桑本謙 | “認知蜜罐”：AI時代的一種結構性風險

原創(chuàng)桑本謙，以下內容來自中國法律評論

桑本謙

中國海洋大學法學院教授

1

幾天前，我以“翅膀”和“籠子”為比喻，寫了一篇短文，對法言法語可能約束甚至塑造法律人思維表達了某種警惕（桑本謙：法言法語是法律人思考的翅膀還是籠子？）。

但這幾天，我突然意識到，我可能搞錯了問題的焦點?；\子固然是個問題，但在AI時代，更危險的不是籠子，而是蜜罐?；\子限制你的活動范圍，但你知道邊界在哪里。蜜罐非但沒有限制，反而用甜味安撫你；在某個臨界時刻，籠子也許能喚醒你的認知進取心，但蜜罐不會。

我先描述一個任何人都可以重復的AI實驗。

假設你在研究一個法律問題，比如：合同法為什么允許買賣不破租賃？你打開任何一個大型語言模型，輸入這個問題。幾秒鐘后，你會得到一個結構完整的答案：

買賣不破租賃規(guī)則規(guī)定，租賃物在租賃期間發(fā)生所有權變動的，不影響租賃合同的效力。該規(guī)則通過維護租賃關系的穩(wěn)定性，保護了承租人的利益，使其不會因房屋易主而被迫搬離。同時，該規(guī)則也對買受人的權利進行了限制，要求其在購買時應當注意到租賃關系的存在。這種制度設計體現了對承租人居住權的特殊保護和交易安全之間的價值平衡......

這個答案在法言法語的標準下無懈可擊，一個法科生看到這個回答會覺得“我懂了”。

但這里有個隱蔽的陷阱。如果你問AI同樣的問題，但要求它用跨學科語言回答，AI就會輸出如下內容：

這個規(guī)則本質上是在比較不同主體應對不確定性的成本：承租人已經投入了搬遷成本，買受人核查租賃關系的成本相對較低，出租人的監(jiān)管成本最低。要求買受人承擔核查義務，比讓承租人反復搬遷的社會總成本更低。更關鍵的是，這個規(guī)則通過市場機制重新分配了負擔：房屋市場價格會相應降低，這意味著承租人獲得的保護最終由出租人通過價格折扣來“支付”。從動態(tài)角度看，出租人預期到未來出售的價格損失，會在簽訂租約時更謹慎——可能縮短租期或提高租金。所以這個規(guī)則不是簡單地讓承租人獲益、買受人吃虧，而是通過價格機制在三方之間重新分配風險和收益。

上述回答在事實層面和前一個答案說的是同一件事，但它打開了完全不同的分析維度——成本比較、信息結構、市場定價機制以及動態(tài)博弈。更重要的是，它揭示了一個被法言法語版本完全忽略的機制。

問題來了，如果你在第一個答案那里就停止追問，你錯過了什么？

2

我把這種現象稱為“認知蜜罐”——一種AI時代的結構性認知風險。它有幾個關鍵特征：

第一，它提供即時的認知滿足感。

你向AI提問，當它給你一個流暢、連貫、結構完整的答案時，你的認知系統(tǒng)會產生獎勵信號，獲得那種“原來如此”的感覺。這種感覺很舒服，類似于解開了一道謎題。

然而，這種滿足感和認知深度沒有必然關系。AI生成的答案可能只是在你已有概念框架內部重新排列組合，并沒有引入新的分析維度或挑戰(zhàn)你的前提假設。但因為它“說得通”，你就以為自己“想明白了”。

第二，它降低了認知摩擦。

真正地理解通常伴隨著困惑、挫折和反復。你讀到一個理論，覺得不太對勁兒，但又說不清哪里不對時，你就要嘗試不同的角度，以減少每個角度都會出現的盲點。你在這個過程中掙扎，慢慢地，問題的結構變得清晰。

AI跳過了這個過程。它直接給你一個“說得通”的解釋，消除困惑的同時叫停了你的深入思考。認知摩擦和認知深入的動力先后消失。

第三，它是結構性的。

這不是說AI偶爾會給出讓你過早滿足的答案，而是說，AI的訓練目標就是最大化用戶滿意度。它生成讓你感到“問題得到解答”的文本，只要你不主動提升認知分辨率、不主動切換分析框架，AI就會把你鎖定在滿意度很高但認知分辨率不高的水平上。

