刘雨菏｜刑事智慧审判从数据型向知识型转化的路径研究——基于法学方法论视角

原创 刘雨菏 上海市法学会 东方法学 收录于合集 #2023世界人工智能大会法治青年论坛文集 21个

刘雨菏

中南财经政法大学本科生

要目

一、问题的提出

二、数据型人工智能与司法审判的融合困境

三、知识型人工智能和司法审判的融合路径

四、确立裁判者主体地位原则

五、结语

现代互联网的发展加速了科学技术与司法审判的双向融合，以学习裁判文书为主的数据型人工智能虽然提高了司法活动效率，但仍存在技术空缺、样本不足等难题。基于以“司法三段论”为核心的法学方法论视角，探索以学习法律规范为主、案例为辅的知识型人工智能与司法裁判的融合路径。在理论上，不仅强调逻辑推理也注重价值判断，进而提高人工智能辅助裁判建议的正当性。在应用上，创设“匹配”和“对比”两种模式，区别对待简单案件和疑难案件，保障法官自由裁量权，坚持裁判者主体地位。为提升智慧审判形式理性和价值理性提供助益，另一方面对提防人工智能在司法程序中的“机械化”和“去人化”提出建议，使裁判建议符合社会公益和个案正义。

一、问题的提出

智慧司法审判是指人工智能系统通过自然语言处理技术等手段，提取、检验裁判规律，为法官提供裁判辅助，是技术赋能司法，将前沿技术应用于司法领域的创新性举措。目前，应用于我国司法审判的人工智能主要分为数据型与知识型两类。

现代互联网和信息技术的发展加速了科学技术理性与司法改革需求的双向融合。自《新一代人工智能发展规划》2017年发布以来，我国关于人工智能在司法审判中实施应用的探讨持续不断，以搭建数据平台、促进人工智能在审判活动中的应用为核心举措的“智慧法庭”建设快速布局，为实现审判活动网络化、平台化和智能化发挥重要作用。随着建设创新型国家和世界科技强国的快速推进，以及司法体制改革中办案效率、质量需求的不断增长，以学习裁判文书数据为主的数据型人工智能率先进入到司法领域。从功能上，数据型人工智能可以对法律推理的要素和活动进行数理分析并将成果模型化，从而为公众提供更高质量的法律服务。从需求上，随着法官员额制改革的推进，法官队伍的正

规化、专业化、职业化水平逐步提升，但也带来了一线审判力量被削弱、审判效率降低等问题。特别是在基层法院，“其专门化程度低，而且多元化解纷机制不完善，大多数纠纷没有经过过滤涌入法院进行处理，任务相当繁重”，法官入额人数与井喷式增长的受理案件数量不成正比，因此人工智能司法审判的出现也为提高司法活动效率提供了帮助。但由于现有的数据型人工智能存在着其固有的缺陷，有限的案例样本量和不断增加的新型犯罪促使着我国最先进的人工智能司法审判逐步向知识型靠近，并在未来完成转型。

面对人工智能与刑事案件司法审判的快速融合，不得不让人产生疑问：依赖于机器学习与自然语言处理技术的人工智能应如何与以人即法官为主导的司法审判融合？在融合后，现有的数据型人工智能是否能得出准确的、符合法律逻辑的裁判结果？基于我国国情，如何更好地规范人工智能的辅助权限并在坚持“同案同判”的原则上给予法官充分的自由裁量权？不可否认，机器学习具有统一性、效率性的优势显著，因而人工智能与司法审判的融合是推进智慧法院建设的当然表现。但也正因为人工智能及算法技术的迅猛发展，这要求我们时刻警惕司法活动中的“算法黑箱”和机械化审判，在正确理解技术融合的前提下提高司法审判的价值判断意识，避免法官与人工智能的主体地位颠倒。

对此，笔者将在以司法三段论为核心的法学方法论视角下审视当今数据型人工智能的裁判机制与其应用现状，并在此基础上就人工智能司法审判从数据型到知识型发展进路谈几点看法。

