个案正义视角下司法人工智能的功能与限度

沈 寨

(江苏师范大学 法学院，江苏 徐州 221116)

一、引言

由于司法裁判“有相对稳定的对象(案件)、相对明确的前提(法律规则、法律事实)及严格的程序规则，且须得出确定的判决结论”[注]张保生：《人工智能法律系统的法理学思考》，《法学评论》，2001年第5期，第13页。，从而容易被人工智能所模拟，因此人工智能自诞生不久便在司法裁判领域受到了极大的关注[注]1956年达特茅斯会议标志着人工智能学科的诞生。1958年，Lucien就提出了法律科学信息化的处理，即建立法律文献和案例自动检索模型和法官裁量模型，但并未引起学界重视。1970年，Buchanan发表了《关于人工智能和法律推理若干问题的考察》一文，正式拉开了司法领域人工智能研究的序幕。参见张妮，杨遂全，蒲亦非：《国外人工智能与法律研究进展述评》，《法律方法》(第16卷)，济南：山东人民出版社，2014年版，第459页。。近几年，随着人工智能热的再度兴起，人工智能在司法裁判领域的应用研究更是达到了空前的广度和深度。学者们不仅从整体视角对人工智能在裁判领域的应用价值和局限进行了思考[注]这方面的研究可参见罗维鹏：《人工智能裁判的问题和归纳》，《国家检察官学院学报》，2018年第9期；李飞：《人工智能的司法裁判与解释》，《法律科学》，2018年第5期；季卫东：《人工智能时代的司法权之变》，《东方法学》，2018年第1期；吴习彧：《司法裁判人工智能化的可能性及问题》，《浙江社会科学》，2017年第4期；潘庸鲁：《人工智能介入司法领域的价值与定位》，《探索与争鸣》，2017年第10期；等等。，还对诸如辅助量刑和裁判预测等各种司法人工智能技术在裁判领域应用的功能与限度、风险与防范等进行了深入分析[注]这方面的分析见朱体正：《人工智能辅助刑事裁判的不确定性风险及其防范》，《浙江社会科学》，2018年第6期；张富利，郑海山：《大数据时代人工智能辅助量刑问题研究》，《昆明理工大学学报》(社会科学版)，2018年第6期；倪震：《量刑改革中“机械正义”之纠正——兼论人工智能运用的边界及前景》，《江西社会科学》，2018年第2期；白建军：《法律大数据时代裁判预测的可能与限度》，《探索与争鸣》2017年第10期；周蔚：《大数据在事实认定中作用机制分析》，《中国政法大学学报》，2015年第6期；等等。。从已有研究成果来看，学者们普遍认为虽然各种人工智能技术的应用大大提高了司法裁判的质效，但在其目前发展阶段，人工智能只适合用来对类型化案件要素信息的识别和转换等相对简单的工作，而对于涉及独特事实认定和价值评价的非类型化疑难案件，则难以作出公正合理的个案判断[注]李晨：《论类型化案件智能审判系统的建构——以J区法院为样本》，《东南司法评论》，厦门：厦门大学出版社，2018年版，第342页。。

不可否认，在目前人类对于人工智能的“认知”这一核心问题还没有任何方法论上突破的情况下[注]参见《人工智能现在的发展前景如何？》，https://www.zhihu.com/question/20102212，2019年3月19日访问。，单凭人工智能对关涉复杂价值判断的个案裁判作出妥当处理确实难以实现。但在大规模数据和大规模算力的基本方法已经成熟的当下[注]参见《人工智能现在的发展前景如何？》，https://www.zhihu.com/question/20102212，2019年3月19日访问。，利用大数据和人工智能强大的计算能力来帮助法官获取个案裁判的正义则具有非常相当程度的必要性和可行性。相对于个人直接经验及个人获取间接经验的有限性，大数据分析为法官提供了来自于互联网的全量数据信息和海量“数据经验”归纳，让法官对案件情况有了更精准和更客观的认识，这对排除法官直觉和偏见，为个案裁判作出准确理性的判断具有十分重要的意义。当然，从根本上来说，类似于司法价值判断领域的主观不确定性问题是计算不可解决的[注]董佳蓉：《语境论视野下的人工智能范式发展趋势研究》，北京：科学出版社，2016年版，第126页。，因此以计算为基础的人工智能在解决司法价值判断问题上仍具有很大的局限性，它最多只能作为一种辅助性工具来使用。