這就是“蜜罐”，不是偶爾的誘惑，而是一個被設計出來的、讓你感到舒適因而不愿離開的環(huán)境。它像是個家園。

3

法言法語本身不是蜜罐，但它有一些特征，使它在AI時代特別容易變成蜜罐。

第一，法言法語是高度抽象和自洽的符號系統(tǒng)。

權利、義務、法律關系、構成要件等等，這些概念可以互相定義、互相支撐，構成一個邏輯自洽的封閉系統(tǒng)。在這個系統(tǒng)內部，幾乎所有問題都能找到一個“說得通”的答案。

AI擅長操作這種符號系統(tǒng)，因為它本質上就是一個語言模型。它學會了哪些詞跟哪些詞經常一起出現，哪些句式在法律文本中是標準的，哪些論證結構是穩(wěn)妥的。所以，當你用法言法語向AI提問時，AI會給你一個在系統(tǒng)內部完美自洽的答案，沒有術語錯誤，沒有結構缺陷，邏輯裂痕也被巧妙遮蔽，但它可能只是在抽象層面上兜圈子。

第二，法言法語掩蓋了實踐的復雜性。

舉個例子。刑法規(guī)定罪刑法定原則，法無明文規(guī)定不為罪，法無明文規(guī)定不處罰。用法言法語理解這個原則很簡單：這是對國家刑罰權的限制，目的是保障公民的人身自由，防止司法專橫。

但其背后無數復雜的實踐難題在法言法語的抽象層面上卻是不可見的：什么叫“明文規(guī)定”？刑法條文的模糊性如何處理？類推解釋的邊界在哪里？當社會出現新型危害行為而刑法尚未修訂時，司法機關如何應對？當你問AI“罪刑法定原則的功能是什么”時，AI會給你一個教科書式的回答，而過濾掉所有這些實踐中的摩擦、困境和權衡。你獲得了一個令人滿意的概念性解釋，但制度的實際運作仍是盲區(qū)。

第三，法言法語鼓勵修辭性思維。

法律職業(yè)有一種特殊的修辭傳統(tǒng)。我們喜歡用對仗、比喻、概念套疊來表達觀點—— “法律是社會的最后一道防線”“程序正義是看得見的正義”“權利是利益的法律形式”等等，這些表述優(yōu)美、有力、容易記憶，但它們在認知上是危險的，因為它們用修辭的完滿感替代了分析的精確性。

AI特別擅長生成這種修辭。因為修辭的本質是語言的模式化組合，而模式識別恰恰是大型語言模型的核心能力。所以，當你讓AI討論一個抽象的法律問題時，它會給你一段充滿排比句、遞進論證、概念對偶的文字，讀起來很有“理論感”，但如果你逐句追問“這句話的經驗含義是什么”，你會發(fā)現很多句子是空的。

但因為修辭給了你“深刻感”，你不會追問。這就是蜜罐。

AI還善于使用一些聽起來很深刻的說法，諸如“工具理性”“向內深耕”“反身性”之類。但如果你不主動追問，它不會向你回答：什么叫“向內深耕”？如何判斷是否抵達了邊界？什么叫“反身性”？有沒有可操作的訓練方法？如何檢驗這種能力？

AI也不會主動提醒你，這些詞匯本身就是其他學科的“語言”，而非正宗的“法言法語”；更不會進一步提醒你，你對外來語言的排異反應是選擇性的，你并不抗拒你熟悉或自以為熟悉的領域的詞匯。比如，你不排斥哲學詞匯，因為你覺得自己對它懂一點。

用抽象概念堆疊出來的“深刻感”在經驗層面幾乎是空的，沒有可檢驗的主張，沒有可操作的方案；它只是在概念上排列組合，制造出那種“問題被深化了”的錯覺。

AI特別擅長生成這種表面深刻但實際空洞的文字，因為AI的訓練目標是預測下一個詞，它懂得在什么時候插入這些詞匯可以讓文本看起來更學術、更深刻。

這是AI時代“認知蜜罐”的升級版——不僅給你一個滿意的答案，還給你一個看起來很深刻、讓你產生智力優(yōu)越感的答案。

4

說到這里，我必須澄清，我不是在說我們應該拒絕使用AI。恰恰相反，我們應該擁抱它，我自己就是深度的AI用戶。我還可以坦率地承認，這篇短文就是AI起草的——敏感的AI用戶一眼就能看出，這些通俗易懂的語句隱藏了多少跨學科工具。

