司法执行人工智能化之反思与前瞻

贺译葶

得益于大数据、云计算、互联网等相关科学技术的迅速发展，人工智能技术在国内外司法实践的多个层面皆取得了突破性进展。如美国法院通过COMPAS(犯罪预测系统)预测嫌疑人未来犯罪概率，为法官处理相关案件提供参考；加拿大和澳大利亚部分法院利用SIS(审判信息系统)对案件历史数据进行分析并提供裁判预测；(1)刘艳红：《大数据时代审判体系和审判能力现代化的理论基础与实践展开》，《安徽大学学报》2019年第3期，第96-107页。我国法院通过机器学习、多维数据支持等技术为法官判案提供审理支持或以“电子卷宗+全景语音+智能服务”为主要内容，建立覆盖诉讼全流程的办案一体化集成解决方案，包括电子卷宗随案生成、材料流转云柜互联、庭审语音智能转换、案例文献自动推送、简易判决一键生成、同案同判数据监测等多种功能。(2)徐清宇：《智慧审判苏州模式的实践探索》，《人民法院报》2017年9月13日，第8版。司法人工智能通过优化智力资源的配置提升司法审判过程中法律方法的运用效率；通过改变司法庭审活动的方式与情境使司法审判活动从场域化走上了场景化；通过法律规则的代码化及司法过程的精确拆解实现司法程序运行的自动化。(3)马长山：《司法人工智能的重塑效应及其限度》，《法学研究》2020年第4期，第23-40页。如果说司法自动化是可能的，即便这种可行性被认为仅存在于处理标准文件和常规程序的框架内，(4)Alexey I. Ovchinnikov，Alexey Yu. Mamychev，Tatiana S. Yatsenko，Artur Kravchenko，and Yuri A. Kolesnikov，“Artificial Intelligence in Enforcement：Epistemological Analysis，” Journal of Politics and Law，Vol.13，2020，pp.75-78.亦足以令自动化技术在案件执行阶段受到青睐。一则司法执行困局需融合新兴技术手段建立新的执行模式来破解；二则司法执行压力需融合人工智能技术优化司法执行流程来缓和。不过，要让人工智能更好地服务于人类，必须承认机器智能与人脑智能的差异，理性审视司法人工智能的内在限度及人工智能技术深度嵌入司法执行的可能风险，采取具有前瞻性的应对措施。

一、人工智能技术嵌入司法执行的场景与功用

执行案件的增长是一个长期趋势，要破解执行力量不足的瓶颈，必须大力开展执行智能化建设。(5)李世寅：《打造精准高效的智慧执行机制》，《人民法院报》2019年12月6日，第2版。传统执行模式中存在的各种问题既是促使司法执行智能化转型的直接动因，也是藉由大数据、云计算及人工智能技术探索建立“智慧执行”新模式的重点突破方向。

(一)智能办公：简化司法执行工作流程

消除重复的，不必要的人工劳动的自动化一直是人工智能的目标之一，(6)Maria Dymitruk，“Artificial Intelligence as a Tool to Improve the Administration of Justice?” Acta Universitatis Sapientiae：Legal Studies，Vol.8，No.2，2019，pp.179-190.这种自动化工具并不会干扰法律应用的正当程序，却有益于减轻法律从业者的工作负担。它可以按照合乎程序规定的方式将司法工作流程进行拆解，完成原本由人力承担的事务性工作，但却没有人力劳动的天然局限。如果由机器代替人力完成司法执行中碎片化事务性工作的效率要远高于人的效率，而人工智能又有与执行工作融合的技术条件，那么其理应成为改进执行工作质量的新选择。因此，无锡市中级人民法院联合阿里巴巴集团，首创了智慧执行智能办公系统，该系统可实现执行立案、文书生成、执行启动、司法挂拍、执行结案等工作流程的自动化。其依靠人工智能与大数据技术深度模拟人工操作电脑，实现电脑上各类软件系统的自动联结，从而代替人工精准、高效地处理各项事务性工作。智能办公系统投入使用之后执行立案时间由原来的30分钟缩短至2分钟，执行过程中的所有法律文书均能在两分钟内自动生成，且能确保各项数据录入的准确性，免去工作人员反复校对的负累。(7)《江苏无锡中院打造“智慧执行系统”决战基本解决执行难》，《人民法院报》2018年11月6日，第4版。2019年长沙市中院启动智慧执行系统，通过自动进行拟人化操作完成从执行立案到案件完结整个过程中的通知、审批、拍卖等多个环节的文书自动生成工作，将法官、书记员等从大量重复的、琐碎的事务性工作中解放出来。

