智能司法的发展与法学教育的未来

周江洪

摘 要：卓越法治人才的培养，要充分关注法学教育与现代信息技术的深度融合。智能司法的发展，仍然离不开卓越法治人才的供给，传统的法学教育模式仍然有其重要的作用，但应当结合时代的发展加以革新。在智能司法快速发展的背景下，卓越法治人才培养需要格外重视法律思维训练的强化、类案技术的习得、人工智能理论与技术知识的获取、职业伦理和技术伦理的养成。同时，智能司法的发展，也有助于法学教育教学方法的更新。

关键词：卓越法治人才;人工智能;法学教育

在教育部、中央政法委《关于坚持德法兼修实施卓越法治人才教育培养计划2.0的意见》的重点举措中，专门列举了第6项重点任务，即：“拓渠道，发展‘互联网+法学教育”，对于新技术的发展给予充分的关注，对于推动法学教育与现代信息技术的深度融合具有非常重要的战略意义。但从其内容来看，主要目的是“建立覆盖线上线下、课前课中课后、教学辅学的多维度智慧学习环境”以及“信息化资源建设”，其关注的更多的是在法学教育中如何利用最新技术的问题，属于教学方法和教学资源建设方面的内容。

但是，技术的发展本身，不仅仅会对我们的教学方法等提出挑战，同样会对我们的教学内容提出挑战。原因在于，处于法治人才培养出口的法治实践，正在发生着翻天覆地的变化。习近平总书记也明确指出：“要加强人工智能同社会治理的结合，运用人工智能提高公共服务和社会治理水平”。国内不少法学院校也未雨绸缪，正在积极探索人工智能与法学的深度融合。如未来法学、数据法学、计算法学、人工智能法学等等法学交叉学科的探索。但目前的探索，多围绕人工智能及相关技术对法律、法治的推动，或者是法律、法治对人工智能及相关技术应用的规范问题，以及人工智能发展带来的新型法律问题的解决方案等法学命题的研究。另外，也有一些法学院校介入了人工智能理论与技术在法律领域的应用，试图拓展人工智能领域的立法、司法、执法及法律服务等法律领域的智能运用。但是，总体而言，上述命题只是运用法律的手段来研究人工智能现象，或者是运用人工智能理论与技术来研究法律问题，仍然只是研究手段、研究方法和研究对象的问题，对于人工智能的发展、特别是智能司法给法学教育带来的挑战，并未得到足够的关注思考。个人认为，人工智能技术的发展，不仅仅是研究方法、研究对象的问题，会对我们的法科教育产生较大的影响。朱新力教授更是指出，最终的国家法治全景是：形成线上线下、有线无线、内网外网协同一致、方便实用、互联互通的平台+智能法治;层出不穷的法律新问题，已无法通过修正或完善工业时代的法学理论应对，它需要法学思维的全面创

新[1]。

新科技对于司法实践的改造催生了法学思维的创新，这同样会带来法学教育的反思。这已经不再是“未来之问”的问题，而是已经到来的必须思考的问题。当然，卓越法治人才培养的目标是“培养造就一大批宪法法律的信仰者、公平正义的捍卫者、法治建设的实践者、法治进程的推动者、法治文明的传承者”，而不仅仅是未来的律师、检察官、法官等司法工作人员。但无论如何，截至目前的法治人才培养，都离不开以裁判为中心的技能训练和伦理养成，智能司法的快速发展，将深刻地影响未来的国家法治全景。因此，本文结合智能司法的发展简况做一点粗浅的思考。

一、智能司法的发展简况

智能司法的发展，特别是智能审判辅助系统的开发，对于法学教育的冲击最为直接。

关于人工智能在法律领域的应用，世界范围内来看，目前主要集中在裁判的预测、合同文书的审查、案例的检索、法庭量刑等。例如，美国一些州使用“风险评估工具”（COMPAS）来预测一定时期内重新犯罪的可能性，进而影响刑期的确定。国内智慧法院建设中，人工智能的应用主要体现在以下几个方面：一是信息的数据化和电子化，特别是庭审语音识别系统的广泛应用。二是智能辅助审判系统的初级开发，实现了裁判文书中固定格式内容的一键生成。三是实体裁判的参考系统。如北京法院的“睿法官”系统，在法官办案过程中自动推送案情分析、判决参考等信息，为法官提供办案指引。另外，还有部分系统模拟裁判，以便实现对法官裁判的自动预警[2]。另外，上海高院的“206系统”，针对刑事案件的一些罪名构筑智能审判辅助办案系统，已实现证据出示的系统自动抓取。该系统力图运用图文识别、自然语言理解、智能语音识别、司法实体识别、实体关系分析、司法要素自动提取等人工智能技术，为办案人员收集固定证据提供指引，并对证据进行校验、把关、提示、监督[3]。

