具体来说，死刑不人道表现在人们的内心感受是： 第一，生命的一次性让人对它珍惜。

证明标准虽然不能降低，但证据调査程序可以从简。此外，现有法律框架内的刑事简易程序、未成年人附条件不起诉制度、刑事和解制度以及正在部分地区试点的刑事速裁程序都体现出了认罪认罚从宽制度的精神。

相关规定也赋予了值班律师阅卷权，但由于阅卷时间长而值班律师提供法律帮助的时间有限，实现阅卷不太可能，并且，适用认罪认罚制度的案件大部分是轻微刑事案件，事实问题不存在争议，阅卷意义不大。此外，为了解决会见难问题，提出看守所要为法律援助值班律师会见提供便利。犯罪嫌疑人、被告人行为不构成犯罪。若要解决这一问题，需要重点考虑以下两个关键问题。在值班律师的选任方式上，法律援助机构会综合社会律师和法律援助机构律师的业务能力、执业年限等确定法律援助值班律师人选，有利于改变值班律师因经验少导致其提出的咨询意见缺乏针对性的现状。

这些举措对于落实值班律师的实质帮助，保障被追诉人的合法权益，进一步推动试点工作的有序进行至关重要。2017年2月10日至3月9日，共受理移送审查起诉案件63件81人，启动认罪认罚程序办理案件57件72人，已起诉认罪认罚案件43件51人。第二，伴有评估措施（评估的义务、评估委员会的设立、评估报告的制作）。

由于社会的高度复杂化以及由此带来的大量疑难案件，无论采用金钱赎买的方式（比如欧洲中世纪早期的赎杀金制度），还是采取家族复仇和同态复仇，不仅社会成本和负外部性高企，而且还将陷入人人自危的丛林状态。[x] 有关科学的可证伪性标准，参见[英]波普尔：《猜想与反驳：科学知识的增长》，傅季重等译，上海译文出版社2005年版，第361-390页。区块链技术实际就通过一种智能机制，实现了一种无需第三方的信任，这是无需信任的信任，直接通过平等主体之间点对点（PEER TO PEER）的机器算法解决信任问题。法律正在丧失它作为独立社会系统存在的功能正当性。

在当代商人法实践中有三种解悖论的方法：时限、位阶和外部化(外部转移)：其一，它既包含实体性规则，也有规定如何将纠纷提交仲裁的司法性条款。也就是说，法律中的学习是以不学习为前提的。

[xviii]正是由此，各种控制论、系统论、信息论、演化论、博弈论、概率学、复杂性思想和统计学方法正在不断侵入法律领域。因为，对法律运作的学习性预测，会深刻改变当事人的规范预期，从而使规范预期不再稳定，从而也就会相应改变当事人的动机和行为模式。更大的问题还在于，我们过去所熟悉的法律，都是在一个统一的现实世界的想象中创建的，而当虚拟和现实的空间界限被打破，当世界的多极化趋势加速，当多元的世界之间不再有一个具有压倒性的政治空间拥有最终的决断权，这就会给法律的权威带来根本的挑战。这种学习过程需要通过感知不断收集新的信息，同时经由记忆的储存调用历史信息，最后基于当前状态对未来做出预测并行动，从而改变现有系统的运行。

可以看到，区块链技术，作为一种有关价值生成和确权的协议，其实正是一种新型的法律共识机制和确权手段。也就是说，随着智能机器社会的崛起，人类法律正出现一个从牛顿式的大定律-小数据向默顿式的大数据-小定律模式演变的趋势，正在从UDC（不定性、多样性、复杂性，Uncertainty，Diversity，Complexity）的社会向AFC（灵捷、聚焦、收敛，Agility，Focus，Convergence)的方向演化。换言之，一系列算法机制会不断催生出各种类型的私人订制的法律。[vi] （汉）郑玄注：《礼记正义》，上海古籍出版社2008年版，曲礼上第一。

当代权利话语的爆炸一方面透露出法律系统剧烈的演化动力，另一方面也掩盖了法律正义所遭遇的真正冲击。它是深度学习的，同时又将学习时间压缩到忽略不计的程度，相比不学习的法律，它在效果、效率、成本方面都有明显优势，并且更具科学层面的说服力。

即使到现代理性法时期，对于疑难案件，由于彻底还原事实真相或适用法律的困难，仍然需要法官的自由心证或陪审团裁决，需要在必要时采取不学习的态度，对案件做出终局裁决。另一方面，脱离了具体伦理负担的法律，需要更加适应或者主动预测和引导精细行为的能力。

