智能裁判的科学内涵

范兴科

(温州大学法学院，浙江温州 325035)

一、司法裁判的历史演进

司法裁判的历史久远绵长，历时数千年，以裁判主体变迁为考察视角，大致可分为三个阶段：“神判”（仰赖神明裁判）、“人判”（法官裁判）、“智判”（人工智能裁判）。“神判是一种古老的、世界性的法人类学现象”[1]112，古罗马的西塞罗认为，“我们同神明之间有着亲族的或世系的或根源的联系。”[2]中国古代有“獬豸决狱”的记载，东汉王充《论衡》：“皋陶之时，有獬豸者如羊而一角，青色，四足，性知曲直，识有罪，能触不直。皋陶跪事之，治狱，罪疑者，令羊触之，故天下无冤。”[3]47皋陶被奉为中国古代司法之鼻祖，他治狱时所用的“道具”就是獬豸的形象。显然，“神判”以所谓的“神物”作为表象裁判主体，以此确立司法权威与裁判的公信力，而人只是隐藏于神物之后的所谓隐形裁判主体。徐忠明教授指出，皋陶决狱理讼体现了中国古代的神判习惯，在审案过程中或以獬豸为助手，或自己扮成獬豸的模样（“巫法官”），以通神意，决断狱讼[3]48。中国古时的“灋”字，已成为这种“神判文化”的表征，换言之，古代中国的“法”理念，其实渊源于先民的“神判”实践。早在夏代，启的大臣孟涂便以“血迹神判”审理案件，至商代，盛行以“占卜神判”断狱，到西周，仍保留着“盟诅神判”的司法形态[1]112。《墨子·明鬼》载：“昔者齐庄君之臣，有所谓王里国、中里徼者。此二子者讼三年，而狱不断。齐君由谦杀之，恐不辜；由谦释之，恐失其罪。乃使之人其一羊，盟齐之神社。二子许诺，于是泏血，羊而漉其血。读王里国之辞，既已终矣，读中里徼之辞，未半也，羊起而触之，折其脚祧神之而槁之。”在日本法学界，著名学者穗积陈重专门研究了盛行古代西欧的“神判”样态——“触审”，穗积陈重认为，这种裁判方式实质上就是“血迹神判”，只是具体方法有差异，即所谓“触尸出血”，这种方法的依据就是古代西欧人有一种“信念”，认为当杀害者靠近被害者的尸体时，尸身就会出血，这种“信念”在那个特定的时空广泛存在，斯拉夫人与条顿人尤其热衷这种做法[4]。

西周时期是中国历史上政治和法律的大变革时代，表征为政治层面的根本转型，由神权政治演进为宗法政治，观念层面从重神鬼更替为重人事。事实证明神权政治并不能帮助夏商政权维持其永续统治，“神判”的虚幻和不可靠逐渐被人们认清，周公把“天命”与“民情”联系起来，在具体案件的审判实践中，开始以人事的全新视角，重新审视立法及司法中的一系列重要问题，突出人在案件裁判过程中的主体性功能，根本去除“神判法”的理念，案件的裁判主体从此由神更替为人，“神判法”更替为“人判法”，从而实现中国古代司法理念质的跃升[5]。司法审判上由重“神判”转折到重“人判”，“人判”遂成为接下来数千年司法的主流样态，直至人工智能裁判的出现，人们又冀望智能裁判能够克服法官裁判易受人性偏私等弱点牵制的弊端。

