衡量、监控和管理法律复杂性

您是否认为美国税法过于复杂？如果是这样，那么您就是一个好伙伴——大多数美国人认为税法过于复杂。 1 许多法律学者认为税法过于复杂。 2 甚至美国国税局自己的国家纳税人权益保护局也认为税法过于复杂。 3 这在社会上并不是一种新情绪——“自从联邦所得税开始实施以来，评论员就认为复杂性几乎是不可避免的。” 4 但要证明！没错，证明税法太复杂了。你会怎么做？您如何证明税法或任何其他法规或法规过于复杂？对某些法律要素做出这样的声明需要证明两个相关的假设。第一个是描述性的：法律是复杂的。二是规范性：法律过于复杂。从理论上讲，两者都是经验可检验的假设。法律体系复杂的主张需要一些约定来定义法律复杂性，然后是某种衡量法律复杂性的方法。此外，关于法律体系过于复杂的主张需要确定最佳的法律复杂性以及将特定法律的复杂性与该标准进行比较的某种方式。由于人们对税法过于复杂而挥手致意，人们会认为这两组指标已经确立并经常应用于广泛的法律领域。那将是一个错误。法律的复杂性虽然经常在修辞政策辩论中被提及，但实际上是法律最不为人理解和衡量的特征之一。因此，使法律体系不那么复杂或“更简单”仍然是一种流行但难以捉摸的补救措施，以解决“过于复杂”的问题，而处方往往看起来比问题更复杂。 5 法律是复杂的，这对任何律师来说都是直观的，但要准确了解其含义以及如何处理它并不是一件简单的事情。首先，需要一个理论基础来描述与法律系统相关的术语的复杂性。什么是法律复杂性，哪些属性和变量会导致法律系统变得复杂？然后，必须制定度量标准和方法来衡量和监控法律体系中的这些属性。有了这些数据，法律理论家、政治家和公民就可以开始关于法律应该有多复杂的循证辩论。而且，如果确定法律过于复杂或不够复杂，那么拥有调整和管理法律复杂性的手段将是有用的。当然，这些都不是小任务。法律学者已经开始将复杂性科学（也称为复杂性理论）作为一个视角来探讨这些关于法律复杂性的描述性和规范性问题。 6 复杂性科学的重点是复杂的适应系统，“在这种系统中，没有中央控制和简单操作规则的大型组件网络通过学习或进化产生复杂的集体行为、复杂的信息处理和适应。” 7 迄今为止，使用该学科研究法律复杂性的法律学者主要侧重于将法律系统描述为复杂的适应性系统，以了解法律复杂性的起源并探索管理它的理论方法。换句话说，法律学者基本上跳过了困难的部分——开发量化指标和方法来衡量和监控法律的复杂性。 8 但是，法律复杂性理论将停留在理论阶段，直到进入实证研究阶段；如果没有衡量法律应该有多复杂的标准，那么思考如何管理法律的复杂性就毫无意义。简而言之，如果没有强大的实证工具，我们就无法让法律复杂性理论发挥作用。为了实际解决这个问题，再次考虑税法。税法究竟有多复杂，以及与证券法或环境保护法相比应该有多复杂？ 2012 年，美国个人和企业花费了 61 亿小时和 1680 亿美元来遵守税法近 400 万字的文本，国会在 2001 年至 2012 年间对文本进行了 5000 多次更改。9 这些数字是否证明了税法过于复杂?税法“简化”通常与降低这些合规成本有关。 10 但是，税法复杂性的最佳衡量标准是遵守税法所花费的时间和金钱吗？毕竟，了解在税收合规上花费了多少时间和金钱可能会告诉我们更多关于“税收道德”的信息，而不是税法的复杂性。据报道，希腊的个人和企业在税务合规方面投入的时间和金钱很少，11 但这并不能证明他们的税法没有我们的税法那么复杂。税法复杂性的一个不太明显的衡量标准可能是流行的税务合规软件程序（如 TurboTax）的复杂性。税务软件公司本质上是在为用户销售税法的简化，但他们必须提供一种产品，可以在任何情况下准确计算用户的纳税义务，因此必须以某种方式将税法的所有内容打包到软件程序中。然而，该程序本身有其自身的内部编码复杂性，软件开发人员通过各种技术指标来衡量，软件公司为了业务成本的目的而寻求控制。 12 例如，如果软件过于复杂，则在国会更改税法时更新程序可能会非常困难，因为一项条款的更改会影响其他条款。 13 因此，开发一个不比生成准确的用户纳税义务计算所需复杂度的程序符合税务软件公司的利益。也许税法复杂性的一个很好的衡量标准是可靠的税务合规软件的复杂性。这些只是衡量税法复杂性的多种可能方法中的两种；其他提议的重点是文本的“可读性” 14 或税率和特殊规定的数量等属性。 15 关键是人们自由而热情地谈论税法的复杂性，但没有一套标准的衡量标准来衡量税法的复杂性，也没有就税法的复杂程度达成一致（除了不像现在这样复杂） )，如果有的话，关于如何实现这样的目标几乎没有达成一致。如果每个人都同意税法不应该比要求 27 亿小时和 450 亿美元的合规工作更复杂；不会比对当今税务合规软件进行编码所需的软件复杂性的一半更复杂；或者不比要求五年级阅读水平更复杂，国会怎么知道如何处理税法？国会应该调整哪些条款以消除复杂性？降低复杂性可能会对税法实现税收政策目标的有效性产生哪些可能的成本？

