“智能+”模式下裁判形成的过程分析

谢 慧

(山东师范大学 法学院，山东 济南 250100)

如果用概括的语言来表达司法裁判的形成，它大致可以描述为法官是用何种方法来解决具体案件从而获致判决的一个过程。早在19世纪，裁判的形成过程被简化为形式逻辑三段论，法官应受“法律严格的赤裸裸的条文”约束，“其行为不应外乎将提交的案件与条文比照，且不考虑法律的意义和精神，在词语的声调为谴责时表示谴责，在条文没有规定时，沉默无语。”[注][德]费尔巴哈：《库尔-法耳次-巴伐利亚公国刑法典克莱因施罗德草案批判》，1804年，Ⅱ第20页。转引自[德]阿图尔·考夫曼，温弗里德·哈斯默尔：《当代法哲学和法律理论导论》，郑永流译，北京：法律出版社，2002年版，第111页。无疑，这种法官僵硬机械遵循法律的观点在20世纪受到了强烈的批判与攻击。然而，随着科技的进步，人工智能与法律的遭遇却使不断被嘲讽的“自动售货机”理论开始成为了现实。

当然，人工智能远比“自动售货机”智能的多。四十多年前，Buchanan和Headrick在《关于人工智能和法律推理若干问题的考察》一文中，就已经对人工智能应用于司法裁判的形成提出了预见性观点，在他们的意见中，司法人工智能系统并非如马克斯·韦伯所言的“自动售货机”那般“投进去的是诉状和诉讼费用，送出来的是判决”，而是强调类推的重要性与法律推理模型的可行性，借助于计算机编程来建立裁量模型，同时运用各种法律知识，通过计算机模拟人的法律推理过程[注]Buchanan Bruce G, Headrick Thomas E：“Some Speculation about Artificial Intelligence and Legal Reasoning”. Stanford Law Review,1970, 23(1) .。时至今日，这一在当时具有前瞻性的理论正在逐步实现，从基于规则模拟归纳推理的JUDITH律师推理系统，到整合了主体思维结构的TAXMAN系统[注]参见张保生：《人工智能法律系统的法理学思考》，《法学评论》，2001年第5期。，直至借助PROLOG程序语言的推理功能实现了国籍法实务的人机对话[注]参见[日]松尾宏：《英国国籍法的逻辑程序化》，载[日]吉野一编：《法律专家系统的基础》，日本吉幽塞出版社，1986年版，第24-25页。转引自季卫东：《人工智能时代的司法权之变》，载《东方法学》，2018年第1期。，人工智能可以运用诸如消解原理、规则演绎系统、产生式系统、不确定性推理与非单调推理等推理技术和系统，来处理复杂的问题。智能技术群的形成推动着万物互联迈向万物智能，快速将我们以及我们的社会带入了“智能+”的时代，裁判的形成终于不再只限于对法官行为与思维的讨论。

在交通、制造、金融、商业、医疗、教育、农业、政务等实务领域纷纷对接人工智能的大潮中，“智能+司法”在各国亦是风起云涌。美国Blackstone Discovery公司开发了能够为法官提供法律分析的e-discovery系统，哥伦比亚在此基础上研发出可以根据美国联邦量刑指南为决策者提供有价值信息的ASSYST系统，而我国随着2017年《新一代人工智能发展规划》的发布，“智慧法院”的建设更是如日中天。深圳盐田区法院开发建设的金融类案件全流程在线办理平台率先实现了金融类案件从立案、审判到执行全流程在线办；各地法院相继开发了各自的类案推送系统，或者在智能辅助办案系统中嵌入了类案推动应用模块[注]例如，贵州省高院的“类案裁判标准数据库”、北京市高院的“睿法官系统”、苏州中院的“案件裁判智能研判系统”、上海二中院的“C2J法官智能辅助办案系统”、河北省高院的“智审1.0系统”等等。参见贵州省高级人民法院：《探索“类案类判”机制确保法律适用统一》，载《人民法院报》，2018年1月26日；李希：《北京法院探索建设“智慧法院”“睿法官系统”正式上线》，http://www.bj148.org/zzgjj/zzdt/201612/t20161214_1277407.html，2019年5月1日访问；罗书臻：《挖掘“富矿”“反哺”审判——运用裁判文书大数据促进司法公正的地方经验》，载《人民法院报》，2017年9月1日。高绍安：《上海二中院“智慧法院”的探路者 里程碑意义的C2J法官智能辅助办案系统正式启用》，载《人民法院报》，2017年7月10日第1版；吴晓霞：《河北法院“智审1.0上线运行”》，载《人民法院报》，2016年7月5日第1版。；2017年“上海刑事案件智能辅助办案系统”(206系统)诞生，它在对上海几份刑事案件的卷宗、文书数据进行学习后，已具备初步的证据信息抓取、校验和逻辑分析的能力；2018年人民法院的“智慧法院导航系统”和“类案智能推送系统”正式上线运行，实现了精准定位导航信息以精准投放诉讼服务，以及快速查询和智能推送信息，辅助量刑决策、规范司法裁判尺度以统一法律适用的目的。

在“智能+”模式下，法律推理系统、法律模拟分析系统、专家系统等技术开发以及案件智能推送、裁判结果预测、裁判文书自动生成等审判创新在司法过程中接踵而来，裁判披上科技的外衣，独角兽幻化出双翼，司法裁判的形成是否正在经历着一场“革命”？人工智能的介入又将在多大程度上改写了司法的过程？有人欢喜，有人忧惧，本文从裁判形成的一般过程，审视人工智能的司法介入方式与运作机理，以期还原“智能+司法”的本来面目。