(二)智能查控：深度追踪被执行人财产与行迹

伴随市场经济的迅速发展，被执行人的财产形式较之过去更为丰富，除各种动产及不动产财产形式外，还包括各种新型金融资产、虚拟资产及投资权益等财产形式，执行标的种类繁多，客观上加大了查证核实被执行人财产状况及履行能力的难度。而在传统执行模式当中，法院对被执行人财产信息的获取主要依靠被执行人主动报告财产状况或者由申请人提供线索以及法院通过金融机构查询等，对于被执行人隐匿保险类理赔款、投资收益型保险或商业保险等规避执行的行为往往束手无策。(8)姚颉靖、张志军：《法院智慧执行的制约及其纾解路径》，《上海交通大学学报》2020年第2期，第27-34页。为应对被执行人财产查控遗漏问题，最高人民法院联网公安部、民政部、人民银行等16家单位和3000多家银行金融机构建立了网络执行查控系统，通过信息化、网络化、自动化手段查控被执行人在全国范围内的财产信息，既包括不动产、存款、车辆等财产信息，也包括证券、网络资金等财产信息。(9)《最高法网络执行查控系统让“老赖”财产无处可藏》，https：∥baijiahao.baidu.com/s?id=1606700101190633573&wfr=spider&for=pc，2020年9月2日。网络执行查控系统的应用一定程度上避免了执行法官“劳师远征”的麻烦，借助人工智能工具即可实现对多种形式的财产的深度追踪，并自动完成总对总查询申请发起及银行资产冻结申请的填写和提交工作。此外，为应对被执行人逃避执行的问题，地方法院联合公安机关建立失信被执行人查控工作机制，通过公安机关的查控系统对被执行人进行网络布控，在一定范围内自动捕获被执行人活动踪迹，(10)《江苏苏州：联动布控助力被执行人查找难》，http：∥jszx.court.gov.cn/main/LocalCourt/100065.jhtml，2020年9月2日。并运用图像清晰化处理、视频结构化描述等技术实现人脸数据与网络查控信息化数据有效关联，依托人脸识别、比对技术及公共场合的视频监控设备，织密被执行人行踪查控网。(11)《“人脸识别”让失信被执行人栽在庙会现场》，https：∥www.sohu.com/a/270211738_99934064，2020年9月20日。

(三)智能评估：精准评判被执行人履行能力及财产价值

执行中评估工作的智能化体现在两个方面：一是对被执行人履行能力的智能评估；二是对被执行人财产价值的智能评估。被执行人具有履行能力却拒不履行裁判文书确定的义务，是对其采取各项强制执行措施的重要依据。为实现精准评估，部分地方法院探索建立“被执行人履行能力大数据分析系统”，海量搜集分析被执行人活动信息，以数据可视化动态描述被执行人的消费习惯、行为规律、社会关系、资金往来等情况，并自动计算分析形成“全景式”履行能力报告，为执行决策提供参考。为提升执行财产处置效率，扬州法院采用智能化批量估值技术对涉案房产、车辆等财产进行评估，并自动生成评估报告，使财产评估摆脱了评估人员技术水平、个人偏好等因素的影响。北京四中院执行财产处置辅助系统不仅可以根据财产特点、历史成交量、财产市场价等因素对之进行实时评估，基于NLP识别方法解析执行财产信息，还可自动进行税费计算及购买风险识别，自动关联相关或相近案件及判案资料，为处置财产提供相关参考。(12)《北京四中院：智能评估房屋拍卖价仅需几秒钟》，http：∥news.sina.com.cn/sf/publicity/fy/2017-11-22/doc-ifypacti6722758.shtml，2020年9月4日。此外，淘宝拍卖正探索将人工云服务及智能机器人24小时服务更多地应用到执行财产评估与司法网拍领域，逐步实现司法拍卖“去人化”。

(四)智能管理：促进司法执行便民化与公开化

各国司法改革的重点都强调为社会大众提供便民化的司法运作机制，并纷纷采取诸如简化程序、降低成本、人性化司法等一系列改革措施，形成司法便民化的一股潮流，(13)刘树德：《司法改革：小问题与大方向》，北京：法律出版社，2012年，第234-235页。而大数据与人工智能技术的发展则为司法便民化提供了技术支持。如江苏无锡中级人民法院将语音识别引擎内嵌执行视频谈话系统，实时转换执行法官与当事人的谈话内容并自动整理成执行笔录，使执行工作突破了时间、地域及空间限制。在拍卖环节利用阿里云嘉的“法务云盘系统”对本地数十家司法拍卖服务外包公司进行统一管理，服务外包公司将标的物的视频、照片及调查情况上传至内部局域网审核合格后，运用智能办公系统即可实现一键上拍。(14)闵仕君：《人工智能技术与法院执行领域的融合发展与和完善》，《法律适用》2019年第23期，第89-102页。“为打造“阳光执行”，部分地方法院运行智慧执行系统，实施执行案件全程网上流转、公开，案件当事人借助该系统可随时查询执行案件执行节点信息，并跟踪督促执行工作进展。河南省灵宝市人民法院的“灵宝微执行”小程序引入人脸识别模块，当事人一经扫描人脸图像确认身份，即可进行查询、互动、交费等操作。(15)《河南灵宝：智能服务全方位 执行公开零距离》，http：∥jszx.court.gov.cn/2050/ExecuteNewsletter/128815.jhtml，2020年9月4日。执行法官亦可借助该小程序第一时间反馈执行案件的进展情况，并将现场图片及定位信息实时发送给当事人，有效保障当事人的知情权与监督权。

(五)智能惩戒：织密被执行人失信联合惩戒网

失信成本过低是导致被执行人规避执行的主要诱因，在传统执行模式中，法院执行案件信息管理系统与多部门未实现有效连接，司法执行信息化建设缺乏统一规划，信息共享平台之间缺乏有效联结，降低了失信受惩戒的概率，导致失信联合惩戒机制运行不畅。因此，福建、海南等地积极搭建失信被执行人智能化联合惩戒平台，法院将失信被执行人信息嵌入省级各部门业务系统，参与联合惩戒的企事业单位通过业务系统对接联合惩戒平台，实现失信被执行人自动查询、自动比对、自动识别、自动拦截、自动惩戒、自动反馈等功能。(16)《福建失信联合惩戒平台取得突破性进展》，《人民法院报》2018年10月8日，第1版。2015年芝麻信用和最高人民法院签署信用联合惩戒备忘录，开创了第三方商业征信机构通过法院官方授权联合开展信用惩戒的先例，借助云计算、机器学习等技术将被执行人失信信息纳入综合信用评价体系，降低失信被执行人信用评分，并间接影响失信被执行人享受各类信用服务的权利。此外，人工智能设备的普及有效拓宽了失信被执行人联合惩戒的参与者，每一个拥有移动智能设备的公众皆可成为联合惩戒的实施者与反馈者，因为手机APP在自动推送信用信息、信用名单、信用奖惩结果时，既赋予了公众参与联合惩戒的便利性，也赋予了公众实时反馈信用奖惩执行情况的途径。