从“人判”到智能司法裁判的跨越源于新科技的驱动。当下人工智能科技取得了令人惊异的进展，在某些场域表现出了“超人”的非凡能力，特别是“深蓝”及AlphaGo的横空出世，前者战胜了国际象棋的顶尖高手卡斯帕罗夫，后者击败了世界围棋的大师级棋手李世石，人工智能的非凡表现点燃了世人对人工智能的激情。在司法领域，人工智能的运用尝试更是如火如荼。一方面源于政府通过顶层设计的强力推动。2017年，国务院制定《新一代人工智能发展规划》，将“智慧法庭建设”作为规划智能司法发展的重要环节，建设“智慧法庭数据平台”，促进及实现法院“审判能力智能化”。国家最高司法机关拟定和公布《最高人民法院关于加快建设智慧法院的意见》，明确要求提升司法的智能水平。与此同时，最高人民法院不遗余力推动人工智能在司法领域的应用，这无疑是一个良好的开端。当下的“智慧法院”定位为法院利用新的信息科技对自身信息处理能力的提质升级，智能裁判的作用在于提升法院对案件的处理能力，智能裁判系统初步具备了分析案件的能力。“智慧法院”建设“为司法人工智能搭建了基本框架”[6]17。另一方面源于科技与市场的积极动力。科技公司契合智能裁判的技术需求，积极研发支撑人工智能司法的新技术，发展完善人工智能作为智能裁判主体的独立资格及行为能力，并与各地法院深度合作，推进智能裁判更广泛的应用，同时也取得了一些进展。科大讯飞公司率先与东部数个省市高级法院签订《推进长三角地区三省一市“人工智能 + 法院”深度战略合作协议》，通过科技与市场的紧密链接，推动“人工智能+法院”的落地生根。特别值得一提的是，“上海刑事案件智能辅助办案系统”已成为我国智能裁判的标志性进展及成果。国外智能裁判的起步则稍早，比如，美国一些地方法院已经将智能裁判技术大规模地应用于审前保释与判后假释的风险评估，通过智能裁判来确定被告刑期。这种“风险评估工具”则是基于之前大量的量刑案例所厘定的算法[7]。

尽管目前智能裁判总体上仍处于初级阶段，水平还不高，但已无法否认智能司法新时代已经到来。智能裁判相对传统法官裁判的效率与公正优势会不断得到发掘，其内在构成机制会不断完善与成熟，因此，其优长及特质展现一定是一个渐进的过程。

二、智能裁判的构成要素与特质

1950年10月，英国数学家、逻辑学家艾伦·图灵（Alan Turing）发表题为《机器能思考吗?》的论文，这篇划时代之作为图灵赢得了“人工智能之父”的桂冠。考虑到难以准确界定“智能”概念的内涵，于是有了著名的“图灵测试”作为一个初步标准：倘若作为测试者的第三者无法分辨出人类和人工智能机器反应的差别，便可判定该机器具备人工智能。即在一个人与一台机器隔开的情形下，透过一些设备（比如键盘）向被测试者随意提问，经过多轮测试之后，若有超30%的人未能判定出被测试者是人还是机器，则这台机器便通过测试，其就被认定为具备人类智能。

1.2.3 集中学习 配置专门的学习教室，晚上集中学习理论、临床技能，医教科负责考勤。转变传统的知识本位、学科本位的住培观，倡导能力本位、以人为本的培训理念[7]。学习形式有自习、互相交流、互相为练习对象进行临床技能的操作练习。请专业的培训老师授课，重点是进行临床病例分析的练习，对病例进行全面客观的分析，避免局限在本院产科、妇科和儿科的固有思维。

当下智能裁判概念参照的模型有两个版本，除了图灵版本，还有塞尔版本。塞尔认为，尽管智能设备能够模拟人类思维的一些能力，但非形式化认知及认知方法是人类特有的能力，人工智能难以完全模拟。因此，人工智能不可能达到人类的智能水平，塞尔提出的“强人工智能”概念自然难实现[6]28。实现智能裁判，就要拟用人工智能替代法官来进行司法裁判，其基本前提就是人工智能必须具备自然人法官拥有的法律知识和裁判能力，甚至拥有超法官的裁判能力，这也是人们对人工智能的热切期望。

