人机协同视阈下的民事案件繁简分流智能化模式建构

内容提要：经过一定时间的实践与探索，各地法院的繁简分流已逐步呈现出诸多共性及相应问题。本文立足于Y法院繁简分流运行情况，直面部分法院智能化分流实践现状，深入剖析缘由，引入人机协同理论（Human-Machine Synergy），并阐释人机协同重塑智能化分流的现实必要性及理论与技术可行性。同时，本文强调人机协同在繁简分流模式构建中的原则遵循，在设计可操作性的具体流程时，完善相应审判管理综合配套措施。本文希冀以此推进民事案件繁简分流的系统化与智能化，将分流制度与人工智能技术内聚直至深度融合，以实现民事案件繁简分流智能建设的突破性发展。

关键词：民事案件 繁简分流 人工智能 人机协同

“对案件进行繁简分流，实现简案快审、繁案精审，是节约司法资源、提高诉讼效率的必由之路。”黄文艺：《中国司法改革基本理路解析》，载《法治与社会发展》2017年第2期。】2016年全国法院推行繁简分流改革以来【2016年9月12日《最高人民法院关于进一步推进案件繁简分流优化司法资源配置的若干意见》（法发〔2016〕21号）发布以来，各地繁简分流操作流程趋于标准化，繁简分流实践和探索得到较快进步。】，法院积极贴近司法运行规律，在人工识别的实践基础之上，尝试将人工智能技术应用到繁简分流。但从目前的应用情况来看，民事案件繁简分流在实施环节面临不少挑战，制约了司法与人工智能技术的内聚融合。囿于人工智能技术局限与系统智能化迫切转型的内在冲突，为寻找制度设计的理想与现实效果契合的有效方法，一种可行路径就是，以人机协同理论（Human-Machine Synergy）为抓手，依托现有理论与技术支撑，由人和机器在统一场域下交联，人和机器各取所长，共同识别、智能分流、评价反馈，实现人机之间的协同结合。由人机协同对繁简分流智能化模式彻底进行改造，推动繁简分流高效科学运行，以实现司法的最大经济性和效益性。

一、检视：民事案件繁简分流的现状

在民事案件繁简分流改革探索过程中，各地法院产生了各具特色的分流模式。例如，在人工智能技术应用上，部分法院积极尝试人工智能技术识别与应用；在识别主体上，多采取专职、兼职程序分流员的方式，或由具有速裁审判职能的庭室直接筛选；在分流节点上，采取立案环节筛选或“立案环节+审判庭室”的二次筛选。全国各地法院结合自身司法实践与技术实际积极探索繁简分流新机制，最高人民法院在总结各地先进经验的基础上先后出台了一系列规范性文件【这些文件主要包括《最高人民法院关于进一步推进案件繁简分流优化司法资源配置的若干意见》（法发〔2016〕21号）、《民事诉讼程序繁简分流改革试点方案》（法〔2020〕10号）、《民事诉讼程序繁简分流改革试点实施办法》（法〔2020〕11号）。】，确立繁简分流改革中的规范操作。正是基于此，各地法院的繁简分流模式颇具共性——特别重视立案环节的繁简识别、多采取“案由+案件要素”的识别标准、设立专门审判组织区分办理繁案简案、允许案件繁简的互相转换等。各地法院繁简分流改革探索过程中较多的共性，也致使出现了共同问题。因此，笔者选取案件数量大、案件类型多、颇具代表性的Y法院，以其近两年的民事案件为样本，对案件繁简分流情况进行检视。

（一）现状：民事案件繁简分流的实践样态

Y法院的繁简分流模式（见图1），在识别标准上，采取“案由+案情”的标准。立案审查人员依据起诉状及起诉材料确定案由，并将物业服务合同纠纷、产品责任纠纷、民间借贷纠纷等8类案件定为简案，移送简案审判组织审理。随后，简案承办法官会结合案情对案件繁简进行第二次识别。在识别主体上，立案审查人员与简案承办法官分别作为第一次、第二次识别案件繁简的主体。在程序转换上，初次识别为简案的案件二次判断为繁案后，退至立案庭再重新移送，但并不允许繁案转换为简案。在配套制度上，Y法院重视诉前调解制度，将案件通过诉前分流的方式分流至诉调中心。诉调中心设置9个调解工作室及11个行业性、专业性人民调解委员会，这些调解组织预先调解、预估案情，以为后续判断案件繁简提供参考。在人工智能应用上，Y法院仅以人工识别案件繁简，并通过人工点选的方式在案管系统中进行“繁案”“简案”的标识，暂未应用人工智能。

2023年1月至2023年12月，Y法院共受理民商事一审案件46095件，在立案审查阶段，被识别为繁案的案件13139件，识别为简案的案件32956件。通过调研得知，繁简分流过程中存在以下问题，这些问题在其他法院也有所体现。