个案正义问题源于案件的非类型化，相较于类型化案件审理而言，对于非类型化案件的处理则需要更为复杂的价值判断。如何让法官在进行复杂价值判断时保持最大程度的理性始终是裁判理论的一个中心议题。在人工智能大力介入司法裁判的当下，细致分析人工智能对于增加法官价值判断的理性程度有何裨益和局限就成为题中应有之义。缘于此，本文立足于人工智能的司法辅助性角色定位，在阐释个案正义的获取关键及其对裁判性质型塑的基础上探讨人工智能对于获取个案正义的功能，并对功能的限制性因素进行分析。

二、获取个案正义的关键及其对裁判性质的型塑

个案正义问题源自于案件的非类型化。当一般的、抽象的法律规范能够满足案件公正判决的要求时，这就意味着待决案件事实与法律事实具有同质性，该待决案件属于类型化的案件。对于类型化的案件，法官裁判只需将法律事实与案件事实进行比照便能得出结论。在这种情况下，个案正义与普遍正义实现了统一，个案正义问题便无需提起。但当一般的、抽象的法律规范不能满足案件公正判决的要求时，这就意味着待决案件事实与法律事实具有异质性，该待决案件属于非类型化的案件。对于非类型化的案件，法官难以根据法律事实来比照案件事实得出裁判结论。在这种情况下，法官裁判必须通过获取个案正义来保障普遍正义的实现，如此，如何获致个案正义便成为法官裁判要面对的核心问题。

案件的非类型化导致了个案正义问题的产生。在裁判实践中，案件之所以被贴上“非类型化”的标签，是因为该案件具有强烈的独特性，难以比照法律事实对其进行归类。当法律文字不能照顾具体案件的特殊情况时，法官必须在法律赋予的自由裁量权限之内考虑案件的特别构成要素，这样才能使正义在个案中有实质的落实[注]范文清：《试论个案正义原则》，载城仲模：《行政法之一般法律原则(二)》，台北：三民书局，1997年版，第401页。。可见，获取个案正义的关键在于法官如何在遵守法秩序的前提下对案件做出符合其特定情形的判决。在现代司法裁判理念下，对法秩序的遵守一般通过“体系的开放性”得到了解决，而对案件作出符合其特定情形的判决则需要法官在具体情境中通过对关涉案件的各种因素进行综合考虑和权衡才能获得。对涉及个案多种因素的考虑和权衡其实就是价值判断的过程，由此我们可以进一步得出，就裁判活动而言，获取个案正义的关键在于法官如何妥当地进行价值判断。法官的价值判断使得司法裁判不再仅仅是依据法律事实对案件事实进行简单的类型化处理，而是变成了一个复杂的慎思过程，从而使得司法裁判呈现出如下性质和特征：

其一，裁判活动具有强烈的问题导向性和情境性。所谓问题导向，是指所有行为都是围绕“问题”展开的，“问题”在整个过程中具有导向作用，而“问题”则是指“允许表面上看起来有不止一个答案的任一提问”[注][德]特奥尔多·菲韦格：《论题学与法学——论法学的基础研究》，舒国滢译，北京：法律出版社，2012年版，第28页。。个案正义虽然要求法官在现行法秩序内对案件寻求体系化的解决，但法官在寻求体系化解决时往往不能保证个案正义有实质的落实，原因在于案件的非类型化或独特性使得法官不能对个案进行“非黑即白”式的处理，而是在“黑白之间”进行理性考量和抉择。缘于此，法官只能从个案的特定情形入手，围绕个案来寻找最适合案件具体情况的答案。这种立足于个案特定情形并以解决个案问题为目标的裁判活动具有明显的问题导向性。而司法裁判的问题导向性决定了它必然同时又具有情境性。问题总是在情境理解之内发生[注]舒国滢：《走近论题学法学》，《现代法学》，2011年第7期，第11页。。因此，对于个案问题的处理离不开对个案发生时的情景或背景的考察，即离不开法官和当事人所处的具体文化环境或所享有的生活方式和价值观念。