一、规则&法官：裁判形成的理论解析

就形式而言，司法裁判的形成一头系着法规范，另一头连着特定的生活事实，裁判的获得过程便是将抽象的、规范性的法律规范应用到具体的、经验性的生活事实中，从而妥当处理特定社会纠纷的一个过程。这种从规范到事实最后推出个案结论的过程也被理论化为法律涵摄理论，而司法涵摄是否仅仅依靠形式三段论推理而发生，这向来是一个争论已久的议题。

(一)法律适用的逻辑骨架

上升到理论来看的话，裁判的形成实质上关乎法律适用理论。受近代自然科学思想的影响，传统的法律适用模式一开始就试图按照自然科学意义上的科学目标来发展自己[注]参见[德]阿图尔·考夫曼，温弗里德·哈斯默尔：《当代法哲学和法律理论导论》，郑永流译，北京：法律出版社，2002年版，第51页。。在自然科学观看来，法律适用是逻辑三段论的演绎系统在法律领域的使用过程，即通过将特定的案件事实归属于某一法律规范作为大前提，而将一定的事实作为小前提，在该事实符合大前提所规定的各项要件特征时，则以一定的法律效果为内容的结论将确定地产生[注]王泽鉴：《法律思维与民法实例》，北京：中国政法大学出版社，2001年版，第201页。。这被拉伦茨称之为“古典的”涵摄模型[注][德]卡尔·拉伦茨：《法学方法论》，陈爱娥译，北京：商务印书馆，2003年版，第34页。，它对法律逻辑的一惯性和体系性推崇极致，强调“法律推理应该依据客观事实、明确的规则以及逻辑去解决一切为法律所要求的具体行为。假如法律能如此运作，那么无论谁作裁决，法律推理都会导向同样的裁决。”[注][美]史蒂文·J·伯顿：《法律和法律推理导论》，张志铭、解兴全译，北京：中国政法大学出版社，1998年版，第3页。法律适用理论由此建构了一个由概念构成的体系世界和逻辑世界，而“概念的谱系学”又保证了规则对于法官的严格约束，以及所有实现规范所规定的条件的案件事实均受到相同的处理，因而由此获得的判决，便是客观的，也是正确的。

自然，上述以概念为主要方法的推理模型及其背后的思想基础在晚近以来遭到了诸多诟病，因为“一个无视人类作品目的的，亦即，一个无视人类作品价值的思考是不可能成立的，因此对法律的，或者对任何一个个别的法律现象的无视价值的思考也都是不能成立的。”[注][德]G·拉德布鲁赫：《法哲学》，王扑译，北京：法律出版社，2005年版，第4页。20世纪以来，法律适用理论开始超越单纯的三段论，集多种方法与多种思维为综合一体。然而，尽管几乎所有的批判者都智识性的认识到传统涵摄模型的缺陷，但是都并未将其作为排除在法律适用的思维过程之外的理由，相反，他们无一例外的都不否认涵摄仍具有一定的功能和价值[注]德国的考夫曼在哲学诠释的影响下，虽然认为传统的涵摄模式实际也是一种类推，并指出法律适用不再是一个严格的逻辑三段论的推论过程，而是一个文本不断被理解不断被反思的过程，但他并非彻底反对逻辑本身，而是认为三段论的逻辑涵摄并不能反映法律适用过程的全部面相，它不过是法律适用的最后阶段，是在将法律规范与生活事实以一种目的论的程序使两者进入一种类似性关系之后才发生的。考夫曼在其书中说道：“其实按照我的学说，也有逻辑三段论及涵摄。只是在进行以前，必须规范及个案成为有涵摄能力。”参见[德]阿图尔·考夫曼：《类推与“事物本质”——兼论类型理论》，吴从周译，颜厥安审校，台北：学林文化事业有限公司，1999年版，第5页、第171页。而德国另一位学者恩吉施则是通过将传统的法律解释方法进一步精致化，以试图说明建立在三段论基础上的法律适用大体上仍然是可行的。他指出：“……只有基于属于法的更大范围的、制定法与之适应的价值，才能适用、解释制定法，在必要时补充和续造制定法。……对制定法的逐字逐句的适用，会阻碍制定法原本的理性目的，还有，在处理立法者本身的‘公道法’(ius aequum)的时候，将求助于非制定法的价值，关于填补制定法漏洞需要的认识和用超制定法的价值来校正制定法的价值的必要性。最终，超制定法——尽管不是超法的——权衡，决定着解释本身的方法，尤其是决定着解释手段的次序，决定着解释中的主观意义和客观意义的正确性，不是吗？”参见[德]卡尔·恩吉施：《法律思维导论》，郑永流译，北京：法律出版社2004年版，第240-241页。此外，英美法中以“法律的生命不在于逻辑而在于经验”这一名言而著称的霍姆斯，在事实上并非反对逻辑的作用，而只是反对将逻辑看成是案例适用的全部内容、唯一起作用的因素的观点。“……简单地说，霍姆斯的反逻辑其实是反对当时的形式主义的倾向。他反对的只是认为法律中唯一起作用的是逻辑的观念，而不是反对逻辑的作用。或者说它是深刻认识到逻辑的局限性才提出‘法律的生命不在于逻辑，而在于经验’。”参见张芝梅：《法律中的逻辑与经验——对霍姆斯的一个命题的解读》，《福建师范大学学报》(哲学社会科学版)，2004年第1期。。

因此，虽然事实上的法律适用是一个更为复杂的过程，但以“大前提→小前提→结论”为框架的三段论模型依然被视为法律适用的基本“逻辑骨架”，也即“特定的法律人将一个法律规范N适用于由事实构成的一个案件C，得到一个正当的法律决定D”，这一基本模式可以简单的表示为：法律规范(N)→案件事实(C)→法律决定或判决(D)。