1.识别工作量大、准确度低

Y法院立案审查人员主要依据起诉状及起诉材料进行案件繁简识别。仅在立案阶段进行形式审查，难以准确获取审理难度大、应被识别为繁案的案件信息，如当事人诉讼能力弱、无法正确表达诉讼意愿、没有约定文书送达地址无法及时送达等。另外，由于Y法院尚未发布相关规定对繁案与简案这组相对的概念划定明确界限，因此不同立案审查人员对部分案件的繁简识别存在不同的认识。Y法院立案审查人员共有三名，其中两人负责线下窗口立案审查，一人负责线上平台立案审查。2012年至2022年，Y法院民商事一审案件数量迅速增长（见图2），一直以来仅由三名审查人员进行人工识别，难以在立案阶段完全识别案件繁简的有关要素，导致初次识别难度大、准确度低。据统计，2023年，Y法院初次识别为“简案”的案件转换为“繁案”的比例高达16.7%。

2.识别主观性强

Y法院立案审查人员主要依据案由首次识别案件繁简，承办法官主要依据案情第二次识别，两次所依据的标准存在依据“经验与感觉”较多、主观性较强的问题。首次识别所依据的案由，仅概括纠纷的简要法律关系，难以准确反映案件的繁简程度。这样“一刀切”的识别标准，很难适用于复杂的案件类型。例如，有些标的额较小的买卖合同纠纷案件，因为当事人人数众多，可能存在重大敏感因素，直接识别为简案可能会影响审理效果。有些标的额较大的案件，实际法律关系却较为简单，但立案庭法官在立案时难以对这些案件进行有效甄别。【张海燕：《法院“案多人少”的应对困境及其出路——以民事案件为中心的分析》，载《山东大学学报（哲学社会科学版）》2018年第2期。】另外，部分法官的工作态度和工作能力也会影响繁简识别标准，其可能倾向于办理高重复、低难度的简案，从而产生避难就易的“低吸效应”【庞闻淙、何建：《中级人民法院推进案件繁简分流的实践思考》，载《人民司法》2017年第10期。】，可能导致第二次识别过程中发生将不应转入繁案的案件转至繁案审判组织的情形。

3.人工智能应用不足

从近几年人工智能应用方向来看，人民法院信息化建设多围绕智慧审判、智慧服务、智慧管理等方面构建智慧法院体系。【陈甦、田禾编著：《中国法院信息化发展报告》，社会科学文献出版社2019年版，第4页。】现阶段，Y法院学习其他法院的人工智能应用经验，探索自身智慧司法实践，已拥有案件智能研判系统、刑事案件辅助办案系统和裁判文书大数据库。这些建设经验既验证了人工智能应用于案件繁简分流的技术可行性，同时也为案件繁简分流提供了制度方面的借鉴。但Y法院仍采用人工识别案件繁简的方式，智能识别后回填的案件信息也仅限于当事人的名称、公民身份证号码等信息，人工智能应用存在不足。

（二）反思：民事案件繁简分流的真实痛点

当下民事案件繁简分流的真实痛点在于缺乏规范统一的理论工具，缺少耦合协同的技术应用，导致智能化分流的经济成本和时间成本较高，系统难以推广。

1.繁简要素构造困难

构造客观、全面、具操作性的识别要素标准是人工智能应用于繁简分流的首要前提，也是建立规范化、科学化分流模式的关键难点。从制度设计来看，2015年以来，最高人民法院共发布了22件内容涉及繁案、简案的司法解释和意见，其中多数仅涉及分流的操作规程与案件审判原则。这一态度是对现状的一种探索，预留了能动空间，体现了概念的相对性。【甄峰：《繁简分流实践与若干技术问题的思考》，载《判解研究》2019年第3辑。】从具体实践来看，繁简分流改革之初，法院判断案件繁简的标准多以“普通程序、简易程序”两组概念为依托，甚至直接将适用简易程序的案件与简单案件等同。这样的分类，实际上仍以“事实清楚、权利义务关系明确，争议不大”等条件进行甄别【《民事诉讼法》第160条第1款规定，简易程序适用范围是“基层人民法院和它派出的法庭审理事实清楚、权利义务关系明确、争议不大的简单的民事案件”；《民事诉讼法司法解释》256条规定，“民事诉讼法第一百六十条规定的简单民事案件中的事实清楚，是指当事人对争议的事实陈述基本一致，并能提供相应的证据，无须人民法院调查收集证据即可查明事实；权利义务关系明确是指能明确区分谁是责任的承担者，谁是权利的享有者；争议不大是指当事人对案件的是非、责任承担以及诉讼标的争执无原则分歧”。】，即使通过《最高人民法院关于适用〈中华人民共和国民事诉讼法〉的解释》（以下简称《民事诉讼法司法解释》）相关规定进行反向排除【《民事诉讼法司法解释》第257条规定了不适用简易程序的案件：“（一）起诉时被告下落不明的；（二）发回重审的；（三）当事人一方人数众多的；（四）适用审判监督程序的；（五）涉及国家利益、社会公共利益的；（六）第三人起诉请求改变或者撤销生效判决、裁定、调解书的；（七）其他不宜适用简易程序的案件。”】，仍在一定程度上存在客观性、操作性不足的问题。目前，部分法院已划分了案件繁简要素标准，但部分法院尚未对繁简案件的范围进行标准化定义，亦未对识别要素进行罗列或提示。如何选择具有可操作性的基础理论赋能案件事实解构，并以此归纳总结繁简要素，进而搭建繁简识别要素体系，成为繁简分流在理论层面亟待解决的问题。

