人工智能的司法实践：价值评价与局限超越

□刁生富 刘 芳

一、人工智能在司法实践中的价值

在智能时代，司法实践智能化已成为司法发展的客观趋势，人工智能已经在证据收集、辅助审判、辅助立法、司法鉴定等方面发挥着重要的作用。怎样更好地让司法智能化为体现社会公平正义的司法实践助力，值得我们深入研究。人工智能在司法实践中的价值体现在以下四个方面。

（一）证据收集

在司法实践中，一切诉讼须以司法证据为前提，案件证据的真实有效对于查清嫌疑人犯罪事实、准确定罪量刑至关重要。在办案过程中，面对海量而繁杂的数据，仅仅依靠人力对其进行分类整理后再提取出有用的信息是十分困难的，特别是遇到疑难案件时，单纯依靠人工梳理证据，不仅效率较低，而且不免有错漏的地方。在证据的初步筛查和判断阶段引入人工智能，就能在初筛海量证据时及时捕捉对司法实践有用的信息，这对于后续步骤的顺利开展十分有利。人工智能辅助证据系统旨在对案件证据进行筛选、审查，可以在海量的证据数据中及时抓取有用信息并加以呈现，交予法官判定[1]。特别是在被告人对案件相关事实进行否认时，证据的关键作用就得以凸显，而人工智能证据收集系统可以按照对相关证据设定的标准如证据是否存在瑕疵、证据是否矛盾等，进行快速筛查、整理与判断，这恰成为它与人工筛选证据不可比拟的优势之一。

（二）辅助审判

人工智能融入司法实践将在辅助审判方面具有重要作用，主要体现在如下几个方面。

其一，人工智能助力案件量刑。人工智能辅助量刑系统已具体运用在司法实践中。例如，2017年上海高院研发出“206系统”的智能辅助办案系统并已投入使用。其在智慧法院的使用中可以通过发挥系统自身的核验、检查和监督功能，确保案件审判质量进而促进司法公正。在人工智能融入辅助司法实践的过程中，智能量刑系统的作用主要体现为解决“类案不类判”和提升司法审判效率。在解决“类案不类判”方面，人工智能系统根据案件相关数据的输入，在系统中自动抓取与本案件相类似的审判过程和审判结果为法官呈现。通过此功能，法官可以根据本案件事实与系统中类似的案件事实进行有效比对，并对量刑辅助系统中展示的类案量刑结果与推送的量刑基准依据加以适当考虑。此举可对司法实践中存在的“类案不类判”的情况进行有效缓解，提升法官主导下审判结果的公正性，进而增强社会公众的可接受度。在提升司法审判效率方面，面对案件处理“人少量大”的矛盾，借助人工智能辅助量刑系统，可以提高量刑的准确性及合法性，从而达到有效缓和人案矛盾、提高司法效率之目的。

其二，人工智能助力类案推送。人工智能助力类案推送的优越之处在于其能够运用大数据计算系统，对案件所涉及的证据进行逐一比对，排除带有瑕疵的证据，并及时抓取对案件裁判产生关键作用的量刑因素进行分析。同时，该系统可在司法系统的数据库中对全国范围内类似案件的案情进行统计分析，匹配出与本案件相似度较高的案例裁判结果并输出案例对比分析报告，并对法官提供适恰的量刑参考建议[2]。譬如，贵州刑事司法大数据系统对151起试点案件进行智能辅助分析，试行半年后案件便已全部审结，其运行结果显示法官裁判偏离度均在合理数值区间甚至为零，很大程度上保证同案同判，实现了刑罚适当，且一审服判率达到93.38%，与同期审结未纳入试点范围的其他案件服判率相比高出8.15%[3]。显然，人工智能所具有的独特优势在一定程度上弥补了法官对案例检索的弱势。

（三）辅助立法

在立法领域,人工智能决策辅助系统在立法准备阶段、法律形成阶段和立法修缮阶段等方面能够发挥重要作用。当下人工智能依靠专家系统、大数据分析技术以及自然语言处理系统给传统立法工作带来了极大便利[4]。

