人工智能时代环境法治的机遇、挑战及发展*

李杰豪，刘恭勋

(湖南工商大学 法学院，湖南 长沙 410205)

制度是社会发展的映射。科技进步的突飞猛进使人工智能服务环境法治成为当今司法实践的新要求。一方面，人工智能的技术优势有助于环境领域法律法规的有序化、系统化发展，有助于统一环境损害的标准认定，推进类案同判，促进司法公正。另一方面，人工智能在助推环境法治发展过程中需要大力发挥环境执法和司法工作人员的主体性和能动作用，需要考虑社会伦理价值逻辑，将人工智能的技术优势与人类自身的主观能动性相结合，大力提升环境法治的效能与品质，进而推进新时代国家环保领域治理体系和治理能力现代化。

一、人工智能促进环境法治具有独到优势

环境领域的法治保障相对特殊，损害结果变动不居，致害原因难以查找，导致环境法治的技术要求较高，损害标准认定较难。人工智能作为新一代跨界技术，其强大的词汇抓取、共性归类和独特的算法逻辑等优势有助于缓解法律困境，有效破解环境保护领域的顽瘴痼疾。

(一)人工智能具有强大的词汇抓取能力

在环境受到损害的情形下，怎样对环境损害事实进行认定存在较大困难。人工智能技术可以发挥其强大的词汇抓取优势，通过对大量案例进行分析与比对，从中抓取环境领域相关关键词进行数据库的构建，进而为法律事实的认定作出精准识别。比如，在环境损害监测的传感器用语设计中，针对环境受损的类型，即根据污染类案件与环境破坏类案例的特性分别导入各自范围内的损害监测词汇，可以实现相关案情的快速匹配并即时作出认定反馈。

人工智能的词汇抓取与环境法治的各个环节之间有着紧密关联，这为环境法治的推进提供了重要保障。环境保护涉及的类型复杂多样，牵涉到社会生产生活各个领域，人工智能促进环境法治的高效发展既是当前生态型社会建设的迫切需要，更是实现具体环境法治“智慧化”的必要条件。作为前提，人工智能推进环境治理的认定需要对环境法治过程中各种纷繁复杂的数据词汇进行处理，通过依托其强大的词汇抓取优势对海量环境词汇进行分析，将环境词汇转化为认定过程中的可用资源，进而促进环境法治的高效治理。

环境词汇信息的智能化、法治化处理需要构建一个全流程的应用体系。环境词汇从信息的收集，数据的存储、处理，到形成大量环境词汇群，再到根据类型的不同依次构建环境数据库，需要满足机器语言的性能并合乎法律的要求。通过分门别类形成环境词汇监测子任务，利用云计算系统，构建完整的环境词汇体系，使之为词汇检索和快速抓取提供便利。易言之，人工智能对有效环境词汇进行提取并简化，形成便捷的离线式索引与抽取机制，使用户能够对环境数据词汇作出快速有效的查阅，满足环境法治的匹配需要。

(二)人工智能的共性归类优势明显

司法实践中，各地对环境损害相关法律条款的认知差异较大，导致地方裁量基准不一致，进而在一定程度上带来了自由裁量权的滥用。人工智能技术的共性归类优势，能够打通环境法治实践中的“信息壁垒”，实现信息流通共享。通过收集形成案例数据库，整合归纳案例的共性，再利用智能编码技术分析集成类案裁判的标准区间并预测案件裁判走向，从而建立标准化的裁判模型。裁判模型对裁判处罚量度的统一，有利于限制自由裁量权的“专断”，实现人工智能的技术理性与执法人员裁判经验的人机协同，促使处罚结果更加公正、客观。

环境领域涵盖的信息数量庞大、参差不齐，人工智能的技术逻辑表现为在案例判决的半结构化数据基础上，抽取情节和判决结果，整合特定组合规律，再对具有相似特征的待处理案件作出判断。显然，人工智能的共性归类技术本质上形成了一项以海量数据挖掘为基础的认知决策，借助这种技术对初始数据进行深入挖掘、分析、筛选，能够有效整合相关数据信息，改善环境领域数据碎片化现象，实现环境法治从“经验办理”向“标准办理”转型，避免类案不同判现象的发生。

