法律的可预测性如何？How Predictable Are Laws?

关于遵守《国家环境政策法》（更广为人知的名称是 NEPA）所经历的艰难与挫折，人们已经写了大量的文章（其中一些是我写的）。NEPA 要求项目在开工前进行长达数年、长达一千多页的环境影响研究，而以环境研究不够详细为由起诉项目，是环保组织能够减缓或阻止他们不喜欢的项目的主要手段之一。此外，NEPA 的影响不仅限于联邦资助的项目：它还影响了许多类似法律的制定，无论是在州一级（如加州的 CEQA），还是在世界各地的国家。

然而，在制定该法律时，并没有预见到 NEPA 的这些影响。NEPA 最初主要被视为美国环境政策的一项（理想化的）声明，旨在“鼓励人与其环境之间富有成效和令人愉悦的和谐，促进防止或消除对环境和生物圈的破坏并增进人类健康与福利的努力；[并] 丰富对国家重要的生态系统和自然资源的理解。”要求提供环境影响报告的条款是在最后一刻加上去的，试图为这些高尚但有些抽象的理想赋予一些约束力，并在当时几乎没有引起注意。正如 Alec Stapp 和我所指出的：

[该条款] 没有被任何主要媒体出版物报道。在国会中，它“既没有辩论，也没有反对，也没有得到明确的认可”。Caldwell 后来表示，“大多数[议员]从未真正理解过该法案，只是因为它是 Jackson 提出的才同意；它是关于环境的，这在当时是一个非常‘热门’的问题；而且快到圣诞节了，他们想回家。”直到 NEPA 通过几个月后，环保组织才意识到他们被赋予了一件多么强大的武器。

不难找到其他法律效果与起草者预期大相径庭的例子。401(k) 退休账户现在被数千万美国人用作退休储蓄的主要工具，它最初被认为是 1978 年《税收法案》中一个微不足道的条款。根据彭博社关于该法案的一篇文章：

……最初的条款被估计对“预算收入的影响微乎其微”。现在，固定缴款计划是针对个人的第五大税收减免项目，估计在 2014 财年给政府造成了 614 亿美元的收入损失。“在 78 年绝对没有讨论过如果你这样做，世界将会改变，”时任财政部高级官员、现为哈佛大学法学院教授的 Daniel Halperin 说。Richard Stanger [该法案的主要起草者之一] 表示他之前从未接受过关于其角色的采访，他的故事也是一个关于历史时刻偶然参与者的故事。正如 Stanger 自己所说，如果有人知道 401(k) 会变得多么重要，税务联合委员会绝不会让他这样一个 28 岁的初级律师来起草它。

另一方面，旨在刺激加州住房建设的法律被证明远没有预期的有效：

加州的一项法律本应将全州废弃的沿街商业区改造成公寓林立的街道。另一项法律旨在将利用率不足的教堂停车场变成新的经济适用房源泉。第三项法律，正如支持者和反对者所言，将“终结我们所熟知的独栋住宅区划”。时间快进到2025年，这一系列近期出台的加州法律，以及其他旨在极大促进急需住房建设的类似法律，对“该州的住房供应几乎没有产生任何影响”。这一严厉的结论出自一个令人意外的来源：YIMBY Law 发布的一份新报告，该组织是一个支持开发的非营利机构，非常希望看到这些法律发挥作用。

我想更好地了解这种情况有多普遍：法律在多大程度上能或多或少地实现其设计初衷？它们的效果又在多大程度上会大相径庭，要么产生了意想不到的影响，要么未能实现起草者的预期？因此，我使用 AI 分析了过去50年通过的数百项联邦法律的影响。

总体而言，我发现联邦法律大多能实现其预期目标。但其中相当一部分——约11%——存在显著偏差，其实际影响要么比最初预测的小得多，要么大得多。

为了进行这项分析，我首先从1976年至2023年每年通过的联邦法律中随机挑选了五项，过滤掉了任何篇幅少于10页的法律，这些法律大多是重命名邮局等无关紧要的事项。这总共得出了240项法律，但有一项法律 AI 无法找到任何信息，因此实际分析是在239项法律上进行的。对于每项法律，我让一个 AI 模型——Claude Opus 4.8 Max Thinking——评估该法律的预期效果、实际效果，并为偏差程度打分。偏差分数范围从-10到10：正数表示法律的影响大于预期（例如1978年《税收法案》中的401(k)条款或 NEPA），而负数表示法律的影响小于预期。