二、司法执行人工智能化的内在限度

计算机处理能力的提高和大数据的积累，使人工智能技术得到了长足发展，但现阶段人工智能技术的成果仍然局限于特定的智能领域，如图像识别、语音识别和对话响应等。(17)Huimin Lu，Yujie Li，Min Chen，Hyoungseop Kim，and Seiichi Serikawa，“Brain Intelligence：Go beyond Artificial Intelligence，” Mobile Networks & Applications，Vol.23，No.2，2018，pp.368-375.换言之，人工智能还不具备全脑功能，这也决定了其在促进“智慧执行”模式建构中的作用是有限的。

(一)数据与算法的双重依赖

大多数人工智能信息通信技术过度依赖大数据，计算机视觉、语音识别、自然语言处理、机器学习等在司法领域的突破性进展皆离不开大数据的驱动，但数据本身不能产生价值，数据挖掘就是通过算法从海量数据中搜索隐藏其间的信息的过程。算法和算力皆仰赖于“数据喂养”，(18)马长山：《司法人工智能的重塑效应及其限度》，《法学研究》2020年第4期，第23-40页。自动化系统通过算法“从以往的数据中学习，并在分析这些数据的基础上自主地做出决策”。(19)Ariel Ezrachi and Maurice E. Stucke，“Artificial Intelligence & Collusion：When Computers Inhibit Competition，” University of Illinois Law Review，Vol.2017，No.5，2017，pp.1775-1810.机器学习系统和算法之所以成为人工智能的发展动力，即是因为其能够自主学习如何在海量数据中检测有用的模式，并以产生非常准确的预测或估算的方式将信息组合在一起。(20)Cary Coglianese and David Lehr，“Transparency and Algorithmic Governance，” 71 Admin. L. Rev.1，6 (2019).无论是执行过程中对自动化工具的利用还是对被执行人财产与行迹的追踪，抑或被执行人财产价值的精准评估皆是建立在数据挖掘与算法技术应用的基础上的。人工智能技术推动司法执行模式智能转型的过程，亦是通过建立基于海量数据挖掘的认知范式使人工智能可能在特定任务，如自动生成法律文书、自动抓取语言、数据信息及图片等事项中发展出胜于人类之技能的过程。以“全景式”履行能力报告自动生成及被执行人财产自动估值为例，二者皆建立在海量信息搜集分析的基础上，前者以数据可视化动态描述被执行人的消费习惯、行为规律、社会关系及资金往来情况；后者则将目标物品与司法拍卖大数据仓库中所有同类财产自动关联比对，并将相关信息反馈给用户。因而，对被执行人履行能力或财产价值的精准评判既取决于基础数据或信息挖掘的全面性与准确性，也取决于算法的科学性与客观性，虽然目前人工智能算法在预测准确性上已有大幅度提升，但在面对复杂的现实情境时仍不免出现函射不周延的现象，因此，人工智能还难以替代法官作出裁判，而只是提供案件执行之辅助参考。

(二)机器智能技术与人类理解技艺的实然鸿沟

如果机器能够像人一样思考和工作，那么就可以代替人类从事在通常情况下需要人类智慧才能完成的工作。“让机器达到这样的行为，即与人类做同样的行为”被称之为人工智能。(21)腾讯研究院等：《人工智能——国家人工智能战略行动抓手》，北京：中国人民大学出版社，2017年，第4页。而司法的过程则主要体现为法律人运用以法律方法为主的技术和手段，针对特定的法律文本和法律事实来实现对法律的正确适用，以保障司法的科学性、合理性和权威性。(22)胡玉鸿：《法律方法及其在实现司法公正中的意义》，《中山大学学报》2011年第5期，第135-142页。法律人的大脑及神经系统在司法过程中发挥着重要作用，因此，司法活动亦通常被视为需严重依赖人的思维的活动。人工智能技术在司法领域的应用则致力于挖掘如何使机器胜任需要人类智慧才能完成的复杂工作的一系列科技手段。

然而，机器学习工具虽有可能根据比人类处理和操纵的数据量大得多的数据做出更准确、更快的决策，(23)Ashley Deeks，“The Judicial Demand for Explainable Artificial Intelligence，” Columbia Law Review，Vol.119，No.7，November 2019，pp.1829-1850.但却不具备全脑功能。换言之，大脑的一个部分并不像整个大脑那么聪明。(24)Lu，Li，Chen，Kim，and Serikawa，“Brain Intelligence，” pp.368-375.人工智能技术依赖于大规模的数据，通过数值得到相应结果，机器学习系统和算法之所以有价值亦是因为它能够自己学习如何在海量数据集中检测有用的信息。但在面对司法实践这样一个有着价值判断的领域，人工智能是否具备与人同样的理解技艺是值得怀疑的，何况技术的发展尚处于较为初级的阶段。将人工智能工具创建为一个支持系统用于辅助法官查找相关事实、分析历史案例或审查法律文献比将之创建为一个可以独立办理案件的系统代替法官工作更易为人们所接受。(25)Dymitruk，“Artificial Intelligence as a Tool to Improve the Administration of Justice?”pp.179-190.因为，法律人的大脑及神经系统在司法活动过程中表现出的人类理解技艺是人工智能在现阶段难以模仿与超越的。

