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。