可靠性上的显著差别，在演绎推理上体现得尤其明显。作为必然性推理，它所得出的结果因百分之百可靠，而被视为必然为真。但归纳和类推这类或然性推理所得的未知结论只是可能、而非必然为真，否则它们也将是必然性推理。由于在语义上，可能为真与可能为假相容，这会使人误以为或然性推理与直觉或揣测本就是同类。但它们之所以还是推理，意在表明除非发现相反情形，否则没有理由怀疑或然性推理及其结果；对于无法称作推理的直觉或揣测，即使存在相符的情形，也仍缺乏信任的充足理由。

因此，尽管并非所有推理都有必然性，其结论也并非一定为真，但推理仍为未知结论提供了充足辩护，以至于在找到反例之前，最理性的选择仍是承认该结论的有效性。这就引出了司法的创造性：一个原本未知的裁判结果，因获得（法律）推理的支持，不但从无到有被创造出来，且还应当被看作是可靠的，就像它原本就真实地存在一样。即使该结果可能挑战常识，但只要它是推理的产物，就必须被当作真相。当然，这再次证明司法三段论的强大吸引力，它是从已知中获得未知的最可靠方式，其他推理方式通常只在司法三段论的边缘处发挥作用，而不能彻底且全面地取代其地位。

总结刚才的讨论，值得强调者有三：其一，按照一般与个别的区分，作为大前提的法律是一般性的唯一拥有者，但具备个别性的则有二，即作为小前提的法律事实与作为结论的裁判结果。其二，按照已知与未知的区分，唯一未知的就只有结论，且它还是个别性的未知；大前提、小前提均属已知，前者是一般性已知，后者是个别性已知。其三，作为个别性已知的法律事实是司法的唯一动因，然后才会有结合法律这个一般性的已知大前提，最终创造出未知的个别裁判结果的司法实践。

（三）人工智能的司法角色

有了这些铺垫，现可考虑非生成式人工智能的司法角色。非生成式人工智能在司法中只能扮演辅助角色，这是由其技术特点所决定的。无论怎样理解人工智能，大数据一定是其中的核心，没有大数据，也就没有人工智能。数据一般代表着具体和精确，例如某人身高180厘米、体重60公斤，高瘦的形象由此得出；而体重90公斤的同样身高者，却会带来魁梧的形象。当大量的数据汇合起来，即使身高、体重、相貌、血型、基因等方面高度类似的孪生兄弟，也会被精准地区别开来。这就是大数据的意义，它代表着对一个事物更具体、更精确的描述。

无论大数据多精确或多具体，其作为数据有两个基本特点不会改变：一是它只能作个别描述。由于是否使用类别是个别与一般的关键区别，且数据又是类别的反面，完全数据式的描述只会拥有个别性。二是除数据是否足够大之外，描述的精确与否还取决于数据是否真实，否则不过是精确的虚构罢了，而真实的另一名称正是已知。既然大数据只能描述个别性已知，且在司法三段论中，法律事实是唯一的个别性已知，人工智能通常只能是服务于小前提的工具，这就是它主要的司法限度。或者说，裁判结果之所以是法律的决定，正是由于法律这个大前提，但大数据却无力描述这个一般性的已知，人工智能就只能扮演司法的辅助角色。

不过，以作用于小前提的方式参与司法三段论，并非人工智能的唯一角色，它还提供了重要的参考作用。由于类似案件的已生效判决也是个别性已知，大数据通过汇集、整理既有同类判决，为待决案件提供参考，但也只能是参考。在大数据的纤毫毕露之下，本案的事实一定区别于已审结案件的事实，就像两片不完全相同的树叶一样，而无法直接援引既有裁判结果，这就是参考蕴含的辅助之意。此外，还有一种毋须多言的辅助角色，人工智能承担了大量繁杂的事务性工作，辅助、甚至取代人类书记员，成为司法活动的帮手。无论辅助或取代，还是参与和参考，都不会动摇人类法官的主导角色。以作用于小前提的方式参与司法三段论，以汇集、整理既有判决为待决案件提供参考，以及辅助或取代人类书记员，就是司法人工智能辅助角色的具体表现，即使人工智能最终不能取代法官，但它仍足以完成以上三方面的任务。