AI是一個強大的工具。問題不在于是否使用它，而在于如何使用它，以及能否意識到它可能帶來的認知風險。

認知蜜罐不是AI的必然后果，而是無意識使用AI的后果。如果你知道風險在哪里，你就可以避免它，甚至利用它；但關鍵是要明白，AI可以放大你現有的認知軌跡，但不會改變軌跡的方向。

如果你本來就習慣于追問、反思或切換視角，AI可以幫你走得更快。你可以用它來快速排除低質量的假設，測試不同框架下的推論，獲取你不熟悉的領域的背景信息。

但如果你本來就傾向于追求認知舒適，避免思維摩擦，武斷排異，AI會把你穩(wěn)定在這個狀態(tài)上。它會源源不斷地給你輸出“合理答案”，給你制造強烈的“學習感”。

所以，問題不是AI本身，而是使用者是否具備足夠的元認知能力——即對自己認知過程的覺察和控制能力。

我們的大腦是高度模塊化的。元認知能力取決于能否激活大腦的“監(jiān)督層”，而非“工作層”——后者是大腦默認被激活的模塊。

激活大腦的“監(jiān)督層”需要放松甚至放空大腦。如果大腦一直忙碌，一直緊繃，就騰不出這個在AI時代至關重要、堪稱核心競爭力的認知空位。

• 附：另一個實驗

百善孝為先，原心不原跡，原跡寒門無孝子；

萬惡淫為首，原跡不原心，原心世上無完人。

1.讓AI解釋這幅對聯(lián)中倫理規(guī)范的區(qū)別對待；

2.引入信號識別、假陽性和假陰性，讓AI重新解釋。

延伸閱讀

桑本謙：法言法語是法律人思考的翅膀還是籠子？

1

好消息是，法言法語確實是法律人思考的翅膀；壞消息是，它也可能是籠子。展開討論之前，我要先講一個更根本的問題：語言和思考，究竟是什么關系？問題很深奧，也很跨學科，但我可以給出一句不會偏離當代主流討論中軸線的答案：

語言不只是表達思想的媒介，它還是構建思想的技術；語言將模糊的思考過程結晶為穩(wěn)定的可傳達形式。

“讀心社會”在理論上是不可能的。

人腦每秒并行處理的感覺信息大約1100萬比特，其中意識處理的，不過40比特。語言將海嘯般的信息壓縮成數量極少的串行輸出，通常每秒兩到三個詞。如果你試圖繞開語言而直接讀取他人的心靈，那么，你讀到的不是思想，而是無窮無盡的噪聲。你不可能知道他在想什么，因為他自己也不知道。

盡管有時語言會掩蓋思想，但若沒有語言，思想就會被噪聲淹沒。任何問題、現象或性質，都要在腦子里被語言“固定”之后，才能對它進行穩(wěn)定地分析、比較和推演。不能被表達的想法，通常也不能被真正思考。

你不是先有清晰思想之后再去表達的，而是在表達過程中思想才逐漸變清晰的。你肯定有過這樣的體驗：原本以為自己已經想明白了，但當開口講給別人聽或動筆寫下來時，卻突然就發(fā)現卡殼了，根本說不清。

為什么？因為表達是對思考施加約束的過程。當你把思想從腦子里“曬”出來，變成可以被檢驗的語言時，那些原本隱藏在頭腦深處的斷裂和假設就暴露出來了。

語言不僅是人際之間的通訊協(xié)議，而且人腦內部的思考規(guī)范。作為思考規(guī)范的語言，其本質不是規(guī)則，而是把高成本的即時判斷變成可復用、可預期的處理程序。

語言是思想的操作系統(tǒng)。它能減輕你的思考負擔，因為部分思考被你“外包”給了語言。語詞可以把復雜的推理樹和豐富的意義網壓縮成一個可直接調用的節(jié)點。掌握一個語詞，并不是記住一個標簽，而是一次性支付理解成本，然后就可以去反復調用語詞壓縮的推理樹或意義網。