目前学界关于智能裁判还有很多问题没有系统且明确的答案，具体发展路径尚不清晰，对智能裁判的内涵尚未有一个科学的界定，对智能裁判的认知仅有一些初步的轮廓。智能裁判拥有与传统法官完全异质的裁判主体。一个全新的、拥有一定独立判断能力的法律人工智能系统，尽管其现阶段尚未发育成熟，保守的观点甚至认为其还处于“婴儿”阶段，但我们不能漠视这个新类裁判主体的存在，从现有的研究进展来看，其主要构成要素涵括：大数据与法律知识图谱构建、算法与裁判模型、机器学习能力。学者尤其关注攸关智能裁判有效运行的这些核心要素，关注人工智能技术与法律专业知识的契合。很显然，人工智能技术的成熟程度直接决定智能裁判主体的表现与特质。

（一）大数据与法律知识图谱构建

如何让人工智能具备法官裁判能力？首先需要人工智能具有机器学习能力，能对以往法官裁判案件（包括裁判过程）大数据进行学习、分析、判断、处理。“基于对机器学习算法基本原理的阐释，我们不难发现其对于大数据的依赖。”[8]19司法大数据是实现智能裁判的基本前提条件。

大数据（big data），通常被界定为常规软件工具在特定时间内无法收集、管理与处理的数据集合，必须采用新处理模式，才能具有更强能力的海量信息资产。在《大数据时代》一书中，维克托·迈尔·舍恩伯格及肯尼斯·库克耶认为大数据就是对所有数据进行处理，从而有别于传统的抽样调查等随机分析范式。IBM归纳了大数据的5V特质（Volume、Velocity、Variety、Value、Veracity），诸如，大量、高速、多样、低价值密度、真实性等价值。法律大数据采用全新的技术模式，对法律信息进行快速捕捉与处理，生成拥有突出优势的数据集成。全面、准确及前瞻是这一数据集成的主要特点，其自身还拥有科学的判断能力及优化能力。司法大数据是生成于司法场域的海量数据，包括司法机关内外的案件数据，以及相关视频及音频等数据样态，其具有超越常规的处理能力，包括提取、存储及分析能力，尤其是一个可以“分析及预测未来”的大数据[9]。

人类社会的不确定性与复杂性决定了“大数据集”客观上的非完备性，采用不完整的数据导致算法所形成“规则集”的偏差将可能进一步强化既有的社会不公现象。比如，类案类判是当下司法大数据与智能裁判领域最为引人关注的一个尝试。欲使类案类判这一系统能够有效运行，对裁判文书数据的规模和容量必然有一个最基本的要求。法院裁判数据在时间与结构上的“先天不足”，诸如缺乏足够的、历史的“数据储备”，上传的文书存在较大的“数据漏洞”等，会直接造成类案类判系统在实践中的推进乏力。因此，创建符合要求的法律案例大数据已成为当务之急。缺少法律案例大数据库的支撑，类案类判系统无疑将成为“沙上堡垒”[10]。

其次，为了展开有效的机器学习，必须依据法律专业知识预先处理大数据，构建法律知识图谱，这是机器学习的前提条件。“人工智能司法应用的前提是法律知识图谱的构建以及裁判规则的类型化与要素化。”[11]66知识图谱（knowledge graph）又称为科学知识图谱，在图书情报界被称为知识域可视化或知识域映射地图，它可以利用可视化技术绘制及显示知识间的相互联系，通过可视化的图谱形象地展示学科的整体知识架构，为学科研究提供切实的、有价值的参考。知识图谱的应用是大数据时代的一个标志。实质上，知识图谱就是一个语义网络，包括节点（point）与边（edge）等元素。它将全部分散信息链接在一起，生成一个关系网络，拥有从“关系”角度来诠释解决问题的能力。伴生知识图谱兴起的是人工智能场域的机器学习技术及概念，其核心要点在于通过搜集一系列大数量级的结构化数据或非结构化数据，继而基于领域专业性对数据进行分析建模，并通过机器计算从中找出规律——通常是该领域的规律，最后机器可以识别该规律并进行学习，形成之后生成相关数据的计算规则。