二、数据型人工智能与司法审判的融合困境

语境解读不准确，案件相似度不足

需明确智慧司法审判的应用是为了保障“同案同判”的实现，因此在审判过程中对“同案同判”底层逻辑的理解至关重要。“‘同案同判’是依法裁判的同义反复，是对后者更为具象化的表达”，其价值支点是形式正义，其根本依据仍然是法律这种规则化的事物，数据型人工智能也是基于对裁判文书的学习进而从中提取出“法”的要素进行裁判的。由此可知，数据型人工智能裁判预测想要达到精准，必须从案件事实、当事人、程序等多方面确保所检索到的案件与所裁决案件高度相似以此达到法律适用一致的效果。但是，智慧审判使用的自然语言处理技术是通过构建词典、机器学习、深度学习等方法对裁判文书上下文语境进行识别分词和信息抽取所实现的。精准的语境分析需要大量的数据支撑，时间成本高、开发难度大，故存在过分依赖摄入案例数量的局限。例如，在审判过程中无法满足案例匹配的精准性、依据现有的技术所检索出来的所谓“类案”仅是裁判文书中出现了相关的文字或援引了某条法律条文等。案件相似度的不足导致机器逻辑大于法律逻辑，从而无法完全达到理想效果。

案例样本量有限，“大数据”规模难实现

人工智能语境解读不准确的本质是机器案例学习样本数量不足。在时间的长度上，由于人工智能在法律方面的应用起始时间较晚，先前的案卷多通过法院人工整理，未形成完整的数字化体系，数据型人工智能无法读取学习。除此以外，虽然“以公开为原则，不公开为例外”的政策逐步确立，但由于个人隐私、涉及国家秘密、未成年人犯罪等不宜公布的情形，导致国内案件信息公开程度有待完善。在空间的广度上，各地法院仅能获取当地以往的裁判案例，数据量小、地域分异大。数据资源的全国统

一管理、治理势必为未来发展的大趋势，建立全国统一的法律案例数据库指日可待。

商业合作设计，伦理接受难度大

人工智能司法在我国多被用于刑事案件。在刑事案件中，不同的刑罚意味着对被告人不同程度的惩罚。例如，单独适用的罚金刑对被告人的惩罚力度较小，往往案件事实也较为简单，可由人工智能通过类案分析直接得出相应的裁判结果；而对于部分事实较为复杂、证据不清的刑事案件，其裁判结果通常和被告人的重大财产、人身自由甚至是生命健康息息相关，因此对于此种案件的裁判在程序及结果公正上有着更高的要求。然而，目前大多数智慧系统大多是与商业公司合作的产物，由于公司的营利性质，这类企业的发展可能很少会考虑到社会公共利益。同时，科技公司的员工往往是理工科出身并没有相应的法学背景，对于刑事诉讼中所要求的程序正义也了解甚少。与商业公司合作是否会涉及法外因素对司法裁判的干预，应用于程序设计的算法是否会带有个人偏见，这些都是智慧系统需要面对的普遍问题。智慧系统在创建和使用时应做到完全透明，算法也应向社会公开，以维护司法独立性，树立司法审判的权威。

三、知识型人工智能和司法审判的融合路径

以学习法律规范为主、案例为辅的知识型人工智能是智慧系统的重要分类之一，也是和我国司法审判现状较为吻合的一种智慧审判模式。

法理基础

显然，通过单一的学习裁判文书和案例进行裁判具有明显的缺陷，那么我们应当探索另一种可行的融合方案。这一方案也可以称为知识型人工智能司法审判，即在坚持人工智能辅助司法裁判的前提下，结合法学方法论的底层法理基础与人工智能的自然语言处理技术，将机器学习对象变更为以法律规范为主、案例为辅的架构，从而使人工智能的学习机制更符合法律逻辑。

图1 智慧“司法三段论”

首先，我们将提出智慧“司法三段论”的新概念。智慧“司法三段论”与传统司法三段论最大的不同在于增加了疑点归纳环节，即针对疑难案件裁判结果不由人工智能直接做出，而是通过聚焦如证据不足等存疑环节由法官作出裁判。如图1，遵照传统三段论，逻辑涵摄和价值判断是智慧“司法三段论”的两个基本内容。