人工智能时代，基于科技的不断突破与进步，环境领域的大数据仍处于高位发展中。[1]44数据的多元化来源对更多信息的获取有利，对来源不同的数据进行共性归类也可能对环境法治的发展形成新的认知理念[2]3,克服之前因类别、行业等标准受到孤立和隔离导致同一时空对象所属的各类数据和信息之间天然的一致性、耦合性被强制割裂或遗忘而出现的“信息孤岛”风险。[3]67随着人工智能技术的迭代革新和各种人工智能传播媒介、共享平台的形成，环境领域的智能应用可以更加精准地识别生态环境状况、污染源分布等信息，更加明确地对相关数据作出初步预测，逐步满足环境领域的治理需要。[4]70

(三)人工智能具有独特的算法逻辑

环境损害额度的量化在当前司法实践中面临诸多挑战，人工智能的独到算法在这方面具有优势。所谓人工智能的算法逻辑，实质上就是借助算法在海量数据中寻找隐藏其间的信息推理流程。与类案推荐相似，其底层逻辑是通过对各大案件的情节进行抽取以建立司法大数据库，再根据待处理案件的特征表现与所形成的大数据库中的案例情节进行分析，通过相似度计算后推荐解决方案给用户。其中，推荐的方案是否精准取决于相似度的计算方式，“K最近邻算法”(KNN)是当下最为普遍的且已经得到证实可以最大程度保障准确性的算法。[5]108然而在算法的各项指标中均占优势的情形并不存在，[6]29所以,在人工智能算法逻辑的技术开发中对于同一情形下的问题也需要经过循环往复的算法尝试再获取最优方案。

传统算法是根据输入指令给出解决结果的特定任务程序，与之形成较大优势的是新一代人工智能的机器学习算法，特别是其中的深度学习算法。这类算法并不是固定不变的，而是拥有自我构建能力，可以因计算、挖掘次数的变化而不断自动调整算法的参数，使挖掘和预测结果更为准确。[7]268显然，人工智能这种独特的算法逻辑为解决复杂性不断提高的各种环境法治问题提供了无限空间和可能，随着人工智能算法中自然语义处理功能与环境法治领域法言法语的匹配性或语义映射问题的解决，人工智能促进环境损害赔偿的量化作用将更加突显。

令人惊奇的是，人工智能的独特算法逻辑，不仅能够更加精准地识别环境领域的实际变化，还能够对其变化的趋势预测和风险预警作出判断，进而为环境法治决策实现更为高效的变革发展作出贡献。首先，人工智能因其算法推断逻辑与数据挖掘技术的突飞猛进，能够在确保基础数据真实有效的情况下，就其影响因子以及影响程度作出定量处理，并适时做出即刻反馈。其次，人工智能的算法逻辑在环境法治的影响因素中，能够针对隐蔽的影响风险作出概率分析，并提出相应的应急处置途径。最后，环境状况的影响因子判断和系统预测也为进一步明确环境损害额度提供了条件。比如，通过人工智能的算法技术和遥感技术等方式对跨域污染进行责任细分，为推动生态补偿的发展提供了必要的支撑。

二、人工智能视野下环境法治面临的挑战

自然资源的开发利用一定程度上都会对生态环境造成损害。出于损害的多样性和复杂性，针对损害所适用的赔偿机制面临损害的发现、认定、具体量化与修复方案的构建等实际问题。从成本效益和司法的可操作性考虑，对于环境损害的认定应当确立适用的门槛以证明损害事实的发生和赔偿的必要，而在具体量化赔偿额时应当明确其可赔偿的范围。

(一)环境损害认定的标准不统一

实践中损害环境的情形多种多样，而其赔偿范围并不是把所有环境损害行为均归入其中。究竟何种环境影响能够纳入环境损害的范畴并予以修复或者启动赔偿程序，首先需要明确环境损害的认定标准。