(二)裁判形成的多层结构

如果对概念法学和形式主义法学批评者的论述作一个总结，我们不难发现，尽管表达方式各异，但他们的观点却有着明显的相似性，也即他们都从单纯的逻辑推理发展到了兼采逻辑推理、利益衡量、价值判断、公共政策、后果考量等等方法的综合性力量。

具体来说，三段论的有效性是建立在其大小前提都真实的基础上的，但是大小前提并不能保证自身的真实性，如果对大小前提尤其是大前提本身提出质疑或者其本身就存在疑问，那么这种推理就有可能站不住脚[注][美]理查德·A·波斯纳：《法理学问题》，苏力译，北京：中国政法大学出版社，2002年版，第49-51页。。因此，一个单纯的三段论“逻辑骨架”是无法完成一个完整描绘法律适用过程的重任的，其间，法官要确定一个可以足以使公众信服的大前提和小前提，它是“为给一个决定提供充足理由的过程”[注]Aleksander Peczeink, on Law and reason, Dordrecht; Boston: Kluwer Academic Publishers, 1989, p.156.，这被学者定义为“证成”，阿列克西认为，法律规范的适用就必然地包括了法律规范的证成，前者的结果依赖于后者[注]Robert Alexy, Justification and Application of Norms, In:Rotio Juris. Vol.6 No2.1993,p.169.转引自王夏昊：《法律决定或判断的正当性标准》，《法律方法》(第八卷)，济南：山东人民出版社，2009年版，第57页。。“证成”又被阿列克西分为“内部证成”与“外部证成”：内部证成处理的问题是，判断是否从为了证立而引述的前提中逻辑地推导出来，也就是说一个决定是否是从它的前提中按照一定的推理规则推导出来的；外部证成处理的对象是，对内部证成所适用的各个前提的证立[注][德]罗伯特·阿列克西：《法律论证理论》，舒国滢译，北京：中国法制出版社，2002年版，第274、285页。。如果将内部证成看做是一个“逻辑三段论”的运用过程，那么外部证成则是为了完成内部证成中需要的大前提的合理性与正当性的说明。

在三段论的基本模式中，作为大前提的法律规范N并非是现成摆放好的制定法条款或判例法规则，而是法官根据个案具体情况并结合法律规范及其他因素的说明而建构的裁判规范(Ni)。因此，裁判规范的生成过程是一个法官对法律文本以及各种规范进行发现、理解和阐明的过程，也是一个“外部证成”的过程，在这一过程中，法官要运用一定的法律或法学中的理由，来揭示、选择或确定某个法律规范的某个意义，构造裁判规则，并以此作为裁判的大前提，这便需要我们将裁判形成的过程延展到形式推理“大小前提”获得的活动之上。此外，司法实践也告诉我们，法官裁判的真正思维并非是“规范—事实—结论”的单向路径，而是以其先接触到的事实为思考起点，是一种目光在“事实与规范之间进行流连往返”的活动，其大致路径为“事实—规范—事实—决定”。将上述作为“逻辑骨架”的三段论补充血肉之后完整地展现开来，则表现如下：双方争议事实的识别与确认(F)→法律文本的寻找与确定(S)→法官解释(TR)→裁判规范(Ni)→经法官采信并认定的特定案件事实(CF)→法律决定或判决。也就是说，在许多案件中，“事实并不能轻易地为公认规则所归摄，而且规则本身尚需要进一步解释，合适规则还需要法官花心思寻找，更确切地说，从事实到裁决之间的思维有所跨跃(jump)，裁判的思维通道可能是曲径通幽。”[注]李安：《裁判形成的思维过程》，《法制与社会发展》，2007年第4期。

质言之，裁判形成的过程不是单纯的演绎或者归纳，而是包括逻辑推理在内的多种方法、多种思考方式综合作用的结果，在这一个过程中，法学的传统、逻辑的理论、历史惯例、价值判断、利益衡量、人们的道德感、法感情以及人们不能言说的种种知识、偏见、下意识都有可能潜入其中。法官不是一台机器，而是一个生活在现实社会中的人，被赋予必要的主观能动性和法律推理的灵活性；规则(无论是制定法还是判例法)如哈特所言存在着确定性与不确定性，它原本自身就没有应对现实世界变化无穷的能力，只不过是人们应对当下生活的一种书面规则而已，能够感知不断变化的生活继而做出相应变化的只有人的认识和思想。

可以说，裁判的形成是一个规则与法官共同作用的过程，它既强调规则不可或缺的意义，又反对规则决定论；既拒绝法官完全按照自己的预感来随意判案，又不得不承认其直觉的存在。在这一点上，庞德所言可谓中肯：“法律的历史表明，人们始终是在严格规则与自由裁量之间来回摆动，在据法司法与不据法司法之间不断循环反复。”[注][美]罗斯科·庞德：《法律史解释》，曹玉堂译，北京：华夏出版社，1989年版，第1页。而另一位作为“实用主义”的美国法官及法学家波斯纳在探讨法律决定制作时亦是一方面承认逻辑所扮演的重要角色，另一方面又拒绝夸大的法律形式主义[注]参见[美]理查德·A·波斯纳：《法理学问题》，苏力译，北京：中国政法大学出版社，2002年版，第568页。。