在法律领域，由于其高度的专业性、知识性和强逻辑性，法律知识图谱的建构基本还亟待发展，现有的技术最多仅仅是利用机器学习建构数学模型来处理法律数据，但是这类数据通常是结构化数据，解析的也都是通用文本，灵活性较差，无法适用于法律文本训练。此外，现有的关联图技术与算法欠缺对法律场域的适用性，主要是因为法律专业性较强，传统方法无法实现法律概念、规则的认知，只能揭示常规的实体关联关系，在法律逻辑层面的技术处理上有较大缺陷。

构建法律知识图谱需要解决技术及理论上的问题。当下业界主流的技术服务商创建法律知识图谱采取“自顶向下”的运作模式，即先依据法律规则体系，考量在具体司法案件裁判过程中各种影响法官的因素，由法律专业人员建构起尽可能细致完备的“法律概念模型”[12]。在民事诉讼领域，有学者提出构建法律知识图谱的要件事实型民事裁判理论，“要件事实型民事裁判论与司法人工智能的生成规律具有内生契合性，可作为神经网络深度学习、分词设置、知识图谱设计的基础与前端理论。具体应用路径是依要件事实论不断进行层级解构，将案件认事用法解构为不同层级要素，并由法律专家分层级、分阶段标注，从而形成以要素标注的法律知识图谱大数据，以供机器学习。”[11]66

（二）算法与裁判模型

算法的中文表述最早可追溯到《周髀算经》，英文algorithm 一词则来自波斯数学家al-Khwarizmi。al-Khwarizmi于9世纪在数学领域率先提出算法概念，具体指阿拉伯数字的运算法则，算法一词也从最初的algorism于18世纪演变为现今的algorithm。一般来说，算法就是一个策略机制，一个采取系统方法来解决问题的机制。换言之，算法能够对符合特定要求的输入，适时获得所要求的输出。一个案件的案情被输入之后，依据运算及推理，算法就能输出一个具体的裁判结果，恰似一个“自动售货机”。一个算法的优劣可以用空间复杂度与时间复杂度来衡量。欧几里得算法被人们确认为是有史以来第一个算法。关于算法的分类及类型，主要有检索算法、数据结构的算法、计算几何的算法、加密算法、排序算法、并行算法、随机森林算法等等。人工智能裁判包含两个核心步骤：语言转换和算法运行[6]25。算法是智能裁判的核心环节，目前智能裁判特别倚重的是机器学习算法。

“虽然‘算法’这一概念在现实生活中耳熟能详，但其定义在学界却并没有形成高度共识。狭义的理解认为算法是特殊的决策技术，而广义的理解往往将算法视为建构社会秩序的理性模型。”“法学聚焦算法作为法律原则外化的符号或代表的作用”[8]17，有人甚至将算法视为一个“黑洞”，比如伯格斯特教授，他强调指出，虽然我们能够清晰感知其存在及影响，但对它的内部构成却一无所知。因此，伯格斯特教授认为，很难对算法进行普适性定义，称其为“一个不可能完成的任务”[8]18。当下，机器学习算法存在的法律议题集中表现为“不可解释隐忧”“自我强化困境”及“主体性难题”。“不可解释隐忧主要关注算法因其生产和应用过程不能为人所理解而可能带来的算法黑箱、不可监督、难以追责等治理议题”[8]19。《卫报》专栏作家Ben Goldacre 曾将算法形象描述为一系列的“黑盒子”，其认为一方面数字世界是不透明的，而另一方面人类却将财富、隐私以及其他所有东西都置于其中。自我强化困境聚焦算法因依赖大数据学习过程而可能出现的固化、偏差、歧视等治理议题，比如，“信息茧房”①“信息茧房”概念是由哈佛大学法学院教授、奥巴马总统的法律顾问凯斯·桑斯坦在其2006年出版的著作《信息乌托邦——众人如何生产知识》中提出的。通过对互联网的考察，桑斯坦指出，在信息传播中，因公众自身的信息需求并非全方位的，公众只注意自己选择的东西和使自己愉悦的通讯领域，久而久之，会将自身桎梏于像蚕茧一般的“茧房”中。“数据鸿沟”及“算法歧视”等。主体性难题涉及算法作为人类社会运行规则而在一定应用场景下替代人类行为所引发的治理议题。尽管将法官的一个推理流程简化为简单逻辑模型的做法尚不可行，但显然，这种研究路径仍然有价值，对于智能裁判研究来说可提供方法论之启示意义[13]56。