总体上来看，人工智能在司法裁判领域的运用虽然取得了重大的进展，但还没有应用能够实现全流程裁判文书的自动生成。然而，即使目前的人工智能法律系统，仍然只是“简单案件—法律推理系统”，而不是“复杂案件—法律推理系统”，只能适用于简单速裁案件[4]，但最近的一些进展也令人瞩目，在可预期的将来，人工智能审判将显著提升司法案件处理的效率。例如，2018年下半年，浙江省高级人民法院、阿里巴巴集团以及浙江大学组成的智能审判研发专班，已取得了初步的研发成果。前期研发过程中，利用基于异构图的随机游走推理和基于多任务学习的文本生成技术，在网络购物智能化审判中，已经实现了在实验室环境中的全流程审判。自动生成的判决书格式规范、体例完整、说理充分、文字流畅，比起自然人法官撰写的判决书，毫不逊色。另外，最近科技部和“两高一部”都设置了大量的智能司法相关的重点研发项目（司法专题），不少高校和科技产业界参与其中，也会进一步推动人工智能在司法领域的运用。

二、职业法律人在智能司法发展过程中的角色定位

从我们的判断来看，随着人工智能审判辅助技术的进步，智能技术对于司法的影响将越来越大，这也同样会传导到我们法科人才培养的环节。比如说，语音识别系统的广泛应用，裁判文书固定格式内容的自动生成，庭审笔录自动压缩技术的出现等，都会对我们的司法文书写作教学的必要性、教学内容和教学方法等构成冲击。那么，在智能技术迅速发展的今天，我们应该教给学生什么？我們又能教给学生

什么？

要理解法科人才培养如何适应智能司法的发展，首先要理解我们的法科生或职业法律人在智能司法的发展中可以做什么和应该做什么。这个可以从人工智能审判辅助系统的研发和应用角度来做一些思考。

首先是在智能审判辅助系统的研发过程中，职业法律人能做什么？从目前的开发经验来看，“无监督学习”的机器学习方法在法律领域的效果并不理想，必须依赖人工方式事先构建的知识图谱，主流算法仍然是以“知识图谱+深度学习”为主[2]。也就是说，无人工，则无智能，必须依赖大量的人工投入。在这个过程中，职业法律人的角色主要是标注要素、绘制法律知识图谱、大数据案例的筛选和数据的过滤清洗、法律知识图谱表示学习和逻辑推理算法构建中的法律专业把关等。不仅如此，法律人也要积极参与系统的研发过程，不仅仅可以把法律思维转换为机器思维，更为重要的是，对于我们批评的算法黑箱问题，也可以在某种程度上部分得以缓解。而且，要開发出更加“聪明”的智能审判辅助系统，必须要解决“证据推理模拟”和“法律解释模拟”两个重大难题[4]，否则智能审判辅助也只能停留在简单案件的审判辅助方面。这个过程只能依赖职业法律人和计算机技术人才的相互协作。

其次是系统应用中，职业法律人又能做什么？实际上，机器的使用，仍然离不开人的行为，而且，智能机器仍然无法取代作为法律化身的法官，“人—机”系统解决方案仍然是人工智能法律系统的主导开发策略之一[4]。一方面，对于系统判断为机器无能为力的疑难案件或者是新类型案件，仍然需要我们运用传统的人工来进行审判。 另一方面，机器系统的运行，也需要不断更新知识图谱和逻辑图谱，否则无法应对新的法律的变化或新类型事实的出现。同样地，系统的运行，也需要评估，包括试运行的评估、运行后的评估等，如果存在偏差，则需要纠偏等。这些都需要具备专业法律思维的职业法律人的介入。

