|
法学院
|
|
□ 周灿
智慧法院建设是本轮司法改革的重点工作。随着智能辅助办案系统的广泛应用，类人工智能已涉入司法裁判。但是，这种结合并非智慧和正义的简单叠加，两者的特性与逻辑并不相同，也必然蕴含难以回避的张力。从本质而言，智能辅助办案系统是将计算机技术、裁判思维与法学理论结合起来的裁判模型，不论算法多么复杂，都能分解为三种逻辑运算，即“且，或，非”。借此，计算机可以进行极其复杂的逻辑推理，包括法律推理。但没有人的参与，算法指令的发出、数据的输入、机器的学习不会发生，也无法建立任何裁判模型。司法知识示例作为人工智能最基础的“养料”，需要人们的技术化加工，更少不了法官的梳理总结。
困难与挑战：司法裁判智能化的机制
目前，司法裁判智能化的基本步骤为：将海量司法数据进行自然语言处理；选择与司法智能裁判相匹配的机器学习算法；通过算法得出一种或多种能够预测诉讼案件结果的模型。其工作原理并非法律推理，而是通过搜索并匹配裁判文书中各个参数来完成裁判“建模”。其实质是通过自动化程序将观测值(输入值)与一组可能结果(输出值)自动匹配。关键词的勾选和事实情节的概括描述决定了匹配的过程和结果，而这一工作目前依赖于人工完成，也就是说人工智能裁判的起点还是人工而非人工智能。匹配完成后的“类案推送”及为实现“同案同判”而设计的“裁判偏离度预警”虽然给了法官足够的案例参考，提高了法官的工作效率，但同时也会产生一种倾向：在涉及道德推理和价值判断的案件中，法官倾向于采纳机器的裁判结果而更为谨慎地对待自身的判断。此种倾向可能促使法官“坦然”地放弃其司法判断权：凡事依赖系统，依赖类案。
司法裁判在本质上是一种判断权，其前提是“以事实为依据，以法律为准绳”，结果应当“让人民群众感受到公平正义”，这意味着司法判断权的行使既要合法还要合理，不仅要追求形式正义，更要追求实质正义。裁判是一个逻辑推理与价值判断水乳交融的过程。目前算法程序的原理是依靠数据喂养来发现和总结相关关系或者规律，实难进行价值判断和道德推理。而法律作为一种行为规范的“应当效力”具有无条件和普遍义务的绝对含义，特定情形中是否适当，有必要通过考虑案件情形的各个方面与所有潜在的可选规范来作出裁决，这似乎与人工智能的工作原理相悖。相比于综合考虑案件情形的各个方面，人工智能更擅长的是用符号表达语言，并基于符号的固定性精准定位关键词并寻找与之相关的情节，但是缺乏裁判案件过程中推理和论证的能力。法官在处理案件时不仅必须依法得出公平正义的裁判结果，而且更要为自己所得出的裁判结果承担论证责任，不仅必须以事实论证和法律适用论证来证成其判决结果，而且更重要的是，其判决结果要受到二审或再审等制度性检验以及法律人和社会公众的非制度性检验。检验结果直接关系到法官本人、法院组织的公信力以及司法权威。在此前提下，任何法官都必将竭尽全力得出其本人认为公平、正义的判决结果。然而，当前人工智能的主要工作机制是机器数据分析，其决策模式为关联数据的搜索、匹配，实现“分析过去的数据，作出当下的裁判”，而该决策模式的具体表现——“算法”，更将使社会大众难以理解、更难以发自内心认同。且这种计算机程序作出决策的依据以及过程都无法以可视化的方式展现，使得裁判结果对于社会大众来讲变得“玄之又玄”。同时，人工智能裁判本身是计算机程序裁判，如果发生冤假错案，如何追责也会成为一个需要制度明确的重大问题。因此，司法人工智能无疑将在未来很长一段时间内主要致力于司法裁判内在规律的发现，并为法官、检察官、律师等法律人提供司法决策选项。
发展路径：技术支撑、组织完备与公众接纳
随着数字赋能的不断深入，算法的改进和迭代将推动人工智能技术在司法领域不断拓展，会有越来越多的司法辅助事务、类核心事务甚至是核心事务被司法人工智能所辅助或替代。未来法官的主要工作可能由个案审理转变为类型案件裁判规则的提炼以及法律知识图谱的构建。司法运行模式也将发生深刻的变革，不仅体现在办案流程上，也体现在案件监督管理上。这意味着人工智能不仅将重塑司法运行模式，而且将重塑司法组织架构。实现司法人工智能化不仅需要技术支撑，而且需要具备人工智能化运行的特定条件。技术支持的完备需要时间，运行机制及司法组织架构的调整更需要一个转变的过程，公众接受司法人工智能深度参与具体司法活动更需要适当的周期，因此，做好近期的分阶段实施计划相比展望远期的规划图景显得更加重要和富有意义。
|
|
|
| 人工智能融入司法裁判的困难与路径
|
|
|
|
|