评分标准：

在决定如何评估法律的影响时，存在一些复杂情况。其中之一是决定何时应将某种影响归功于某项法律。通常，一项法律的最大影响只有在后续法律对其进行扩展、修改或在其基础上构建时才会显现。例如，1978年《精神活性物质法》的一个意想不到的影响是引入了针对毒品收益的民事资产没收制度。这一机制成为了美国毒品执法的基石，但后来的许多扩展都要归功于1984年的《综合犯罪控制法》。对于这些情况，我指示 AI，如果原始法律被其他法律所继承和发展，则给予原始法律一定的功劳，但要根据后续法律实际承担主要工作的程度来调整这种功劳。（对于《精神活性物质法》，AI 给它打了 +4 分，属于中等程度的意外影响，因为后来的法案做了大部分工作。）

另一个复杂之处在于试图确定一项法律在通过时的预期影响是什么。为此，我指示 AI 仅使用同时期的资料，例如法案文本本身、总统签署声明、CBO 评分、当时的新闻报道等。但这本质上是一项充满困难的工作：例如，某项法律的目标在多大程度上是作者并不期望必然实现的理想化愿景，这往往并不明显。例如，1988年的《室内氡气消除法》在法案文本中规定了一个国家长期目标，即“建筑物内的空气应像室外环境空气一样不含氡气”。这几乎肯定是一个理想化的目标，作者并不期望该法案能真正实现它，但做出这些判断需要进行猜测并利用上下文线索，这很容易出错。（AI 给这项法律打了 -2 分，与预期相比存在轻微不足；该法律创建的各种反氡气项目保留了下来，但室内氡气暴露情况并未改善，部分原因是这些项目几乎都是自愿参与的。）

这个练习类似于我之前的一篇文章，在那篇文章中我使用 AI 试图估计各种发明最早可以在什么时候被发明出来，但事实证明这要困难和烦人得多，主要是因为需要进行研究。对于之前关于发明的练习，我只是依靠 AI 对各种发明的知识来做出判断。但对于目前关于法律的工作，我需要 AI 彻底研究每项法律：我不能指望 AI 逐字逐句地了解过去 50 年通过的每一项生僻法律，或者该立法下游影响的完整历史。我最终需要做大量的试错，才能让 Claude 在评估预期和实际影响方面做得足够彻底。我不得不不断修改提示词，以迫使搜索的彻底性不断提高，即使在我最终确定的版本中，我偶尔也会发现 AI 评估遗漏的影响。正因为如此，我预计各种评估中会存在错误，我会将这些结果视为初步结果。

你可以在这里看到我使用的完整提示词以及最终的评估结果。

下图显示了 239 项已评估法律的差异得分。

结果形成了一条略微正偏态的钟形曲线。239项法律中有95项（40%）的得分在-1到1之间：要么表现完全符合预期，要么效果与预测相比仅有极微小的放大或缩小。49项（20%）得分在-2到-4之间，68项（28%）得分在2到4之间，属于中等程度的偏差。只有约11%的法律存在“重大偏差”，即得分为正负5或更高。看起来，大多数联邦法律的作用与预期大致相符。

（上图显示的是汇总后的得分，但如果查看各个具体得分值的频率，你会发现它并不是平滑的钟形曲线。相反，在-1和+1处出现了一个凹陷，得分数量少得多。这可能是评分标准的产物，它可能将得分推向0或推向正负2，但这也是我们应该对这些结果持保留态度的另一个原因。）

以下是一些被 Claude 评为实际效果远超预期的法律示例：

“一项旨在修订1958年《联邦航空法》第十三章以扩大交通部长可承保或分保的风险类型及其他目的的法案”，得分+5：这项听起来平淡无奇的法律，从其标题来看主要是关于航空保险的，但其中一项条款解除了对航空货运服务的管制，这是更广泛的航空业放松管制的第一步。人们预期这种放松管制会提高航空货运市场的竞争力和效率，但其影响远不止于此。随着航空货运航班管制的解除，像 FedEx 这样以前只能使用非常小型飞机的公司，现在可以在任何他们想要的航线上使用大型喷气式飞机，从而为全新的“航空快递货运”行业奠定了基础。