其二，司法推理一般会采用到“决策—论证”模式。由于案件的非类型化或独特性，法官通常不能从既有法律规范中径直为案件寻找到一个明确的判决结论。为了获得公正的判决，法官不得不从案件具体情况出发，“对法律问题从各种不同的方向，将全部由法律本身，或是由法律以外的领域所获得，对于问题的正当解决有所助益的观点都列入考量”[注][德]卡尔·拉伦茨：《法学方法论》，陈爱蛾译，北京：商务印书馆，2004年版，第25页。。这样，司法推理过程就变成了先是对与个案关联的各种因素和各种观点进行充分权衡和考量后做出决策，然后再对决策进行合法性和正当化的论证。这种“决策—论证”推理模式下所做出的判决能够最大化的满足有关当事人的需求，有利于有关当事人尽快达成合意，从而非常适合用来解决裁判领域的价值判断问题。

其三，司法裁判重视判决的可接受性。判决的可接受性是指当事人和公众对判决在心理上的接受和认同，它特别强调判决的正当性和合理性，而非关注法律的强制性，因而成为衡量判决是否公正的标准。相对于类型化案件的审理，非类型化案件的审理需要更为复杂的价值判断，而价值判断在本质上就是法官对当事人和公众进行的一种说服，说服当事人和公众认可和接受判决。在非类型化案件审理的过程中，法官不能简单依据法律对案件做出非对即错的判决，而是要全面考虑案件的特殊情况和判决的社会影响等多种因素。对这些因素无法只从法律逻辑角度来进行简单的合法与否的评价，而要从正当性和合理性视角来进行可接受性程度上的权衡和考量。

总之，个案正义要求法官在裁判过程中必须进行复杂的价值判断。而为了完成复杂的价值判断任务，司法裁判不再是将案件事实与法律规范简单地进行涵摄或等置就能得出明确的判决结论的过程，而是围绕个案问题，对关涉个案的事实因素、法律因素和社会因素等进行情境化考量及决策与论证的过程。如此一来，合法性就不能成为判决公正的唯一标准，在合法性之外，还得寻求判决的可接受性。

三、基于裁判性质看人工智能对于获取个案正义的辅助性功能

为了获取个案正义，司法裁判由简单的涵摄或等置过程变成了以判决可接受性为目标，以个案问题为导向的决策—论证过程。司法裁判过程的这一性质转变使得裁判过程确实能够更多地容纳价值判断：一方面，裁判过程的问题导向性和情境性让法外因素顺利地进入到了案件审判之中，使得法官对关涉案件的社会、经济和道德等因素的考量具有了可行路径；另一方面，司法推理的决策—论证模式不仅使特定条件下的现实需求成为了案件审理的依据，还认可了法官的司法前见和实践经验等对裁判的正当影响。然而，司法裁判在更多容纳价值判断的同时如何避免法官直觉和偏见的消极影响，以确保价值判断的理性作出，人们对此一直孜孜以求却始终未能找到最终解决的办法。人工智能时代的到来使人们对这一问题的解决向前迈进了一大步。