首先，立法准备阶段。立法预测是指运用科学合理的技术手段对立法趋势及未来法律发展状况进行及时考察合理预测的一项宏观的立法技术[5]。正式立法活动意味着一项法律将从无到有，在开始前必须做好充足准备才能确保立法活动顺利开展，因此立法准备须严谨、科学。这不仅关乎社会公众对法律的认可度，且切实关乎司法实践的公平正义。因此，在立法准备阶段，一定的立法预测是必要的。实际上，不仅立法预测，整个立法准备阶段，人工智能都能发挥重要作用：一是立法者在人工智能立法系统的协助下，在对海量数据进行归类、收集、整理、分析的基础上，运用大数据技术对司法数据库中的特定立法信息进行快速查找，以协助立法者节约数据搜集时间，提升立法效率。二是人工智能辅助立法系统可在对大量案例进行分析的基础上，对案例数据的相关性进行揭示，将不同类型的文档进行归类，为立法者在此类型相关的立法活动上提供一定的参考，从而便于立法者选择立法依据。三是人工智能还可以解决法律草案起草过程中人力不足的问题。以“北大法宝”开发的智能辅助草案生成系统为例，立法工作者只需将立法调研信息提交给机器，再输入所需立法的主题、标准、要求，人工智能系统便可以自动生成一部可供参考的法律草案文本。

其次，法律形成阶段。法律形成阶段是指专门的立法机关从立法草案开始直至法律形成的过程中，其作为立法机关进行的专门性活动，主要涵盖有法律草案的提出、审议、表决、通过、公布等环节。法律形成阶段是一项系统且复杂的浩大工程。其中，立法草案的提出标志着立法活动正式开始，之后每一环节在立法草案的基础上进行相应的活动，且均有详细的步骤，直至最终法律的完全形成[6](P65)。人工智能在法律完成阶段发挥的积极作用如下：一是有助于立法民主。传统立法模式之下，公众的意见传递渠道存在一定阻碍，难以做到精准传递。人工智能之下每个人、每个组织均有表达意见的机会，权利结构存在去中心化的特征[7]，从而确保所立之法为民意之体现。二是处理立法意见。立法机关在人工智能辅助立法系统之下，可将民众的立法意见进行收集整理，将其与立法数据信息之间的关联性、逻辑性以及适用性等进行自动分析并输出立法意见报告，为立法机关提供清晰的立法参考，从而辅助立法者进行立法活动。以2020年6月22日公开的《退役军人保障法（草案）》征集意见稿为例，一个月时间内共收到来自13万民众提出的82万余条意见。传统人工操作难以在短时间内有效处理众多的立法意见，采用立法建议智能筛选系统对这些意见进行整理、分析和反馈，将极大地提高收集的效率。其三，校对立法文本。立法文本的校对工作量巨大，单纯依靠人工进行校对十分耗时。人工智能引入立法文本校对，将极大地改善地方立法存在的法律条文表述不规范、立法重复、立法相互抵触等问题[8]。

最后，立法修缮阶段。立法修缮阶段通常分为正式立法行为及非正式立法行为。其中，正式立法行为涵盖立法解释、法的修改、补充和废止等过程，也就是法律上常说的“立改废”。非正式立法行为则包括法律清理、立法后评估及备案审查等。传统立法模式之下，立法机关仅依靠人工对相关立法文件进行收集整理，不仅消耗大量的时间和精力，而且效果也无法得到保障。人工智能辅助立法修缮将有效化解这一难题。一是法律清理。法律清理是指通过根据新立之法规在投入社会实施后所形成的社会效应，查找其缺陷并适时加以完善的立法活动。在人工智能参与立法清理之时，立法机关也通过形成以法规数据库、机关职责目录为基准的法规知识图谱，实现了不同机关立法规则间的知识联系。在每一个新的法规出台之时，通过新一代人工智能的辅助立法修缮系统可以自动识别并查找与其密切相关的其他法规，从而为立法者给出相应的立法修缮提示，做到精准便捷。二是立法后评估。立法后评估是指在法律实施之后，立法机关按照一定的程序标准，对法律的相关要素进行评估的法律行为。譬如法律经济效益、法律规范实施效果等。在人工智能辅助之下，能够减少对评价主体的单一化和主观化，进而确保评价结果的客观真实。三是备案与审核。备案要求提出规范性文件的部门必须依照法定时限和程序报请上一部门审批，由受理备案的部门对已上报备案的规范性文件实施技术审核，并依法作出处理。在人工智能介入备案技术审核后，能够深度使用语义理解、实体间关联辨识技术、动态增量更新技术，对所有的规范性文件进行实时、动态、追溯审查，使备案审查工作在动态过程中不断更新，确保国家法制统一和尊严[9]。

