人工智能辅助办案引发深刻的裁判结构性变革，可能导致庭审虚置化、判决同质化、司法碎片化和算法模型代替法官裁判等溢出效应。司法裁判是一个复杂的判断和决策过程，融合了法官技术理性和经验理性，人工智能无法替代法官自由裁量权，也无法实现实质正义。未来，应当明确法律人工智能是辅助性而非替代性的司法实践工具，法官在具体运用时要校验智能司法逻辑与法律论证的吻合度、智能裁判过程与个案具体情境的紧密度、智能裁判结果与司法政策的契合度，确保裁判结果妥当性。另外，需要从技术理性和经验理性两个维度提炼法律专家经验，提升数据全面性和精准性，促进算法规制公平透明，培养“法律+科技”的跨界人才。
关键词：人工智能法官裁判实践障碍前景展望
引言
借助互联网和云计算迅猛发展的东风，人工智能再次掀起复兴热潮，在司法领域运用也呈现高歌猛进的态势。2015年最高法院提出建设“智慧法院”，2017年印发《关于加快建设智慧法院的意见》，要求法院全业务、全方位和全流程实现网络化、阳光化和智能化。在“智慧法院”框架下，人工智能主要应用于服务人民群众、服务审判执行和服务司法管理。其中，为法官办案提供智能辅助是“智慧法院”建设的核心目标之一。人工智能在法官裁判领域运用效果如何，面临怎样的实践障碍，引发什么样的结构性变革，以及未来如何发展，本文对此提出初步的思考和解决方案。
一
人工智能中国司法实践的类型化考察
（一）人工智能在法官裁判领域的应用场景分析
人工智能在司法裁判领域运用范围相当广泛，基本上涵盖法官决策的全过程。以法官裁判过程的推进顺序来看，主要运用于以下五大场景中。
1.场景一：庭前抽剥案件筋骨，形成争议焦点
依托电子卷宗随案同步生成系统，通过OCR技术，使电子卷宗转变为可复制、结构化、数据化的电子文件，实现案件信息自动回填，方便法官快速定位、检索相应内容及复制引用文字。通过构建法律知识图谱，运用自然语言处理、语义分析等技术自动提取和比对公诉意见书、起诉书、答辩状等材料中的诉辩意见和事实理由，自动归纳案件情节和争议焦点，自动生成庭审提纲，为法官提供庭审智能辅助。
2.场景二：裁判前提取案件要素，实现类案智推
类案推荐是通过对情节、证据、争议焦点、法律适用等关键信息的自然语义识别，形成案件知识库，当出现目标案件时，通过提取类型案件的关键要素，与系统内的历史案件进行匹配，自动推送类似的案例。类案智推有主动检索和自动推送两种实现方式：一是支持用户以关键字、短文本等方式检索，二是自动为用户推送同类案件、法律知识等辅助参考信息。
3.场景三：裁判中配对类案判决，提供量刑建议
系统通过对海量裁判文书进行情节特征的自动提取和判决结果的智能学习，建立案件裁判模型，当案件导入系统后，通过提取案件事实、情节，自动统计、实时展示同类案件裁判情况，推导量刑结果。从目前来看，部分系统可以根据起诉书、庭审笔录等自动提取情节，匹配案件并进行量刑推荐。
4.场景四：裁判时智能研判案情，自动生成裁判文书
运用法律语义分析等技术，对起诉书、答辩状、证据等前置数据和庭审笔录内容进行智能判断分析后，按照法律文书格式要求，依托各类文书底层要素框架，一键式自动生成裁判文书。自动生成裁判文书初稿内容包括文书首部、当事人、案件由来、诉讼请求及理由、审理查明、本院认为等大部分内容。
5.场景五：裁判后比对量刑幅度，实现偏离预警
裁判偏离预警是在裁判文书完成后，对文书质量进行检验和控制。法官完成文书撰写后，系统自动抓取文书内容进行智能分析，比较依据算法推测的量刑幅度与法官裁判的量刑幅度，计算二者偏离情况，自动预警偏离度较高的案件，并实时推送至院庭长管理平台以便定向化行使审判管理监督权。
（二）盆景效应：运用成效的初步考察
1.电子卷宗同步生成运用不均衡且表层化
二是电子卷宗运用方面，囿于自然语义识别、图文识别等技术的局限性，导致卷宗识别率不高、精确度不够，影响数据应用。