欧盟在其《环境责任指令》中规定环境损害主要包括物种保护与栖息地的损害、水质污染以及土壤损害三种情形。前两项损害认定，须具备重大不利影响这一构成要件，后一项损害认定则须满足对人体健康产生重大影响的条件，并且所有损害都必须是资源的可计算的负面影响或者因其造成的资源的可计算的损害。虽然以“重大性”作为损害的认定标准容易出现理解上的差异，以及因较大模糊性造成的临界值认定困难等问题，但“重大性”却是欧盟判断损害是否发生的一项重要标准。

与欧盟相比，我国对于环境损害的认定标准并未作出统一的规定。一方面，从损害金额来看，污染类案件在评估费、咨询费、赔偿费以及律师费方面产生的费用非常高昂，一般数十万元到数百万元不等，加上案件受理费、执行费则会更高。由于损害的金额无法衡量各种损害行为对环境或人体健康造成的具体影响，故其只能作为损害认定标准的考量因素而不能直接作为认定标准。另一方面，环境污染造成多大的环境损害会被认定为成立环境损害也未明确，比如有害物质的超标程度以及污染的持续时间、环境损害的影响程度等等。此种状况，极大制约了我国生态环境保护事业的发展。

司法实践中，主要通过环境介质以及其他相关要素的生化反应的特征变化来对生态环境损害进行认定，即通过行为发生后与原始状态下的环境状况作比较来对环境损害进行认定，但由于当前我国环境基线水平的数据存在较大缺口，这种比较缺乏参照规范、导致损害认定的标准难以统一。

(二)环境损害的额度不易量化

科技的快速发展与人们对环境利用的不加节制，导致了环境损害的多样化，加上传统评估手段的缺乏导致了损害量化在司法实践中存在较大困难，目前主流做法就是以违法行为的发生为依据倒推损害事实，再借助虚拟治理成本法对损害程度进行衡量。由于欠缺统一标准，出现了司法实践的不一致与量化过程的非精细化发展。

立法取向上，我国主要借鉴欧盟《环境责任指令》与美国的《石油污染法》以及NOAA的损害评价体系的经验做法，制定了《环境损害鉴定评估推荐方法》作为实践指引。将可赔偿的修复性措施分为基本修复、赔偿性修复、补充性修复措施。[8]165在对基本修复与赔偿性修复措施的成本进行评估时，直接计算所采用的措施的支出费用即可计算基本修复的成本。而计算补充性修复措施的成本，需要根据等值分析法或其他替代性措施才能计算其修复费用。因此，在对环境损害的额度进行量化之前，要根据不同的损害类型选择相应的修复措施。

司法实践中，我国环境损害的具体量化还存在较多障碍。受损的生态环境既包含环境本身的使用价值，还存在非使用价值，仅仅依靠市场价值无法进行准确衡量。即使现有法律文件对损害的量化进行了基础性的明晰，但是面对规范性文件之间的争议协调与衔接以及环境损害的量化困境时，法官也是莫衷一是。通过对环境损害裁判文书的分析，司法人员在环境损害的实际量化中，虚拟治理成本法被过度使用，甚至在有些情形下未对其他评估方法予以谨慎考量就径直确定采用虚拟治理成本法作为量化途径。此外，根据虚拟治理成本法进行损害量化时，其量化的对象究竟是修复成本、过渡期损失抑或整体损害，也未形成统一的做法。因此，量化方式的选择与损害的计算方式仍存有困境。

(三)环境损害赔偿的范围需要明确

环境损害赔偿的范围包含修复成本、替代性修复成本、鉴定费、评估费以及环境受损至恢复阶段的服务功能损失或称作过渡期损失。在《生态环境损害赔偿制度改革方案》中，可赔偿的范围包含污染的清除费、环境损害的修复成本、过渡期的服务功能损失、环境永久性损害导致的损失以及损害的评估调查费用。《环境损害鉴定评估推荐方法》明确了具体的损害评估方法，分别是替代等值分析法与环境价值评估法。替代等值分析法是通过修复措施对生态系统的服务功能恢复至同一水平或者对自然资源修复至基线水平。而环境价值评估法不需要采取修复措施，取而代之的是以货币对其损害的价值予以评估。然而这些文件均未对各项费用的具体内容进行界定，也未对各项费用之间是叠加还是替代关系作出解释。