語言把分散的、隱性的計算結果組織成可交流、可反思、可擴展的形式。當你“感覺對或不對”時，不需要語言，但當你和我爭論為什么時，就離不開語言。個體理性可以沒有語言，但集體理性離不開語言。沒有語言，人類思考會在規(guī)模上坍縮。

如果三體人只靠讀心交流，那么三體世界就沒有文明。

語言不只是思想的載體，它還是思考的制度渠道。就像人類在馴化小麥的同時也被小麥馴化了一樣，我們在用語言表達思想的同時，語言也在塑造我們的思考。法言法語塑造法律人的思考，它是法律人的思考操作系統(tǒng)。

但法律人思考可以嘗試其他語言。

2

現在我們就嘗試，用不同類型的語言來回答同一個問題，看看切換語言是否會讓思想發(fā)生變化。我設定的問題是：法律為什么偏好硬規(guī)則？這個問題在法學領域中極具穿透力。

然而，面對這一旗艦式提問，外行人也能給出答案：不能開口子。

“為什么刑事責任能力和民事責任能力以年齡劃線？”——不能開口子。

“為什么不知法免責？”——不能開口子。

“為什么醉酒或懺悔難以成為從輕處罰的理由？”——不能輕易開口子。

經驗語言不抽象，但很精準，能抓住要害，但它只是一種經驗語言。經驗語言描述了一種身體記憶——講不清機制，但看得見后果。它不解釋為什么，但把風險釘了出來：只要規(guī)則允許例外，例外就會被復制；例外一旦被復制，規(guī)則就開始亂套。

經驗語言的局限是很難“以理服人”，很難在復雜情境中遷移。克服經驗語言的局限，需要理論語言。法律人擅長的理論語言是法言法語。對于法律為什么偏好硬規(guī)則？法言法語的答案是：形式正義和程序正義有時會優(yōu)先于實質正義。與此相關的一套概念體系如下：

· 法的安定性——讓規(guī)則穩(wěn)定、可預測。

· 可預測性——讓人們知道行為的后果。

· 形式正義/平等適用——同樣的案子同樣處理，不給例外留余地。

· 防止恣意/裁量權限制——不讓權力任性。

· 罪刑法定/明確性——什么是罪、怎樣量刑，要說清楚。

· 證據規(guī)則/證明責任——誰主張，誰舉證；證明度要達到證明標準。

· 形式要件——必須滿足哪些“看得見”的條件。

· 推定——在某些情況下，可以假定某事為真

· 裁量基準/量刑規(guī)范化——減少法官的主觀任性

這些概念構成了法律人思考問題的基本框架。它們精致、系統(tǒng)、自洽，讓法律成為一門專業(yè)。法律人往往意識不到被法言法語掩蓋的思維缺口。但一種語言的思維缺口，可以在另一種語言的參照下暴露出來。

3

我們不妨把問題翻譯成經濟學和統(tǒng)計學的語言，請看下面的翻譯對照表：

一旦將法言法語翻譯成經濟學語言，你會立刻發(fā)現“計算感”變得很強。不可通約的價值變成同一個數學模型里的變量和參數。再看所謂“開口子”，它就不再是價值選擇了，而是法律決策者在有限資源的約束下做總體風險管理。

經濟學語言最常見的簡式數學模型包括（把下面的幾段文字輸入給AI，你就能獲得更多解釋，還有數學公式）：

（1）效用最大化模型：決策者在預算約束下最大化效用函數。這個模型要求在收入有限的情況下，通過合理分配資源以獲得最大滿足。

（2）成本－收益分析模型：比較不同規(guī)則嚴格程度下的收益與成本。這要求精確測算每一種規(guī)則設計帶來的社會收益和執(zhí)行成本，然后找到使凈收益最大的那個點。

（3）激勵相容約束模型：確保說真話的效用不低于說謊的效用。這需要設計一套機制，讓每個人認為誠實是最好的策略，從而自動實現信息真實披露。

（4）委托－代理模型：在代理人參與約束和激勵約束下設計最優(yōu)合同。委托人（比如立法者）要設計合同，讓代理人（比如法官）的利益與委托人一致，同時還要保證代理人愿意接受這個合同。