逻辑涵摄即通过勾连作为大前提的法律规范和作为小前提的事实推导出裁判结果或对比归纳得出疑点的形式过程，其关键在于法定要件的一一对应和证据链的构建。

价值判断则蕴含在逻辑推导的各个过程。在大前提的形成部分，价值判断的主要作用是对法律的解释，通常有对立法空白进行的原则解释、对法律局限（如法律语言模糊或法律滞后）进行的适时解释和对一般条款的具体化。现存的法律规范只有具体化后才能在“司法三段论”中加以进一步的适用，以完成推理过程；在大前提与小前提的勾连部分，因为“大小前提是语境化的，具有或然性，大前提是针对特定语境的小前提存在于特定语境中的，特定语境勾连了‘司法三段论’的大小前提”，对语境吻合的处理也需要价值判断的干预，通过“评价”或“归属”实现从生活事实到法律事实；在现实的司法审判中，审判主体还需要用价值判断对裁判结果的正当性进行进一步的检验，以确保通过逻辑推理出的结果是符合社会公益和个案正义的。

逻辑推理和价值判断分别通过形式理性和价值理性保障裁判结果具有充分的正当性，这两者都为数据型人工智能所不具备。笔者认为，相较于数据型人工智能，以智慧“司法三段论”为基础进行裁判结果预测和疑点归纳的知识型人工智能更能够从形式和价值两方面与现有以法官为主导的司法审判相融合。

从裁判文书到法律规范

刑事判案的重点在于构成要件的符合性与证据链的完整性。知识型人工智能的第一条优化路径是从学习裁判文书的构成要件到学习法律规范，即采用法律实证主义的立场，从制定法本身的角度出发来解构条文中的要件。如此一来，从“法律——裁判文书——构成要件”到“法律——构成要件”，省略了中间解构环节，以模拟法官在司法实践中适用法条的真实情境。

一方面，在构建大前提时应重视法定构成要件的对应。作为严厉程度和处罚力度最强的法律，我国刑法第3条明确确规定，犯罪必须“依照法律定罪处刑”，即罪刑法定原则。由此可知，我国刑法案件之间并不具有类推性，在处理个案时应坚持以法律为绳，以要件为本。同时，智慧办案系统学习裁判文书具有滞后性，尤其是针对如网络犯罪等一系列新兴领域的案件。而直接学习法律规范则能够实时跟进法律“立改废释”的进程并更新法律条文库，很好地解决了无例可循的问题。因此，相比于解构裁判文书，依据法定构成要件进行逻辑涵摄更具合理性。

另一方面，在证实小前提时应重视证据链中的法律真实。在司法实践中，逻辑必然性的构建还依赖于证据链的形成。证据链是实体法与程序法相融合的关键点，是司法审判人员站在法律高度上，多层次、全方面、客观深入检视和把握案件事实以对案件予以公正评判的重要依据，其反映的是法律真实。在构建证据链的过程中，大量存在各环节交叉工作和反复回溯的情形，鉴定策略因鉴定需求而呈现出动态变化。因此，证据链的构建难度远高于构成要件的对应，单纯依赖案例学习恐无法使证据链达到排他性的严密程度。

显然，从呈现出共同要素的特殊案例中以归纳方式得出的一般性概括很少能符合逻辑的必然性。智慧系统第一条优化路径能够有效规避因机械地“同案同判”而出现的逻辑漏洞，保证人工智能推理所得的裁判结果或疑点归纳具有必要的逻辑性，确保预测结果的准确性，以实现案件事实与证据在刑事诉讼活动中的终极作用。

从僵化对应到逻辑涵摄和语境吻合

知识型人工智能的第二条优化路径是对大、小前提勾连方法上的优化。具体而言，该路径其实是一种防止陷入法律教条主义的方案，其同时满足“司法三段论”对逻辑涵摄的形式理性的要求，也满足

了大小前提的语境“耦合”，从实质意义上做到价值理性。

德国著名法学家卡尔·拉伦茨指出，“在所谓的‘法适用’领域中涉及的不仅是单纯的涵摄，而是评价性的归类或‘具体化’，价值导向的思考方式是不可或缺的”。僵化的一一对应并不能在裁判结果中很好地反映社会价值观、政策导向等维护公益的因素。从严苛的认定条件向“将被告人看作一般人”观念的转变，也得益于裁判中与时俱进的价值判断的融入。可见，“法律的重点在于能够反映辩护人或法官观点的价值判断”，逻辑规则只是这种判断的执行工具，单纯依靠涵摄无法做出这种判断。