2002年的《萨班斯-奥克斯利法案》（Sarbanes-Oxley Act），得分+5：这项法律是在安然（Enron）和世通（WorldCom）等企业倒闭后通过的，旨在通过加强财务审计监督和对合规失败施加更严厉的处罚来恢复投资者信心。额外的监督得以实现，但付出了代价：合规成本比预期高出30到50倍。另一个正向偏差源于该法案中一项惩罚“妨碍官方程序”的条款后来被以意想不到的方式使用：对数百名1月6日事件的被告提起刑事指控（尽管后来被最高法院推翻）。

2015年的《贸易便利化和贸易执法法案》（TFTEA），得分+7：这项法律被标榜为海关现代化和贸易执法法案：提供更多资源来执行贸易协定，简化各种贸易和海关法规等。在签署仪式上，奥巴马总统将其描述为“确保其他国家按规则行事”。但该法律的一项条款将“最低免税额”（即进口商品免征关税的价值上限）从200美元提高到了800美元。这一改变被认为是随后几年来自 Shein/Temu 等公司的中国进口商品激增的驱动力，直到被第二届特朗普政府废除。

以下是一些实际效果远低于预期的法律示例：

1976年《阿拉斯加天然气运输法》，得分 -7：该法案原本预计将建设一条长达4800英里的巨型管道，这是“有史以来最大的私人融资能源项目”，旨在将天然气从阿拉斯加输送到美国本土48个州。然而，由于成本不断上升，加上后来的《天然气政策法》和《燃料使用法》导致天然气供应过剩，该管道的经济合理性不复存在，因此从未建成。

1997年《阿拉巴马-库萨-塔拉普萨河流域协定》，得分 -5：该法律旨在成立一个委员会，负责制定在阿拉巴马州和佐治亚州之间分配阿拉巴马-库萨-塔拉普萨河流域水资源的计划。但是，尽管委员会已经成立，阿拉巴马州和佐治亚州却始终未能就分配方案达成一致，导致两州之间因水资源分配问题而持续诉讼不断。

2009年《与巴基斯坦加强伙伴关系法》，得分 -5：该法案原本预计通过为学校、道路和其他基础设施项目提供数十亿美元的资金，来促进更紧密的关系并增进与巴基斯坦的友好关系。但这并未发生：在2010年奥巴马总统访问印度却跳过巴基斯坦，以及2011年美国突袭本·拉登在巴基斯坦的住所等事件之后，美国在巴基斯坦的声誉持续下降。到2012年，74%的巴基斯坦人将美国视为敌人。

除了少数存在显著偏差的法律外，数据中还有其他几个值得注意的模式。如果我们观察偏差随时间的变化，并没有看到太大的改变：近期法律似乎和旧法律一样大致可以预测。

那么小型/次要法律与大型/主要法律之间的差异又如何呢？如果我们将法律的偏差得分与法律的页数绘制成图表，会发现存在微弱的正相关：页数众多的大型法律比页数较少的法律更有可能产生超出预期的效果。

这里一个可能的解释是某种捆绑效应：主要法律，如最近的《21世纪住房ROAD法案》，通常是许多较小法律的合并体。由于偏差的分布呈现一定程度的右偏，当把许多法律捆绑在一起时，其中至少一项法律产生巨大正面效果的概率可能会上升。

另一个值得注意的模式是，不同类型的法律发生重大偏差的概率略有不同。例如，拨款法案通常是（但不总是！）常规的资金分配，其方差低于建立实质性新项目的法案。这两种类型的法案具有相同的平均偏差得分，但后者出现大幅或小幅偏差的概率要比前者大得多。