三是电子卷宗汇聚案件总量较少、比例较低，地方三级法院汇聚案件数量和比例呈递减状态。
2.类案推送过于泛滥且精确性不高
3.量刑预测参考价值不大且差距明显
人工智能提供精准量刑预测的前提首先是能够准确提取案件量刑情节，但目前这项功能实现情况并不是很理想，同时也导致量刑预测结果精确度不够，参考价值不大。从三级法院来看，高院上述功能实现情况显著高于中院和基层法院。
4.裁判文书自动生成内容有限且低水平徘徊
虽然大部分法院智能系统具备文书自动生成功能，但生成的项目不多，关键事项辅助生成功能不健全。裁判文书自动生成主要集中于简单案件，特别是要素式、表格式、令状式裁判文书，且只能生成当事人情况、诉称等少数部分，能够自动提取事实和理由，生成“事实认定”和“本院认为”比例不高，效果也不理想。
二
人工智能在司法裁判领域的实践障碍
人工智能在裁判领域遭遇低频率、低水平运用的窘境，不禁要问是何种因素制约法律人工智能发展。人工智能发展有三大核心要素：算力、数据和算法。目前法律人工智能在这三个方面均存在局限性，同时复合型人才短缺也影响人工智能发展。
（一）算力技术粗糙且水平低下
从技术路径来看，上述五大应用场景依次按照“知识图谱构建-情节提取-类案识别-模型训练-量刑预测-文书生成-偏离预警”技术路线展开。这些步骤之间具有很强的逻辑和技术关联，其中知识图谱构建和情节提取技术是最底层技术，其水平高低直接影响后续阶段的推进效果。目前存在两个问题。
1.图谱构建专业化、自动化水平低
法律知识图谱是人工智能在裁判领域运用的开端。由法律专家对法律法规、司法观点、案件数据等法律知识进行模块化处理，建立结构化法律知识库，用可视化的图谱方式描绘法律主体、客体、法律关系以及各种主观、客观要件、裁判规则的概念层次和逻辑推理关系。当前知识图谱构建存在两大制约因素：
2.情节提取简单粗糙、耗时费力
（二）法律数据不全且质量不佳
大数据是人工智能发展的巨大“燃料”。2013年最高法院上线中国裁判文书网，大量裁判文书上网公开，为法律人工智能研究和运用插上了翅膀。但这些法律数据存在结构性缺失、系统性偏差等问题。
1.数据不全
裁判文书无论从公开范围、公开跨度，还是公开内容都存在不全面的问题。
2.数据失真
裁判者真实意思与裁判文书表达有时候呈现二元化、背离化，裁判文书上的说理有时候并不是法官真正的裁判理由。法官普遍存在不愿说理、不能说理、不敢说理等问题，导致裁判文书上裁判理由被简单化处理，或者通过所谓“标准化”统一范式的表达方式粉饰裁判理由，真实裁判依据往往隐藏于内心深处或者其他如审结报告等内部材料之中。
3.数据杂质
裁判文书网上的裁判文书质量参差不齐，有些甚至是悖离法律规则的错误判决。同时，当前法律法规更新迭代速度很快，新法颁布前后的裁判文书之间多有龃龉，而且有些案件裁判结果与当时司法政策紧密关联。因此，需要对数据做大量清洗工作。但现在大多数系统对数据不作质量筛选，而是不加选择将所有符合粗糙条件的数据全部纳入数据库。基于这些质量堪忧的数据训练产生的模型与算法就可能遭遇精确性的质问。
（三）算法低效且隐秘
算法是人工智能发展的强劲“引擎”。法律人工智能算法相当于法官司法判断和决策的推理模型。当前算法处于“云山雾罩”状态，无法知悉智能系统采用何种算法以及算法运用实效。
1.算法低效
法律人工智能并未形成一套高效、成熟的算法，实践中基于裁判文书做深度的文本挖掘，用机器学习的方法做回归分析，或者基于深度神经网络去做分析，发现隐藏在裁判文书下司法趋势的大数据分析并不多见。
2.算法黑箱
与传统决策系统不同，基于深度学习的算法并不遵循数据输入、逻辑推理、结果预测的过程，而是由机器直接从事物原始特征出发，自动学习和生成认知结果。在输入数据和输出答案之间存在“隐层”或“黑箱”，我们只能获知答案，却无法了解机器“自由心证”的过程。另外，司法机关对这些技术不甚了解，无法从技术层面对技术公司、电脑工程师的工作进行有效监督，这给算法的暗箱操作留下空间。