二、数据&算法：司法运行的“智能”模式

如前所述，裁判形成的过程经历了从形式主义到实质主义的发展，这一理论脉络打开了计算机法律推理模拟的思路。形式主义强调规则，于是便出现根据规则进行形式推理的人工智能推理模式；实质主义注重个案，于是便出现根据个案进行非单调推理的人工智能推理模式。尽管人工智能与人脑结构不同，但在抽象层次上二者却越来越具有相通的功能表述。继AlphaGo与AlphaGo Zero棋坛神话之后，“Alpha法官”的出现似乎也没有什么不可能[注]2015年11月，智能辅助办案系统在上海市第二中级人民法院用于庭审，其设计者认为这是“机器人法官”的雏形；2016年，南京市中级人民法院引入机器人辅助判案系统，并形象地将该系统称为“阿尔法法官”。将司法大数据运用到司法辅助、办案参谋、智能咨询及决策分析等环节，法官输入案由、情节等案件事实，机器人自动弹出应适用的法条，并显示量刑建议，在法官确认之后，判决书便一键生成。参见《机器人法官的宣传雷区——从南京中院“法律机器人”争议说起》，http://www.jcrb.com/IPO/yjjj/201701/t20170119_1708642.html，2019年5月3日访问。事实上，一位人工智能法官已经能够评估法律证据，同时考虑伦理问题，然后决定案件当如何判决，它能够准确预测欧洲人权法庭大多数的裁定，或很快能够对案件作出重要裁定。参见杨帆：《机器人法官来了：AI计算机预测案件的准确率达79%》，http://tech.ifeng.com/a/20161025/44477016_0.shtml，2019年5月3日访问。。那么，果真如此吗？

(一)司法人工智能的运作机理

司法运行的“智能”模式，实际上依赖于目前人工智能的新技术，即计算机能力的提升、大数据时代的来临以及其学习技术的发展。严格来说，人工智能是计算机学科的一个分支，主要研究如何让机器人来模拟人的智能，处理一些特定场景和应用的问题。从科学的角度来看，人工智能的开发者主要关注对于一个具体任务的解决方式和应用潜力方面，也即其“内部智能”，而非其所呈现出具有奇妙感的外部效果。因此，尽管已获得沙特阿拉伯公民身份的索菲亚机器人引爆了人类无数的追捧或恐慌，但事实上，由于其远还未达到在开放领域进行流利的自然语言对话的程度，人工智能技术派并未对她寄予太多的“智能”期望；相反，对于可以自动作诗的“九歌”，研究人员却因其基础技术已涉及到语言本身的复杂性、多样性、歧义性以及递归性，将其视为突破NLP领域最上层也最艰难的任务的一个典范。所以说，“机器人能否像法官一样判案”这个问题只有在真正了解一些技术能够达到的真实水平的时候，才会变得有意义。

莱布尼茨曾设想法律和哲学都可以依据经典几何学模型对第一原理进行演绎，像数学分析那样通过推论予以解决，他说：“我们要造成这样一个结果，使所有推理的错误都成为计算的错误，这样，当争论发生的时候，两个哲学家同两个计算机一样，用不着辩论，只要把笔拿在手里，并且在算盘面前坐下，两个人面面相觑地说：我们来计算一下吧。”[注][德]W·肖尔茨：《简明逻辑史》，杨一之译，北京：商务印书馆，1977年版，第185页。莱布尼茨将法律进行理性演算的设想，在人工智能那里成为可能。通俗地讲，人工智能学习的一般原理为要素化、规则化、图谱化及模型化，它以法律知识图谱、案件情节提取、类案识别、模型训练、量刑预测和偏离度预测等为技术路径，在实践中表现为案件智能推送、法律模拟分析与推理、裁判结果预测、量刑辅助、偏离预警以及裁判文书的智能生成等应用。不过，从技术层面来看，无论是可以进行智能案情分析和律师遴选的“法小淘”，还是智能研判系统“睿法官”，如果去掉附着在它们身上的拟人化想象，它实质上是基于算法通过数据自主学习的一套计算机制，其本质在于算法和数据。也就是说，通过机器学习，机器要对海量数据进行自动挖掘与预测，以形成统一的智能化算法或参考指引[注]参见蔡自兴，刘丽珏，蔡竞峰，陈柏帆：《人工智能及其应用》(第5版)，北京：清华大学出版社，2017年版，第125页；胡凌：《人工智能的法律想象》，《文化纵横》，2017第4期。。

在司法过程中，具有大规模、多样态、快流变、高价值特征的大数据为人工智能的知识生产提供了空间[注]See. Manyika J, Chui M, Brown B, et al, Big Data: The Next Frontier For Innovation, Competition, And Productivity, Analytics, 2011.，不管是识别和提取法律事实和情节、自动推送关联法条和类案，还是推荐量刑和生成法律文书，甚至通过深度学习不断提高裁判的准确性，数据都是萃取人工智能所必须的火焰。随着储存人类活动信息的各种资料实现电子化，大数据技术能够综合处理各种类型的数据，从而得出其数据背后的知识或隐藏的信息[注][美]托马斯·埃尔，瓦吉德·哈塔克，保罗·布勒：《大数据导论》，彭志勇、杨先娣译，北京：机械工业出版社，2017年版，第3页。。