2.技术应用脱节错位

技术应用与繁简分流的耦合并非机械结合，而是技术理性与分流实践需求、分流任务特征的有机耦合。结合现状（见表1），技术应用还处于对流程运作规律和内在机理进行梳理、探索的阶段。其应用技术层级仅限于初阶感知智能，主要包括OCR技术、文本挖掘技术和录音的文本转换技术，尚未涉及深度学习、大数据等高阶认知智能，以致有观点认为繁简分流的技术应用实际已脱节错位，原因有二。一方面，技术对于繁简分流场域的适配并不尽如人意，批评之声时而有之。例如，案件繁简有关数据缺乏结构性和自我学习性特征，无法为繁简分流智能化提供应用与创新的燃料，同时这些数据难以和其他应用信息进行交换；各个应用之间功能重叠和交叉，与立案审查人员的需求存在冲突。另一方面，人工智能技术在繁简分流中的应用并未实质推动技术本身的发展，即并未实现技术在这个领域的自发展或自增强。

3.系统应用推广不佳

在案件繁简分流层面，我们一直寄希望于通过智能系统技术提升去整合人工智能技术与实践分流任务，但实际上很难实现。从理论上来讲，若没有规范化和科学化的基础理论工具，就会导致开发的智能系统与繁简分流实践任务“两张皮”，繁简分流的准确性就得不到充分有效保障，系统也得不到有效应用，智能化的分流目标就得不到充分实现。笔者在归纳总结中发现，虽然部分法院已开发智能化分流系统，但由于繁简要素的主观性归纳，各个法院在繁简要素库、分案规则、分案流程上都不尽相同。若想建立全国性的、统一的繁简分流系统，除了根据每个法院或每个省份的实际运行情况做大量调研、分析及开发工作，建立健全系统功能外，还需促进繁简识别要素、分案规则的规范化与科学化，以不断提升繁简分流系统应用效果，让这一系统在短时间内得到推广成为可能。

二、破局：人机协同对繁简分流的重塑逻辑

2017年7月，国务院发布的《新一代人工智能发展规划》是我国在人工智能领域第一份系统部署文件，描绘了在未来一段时间我国人工智能发展的宏伟蓝图。该规划认为，人机协同共融的相关问题是混合增强智能理论应重点突破的问题，人机协同将“成为主流生产和服务方式”。智慧法院建设绝不仅仅是智能技术的简单应用。从微观上看，是以司法运行为本位展开的人“智”关联渐进过程；从宏观上看，是不断梳理司法运行规律和内在机制从而让智能技术得以适配法院未来发展方向的构建蓝图。在当下智慧法院实践中，应用快、效果好的人工智能技术基本都是通用型人工智能技术，如庭审语音识别和OCR文字识别。而一旦涉及类比迁移、处理关联结构方面的复杂工作，如案件繁简分流乃至生成裁判文书等，人工智能做的事情仍非常有限。具体到繁简分流中，在人工智能还未突破性发展的当下，机器尚无法做到解读理解多样化案件数据、判断敏感的案件舆情信息，这时就需要人机协同以促进智能分流模式的发展。人机协同的应用，是对当前技术条件下认为人工智能可以超过人类的全面否定；更是人和机器之间增强彼此优势，进行准确有效案件繁简分流的可行路径。当下甚至长时间内，智慧法院建设都应立足于人机协同有关的理论与技术向度，跳出“智能革新”下形成的思维与发展定式，以人机协同的视角去审视繁简分流等新兴智能应用场域，找到适应未来繁简分流乃至智慧法院的推进思路与改革架构。

（一）引入依据：人机协同理论的引入与必要

1.人机协同的理论引入

人机协同，指通过合理有效的交互机制，引入人的经验以辅助机器“学习”，更重要的是提高机器智能水平以更高效地辅助人类，最终实现复杂环境下的多人多机智能协同。人的智能加上物化的智能（机器智能）所构成的人机协同智能系统将是今后智能系统发展的一个重要方向。【陈鄞编著：《个体行为的机器识别与决策协同》，知识产权出版社2018年版，第235页。】在这个系统中，人与计算机各自执行自己最擅长的工作，取长补短、共同认识、共同思考、共同工作、互相理解、互相制约和互相监护。针对智慧法院视阈下的人机协同概念，需要作以下几点澄清。

（1）人机协同是“人+机器”的新组织形态，而不是孤立概念。历经时代变迁，“人+机器”的模式有了质的飞跃：机械化时代，机器替代人类“肌肉力量”；自动化时代，机器主动响应人的操作指令；智能化时代，智能系统具备认知与执行能力，可自我学习进化。从这个路径来看（见图3），人机协同理论嵌入并渗透在司法领域是科技发展的必然轨迹。

（2）人机协同不同于智能辅助或者智能决策支持系统，更不能简单理解为人帮机或机帮人的二分构造，而是流程闭环、无缝交互、融合智慧形成的混合智能。其在协同方式上并不局限于物理关系，而是将机器在储存、识别、计算上的绝对优势与人的推理、联想、反馈和顿悟等能力有机融合，并形成创新合力，以前所未有的方式共同学习和创新。