从宏观层面来看，法律产生大于或小于预期效果的原因可以分为两类：法律机制的运作者行为与预期不符，以及更广阔的外部世界（包括法律旨在影响的人群）行为与预期不符。

在“法律执行者”方面，这包括所有参与起草、执行或解释法律的人。例如，法院在解释法律时，往往会采用原起草者未曾预料到的方式。这些解释可能会大大扩大法律的范围和影响，例如法院对遵守 NEPA “详细声明”条款所需条件的宽泛解释。或者，它们也可能缩小法律的范围和影响，例如裁定某项法律条款违宪。1989年的《伦理改革法案》就发生了这种情况，该法案禁止所有联邦政府雇员因发表演讲、参加活动或撰写文章而获得报酬。1995年，最高法院裁定这一要求违反了《第一修正案》，因此该规定目前仅适用于高级政府官员和国会议员。

同样，检察官或其他政府机构的行为也可能出乎意料。他们可能会将法律用于意想不到的目的：2005年的《DNA指纹法》授权从联邦被拘留者那里收集DNA，该法案是司法部授权法案的一部分，而该授权法案主要侧重于解决针对妇女的暴力问题。但该法案后来被 ICE 用来收集移民被拘留者的DNA。或者，他们可能拒绝使用引入的新法律机制。后者的一个例子是2012年的《STOCK法案》，该法案在纸面上规定国会议员及其工作人员利用国会内部信息进行股票交易是非法的。截至2025年，尽管有迹象表明国会内幕交易确实存在，但根据该法律提起的诉讼为零。

这一类别也包括国会本身。未来的国会可能会增加某些法律的影响，例如将临时项目永久化或以其他方式扩大其范围。例如，1979年的《游船安全和设施改善法案》包含一项条款，设立了一个上限为3000万美元的信托基金，用于清理林务局的树木补种积压问题。2021年，《REPLANT法案》接管了该基金并大幅扩大了其规模，将其作为在国家森林中种植12亿棵树的项目的载体。另一方面，未来的国会也可能会减少某些法律的影响：例如，1976年的《假释重组法案》旨在精简和加强联邦假释系统，但1984年的《量刑改革法案》废除了联邦假释，使得前一项法律几乎完全形同虚设。

在现实世界中，你也会看到同样的偏差。2006年的《信用评级机构改革法案》试图促进信用评级机构市场的竞争，但尽管出现了几家新的评级机构，市场仍然由 S&P、Moody’s 和 Fitch 主导，它们共同控制了95%的市场份额。《航空货运放松管制法》未能预测到像 FedEx 这样的承运人会如何应对在任何航线上使用任何飞机飞行的自由。TFTEA 未能预测到像 Shein 这样的低价中国时尚公司会如何利用“de minimis”条款的修改直接向美国消费者发货。

当然，法律执行者和更广阔世界中不可预见的行为可能会相互作用。《阿拉斯加天然气运输法》未能促成新的天然气管道建设，部分原因是市场对国会通过的新天然气法规的反应。

我认为法律在某种程度上类似于技术。随着一项新技术的发明，你创造了一些新的能力，通常是为了实现某个特定的目标。但一旦这种能力存在于世界上，人们就会找到各种方法来利用它。马可尼将无线电设想为名副其实的“无线电报”，一种用于与海上船只收发信息的方式，但他没有预见到广播电台的兴起。真空管最初被用于放大长途电话信号，后来才成为电视和早期数字计算机的组件。特氟龙最初被用于制造曼哈顿计划铀分离工厂的泵密封件，后来才在防粘锅具中找到用途。

法律通常也是这样运作的。一项法律会创造或修改某种能力——一个组织、一个项目或一条必须遵守的规则——旨在完成某件特定的事情。但一旦这种能力存在于世界上，人们可能会以不同的方式利用它，找到其创造者从未预料到的用途。一项不起眼的环境报告要求成为了现代环境诉讼的基础；雇主退休金缴款的微小改变成为了数千万美国人使用的退休账户；一项财务报告法被用来起诉暴徒。

反之，仅仅因为你引入了某种新能力，并不意味着它真的有用，或者有人想要它。一些技术，比如3D电视或气味电视，并没有取得成功，而专利档案里充满了无人问津的发明构想。同样，仅仅因为你创造了一种新的法律能力，并不意味着它最终会以你设想的方式发挥作用。正如2006年《信用评级机构改革法案》所做的那样，改变指定“全国认可”信用评级机构的规则，丝毫没有打破现有机构寡头的市场份额。

当然，众所周知，预测新技术的长期影响是极其困难的。对于法律而言，预测似乎要容易得多。但分歧依然存在。