司法人工智能融入司法改革的难题与路径

摘 要：司法人工智能融入司法改革是新一代科学技术推动司法改革的新范式，它为提升司法改革质效、提高司法能力、推进司法公开、坚持司法为民和公正司法提供了智能化解决方案。司法人工智能融入司法改革的法理表达是“数字正义”，它运用法治思维和法律方法为司法改革提供适用的理论解释和方法论支持。然而，司法人工智能面临着公正和效率价值的失衡，实践上仍难以满足司法改革的需求，技术上存在算法不可解释和过拟合的瓶颈，还缺乏精细化评估司法改革成效的科学方法。未来路径需要从顶层设计上构建多维司法价值均衡发展的科学理论，研发遵循司法规律的智能化应用，建立以司法人员为中心的人机协同机制，构建司法改革成效评估的科学方法，制定司法人工智能的伦理规范，探索适应司法数字化改革的诉讼制度。

关键词：司法人工智能;司法改革;数字正义;司法价值;司法规律

中图分类号：DF920.0文献标志码：A

DOI：10.3969/j.issn.1001-2397.2021.03.01 开放科学（资源服务）标识码（OSID）：

引 言

随着司法改革的深入推进，司法改革向人工智能、区块链、云计算等新一代学科技术要司法生产力成为一种新常态。在《新一代人工智能发展规划》提出建设“司法管理”等国家政策利好和官方密集性资本投入之下，我国司法人工智能进入全面落地和应用的阶段，以 “智慧法院”“智慧检务”“智慧司法行政”为核心的智慧司法建设快速布局，在实现司法任务网络化、平台化和智能化过程中发挥了重要作用，成为科学技术助力司法体制改革，推动国家治理体系和治理能力现代化的成功范例。这当中，智慧法院以“平台化”+“智能化”的信息化方式实现了智慧诉讼服务、智慧审判、智慧管理和智慧执行，促进了审判体系和审判能力的现代化，推动了司法审判质效变革，实现了司法数字化改革的转型升级和全面深入。我国司法改革的基本目标，是贯彻依法治国方略，建立公正、高效、权威的社会主义司法制度。参见陈光中、龙宗智：《关于深化司法改革若干问题的思考》，载《中国法学》2013年第4期，第7页。司法人工智能融入司法改革就是为规范和提升审判、监督检察等能力，实现司法为民和公正司法，建立科学、高效、公正、权威和透明的司法体系提供科技支撑。

司法人工智能融入司法改革有其法理意蕴，“数字正义”是司法人工智能与司法改革相融合的法理表达，互联网和信息技术的发展使司法公开从线下的“现场正义”转化为线上的“可视正义”，在线矛盾纠纷多元化解模式突破了空间限制，构建了更加便捷、简单和快速的法律程序去“接近正义”（access to justice）。See M.Ethan Katsh，Orna Rabinovich-Einy，Digital Justice： Technology and the Internet of Disputes，Oxford University Press，2017，p.40.法理学和法哲学很早就关注了科学技术与法律的融合。考夫曼就曾指出：“法律信息学（Rechtsinformatik）法律信息学是研究信息学在法律环境背景下的应用，因此涉及到与法律相关的组织（如法律事务所，法院和法学院校）以及信息的使用者，还有这些组织所包含的信息技术。参见 Erdelez Sanda，OHare Sheila，Legal Information：Application of Information Technology in Law，32 Annual Review of Information and Technology 367，367-402（1997）.是在法律事务上的应用，且需要法律理论知识的一种技术，这些偏向形式的法律领域，今天绝大多数的看法，不再归属于原本意义的法律哲学，而较倾向于归属于法学理论。”[德]阿图尔·考夫曼：《法律哲学》，刘幸义译，法律出版社2011年版，第3页。司法人工智能以一种科学技术的“法外”形态来作用于司法改革，它借助新科技的技术优势来提高司法改革任务的质效，减少低效和重复的工作，充分挖掘和释放司法实践的形式理性。参见魏斌：《论法律人工智能的法理逻辑》，载《政法论丛》2021第1期，第144页。司法人工智能为司法改革赋能增效是科学技术理性和司法改革需求双向驱动的融合，从法理学角度探讨司法人工智能是新科技融入司法改革的正当性辩护。