（四）司法鉴定

司法鉴定作为司法审判的前置程序，其鉴定结果的真实可靠性对司法审判起着至关重要的作用。其鉴定的内容从法医类鉴定到影像资料鉴定甚至实物鉴定均有，且在司法实践中积累多年的经典鉴定案例于司法鉴定机构而言是一笔极为宝贵的财富，有利于日后鉴定工作顺利开展[10]。人工智能司法在鉴定领域的关键作用表现在如下三个方面。

首先，有利于司法鉴定案例数据库的建立与使用。将司法鉴定实践中涉及的相关环节，譬如鉴定标准、鉴定流程、鉴定结果、鉴定报告和典型案例上传至大数据库，从而构建司法鉴定案例数据库，为日后司法鉴定人员在平时的鉴定活动中提供便捷。

其次，有利于标准规范库的建立。鉴于司法鉴定在司法活动中扮演着的关键角色，国家对专门司法鉴定活动所需要恪守的规范、格式标准等进行了详细的规定，且鉴定工作的规范标准也会随着时代变化而更新。因此，建立标准规范库，将上述规范、原则、标准纳入其中并不断更新，为司法鉴定人员在司法实践活动中提供规范提示，确保鉴定活动规范化开展具有重要意义。

最后，有利于建立“一站式”在线鉴定。我国《司法鉴定程序通则》中对案件司法鉴定相关事宜做出规定，其中对时间进行了要求：司法鉴定机构自司法鉴定委托书生效之日起，应当在三十个工作日内完成司法鉴定，但就现实情况而言，司法鉴定工作在某些情况下会受到相关因素的影响从而导致鉴定工作需损耗大量时间,使得鉴定工作不能如期完成，譬如鉴定事项难度较大、需鉴定机构补充或重新提供鉴定材料等等。因此，“一站式”在线鉴定的建立将传统诉讼中的“人在路上跑”转向“案在网上传”，对加快案件的办理速度、提高诉讼效率起到了极为关键的作用[11]。

二、人工智能在司法实践中的局限性

同任何技术一样，人工智能运用于司法实践中也是具有一定的局限性。在司法智能化时代，充分认识人工智能的局限性，做到扬长避短，才能更好地发挥其在司法实践中的应用价值。

（一）法律数据匮乏、低质且结构化不足

人工智能数据分析系统的出现正是因为大数据的急剧膨胀。换言之，充足且优质的大数据是人工智能数据分析系统存在的价值。但就现实情况而言，目前我国司法领域的大数据还存在着匮乏、低质且结构化不足的状况。

首先，法律数据存在匮乏问题。人工智能融入司法实践时日尚短，部分司法部门仅处于起步阶段或暂未对外公开本部门的司法数据库，因此许多数据还无法完全上传数据库。只有通过持续不断的数据“投喂”，才有助于开展全面且有效的数据分析。并且，司法实践中的某些数据并不对外公开。法律决策过程中某些关键行为，譬如形成决策前的内部讨论往往是非文字化、非数据化且高度保密的。不仅如此，中国的司法决策运行赖以存在的程序过程信息也不充分。一方面，“庭审笔录并非是一种公开的法律证明文书”[12]，充分的数据化亦无法实现。另一方面，司法机关在处理案件时，某些执行程序过程是需要内部保密的，如公安机关的侦查过程、检察院的起诉过程、法院庭审前后的过程及相关的正式或非正式的文字记录等。因此，要想充分实现司法大数据化尚需时日。

其次，司法数据存在低质问题。输出的信息是否真实可靠取决于其输入的信息质量，正所谓“Rubbish in,rubbish out”。因此，如果输入的司法数据的真实性不高或者质量低下，其输出信息亦将难以令人满意。就目前司法领域而言，“有目共睹”的司法信息极可能是司法机关在处理案件后经二次转换后所输出的“实质信息”。例如，公开在网上的法律文书裁决理由因司法要求而与实际裁决理由存在部分差异，因而我们需要对文本表面的法律信息与司法实践中实质法律信息之间的差异有明晰认知，进而审慎对待法律数据。因此，人工智能所分析得出的结论、所发现的裁判模式也极有可能与现实情况大相径庭甚至是虚假的，这与法律所持的公平正义理念相违背。