以被执行人查控系统为例，其通过图像清晰化处理、视频结构化描述等技术实现人脸数据与网络查控信息化数据的有效关联，将公共场合视频监控设备抓取到的人脸图像与数据库中的人脸分别比对。然而如同将人脸识别技术应用于违法抓拍中会发生“董小姐”闯红灯的乌龙事件一样，(26)《董明珠闯红灯了？》南方都市报：https：∥www.sohu.com/a/277102589_161795?_f=index_pagerecom_11，2020年9月20日。在将其应用于失信被执行人的网络查控或司法拍卖中时亦可能出错。人工智能依靠神经网络和图像识别技术建构起来的初步学习能力是通过数据挖掘技术及算法优化来实现的，其在面对突发的、不确定的或特殊的案件事实或对象时欠缺如同人类一样利用自身经验知识及大脑智能做出恰当应对的技能。现阶段人工智能对执行案件的标准化和规范化编码使其可以自动地完成一些简单和可重复的事务性工作，但这不足以支撑人工智能营建与人类媲美的理解技艺。

(三)执行形式正义与实质正义的弥合难题

正义不仅应当体现在每一个案件的审判当中，也应当体现在案件的执行当中。执行正义不仅要求每一个生效法律文书中确定的义务得以履行，且应当以符合形式正义与实质正义的方式确保义务的履行。司法执行人工智能化带来了执行工作高效运转及助力执行形式正义落实的诱人前景，但司法执行过程当中的被执行人如同司法审判过程中的每一个被告一样都是微观具体和个性化的，利用人工智能技术辅助甚至替代法官实现所有案件执行的实质正义似乎并不容易。

其一，人工智能难以模仿执行法官进行经验判断。在人工智能与执行工作融合应用的过程中，研发人员一直试图将执行流程中的所有环节，尤其是将法官的推理判断过程都以计算机模型化的方式表述出来，但实践证明难以实现。因为任何信息技术都不能替代法官在感知判断经验等复杂过程中的自主性和工作空间。(27)闵仕君：《人工智能技术与法院执行领域的融合发展与和完善》，《法律适用》2019年第23期，第89-102页。譬如，失信被执行人名单公布措施的应用多针对“有履行能力而拒不履行生效法律文书确定义务”的被执行人做出，而判断被执行人是否具有履行能力往往既需要根据当事人财产情况进行认定，也需要结合特殊案情灵活判断。如被执行人为自然人的，应当根据其生活条件、收入状况及财产情况等考虑履行义务是否会严重影响其正常生活，这需要执行法官根据生活经验做出合理判断，而依靠计算机程序和数据运作的人工智能系统则难以发展出类似法官的隐形经验判断技能。虽然人工智能可辅助执行法官精准评判被执行人履行能力，但它却难以替代法官做出被执行人具有履行能力而拒不履行生效法律文书的失信认定，因为在现实当中，有相当一部分财产难以通过人工智能技术全面查控，如五证不全的房产、尚未进行过户的汽车或者挂靠在其他人名下的财产等。但执行法官却可以根据其丰富的执行经验、深刻的洞察力甚或申请人提供的新线索对被执行人履行能力做出更为精准的评判，彰显法官在执行案件中对社会正义与个案正义的衡平智慧。

其二，人工智能难以替代执行法官进行个案裁断。人工智能主要依靠神经网络系统及图文语音识别技术发展学习能力，只能提供一般、机械和毫无情感的正义。(28)潘庸鲁：《人工智能介入司法领域路径分析》，《东方法学》2018年第3期，第109-118页。其对案件事实的分析和处理只能按照事先输入的指令来进行，无法照顾案件的多样性与特殊案件的复杂性，或者说其对类案识别的情节提取即便再全方位化，也难以做到完备无缺。(29)沈寨：《个案正义视角下司法人工智能的功能与限度》，《济南大学学报》2019年第4期，第54-61、158页。因而，司法执行领域的智能化主要体现在信息收集、事务集约处理、数据分析等方面，而少有直接应用于执行决断环节。一则现阶段人工智能技术本身发展尚不成熟，基础数据、计算机模型、实现技术、智能化方法与途径等方面的局限性都可能引发人工智能在相应应用中的偏差与失误。譬如通过人工智能自动计算分析形成的“全景式”履行能力报告高度依赖其所挖掘的数据的真实性和完整性，然而无论是数据的真实性还是完整性，目前都存在实现难度。二则在司法执行的多个环节仍需借助法官修养、法官对专业知识的领悟及对实际案情的把握来进行个案裁断。无论是对不同主体作为被执行人的履行能力认定，还是对不同类型案件履行能力的认定，抑或在具体案件中履行能力的利益衡量方法都需要执行法官结合实际情况灵活做出判断。在具体执行过程中需全面保护当事人的利益，但也要照顾被执行人之利益，判断执行是否会导致新的悲剧或扰乱经济秩序，这都需要法官秉持公正合理的法律思维酌情处理，而人工智能法律系统尚不具备类似法官的在执行过程中做出符合生活智慧的裁量的能力。