从总体层面来看，人工智能强大的数据搜索和计算能力能够扩展法官的认知能力，减少法官直觉和偏见等主观因素对价值判断的消极影响。审理非类型化案件需要法官更多地运用价值判断来处理裁判中的不确定性问题。对于裁判领域里不确定问题的处理，法官无法经由必然性推论得出确定性答案，只能基于经验、良心和理性得出或然性结论，因而价值判断属于或然性判断，通常被认为是法官个人确信的表达。而法官在表达个人确信时，有时难免会受到直觉和偏见等主观因素的影响，产生错误的“确信”。如美国康奈尔大学教授拉克林斯基通过实证研究[注]关于拉克林斯基的实证研究内容，参见Guthrie,Chris,Jeffrey J.Rachlinski, and Andrew J.Wistrch, Blinking on the Bench: How Judges Decide Cases,Cornell L.Rev.Vol.93,2007.发现，直觉会对法官裁判产生很大影响，它不仅会让法官基于偏见作出情感上让人难以接受的结论，更为常见的是，它还会让法官因判断误差而致使判决结果出现偏差，比较典型的如“锚定效应”。所谓“锚定效应”是指“在不确定情境下，判断与决策的结果或目标值向初始信息或初始值即‘锚’的方向接近而产生估计偏差的现象”[注]Tversky A,Kahneman D.,Judgement under Uncertainty:Heuristics and Biases,Science,Vol.185,1974.转引自郭春镇：《法律直觉与社科法教义学》，《人大法律评论》，2015年卷第2辑，第109页。。拉克林斯基的实验研究表明，法官在裁判过程中会基于别人先前给定的信息即“锚”来作出判断，这个信息对法官判断产生了很大的影响，而它本来不应该有如此巨大的影响，如此就形成了偏差性的裁判结论。虽然法官直觉来自于其长期的法律知识学习和司法经验积累，并非是反理性的妄想，然而法官个人知识和经验的有限性使得直觉判断经常会忽略一些重要信息，从而会对案件做出不公正甚至错误的判决。与法官经验和理性有限性形成鲜明对比的是，人工智能对海量数据则具有强大的搜索和计算能力，它通过对互联网海量数据的分析和处理，为法官裁判提供了全量信息和“数据经验”，同时也弥补了法官对庞大信息处理能力的不足。详言之，大数据分析一方面能够瞬间对“全量数据进行分析而非抽样分析，以一种全量归纳逻辑形式对事件进行客观描述”[注]周蔚：《大数据在事实认定中作用机制分析》，《中国政法大学学报》，2015年第6期，第80页。，有利于帮助法官形成客观认识；另一方面通过非结构化全量数据间的相关性分析，凝练出某种规律性的认识，从而能够帮助法官对主体行为或事件发展作出趋势性预测。此外，司法辅助性技术在适用于司法裁判时对优化裁判路径也产生了一定的作用，这在一定程度上也降低了法官直觉判断可能带来的风险。

以上所述是对人工智能的辅助功能所作的总体阐释，欲更清晰地了解人工智能对于获取个案正义的功能，还需围绕裁判性质来展开具体分析。首先，人工智能为法官掌握具体案件情况提供了全面的数据信息和背景知识，帮助法官对案件事实和当事人形成了客观准确的认识。个案正义要求法官对案件进行问题导向性和情境化处理，即要求法官围绕个案问题寻找最适合案件具体情形的判决。由此可见，案件具体情况是法官裁判的出发点和基础。案件具体情况虽然是一个包容性极强的概念，但若从案件要素的视角来看，法官对它的考虑主要包括案件事实认定和当事人具体情况两个方面。事实认定主要涉及对证据的判断，而对当事人具体情况的考虑则涉及当事人的年龄、性别、性格、行为习惯及案发时处境等。就事实认定而言，大数据分析不仅是一种新的证据手段，还在证据推理中发挥着巨大作用。随着互联网应用的普及，记录各种信息的大数据不断涌现，这为事实认定提供了丰富的证据来源，此外还将证据和待证事实之间的关系以诸如照片、图表和录像等数据可视化的方式进行实质化的展示。当证据对事实的证明关系不确定，需要法官进行盖然性判断时，大数据分析能够在证据推理过程中量化各个证据要素与证明结论之间的相关程度，弥补法官在不确定性条件下对事物认知能力的不足，从而对证据材料到证据实质关联程度作出更加客观的评价[注]周蔚：《大数据在事实认定中作用机制分析》，《中国政法大学学报》，2015年第6期，第67页。。如贝叶斯公式能够对证据间的相关性程度进行量化，也能较好地描述出“初始证据事实在引入新证据之后盖然性估测的变化情况”[注]秦策：《诉讼证明的盖然性范畴：功能与限度》，《金陵法律评论》，2013春季卷，第36页。，这显然对排除法官直觉，对事实进行理性认定起到了巨大的帮助作用。就考虑当事人具体情况而言，在传统方式下，法官对当事人具体情况的了解主要来自于具体案件事实中的描述或证人证言，这种了解是碎片化的和单维度的，但在人工智能时代，大数据能够把当事人在互联网上留下的各种信息呈现出来，让我们对当事人有了更精准的了解，并由此从趋势发展角度对当事人行为进行预测，从而使得法官能够对当事人情况进行全景式考量和理性判断。在国外司法实践中已经投入使用的COMPAS系统，就是根据犯罪者的多种信息对犯人再犯风险进行评估，以帮助法官作出司法决策，虽然被人诟病存在算法“暗箱”和算法歧视等缺陷，但其基于数据的决策无疑仍具有相当程度的客观性和精确性。