数据带来了可以让机器具备认知与判断能力的算法，也即机器的学习，这为人工智能提供了核心的运作方式。大数据的日渐发展不断为机器学习算法提供更强劲的技术支持，进而又能够产生更大的实际应用。大致而言，机器的算法有两种类型，即基于先前知识的推理和基于大数据而发掘数据背后的规律[注][美]温斯顿：《人工智能》(第3版)，崔良沂、赵永昌译，北京：清华大学出版社，2005年版，第259-260页。。前者实质是一种处理自然语言过程的问答技术，例如人工智能Ross律师与前文所提的索菲亚机器人，它让人的自然语言与机器的代码语言形成沟通，使机器能够回答人类提出的问题。其运作是先“理解”和确定人类所提出的问题，再通过分析不同的文件内容找到合理的答案[注]Rhinehart Craig. 10 Things You Need to Know about the Technology Behind Watson.转引于江秋伟：《论司法裁判人工智能化的空间及限度》，《学术交流》，2019年第2期。。它可以在同一时间内运行不同的算法来解决同一个问题，而当不同算法以不同方式运行都得到相同或相似的一个答案时，所得结果就是“真实的答案”[注]Thompson Clive. Smarter than You Think: What Is IBM’s Watson? The New York Times, 2010-06-16. 转引于江秋伟：《论司法裁判人工智能话的空间及限度》，《学术交流》，2019年第2期。。后者则是20世纪中后期以来发展的机器深度学习，主要有决策树学习方法、类比学习方法以及人工神经网络方法[注]参见[美]Start J.Russell，[美]Peter Norving：《人工智能——一种现代的方法》(第3版)，殷建平、祝恩、刘越等译，北京：清华大学出版社，2013年版，第254页。。在接受了用户提交的数据之后，机器可以通过数据进行自我学习，仅依照系统规定的算法便能进行运作，而不需要用户根据数据特点再进行算法调整[注]朱福喜：《人工智能》(第3版)，北京：清华大学出版社，2017年版，第340页。。也就是说，机器从司法大数据中提炼出共性规则，然后根据不同的司法场景提取不同的规则进行匹配，形成类似于人类的信息提取能力与逻辑分析能力。

(二)深度学习下的智能裁判

从人工智能的发展路线来看，机器的深度学习推动了第三波人工智能热潮兴起[注]参见李开复，王咏刚：《人工智能》，北京：文化发展出版社，2017年版，第69页。，并使司法人工智能从使案件处理的自动化转向了案件审理的自动化。其中，功能最强大、应用范围最广且居于主要地位的当属人工神经网络方法[注]参见蔡自兴，姚莉：《人工智能及其在决策系统中的应用》，长沙：国防科技大学出版社，2006年版，第235页。。人工神经网络系统是模拟人脑及其神经网络行为特征而发展出来的非线性运行模式，它由众多神经元的连接权值连接而成，具有良好的深度学习功能[注]参见[美]雷·库兹韦尔：《人工智能的未来》，盛杨燕译，杭州：浙江人民出版社，2016年版，第131页。。在知识图谱构建的基础上，人工神经网络系统通过对知识图谱数据特征的学习，从数据样本中学习到数据的本质特征，从而提供对未知事件的分类和预测的精准性[注]参见吴岸城：《神经网络与深度学习》，北京：电子工业出版社，2016年版，第83页。。在司法裁判中，人工神经网络系统中的神经元节点通过对各裁量因素的拟合来满足裁量因素复杂性的需求，而无需对各裁量因素进行精确的数字化表达或者事先设定各裁量因素的权重，同时，它可以对裁量因素进行层次性选择，通过定义匹配规则来实现知识转化，并在分类规则基础上进行大数据学习，从而使自己具备预测新数据的能力[注]参见[美]Start J.Russell，[美]Peter Norving：《人工智能——一种现代的方法》(第3版)，殷建平、祝恩、刘越等译，北京：清华大学出版社，2013年版，第176页。。

具体地说，人工神经网络系统在司法裁判中的运行运作机理和技术路线如下：首先进行由词法、结构、过程等构成的语义网络知识建模，即针对某特定领域建立知识图谱，构造内部知识库，以此作为分词设置的基础，同时对各分词予以属性标注以及各分词的关系予以关系标注，以便作为在构造抽取规则时的信息提取点，然后将案件分解成最基础的A、B、C等若干要素，要素对应若干分词，以运算法则生成假设，并将假设与待决案件所包含的要素A、B、C进行对比，若干吻合或类似，则可适用同类规则[注]参见高翔：《人工智能民事司法应用的法律知识图谱构建——以要件事实型民事裁判论为基础》，《法制与社会发展》，2018年第6期。。其裁判过程可以简单表述为：案件情况文本输入→文本信息初步分类→文本信息精准分析→适用条文选择→结果输出。

这样看来，司法人工智能的裁判方法与传统的要件事实型民事裁判方法并无二异，它们都是按照“识别请求权基础规范→请求权基础规范的要件分析与结构→争论点整理→证明责任分配→争议事实认定→涵摄得出结论”的路径而展开[注]参见高翔：《人工智能民事司法应用的法律知识图谱构建——以要件事实型民事裁判论为基础》，《法制与社会发展》，2018年第6期。，事实上，这一过程也大致契合实践中法律适用的“事实—规范—事实—决定”的模式。然而，正如前文所述，尽管其基本的“逻辑骨架”为“大前提—小前提—结论”，但实际上裁判的形成过程具有多层的复杂结构，即双方争议事实的识别、确认与分析(F)→法律文本的寻找与确定(S)→法官解释(TR)→裁判规范(Ni)→经法官采信并认定的特定案件事实(CF)→法律决定或判决。基于前文分析，我们得知人工智能可以像法官一样行为，但它能否“像法官一样判案”最终却取决于它能否像法官一样思考。

三、从前提到结论：智能司法还差什么？

对于一项特定的活动，有学者认为可以区分为观测、分析和行动三个部分[注]Woodrow Hartzog, Gregory Conti, John Nelson, Lisa A. Shay, "Inefficiently Automated Law Enforcement", Mich. St. L. Rew. 1763(2015), p.1769.，而如果将一项司法裁判看作是一种对特定事件进行法律评价、判断并处理的机制，那么这一项复杂的活动将包括三个层面，第一个层面为信息的获取，即将特定案件中的事实问题转化为有待进一步识别和处理信息；第二个层面为信息的分析处理，即将事实与特定法律规范的要件相匹配，确认待处理事件应该适用何种法律规范以及产生何种法律后果；第三个层面为信息的输出与实现，也即通过一定的思维与行动机制，将上一环节的结果输出到现实世界，对法律后果予以实现。