三、人工智能技术深度嵌入司法执行的潜在风险

人工智能技术的发展为司法执行模式的智能化转型提供了技术支撑，使司法执行工作得以摆脱传统执行模式当中的诸多限囿。但人工智能并不是全能的，它不具备人脑那样的关联功能，并且机器学习的结果很容易被滥用。(30)Lu，Li，Chen，Kim，and Serikawa，“Brain Intelligence，” pp.368-375.这也预示着人工智能在优化司法执行工作的同时亦可能因技术缺陷或技术异化而潜藏风险。

(一)算法缺陷的隐匿与执行客观性失却

客观性与公正性是司法执行活动必须恪守的价值遵循。越来越多的人工智能工具被应用于影响人们日常生活的各种决策当中，盖因偏见被视为困扰人类决策的主要原因，人工智能系统则承诺算法是公正、公平和无偏见的决策者。然而这一承诺并未实现，因为研究人员发现算法不成比例地使弱势群体处于不利地位。(31)Ignacio N. Cofone，“Algorithmic Discrimination Is an Information Problem，” Hastings Law Journal，Vol.70，No.6，August 2019，pp.1389-1444.从数据的收集、数据结构的搭建到算法设计整个过程都可能隐匿着算法歧视与偏见，并滋生影响执行客观性之反向力量。

其一，数据并不必然反映客观事实。数据处理过程通常被划分为“从数据获取、数据分级、数据分析、应用分析过程和可视化等阶段”。(32)塔迪欧、弗洛里迪：《何为数据伦理学》，闫宏秀译，《洛阳师范学院学报》2018年第4期，第1-4、98页。数据处理的每一个环节皆可能渗透人类偏见，如根据某种利益或目的进行的数据采集，提供给机器学习怎样的数据，设计怎样的采集对象皆可能受到人类自身偏见的影响。(33)杨庆峰：《数据偏见是否可以消除？》，《自然辩证法研究》2019年第8期，第109-113页。曾有学者指出，中国现有法律行业的数据缺乏代表性，在结构上存在严重缺陷，(34)左卫民：《迈向大数据法律研究》，《法学研究》2018年第4期，第139-150页。一旦人工智能基于存在缺陷的数据集进行深度学习，则很可能输出局限且带有偏见的分析结果。即便数据的收集与规整完美剔除了人类偏见，也不必然反映客观事实。譬如某被执行人因帮人代购而产生了大量消费记录或资金流水记录，但未必就具有充分的履行能力，此种情形下经由数据可视化动态描述被执行人的消费习惯与行为规律，并自动计算分析形成的履行能力报告则很可能不具有参考性。

其二，算法本身可能潜藏缺陷。即便数据是客观的，其在算法输出阶段也可能出现偏见或谬误。亚马逊开发的用来对求职者进行排名的机器学习系统就一度显示出对女性求职者的严重偏见。开发该机器学习系统的原本意图是期望通过智能工具选择更合适的员工，然而其输出的结果却呈现性别歧视。(35)James Cook，“Amazon Scraps ‘Sexist AI’ Recruiting Tool that Showed Bias Against Women，” The Telegraph，Oct.10，2018.这说明机器学习模型不可避免地受到人类认知的影响。相应地，法院采用智能化批量估值技术对被执行人财产进行评估的初衷虽是为了避免评估人员的技术水平及个人偏好等因素影响评估的结果，但人类偏见仍可能经由算法研发者融入代码编写中，经由算法程序输出欠客观性的结果。并且，嵌入机器学习模型中的算法歧视或偏见一旦被固化下来，还可能生成持续影响执行客观性之反向力量。此外，当应用执行财产处置辅助系统对被执行人财产进行自动估值时，如果算法仅在财产特点、历史成交量及财产市场价值等数据集的某个部分进行挖掘，而该数据集由于某种原因不具有代表性，那么最终将产生一个非代表性的输出。虽然现阶段人工智能并未直接进行执行裁断，但其在所有可能便利法官及减轻执行法官工作量的环节，皆有左右执行裁量的可能性。

(二)技术依赖深重与法官主体地位弱化

目前人工智能在司法执行领域的应用主要集中在由机器执行的效率及准确率更高的事务性工作及部分以语音图片识别、数据挖掘及深度学习技术为基础的辅助性工作上。但随着技术的不断发展成熟，人工智能将可能更深层次地介入司法执行工作，实然弱化法官在执行过程中的主体地位。

一方面，大数据、自然语言处理、专家系统及机器人技术等方面的进步将进一步触发法官的技术依赖心理。对于面临大量案件积压和资源短缺压力的司法机构来说，Al的确带来了廉价、一致和快速决策的诱人前景。(36)Francesco Contini，“Artificial Intelligence and the Transformation of Humans，Law and Technology Interactions in Judicial Proceedings，” Law，Technology and Humans，Vol.2，No.1，2020，pp.4-18.AI技术的进步意味着计算机程序和系统将变得更有能力执行任务和功能，甚至在不久的将来可能出现情感处理的发展，人工智能将更多代替人类完成过去被认为不可能由机器完成的工作。不过，人工智能对司法活动所产生的影响已经引起一些高级司法评论员的担忧。(37)Tania Sourdin，“Judge v. Robot：Artificial Intelligence and Judicial Decision-Making，” University of New South Wales Law Journal，Vol.41，No.4，2018，pp.1114-1133.因为人们使用计算机很多时候不是为了提高决策的质量，而是为了逃避决策过程。(38)Dymitruk，“Artificial Intelligence as a Tool to Improve the Administration of Justice?” pp.179-190.对于执行法官而言，则有可能是为了逃避执行负担或减轻工作负累，尤其当法官认为人工智能对案件进行逻辑比对和校验的正确率远高于人力劳动时，这种倾向性将愈发明显。