其次，在对特定案件事实进行评价时，人工智能不仅弥补了法官面对新颖案件“生活经验”的不足，还使法官遵从了整体理性。个案正义还需要法官对特定案件事实进行评价，这其实是要求法官对个案判决进行社会的、伦理的和功利的等整体考量，即采用政策方法[注]法官裁判基本有两种标准：逻辑方法和政策方法，两种方法兼而有之，才能保证司法裁判的公正性和活力。政策是指作为实现经济、政治或者社会上的妥当目标而在法律适用上进行的适当变通或者有多种选择时的倾向性选择导向，政策方法就是以此种方式变通法律适用的方法。参见孔祥俊：《法官如何裁判》，北京：中国法制出版社，2017年版，第2-15页。对案件进行裁判。用霍姆斯的话来说，政策就是生活经验的体验[注]Roy L. Brooks, Structures of Judicial Decision Making from Legal Formalism to Critical Theory(2nd ed),Carolina Academic Press,2005, p.14.转引自孔祥俊：《法官如何裁判》，北京：中国法制出版社，2017年版，第14页。，因此，采用政策方法来裁判其实就是法官依靠自己的“生活经验”来裁判。当然，这里的“生活经验”并非指法官个别的经验，而是指法官集体的共同的社会经验。那么面对个案裁判的法官如何获得法官集体的共同的“生活经验”，以及如何防止法官个人偏好和偏见不被当成“生活经验”？作为社会组成人员，法官的“生活经验”自然主要来自于其长期的职业共同体生活和从业经历，而人工智能的出现不仅弥补了法官面对新颖案件“生活经验”的不足，还让法官遵从了整体理性，适度降低了法官偏见对司法判断的影响。法官可以从互联网公开的裁判文书中搜索出大量先前法官对类似案件的处理信息，从中获取先前法官裁判的经验和方法，为自己个案裁判寻求启发。此外，大数据分析技术通过对法律规定、大量以往案件信息及判决结果之间相关关系的分析，可以对未决案件进行裁判预测。这种裁判预测反映的是过往审判实践中的法官集体经验或“平均理性”，它虽不能替代当下案件的审理结果，但可以对裁判实践提供参考信息[注]白建军：《法律大数据时代裁判预测的可能与限度》，《探索与争鸣》，2017年第10期，第96页。。这种对法官集体经验的获得不是来自于个别法官的臆想，而是基于全量“数据经验”的分析和归纳，对它们的参考，意味着法官对整体理性的遵从，这在一定程度上也限制了法官偏见对司法判断的影响。

