法苑杂谈我们离“阿尔法法官”还有多远？

何帆

从多年前“电脑辅助量刑系统”引发公众质疑，到此次的“机器人法官之争”，“人工智能+司法”到底该走向何方？

2016年末，一则关于南京中院将引进“法律机器人”（即所谓“阿尔法法官”）辅助办案的报道，在法律圈激起波澜。有法官私下吐槽，人工智能那么“能”，有本事以后别让我们加班结案啊！好在南京中院及时辟谣：所谓引入“法律机器人”项目，纯属个别企业捏造。

值得注意的，是南京中院声明中的一段话：“司法是具有经验和价值判断性质的工作，再聪明的机器或软件都不能完全替代法官的工作，只能为法官提供办案支持与辅助。”

是的，我们要建设“智慧法院”，要大力推进信息化3.0建设，可我们需要的智慧和智能，第一要务还是辅助和服务法官办案，而不是替代司法裁决、淘汰办案法官。截至目前，法律人工智能的发展，主要体现在语音识别、图像识别、文本分析和数据整合领域。具体到我国，最高法院构建的“中国裁判文书网”，为法律人工智能的发展提供了“燃料”。

然而，不要以为囤积了一大堆司法数据，人工智能就随之实现了。这里面需要考虑三个问题：第一，“体量”并不代表“质量”。中国裁判文书网上有相当一部分是“冗余数据”。第二，“大”并不代表“准”。同类案件，100个法官可能有100种判法，其中25个判法类似，但不能说这25个判法就一定代表着正确的方向。第三，现在并不代表未来。目前所谓的人工智能是以之前的数据为基础，试图解决未来的类似问题，但是，类似问题在不同时期会有不同解决方案。

对于人工智能在司法领域的应用，总体来看，或许有以下几步可以走。

第一步：通过智能语音识别技术，将审判辅助人员从记录或咨询事务中解脱出来。

第二步：将智能图像和文件识别技术嵌入法官办案系统，将法官从简案处理和繁琐文牍中解脱出来。目前最需要做的，是以法院日常工作为场景，构建多部门多用户的互联系统，打通数据壁垒，提升司法运行的效率。

第三步：通过数据提纯、算法测试和专业训练，让系统变得更加智能，辅助法官决策判断。实现这一步，是在类型化案件中实现以裁判规则、审判经验归纳为基础的有限智能化。可以预见的是，在类型化案件中，有可能形成统一的智能化算法；在不那么规格化的案件中，至少可以做到法律依据提醒、政策比较和类案参考。在此基础上，深度智能化才有可能。

机器的深度学习也有快慢，离开科学算法和测试反馈，系统根本不可能变得智能。所以，推动机器在法律领域的深度学习，必须跨越三个门槛：第一个是足够的数据体量和质量；第二个是提取共性規则，研发科学算法；第三个是法律人的深度参与。

算法的基础是裁判规则，而规则要靠人去提炼。智慧法院立足于法院的智慧，法院的智慧来源于法官。法院的人工智能，说到底是把法官的智慧整合好、利用好。认为只要投入资金、贡献数据、购买服务，就能建设好“智慧法院”，是天方夜谭。

第四步：也许真会有“阿尔法法官”呢，但距离第三步成功还很遥远，就先别惦记第四步了吧。

总之，法律人工智能是大方向，是看得见的未来，但还需要巨大的研发投入。眼下最需要做的，是踏踏实实推进机器深度学习，将法官从重复劳动和繁琐事务中解放，从技术上健全法律统一适用和结果预判机制。