另一方面，司法机构应用人工智能生成的支持或辅助功能，并不会必然改善司法裁决的质量。曾有实验表明，人类在评估人工智能系统自动生成的建议的优劣时存在困难，因为他们专注于系统输出的方案或者结论，而忽视了其他方案的可能性。即便系统提供的建议或结论存在错误，也会出于对系统的信任而下意识地接受。(39)Dymitruk，“Artificial Intelligence as a Tool to Improve the Administration of Justice?” pp.179-190.一旦执行法官过度依赖人工智能系统做出判断，将人工智能系统给出的标准化答案视为最为稳妥的执行方案，那么法官在执行活动中的主体地位将在技术依赖心理的影响下逐渐弱化。众所周知，当法官将法律规范适用于案件事实时，需要大量实践性和非专业性的知识谱系，结合法理常识和行为进行有益的修正及必要的创新，(40)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，第101-106页。并可能涉及对政策、民意、道德、习惯等各种实质性内容的判断和处理。(41)孔祥俊：《司法哲学》，北京：中国法制出版社，2017年，第216-221页。而司法过程通常被视为严重依赖人的思维的活动，没有一种简单的规则链或模式匹配算法能够准确地模拟司法决策，它是一个极其复杂的领域，需要高度复杂的法律专业知识与认知和情感能力相结合，(42)Sartor and Branting，“Introduction：Judicial Applications of Artificial Intelligence，” p.1.一旦执行法官的自由裁量权被僵硬的计算机模型束缚，其危险性可想而知。

(三)难以解释的隐忧与执行行为可责性稀释

“没有公开就没有正义，公开是正义的灵魂。它是对努力工作的最有力的鞭策，是对不当行为最有效的抵制”。(43)宋冰：《程序、正义与现代化》，北京：中国政法大学出版社，1998年，第28页。为保障及促进执行权的规范应用，各地方法院着力借助大数据与人工智能技术推进司法执行全流程公开。然而，人工智能算法本质上是不透明的，非专业人士对算法存在认知障碍，算法决策标准隐藏在大多数人都不易阅读和理解的代码后面，并且算法具有根据其所依据的数据模式动态进化的能力，这使得它变得更加不可预测。(44)Maayan Perel and Niva Elkin-Koren，“Black Box Tinkering：Beyond Disclosure in Algorithmic Enforcement，” Florida Law Review，Vol.69，No.1，January 2017，pp.181-222.这也意味着，人工智能技术在赋予司法执行公开新的方式与路径的同时也一定程度地加大了司法执行活动过程的解释难度及执行责任的追究难度。

其一，人工智能算法存在人为设置或认知阻隔的黑箱。“法律人工智能行业中的算法是作为一项商业秘密而存在的，外人无从知晓，只有算法的设计者才掌握具体细节”。(45)洪凌啸：《误区与正道：法律人工智能算法问题的困境、成因与改进》，《四川师范大学学报》2020年第1期，第58-70页。算法黑箱的存在实际上是商业资本操控下的必然结果，即以商业秘密为由，拒绝公开算法设计程序。这使得除专业技术人员之外的公众乃至作为司法人工智能应用者的法官都无从知晓算法的具体细节。即便法律人工智能的应用者能明确知晓算法的代码规则、程序及算法运行的结果，但也会因自身算法素养和专业知识水平的限制而无从知晓算法的过程理路及算法驱动司法执行模式智能化转型的所有逻辑。基于此，人工智能在司法执行领域的应用不可避免地存在技术黑箱。算法设计和研发者可较为隐秘地将自身利益偏好植入算法，并借助人工智能平台的运行实现其所期待的利益目标。无论是借助大数据算法匹配精准捕获潜在买受人，还是将人工云服务及智能机器人应用到执行财产评估与司法网拍领域都可能渗透着算法设计和研发者的利益偏好或价值追求，因为第三方服务平台具有藉由看似不受外界干扰的人工智能算法实现利润最大化的潜在动机。

其二，人工智能的介入加大了执行责任的切割与追究难度。人工智能在司法执行工作中的深度介入，令技术对司法执行权力运行的影响愈益显现，新的技术力量逐渐渗透到司法执行过程当中，触发司法执行权力发生裂变，隐匿在智能机器背后的技术力量衍生为新的权力主体。具体表现为：人工智能算法既可以藉由不同的数据分析模型或算法规则波动特定被执行人履行能力评价的结果，并因之影响法官对被执行人履行能力之判断，也可以藉由智能机器人动态分析财产价值及其市场需求情况，并操控执行财产评估与司法拍卖的结果。原本由执行人员负责实施的财产查控、财产处置及拍卖等执行事项中皆将不同程度地嵌入第三方技术权力主体的作用，这固然可一定程度地实现庞杂的司法执行工作的分流，但在算法黑箱难以打破的情形下，执行人员与第三方技术服务供应商在执行过程中的责任范围将变得更为模糊。如将智能机器人应用到执行财产评估与司法网拍领域后，不仅故意提高标的评估价值的做法将在大数据与人工智能算法的掩饰下变得隐性合理化，原本在审计、鉴定、评估、拍卖等环节可能出现的徇私舞弊问题在经人工智能技术修饰后，其责任追究亦受到一定限制。