司法人工智能融入司法改革面临新的问题。其一，司法改革需要平衡多重司法价值和适应多重司法实践任务，还需要挖掘司法人工智能融入司法改革的法理，以司法改革内在动因为出发点，遵循司法价值均衡观、司法过程效率观、司法目标公正观，为司法改革过程中的难题提供基础理论支撑。其二，司法人工智能仍然难以满足司法改革的任务需求，人工智能等新科技需要理解司法规律，推动类案检索、繁简案件分流、认罪认罚从宽、刑事及民事速裁、偏离度预警等司法改革任务的智能化。其三，司法人工智能仍然受限于人工智能的技术瓶颈，存在算法不可解釋和算法过拟合的问题，这使得智能化决策的结果备受质疑。其四，司法人工智能还需要评估和优化司法责任制改革、以审判为中心的诉讼制度改革、多元化纠纷解决机制改革、司法资源配置改革，提升跨部门多领域、多业务司法协同的水平。司法人工智能融入司法改革需要直面司法改革中痛点和难点，通过构建多维司法价值均衡发展的科学理论，研发遵循司法规律的智能化应用，建立以司法人员为中心的人机协同机制，构建司法改革成效评估的科学方法，明确司法人工智能的伦理规范，探索相适应的诉讼制度等多个方面来推动司法人工智能深度融入司法改革。

一、司法人工智能融入司法改革

司法人工智能融入司法改革源于司法改革向人工智能等新科技要司法生产力的内在需求，迫切需要新科技支撑以提高司法改革的效率，提升司法改革的透明度，创新司法为民的新模式。司法人工智能融入司法改革应当在遵循司法规律的前提下满足司法改革的需要，因而，司法改革的规律和内在需求应当包含在司法人工智能的内涵当中。“泛概念化”问题正在使司法人工智能研究范围扩大参见刘艳红：《人工智能法学研究的反智化批判》，载《东方法学》2019年第5期，第119页。，其作用和功能亦被夸大，甚至脱离了其客观的作用。内涵和外延不清还使得法学界和科技界有诸多误解，忽视了司法人工智能区别于一般人工智能的特有属性。司法人工智能研究亟需明确司法人工智能的内涵与外延，使司法人工智能回归到理性和合理的范围，客观看待司法人工智能融入司法改革的价值。

（一）司法人工智能的科学内涵

司法人工智能是运用人工智能等新科技来求解司法实践中的难题，帮助提升司法实践的质效，它有明确的问题意识和实现目标。因而，在人工智能科学家看来，司法人工智能是人工智能的一个分支，它是将人工智能应用于司法活动而产生的辅助方法、技术和应用，是为了减轻司法人员的重复和低效的劳动，将更多精力投入到能体现法律专业性和不可替代性的工作当中。国际上，司法人工智能的研究呈现出清晰的演进路线，其研究主题也随着法学与人工智能的交叉融合而不断丰富，主要的研究领域包含：法律文本的论证挖掘、法律大数据的信息抽取、法律文本的分类和摘要、商谈与合同制定的可计算方法、计算机辅助的争议解决方法、法律领域的深度学习、法律推理与道义逻辑、智能合约、证据推理的可计算模型、智能化法律导航系统、法律领域的知识获取技术、法律知识可视化、机器学习与大数据分析、本体与法律知识表示、关联且开放的法律大数据等。参见2021年国际人工智能与法律会议（ICAIL）征文公告，https：//icail.lawgorithm.com.br/calls/，2020年10月访问。在我国智慧司法被纳入国家治理体系的特殊背景下，司法人工智能在技术外表之下被赋予更多的内涵。司法人工智能被看作是科技辅助司法的一种运行和管理形态，它将人工智能等新科技引入到司法领域，替代重复和低效的法律任务，实现业务及其流程的数据化、平台化和智能化，从而提高司法实践的准确性、精确性和效能，帮助促进司法为民和公正司法。