（5）信息不對稱下的篩選模型：通過合同設計分離不同類型的當事人。設計者要找到一組合同，讓不同類型的人自我選擇，從而暴露自己的真實類型。

這些模型展現了經濟分析的精妙之處：它們把法律問題轉化為可以用數學求解的優(yōu)化問題。問題有了解決的思路，而且思路很清晰。

然而，這些微分模型只是刻畫了計算的思路和優(yōu)化的方向，但在實踐中，高維優(yōu)化問題的最優(yōu)解是計算不出來的。

為什么？

第一，變量維度太多：當問題的復雜度隨變量數量呈指數級增長時，哪怕僅僅增加一個維度，計算資源的需求也會急劇上升。現實法律決策往往涉及數十乃至上百個相互作用的變量，早已超出任何窮舉式或精確優(yōu)化方法的可計算邊界。

第二，信息不完全：模型假設你知道效用函數的具體形式、成本函數的參數以及每個人的類型分布。但在現實中，這都是未知的，甚至是不可觀測的。你無法準確測量守法者的效用損失或違法者的策略性響應。沒有這些基本數據，優(yōu)化就無從談起。

第三，策略性互動高度復雜：當系統(tǒng)中存在多個策略性主體（法官、律師、當事人、執(zhí)法者）時，問題變成了多重博弈的均衡求解。每個人的最優(yōu)選擇取決于其他所有人的選擇，而其他人的選擇又依賴于他的選擇。這種相互依賴往往導致沒有解析解，甚至數值解都難以收斂。

第四，動態(tài)演化不可預測：法律是一個演化系統(tǒng)，今天的規(guī)則會改變明天的行為，明天的行為又會反饋到規(guī)則的調整。這種動態(tài)反饋使得靜態(tài)優(yōu)化模型失效。你以為找到了最優(yōu)規(guī)則，但實施后人們的行為變了，原來的最優(yōu)就不再是最優(yōu)。

因此，經濟學的微分模型本質上是一種概念工具，它告訴你應該朝哪個方向思考，但不能給你一個可執(zhí)行的答案。它說你應該權衡邊際成本和邊際收益，這肯定沒錯，但它不能告訴你邊際成本究竟是多少。它說要實現激勵相容，這也沒錯，但它無法告訴你具體怎么設計。

法律是一個信息不完全、資源有限且必然有實施誤差的裝置，規(guī)則設計繞不開假陽性、假陰性、識別成本和執(zhí)行成本。如果規(guī)則變軟，容納更多彈性，那么，

· 可能讓個案看起來更有溫度（某些錯誤減少）；

· 但會讓另一類錯誤上升；

· 也會增加核查與證明的成本；

· 同時誘發(fā)更多策略性利用。

硬規(guī)則不是追求零錯誤，而是把錯誤變得可預測、可承受。到這里，法言法語的缺口就暴露出來了：

· 其一，各種“正義”沒有明確定義；

· 其二，形式正義或程序正義讓位于實質正義的條件不明確。

經濟學語言給出了一個可操作的框架——用成本收益、系統(tǒng)誤差來、假陽性和假陰性分析制度選擇。但經濟學語言也有其缺口，數學模型意義上的可計算不等于結果能夠算得出來。一個優(yōu)雅的公式可能包含著指數級膨脹的計算量，涉及不可觀測的參數以及無法預測的動態(tài)反饋。經濟學模型指明了思考的方向，但提供不了優(yōu)化問題的計算結果。

4

我們可以把問題翻譯成系統(tǒng)科學，然后提供另一個翻譯對照表：

同一套概念被再次翻譯，就出現了新的維度。

系統(tǒng)科學把“不要開口子”翻譯成“對抗魯棒性”（adversarial robustness。所謂“魯棒性”，就是在噪聲、沖擊、操縱和策略性博弈之下，系統(tǒng)仍能維持其結構和功能，而不被輕易擊穿。

系統(tǒng)科學語言最常見的簡式數學模型包括（把下面的幾段文字輸入給AI，你就能獲得更多解釋，還有數學公式）：

（1）迭代優(yōu)化模型：系統(tǒng)狀態(tài)沿著目標函數的改進方向逐步更新，逐漸逼近最優(yōu)解。每一步都只做一個小的改進，不要求一次性找到全局最優(yōu)。就像爬山，你不需要知道山頂在哪里，只要每一步邁出的都是上坡路。