（三）机器学习

学习是人类拥有的一种关键智能行为和能力，支撑人类可以成为万物的尺度。机器学习是人工智能核心能力，是实现智能裁判的基础环节。什么是机器学习？目前学者们的观点尚不统一。比如，Langley认为，机器学习是“一门人工智能的科学”（1996）[14]，特别强调怎样在经验学习过程中完善“具体算法的性能”。Tom Mitchell强调，机器学习是对可以借助经验自动改善提升的“计算机算法的研究”（1997）①参见：Mitchell T M.机器学习（计算机科学丛书）[M].北京：机械工业出版社，2014。。Alpaydin指出，机器学习是借助数据或者过往经验来优化升级“计算机程序的性能标准”（2004）②参见：Ethem Alpaydin.机器学习导论[M].牛常勇，译.北京：机械工业出版社，2009。。对机器学习进行科学界定是十分必要的，尽管对它的定义有各种缺陷，但这是研究机器学习最基本的一步。机器学习主要研究如何使用机器来模拟人类学习活动，厘清机器怎样获得新的知识与技能，怎样鉴别已有知识。机器学习算法可突破人为因素所造成的局限性，依靠深度学习，借助决策树及神经网络等科学处理相关数据，并有效提升数据运算速度[15]。概言之，机器学习（machine learning）就是指计算机设备怎样模拟及达至人类的学习能力，掌握新知识及技能，且能够进一步运用自身拥有的知识不断升级自身能力。通过机器学习，使人工智能有能力和资格成为一个独立的裁判主体。作为智能裁判的核心环节，机器学习是赋予计算机智能的关键路径。

机器和人类是否可以具有相同的学习能力？该问题于科技层面已有重大突破。1959年，美国程序员塞缪尔（Samuel）开发了一个拥有学习能力的下棋程序，此程序可在随后的对弈过程中不断改进自己的棋艺，经过4年时间的学习就战胜了设计者本人，又经过3年，该程序又战胜了一个棋艺更高的常胜冠军，向世人生动展示了程序机器学习的能力。

机器学习成功突破了“波兰尼悖论”③“波兰尼悖论”，即迈克·波兰尼曾指出，“人类知道的远比其能表达出来的更多”。比如，我们虽然能很容易记住一张面孔、辨别一个声音，但却并不能很好地阐述或解释我们为什么可以实现这一功能。的束缚，机器学习算法能够完成算法的自我生产过程。具体过程就是借助大数据，依靠机器自我训练与学习，来完成调整参数和构建模型，虽然仍有人类参与，但机器学习算法已经摆脱了需要依赖人类表达能力的局限[8]18。实现算法的自我生产过程、完成算法生产过程及其应用结果与人类行为本身的分离，亦即人工智能在具体决策行为中摆脱了对人的依赖，从而使人工智能替代法官成为可能，使智能裁判成为可能。