司法人工智能的内涵界定也要避免过度的技术崇拜，人工智能与法学的交叉定位要求真正理解新一代科学技术与司法实践融合背后的法理意蕴，应当注重从传统的法律逻辑学、法律解释学、法律推理理论、法律论证理论、法律证成理论等法律方法论当中吸收学科知识，更要聚焦法律概念、法律命题、法的规范效力、法的正当性、法的安定性、法的程序正义和实质正义、法之功能等更具理论深度和广度的法哲学和法理学命題。司法人工智能也并非是新科技在司法领域的简单或机械应用，而是要与司法改革的内在需求有机融合。司法人工智能应当是在牢牢把握司法规律的前提下，应用于以检察和审判为核心的司法任务，一味地追求满足司法实践的任务需求，机械地应用人工智能极可能将司法改革的真正需求与人工智能的功能剥离开来，也就无法真正发挥新科技的作用。司法人工智能的特性是司法与人工智能的深度融合的本质，这种特性要求深入理解和尊重司法规律，满足司法实践需求，真正将人工智能的优势融入到司法实践当中。

司法人工智能的概念解构还取决于对“司法”概念的解读，对“司法”的不同理解影响对司法人工智能的界定。“司法”通常被认为是国家司法机关及其司法人员依照法定职权和法定程序，运用法律处理案件的专门活动。但对于“司法”究竟行使何种司法权以及司法对应于何种法律专门活动，存在不同的见解，代表性观点包括：司法即审判、司法即诉讼、司法即纠纷解决、司法即法的适用、司法即“公检法司安”、司法即审判和检察。参见彭巍：《司法规律研究》，吉林大学2018年博士学位论文，第39-40页。从司法权的涵盖范围来看，司法有广义和狭义之分。广义上，司法权包含侦查权、检察权和审判权，因而，广义的司法人工智能旨在推动提升行使这三种司法权的司法效能，这就对应到我国“智慧公安”“智慧检务”和“智慧法院”建设。狭义上，司法权的核心内容是裁判权参见陈瑞华：《司法权的性质——以刑事司法为范例的分析》，载《法学研究》2000年第5期，第30页。，我国司法改革正在推进以审判为中心的诉讼制度改革，司法人工智能主要服务于审判体系和审判能力现代化，这意味着狭义的司法人工智能指的就是作用于审判职权的理论、技术和应用，这就对应“智慧法院”建设。

（二）司法人工智能融入司法改革的动因

司法人工智能融入司法改革是实现司法公正的需要。司法公正的内涵需要从厘清司法公正与司法效率、判后释疑、审判公开、司法审判公共关系、社会舆论、司法政策之间的关系，而且要从立案、审判、执行的全过程动态视角加以解析。参见王晨：《司法公正的内涵及其实现路径选择》，载《中国法学》2013年第3期，第19页。从更深层次的需求来看，人工智能融入司法是司法体制改革和现代化科技应用结合的必然结果。司法体制改革的功能就是要解决人民密切关心的立案难、诉讼难、执行难等问题，司法人工智能恰是通过智慧诉讼服务、智能化司法公开、智慧执行等来回应和解决这些问题。司法人工智能要突出和体现司法体制改革中的显性功能和正功能，要避免导致扭曲或阻碍司法体制改革的反功能。参见钱大军：《智慧司法的中国进程：功能替代与结构强化》，载《法学评论》2018年第5期，第138页。 司法人工智能将深度学习算法结合智能语音识别、图像和视频处理技术、自然语言处理技术应用于庭审语音转化、案件分类和标准化认定、类案检索、智能化裁判辅助等多种司法人工智能应用，法官和检察官借助司法人工智能快速了解案情，明确证据的三性，锁定争议焦点，预测案件结果，形成合理的判决。

司法人工智能融入司法改革是提升司法效率的需要。智慧法院建设围绕审判流程再造，以构建全流程、全覆盖的无纸化办案体系为目标，推进立案、审判、执行和管理四个主要环节全覆盖，力图实现审判全流程提质增效。司法效率的提升在不同司法场景对人工智能等新科技有不同的需求。立案通过网上立案等新模式提高诉讼服务效率，审判使用类案检索和法律法规推送等智能化辅助系统以减少裁判尺度不统一的问题，限制司法人员的自由裁量，执行借助精准查控来提高执行效率，司法管理基于流程化和可视化平台来提高法院业务流转效率。司法改革要求提升司法的公信力和透明度。司法大数据通过互联网的传递突破了时间和空间的限制，使得公民及时便捷地参与诉讼全流程中的司法活动。审判流程监督需要公开化和透明化，公民可以通过网络公开平台查询涉诉案件的审判流程，最大限度地满足当事人的知情权、参与权和监督权。庭审不再局限于公民到庭旁听，而是借助网络庭审直播使公民感受庭审过程，防止黑箱操作和司法专断，提升庭审的质量和效果。裁判文书公开是判决公开，保障公民对司法裁判的知情权，提供先例裁判的数据，使法官形成相对统一的裁判标准，提升裁判文书释法说理的水平。