（2）反饋控制模型：控制輸入根據目標和實際輸出的偏差進行調整，實現自適應。系統(tǒng)不斷觀測實際效果，發(fā)現偏差就調整，再觀測再調整，形成試錯、調整、再試錯的反饋循環(huán)。

（3）動態(tài)系統(tǒng)演化模型：系統(tǒng)狀態(tài)隨時間演化，受當前狀態(tài)、控制輸入和外部擾動影響。系統(tǒng)不是靜止的，而是在不斷變化。優(yōu)化不是一次性完成的，而是在系統(tǒng)演化過程中持續(xù)進行的。

（4）魯棒性優(yōu)化模型：在最壞情況下（對抗性擾動）仍保持系統(tǒng)性能。目標不是在理想情況下達到最優(yōu)，而是在最壞情況下仍然可接受。寧可犧牲一些效率，也要保證系統(tǒng)不被擊穿。

（5）多智能體學習模型：多個智能體同時學習和調整策略，系統(tǒng)在交互中演化。系統(tǒng)不需要中央計算器，每個主體根據局部信息獨立調整，通過交互涌現出整體秩序。

這些模型展現了系統(tǒng)科學的核心思想：計算是一個逐漸優(yōu)化的過程，而不是一次性求得全局最優(yōu)解。與經濟學的微分模型不同，系統(tǒng)科學承認并接受局部信息，強調反饋調整和動態(tài)適應，追求魯棒性而非最優(yōu)解。

魯棒性優(yōu)化的目標不是在理想情況下達到最優(yōu)，而是在最壞情況下仍然可接受。這正是硬規(guī)則偏好的數學表達——寧可犧牲一些個案正義，也要保證系統(tǒng)不被擊穿，在對抗性環(huán)境下仍能維持功能。

一個魯棒性強的系統(tǒng)，不是最優(yōu)化的系統(tǒng)，而是最抗折騰的系統(tǒng)。硬規(guī)則偏好不再只是法律內部的價值選擇，而是系統(tǒng)工程的選擇——讓制度在最壞情況下仍能活下去。

軟規(guī)則非但不會讓系統(tǒng)更公正，反而會讓系統(tǒng)更脆弱。它給策略性操縱者留下了更多操作空間。當你允許考慮具體情況時，就有人會制造具體情況；當你允許酌情處理時，就有人會去影響酌情的標準。相比之下，硬規(guī)則看起來呆板僵硬，但它很難被操縱。

經濟學給你一個優(yōu)美的公式，告訴你理論上應該怎么做，但現實中做不到。系統(tǒng)科學給你一套可操作的流程，告訴你雖然達不到理論最優(yōu)，但可以持續(xù)改進，逐步逼近。

5

同一個問題，我們用不同語言講了四次。翻譯語言相當于切換操作系統(tǒng)，并因此改變思維方式。在這個過程中，以下三件事同時發(fā)生：

第一，盲點暴露

當你只用一種語言思考時，你看不到這種語言本身的局限。比如，當你只用“形式正義優(yōu)先”的法言法語來思考時，你可能意識不到這個概念本身是模糊的，邊界條件不清楚，它無法回答“什么時候應該例外”。

但當你把它翻譯成經濟學語言——“信息成本最小化”和“代理成本控制”——你就會發(fā)現，所謂“形式正義優(yōu)先”，是一個關于成本和效率的權衡問題。

再翻譯成系統(tǒng)科學語言——“對抗魯棒性”和“可審計性”——你又會發(fā)現，硬規(guī)則偏好不僅是成本問題，而且是在對抗性環(huán)境中的生存問題。

每一次翻譯都能讓你獲得新發(fā)現。

第二，直覺被校準

很多時候，我們的直覺是對的，但我們說不清為什么。

“不能開口子”——這是經驗；

“形式正義優(yōu)先”——這是把經驗理論化；

“激勵相容約束”——這是把理論量化；

“對抗魯棒性”——這是把量化問題放進對抗性環(huán)境里重新審視。

每一次翻譯，都在校準你的直覺。你不再只是感覺不對，而是能說清楚哪里不對、為什么不對以及在什么條件下不對。

第三，分辨率提升

這是最重要的。當你只用一種語言思考時，你的認知分辨率是粗糙的。你只能看到對和錯、好和壞、允許和禁止。但當你學會在多種語言之間切換時，你的分辨率就提升了。你從非黑即白走向了連續(xù)光譜，從單一視角走向了多維空間。你可以把零散經驗抽象化，把朦朧直覺語言化，把語言結構化，再把結構系統(tǒng)化。最終，在處理個案的同時，你會思考個案裁判對制度系統(tǒng)的影響。