(一)裁判小前提的形成

第一层面信息的获取，是通过证据推理发现小前提的过程。如麦考密克所言，“小前提并非一类可以由诸如大法官的意见或者议会立法等权威命令‘赋予’真实性的命题。它是表示特定历史情境的命题，因此它需要借助于特定的相关证据加以证明。”[注][英]尼克·麦考密克：《法律推理与法律理论》，姜峰译，北京：法律出版社，2005年版，第24页。在这一过程中，法官会根据庭审中所接收到的碎片化证据，通过区分生活事实与法律事实以及基于证据的相关性、证明力以及可采信性，对于争议事实进行识别与确认以提取其中具有法律意义的因素。其中，起到主导作用的是证据的可采信性，也即何种证据可以进入裁判门槛以及何种品质的证据可以进行推理。

关于证据的可采性，法官一般遵循“不相关的证据不可采”和“相关证据排除规则”[注]张保生：《人工智能法律系统：两个难题和一个悖论》，《上海师范大学学报》，2018年第6期。，后者涉及到相互冲突的价值之间的平衡，例如非法证据的排除，法官所需要权衡的便是证据的求真目的与诸如人权、秩序、正义等价值矛盾；关于证据的可信性，则涉及到对话者之间信息传送、接受和加工所必需的感知能力、记忆能力、诚实性和叙述能力，它需要法官更多的经验智慧[注]张保生：《人工智能法律系统：两个难题和一个悖论》，《上海师范大学学报》，2018年第6期。。而无论是价值权衡还是经验体会，对于人工智能来说，都是一项极为艰难的工作。

此外，事实认定不仅需要识别证据的相关性或不相关性，证据推论亦是一个经验推论的过程，它需依赖于法官个体知识库的建立，“个体知识库包括个人的生活经历，是理解证据、选择概括的基础。”在很多时候，证据的推论背后隐含着法官个人的自由心证、内心确信、经验法则以及信念，因此同一组证据的推论却极有可能走向相反。例如，圣经中所罗门对“幼子之争”的裁判与我们对“昭仪杀女”的判断，便分别由“虎毒不食子”与“无毒不丈夫”的信念所支使[注]张保生：《人工智能法律系统：两个难题和一个悖论》，《上海师范大学学报》，2018年第6期。，而这两种信念表面看来是完全冲突的，它需要法官结合双方当事人的身份、地位、行为动机、社会关系、社会环境以及纠纷发生背景等具体情况来做出概括。人工智能不仅难以构建起一个个体经验库，更无法在常识、经验等背景知识中做出暗合社会主流价值和朴素正义的抉择。

(二)裁判大前提的建构

第二层面信息的分析处理，为事实与规范的匹配阶段，它包括法律规范的发现与阐释，进而形成裁判规范以构建大前提的阶段。作为人类用以认识自己、表征自己以及认识周围事物和相互沟通的工具，法律规范往往被认为是语言符号系统的一部分。索绪尔认为，人的语言是一种音义结合的符号系统，语言符号连接的不是客观事物和名称，而是概念和音响形象。后者不是纯粹物理的东西，而是这声音的心理印记，我们的感觉给我们证明的声音表象[注][瑞士]费尔迪南·德·索绪尔：《普通语言学教程》，高明凯译，北京：商务印书馆，1980年版，第101页。。可以说，语言在人的思维交换过程中产生，它是组织在符号表达中的思想，而这种思想又具有社会性，也即语言符号和他所代表的意义是通过社会中的“常识”确立起来的。因此，人工智能对于法律规范的处理正是建立在对自然语言处理的基础之上，语音识别和图像识别正是被普遍认为的人工智能的基础技术。

然而，人工智能与人对于语言处理的最大区别是，机器是在“感知”的基础上进行“认知”，从而为“判断”奠定基础；而人更多是基于“常识”来进行“认知”，进而作出“判断”。对于人工智能来说，“常识”是其难以逾越的屏障，而语言是否能够被作出恰当的理解与认知，在很多时候却恰恰离不开“常识”的作用。例如对鲁迅先生家门口“一颗是枣树，另一颗也是枣树”，需切身置于作者当时的环境和心境，才不至认为其是废话；对“能穿多少穿多少”同一句话，需基于冬天和夏天或者北方和南方的气温常识，进行不同的理解。

人工智能若需具备一定的“常识”以达到人类“认知”的能力，就需要首先对每一个可能的概念项进行预先建模，构建无以计数的数据标签来帮助它理解某一个特定的概念，这将是一项极大的挑战。不仅如此，当我们终于辛苦构建完这一系列标签之后，我们发现在场景变化之后，之前的大部分标签却难以复用，例如面对“呵呵”一词背后所隐含的各种表情、态度、看法、思想或无意义，人工智能则将陷入又一轮的迷茫。更何况，在法律纠纷的场景中，实际还存在着众多纷纭的子场景，例如“苹果”，它可以是电子产品、果蔬产品，也可以是投毒犯罪的凶器。因此对于人类来说非常简单的常识积累和场景切换，对于人工智能的发展却是蜀道之难。

不宁唯是，在构建法律适用大前提的阶段，法律解释是一项极为关键的工作，梁慧星将其视为“获得裁判大前提的法律规范的作业”[注]梁慧星：《民法解释学》，北京：中国政法大学出版社，1995年版，第213页。。既然法律是语言符号系统的一部分，其意义蕴藏在规范文本之中，那么则需法律解释从方法上将规范文本的意义予以恰当地释放。