最后，人工智能为司法裁判提供了辅助决策和检测的工具，排除了“决策—论证”过程中直觉主义的影响。当审理非类型化案件时，法官在使用演绎推理的基础上往往会采用到决策—论证的推理模式，即先做出决定，然后再对决定的合法性和合理性进行论证。决策—论证的推理模式使法官决策看起来充满理性和慎思，但仍不免会受到直觉偏见的影响。法官在对自我决策进行论证时，往往会出现自我合理化的倾向，从而导致偏见对裁判的涉入。对于此种问题的解决，只需在裁判过程中发挥人工智能的辅助决策功能和检测功能便可收到事半功倍的效果。一方面，人工智能通过自动识别提取法律事实和情节、自动推送关联法条、争议点自动整理以及裁判文书自动生成等来辅助法官进行部分司法决策，当法官部分司法决策被人工智能辅助时，直接压缩了法官直觉判断运用的空间，从而相应地也减少了产生偏见的可能性；另一方面，人工智能还可以通过偏离预警和裁判预测等司法辅助系统为法官决策提供便捷有效的检测工具，从而能够有效地防范和控制法官自由裁判的风险。例如，偏离预警把基于人工智能算法推测的量刑幅度、判决结论或裁判流程等与法官裁判的量刑幅度、判决结论或流程进行比较，计算两者之间的偏离程度，并对偏离程度进行不同程度的警告，如果偏离程度特别高，则意味着法官裁判的结果可能存在合法性和合理性问题[注]王禄生：《司法大数据与人工智能开发的障碍》，《中国法律评论》，2018年第2期，第48页。。由此可见，偏离预警就是将法官裁判放入与海量已决类案的比照和检测中，通过测算它们之间的偏离度来提示和促使法官对个案裁判进行反思和检讨。裁判预测也能够为法官判决提供检测工具，促使法官在心理上对个案裁判进行对照性分析和反思。质言之，人工智能的辅助决策功能和检测功能其实就是让法官裁判从对自我决策的论证转向了对他者决策的论证，削弱了自我合理化论证中产生偏见的基础，“当我们在没有辅助系统的情况下有时是在论证自我，而当辅助系统提供了决策前提时，我们是在论证他者，从而可以避免了偏见的产生”[注]葛翔：《司法实践中人工智能运用的现实与前瞻——以上海法院行政案件智能辅助办案系统为参照》，《华东政法大学学报》，2018年第5期，第74页。。

综上可知，在当前发展水平下，人工智能赋能个案正义的途径主要有两种：一是基于互联网海量样本复杂数据的大规模分析，对事件之间的相关性和相关性趋势作出量化评价，然后通过量化评价达到改变主体对事件性质的看法，换言之，就是通过全量信息归纳得出客观结论，以此来排除主体囿于理性不足而导致的认识上的错误；二是通过大数据技术适度改变裁判推理模式和规范法官行为，以优化裁判路径的方式限制和防范法官恣意，从而达到增强判决可接受性的最终目的。与常规做法在价值层面上倾向于修辞说服不同，人工智能更擅长从全量经验归纳推理和裁判过程上来寻求和保障说服的效果。从这个角度来讲，人工智能在提升判决可接受性上显然比人类做得更好。

四、人工智能对于获取个案正义的功能限制性因素分析

人工智能通过对海量非结构化数据间相关关系的分析凝练出规律性的认识，为人们提供了政策结果或决策依据。这种基于互联网海量样本信息分析的“数据经验”归纳法，是“排除和肃清困扰人类心灵假象的‘对症良药’”[注][英]弗兰西斯·培根：《新工具》，许宝骙译，北京：商务印书馆，1997年版，第19页。，因而当被运用于司法裁判时，能够帮助法官对特定案件情况形成客观认识和评价，减少直觉、偏见甚至个人偏好对裁判的消极影响。然而，人工智能在司法裁判中的功能发挥在实践中受到了诸多因素的限制，从而使得它在获取个案正义方面具有一定程度的局限性。