（三）司法人工智能融入司法改革的成效

司法人工智能使得司法改革以往存在的一些难点或矛盾得到一定程度的缓解。司法信息科技的成绩主要体现在三个方面：提升了司法的透明度，提高了司法管理和办案的效率，加强了司法公平。参见孙笑侠：《论司法信息化的人文“止境”》，载《法学评论》2021年第1期，第25页。司法改革和智慧法院建设更是作为人民法院审判体系和审判能力现代化的“车之两轮，鸟之双翼”周强：《最高人民法院工作报告》，载《法治日报》2020年6月2日，第002版。。在大数据汇聚和应用方面，我国智慧法院建设实现了司法大数据资源整合、平台建设和大数据共享，全国四级法院全部完成与大数据管理和服务平台的电子卷宗汇聚接口打通，支持各级法院电子卷宗数据的汇聚管理。智慧法院建设有效提高了网上立案率和电子送达率、法院人均结案率和执行到位率，缩短了案件平均审理天数。智慧检务建设提高了职务犯罪案件人均办理案件数，犯罪侦查案件平均侦结天数缩短，案件办理质量标准化程度提升，法律监督覆盖率有效提升。智慧司法行政建设使得社会矛盾纠纷演化为违法犯罪率下降，监所服刑人员重新犯罪率降低，减假暂人员重新犯罪率降低，涉司法行政上访案件数量降低等。

在支持以庭审实质化的诉讼制度改革方面，智慧法院积极探索繁简案件分流、庭前分析报告生成、庭审实时争议焦点生成、庭审摘要生成、类案检索、风险点预测、实时审判结果预判、裁判文书生成、法条推荐、量刑分析等司法应用。在提升司法能力方面，全国各级法院还参与研制了多种司法人工智能辅助系统和装备。例如，北京市高级人民法院的“睿法官”智能研判系统、上海市司法系统的“上海刑事案件智能辅助办案系统（206工程）”、江苏省检察院的“案管机器人”、苏州法院还形成了“智慧审判苏州模式”。智慧检务借助智能辅助办案系统，智能提取案件要素、辅助分析证据，自动生成审查报告、公诉书、量刑建议书、不起诉决定书等法律文书，将检察官从重复和机械的简易工作中解脱出来，提升了检察工作的质效。在创新司法为民新模式方面，上海、浙江和江苏等地人民法院建设“微法院”，推出微信与法院工作深度融合的移动互联网业务平台。

在推动多元化纠纷解决机制方面，ODR模式在国际上得到了广泛的应用，Modria在线纠纷解决系统已广泛应用于建立纠纷解决流程，提供支持调解和仲裁服务等功能。See Amy J.Schmitz，Expanding Access to Remedies Through E-Court Initiatives，67 Buffalo Law Review 89，116 （2019）. 我国大力推动多元化纠纷解决和基层治理现代化，通过人民法院调解平台整合法院审判调解资源和全社会的纠纷化解资源，“枫桥经验”模式也为全国多元化纠纷解决做出了良好的示范。在提升司法公信力方面，人工智能和区块链等新科技引导和规范办案人员搜集、审查和存储证据，统一了诉讼各阶段证据认定的规则和标准。诉讼全程留痕还加强了对检察权和审判权的监督，避免司法人员决策的肆意性，压缩了司法权滥用的空间。裁判偏离度预警等技术也限制了法官自由裁量权的滥用，技术倒逼办案人员主动遵守司法伦理，提升了司法公信力。在提升司法公开和阳光司法方面，智慧法院通过裁判文书公开、庭审直播公开、审判流程信息公开、执行信息公开四大司法公开平台增加了司法的透明度，增强公民对司法改革成效的获得感，使司法公正以看得见的方式实现，努力让人民群众在每一个司法案件中感受到公平正义。