（3）随着人工智能技术的发展，无论在智慧法院建设还是其他应用场域，人机协同的“机”都不能简单理解为“计算机系统”，而是包括大数据、区块链及深度学习等多种技术。

2.人机协同应用于繁简分流的现实必要性

人工智能技术有着极快的发展速度和极高的迭代频率，繁简分流所应用的技术不需要与技术发展完全同步，更不必为了技术而应用技术，而应该回归业务本质，积极发挥人机协同的整合碎片化效应与最大协同效应。人机协同应用于繁简分流存在现实必要性，理由如下。

（1）繁简分流人工智能技术局限要求人机协同。考虑到智能技术发展阶段与技术局限【王禄生：《司法大数据与人工智能的技术障碍》，载《中国法律评论》2018年第2期。】，当前需要打破“司法人工智能万能论”，改变对司法人工智能的盲目期待，肯定法官在司法活动中独特的审判智慧。【左卫民：《从通用化走向专门化：反思中国司法人工智能的运用》，载《法学论坛》2020年第2期。】在当下繁简分流的智能化改造中，通过人机协同进行重塑结构，既强调“智能”建设的重要性，又强调“人工”建设的重要性。在人机协同中，人与智能都有自己的角色定位，可以从零散的案件数据中高效扩展有关数据库中的法律知识表达，进行有限人力与有限智能资源的最优配置，真正实现智能分流模式的迭代升级。

（2）繁简分流智能化转型和发展需要人机协同。任何领域的智能化转型和发展所不可或缺的基础之一就是高质量、标准化的数据。【李鑫：《智慧法院建设的理论基础与中国实践》，载《南京大学学报》2021年第5期。】繁简分流的有关数据标准出台时间不长，且覆盖面窄，导致数据质量不高。通过主动引入人机协同融入繁简分流过程，可以有效改变现状，提升繁简分流数据质量，为智能化转型和发展奠定基础。正如自动驾驶汽车之所以可以安全地将人们带到街上，是因为人类已经花了数千小时告诉它如何判断传感器看到的“行人”“车道标记”以及每一个其他有关对象。同样，智能系统可以实现案件数据标注，使其成为机器学习的训练数据，同时自动减少立案审查人员人工判断的案件信息量。对于一小部分智能系统无法有效解决的问题，立案审查人员可以帮助解决，以此对繁简分流模型进行再度训练。在只有少量数据可用时，由立案审查人员早期判断，这样可以更加精准地进行繁简识别和分流。随着时间推移，智能系统可以学习并逐步完成愈加复杂的任务。

（3）繁简分流系统应用推广与迭代需要人机协同。从繁简分流智能化建设的过程来看，各地法院相继推出了多种智能系统。但这些系统智能化进度缓慢，其原因有二。一是繁简分流专业性壁垒仍然存在，大数据、人工智能领域较为成熟的图像、语音等技术在未做必要适配和调试的情况下，在司法领域的应用效果并不理想。同时，针对识别要素数据基础、算法设计的优化工作仍有待持续推进。二是当下繁简分流智能系统呈现设计系统化和实践碎片化的特征，导致易用性和体验感较差。作为人工智能技术的延伸与拓展，人机协同的重塑可让新旧系统实现关联和承继，促进系统之间不断耦合与协同。

（二）理论支撑：识别要素体系构建的重要理论支点

人机协同重塑民事案件繁简分流，在理论层面有三个不可或缺的支点。首先，需要借鉴合适的理论工具萃取高质量数据，智能系统学习算法进而根据这些数据作出分流决策；其次，以较为完善的识别要素体系作为模型基础，智能系统学习可以提高速度并降低训练数据的成本；最后，以准确的表达逻辑提升识别能力，确保智能识别的高效与精准。

1.识别要素的理论工具

目前，人工智能还处于有多少人工就有多少智能的阶段，人工智能毕竟是人制造的智能。【许春明等编著：《意志与责任：法律人工智能》，上海大学出版社2020年版，第242页。】同样，人工智能对法律语言的学习和使用，并不意味着它能够像人类一样理解法律语言，而只是对其进行逐层分析。【蔡自兴等编著：《人工智能基础》，高等教育出版社2016年版，第272页。】因此，有学者认为，推动人工智能在法律领域深度学习的第一道门槛就是足够的数据体量和较高的信息质量。【何帆：《我们离“阿尔法法官”还有多远？》，载《浙江人大》2017年第5期。】跨过这一道门槛的首要任务，则是通过一套行之有效的理论工具对繁简要素进行归类，提升案件数据体量、速度和格式（结构化），并在宏观上转换为人民法院进行繁简分流的探索和推进视角。