此外，各种文件中术语的使用不一致。比如，在《环境民事公益诉讼司法解释》中规定了“替代修复”，《生态环境损害赔偿制度改革方案》中采用“永久性损害”，而《环境损害鉴定评估推荐方法》中规定基本、补偿性、补充性恢复以及永久性损害。环境损害无法恢复时，包括同功能异种类、同价值异等级的情形[9]296应当理解为“替代修复”。此种解释方式使“替代修复”与《推荐方法》中的“永久性损害”在意义上具有相似之处。但是生态系统恢复的工程性措施需要以“替代修复”为基础，同时还需提供具体的修复方案。[10]36依靠工程修复或者采用环境价值评估法可以实现“补充性恢复”，环境价值评估法也可以量化“永久性损害”。由于术语表达出现混乱，可赔偿的具体内容之间仍然存在不明确的关系。

三、人工智能赋能环境法治的发展路径

互联网时代信息技术和物质社会的交汇融合促进了数据的迅速增长，而当大数据量的积累达到质变的奇点时，智能革命便悄然发生。人工智能对于其他行业的影响，源于三个方面力量的推动：新的技术的推动，使我们能够进行更强有力的实验；来自新应用的新挑战；以及包括数学在内的其他科学的新进展，使我们有新的机制或预测工具，理解并利用现存的机制[11]115。新一代人工智能无论是在技术、软件还是理论建模等方面都已经实现了质的跨越。2017年7月国务院印发实施的《新一代人工智能发展规划》，明确要求司法部门积极推进人工智能在阅读和分析法律文件、证据收集认定、案例分析等方面的应用，全面提升环境法治的智能化水平[12]80。

(一)依托人工智能构建环境损害数据共享平台

环境司法证据往往是通过自然科学的形式呈现出来，其中涵盖的内容不仅涉及物理、化学、生物、地理环境以及资源勘探等多方面的技术，还与环境保护与社会治理紧密相关，由此势必需要掌握资源管理、人口统计学以及经济学等社会科学的知识。显然，环境司法证据的收集难度因其独特的专业性与较广的涉及面变得愈来愈大，导致专业化的审判人员对此也束手无策，在实践中即便能够得到环境科学人员的帮助，也只能对概念层面的术语达到浅显的认知，不能真正对其中所涉及的科学原理作更深层次的理解，故而无法打破技术方面的壁垒，提取并凝练出案件所涉的最基本的环境损害事实。

解决这一困境，亟待构建一个“环境数据同步共享以及科学语言与法律语言准确转译的技术平台”。[13]20在损害事实发生之后，侦查机关可以对该损害行为作出法律方面的准确认定，立即对相关证据进行采集和固定，环保部门可以及时进行鉴定、比对与分析，对破坏资源环境的危害行为作出科学评价，而一旦鉴定机构作出鉴定结论，应当将该环境术语转译成法律评价，明确破坏环境行为的性质、实施该行为的主观心理、造成的危害结果以及据以定罪量刑的法律事实情况，在满足科学性与法律性的条件下形成一套公开透明、可持续且可验证的转译机制。

在诉讼程序方面，检察机关也需对转译数据进行平台共享，对侦查和鉴定过程进行同步跟踪与实时监督，及时保存鉴定记录，或补充侦查过程的相关情节。在诉讼权利的保障方面，犯罪嫌疑人或被告与检察机关均可针对侦查机关收集数据的真实性、关联性与完整性提出异议，也可以因鉴定机构存在的问题提出不同看法，对转译报告是否科学申请复核。在诉讼效力方面，转译报告的效力与鉴定结论保持一致，须受到“未经质证不得作为定案依据”的诉讼规则的约束。诉讼双方均有权就其客观性、关联性以及合法性提出异议。建立环境术语转译平台可以为科学认知与法律评价之间的联系提供桥梁作用，以在最大程度上保障诉讼的客观公正。