二、司法人工智能融入司法改革的法理基础

司法人工智能融入司法改革有其内在的法理逻辑。首先，司法人工智能是以技术理性与司法实践理性相融合以揭示司法改革的运行规律，其主要特征是以大数据和人工智能等新科技来提升司法质量和效率、实现公平正义，司法改革的成效也以数字化的形式得以呈现，因而其背后的法理表达为一种“数字正义”。其次，司法人工智能作为一种法律方法论为司法改革任务提供适用的科学方法。司法人工智能模仿和借鉴法律人在司法实践中所运用的法律方法，人工智能辅助司法实践中体现的不仅仅是人工智能等新科技的技术理性，还包含了法律人的理性。最后，司法人工智能融入司法改革还需要运用法治思维，真正理解司法实践的运行规律，将人工智能的优势和特点融入司法改革当中。

（一）司法人工智能融入司法改革的法理表达：数字正义

公平正义是司法现代化的不懈追求。司法人工智能融入司法改革的法理仍然是对公平正义的追求，其法理表达已经转变为一种以科学技术驱动的“数字正义”。“数字正义”具有最普遍化的抽象意义，互联网系统的全局结构需要一个将正义作为内在价值的国际定义，而不是将其作为由民族国家惯例所决定的正确合法性的标准概念。参见[美]克利福德·克里斯琴斯：《数字时代的新正义论》，刘沫潇译，载《全球传媒学刊》2019年第1期，第98頁。人工智能技术的司法应用，开启了从“接近正义”迈向“可视正义”的历史进程，引发了司法运行机制的深刻变革。参见马长山：《司法人工智能的重塑效应及其限度》，载《法学研究》2020年第4期，第223页。司法人工智能使得司法程序可视化，智慧法院四大公开平台借助司法大数据的可视化推动了法院司法公信力的跃升。多元化纠纷解决依托ODR技术使得纠纷以一种可看见的方式得以解决，同样彰显了可视化的“数字正义”。“数字正义”的可视化特征有利于监督法院独立行使审判权，检察院行使检察权，提升司法公信力，实现司法公正。

“数字正义”是看得见的正义，是阳光化的正义。“数字正义”引导司法人工智能深度赋能司法改革，打通“信息孤岛”和“数据壁垒”，推动阳光司法机制建设。数字正义的目标不是澄清技术是如何产生争议的，而在于如何应用技术去解决和预防它们。参见M.Ethan Katsh，Orna Rabinovich-Einy，Digital Justice： Technology and the Internet of Disputes，Oxford University Press，2017，p.3.“数字正义”还意味着法院在使用技术的方式上发生观念转变：这需要对当前的政策方向重新定位，以确保适当重视发展更多有关法庭科技参与性和交流性动态的知识和训练，从而为未来改革的设计和实施提供信息。Jane Donoghue，The Rise of Digital Justice： Courtroom Technology，Public Participation and Access to Justice，8 The Modern Law Review 995，1024（2017）.数字正义因其可视化特征，使得司法改革的成效可以被量化和评估，以审判为中心的诉讼制度改革、司法责任制改革、司法资源配置改革、多元化纠纷解决机制改革都可以通过大数据分析的方法来评估改革成效。

“数字正义”除了以数字来表征正义，还在于以数字来衡量司法效率。“数字正义”的核心是司法效率观，它要求尽量减少司法资源的浪费，使用有限的司法资源获得最大化的司法效果，从而达到优化司法资源配置的目的。司法改革是以司法公正为最核心的司法价值，然而，过度追求司法公正会使得司法资源过度消耗，使得司法效率降低，反而会削弱司法公正。在当前诉讼爆炸的背景下，低效率的司法改革难以满足人们对高效司法的期待，樹立司法效率观是推动司法改革向纵深快速发展的前提。能否对效率进行充分的关注以及能否在公正与效益之间保持适当平衡也是衡量程序公正的一项重要标准。参见陈卫东：《公正和效率——我国刑事审判程序改革的两个目标》，载《中国人民大学学报》2001 年第 5期，第96页。司法人工智能融入司法改革也要警惕因追求改革效率而忽视、甚至牺牲公正为代价，要构建公正和效率司法价值相均衡的改革方案。

