何帆
從多年前“電腦輔助量刑系統(tǒng)”引發(fā)公眾質疑,到此次的“機器人法官之爭”,“人工智能+司法”到底該走向何方?
2016年末,一則關于南京中院將引進“法律機器人”(即所謂“阿爾法法官”)輔助辦案的報道,在法律圈激起波瀾。有法官私下吐槽,人工智能那么“能”,有本事以后別讓我們加班結案啊!好在南京中院及時辟謠:所謂引入“法律機器人”項目,純屬個別企業(yè)捏造。
值得注意的,是南京中院聲明中的一段話:“司法是具有經驗和價值判斷性質的工作,再聰明的機器或軟件都不能完全替代法官的工作,只能為法官提供辦案支持與輔助?!?/p>
是的,我們要建設“智慧法院”,要大力推進信息化3.0建設,可我們需要的智慧和智能,第一要務還是輔助和服務法官辦案,而不是替代司法裁決、淘汰辦案法官。截至目前,法律人工智能的發(fā)展,主要體現在語音識別、圖像識別、文本分析和數據整合領域。具體到我國,最高法院構建的“中國裁判文書網”,為法律人工智能的發(fā)展提供了“燃料”。
然而,不要以為囤積了一大堆司法數據,人工智能就隨之實現了。這里面需要考慮三個問題:第一,“體量”并不代表“質量”。中國裁判文書網上有相當一部分是“冗余數據”。第二,“大”并不代表“準”。同類案件,100個法官可能有100種判法,其中25個判法類似,但不能說這25個判法就一定代表著正確的方向。第三,現在并不代表未來。目前所謂的人工智能是以之前的數據為基礎,試圖解決未來的類似問題,但是,類似問題在不同時期會有不同解決方案。
對于人工智能在司法領域的應用,總體來看,或許有以下幾步可以走。
第一步:通過智能語音識別技術,將審判輔助人員從記錄或咨詢事務中解脫出來。
第二步:將智能圖像和文件識別技術嵌入法官辦案系統(tǒng),將法官從簡案處理和繁瑣文牘中解脫出來。目前最需要做的,是以法院日常工作為場景,構建多部門多用戶的互聯系統(tǒng),打通數據壁壘,提升司法運行的效率。
第三步:通過數據提純、算法測試和專業(yè)訓練,讓系統(tǒng)變得更加智能,輔助法官決策判斷。實現這一步,是在類型化案件中實現以裁判規(guī)則、審判經驗歸納為基礎的有限智能化??梢灶A見的是,在類型化案件中,有可能形成統(tǒng)一的智能化算法;在不那么規(guī)格化的案件中,至少可以做到法律依據提醒、政策比較和類案參考。在此基礎上,深度智能化才有可能。
機器的深度學習也有快慢,離開科學算法和測試反饋,系統(tǒng)根本不可能變得智能。所以,推動機器在法律領域的深度學習,必須跨越三個門檻:第一個是足夠的數據體量和質量;第二個是提取共性規(guī)則,研發(fā)科學算法;第三個是法律人的深度參與。
算法的基礎是裁判規(guī)則,而規(guī)則要靠人去提煉。智慧法院立足于法院的智慧,法院的智慧來源于法官。法院的人工智能,說到底是把法官的智慧整合好、利用好。認為只要投入資金、貢獻數據、購買服務,就能建設好“智慧法院”,是天方夜譚。
第四步:也許真會有“阿爾法法官”呢,但距離第三步成功還很遙遠,就先別惦記第四步了吧。
總之,法律人工智能是大方向,是看得見的未來,但還需要巨大的研發(fā)投入。眼下最需要做的,是踏踏實實推進機器深度學習,將法官從重復勞動和繁瑣事務中解放,從技術上健全法律統(tǒng)一適用和結果預判機制。