对于努力拯救法律客观性的方法论者来说，法律尚离不开人的经验总结与实践智慧，因为法学属于典型的精神学科，不具有自然科学式的客观规律，“它既不能完全用数学加以量化，也很难在实验室里得出规律性的结论。”[注]陈金钊：《哲学解释学与法律解释学——〈真理与方法〉对法学的启示》，《现代法学》，2001年第1期。通常认为的文义解释、体系解释与目的解释等解释方法，无一不需要解释者将解释对象与其前见和解释环境进行整合。更何况本体论所强调的“读者中心论”已将民事中的法律解释切换为法官、原告与被告三方的“游戏”，解释被重新设定为通过两个相反过程的说服行为，即法庭辩论阶段当事人一方力图说服法官，裁判阶段法官说服当事人一方[注]参见朱庆育：《意思表示解释理论》，北京：中国政法大学出版社，2004年版。。

可以说，作为逻辑三段论的大前提并非是预先存在的、等待法官去查找的白纸黑字规则，而是法官综合了各种解释规则以及诸如原则、政策、道德、伦理之类的价值考虑对白纸黑字的规则进行个案解释而重新产生的规则，我们称之为“裁判规则”。其中，共性法律所体现的形式正义与个性案件所需要的实质正义在相互冲突中产生张力，需要法官在一般与特殊之间弥合缝隙。此外，法律中的开放性概念总是会随着社会的变化而变更或被注入新的内容，例如“诚实信用”“公序良俗”“公共利益”等，这种变化需要法官在其自由裁量权之内进行法律“续造”。换言之，规范本身没有概念，改变的只是法官依据当下的生活世界对规范的理解，裁判形成的过程是一个需要法官行走在法律解释的保守性与创造性之间的活动，所以，美国联邦最高法院在1896年的普勒斯案中判定黑人与白人“分离但平等”，而在1954年的布朗诉教育委员会一案中判决分离就构成不平等，而两个案件依据的却竟是同一条宪法规范[注]William Read, Legal Thinking, University of Pennsylvania Press, 1986, pp.426-427.。人工智能裁判是根据预设好的算法，根据一个符号得出另一个符号，而个案中所涉及的利益、情感、道德、社会心理及社会观念无法在人工智能的知识图谱中精确匹配，“在案件事实曲折、人际关系复杂、掺杂人性和感情因素的场合，如何根据法理、常识以及对细微的洞察作出判断并拿捏分寸进行妥善处理其实是一件微妙的艺术，不得不诉诸适合法官的自由心证和睿智，即使人工智能嵌入了概率程序、具有深度学习能力也很难作出公正合理、稳当熨帖、让人心悦诚服的个案判断。”[注]季卫东：《人工智能时代的司法权之变》，《东方法学》，2018年第1期。因此，也许司法人工智能可以将形式正义的实现运用娴熟，但对需要法官裁判智慧的实质正义却仍是望尘莫及。

(三)裁判结论的获致

第三层面信息的输出与实现，为法律推理阶段。期间法官要反复思考，在法律文本与事实之间进行目光交互流转，权衡各种因素；在法律与事实之间建立有效的逻辑关系，以最终得出一个妥当合理的结论；在既有法律秩序之内，寻求法律依据，将结论予以正当化与合理化。如果将案件视为输入，裁判结论视为输出，那么在案件输入与判决输出之间还应存在着一个“加工通道”，而这种加工则是法官对案件的思维运作[注]李安：《裁判形成的思维过程》，《法制与社会发展》，2007年第4期。。法官的裁判思维“既包括‘发现’与‘检测’案件答案的思维，也包括将思维结果予以说明的思维”，Wasserstrom则将此项过程分为“发现”的程序与“正当化”的程序[注]See. Bruce Anderson. The Case for Re-Investigating The Process Discovery. Oxford: Blackwell Publisher, 1995，pp.336-337.。前者往往受制于法官个体心境、个性、偏见、法律知识、司法经验及思维定势的影响，然而后者则以论证的方式将影响“发现”的心理因素控制在正当的范围之内，同时减少“发现”的任意性与盲目性，由此产生能够被当事人与公众接受的最佳结论。裁判的形成也是一个精神的心理历程，从认知层面看，它需经过主体的顿悟→反思→判断→决定，正是这一过程无法剥离法官的个体经验与直觉预判，方显法律论证通过一系列必要的方法对其进行正当化说明的不可或缺。

无论是弗兰克基于经验主义立场认为这仅作为解决问题的“装羞”门面，是一种策略性选择，还是阿列克西从规范主义出发将其作为一个法律论证的程序规则，以此来达成司法裁判的证立目的，不可否认的事实是，裁判者是从个别的经验中产生理解、形成判断并最后作出抉择的，它是个体从一个过程进入另一个过程的认知历程，在这一认知历程中，问题的答案得以发现，相应的决策也得以落实[注]李安：《裁判形成的思维过程》，《法制与社会发展》，2007年第4期。。在这一过程中，作为具有个体认知能力的法官需要处理案件事实、法律知识、直觉预判、个体经验、地方经验、时代信息及社会文化等一系列因素，这一方面需要推理计算来保证司法推理的形式正当性，另一方面亦需要通过更为复杂的价值判断来获得具有实质合理性的答案。恰是如此，法律从来就无法通过计算而达成一个“唯一正解”，虽然制度层面与实践层面的裁判必须要给出一个解决方案，但在法哲学层面它却永远保持着“可辩驳”的可能性。

也正是如此，法律不是自然科学，它无法用“技术话语”来主宰，更难以模仿自然科学的计算方法去探求一个数字化的、可验算的真理。作为拉德布鲁赫所言的“价值关联的科学”，司法与“价值无涉的科学”最大的区别便是，裁判者首先应将自己置身于法律评价活动中，采取一种参与者的立场，提出自己对于裁判的正当化见解，这也是众多法学者所称的“司法需具有亲历性”的原因所在。

