但在一系列判决中，法院已经承认在宪法中确实存在个人隐私权，或存在对某些领域的隐私保护。

而自由和民主派大法官则倾向于认为，法律起草者对权利的界定适用的是比较宽泛的一般性措辞。尽管人口政策几经调整，近年来更是实行三胎政策，但现行的《人口与计划生育法》第2条仍然规定：实行计划生育是国家的基本国策。

反之，多布斯案的多数派意见则采取了明显不同的原旨主义（originalism）方法论。罗伊案并没有结束在堕胎问题上的分歧。可见，保守派大法官们很清楚判决所可能引发的复杂后果和汹涌民意，以及对美国的长远影响。德国之声（DW）的评论指出，美利坚合众国变成了美利坚分裂国（Divided States of America）。最高法院没有能力结束关于这个问题的辩论，这并不令人意外。

然而，罗伊案判决在这方面却十分随意。而欧洲议会随后很快也专门针对波兰宪法法院的裁决作出了决议，决议强调：必须指出这一裁决将女性的健康和生命置于风险之中，限制或剥夺堕胎权决不能消灭堕胎，而只能将其推入地下状态，导致非法、不安全、秘密和威胁生命的堕胎增加。另一方面，在法律领域，本体价值尤为重要——任何值得被称之为法律的制度，其实都必须关注一些超越特定社会结构和经济结构相对性的基本价值。

最为经典的诠释来自德沃金对建构性解释（Constructive Interpretation）概念的发掘。然而，ChatGPT类技术对于数据、算法和算力的巨大需求使得该技术在产生之初就呈现出鲜明的垄断倾向。但由于知识的多样性、易变性、模糊性等特质，人工智能与知识的结合始终异常困难。这使得法律知识具有不同于文学、艺术学与美学的规范性要求，在特定时空地域下总是存在着真理与谬误的客观差异。

除开前期数以亿计的GPU设备等训练投入，ChatGPT维护成本同样高得惊人，每日开销可达70万美元。【中文关键字】ChatGPT类技术。

这意味着，ChatGPT类技术时代的法律人工智能同样不是解决一切法律需求的灵丹妙药，也不是能够让法律人完全失业的洪水猛兽。这使得ChatGPT类技术对于知识吸收与再生产具有以下缺陷：首先，以数据化形式呈现的样本语料，无法涵盖法律领域中大量隐性知识与默会知识。此时就更加需要借助基于法律人反馈的强化学习技术，运用法律领域知识及其背后的理论命题、价值导向对智能化技术进行伦理控制与矫正，使得其生成的内容更加符合法律人的价值追求与伦理规范。综上所述，随着数据、算法、算力的迅猛发展，以及人工智能基础设施的成熟完善，法律人工智能在全球主要国家蓬勃发展。

对既往数据的过分依赖，将从根本上限制司法场景中基于社会价值变化或法律观念调整而进行的创造性演变。更为通俗地说，就是在一本正经地胡说八道。除此之外，ChatGPT类技术通过指令微调（Instruction Tuning）和基于人类反馈的强化学习（RLHF）等技术进一步优化，进一步增强了模型的意图识别、指示遵循与多轮对话能力。而这些语言学知识，则认为通常是自然语言处理技术突破的关键。

ChatGPT类技术发展过程中所出现的垄断倾向，以及不同人群技术运用的素养差异，将使得该类技术在法律领域的创新传播面临巨大的数字鸿沟风险。当然，ChatGPT类技术呈现出令人惊叹的能力背后，可能预示着法律人工智能的新一轮盛夏即将到来。

然而，基于对ChatGPT类技术的深入发掘可以发现，其尽管采用了生成式人工智能的技术架构，但此种创造式的生成更大程度上是一种幻觉。根据知名咨询公司Gartner的定义，生成式人工智能是指从原始语料中自动化学习对象特征，并能够生成全新的、完全原创的、与原始数据具有相似内容的智能技术。

因此，要有效减少ChatGPT类技术在法律领域的知识幻觉，首要的任务是强化法律领域高质量中文数据集的供给。同时，将人工智能技术与司法大数据资源深度融合，推动法律服务与法治产品的均等化、可及性，弥补城乡、区域、不同人群享受法律服务资源上的差距，是法律人工智能设计研发，特别是落地应用与部署阶段的重要价值追求。其他的诸如法律法规、法学论文、法律咨询（法律问答）等高质量中文法律语料，仍碎片化地分布于国家机关或各类企业之中，尚无法实现有效数据统筹与共享。法律语言的上述特性，使得法律领域自然语义理解技术相较于一般领域而言，不仅需要大量标注好的高质量专业语料，还通常在参数量和运算规模上有更高要求。这是因为，法律与文学艺术解释的对象都是人们所创造的某种东西，而非客观存在的事物。他指出，法律的解释更贴近于对文学艺术的解释，而非科学性解释。