三、智能裁判的科学内涵

伴生人工智能技术的进展及成熟，智能裁判终从理念变为现实，并从初级继续迈向高级。何谓智能裁判？迄今为止，学界尚未对其内涵作一个系统科学的界定。有的仅将其定位为对传统法官裁判的一种模仿，可概括为“对法律推理和司法裁判的模仿”[13]51，人工智能系统“模拟法官思维”展开法律推理及作出最终判决的审判模式。有的将人工智能裁判确定为“抽象裁判”“形式裁判”，与传统的法官裁判作出界分[6]22。所谓抽象裁判，即智能裁判系统对于法律或者事实从一个概念推导出另一个概念的流程。智能裁判是依据智能算法对具备特殊意义的符号进行的“形式裁判”，法官裁判则是依据自然语言并受制于语义与语境作用的“意义裁判”。有的将智能裁判定位成高级司法人工智能，“初级的司法人工智能属于一种司法辅助工具，这是目前学界和实务对司法人工智能的一般定位。高级司法人工智能，即人工智能裁判。”至于两者关系，则强调“高级司法人工智能蕴含初级司法人工智能”[6]19。

上述关于智能裁判的定义揭示了智能裁判的一些特质，但犹如“盲人摸象”，未能全面、系统、精准把握其本质及内涵，特别是智能裁判作为一个与人工智能新科技紧密相连的线性发展过程，其样态和特质可能是一个线性变量。应从裁判主体、裁判客体、主客体关系等层面动态把握，精准厘定其科学内涵。

（一）裁判主体

主体是一个汉语词汇，指事物的主要骨架结构；在哲学层面，通常指对客体有认知及改造能力的个体；民法领域主体特指承担权利与义务的自然人或法人；刑法场域主体是指由于犯罪而承担刑事责任的个体；而在国际法场域，主体是指行使国家主权与承担国家义务的责任体。因此，主体呈现出各种不同的表现和样态，比如，民事法律关系主体、犯罪主体、国际法主体。

人工智能是否可以和自然人法官一样成为裁判主体？目前学界有两种截然不同的观点，一是“肯定说”，另一种是“否定说”。“肯定说”认为，“赋予人工智能法人人格是可行的，有利于创设人设立法人目的的准确实现。”“赋予人工智能法人人格，有利于保护自然人的财产权利，也有助于促进法学顺应科技和社会发展的潮流。”[16]12单独的一个程序或程序组合同其他无生命的社会组织一样，可以被法律承认和赋予其法律人格，成为一个法律主体，这种做法“在理论上是行得通的”[16]15。“否定说”认为，“人工智能作为法律拟制物无法拥有生物人的专属性”[17]。人工智能依附于人类，不具有独立行为能力，不能作为法律主体。“肯定说”无疑更符合科技时代的发展潮流。

目前科技已经能够实现算法生产过程及其应用结果与人类行为本身的分离，意味着人工智能可以独立“思考”作出判断和决定，具备单独作出裁判的行为能力，因此，人工智能成为裁判主体，现实来看是可能的和可行的。“机器学习算法基于大规模数据集形成的‘规则集’并不依赖于人类的表达能力，这样的技术突破不仅意味着人类行为自动化程度的又一次提升，其也反映了算法生产过程及其应用结果与人类行为本身的分离。考虑到传统治理体系都是以人类行为因果关系作为制度基础，机器学习算法的成熟与普及将不可避免地带来算法治理的主体性难题。”[8]20诸如，自动驾驶民事责任归责、算法所创造的知识产品的版权保护等新议题。

传统人判的裁判主体是自然人法官，是审理者裁判、裁判者负责的最佳主角，其主体性要素涵括：知识元素、思维元素、行为元素、品格元素等，从而让法官更加理性，更有智慧，更显超然，更为高尚[18]。塑造一个更加完美的法官主体，以此形成“法院是法律帝国的首都，法官是帝国的王侯”的图景。人工智能替代法官成为裁判主体必将重塑法律帝国新生态。

在初级司法人工智能阶段，人工智能不能完全独立作出判断，必须在法官的配合下才能作出裁决，是裁判能力有限制的裁判主体，因此是不完全的裁判主体。在高级司法人工智能阶段，人工智能就可以独立作出裁决，可以成为完全的真正的裁判主体，至此，智能裁判替代法官裁判才得以真正实现。