法律关系思维正是识别要素归类可以借助的理论工具，原因有三。一是从检视重心来看，法律关系思维仍以案由（法律关系）作为重点检视内容，这一点与繁简识别步骤契合。二是从审查次序来看，在法律关系思维运用过程中，先认定的是案件事实，然后根据案件事实寻找大前提。同样，在检视原告陈述的“故事”时，萃取具有法律意义的重要事实点加以提炼，亦可归类繁简识别要素。三是从说理时序来看，法律关系通过确定案件最初特定时间点来判断当事人之间的法律关系，再按照时间顺序向后截取另一时间点，继续审查法律关系，并不断重复这一过程。这样的说理结构时序给智能识别提供了逻辑顺序。智能系统可以按照该思维方法依序检视相应案件事实，并将其中的关键要素通过可视化技术展现在立案审查人员面前。

2.识别要素的体系架构

智能程式包括程序的输入、将输入转换为输出的过程以及结果的输出这三个环节。【参见［美］凯文·艾希礼：《数字时代的法律实践：一份人工智能法学课程大纲》，杨安卓译，转引自《法治现代化研究》2019年第1期。】在繁简分流智能系统中，识别要素体系是前述三个环节得以贯通的重要模型基础。如前所述，可通过借鉴法律关系思维方法明确识别要素，从而构建案件繁简识别体系。基于案件繁简识别要素的多元化以及智能分流的特点，在建立繁简识别要素体系时，需要考虑识别要素的多维度，保证识别过程的审慎性。因此，对案件繁简的识别须建立在对识别要素的客观、全面编排之上。识别要素应该是以全面性、准确性、客观性为要点而展开的递进式层次结构，整体上涵盖一般要素、关键要素和其他要素三个层次。【王金龙、朱虎：《中级法院民事繁简分流的实践难题与对策》，载《判解研究》2019年第3辑。】笔者认为，该三个层次至少包括如下要素（见表2）。一般要素包括案由、标的额、当事人数量等；关键要素包括是否为发回案件、是否约定诉讼文书送达地址等；其他要素包括起诉状信息、卷宗厚度、是否为知产案件等。通过对识别要素的内涵厘定，归纳要素层次后，结合当下人工智能技术的应用现状，进行识别任务分配。当然，在追求识别要素全部纳入识别体系时，也应兼顾地区的差异性，尤其是考虑当地法治水平、辖区案件主要特点和法官裁判能力构成等情况，对于不同地区，允许选择动态化的识别要素体系。

3.识别要素的表达逻辑

繁简识别要素体系的构建，不仅要确定识别要素体系架构，还要通过表达逻辑的选择强化智能识别能力。人工智能将逻辑作为描述和模拟思维的工具，研究和应用逻辑，将逻辑作为重现智能的手段。因此，逻辑和思维已经成为人工智能的两大支柱。【雷英杰等编著：《模糊逻辑与智能系统》，西安电子科技大学出版社2016年版，第66页。】命题逻辑（Proposition Logic）与谓词逻辑（Pradicate Logic）是最先应用于人工智能的两种逻辑，对于知识的形式化表示，特别是定理的自动证明发挥了重要作用，在人工智能的发展史中占有重要地位。【王永庆编著：《人工智能原理与方法（修订版）》，西安交通大学出版社2018年版，第18页。】命题逻辑难以表达事物的内在结构和逻辑特征，也无法表达事物之间的共同特征。因此，作为命题逻辑发展后的谓词逻辑，已成为人工智能中重要的表达方法，亦可成为识别要素，认定繁简的表达逻辑。谓词逻辑的一般表达式为：

P（x1x2x3……xN）

其中，P作为谓词名，用来表示客体的性质、状态或客体。（x1x2x3……xN）作为客体，用来表示某个独立存在的事物或者某个抽象的概念。【陈鄞编著：《自然语言处理基本理论和方法》，哈尔滨工业大学出版社2013年版，第159页。】例如，将案由项“民间借贷纠纷”、代理人项“未委托律师”、法律事实项“未订立书面合同”“出借方式为现金交付”定为繁案要素规则。计算机将该要素规则编码为P，对某案中的起诉状及其起诉材料进行信息抽取，整理后得出以下案件信息：x1=民间借贷，x2=未委托律师，x3=未订立书面合同，x4=现金交付，则计算机根据该逻辑设定判断案件为繁案。

（三）技术支撑：人与机器协同创新的关键技术基础

1.人机协同的数据基础

一切人工智能都必须基于充分的大数据，有数据方有人工智能。【左卫民：《关于法律人工智能在中国运用前景的若干思考》，载《清华法学》2018年第2期。】人民法院的智能化建设，包括人机协同在繁简分流中的应用也必须以数据为基础。2013年开始，最高人民法院为了实现法院审判信息资源的汇集管理，启动了数据集中管理平台的建设，并在2015年前完成了全部法院、全部案件、全部司法统计信息的覆盖。2016年最高人民法院公布《最高人民法院信息化建设五年发展规划（2016—2020）》的任务安排，开始以数据集中管理平台为基础，构建人民法院大数据管理与服务平台。【许建峰等编著：《智慧法院体系工程概论》，人民法院出版社2021年版，第3页。】部分高级人民法院开始建设大数据平台，中基层法院开始建设数据中心，提出了“让数据说话、让数据跑路”和建设“数据”法院的设想与规划。基于此，部分法院在将智能技术应用于繁简分流流程时，已充分使用OCR技术、计算机视觉技术、自然语言处理技术、知识图谱技术等前沿技术，对数据和信息进行标注、记录、处理、储存，实现了大部分数据的实时汇聚。这些技术在全流程的应用，既为人机协同提供了基本技术应用条件，同时又提供了重要的数据土壤。数据亦呈现以下两个重要特征。