难以解决这些问题的一个原因是，目前为衡量税法复杂性而提出的指标将问题彻底解决了。税法并不复杂，因为其合规成本、可读性困难、税率和特殊规定的数量，或税务合规软件的复杂性。相反，税法施加了昂贵的合规负担，难以阅读，有很多税率和特殊规定，并且因为它很复杂而给软件开发人员带来了挑战。这些属性是税法复杂性的结果，而不是其原因。他们没有了解税法为何如此复杂以及据称是什么让它如此复杂的核心。虽然这些属性无疑是评估税法是否复杂的有用指标，但它们对确定如何解决税法的复杂性问题（如果有的话）帮助不大。测量病人的体温可能会显示病人的病情，但不能显示病人生病的原因或如何处理。在这方面，税法是一般法律复杂性的缩影，也是我们对其原因、后果和解决方法知之甚少的一个例子。环境法、证券法、健康法和其他几十个法律领域也可能提出同样的问题；这些领域也需要答案。 16 简而言之，对法律复杂性的原因几乎没有经验上强有力的理解，17 这减少了关于法律复杂性以及如何在很大程度上将法律“简化”为学术理论和政治修辞的规范性辩论。 18 有人可能会争辩说，即使接受上述观点，法律的复杂性与设计法律措施以实现政策目标的挑战无关。 19 只要法律或学说有效地满足其预期目的，论点就会成立，就复杂性而言，它必须“恰到好处”。 20 但这一论点将依赖于这样一个假设：对于每个政策目标，实现它所需的法律复杂性是固定的——任何或多或少都会使法律或学说偏离其实现目标的最佳表现。然而，没有先验的理由相信这是真的。可能有多种替代的法律设计，每一种都有不同程度的法律复杂性（无论如何衡量），但在实现既定政策目标方面都同样有效。尽管如此，当在此类替代法律结构之间进行选择时，人们可能会争辩说，如果有理由相信复杂性在性能阶段很重要，因为它不仅影响效率和有效性，而且影响公平性、合法性、透明度以及法律制度的其他重要规范特征。 21 但如果税法辩论有任何迹象，许多观察家坚信法律的复杂性具有重要的实际政策含义。税法复杂性辩论还表明，法律复杂性并不是一种新颖或有争议的主张——它是对法律制度的主流关注。法律复杂性很重要。更可能让读者感到“在那里”的是我们声称复杂性科学起源于物理学和生态学，为研究法律复杂性提供了一个有用的框架。大多数律师可能不熟悉复杂性科学，一些法律学者甚至对它对法律研究有很大帮助表示怀疑。 22 然而，法律学术很少处于社会科学创新的前沿。复杂性科学已经在其他社会科学学科中产生了巨大的影响，包括最突出的经济学、23 政治学、24 社会学、25 和国际事务、26 并且它已被应用于研究各种政策挑战，例如恐怖主义网络、27 个医疗保健、28 个有组织犯罪、29 个交通系统、30 个城市发展、31 个和国家安全。 32 这并不意味着复杂性科学在应用于法律体系时必然具有相同的效用，但如果有人认为法律复杂性是一个问题，那么可能值得探讨是否可以通过应用一门专门研究社会和物理系统的复杂性。以此主题为基础，本文以法律学术界以前未曾涉足的深度探讨了法律复杂性的理论和经验维度，但我们希望这些术语对于尚未熟悉复杂性科学的律师和法律学者来说是易于理解和具有实用价值的。第二部分通过简要回顾复杂性科学的核心概念和法律学者将这些理论应用于法律来引导讨论。在这个学术体系中有三个主要主题。首先，描述性工作集中在将复杂性科学概念映射到法律系统上，以便将法律系统解释为复杂的适应系统。其次，鉴于法律系统复杂的适应性系统特性，规定性推力已从映射概念转向制定结构设计和规范可接受的法律系统操作的原则。最后，文献中的伦理焦点探讨了在复杂的法律体系中成为参与者意味着什么。然后，第 III-V 部分转向实证前沿，确定研究法律复杂性的潜在有用指标和方法。第三部分借鉴了复杂性科学，以开发已经或可能用于衡量法律复杂性方面的方法，包括代理、树、网络、计算、反馈和出现的度量。第 IV 部分提出了通过概念化我们所说的法律地图——一种多层次的、谷歌地图式的活跃的法律系统网络表现形式，随着时间的推移监测法律复杂性的方法。第五部分以初步审查这些测量和监测技术如何通过应用当前可用的机器学习和用户界面设计技术为干预提供信息作为结束。虽然不可能实现对复杂社会系统（例如法律）的完全（甚至接近完全）管理控制，但在其他复杂的自适应系统环境（例如金融和运输系统管理和软件开发）中使用的技术可以证明具有适应性对法律制度的长期设计、评估和运作有用。