由于环境类案件具有纷繁复杂的显著特点，不断推进环境鉴定机构的规范化，“使环境类案件的证据效力得到进一步提升，将会最大限度的提高办案效率”，然而，当前鉴定行业的基础薄弱，未形成统一的技术标准，环境司法鉴定的资源比较匮乏[14]2。毫无疑问，这些障碍将对鉴定行业的发展产生一定的限制，从而影响证据的认定，导致诉讼活动受到影响。依托人工智能技术 ,通过对登记在册的满足要求的鉴定机构的智能选择，结合鉴定的技术水准与成本 ,智能化的匹配最优选择下的鉴定机构 ,由此倒逼一些不符合要求的鉴定机构主动作出革新，从而促进证据认定辅助作用的加强和鉴定行业的向好发展。

借助人工智能促进环境技术认定标准不断完善的同时，还应当发挥技术认定标准优势在法律适用中形成长效机制，以保证在各种环境损害的情形中均能体现它的价值所在。在这方面，人工智能既可以应用大数据技术，收集、存储、分析环境领域的相关数据，实现跨系统的数据分析，为环境技术认定标准的规范化提供科学的依据，也能够通过编写适当的程序形成统一的认定标准，相对客观、快速的对类似案件进行裁判和辅助决策，这样不但节省了人力成本，提高了办案效率，同时也减轻了环保部门的压力，提高了办案质量。

(二)借助司法大数据统一环境损害认定标准和赔偿范围

伴随环境司法数据的持续累积和包含大数据、云计算、人工智能的“智慧法院”的推进，智能辅助在证据认定环节的应用成为大势所趋。[13]22相较于传统的信息技术，司法大数据的数据前置性、算法依赖性与自我适应性尤为凸显。具体而言，司法大数据是根据既定目标，不断探索与分析判决书、案件卷宗、庭审视频这样一些非结构化或者半结构化的数据，摸索出隐藏的规律性，再将其进一步模型化，由此为司法活动提供案例化的技术支持。其在本质上是借助数据挖掘构建深层次的司法规律并适用之的体现，具有绝对的前置性。数据挖掘是根据算法在海量数据中寻找隐藏其中的规律的过程，通过类案推荐的方式抽取各大案件的情节组成司法大数据的储存库，再根据目标案件的特征属性与储存库中的案例作比较，计算相似度之后及时向用户进行反馈。

《民法典》侵权责任编第七章对环境污染与生态破坏责任进行了规定，其中第1231条涉及两个以上侵权人的责任大小：“两个以上侵权人污染环境、破坏生态的，承担责任的大小，根据污染物的种类、浓度、排放量，破坏生态的方式、范围、程度，以及行为对损害后果所起的作用等因素确定”。第1235条对公益诉讼的赔偿范围进行了规定，相关机关或者组织有权请求侵权人赔偿下列损失和费用：一是生态环境受到损害至修复完成期间服务功能丧失导致的损失；二是生态环境功能永久性损害造成的损失；三是生态环境损害调查、鉴定评估等费用；四是清除污染、修复生态环境费用；五是防止损害的发生和扩大所支出的合理费用。面对如此抽象且庞杂的计算对象，亟待借助既有的司法案例库，发挥人工智能技术优势，形成一个长期有效的协作机制，以破解赔偿范围不统一的难题。