第一，人工智能对大数据的分析和处理只能按照事先输入的形式化指令来进行，无法满足法官价值判断时的语境化需求。由于计算机表征的高度形式化和计算的闭合性，司法人工智能在目前发展阶段只能按照预先编制的裁判系统对案件进行处理，无法跟随语境变化作出适应性改变，即使引入了深度学习和神经网络算法等人工智能新技术，它对语境变化的适应能力也是很有限的。总的来说，司法人工智能只是基于计算机算法而对具有特定意义的符号所进行的“形式裁判”而已[注]罗维鹏：《人工智能裁判的问题和归纳》，《国家检察官学院学报》，2018年第9期，第23页。。然而，审理非类型化案件需要法官作出更多的判断和权衡，而判断和权衡多是个案式的，通常要根据案件特定情况来展开，这就使得司法人工智能难以满足司法裁判中法官在理解和评价案情上的语境化需求。以司法决策辅助系统都会用到的类案识别技术为例，目前类案识别的技术思路一般是依据已经构建好的知识图谱，通过自然语义识别技术从海量文书中提取情节，将每个案件结构化和标签化，然后将具备相似情节的案件进行整合分类，形成“类案”，用户在使用时，只需勾选情节选择，系统就能从已经标签化的案件大数据库中匹配符合情节的案例进行推送[注]王禄生：《司法大数据与人工智能开发的障碍》，《中国法律评论》，2018年第2期，第49页。。尽管类案识别技术已经尽量照顾到了案件情节的多样性，但在针对非类型化案件的裁判适用时仍然存在一些问题。一方面，类案识别的情节提取即使再全方位化和多样化，也不可能做到完备无缺，然而系统只能根据预先确定的案情画像进行比对和推送。非类型化案件的典型特征就是具有个殊性，其存在预先未被系统确定的情节要素情形的可能性极大，这样，依照数据库中既有的案情画像很难找到与其匹配的类案。另一方面，目前的类案识别技术主要还是建立在对案件情节分析的基础上，以情节相同或相似为类案标准，然而案件的相似性并不总是以情节相同或相似为基础，它有时还与对案件要素的法律评价有关。两个案件即使有再多相同和相似的情节，但如果都不具有法律评价上的决定意义，就不属于法官所要寻找的类案；反之，如果两个案件情节相同点或相似点很少甚至没有，但只要具备法律评价上有决定意义的共同要素，那它们就属于类案。而对案件要素的法律评价通常是根据案件具体情形来作出的，具有主观化、差异化和复杂化的特征，很难用一套形式化的语言归纳和表达出来，不易被人工智能所表征和识别。因此，系统对类案的识别只能按照预先输入的案情画像来操作，这样就很难满足法官价值评价时的需求。换言之，对于非类型化案件裁判，法官有时也无法通过大数据运用获取到合适的知识、经验或答案，或者说，大数据有时也会为司法裁判提供大量无用的信息。

第二，人工智能对于获取个案正义的功能发挥高度依赖于数据的真实性和完整性，然而无论是实践上还是理论上，获取真实的和完整的数据都存在一定的难度。数据是人工智能存在的基础，但人工智能一般只对数据之间的相关性进行分析，无法对数据之间的因果关系进行阐释，因此，当输入不真实不完整的数据时，得出的就是无用片面的结论。人工智能的这一特性使得它的功能发挥必须以真实和完整的数据为前提。目前，我国司法人工智能的来源数据主要包括法律法规、司法解释和网上公开的海量裁判文书等，其中网上公开的裁判文书是绝大多数司法辅助系统开发和运用的基础。且不论数据来源比较单一，单就网上公开的裁判文书而言，通常就会遭遇以下几个方面的真实性和完整性问题：从实践上看，一方面，网上公布的裁判文书在数据整体上并不完全具备全样本性，公布文书数量与实际结案数量相差较大，数据缺失问题比较严重，公开的裁判文书所涉及的案件类型也不全面[注]左卫民：《迈向大数据法律研究》，《中国法学》，2018年第4期，第142页。；另一方面，虽然各个裁判文书因撰写者不同而风格各异，但因受制度和实践等方面的规范限制而表现出一定程度的格式化问题，裁判信息不能得到充分显示。从理论层面来看，即使是制作得再好的裁判文书也不可能是案例的镜像，它虽然记录了案件处理的过程和结果，但不可能展示出司法裁判的整体样貌。一些诸如司法前见、结果导向、经验参与、事实裁剪、观念辐射等司法隐形知识广泛地存在于案件裁判的各个环节之中，并在司法判案中有它特定的位置[注]胡学军，涂书田：《司法裁判中的隐形知识论纲》，《现代法学》，2010年第5期，第93页。，甚至有时会对判决起着决定性作用，但它们无法被语言文字表达出来，因而不可能被裁判文书所记录。因此，从裁判文书中并不能获取裁判的完整信息，就算能够获取，也无法被人工智能语言所表征。此外，对于一些新颖案件，当法官不能从既有法律规范中找到判决答案时，便会从公开的裁判文书中搜索类似案例，但若裁判文书中只记录了很小数量的类似案例，此时，法官便有可能会受到“小数定律”这一直觉偏见的影响，对小样本的数据统计结果产生偏信，从而依照小样本案例对新颖案件进行裁判。当直觉偏见经由大数据进入司法裁判时，人工智能对于获取个案正义的功能便在一定程度上被消解了。