最后，司法数据结构化不足问题。数据能为机器识别的重要前提在于其具备一定的结构化特征，否则数据将无法得到充分利用。法律术语与自然语言不同，相比而言其更加专业、复杂，要想直接输入相关法律数据机器便可直接进行识别似乎难以企及。譬如，在法律文书中，“赔偿”可能会称为“赔款”“赔钱”等词汇；“纵火”可能会称为“放火”“烧火”等。诸如此类的不同表达还有很多。此种非结构化的数据于机器而言存在着极大的学习障碍。人工智能要想精准识别、筛选、分类诸如此类的法律数据仍需时日。这意味着如果没有人为数据的干预，机器将无法主动而精确地识别非结构化的法律数据从而能达到公众想要达到的效果。

（二）自身技术障碍与信息安全风险

尽管人工智能技术发展已久，但在某些技术方面仍然存在着难以避免的风险与缺陷，这也是目前人工智能融入司法实践时亟待解决的问题。

其一，人工智能存在“低智能”障碍。无论技术发展如何迅猛，也必然存在着自身的局限性。到目前为止，人工智能技术还不足以替代人类理性思考的模式，更不必说对法官裁判职能的取代。可以说，目前人工智能仍体现出“低智能”的一面。“低智能”这一弊端使得公众对其产生不完全信任，这不仅意味着公民的个人隐私、财产等存在着安全隐患，而且司法公平与正义也遭受一定威胁。正如有学者所言，人工智能技术开发在某些技术性方面仍存有一定不足，譬如案件情节提取、图谱构建等，为此我们更应该理性对待当前的司法技术主义热潮[13]。

其二，人工智能存在信息安全风险。网络虽不是法外之地，但网络却始终无法保障所有网民的隐私不被泄露。公民的网络活动在一定程度上都将“雁过留痕”，网络时代个人信息安全难以得到充分的保障。根据中国社会科学院进行的关于“公众最关心的网络治理议题”调查显示：位列前三的分别是：网络安全（70.3%）、个人隐私保护（62.4%）和网络犯罪（54.1%）；“公众认为网络治理中应当解决的首要问题”位列前三的分别是网络安全（25.8%）、个人信息安全（21.7%）、信息犯罪（19.8%）[14]。由于司法实践具有特殊性，往往会对相关要素进行特殊规定，其中包括商业秘密、国家秘密、个人隐私等，不便于向公众公开，司法有必要保留其合理的封闭性。因此，人工智能司法实践应用中存在的信息安全风险是一个无法回避的重大问题。

（三）法官主体地位弱化

人工智能与司法实践的结合要想最大程度地发挥效用，就应当正确处理人工智能与司法过程的互动，否则容易导致人工智能下法官主体能动性逐渐弱化。譬如人过度依赖机器工作和思考等不恰当使用，并将这种不当运用贯穿于司法领域的各个领域和环节中。实际上，法官作为审判人，其经长期训练而形成的独特审判思维是机器所难以企及的[15]。

其一，人工智能与司法实践的结合将在一定程度上致使司法实践本身所具有的公开透明性、亲历性、集中性、中介性受到威胁[16]。譬如，将算法运用于司法裁判时，算法歧视或将潜隐其中，司法的中立性逐渐被侵蚀。长此以往，社会公众对司法裁判的信任度就会降低，司法公信力随之下降。另外，司法审判活动的公开透明性要求与算法黑箱的不可解释性相违背，长期将算法介入司法裁判后，一方面，法官的主体能动性可能遭到削弱，另一方面，司法诉讼各方的参与积极性也将逐渐降低，使民众因为算法的不可解释性而对司法正义产生信任危机。在现实中，法官在参与网上审理案件或异步审理案件的过程中会面临许多棘手问题。譬如，法官对案件证据并未直接接触，而是经过信息化处理后传来的证据，在证据的可信度方面对于法官的审理就存在较大障碍。同时，网络审理属于非同一物理空间，非现场性将极大削减诉讼双方的对抗性，一方面背离了裁判者的亲历性原则，另一方面也违背了当事人的直接言辞原则。

其二，人机的交互使用，在一定程度上会造成法官、书记员、陪审员等司法工作人员缺乏沟通互动，审级制度的必要性和价值也将被撼动[17]。若使人工智能替代司法人工介入判案，无论是案前、案中还是案件最后的裁判结果，于公众和案件当事人而言都不可避免地会质疑司法程序的合理性、合法性以及司法的终结性，不利于维护一直以来社会公众对法官的信任。