（二）司法人工智能融入司法改革的方法：法律方法论

司法人工智能融入司法改革本质上仍是科学技术辅助司法实践的应用模式，因而从方法论视角看，司法人工智能被看作是一种法律方法。法学方法论是研究法律规律、提供法律适用科学方法的一门科学。参见王利明：《法学方法论》，中国人民大学出版社2011年版，第II页。司法人工智能恰恰是一种遵循司法规律，为司法实践提供适用科学技术的方法。无论司法人工智能采用的是何种精细和科学的手段，从其运行机理来看，它仍然是由人来控制的一种工具，其作用是利用新科技的技术优势，辅助提升司法的运行质效。因而，法律方法论具备指导司法人工智能的法理基础，它为司法人工智能的方法论价值提供理论辩护。司法人工智能既继承了传统法律方法的一般特征，又有其独特的全新属性，这些新属性体现在其显著的应用性和可操作性。互联网和人工智能时代带来的“法治革命”，不仅对传统法治观念和法律方法产生了史无前例的挑战，而且呼唤超越自我的法学新知识，期待重构法治新理念，企盼转型升级法学新方法。李林：《“智慧司法”与“法治中国”》，载《北京日报》2020年7月6日，第011版。司法人工智能是法律方法论的范式转变，是由传统的基于逻辑分析、价值分析和规范分析的理论范式朝着精细化、可操作和易实现的应用范式的转变。

司法人工智能是通过新一代科学技术为手段使司法实践中的法理外化为直观的技术表达，它为司法改革任务提供高效的智能化解决方案。司法人工智能与传统法律方法的联系主要在于：（1）司法人工智能吸收了传统法律方法论的优点，诸多算法的灵感来源于传统法律方法的启发，不少应用都是在法律方法论的问题视域当中建立起来的，或者说，司法人工智能以传统法律方法论为基础。（2）司法人工智能变革方法论研究由宏观的模糊分析转向精致的微观描述，具有精确、可计算以及表达和刻画能力强等特点。（3）司法人工智能具有自动化决策的能力，通过借鉴规范方法分析司法判决的过程，根据反映方法规律的算法来自动得到结果，提高了算法决策的效率。（4）司法人工智能提供多种计算模型帮助使用者完成识别、构造、比较、评估法律论证等任务，识别最相似的类案，尤其适用于处理数据量大且案由简单的简易案件。

司法人工智能并没有脱离传统的法律方法论，而是根植于法律方法论，包括法律推理理论、法律论证理论、法律逻辑学、法律解释学等都对司法人工智能有重要的启发。法律推理理论启发人工智能精确刻画法律可废止推理，定义证明标准并证成案件事实主张。参见[荷]亨利·帕肯：《建模法律论证的逻辑工具：法律可废止推理研究》，熊明辉译，中国政法大学出版社2015年版。法律论证理论启发人工智能构建有效的司法三段论和司法证明理论。法律解释学启发人工智能定位适用的法律法规并且对其进行适用解释。法律证成理论启发人工智能构建辩论阶段中的对话模型。参见[荷]阿尔诺·洛德：《对话法律：法律证成和论证的对话模型》，魏斌译，中国政法大学出版社2016年版。司法人工智能受到“应用法理学”的影响，法律方法论所探讨的法律概念的可废止性、法律结构的开放属性、司法过程的多主体性、论辩性和动态属性等都能够借助司法人工智能的技术手段得以直观地表达和展示出来。因而，从法律方法论的角度看，司法人工智能融入司法改革是以提升司法改革任务的质效为目标，通过司法大数据与人工智能等新科技的结合，以一种端到端的算法模式，将传统司法任务直观地展现为数据输入到结果输出的过程。

（三）司法人工智能融入司法改革的思维：法治思维

司法人工智能融入司法改革应当遵循法治思维。法治思维是受规范和程序约束、指引的思维。参见陈金钊：《对“法治思维和法治方式”的诠释》，载《国家检察官学院学报》2013年第2期，第79页。司法人工智能融入司法改革应当受到法律规范和司法程序的约束，“平台化”+“智能化”的模式使司法程序全流程公开，司法业务网上全程留痕，司法人员的权利受到技术的监督和约束。司法人工智能还需要获得“合法性”地位，其辅助司法人员做出决策亟需正当性辩护和证成。“合法性”是法治思维活动得以开展的前提条件和出发点。参见韩春晖：《论法治思维》，载《行政法学研究》2013年第3期，第10页。司法人工智能融入司法改革应当警惕人工智能主体论的观点，避免绝对的技术崇拜，不能以技术替代司法人员，而应当始终以司法人员为中心，司法人工智能的“辅助性”定位是其“合法性”地位的前置条件。因而，司法人工智能的研发和应用导向不能是影响司法权的独立运行，更不能控制、甚至是消解司法权。