当前，我国环境管理进程中，“环境数据的数量呈现几何级数增长。由环境管理部门产生的环境管理政务业务数据，由相关职能部门(如农业、林业、气象、水利、国土等)产生的环境相关政务、业务数据，基于互联网和社会化获取的信息资源等大量产生的数据”[15]109，但是由于各部门的权限范围不同，即便这些数据对环境司法的取证具有辅助作用，法院在获取环境数据时仍然存有障碍。因此，数据共享对环境司法证据的认定就显得尤为关键。环境类案件所涉部门或机构基于数据共享的理念可以将各自获取的数据在整合或统一标准后上传至同一平台，在数据抓取与并行计算的技术下持续扩大环境数据库，并借助算法的设立获得环境损害赔偿范围的相关数据，从而在辅助环境污染主客体因果关系的认定方面提供技术支持，进一步明确环境损害的赔偿范围。

(三)引入计算机模型量化环境损害赔偿额度

在环境诉讼的损害赔偿额度计算中，可以尝试引入计算机模型进行量化计算与确定。“美国自然资源损害公益诉讼，最初的法律依据是1973年通过的《阿拉斯加输油管道授权法案》(TAPAA)，这一法案明确输油管道通行权人对所有受损方承担严格责任。”[16]162对于自然资源损害赔偿数额的评估，“美国国家海洋与大气管理局建构了自然资源损害评估规则(NOAA规则)，此规则分为A和B两个程序，A程序适用于损害较小的情形，通过设计好的计算机模型进行计算，B程序适用于损害较大的情形，需要进行实地考察和评估。”[17]72这一规则针对案件情况存在的差异，就损害评估采用繁简分流的方式，有效解决了因标准不同造成计算差异较大的问题。

就环境损害的小额诉讼而言，针对原告主张的赔偿请求数额，各地高级法院可以参照民事小额诉讼标的，结合各地经济发展水平的具体情况进行确定。但在参数与数据完整性方面可以吸收美国经验，采用引入计算机模型的方式进行数额确定。”[18]163同时分析各种污染物的特征，借助数学函数公式计算相应的损害赔偿数额。在环保部门发布的《虚拟治理成本法说明》之中，采用成本函数法确定单位的治理成本，也就是通过大量数据调查，构建各种常见污染物的成本函数模型，以实现反复使用的目的。

函数模型或计算公式的具体构建在理论层面已有研究针对环境功能损失进行细化。[19]179“从生态学领域中引入相对先进的估算模型进行评估和量化”，[20]6不失为一种具有可行性的路径选择。若参数与数据不完整，即使引入计算机模型也无法进行计算，若污染事实是确实发生的，借助日本的“相当损害额”规则，审判人员可以综合考量。“日本《民事诉讼法》第248条规定，在认定已发生损害的场合，因损害的性质对其金额的举证极其困难时，法院可基于口头辩论的全部内容以及证据调查的结果，认定相当损害额。”[21]9针对可自由裁量的数额，法官需在裁判文书中就计算的依据予以释明。

在量化赔偿额度的司法实践中，试图引入计算机模型是创新之举，这一做法将为赔偿额度的精准化、系统化、明确化提供重要的路径选择。计算机模型的构建主要通过各类算法达成预期目标，具有无可比拟的技术优势。然而法律实施与其他领域的最大不同，除了注重逻辑推理外，还包含社会伦理价值判断。人工智能最初算法是由人类制定，符合人类原有价值观念，但当人工智能吸收海量数据以后会自动生成对某类问题的判断。这种判断可能符合人工智能算法逻辑，却不一定符合法律承载的社会价值逻辑，出现算法逻辑与价值逻辑相悖反的现象。实际上，法律是一定时期内人类社会经验的积累，环境执法和司法工作者对事实、证据和适用法律规范的认定有赖于长期工作经验，不能机械简化法律事实为数据，而须尊重法律承载的人类智慧成果。

习近平总书记强调，“良好生态环境是最公平的公共产品，是最普惠的民生福祉”[22]6。要“推动大数据、人工智能的科技创新成果同司法工作深度融合”[23]9。人工智能的持续发展将在推进环境法治类案同判和人机协同方面发挥更多实质性的赋能加持作用，同时，应持续促进法律规范、法律实践的进步，特别是机器与人的能动性之间的协调，以更好实现人机合一，更有效促进环境法治。