三、从辅助到主导：生成式人工智能的创造性

（一）司法与人的因素

既然谈到了人类法官的主导角色，但为何只能如此？这来自人类的属性。由于各种推理形式本身只是逻辑工具，无法自动落实到具体案件之上，只有作为唯一理性生物的人类，才拥有运用逻辑工具所必需的理性能力。因此，只有由人类来担任法官，才可能翻越司法的两座高山：一座是仅关于已知的一般与个别的高山，以实现从一般到个别的初步任务；另一座是已知与未知之间的高山，以完成从已知到未知的终极任务。当这两座高山均被成功越过，一个原本未知的结论，才会获得推理的有力支持，变成宛如已知的裁判结果。

由于以大数据为核心的非生成式人工智能，无力描述一般性已知（法律）和个别性未知（裁判结果），而只能描述个别性已知（法律事实），它根本不具备翻越这两座高山的能力，最多只能担任登山装备一样的辅助角色，而人类才是唯一的攀山者。但这会遭遇有力挑战：所有这些都建立在存在大前提的假设之上，但真实的司法实践并非总是如此完美；一旦不存在一般性大前提且不能合理拒绝裁判，就只能采取从个别到个别的类比推理，通过参照由数据表达的个别性已知（类似案件的已生效判决），然后以统计学的方式，预测出个别性未知（本案之裁判结果）的大致概率。由于个别性已知和概率本身就是数据，或者可用数据表达，人工智能此时将突破辅助角色的限制，向法官提供应作出何种决定的指示。

但这将有三个缺陷：第一，由于数据是个别性的且个别代表着差异，经由数据表达的本案事实，虽与已决案件的事实存在重合，但一定还存在数据差异，此时既可说二者相似，也可说它们完全不同，而后一判断将会彻底否定类比推理的合理性。第二，即使否认这一点，但已决裁判之所以是法律的决定，是因为它从自己的大前提中获得该意义，因此与已决裁判相关的法律，仍将在待决案件中间接扮演大前提的角色，这才是对类比推理的完整理解，但这个间接的大前提却是数据所无法表达的。第三，即使忽略前两个缺陷，由于本案裁判结果原属未知，它不可能以数据方式事先存在，只能来自人类法官对理性的运用，最终实现从已知到未知的创造性跨越。尽管数据所表达的概率或统计也有相当分量，但它们仍只是创造过程的参考因素而已。

（二）人工智能的生成性

不过，使得非生成式人工智能只能担任辅助角色的两座高山——从一般到个别的具体化与从已知到未知的创造性，同样横亘在人类法官面前。它们是高耸巍峨的存在而不可轻言越过，人类也需辅以推理或逻辑之类的装备。正是因为涉及逻辑工具的使用，人类法官是否真的成功翻越，经常遭遇“使用不过是掩饰”的种种怀疑，这是法律实践充满争辩性的一个核心原因。尽管如此，作为唯一的理性生物，人类仍是仅有的可能翻越者，否则就等于置法律纠纷于不顾，那将是更糟糕的局面。

随着生成式人工智能的发明，情形已被改变。从名称上可知，这种以深度学习和大语言模型为核心的人工智能，不但可以理解语言文本的含义，还能自动生成语言文本，这正是它被冠以“生成式”之名的原因。面对那两座司法的巍峨高山，人类不再是唯一的攀登者，人工智能也有了向上攀爬的可能：一方面，深度学习能力使理解一般性大前提成为可能，从一般到个别不再成为障碍；另一方面，文本自动生成能力使创造未知结论成为可能，从而能跨越从已知到未知的天堑。当然会有关于技术可能性的种种论辩：以上这些能力在技术上是真实的，还是只是科学家的夸大其词；或者，由于裁判必然涉及价值判断，人类的推理经常对此束手无策，更何况生成式人工智能；如此等等。

即使再专业的学者也应保持必要谦逊，不应在不熟悉的领域轻易发言，这同样适用于法学专家。但有一种关于技术的指责，似可合理提出：如果生成过程是个说不清、道不明的