司法人工智能融入司法改革的首要原则是保证司法公正。法治思维在价值追求上是一种趋于实现公平、正义，保护权利、自由的思维。参见陈金钊：《对“法治思维和法治方式”的诠释》，载《国家检察官学院学报》2013年第2期，第81页。司法公正是司法规律的灵魂和生命，以司法程序公正为例，它是司法公正之规律的重要体现，包含三重意味：第一，“正当程序”，即意味着“任何人不得自己做自己的法官”以及“任何人在受到公权力不利行为影响时，有获得告知、说明理由和提出申辩的权利”。……第二，“审判公开”，即审判权行使应当公开与透明，它要求审判规则的公开、审判过程的公开、以及审判结果的公开。第三，“司法结果的可验证性”，即人们可以根据法庭所依据的规则和程序，推导出相应的“逻辑结论”江国华：《司法规律层次论》，载《中国法学》2016年第1期，第23页。。司法人工智能融入司法改革应当以司法公正作为首要司法价值，通过技术留痕来监督司法权以推动程序正当，借助庭审公开、审判流程和裁判文书公开平台来实现“审判公开”，采用“预测编码技术”来实现多任务驱动的智慧司法应用，在多种简易案件中得到重复检验，这就是为满足司法结果的可验证性。

司法人工智能融入司法改革要遵循规则思维。法治思维的基本要领是规则至上思维孙笑侠：《法治思维的基本要领》，载《北京日报》2014年12月8日，第017版。，司法人工智能应用于司法裁判要学习法官的审判思维和裁判规则，包括法官认定案件事实和法律法规适用的思维和规则。规则思维首要突出规则公平。规则公平的第一层涵义是：全体公民，不分民族、种族、职业、宗教信仰、财产状况、受教育程度、居住年限与社会地位，在法律规则和标准面前人人平等。张文显：《运用法治思维和法治方式治国理政》，载《社会科学家》2014年第1期，第14页。司法人工智能融入司法改革要遵循规则公平，即算法平等对待每一个人，不会因为主体的差异而产生有偏见的结果。美国的定罪后风险评估程序（PCRA）用于评估罪犯再次犯罪的可能性，评估的指标包含犯罪历史、工作、教育背景、吸毒/酗酒、社会关系、血亲关系等，从预测的结果来看，非裔美国人再次犯罪的概率是白人的两倍，但被标记为高风险的非裔美国人没有再犯罪的比率高出白人一倍，同时被标记为低风险的白人再次犯罪的比例却是黑人的两倍，参见T.H.Cohen，C.T.Lowenkamp，K.Bechtel，et al，Risk Assessment Overrides： Shuffling the Risk Deck Without Any Improvements in Prediction，47 Criminal Justice and Behavior 1609，1609-1629（ 2020）.这类风险评估系统包含了显著的种族歧视，显然没有运用规则公平的思维。

司法人工智能融入司法改革还应当遵循理性思维。法治思维是一种理性思维，体现在逻辑理性、规则理性、实践理性和自然理性。参见韩春晖：《论法治思维》，载《行政法学研究》2013年第3期，第13页。司法人工智能的技术理性必须遵循法治理性，司法人工智能要使得司法决策具有安定性和可预测性，以技术理性来规范和限制司法人员的自由裁量。然而，一味追求人工智能技术的表现力，而忽略司法改革的规律，甚至与法律人的审判和办案思维相脱离，那么必然导致人工智能技术应用发生偏离。法治在重视程序正义的同时，一定不能忽视实质正义，要通过运用法律的原则、精神和法律赋予的裁量权，尽量消除或弥补某些程序可能对实质正义的损害，实现程序正义与实质正义的统一。参见姜明安：《法治、法治思维与法律手段——辩证关系及其运用规则》，载《人民论坛》2012年第14期，第6页。司法人工智能也不能过度依赖人工智能，而是要避免人工智能作用于司法改革的局限性，将最终的决策权掌握在司法人员手上，要避免机械决策所带来的负面效应。