（1）数据具有结构性。许多相近意思的不同用词使得法律用语的结构化不足，无法直接被机器读取使用，为此需要一个从“原始数据”到“训练数据”的人工标注过程。【王禄生：《论法律大数据“领域理论”的构建》，载《中国法学》2020年第2期。】数据具备结构化特征后，才能被人工智能有效识别。例如，在民间借贷案件中，对于“未签订书面借款合同”存在多种表达方式，比如“没有签订借条”“仅口头说好”“通过微信协商借钱的事”等。这种非结构性的语义表达方式，为提取案件中的繁简识别要素造成了极大的困难。智能识别过程已不再是对案件事实认定和法律适用有关语词的简单堆砌，而是对其中出现的非结构性表述进行提炼，形成结构化数据，以降低人工智能在繁简分流过程中的数据输入难度。

（2）数据具有自我学习性。学习的过程是建立理论、形成假设和进行归纳推理。【焦李成等编著：《简明人工智能·人工智能前沿技术丛书》，西安电子科技大学出版社2019年版，第250页。】繁简信息动态数据可以构建其内部的学习模型。学习模型基本结构（见图4）系通过信息获取、信息感知，形成知识、智能决策、执行作用环境形成循环过程，构成数据自我学习的闭环。其各元素含义如下。

①环境：外部信息来源，系为自我学习提供有关信息。

②学习环节：通过类比、归纳、分析及推理等深度学习方式，寻找海量非结构性的语义表达方式等信息中的模式、规律和关联，进而形成新知识。

③知识库：通过采集裁判文书库和其他数据库的信息形成知识库，代表系统已具有的知识。

④执行环节：通过不断更新的知识库，执行繁简分流任务。

2.人机协同的分配基础

繁简分流智能化运行，即使具备技术应用条件与自我学习性的结构化数据，部分分流场景仍需要人的参与。这些场景主要包括以下两方面：一是对于具有较大影响范围的、案件背后存在复杂利益与价值冲突的案件，需要人工确认、审核，系统才能执行下一步操作；二是对于繁简识别的结果存在误差，需要人工进行检查与修正，否则会影响分流准确度。通过智能分流平台中嵌入“人机协同中心”，可将需要人工进行部分判断和决策的案件信息快速分配给立案审查人员，立案审查人员通过繁简信息核查、确认等操作，为系统提供精准的输入，从而在智能化过程中紧密衔接人工与计算机的协同工作。因此，在建立人机协同任务分配时，应提前制定任务分配规则（见表3），这样才能实现真正的系统与人工高度配合，在提升效率的同时也保障了识别的准确性。

3.人机协同的运行基础

围绕着识别、分流的目标（客体），立案审查人员与智能系统构成的共同体成为分流的主体，突出了“人+机器”共同体的核心地位与重要价值。智能系统、识别与分流规则和协同任务分配构建起人机协同智能分流学习环境，实现分流系统内部学习环境的信息流转、知识创新。在客体、主体、共同体的要素互相作用下，形成人机协调统一、系统独立自主与延续扩展的智能系统。

（1）人机协调统一性。立案审查人员与系统将围绕繁简分流这一目标构成区域性社会物理系统，并将形成连续迭代的反馈循环作为创新动力。在繁简分流规则的引导下开展的分流工作，将不断应用和修正规则，从而有效降低立案审查人员在分案过程中的认知负荷。

（2）系统独立自主性。系统独立自主性实际上由系统智能性决定，在繁简案件识别、分流过程中，人与系统成为一个实践共同体，二者在识别繁简、分流案件中不断交互、调谐。机器通过对海量案件数据快速进行分析检验，可以有效降低立案审查人员工作量，而立案审查人员的批判性思维亦可在特殊、疑难案件识别中保证系统的精确性。

（3）系统延续扩展性。人机协同作为一种在繁简分流中应用的方法论，融入智慧法院建设背景中，为智慧法院建设提供更多的方法与经验，形成新的视角，促进制度和体系创新。随着人工智能技术整合到诉讼服务、审判实践各个环节，智慧法院的组织架构、交互机制与技术应用共同形成的结构会随着实践深入而产生多层次、深影响的变化，促使技术应用协同进化，实现更好的智慧化工作成果。

三、重塑：人机协同在繁简分流中的模式构建

（一）原则遵循：明确人机协同在繁简分流实践中的指导思想

人机协同作为智慧法院建设中人机关系的重要表达，可以进一步挖掘智能系统的潜力，进一步阐释司法活动中人的价值。正是基于此，人机协同下的繁简分流在规则适用与技术提升上，必须围绕“公正与效率”工作主题，并上升为人机协同应用于繁简分流的三项原则。