（四）形式正义与实质正义难以弥合

人工智能与司法实践的结合让民众看到了“可视正义”和“数字正义”的希望，但仔细研究会发现，无论是“可视正义”还是“数字正义”，看似近在咫尺，却又难以触及。

其一，实质正义无法建模计算。法律所具备的核心价值决定了人类社会追求的是实质正义而非形式正义。尽管人工智能技术介入司法实践可以帮助加快实现实质正义，但面临诸多疑难案件，要想实现实质正义而非形式正义，单纯依靠机器建模计算或将难以实现。究其原因：一是正义没有统一标准。人工智能助力司法实践不可避免产生情与法之间的纠缠，譬如“刻章救妻案”和“入狱养老案”等。面对此类案件，于情于法，法院均难以做出完全符合实质正义的判决结果，只能以重叠共识的方式来获得公众认同。而机器与人类不同，它们缺乏人类所享有的道德观，只是程序员为达到特定目的而输出的程序代码[18]（P22)。二是实现正义依靠实质判断而非概率计算。人工智能融入司法实践后，人脑决策与算法决策之间的博弈就开始出现了。英国曾开展一项将“机器律师”与当地百名律师进行保险合同判断比赛，比赛结果显示，“机器律师”准确率达86.6%，而百名律师仅为66.3%，机器律师最终胜出[19](P261)。此比赛结果似乎彰显出算法决策比人脑决策更优越，但准确地说，机器人的“思考”不同于人类的“思考”，仅是依据逻辑算法处理数据罢了[20](P96)。对于某些简单案件，也许概率计算能接近实质正义，但对于复杂案件来说，单纯依靠概率计算还远远不够，更多需要因果分析与逻辑分析。正义的司法裁判单纯依靠计算机的概率计算来实现似乎要求过低，也不够严谨，其更需要通过考量各种因素的实质性判断来实现真正的实质正义。

其二，实质正义重视人性。正义的实现过程具有鲜明的人文关怀特点，绝非单纯依靠机械般的规则适用就能实现。惟有追求重视人性的司法正义过程，才是真正实现社会公平正义的过程。值得一提的是，在此过程中法官独有的“自由裁量权”对于彰显司法的人文关怀、维护司法的公信力起着极为关键的作用。相比而言，司法人工智能固然能做出更加高效一致的司法裁判，但却难以做出具有人文关怀的裁判。机器执法和裁断如同一项冷冰冰的机械运作过程，无法像法官裁判中与案件当事人进行情感交互和语言交流。因此，在通过机器算法辅助司法决策实现实质正义的过程中，人类“为系统提供必要的人文关怀”必不可少[21](P239)。从人工智能辅助决策的过程看，目前大多数国家将司法实践人员置于主导地位，算法决策定位为辅助系统，严防算法决策致使人文关怀逐渐流失[22]。由此可见，司法人工智能下的“可视正义”和“数字正义”均有限度，即使法律人工智能在司法实践中运用广泛，但在追求司法实质正义的过程中，机器永远无法对“法律人的‘情怀’和‘匠心’”进行简单复制和替代。

三、人工智能司法实践局限性之超越

不难发现，人工智能助力司法实践的大门已经敞开。在此背景下，既要超越人工智能在司法实践中的局限性使之更好地为司法实践服务，又要坚定地将目光移向构建全面、高效且不失公平正义的智慧司法，怎样平衡二者的关系，使人工智能更好发挥其在司法实践中的价值，这是人工智能时代一个需要技术和司法协同研究的具有重大意义的问题。

（一）引入区块链技术，强化法律数据管理

区块链被认为是重塑世界的新技术，司法实践与之结合将助推司法改革、彰显司法公正、提高司法效能、提升司法公信力，践行“努力让人民群众在每一个司法案件中感受到公平正义”[23]。司法部门通过引入区块链技术，用以整合司法实践中产生的法律数据，从而为司法实践活动带来新的生产力。

首先，利用区块链容量庞大、共享效率优的特性。区块链技术采用的是P2P网络结构储存数据信息，可以将司法实践中产生的大量法律数据信息进行上链储存。区块链可以储存大量数据信息的特性，能够将司法实践中涉及到海量的司法数据储存在链式结构中，同时向全网广播和备份，在备份的过程中完成共享，且不需要中介方完成证书验证，任何司法机关都可以访问该文档，从而打通了司法实践中的资源壁垒[24]。“数据上链”将当事人、司法数据、司法部门等司法参与者之间加以紧密联系，形成司法资源使用的效率最优化。利用区块链容量庞大、共享效率高的这一特性，就可将司法资源为全国各地的司法相关人员所获取，提高了司法资源共享效率，为进一步构建更加合理的资源共享体系奠定了坚实基础。