3.算法歧视
算法往往暗藏歧视，如有犯罪前科的主体在不符合累犯情况下，仍会在量刑预测中陷入不利境地。算法歧视有两方面原因：
（四）复合型人才缺失且参与度不足
法律人工智能发展还需要“技术+法律”复合型人才作为智力保障。但目前面临人才短缺问题，全国法院现有信息化人才7253人，高院、中院和基层法院信息化人才平均为9.8、3.5和1.9名，这与智能司法需求严重不匹配。同时，法律人参与深度不足，不了解人工智能技术，不能准确表达自身需求，开发人员又普遍不了解法院业务，无法掌握技术应用中的痛点，导致技术与业务无法深度融合。
三
人工智能辅助办案引发的结构性变革
人工智能深度应用将冲击现有诉讼架构和流程，重塑法官行为决策模式，甚至影响法院在国家治理体系中的地位和功能。
（一）溢出效应：引发的裁判结构性变化
1.庭审虚置化，形成新“卷宗主义”
按照哈贝马斯的“程序性模式”司法裁判理论，司法裁判不是独白式的裁判，而是对话式的裁判。法庭是法官和当事人展开充分对话和辩论的最重要舞台。通过充分举证、质证和辩论，让“案件事实从诉辩双方的证明向裁判者心证位移”。法官在各种信息的积累与感官的刺激之下，基于对庭审的直接感知，运用逻辑推理和经验法则，形成心证进行裁判。法官心证运用和裁判结果都是建立在从庭审获取有效信息的基础上。但在人工智能模式下，所作判决是基于对过往类似判决群的影响裁判结果要素提取的基础上，通过智能模型，与现有案件进行配对后，提供裁判方案。显然，人工智能得出的结论不是基于庭审与直接言辞，其相对封闭的数据分析模式与“卷宗主义”类似，取代程序正义要求的亲历性，庭审可能沦为一场过程秀。
2.判决同质化，自由裁量权丧失
3.司法碎片化，审级制度形同虚设
4.算法模型代替法官裁判，成为司法过程的主导
由于算法具有非透明性和不可解释性，同时司法机关对算法知之甚少，无法对算法运行和实际效果进行有效监督，导致算法处于失控状态。目前，核心算法主要交由外包处理，造成技术公司、电脑工程师对人工智能的影响远超司法机关。如前所述，在裁判过程中法官迫于内外各种压力，容易以系统预判结果直接代替自己的思考。可见，算法无论在开发还是在运用过程中，法官都始终处于“缺席”状态，这势必导致审判主体多元化，甚至衍化为由电脑工程师、技术公司等法官之外的主体支配裁判的局面。
（二）理性反思：法律人工智能热下的冷思考
1.司法裁判过程的整体描述
第二，法官裁判兼具技术理性和经验理性。法官裁判行为表面上看起来只是一个专业化且近乎封闭的一系列行动，但实际上它又是在开放的社会结构中运行，裁判者所处的社会文化情境系统的整体逻辑会对其产生潜移默化的影响。在司法过程中，不仅要求裁判的专业性，同时也强调法官能动地司法，充分运用各种生活经验和地方性知识，结合个案具体情境，通盘考虑、权衡利弊、灵活取舍，在此基础上形成裁判结果。前者强调的是运用显性规则进行司法推理和裁判的技术理性，后者强调的是建立在个体自我品格、思维模式、知识背景、审判经验等基础上的经验理性。裁判行为同时具有规范性和经验性，是技术理性和经验理性的有机整体，只有两者结合，才能实现法律效果和社会效果统一。
2.人工智能无法替代法官自由裁量权
与围棋封闭的规则不同，法官裁判是开放性场域。法律适用固应依循法律规范的共识，但关于某项问题，法律未予规制的情形常有发生。即使有明文规定，但法条还存在很多不确定的规范性概念和法律原则，不确定法律概念尤其是法律原则，其主要机能在于使法律运用灵活，兜底特殊个案，为适应变迁中的伦理观念留下空间，使法律与时俱进。这里的预留空间，就是立法赋予法官的自由裁量权。最高院《关于民事诉讼证据的若干规定》明确，裁判者要运用逻辑推理和日常生活经验进行裁判。自由裁判量是在保证一般规则导向下“框架秩序”的同时，赋予法官在框架内的个别化考量的权力。因此，人工智能可以规范和限制，但无法消除或取代法官自由裁量权。