1.人控制智能系统是第一原则。人机协同下的繁简分流，人的第一要务在于保证对智能系统识别分流及深度学习过程的掌控。首先，人应掌握智能系统思维发展与能力结构的形成，使之符合繁简分流的职能定位与效用需求。其次，智能系统通过信息抽取、知识融合与加工，涉及分析当事人、案外人的相关社会关系网络和情感特征，会引起关于隐私权的相关讨论。但如果限制智能系统的有关实践，又会限制其更新与迭代。约束智能系统的技术输出，不在于限制智能系统的“智力”，而在于限制其对相关当事人、案外人的个人隐私的影响。最后，经智能系统识别繁、简的分析结果，在算法上必须可以解释和可回溯。

2.智能系统适应人是第二原则。这一原则的核心是繁简分流智能系统应服务于立案审查人员和识别分流的需求。第一，识别分流需求决定了智能系统的技术应用。深度学习、自然语言处理技术等人工智能技术的适配方式，应满足识别要素体系框架提出的技术要求，由此开展识别、分流活动。第二，在识别、分流过程中不断提升智能系统的能力。案件事实的复杂性、识别要素的动态性、繁简数据的“稀疏性”特征决定了智能技术需要在“不富足的数据背景”下持续进化。因此，更需要充分利用立案审查人员识别“高复杂、高敏感、高风险”案件过程中的生成性数据，不断重构与优化智能识别流程。在这个过程中，立案审查人员生成性知识可不断更新知识库，立案审查人员社会洞察数据可不断优化推理规则等。

3.智能系统赋能司法是第三原则。第一，智慧系统在识别、分流过程中赋能作用逐渐增强，能够分担认知活动，逐步从人机协同的工具、中介角色演变为智慧协同的主体性角色。第二，立案审查人员对于繁、简等信息的认知不仅依赖于自身的经验和感觉，也借助机器。案件信息已不完全取决于人类记忆系统与其中的表征和储存方式，智慧系统通过超强的信息储存、信息感知和信息挖掘等技术应用，使得人机协同下的繁简分流更具智慧。第三，智能系统将不断通过相关法律数据训练机器智能模型，并与立案审查人员智慧结合成人机融合智能，进而达到协同目标，将促进改善、弥补立案审查原有认知能力的不足，突破个人认知极限。

（二）流程制定：设计人机协同下繁简智能识别的闭环系统

已有部分学者提出了智能司法模拟裁判的基本过程，即情节提取、相似度匹配对比，输出裁判结果。【参见高翔：《智能司法的辅助决策模型》，载《华东政法学报》2021年第1期。】借鉴智能司法模拟裁判的基本运行机理，依据人机协同理论原理，可以构建繁简智能识别流程。依据智能系统的基本运作机理，人机协同下案件繁简识别流程至少应该具有情节提取、匹配度对比、输出结果、评价检验四个阶段（见图5）。

1.案件定位。智能系统对进入审判管理系统的案件进行自动定位。

2.信息抽取（案件数据采集）。信息抽取（information extraction）通过从案件的起诉状与证据材料中自动抽取信息，得到候选的法律信息。法律信息由法律、案例、理论、程序及规则等各类法律知识组成，呈现出非结构化或半结构化的形式。【张妮、徐静村：《计算机法学：法律与人工智能的交叉研究》，载《现代法学》2019年第6期。】信息抽取是一种自动化的从半结构化和无结构化数据中抽取实体、关系及实体属性等结构化信息的技术。【吴信东等编著：《人机协同》，科学出版社2022年版，第13页。】

3.知识融合（案件信息预处理）。通过信息抽取，系统从案件相关信息中获取实体、关系以及实体属性的法律信息目标。但所抽取的这些信息中可能仍有冗余与错误信息，同时信息之间的关系亦呈现扁平化特征，缺乏层次性与逻辑性，因此有必要对其进行清理与整合。甄选出来的案件法律信息还需要通过系统进行解析，形成组织化的数据，储存在数据库中，即形成结构化数据。【屈茂辉：《基于裁判文书的法学实证研究之审视》，载《现代法学》2020年第3期。】

4.知识加工（案件知识形成）。经过知识融合阶段的案件信息，消除了实体指称项与实体对象之间的歧义，得到与识别要素紧密相连的案件事实表达。然而，这些事实表达并不等于结构化、网络化的知识体系，还需要通过本体抽取、知识推理及质量评估等方式进行知识加工（knowledge processing），形成在繁简分流数据库中的法律知识表达。

5.匹配度对比（案件信息与识别体系对比）。这一阶段主要是指识别要素进行匹配度对比。案件法律知识表达是识别逻辑的连接点，系统会自动将这些知识表达匹配到相应的待对比识别要素之下，以此对案件繁简进行智能识别。当然，在这个阶段，由于技术限制等多种原因，可能会存在系统无法进行匹配度对比的法律知识表达。对此，需要进行人机协同任务分配，可等待立案审查人员对于系统形成的相关待确认事项进行修正与审定。立案审查人员接收到系统分配的人机协同任务通知后，可以查看有关数据和相关表单；如有需要修改的内容，可直接在人机协同中心板块上进行修改。人工处理完后，系统根据立案审查人员修改后的数据，再进行后续的识别步骤。