目前中文互联网上高质量法律语料相对有限，且主要以裁判文书的形式存在。（一）法律人工智能的当代复兴一般认为，关于法律人工智能的专门出版物，大致可以追溯到1957年莱曼·艾伦的著作《符号逻辑：起草和解释法律文件的锋利工具》。

（三）法律知识的创造性与ChatGPT类技术的知识生成幻觉法律领域高度强调知识的创造性，这尤其体现在司法案件、特别是疑难案件的裁判与法律论证推理的过程中。这同样包括可及性与可用性两个方面的内容：从可及性角度而言，如果旧的规制工具不能适应新型用途，人类社会的进步就会迟滞而缓慢。

事实上，在法律人工智能发展的大部分时间里，对解释结果的推理建模（并为其他可能结果提供理由）远比预测结果本身更感兴趣。 【摘要】21世纪以来，法律人工智能呈现出繁荣复兴的景象。

前者指向一个国家的公共政策和基础设施供给，后者指向用户因技术应用差异而产生的不平等。同时，占据主流价值理念以及霸权主义观点的人士可以轻松生产大量数据，而另一些代表性不足的人群则恰恰相反。推动司法文书的电子化公开，成为21世纪全球的普遍潮流，并形成了高度趋同的司法文书上网公开制度规范与运行实践。四、ChatGPT类技术赋能法律人工智能的未来以ChatGPT为代表大规模语言模型在法律领域自然语言处理与人机交互上的显著优势，使得其与法律人工智能相结合仅仅只是时间问题。

总体而言，在数据与算法的长期储备积累下，法律人工智能对数据处理能力的需求显著增加，而风险资本正可以弥补这些初创法律科技企业的基础设施短板。结 语ChatGPT类技术是联结学派范式下深度神经网络在数据、算法与算力支撑下进一步跃升的产物。

据统计，在GPT-3的训练语料中，中文文档数、中文词语数和汉字数量分别仅占总语料数的1.1‰、1.0‰和1.6‰，在所有语种位列第15、第17和第14位。这就导致，各应用成果间的兼容性不足，既无法满足全流程覆盖、全场景整合、集约化管理的智能化需求，也造成了重复建设与资源浪费。

另一方面，技术素养的差异还将导致在接入ChatGPT类技术的群体中出现受益能力的高度分化。与此同时，在技术社会学意义上调适创新扩散与社会公正的张力，避免可及性与可用性两个层面的数字鸿沟，真正实现全社会围绕法律知识的新一轮赋权赋能。

首先，世界范围内普遍的司法数字化建设，为本轮法律人工智能的发展提供了可观的数据储备。 王禄生，东南大学法学院教授，东南大学人民法院司法大数据研究基地研究员。并且从格式上来看，这些法律数据多以文本、音频、图片、视频等无标注、非结构化形式呈现，难以被计算机直接自动化处理。这些知识不仅包括我们所通常理解的各种事实性知识与常识性知识，也包括法律、金融、医疗等领域的专业知识，还包括词法、语法、句法等语言学知识。

大多数（60%）训练语料则来自2016-2019年间的Common Crawl数据集——一个定期（若干月一次）从互联网上爬取网页数据并提取文本的大型公开数据集，且每次爬取的网页数量往往在20亿之上。尽管如此，受限于自然语义处理与知识生成的技术瓶颈，当前各类法律人工智能在可持续发展的制度化逻辑方面与既有实践成果之间尚未实现科学衔接，在功能完善、普适性、覆盖面等指标均有待进一步发展完善。

如前所述，ChatGPT类技术在模型训练与知识构建阶段，主要依赖Common Crawl这一网页数据集。未来需要通过强化高质量多模态法律数据的供给并建构基于法律指令集的指令微调机制和基于法律人知识反馈的强化学习机制，克服知识幻觉以实现法律人工智能的进一步迭代。

测评显示， ChatGPT类技术已经具备一定的根据输入的案件信息、当事人信息、证据材料等内容，自动生成法律文书、评估法律风险、做出法律决策的能力。并且，在整个解释中起决定性作用的是解释者的目的，并非纯粹的因果关系。