（二）裁判客体

客体（object）是指可以被主体感知或对象化的所有事物。既包括具体有形的物，比如电脑、汽车、手机等，也包括抽象无形之物，比如知识产权、正义、自由等，既包括客观存在的事物，也涵括主观思维拓展的事物。哲学意义上的客体是一个与主体相对存在的概念，意指主体之外的客观存在，作为主体实践对象和认识对象而存在。主体的变迁自然会影响客体的范围，裁判主体的转型无疑也会影响裁判客体的具体范围。裁判客体是具有法律特质的客体，法律客体是法律主体的权利与义务所涉及的对象，实质上是权利与义务承载的利益，通常涵括物、人身、智力成果及行为等。法律客体拥有三个共同的特质：第一，独立性。独立于法律主体之外，能够被主体感知和支配的客观物质存在及客观精神现象，比如土地、河流、人格、制度、平等、自由等。第二，法定性。即只有得到国家法律确认的客观现象及存在才能成为法律客体。第三，社会制约性。法律客体受到一定社会历史与科技条件的制约，因此，法律客体范围在不同国家、不同阶段或有差异，比如人工智能时代，智能裁判的客体范围相对于法官裁判就有很大变化与拓展。裁判客体作为独立于裁判主体之外的客观存在，理所当然具有法定性与社会制约性。裁判客体是适格法律主体作出裁判的对象，其范围包括具体的诉讼案件及审理过程中需要裁决的问题。

传统法官裁判的客体包括案件审理过程中所有需要判断、裁决的事项。比如，在刑事裁判领域，裁判客体范围的厘定，等于圈定“裁判主体的权力范围”。当下我国刑事裁判客体范围包括对审判与执行程序中的诸个事项作出裁判。比如对法庭调查和辩论中的问题，以及管辖、公开审判、被告刑事责任的确定等问题进行裁判[19]。智能裁判客体就是智能裁判主体人工智能进行裁判的对象及范围，与传统法官裁判的客体有重合的内容，比如，对法庭调查、辩论中的问题、管辖、被告人刑事责任与民事责任的确定等问题作出裁判。但由于其具体裁判方法方式的差异，智能裁判的客体也有其特别的对象与内容，比如对自然语言转换的识别及判断。概言之，智能裁判客体涵括人工智能作为裁判主体在案件审理过程中的一切需要进行判断的问题与内容。

（三）主客体关系

裁判主体与裁判客体如何有效链接？算法是其关系的重要纽带，当一个具体案件的案情被输入机器，机器依据算法展开运算及推理，并输出一个裁判结果。这和“自动售货机”式的形式主义理论不谋而合。机器“认知”的短板在于如何识别案件。如何使机器具备高效的自然语言处理能力，能够完整准确理解和评估案件文本及含义，是实现智能裁判的关键环节，也是连接现实应用与计算机科学技术的核心所在[13]51。在智能裁判语境下，裁判主体必须能够识别裁判客体，也就是其能够准确辨别当事人用自然语言表述输入的法律问题，能够“进行归类与分析，进而输出裁判结论”[6]19。目前，机器学习算法突破了“波兰尼悖论”的束缚，凭借大数据的有力支撑，通过完全独立的自我训练与学习，自主创建模型和修正参数，完成算法的自我生产过程，实现算法生产过程及其应用结果同人类行为本身的分离，在具体决策行为中摆脱对自然人的依赖，使人工智能可以独立作出裁判。

四、结 语

智能裁判是智能科技与司法演进的逻辑必然，智能裁判是由人工智能作为裁判主体（部分或完全的）认定事实，适用法律，并对案件作出判决的过程。可从三个维度来解析：从主体维度看，人工智能是案件裁判主体（部分或完全的）；从客体维度看，案件审理过程中所有的问题和对象都需要人工智能作出判断；从关系维度看，算法是裁判主体与裁判客体关系的关键链接和纽带。智能裁判是一个动态和发展的概念，在司法改革和科技创新的视域下，其内涵将不断充实与完善。