四、司法执行人工智能化的未来进路

技术的发展必然使人工智能在精准性上远超人类，即在任何情境下输入同样的初始条件，都能得到完全一致的答案。但是任何对标准化的极端追求都将导致价值观的一元化。(46)姜萌萌：《人工智能进法院的可能风险探讨》，《数字技术与应用》2020年第3期，第222-223、225页。人工智能的技术缺陷及人工智能技术深度嵌入司法执行的可能风险皆表明应当审慎推进司法执行的智能化转型。

(一)区分司法执行人工智能化的可能性与必要性

司法执行是否可能人工智能化与司法执行是否需要人工智能化是两个层面的问题。前者需要解决的是人工智能与司法执行工作的融合问题，通过不断完善人工智能对法律语言的深度学习；对法律论证方法的探寻乃至对经验性知识的获取功能来实现裁判程序的标准化运行、司法决策的模型化推理及司法执行的智慧化管理等，这实际上是一种技术研究导向的人工智能化路线。而后者侧重思考的是人工智能如何介入以及在司法执行领域的介入程度问题，或者说人工智能技术如何与司法执行工作进行融合才是既顺应现实需求又符合成本考量的。已有学者明确论断司法领域的人工智能绝不会取代法官办案，而是在法官办案过程中提供实质性帮助。(47)潘庸鲁：《人工智能介入司法领域路径分析》，《东方法学》2018年第3期，第109-118页。暂且不论技术的未来发展是否能够缩减乃至彻底消除机器智能技术与人类理解技艺间的鸿沟。当专家系统基于足够数量的案例进行“训练”时，其的确可以发展出高度可靠的追踪人类判断的能力。(48)W. Bradley Wendel，“The Promise and Limitations of Artificial Intelligence in the Practice of Law，” Oklahoma Law Review，Vol.72，No.1，Autumn 2019，pp.21-50.但在目前可视的技术条件下，案件执行中法官必须具备的对复杂案件事实的敏锐捕获、对法律规则的智慧解读及对执行方案的针对性选择能力皆是智能机器尚不具备且不易获得的。司法人工智能的开发与应用并非为了追求智能技术与法学的极致融合，而应是在所有可能及必要的且由机器代替人工完成的效率及质量皆更佳的事项上做出更多的技术尝试，一般而言，只有当机器的工作效率高于人的效率时，人工智能才会被接纳。(49)Pablo Bravo-Hurtado，“Automatization of Administration of Justice：Towards Three Incorrect Ideas on Artificial Intellect，” Herald of Civil Procedure，Vol.2018，No.1，2018，pp.182-200.因此，司法人工智能的应用必须考量其是否符合司法规则，是否有利于案件形式正义与实质正义的共同实现，是否符合司法体制改革的基本要求，是否符合成本效益的基本考量，在司法执行人工智能化的可能性及必要性间作出合理选择。

(二)秉持“有限介入”观审慎推进司法执行人工智能化

人工智能最有价值的贡献是对现实中潜在问题的分析及其信息处理需求的回应，因为这弥合了应用领域的专业知识和计算机科学技术之间的差距。并且这种分析与回应在开发一个解决复杂司法问题的自动化系统时尤其重要。(50)Sartor and Branting，“Introduction：Judicial Applications of Artificial Intelligence，” p.2.亦因此，人工智能在缓解执行人员工作压力，解决事务性工作集约处理及缓解财产评估周期长、网拍工作量大等问题上的确颇有助益。但人工智能的所有操作都必须基于执行法官的工作意图，反映执行法官的实践理性。而实践理性是一个杂货箱，它包含了常识、思想、动机、先例、记忆、直觉与归纳等多种元素，(51)查理德·A.波斯纳：《法理学问题》，苏力译，北京：中国政法大学出版社，2002年，第92页。人工智能系统难以依托自然语言识别技术完成对诸多司法要素的抽取或藉由深度学习高度模拟法官理性思维全部过程。由于司法大数据与人工智能技术可能导致法官主体地位被削弱，其技术伦理应以强化法官主体地位为出发点，(52)王禄生：《司法大数据与人工智能技术应用的风险及伦理规制》，《法商研究》2019年第2期，第101-112页。审慎控制人工智能介入司法执行的场景与程度。

司法执行中存在执行裁决权、执行实施权及执行异议审查权三种不同的权能，分别对应执行裁决性事项、执行实施性事项与异议审查事项。人工智能技术在未来阶段的发展成熟，或许可能令其在涉及司法执行的所有事项中发挥功用。但就现阶段而言，更令执行法官感到焦灼的是如何有效减轻司法执行工作负累、如何破除被执行人规避执行行为及如何实现被执行人财产与行迹的精准查控等问题。而人工智能的确在知识的收集、存储、调取、数据处理及事务集约处理方面具有较之人类劳动更高的精准性及效率。因此，司法执行领域人工智能产品的研发可在事务性工作自动化集约处理及执行工作移动化、智能化应用方面做出更多的尝试。而对于依靠人工智能做出裁判可能引发争议或影响个案正义的执行性裁决事项则应持谨慎态度，高度警惕数据及算法自身的局限性所带来的预测风险。换言之，应根据人工智能技术在司法执行中应用的不同场景合理地发挥其工具价值。

(三)巩固司法执行人工智能化的数据与技术基础

目前，智慧执行系统的功用尚未充分彰显，这与人工智能技术在现阶段发展尚不成熟及司法大数据建设缺乏统一规划有关。优化人工智能在司法执行领域的应用，需从以下几方面做出努力：