3.人工智能无法实现实质正义
四
人工智能在司法裁判领域运用的未来图景
未来人工智能应当以什么样的方式嵌入到中国司法实践，这是一个宏大的命题。从目前而言，不仅应从认知层面明晰智能司法下法官的职责使命，还需要在技术等层面采取措施予以完善。
（一）法律人工智能的功能定位：智能辅助办案
法律人工智能是辅助法官判断和决策的助手或参谋，是辅助性而非替代性的司法实践工具。这是由两个因素决定：一是法律职业特性。法官是行使审判权的合法主体，裁判领域引入人工智能，目的在于缓解人案矛盾、协助办案，最终决策者是法官而不是机器；二是技术局限性。由于神经网络、机器学习、自然语言处理等核心技术还存在很大瓶颈，尚不具备完全介入法官裁判过程的能力。也就是说，目前法律人工智能技术，还不能像法官一样思考。
（二）智能司法下法官的职责使命：有思考的服从
智能司法逻辑过程具有隐秘性，存在大数据分析模式忽略个案具体情境性，代码运算脱离价值判断等问题，这些都决定法官在面对智能司法裁判结果不能消极作为，而应以司法理性为引导对技术理性在社会合意性和有效性上进行融合，主动承担权衡、调适和确认裁判结果的义务。
现以“天津赵春华非法持有枪支案”为例，展示智能司法背景下法官裁判的路径。在该案中，一审法官简单套用法律适用三段论逻辑，对法条内容进行形式主义、孤立、僵化的理解，没有考虑法条背后的实质性价值判断因素，导致裁判结果悖离公众的基本认知和法感情。这与智能司法运用过往案例大数据形成的集体审判经验，无视个案具体社会情境，机械适用法律的逻辑演进过程如出一辙。面对智能裁判结果，法官需要从三个维度进行检验。
1.智能司法逻辑与法律论证的吻合度
法律适用不是单纯涵摄过程，而是同时涉及价值判断与解释技术有机整合的过程。法官需要灵活掌握各种解释技术，运用解释技术在合理的价值判断与立法文本之间建立起内在的联系，通过解释赋予法律体系以必要的开放性。这些都是智能司法所欠缺的。在“赵春华案”中，法官可以行使自由裁量权，对非法持有枪支罪中“枪支”“持有”等要素作限缩解释，通过周密法律论证，寻求去罪化的出路。
2.智能裁判过程与个案具体情境的紧密度
气球射击摊在中国大街小巷司空见惯，普通公众很难将这种行为与持有枪支犯罪行为进行法律上的勾联。一审法官如同AI法官一样，忽视该案具体社会情境，以一种脱离个案具体环境的纯文本推演方式得出判决结果。法官裁判此类案件时，需要采取司法三段论和裁判结果导向相结合的方法，回溯个案所处的社会情境，综合评估依据个案情境裁判可能引发社会公众反应，并据此判断个案因素对裁判结果重要性和影响力，确保结论妥当性。
3.智能裁判结果与司法政策的契合度
法律制度背后都有一项或多项司法政策作为支撑。“赵春华案”二审法官最终判决认定其有罪，同时酌情从宽判处缓刑，使判决符合罪责刑相适应的法律原则和宽严相济的刑事政策，不仅体现枪支管理政策，也展示司法人文关怀，实现法理与情理的平衡。法官在校验智能裁判结果时，要追溯具体制度背后的司法政策，在判断和决策过程中紧扣政策精神，经由合乎法律规范的推理论证，确保裁判结果与司法政策保持一致性。
法官依照上述三个标准校验智能裁判结果的合法性和合理性时，需要将修改的原因和依据以备注形式记录在智能系统的评估结果中，一方面有利于判断理由的公开和监督，另一方面及时将结果反馈给系统，有助于提高系统纠错能力和预测准确性。
（三）法律人工智能的适用领域：分层分类提供辅助
1.建立统一的分析预测模型
同时，系统设计和运用更多考虑法官的用户体验，根据法官实际个性化需求，构建用户模型，帮助获得与法官偏好更贴切的个性化信息，并引入反馈机制，通过重复修正用户偏好，不断完善用户模型，让服务供给更加契合法官实际需求。
2.分步精准提炼专家经验
当前人工智能尚处于初级阶段。未来在技术成熟的基础上，通过构建更加科学有效的法律知识图谱，推进法律知识的体系化和精细化。