人工智能系统所面对的直接对象不是证据和当事人，而是经过技术人员格式化之后的计算代码，人工智能首先需要判断哪些信息、以什么方式可以提交给解决事实争议的数据处理系统，再将所有与案情判断有关的信息换算成数字，来表示每一项证据和规则的推论含义，以及需要赋予的重要性，最后再通过某种加权计算公式得出最终的结果。它通过运算的方式完成对知识的生成，以算法来表现法官的思维，由各种字符和运算符号表达将裁判形成过程中具有主体性的内在心理历程进行了程式化，所指向的结论只能是“唯一正解”，除去这种努力本身已偏离了裁判的真实面目不说，其对于司法最大的误解之处便是，它以为只要数据足够充沛、算法足够强大就可以取代裁判形成过程中的价值判断，但问题在于，就法律的意义而言，“是”和“应当”从来就不是一回事。

因此，尽管在目前司法人工智能已有众多诸如消解原理、规则演绎系统、产生式系统、不确定性推理、非单调推理等先进的推理技术和专家系统、机器学习系统、规划系统高级的运算系统等来求解负责的问题，甚至也可以做到采取循环往复的路径进行复杂推理，而非仅仅单向度地沿着“大前提—小前提—结论”的演绎逻辑进行，但是，它仍然无法做到“以某个特定的，在历史中逐渐形成的法秩序为基础及界碑，借以探求法律问题之答案。”[注][德]卡尔·拉伦茨：《法学方法论》，陈爱娥译，北京：商务印书馆，2003年版，第19页。也即在存在价值选择的空间中，法官在对已达成共识的双方理由都进行充分说明之后，对自己所作出的结论仍有充分论证的可能与必要。而这，正是一个裁判被认为是理性的、正当的以及可接受性的必由之路，也是司法过程的实质所在。

结论：人工智能介入司法的慎思与谨行

事实上，问题并未结束。本文所述人工智能在司法中的诸多“不能”也许只是眼下的技术障碍，但我们永远无法预测科技的走向与发展，就像AlphaGo与AlphaGo Zero的相继出现，每一次技术革新都不断突破人类对技术的想象。不管我们是喜闻乐见于人工智能又一次的出其不意，还是细思极恐后发现人类离灭亡又近了一步，不可否认的是，从技术史来看，人工智能正沿着弱人工智能—强人工智能—超人工智能的轨迹前进。尽管我们目前仍处于弱人工智能时代，并且目前还可以庆幸包罗人类万象的司法领域毕竟不如围棋规则那般简单，人工智能取代法官裁判的路程或许还很遥远，但技术派却从未放弃朝着强人工智能的努力，也从未断定AI“奇点”一定不会到来和超人工智能永远不可能实现，正如有人已经指出，既然人工智能有替代人类法官的能力，按照“墨菲定律”，它总有可能发生。目前进行得如火如荼的司法大数据允许人工智能识别法庭的语音记录，允许人工智能学习案件从立案到判决过程中的全部诉讼材料，实际上就是给了人工智能最初的感官体验，就像生物的祖先从一个感光细胞开始，终于进化出精密的、可以识别斑斓色彩的眼睛一样。当人工智能的发展让人们在各个细分领域变得依赖人工智能，造成人工智能实际上成为最有经验的那位，从而逐步获得了人类的信任，就可能得到法官角色[注]李腾：《人工智能的法官职业之路》，载华宇元典法律人工智能研究院编著：《让法律人读懂人工智能》，北京：法律出版社，2019年版，第340页。。

然而，这或许并非乐观。当人工智能被赋予情感、习惯、传统、常识、经验、伦理、道德之后，我们曾一切习以为常的情感、习惯、传统、常识、经验、伦理、道德可还复存在？当技术专家尝试将伦理构建进知识图谱中以使其模拟法官的意志和思维，这种做法本身便面临着是否违反伦理的质疑。人工智能介入司法的预期是消除法官恣意裁判的“暗箱”以期实现司法公正，但事实上，算法及其算法控制的生产性资源本身就是一个闭环的“暗箱”。一旦在司法决策中获得话语权，那么公平和正义将交付数据与算法，随之而来的必然是其背后的程序员、软件工程师、数据处理商、信息技术公司权力的介入及其对法官司法决定权的冲击，这也将无可避免的造就一个技术垄断和算法独裁的局面。

纪伯伦曾说：“把手放在善恶交界之处，便可以触碰上帝的袍服。”作为手握天平和剑的正义化身，法官在司法过程中所进行的明辨善恶的工作本应是上帝的权柄，怎可随意将之托付他人？为此现代法治设计了一系列制度以使法官职业化、专业化、正规化，例如法官遴选、审判独立、问责机制、法官职责、职业保障等，而对人工智能的过度期待或者误解可能导致现代法治的制度设计分崩离析，引起社会结构出现矛盾、混乱乃至失控的事实，以毫无节制的“人工智能+”方式改造审判空间后，这样的法官定位势必发生极大的动摇，甚至造成审判系统乃至司法权的全面解构[注]季卫东：《人工智能时代的司法权之变》，《东方法学》，2018年第1期。。

所以本文认为，在“智能+”模式下，人工智能在裁判形成过程中最大的意义便是通过信息检索和其他辅助手段来减少法官机械性劳动的负荷，以提高裁量和数据等处理的质量和效率，也即只能发挥司法裁判中的辅助功能；而对其超越了辅助性范畴的法律预测、司法推理以及司法决策，我们则应持慎思和谨行的态度。

恰恰因为司法的权威不仅来自于同案同判，更来自于法官对他据以形成判断的法律方法的把握，以及他在裁判的过程中所体现出的公正可靠、人文情怀、社会责任；来自当事人在其说理之后的服判息诉与案结事了，以及民众基于此对于法律秩序的信赖服从。而在裁判形成的过程中，不仅需要确定的规则和确定的技术来完成确定的任务，更需要法官以其有限的“智能”和无限的“智慧”，向法律表达无限的忠诚。