第三，人工智能面临着算法黑箱窘境。虽然算法黑箱并非总是发挥负面功能，如果运用合理，如将大学生食堂消费情况作为贫困生评定标准的算法，也可以起到弥补社会裂痕、维持社会共识的作用[注]丁晓东：《算法与歧视：从美国教育平权案看算法伦理与法律解释》，《中外法学》，2017年第6期，第1622-1623页。。但总体而言，人们一直在试图努力破解黑箱问题，以避免人工智能的消极影响，比如2018年5月25日正式出台的《欧盟通用数据保护条例》(GDPR)，规定了数据主体的知情权、更正权、反对权和自动化个人决策相关权利，意图加强算法问责和智能决策的透明度。从裁判角度来看，算法黑箱与司法公开原则直接相违背，忽视了决策过程的论辩性和交互性。个案正义要求裁判过程容纳更多的价值判断，而价值判断不是计算就能处理的，它还需要通过主体间的交流、对话和论辩来解决，但算法黑箱致使裁判决策变成了自动封闭过程，缺乏论辩性和交互性，因此无法容纳更多的价值判断。此外，算法黑箱也可能导致算法歧视。“可能由于编程者下意识地把自己的偏见编进了程序，也有可能由于数据本身就反映了社会偏见”[注]於兴中：《算法社会与人的秉性》，《中国法律评论》，2018年第2期，第58-59页。，算法的不透明性及专业性又使得这种偏见不能被及时发现，最后导致出现歧视性结论。当算法歧视通过司法辅助系统出现在裁判过程中时，很难说它不会对法官判断产生影响。如上文提及的COMPAS系统，虽经独立机构测试存在对黑人的算法歧视，但在美国威斯康辛州诉艾瑞克·卢米斯(Eric Ioomis)案中仍被采用对被告人进行量刑预测，且预测结果被法官所采纳，从而引发了热议[注]参见朱体正：《人工智能辅助刑事裁判的不确定性风险及其防范》，《浙江社会科学》，2018年第6期。。

五、结语

由于人工智能的“认知”缺陷，价值判断一直被认为是人工智能适用于司法的短板。然而，价值判断是司法裁判不可回避的问题，特别是非类型化案件的审理。由此，司法人工智能研究必须围绕价值判断来展开。价值判断在本质上是一种基于信息和经验的选择或决策。传统的做法一般是法官只能基于自己所掌握的有限经验和信息来作出选择或决策，大数据分析则通过对互联网海量数据间的相关性分析为法官提供了全量样本信息和“数据经验”，从而扩展了法官的认知水平，提升了法官理性判断的能力。然而，价值判断还关涉主体情感，尽管人工智能出现了诸如概率论和贝叶斯定理等计算工具，主体的情感选择仍然是大数据分析所无法解决的问题。因此，当把主体的主观性问题作为大数据分析的对象时，便会产生各种问题。