法言法語確實能讓你像個法律人一樣思考。但如果你的思考停留在法言法語，只學會調用術語，沒學會來回互譯，那么法言法語就會變成思考的籠子——把概念當理解，把框架當世界，把順口當深刻。你可能只是給問題貼了個標簽——“這是程序正義問題”“這是法益侵害問題”“這是構成要件問題”——然后就覺得自己理解了。

若要防止法言法語窒息思考，讓法言法語成為思考的引擎，就需要養(yǎng)成一個習慣，每逢看到“構成要件”“法益侵害”或“程序正義”之類的法言法語，就嘗試去追問：

· 這個構成要件為什么這樣設計？

· 法益保護的邊界在哪里？

· 程序正義在什么情況下可以取代實質正義？

6

切換語言是個挑戰(zhàn)，一開始會覺得很累。

當你第一次嘗試把“法的安定性”翻譯成“信息成本最小化”時，嘗試用“對抗魯棒性”來評估一個制度時，會覺得別扭，很陌生。要考慮博弈，考慮操縱，考慮最壞情況，這些考慮在法言法語里是很容易被隱藏的。但現在你要把它們一個個“曬”出來，大腦會感到不適應。怎樣解決這個問題？怎樣讓切換語言的思考方式變得不那么累？

答案是：內化。

內化，就是讓一種外在的工具變成思考的本能，變成類似身體記憶的直覺，就像鋼琴家的手指記憶或棋手的盤面印象，但這需要長期的訓練。

更新直覺相當于給大腦“裝軟件”，大腦適應新軟件需要時間。一開始，你要一步步推導：規(guī)則變軟→識別成本上升→代理成本增加→策略性利用者進場→激勵不相容→系統(tǒng)被擊穿。

等推導幾十次、幾百次之后，這個邏輯鏈條就被壓縮了。你可以從“規(guī)則變軟”直接跳到“系統(tǒng)可能被擊穿”，省略中間的推導步驟。這就等于更新了直覺。直覺是壓縮過的經驗和邏輯，它可以大大減輕你的思考負擔。

此時，如果有人問你：“法律為什么偏好硬規(guī)則？”你的回答可能還是那句“不能開口子”，但一樣答案的背后是不一樣的直覺。此時的“不能開口子”已經壓縮了一整套關于信息成本、代理成本、激勵相容、對抗魯棒性和系統(tǒng)演化的推理鏈條。

這是經過多種語言錘煉之后的直覺，不同于最初的經驗語言。它不再只是一句話，而是一個可以隨時展開的思維壓縮包。

7

回到標題的問題：法言法語是法律人思考的翅膀還是籠子？

答案：看情況。

如果你把法言法語當作唯一的思考語言，它就是籠子。你會被概念束縛，被框架限制，被術語遮蔽。你以為自己在思考，其實只是在重復。

但如果你把法言法語當作多種思考語言中的一種，學會在法言法語、經濟學語言、系統(tǒng)科學語言之間自由切換，那么法言法語就是翅膀。

更重要的是，你的認知獲得了彈性——這是一種元能力。你不會被任何一種語言困住，你知道每種語言都有盲點，而盲點可以通過切換語言來暴露和彌補。

當你能夠把“罪刑法定”翻譯成“事前激勵設計”，再翻譯成“高可觀測性觸發(fā)條件”；當你能夠把“不能開口子”翻譯成“激勵相容約束”，再翻譯成“對抗魯棒性”時，你就不再是被語言馴化的法律人，而是能夠駕馭語言的思考者。

處理案件時，你腦子里就不再只是“鑒定式案例分析”——一套偽裝成案例分析、卻足以窒息法律人思考的話術；你還能看見規(guī)則背后的激勵結構以及裁判可能引發(fā)的行為反饋。當然，你仍然可以隨時調用這套話術，但它已不再是不可替代、不可逃離的思考路徑。

本文內容來自中國法律評論，本文章僅限學習交流使用，版權歸原作者所有。

Serving national strategies, focusing on university research and the transformation of scientific and technological achievements