从技术理性层面，在显性法律规则框架下，不断总结和提炼审判实践对法律规则的修正、发展和创新，扩充法律规则的子类型，让法律规则更加精细，更加贴近流动的社会实际。这就需要更多经验丰富的法律工作者加入基础性的数据标签工作中，需要更多具备深厚法律素养的一流法学专家为纷繁复杂的法律知识和法律事实界定更为清晰明确的法律标签。法律数据“标签化”“结构化”后，作为训练集，交给机器判断，再由法律人反馈，深度学习才能成为可能。
从经验理性层面，不同法官在长期审判工作过程中积累了很多行之有效的审判经验，但这些经验带有浓厚的法官个体烙印，难以复制推广。另外，法官在裁判过程中运用大量非正式制度或隐性知识，这为暗箱操作提供空间。人工智能应当利用大样本经验挤压法定条件以外其他因素的介入和影响，减少或者消除裁判中的模糊性以及标准的不确定性，增强裁判统一性和可预见性。同时，提炼实践中有效的经验性、实践性司法知识，通过可视化方式，让隐性知识显性化、确定化，使隐性经验变成具有内部关联性的数据，成为大数据的重要组成。当然，要实现这个目的，还有一段很长的路要走。
3.分类提供智能辅助裁判业务
法官在不同场景对业务需求具有差异性。智能系统根据案由、案件标的、法律关系等要素，自动识别案件的难易复杂程度，并进行分类。针对不同案件类型，提供不同程度的智能辅助：
对处理大量常见简单案件的法官，给予提高效率的工具支持。由智能系统依托各类文书底层要素框架，运用语义识别等技术，基于庭审笔录和合议笔录进行信息点的智能抽取与回填，智能生成裁判文书全部内容，提高审判效率。
对于处理重大疑难案件的法官，则需要提示办案思路和学理支持。基于智能知识库，依托法律知识图谱，为法官办案提供专业裁判思路和法律学者观点，供法官比对、权衡、吸收采纳，确保裁判文书在个性化说理下保持相对的标准化，提升裁判规则的稳定性。
（四）法律人工智能的技术改良：夯实智能辅助办案基础
1.优化法律数据结构
数据库是人工智能的“源泉”。只有在全面、准确、无瑕疵大数据基础上建模，提供的智能辅助才可能精准可靠。
2.建立公平透明算法规制
司法裁判之要义不仅在于结论，更是以符合公正程序得出结论的过程，而深度学习算法“黑箱性”与法律决策“透明性”相冲突。对此，需要完善规制举措，让模型、算法具有可审查性。
（五）加强队伍建设：“法律+技术人才”深度融合
人工智能首先是人工，智能系统开发与运用在根本上仍然依赖于人的作用。第一，培养“法律+人工智能”跨界人才。开启法学专业与人工智能专业互通的“深度学习”模式，着重培养既懂人工智能又懂法律知识的综合人才，使法律人明晰人工智能的基本技术构造，技术人员知晓法律的基本原理。第二，建立“法律人—法律工程师—技术公司”三元主体模式。法律人才是法律人工智能真正的“导师”，系统开发和运用应以法官为核心，法官负责从业务需求角度确定功能、制定客户端操作规范。作为“术语翻译师”的法律工程师执行法官需求，负责与外部技术公司沟通对接。技术公司根据法官需求开发系统。
我们仍然处在法律人工智能时代薄雾弥漫的清晨。尽管还未见到那一时代的清晰轮廓，但我们可以预见未来法官裁判领域将迎来巨大变革。在这样一个伟大的时代，法律人应当如何作为，以上的思考才刚刚开始。
上海市法学会欢迎您的投稿
fxhgzh@vip.163.com
往期链接
>《上海法学研究》集刊2019年第5卷——上海市法学会案例法学研究会文集目录
>虚假诉讼及“套路贷”案件在司法适用中的疑难问题探讨
>从一起侵犯商业秘密刑事案件的公诉审查浅析排除合理怀疑在司法实践中的展开
>侵犯公民个人信息案的办理与法律适用
>敲诈勒索还是行使商标权：刑事实质何以刺破民商事外观
>大数据时代下公民个人信息刑法保护“过剩犯罪化”的考量
>检察机关介入监护权撤销问题研究——以检察机关支持起诉为视角
原标题：《人工智能在法官裁判领域的运行机理、实践障碍和前景展望》