但人类自然语言具有丰富性和复杂性。目前，我国研发的司法人工智能技术即使已通过自然语言处理技术，可以初步实现智能精细化拆解和要件结构化提取，计算机程序也仅拥有语法即操作的正式结构，而不拥有语义即这些操作背后的意义。所以想要做到价值判断的渗入，必须确保对大前提提取要件的精确性以及对小前提所处语境解读的准确性。这就对我国法律架构建设和智能技术研发提出了双重挑战。

一方面，要着力推进我国立法法典化进程。在以成文法为基本特征的国家中，法典化是实现法律制度体系化，推进法律制度发展的一种重要方法和路径。完善的法典能为规范的发现获取、法律解释、逻辑推理、修辞论辩等提供便利，其中就包括人工智能要件的提取。民法典的颁布宣示着我国迎来了法典化的新时代。在未来应不断推进刑事立法科学化、体系化，只有法律框架的完善才能使人工智能对规范化法律条文的识别和解构更精确。

另一方面，要继续构建案例模型库，细化构成要件。智慧系统要以案例学习，特别是最高人民法院发布的指导性案例学习，作为法律规范学习的补充。人工智能除了法定构成要件要素的提取，也要对地域、年龄等其他非构成要件但可能影响量刑的要素进行提取。同时，创设“匹配”和“对比”两种模式。“匹配”模式与确定裁判结果预测系统相适应，而“对比”模式与疑点归纳系统相适应。创设“对比”模式的优势有二：其一，当前我国正处在智慧审判的起步阶段，案例模型较少，使用该方式可提高同一模型的重复适用率。其二，疑点归纳环节并不要求智慧系统在案情分析后给出一个确定的裁判结果。相较于套用固有模型，为了得出对应结果而模糊匹配的弊端，智慧系统仅需将在逻辑涵摄中发现的事实或证据疑点进行归纳，将案件最终裁判权交回到司法审判人员手中。这一模式稳固了以法官为主导地位的司法审判模式，维护了法律赋予法官在一定限度内的自由裁量权，既符合“同案同判”的刑事政策，又以精准匹配为准则，有利于提升裁判结果的准确性。

图2 逻辑涵摄和语境吻合

四、确立裁判者主体地位原则

根据智慧司法审判的技术融入的深度可将参与司法审判的技术分为支持性技术、替代性技术和破坏性技术。支持性技术指人工智能多以辅助角色参与审判，仅为审判人员提供信息、审判建议与技术支持；替代性技术则是以机器模仿并取代人类进而独立完成一系列的审判活动；破坏性技术是人工智能使用不当所导致的最危险的后果，即机器通过使流程或预测分析发生重大变化来重塑裁判结果，是对“程序正义”和“结果正义”的双重致命性打击。智慧司法审判在争取迅速地诉讼程序的同时，应以不损害诉讼程序的质量和宪法或法律原则的执行为基本。因此，我们在运用人工智能时既要有合乎法律理论方法，也要有一定的原则。相应的原则指导人工智能与司法审判的融合，并在遇到困难时，根据原则解决疑难。智慧司法审判即使有了法律层面上的优化路径，但在技术层面，人工智能司法审判的发展仍任重道远，因此融合时都应遵循一定的原则。笔者认为，对智慧司法审判至关重要的原则是裁判者主体地位原则。