实际上，在人类历史演化中，遭遇同样命运的早有先例。我们同样需要追问，当机器学习启动之后，又应当建立何种反思机制对这一学习过程加以控制，并如何对其学习过程加以具有说服力的阐释和约束？ 机器学习试图揭示过去的人类经验由于样本空间的限制，往往只是收敛于局部的最优，这将是法律被替代的深层原因。法律不学习被机器学习取代，规范性期望被认知性期望取代，法律被代码/算法取代，这也就是法律死亡的前景。区块链就可以视为一个正在演化的新社会系统，按照卢曼社会系统理论，当前的区块链已经形成了一个完整的系统生态：它形成了系统/环境的区分（通过共识算法和独特的证明机制）、独立的时间维度（每十分钟为时间单位的区块生成速度）、独特的运作媒介和加密手段（哈希计算和时间戳）、特定的二元代码（记账/不记账）。概而言之，法律乃是一门同时结合了内部学习和对社会不学习来维护规范性期望的特殊技艺以往通过法律实现的信用现在可以通过加密程序实现，以往通过权威机构作出的公证现在可以通过机器算法完成。

可以看到，区块链技术，作为一种有关价值生成和确权的协议，其实正是一种新型的法律共识机制和确权手段。法律通过内部学习的方式，维持了它以不学习方式化约社会复杂性的规范化功能。

而在进入现代社会之后，则更多是通过抽象的制度来提供这种功能，除了法律之外，货币、科学也扮演类似角色，这些抽象制度使信任脱离了特定的人格，从而使社会信任可以依靠抽象制度生成。如果一切社会沟通都需要通过学习达成共识，将成为阻碍社会演化的沉重负担。

在这样一个新的区块链世界中，还可以进一步搭载人工智能、虚拟现实等技术，在技术推动下，区块链理论上可以将所有人和事物都陈列到虚拟网络世界的货架上，面向智能技术进行统一标识，并确保标准化的智能操作。这种时间意识的转变会从根本上改变法律的不学习特征，也会进一步升级实用主义和后果主义导向的法律范式。

因为，基于机器学习的法律规制，它虽然也会基于过去的规则和判例，但更多会趋于面向未来、预测未来和引导未来。例如在德国，就已经出现了一系列学习性的法律机制：第一，弹性化与暂时性处理，例如制定临时性规范、附变更保留的规范、赋予观察义务。[x] 有关科学的可证伪性标准，参见[英]波普尔：《猜想与反驳：科学知识的增长》，傅季重等译，上海译文出版社2005年版，第361-390页。而为了适应社会的高度复杂性，也需要增强法律系统自身的复杂性。

大数据、区块链、智能合约、模拟仿真等技术应用正在持续改变法律的功能形态，催生出小法律、实验法等新型学习性法律。正好相反：倘若规范要满足其功能，则这些动机不应被纳入考量。

由于场景不再是过去固定不变的物理场所，而是随时转换、甚至根据每个参与者需要而灵活变换的场域，法律也就必须相应是一种更加具有学习能力的虚拟化机制，以更好满足之前由它所承担的验证、授权、合规、归责和执行等功能。可以设想不远的未来，我们如何向手术机器人支付费用？如何对自动驾驶出租车付款？在物联网（IoT）平台上，智能洗衣机又如何向智能平台直接发出购买洗衣液的邀约？智能汽车如何向维修机器人支付修理费用，它又如何发起智能投保并与智能代理进行理赔谈判？对于这些可以预想的问题，事实上只有区块链，才可能成为超越以人类和法律为中心的传统操作平台，实现跨越人与人、人与机器、机器与机器的依托于智能算法的跨平台运作。

一方面，法律不断摆脱道德或伦理的负担，法律进一步代码化和算法化。在进入现代社会后，对于疑难案件，上述方式都难以可行。

这些反歧视标准不管是基于古典自由主义的占有性个人主义，还是德沃金式的平等关怀与尊重的理念，在机器学习的视角下，它们都会褪去神圣性的光环，而被视为只是在计算力和学习能力孱弱的背景下，解决社会矛盾和纠纷的一种相对低成本和低效率的工具。传统法律在演化中形成了一种特殊的结合了学习和不学习的悖论性运作机制，一方面，学习是旨在维护法律的活力，与环境共同进化。[xxviii] 富勒列举了法律道德性的八项必要条件：一般性、法的颁布、法不溯及既往、清晰性、无矛盾性、不要求不可能之事、连续性、一致性。正如著名的丘奇-图灵论题（Church-Turing Thesis）就宣称所有足够强的计算装置都可以相互模拟，正是在这个意义上，法律系统也认为可以被机器学习所模拟。

当代权利话语的爆炸一方面透露出法律系统剧烈的演化动力，另一方面也掩盖了法律正义所遭遇的真正冲击。法律的独特功能，法律存在的意义，将面临解构和质疑。

[xxvi] 这其实正是晚近以降法律全面社会科学化的背景。智能技术的高效率，也可能破坏类似合理使用这样的原则。

如果说，法律不学习依托于主权国家的暴力保障机制，机器学习则依赖于代码/算法的自主执行以及它对控制架构的直接支配。[xxviii]换言之，传统法律只是一种简约而粗糙的算法（典型如《法国民法典》），它虽然为避免决疑主义而提高了化约的效率，但也因此无法做到精细。