三、智能司法的发展对法科人才培养的

启示

结合上述智能司法技术的发展简况以及职业法律人的角色定位，对于旨在培养法治人才的法学院校而言，除了要培养学生关注人工智能理论及其应用带来的法学命题的革新，更新信息时代的法学思维[1]，思考人工智能的发展给法学及法律赖以存在的社会关系、社会基础带来的巨大变化、积极引导学生研究和解决人工智能应用带来的法律问题以及培养学生思考如何规范人工智能的发展，积极探索构建独立的人工智能法学学科以外，笔者认为至少还可以从以下五个方面进一步思考我们的法科人才培养。

第一，要坚持法科人才培养中的法律思维的养成训练，甚至要强化。特别是法律推理方法与智能审判中的机器推理技术之间的近亲性，决定了法律推理方法的训练等法学方法论方面的训练日益重要。同时，各个部门法领域中相关规范的构成要件、证明责任和证据认定和推理规则的训练，会显得更为重要。证据推理和法律解释能在多大程度上实现符号化、数字化，就决定了智能审判辅助系统能走多远。以智能审判辅助系统开发中的知识图谱绘制为例，就是针对各个法律效果的主要构成要件及其证据构成、证明责任规则，从法律规范和案例数据库中绘制出大量知识图谱，将法律规则分解成一个个逻辑模型，进而为这些模型提供可供学习的优质数据，以及为模型的改进和最终算法的确立提供前提基础。从这层意义上来说，各大法学院校这几年来越来越重视的实体法与程序法相结合，越来越重视要件事实论训练和请求权基础训练的教学内容和教学方法，在人工智能背景下仍然具有基础性的意义，而且显得更为迫切。这些知识、思维和技能的习得，不仅对于智能审判辅助系统的开发具有重要意义，对于智能审判辅助系统运行的监控、评价和系统反馈，都具有重要的意义。

第二，类案技术的习得将日益变得重要。在知识图谱绘制和机器学习的过程中，类案技术显得十分重要，如何让机器来判断是否为类案，首先还得让机器自身先学会类案判断技术。但从我们现有的法科人才培养训练来看，我们各个学校虽然设置了大量的案例研讨课程，但对于源于英美法系的案例识别技术等，并没有很好的训练。如果我们的职业法律人都无法很好地理解类案技术，不仅无法为机器提供初始的类案识别算法模型，对于机器通过自主学习或半自主学习案例大数据而获得的类案识别技术，也无法进行有效的监控和纠偏。而事实上，目前我们法院实践中试图通过类案类判系统来达成类案类判的效果并不是十分理想，如何将人工智能领域先进的算法与法律行业的特性有效结合方面，仍然不够[5]。关于这一点，英美法系已形成了较为成熟的体系，我们完全可以在以成文法的法律推理训练为中心的基础上，以案例指导制度为中心，加强这一法律思维的训练。

第三，必要的人工智能理论与技术知识的习得和如何保持对于新知识的学习动力训练，也具有相当的必要性。浙江大学本科阶段的人才培养，非常重视通识教育。在本科阶段，也专门要求修读计算机科学与技术这门课程。但是，人工智能的发展日新月异，如何保证学生对新知识的获取动力和自学能力，具有相当的重要性。比如，在人工智能审判辅助系统的开发中，会出现大量的专业术语，如果不对这些专业术语有所了解，根本无法与参与共同开发的算法专家共同交流，无法开发出双方都认可的辅助审判系统。这些知识，不是泛泛的神经网络、深度学习、大数据、有监督学习、无监督学习、多模态数据提取等时髦话语，还涉及基于异构图的随机游走推理、信息自动化结构提取、迁移学习、半自动知识图谱构建等各种人工智能的基本技术，对此也要有相当的了解。要不，既无法解决系统开发中试图缓解的算法黑箱问题，对于算法的运用、维护和更新，也会面临不少问题。有人或许会说，只要掌握我们的法律专业知识即可，其实未必。以驾照考取的科目一考试为例，其考核内容除了交通法规以外，也包括机动车的总体构造、主要装置的作用，车辆日常检查、保养、使用，常见故障的判断和排除方法等机动车构造保养知识。同样地，智能审判辅助系统的开发、运用，也同样需要掌握基本的技术知识。这也是我们法治人才培养中，应用型复合型人才培养的基本要求。当然，在此基础上，如果能够与人工智能学科合作交叉培养，探索“人工智能+法学”学科建设，培养专门的法律人工智能人才，那习得的技术知识则需要更加深入。