需要明确的是，我们并不是声称我们可以使用当前的数据管理和计算能力来精细衡量和调整法律复杂性。相反，本文建立了一个议程，用于确定可供研究的实证问题和方法论方法。从那里，我们计划在未来的工作中通过应用实证研究来测试我们提出的方法。我们认识到，现有技术将仅支持相对粗糙的衡量标准和计算方法来探索法律复杂性，我们不会幻想我们今天可以完全描述和规范法律复杂性，如果有的话。我们和其他研究人员必须从小增量地研究法律复杂性，希望随着时间的推移建立更好的理论基础，从而导致改进和扩展的研究议程，旨在提高我们对法律复杂性的实际理解。这篇文章是我们对该研究议程的开放贡献。法律不会是第一个提出这些问题的领域——它是复杂性科学、网络分析、机器学习和其他用于系统评估和管理的高度计算方法的后来者。的确，正如法律制度对于社会可持续性一样重要，为什么在商业和金融部门投入如此多的数据和计算能力来监控金融系统结构（并不总是成功！）而法律学者很少使用，这对我们来说是一个谜这些计算技术来理解和评估作为一个系统的法律系统。这是我们希望改变的。将复杂性科学应用于法律系统的关键前提是“复杂性”意义上的复杂性与系统结构和行为意义上的复杂性之间存在差异。这种区别涉及复杂性科学理论的本质，被恰当地描述如下：在复杂的世界中，构成系统的各种元素彼此保持一定程度的独立性。因此，移除一个这样的元素（这会降低复杂程度）不会从根本上改变系统的行为，除了直接由被移除的部分引起的行为。当元素之间的依赖关系变得重要时，复杂性就会出现。在这样的系统中，移除一个这样的元素会破坏系统行为，其程度远远超出被移除的特定元素所体现的程度。 33 很少有人质疑法律是复杂的；它在系统上下文中是否复杂是另一回事。诚然，不应忽视法律的复杂性。法律可以是庞大、密集、模糊和错综复杂的，这使得合规成为一项艰巨的任务。然而，我们项目中使用的复杂性正在变得不同。即使在所有个人规则都非常清晰且具有成本效益的世界中，知道如何遵守仍然是一项繁重的工作。努力负担与学习所有规则相关，信息负担与编译测试和遵守规则所需的证据相关。 34 但除此之外，由于众多规则和管理它们的机构之间的相互作用，规则体系可能难以驾驭和预测。 35 遵守一项规则可能需要采取使遵守另一项规则更加困难的行动。 36 同样，由于法律规则通常通过交叉引用和先例决策等技术相互关联，因此如何解释和应用一条规则可能会影响其他规则的含义或操作。 37 这些类型的系统负担在解决衡量和管理法律复杂性的方法的法律学术中通常被忽视——即使被称为“复杂性”——重点主要或完全放在努力和信息负担上。 38 复杂性科学强调这些系统效应，研究代理间的联系以及它们产生的系统范围的影响。在社会系统的背景下，复杂性科学提供了一种不同于小数量代理模型（例如双边博弈论）和大数量代理模型（例如法律和经济学中的理性参与者）的方法。这些代理间建模方法的问题在于“大多数经济、政治和社会互动都涉及中等数量的人”。 39 详细说明：

大多数社会科学模型需要很少（通常是两个）或非常多（通常是无穷大）的智能体来处理。当一个代理仅与少数其他代理交互时，我们通常可以追踪所有潜在的动作和反应。当一个智能体面对无数其他智能体时，我们可以取平均值。 . .大众的行为，并再次发现自己回到了一个可以轻松追踪的世界。正是在这两个极端之间——当一个代理与中等数量的其他人交互时——我们的传统分析工具崩溃了。 40 换句话说，当交互代理太多而无法整齐地放入双边模型中时，传统的代理间行为模型不能很好地工作，但没有足够的代理通过平均到无限数量的“理性行为者”来忽略特殊行为“ 模型。在整个法律体系中，法律机构和文书中的代理人以某种方式相互作用，表明代理人之间的差异很重要。因此，平均场近似并不总是能捕捉有用或相关的动态。法官、律师、代理机构、法律或法规的数量既不是很少也不是无限的，我们找不到任何法律学者声称法官或法规之间的差异无关紧要。复杂性科学是关于为代理异质性和相关性可以并且通常确实影响结果的环境建立模型。法律学者已经开发了这种方法对法律意味着什么的描述性、规定性和伦理模型。迄今为止，将复杂性科学应用于法律系统的重点是将复杂性科学的关键概念映射到法律系统上。 41 考虑上面提到的复杂适应系统的一般定义：一个庞大的组件网络，没有中央控制和简单的操作规则，通过学习或进化产生复杂的集体行为、复杂的信息处理和适应。任何受过法律培训的人都可以轻松地将此框架映射到法律体系中。法律体系的组成部分包括广泛多样的机构......