6.输出结果（判断案件繁简）。对于不需要人工协同的案件，可以直接与识别体系进行匹配度对比，判断繁简。对需要人工协同的案件，在修正相关数据后，亦可交由系统进一步判断繁简。

7.评价检验（系统与人工评价检验）。在这个阶段，智能系统与立案审查人员共同分析案件庭审时长、审理次数及可能引发的社会舆情等因素，探寻识别分流过程中的功能性偏差，对现有流程及其中的各类影响因素是否需要修正作出理性判断。随后，利用深度学习形成闭环识别流程，借助正反馈对识别体系的增强作用，通过负反馈削弱识别体系动能，修正或革除不适宜的流程节点或影响因素。

总体来说，在人机协同繁简分流系统中，人的主要任务主要有以下几点。首先，解读理解多样化的案件有关数据，通过标准化处理使其成为能与司法实践对接的有效数据。其次，通过调用敏感的重要案件信息数据，监管整个分流过程与准确性。另外，通过动态的可视化终端不断收集和使用数据，通过数据流检查系统是否故障或预测分流是否准确。确有必要时，对识别与分离过程进行干预，提供必要的人工支撑。整个识别、分流流程既是审判执行智能化的关键起始阶段，又与司法公开智能化与诉讼服务智能化密切关联，最终形成全线“并联式”的法院协同与创新系统，这也是人机协同技术应用于繁简分流的初心。

（三）配套保障：完善人机协同应用在繁简分流的补充措施

智能系统的有效运行与审判管理配套措施的完善密不可分，完善审判管理综合配套措施是智能系统健康有效运行的必要补充。审判态势管理与绩效考核体系、审判资源动态调配机制以及诉讼送达程序和方式都是审判管理措施，如果不进行相应完善，那么整个人机协同智能系统就难以发挥最大效能。

1.优化审判态势管理与绩效考核体系。根据相应案件的类型和数量，匹配审判庭室和承办法官，并持续跟踪评估审结率、调撤率及审理周期等重要数据，真正实现智能化监管。从立案到案件审结，甚至到案件审理后的法律效果和社会效果反馈阶段，均进行重要节点监控，不断分析比对相关数据，开展审判管理态势监管。另外，针对审判庭室和承办法官进行绩效管理改革，依据案件加权值制定相应绩效计划并进行绩效考核评价，应用绩效结果，促进提升绩效目标。对于繁案审判团队和简案审判团队实行分类考核，形成更科学、更具说服力的管理准则，有效解决办理不同案件法官的工作量分配与绩效考核问题。

2.建立审判资源动态调配机制。可考虑以案件加权值为基础，起草制定动态调配案件的相关规则，利用智能化手段进行案件动态调配分流。基于计算机系统的强大功能，考虑适当打破传统以业务庭室为单元进行案件分配的局面，允许民商事案件审判庭跨部门分案，结合法官现有存案、审理经验及专业特长等情况，对合议庭进行调配与重组，以解决各审判庭室规模失衡、部门管理负担悬殊等管理难题。

3.完善送达程序和方式。首先，充分发展电子送达方式，利用第三方送达网络平台、短信及邮箱等方式送达有关法律文书；积极优化第三方委托送达方式，利用高效送达平台，通过符合法律规定的送达方式完成送达，实现送达的法律效果。【王雷、闫琳特：《民事一审案件繁简分流的困境与路径——以河北法院改革为例》，载《华南理工大学学报（社会科学版）》2019年第6期。】其次，倡导诉前约定法律文书送达地址，有效解决刻意逃避送达、无法找到有效送达地址的问题。最后，成立专职送达部门，通过集中送达及规划片区送达提高送达效率。通过以上三种方式，从送达角度促进更好完成案件的繁简智能分流工作。

四、结语

人机协同理论既是帮助重新认识智慧法院建设的世界观，也是用于探索智慧司法体系结构和运行逻辑的方法论。人机协同理论在繁简分流中的引入与运用，打开了司法人工智能的新入口，既强调司法业务活动的本质，又肯定了人在协同效应中不可替代的价值。本文从人机协同视角出发，提出了识别要素体系的层次结构，阐释了人机协同在繁简智能分流中的构建逻辑与实现流程，以期为司法智能化提供些许启发。

Abstract：After a certain period of practice and exploration， the complex and simplified diversion program of courts in China has gradually presented many commonalities and corresponding problems. This paper is based on the operation of Y court’s complex and simplified diversion program and analyzes the current situation of intelligent bifurcation practice in some courts and the reasons in depth. It proposes to introduce Human-Machine Synergy theory and explains the practical necessity， theoretical and technical feasibility of Human-Machine Synergy to reshape intelligent triage. At the same time it emphasizes the principle of Human-Machine Synergy in the construction of complicated and simple triage mode， and improves the corresponding comprehensive supporting measures for trial management when designing the operable specific process. In this way to promote the systematization and intelligence of civil case triage，the triage system and artificial intelligence technology should converge until deep integration in order to achieve the breakthrough development of intelligent construction of civil case triage.

［责任编辑 荣圆梦］