数据驱动法律预测：新存在范式的探索

本章节深入探讨了数据驱动法律（Data-Driven Law）的兴起，即在司法决策中利用大数据分析和预测技术作为法律指导的新型实践。作者Mireille Hildebrandt认为，这一领域的革新性“可用性”（affordances）有可能重塑法律的存在模式。她将讨论的主题分为三个部分。 首先，她关注的是机器学习（Machine Learning）在法律决策中的潜力。这部分旨在揭示基于数学假设的算法决策过程，通过研究基础研究设计，她将探索算法“洞察力”（algorithmic insights）的透明度问题。她将剖析如何机器学习模型可以提供预测性判断，同时挑战传统的法律推理和判决方式。 其次，Hildebrandt转向了现代实在法（Text-Driven Law）的性质，着重强调法律效力的执行特性及其与法律效力的关系。她通过分析法律规则如何转化为具体的执行行动，也就是法律的“表演性”（Speech Act Theory），来探讨文本驱动法律与数据驱动法律之间的区别。她指出，这种转变可能会对法律的权威性和公正性产生影响。 最后，她聚焦于数据驱动法律在法律保护方面的挑战。随着科技的发展，数据驱动决策可能会引发关于隐私、公平性和责任归属的问题。她提出，为了应对这些挑战，有必要在法律和法治框架内引入“通过设计”（by design）的方法。这个概念区分了主动地通过技术提供法律保护（providing legal protection by design）与被动地依赖技术获取保护（obtaining legal protection through technology）或者技术监管（technological regulation）。通过这种方式，Hildebrandt旨在确保法律的适应性与未来社会发展的需求保持同步，同时维护法治的核心价值。她的研究为理解数据驱动法律的潜在影响提供了深入的理论分析和实用性的建议。