|
| （ 2022-10-12 ） 稿件来源： 法治日报法学院 |
|
|
□ 周灿
智慧法院建设是本轮司法改革的重点工作。随着智能辅助办案系统的广泛应用，类人工智能已涉入司法裁判。但是，这种结合并非智慧和正义的简单叠加，两者的特性与逻辑并不相同，也必然蕴含难以回避的张力。从本质而言，智能辅助办案系统是将计算机技术、裁判思维与法学理论结合起来的裁判模型，不论算法多么复杂，都能分解为三种逻辑运算，即“且，或，非”。借此，计算机可以进行极其复杂的逻辑推理，包括法律推理。但没有人的参与，算法指令的发出、数据的输入、机器的学习不会发生，也无法建立任何裁判模型。司法知识示例作为人工智能最基础的“养料”，需要人们的技术化加工，更少不了法官的梳理总结。
困难与挑战：司法裁判智能化的机制
目前，司法裁判智能化的基本步骤为：将海量司法数据进行自然语言处理；选择与司法智能裁判相匹配的机器学习算法；通过算法得出一种或多种能够预测诉讼案件结果的模型。其工作原理并非法律推理，而是通过搜索并匹配裁判文书中各个参数来完成裁判“建模”。其实质是通过自动化程序将观测值(输入值)与一组可能结果(输出值)自动匹配。关键词的勾选和事实情节的概括描述决定了匹配的过程和结果，而这一工作目前依赖于人工完成，也就是说人工智能裁判的起点还是人工而非人工智能。匹配完成后的“类案推送”及为实现“同案同判”而设计的“裁判偏离度预警”虽然给了法官足够的案例参考，提高了法官的工作效率，但同时也会产生一种倾向：在涉及道德推理和价值判断的案件中，法官倾向于采纳机器的裁判结果而更为谨慎地对待自身的判断。此种倾向可能促使法官“坦然”地放弃其司法判断权：凡事依赖系统，依赖类案。
司法裁判在本质上是一种判断权，其前提是“以事实为依据，以法律为准绳”，结果应当“让人民群众感受到公平正义”，这意味着司法判断权的行使既要合法还要合理，不仅要追求形式正义，更要追求实质正义。裁判是一个逻辑推理与价值判断水乳交融的过程。目前算法程序的原理是依靠数据喂养来发现和总结相关关系或者规律，实难进行价值判断和道德推理。而法律作为一种行为规范的“应当效力”具有无条件和普遍义务的绝对含义，特定情形中是否适当，有必要通过考虑案件情形的各个方面与所有潜在的可选规范来作出裁决，这似乎与人工智能的工作原理相悖。相比于综合考虑案件情形的各个方面，人工智能更擅长的是用符号表达语言，并基于符号的固定性精准定位关键词并寻找与之相关的情节，但是缺乏裁判案件过程中推理和论证的能力。法官在处理案件时不仅必须依法得出公平正义的裁判结果，而且更要为自己所得出的裁判结果承担论证责任，不仅必须以事实论证和法律适用论证来证成其判决结果，而且更重要的是，其判决结果要受到二审或再审等制度性检验以及法律人和社会公众的非制度性检验。检验结果直接关系到法官本人、法院组织的公信力以及司法权威。在此前提下，任何法官都必将竭尽全力得出其本人认为公平、正义的判决结果。然而，当前人工智能的主要工作机制是机器数据分析，其决策模式为关联数据的搜索、匹配，实现“分析过去的数据，作出当下的裁判”，而该决策模式的具体表现——“算法”，更将使社会大众难以理解、更难以发自内心认同。且这种计算机程序作出决策的依据以及过程都无法以可视化的方式展现，使得裁判结果对于社会大众来讲变得“玄之又玄”。同时，人工智能裁判本身是计算机程序裁判，如果发生冤假错案，如何追责也会成为一个需要制度明确的重大问题。因此，司法人工智能无疑将在未来很长一段时间内主要致力于司法裁判内在规律的发现，并为法官、检察官、律师等法律人提供司法决策选项。
发展路径：技术支撑、组织完备与公众接纳
随着数字赋能的不断深入，算法的改进和迭代将推动人工智能技术在司法领域不断拓展，会有越来越多的司法辅助事务、类核心事务甚至是核心事务被司法人工智能所辅助或替代。未来法官的主要工作可能由个案审理转变为类型案件裁判规则的提炼以及法律知识图谱的构建。司法运行模式也将发生深刻的变革，不仅体现在办案流程上，也体现在案件监督管理上。这意味着人工智能不仅将重塑司法运行模式，而且将重塑司法组织架构。实现司法人工智能化不仅需要技术支撑，而且需要具备人工智能化运行的特定条件。技术支持的完备需要时间，运行机制及司法组织架构的调整更需要一个转变的过程，公众接受司法人工智能深度参与具体司法活动更需要适当的周期，因此，做好近期的分阶段实施计划相比展望远期的规划图景显得更加重要和富有意义。
|
|
|
