）。不难理解，一个附具理由（reason）的法律决定才是合理的（reasonable）可接受的决定。

要提高解释质量，还必须考虑解释方式和实现的方法。易言之，对法律智能系统的论证要求，需要放弃对话式、商谈与论辩中说理的方法和复杂的修辞方法，只要求对推理过程作出解释。在对有足够样本容量的案例库进行检索时，常常会找到相似度不等的多个案例。在法律实践中，法官对事件发生概率的推断即通过其内心确信而非通过数值计算来完成。

研究表明，法律逻辑是受实践理性支配的实践逻辑（practical logic），其分析和评价的对象是法律实践中的推理与论证。同样，在论证结果的真实性上，法律逻辑要求的并不是可靠性而是其可信度。

由于模糊逻辑是一种近似而非精确的推理方法，因此非常适合于包括法律领域在内的涉及人文因素的复杂系统。这意味着，法律推理属于非必然性推理，法律论证也只是一种强论证。

二人其后不久开发的针对非特定主题的通用问题求解器（GPS），被称为第一个像人一样思考的程序，由此开辟了以前只能由人类智能完成的任务可交由机器自动化操作的道路。2. CBR专家系统运行的关键：案例检索和相似性度量 CBR系统的工作过程，可以概括为四个阶段：案例的检索（retrieval）、复用（reuse）、修正（revise）与保存（retain）。

2021年1-5月全国煤炭行业主要经济指标发布

淮北矿业：以科技创新破解发展难题

证监会：将加快QFII审批速度

惠誉：2012年北美能源行业运营环境大体稳定

2012中国经济发展轮廓清晰显现

我国去年财政收入突破10万亿元 同比增长24.8%

5月焦煤还会涨强

温家宝表示“中日不要做对手”

2012：中国能源价格改革提速释放新信号

煤电角力现转机 火电板块投资时点已经到来