第一，应明确人工智能的辅助权限。首先，对于直接预测裁判结果的模式，应赋予法官是否采纳智慧审判系统结果的决定权。需明确一切主动权在于作为裁判责任承担者的法官，其原因有二：一是算法的隐蔽性可能会危害程序正义，其预测结果或与司法公正的价值目标或相抵触。由于机器学习的数据来源于人类，当有人工智能在司法裁判预测中整合并应用可能含有歧视性质的裁判模型时虽然能够达到“同案同判”的效果，但值得思考的是，随着时代变迁和人类进步，司法也在不断地前进，如果只是一味地不假思索地重复学习并套用前人的经历是否会有碍司法进步？再例如，现有部分人工智能系统具有根据法官认定的内容为其推送相关法规、相似案例、裁判尺度的功能，不能完全排除此类被推送的法规、案例具有“去人化”导向性的可能。同时，其中蕴含着的“算法歧视”也并未被完全合理地解释。“运用裁判规范时应贯彻落实合理论证原则”。“同案同判”是基于原案件的判决结果是正当、具有普适性、符合社会法治观念的，而非在明知原判决具有如种族歧视等漏洞的情况下仍反复学习。二是在算法程序中，常识性判断、法官的说理、社会影响等人文因素常常被忽略，法官自由裁量权或被侵蚀。在我国，部分智慧审判系统具有对特定案件进行干预的功能，一旦裁判结果偏离预测结果过多，人工智能便会自动对其进行特别标亮等操作并将该案件交由庭长裁决，将人工智能的预测结果摆放在主位，而将法官的判断放于次要位置。这一功能可能会给审判人员造成过大的压力，若使用不当，人工智能系统被赋予的权力可能会超过其应有的权限。法律的权威要求法律具有一定的稳定性，但社会的发展促使不同的新型案件日益增多，在合理范围内将人文因素纳入到司法量刑实践中才能更好地保证社会在有秩序状态中发展变化，而目前机器学习并未习得、掌握并自动引入人文因素的能力，因此坚持以裁判者为中心、以人工智能为辅助具有其合理性。其次，在疑难案件中，即对于疑点归纳模式，人工智能的作用应限缩于咨询，而非作出裁判。在一般的刑事案件中，法律事实清楚、关系明晰，按照制定法规范和裁判规则即可对案件进行裁判；但在案情复杂、事实认定难度大的刑事案件中，仅依靠法律法规和参考指导性案例往往不足以破案，因此对断案的标准提出了更高的要求。外国学者将人工智能协助司法审判的方式分为两大类，一是咨询模式，二是全自动模式。前者是对案件进行初步分析并为法官提出裁判建议，法官可以选择采纳也可以选择不采纳，其行为不受人工智

能的约束。后者则是完全摆脱人为因素控制，基于系统的算法对案件进行裁判，即“去人化”。显然，在可能判处无期徒刑或死刑的案件中，相比于直接生成一个裁判结果，人工智能仅担任辅助角色进行案件疑点的归纳整理，更有益于理性决策。

第二，应明确责任承担主体。在最新发布的《关于规范和加强人工智能司法应用的意见》中明确指出“人工智能不得代替法官裁判”且“司法责任最终由裁判者承担”。无论技术发展到何种水平，是数据型人工智能还是知识型人工智能，我们都应坚持人工智能的辅助性定位，避免将代替性和破坏性技术应用于司法活动中，允许司法系统拥有更高的效率不等于构建一个取代人类、没有人为因素的完全自动化审判。司法裁判的最终目标是获取并且证立一个正确的或者理性的裁判，而只有人并且是经过长时间法律专业培训和判案经验实操的法官才能相对准确地做出合乎社会利益、伦理道德的价值和法律判断并为此承担裁判不公的法律后果。

因此，在审判过程中，我们需确立以裁判者为主体的原则，一方面提升技术在繁琐程序中的积极作用，另一方面是提防司法程序“机械化”和“去人化”。

五、结语

智慧司法是兼具法学与人工智能、理论与实务多重属性的研究领域，人工智能与司法审判的有效融合需要结合国内司法实践不断地进行本土化考量、技术空缺填补。智慧审判的特殊之处不仅体现在人工智能的自动性，还包括司法的公益性。笔者认为推进数字基础设施布局建设是知识型智慧审判发展的重要契机，有必要抓住数据库建设的东风，加强对人工智能与司法审判融合的边界研究，逐步在法学理论、司法实践以及道德伦理等方面加以完善，最终构建成科学完备的刑事乃至包括民事、行政在内的统一智慧审判体系。

原标题：《刘雨菏｜刑事智慧审判从数据型向知识型转化的路径研究——基于法学方法论视角》

阅读原文