其一，完善法院执行信息化系统建设。法院执行化信息系统未彻底实现互通共联及被执行人行为轨迹大数据与财产流动大数据收集不全是导致人工智能辅助财产查控及被执行人履行能力评估时算法函射不周延或有所欠缺的重要原因。司法人工智能需在大数据的基础上确立算法，通过不断优化算法来提高数据处理能力。要提高人工智能接管执行事务性工作及辅助法官办案的能力，必须为人工智能算法的运行提供良好的数据基础，消除信息与数据壁垒，在有效整合各级法院现阶段的工作平台的基础上，构筑互联互通的数据库系统，提升司法大数据的挖掘力度与深度。

其二，破除人工智能司法应用中的技术壁垒。智能技术发展不成熟是导致将其应用于司法执行领域时受到限制的直接原因。如自然语言识别技术在将模糊的法律语言转化为规范的数字代码时尚存在困难；人工智能对图片及视频图像的辨识度不尽如人意，只能够识别数量，而无法识别同类图片或者在同类图片识别时易出现错误。诸如此类技术缺陷都将可能导致人工智能系统在自动运行的过程中出现谬误，因此，与之相关的技术研发有待进一步深化与提升。

其三，以法官需求驱动执行智能辅助系统的优化升级。司法执行人工智能化的目的并非为了削弱执行法官的主体性地位，而应有利于强化执行法官的主体地位，充分发挥执行法官在复杂案件当中的能动性。现阶段，人工智能在司法执行领域的基本定位是辅助法官办案，而非替代法官，因此在规划及设计适用于司法执行领域的人工智能系统时应当充分重视法官的工作需求，人工智能系统的创建、应用、完善及迭代都应当重视执行法官或其他司法工作人员的参与，将法言法语翻译成外包公司技术研发可以听懂的科技语言，从而顺利实现法官需求与外包工程师供给有效对接，(53)姚颉靖、张志军：《法院智慧执行的制约及其纾解路径》，《上海交通大学学报》2020年第2期，第27-34页。提升司法人工智能产品的工具效用。

(四)制度规避司法执行人工智能化的潜在风险

对于人工智能深度嵌入司法执行可能产生的风险，可采用技术控制与制度、法律控制相结合的方式来予以应对。一方面，可通过设置相关程序与制度来缓解算法歧视或算法黑箱导致的执行失范风险。如果不能清晰地知晓并理解人工智能算法的作用逻辑，则无法克服技术鸿沟解决隐匿在算法背后的偏见、歧视及缺陷问题。虽然人工智能算法运用的算法模型具有高度的专业性，但可以通过算法解释来降低非专业人士对算法运行过程的认知难度。通过设置算法论证程序及完善算法解释规则，来防范和化解智能技术的复杂性、机械性、隐匿性与不确定性风险。(54)马靖云：《智慧司法的难题及其破解》，《华东政法大学学报》2019年第4期，第110-117页。譬如，在将人工智能算法应用到被执行人履行能力及财产价值评估当中时，应当以严格的程序规范数据的收集与信息的挖掘，确保公众充分了解数据的来源、数据类项、数据在算法中的权重以及数据被使用或排除的缘由等，通过数据集与算法模式的公开来降低乃至消除公众对算法隐匿偏见或算法黑箱的担忧。在将人工云服务及智能机器人应用到司法拍卖中时，设计者或系统开发商应当就智能机器人模拟人类行为的指令过程及其利用批量估值技术对涉案房产、车辆等财产价值及风险进行评估的算法逻辑等做出解释。

另一方面，可通过人工智能司法应用的规范化及相关责任的明晰化来实现对多主体权力的控制。人工智能算法决策流程通常是由一大批程序员进行编程的，每个程序员贡献一定数量的代码行，而没有一个人能够“看到整个图景”并能够预测每个给定系统的选择方案。不过，程序员可以设置算法永远不会越过的边界(例如指示机器人律师永远不要使用欺骗性信息)，或者指令算法完全丢弃某些参数。(55)Karni Chagal-Feferkorn，“The Reasonable Algorithm，” University of Illinois Journal of Law，Technology & Policy，Vol.2018，No.1，Spring 2018，pp.111-148.既然程序员可通过设置算法来影响人工智能决策的结果，那么其他人亦可通过规约算法智能技术来保障算法模型的合法性与合理性。而相关立法需要付诸的是为人工智能司法应用中可能产生的争议性问题提供裁判依据。譬如当应用财产处置辅助系统对被执行人财产进行自动估值时，如果算法仅在数据集的某个部分进行挖掘产生一个非代表性的输出，实际影响执行法官对案件的判断并对当事人产生不利影响时，该如何确立相关责任以及责任主体；当利用联合智能惩戒平台自动推送失信被执行人信息或自动实施惩戒出现谬误而导致被惩戒对象一系列权益受损时，如何划分第三方服务提供平台与被执行人信息提供者与联合惩戒参与者间的责任范围与责任大小，诸如此类的问题皆需通过立法之完善来予以明确。一如某学者所言，法官试图利用计算机电子设备和其他现代技术为司法执行工作提供便利，而从事法律经济学和司法人工智能化的科学家们的目标则应调整法律以适应不断变化的技术环境，并创造法律解决方案，以满足现代社会的需要。(56)Dymitruk，“Artificial Intelligence as a Tool to Improve the Administration of Justice?” pp.179-190.