其次，利用区块链上链数据不可篡改的特性。在区块链技术的诸多特性中，上链数据不可篡改这一特性为司法实践中法律数据的处理提供了极为重要的便利。司法大数据的处理与保存是一项浩繁的工程，为了确保其在存储和流通过程中的真实性，法律数据“上链”就显得尤为必要。在区块链上进行数据修改是一项极为复杂的工程。其一，修改者对区块链上任一区块的操作都需要经过一定规模节点的认证，否则数据修改请求便不能通过，数据也无法“上链”。其二，区块链上的每一区块都相互制约，修改某一区块就意味着其区块后序的所有区块都将进行修改，因为每个区块上都带有用以验证全部前序区块的数据，区块链技术的这一特性使得操作者对区块链上数据的修改将耗费极大的人力物力；并且在区块链数量越多、区块链节点越多的情况下，产生的篡改工作就越发困难，这也就意味着“上链”数据更加值得信赖。因此，在司法实践中利用其“上链”数据不可篡改的特性，“上链”的司法数据难以修改，将极大地增加司法数据的可信度，提升司法公信力，进而促进司法效率提升。

最后，利用区块链查找数据高效的特性。司法机关所花费司法资源的多寡，包括人力、物力和时间等，不仅关系到司法效率的高低，而且直接关系司法机关最终所获得司法成果的多寡。人工智能辅助司法实践旨在达到司法高效之目的，而司法高效，就是投入尽可能少的司法资源而转化为尽可能多的司法成果，实现司法资源利用的最大化。具体表现在诉讼时间的加快、诉讼环节的减少、诉讼费用的降低、案件流通速度的加快等。“正义迟到就是非正义”，在诉讼案件满足程序要求的前提下提升司法效率，是现代社会司法活动发挥定纷止争功能的前提[25]。鉴于区块链技术天然的去中心化特性，与司法数据的结合就使得区块链连接的每一司法机关端口，在想要获取所需的司法数据时就能及时获取，这将极大提高司法数据查找的效率，促进司法资源的整合，进而提升司法效率。

（二）推动智能技术研发，加强智能人才培养

推动智能技术研发，加强智能人才培养，将助推法律人工智能在司法实践中的深度运用。当机器学习者对相关数据进行归纳总结后必然会带来一定的归纳偏差，即机器学习者在“清洗”数据时，所采用的假设或验证方法都必然产生一定误差。人工处理数据在很大程度上可以改变此种状况，但前提是专门的法律人员和专门的计算机人员要结合起来。所以，未来要进一步推进法律人才与人工智能人才的深度融合，不但要从法律人工智能的视角培训专业技能人员，还必须全面整合法律人和科技人之间的认知框架，力求实现二者的深度融合。

（三）确立相应机制，规范算法决策

智慧司法下坚守司法规律，有序稳妥地推进算法的优化，需要尽可能确立相应规则机制，规范算法决策。

首先，确立算法事前评估机制。算法投入司法实践之前应当对数据收集、信息挖掘、算法编程等一系列程序制定严格规范，以保障算法规则的合理性与合法性。譬如，建立评估委员会，其组成应包含技术专家、法学专家、社会公众代表等相关人员。委员会应在仔细研究算法规则后进行公示以增加算法规则的透明度与合理性，并有助于社会各界详细了解算法决策的运作机制，也更容易接受算法的计算规则，进而维护司法权威。

其次，建立算法决策审查机制和检验机制。算法决策产生后还应当建立相应的算法检验机制对算法进行审查，保障算法决策机制的高度合理性以及关键流程的公开透明性。算法在司法实践中的运用应该经过相关领域专家进行反复论证、持续审查、检验，确保其有效更新，使算法决策尽可能不受偏见和无意识歧视的干扰，以保障其符合司法价值的内涵。

最后，完善与确立算法的解释规则。法律赋予了公民监督司法机关的行为以推动程序正义。但在算法“黑箱”的制约之下，算法决策的不透明性，在一定程度上侵害了公民的知情权，抗辩权更无从谈起。因此，亟待完善与确立算法的解释规则，从制度上防止人工智能融入司法实践而带来的不确定性风险。譬如，对司法实践中出现的某些特定事项、特定主体、特定刑罚等设置限定相应的应用范围；算法决策系统不宜适用疑难复杂案件的审理；当事人不愿使用算法决策系统的，应当尊重当事人意见；被告人获刑较重且明确提出上诉的案件等等，这些都是需要研究解决的问题。