三、司法人工智能融入司法改革的难题

司法人工智能深度融入司法改革仍然面临诸多难题。首先，公正和效率是司法改革的价值追求，司法人工智能在辅助提高司法效率的同时，部分应用以牺牲司法公正为代价，这与司法改革追求公平正义的目的相违背。其次，司法人工智能仍然难以满足司法改革的真实需求，人工智能等新科技难以理解司法实践的规律，司法人工智能仍然需要发展遵循司法规律，满足司法改革需求的技术和装备。第三，现有的司法人工智能过度依赖大数据驱动的人工智能算法，因而不可避免地导致算法的不可解释性和算法过拟合等问题。第四，大数据时代下司法改革成效呈现出数据化的特征，司法改革还缺乏有效的评估方法。

（一）公正与效率司法价值失衡的难题

整体上司法人工智能的价值在于追求效率价值，旨在通过技术辅助提高法律任务执行的效率，节约诉讼成本和司法资源。然而，在以人工智能推动司法改革的进程中出现了效率和公正价值之间位阶关系失衡的问题。人工智能的使用减弱或增强了法律系统中的价值表达，或者改变了价值之间的相对平衡。参见Harry Surden，Ethics of AI in Law： Basic Questions，in Markus D.Dubber，Frank Pasquale & Sunit Das，eds.，Oxford Handbook of Ethics of AI，2020，p.719-720.部分司法人工智能应用为了追求批量案件的处理效率而牺牲了个案正义，削弱了司法公信力，影响了司法公正。司法改革要解决司法效率问题，但更重要的还是解决司法公正问题，这是司法体制改革的真正价值所在。参见张建伟：《在公正的前提下追求效率》，载《人民法院报》2016年9月19日，第002版。因而，司法人工智能不能因追求效率而牺牲公正为代价。公正是司法最根本的价值，实现公正是司法活动的首要目标，也是一切司法活动追求的第一要务，这一点不容置疑。参见樊崇义：《司法要追求司法公正与司法效率的统一》，载《人民法治》2016年10期，第77页。

在司法人工智能融入司法改革的过程中，公正与效率表现出一种辨证关系。司法人工智能在诸多应用中产生了公正与效率失衡的问题，有的领域还比较突出。例如，智能化量刑辅助系统是通过机器学习和自然语言处理技术来挖掘法律文书中的关键信息，自动分析计算出量刑建议结果，生成量刑建议。然而，忽视了法庭调查和法庭辩论中的对抗性因素，使得难以确信复杂案件的事实和法律适用。为实现简单案件快速审理，繁复案件精密审理，繁简案件分流辅助系统通过自动提取案由和诉讼请求等多项指标，根据案由和要素自动赋分，并确定相应的标准，以此实现案件繁简的自动甄别。然而，共性要素可能会忽略个案特殊属性，导致要素赋分和计算的方法过于机械，使得复杂案件可能被当作是简易案件处理。认罪认罚从宽辅助系统也极易将认罪认罚从宽绝对化和简单化，而忽视案件的特殊性，使得认罪认罚适用不当。

公正与效率不仅构成了司法价值中两个重要的变量，反映了司法活动的质量，而且体现了司法活动的价值取向，是司法改革所追求的基本价值目标。因此，坚持公正与效率的有机统一，是现代司法高质量发展的内在要求，是践行以人民为中心的司法理念的集中表征。参见公丕祥：《社会主要矛盾变化：新时代人民司法的高質量发展》，载《浙江大学学报（人文社会科学版）》，第14页。司法人工智能的价值在于提升司法改革过程中法律任务执行的效率，然而，对于复杂个案的判定容易丧失公正性，尤其是对于部分受到社会广泛关注的案件、存在重大争议的疑难案件、涉及特殊利益群体的案件，将会引发对司法公信力的质疑，损害司法公正。要明确的是，司法追求效率必须以公正为前提，公正是司法的首要价值。司法人工智能的价值不仅仅在于效率，更应当保证“公正”，“有效率的公正”应当是司法人工智能融入司法改革的目标。但当公正与效率相冲突时，应保证公正的实现。

（二）司法人工智能融入司法改革的实践难题

司法人工智能融入司法改革的实践难题主要表现在两个方面。一方面，司法人工智能仍然难以满足司法实践的需求是当下最大的实践难题。人工智能等新一代科学技术有其局限性，司法智能化应用有其瓶颈。以深度学习为代表的尖端技术已触及“天花板”，在智慧司法建设过程中，由于缺乏充分考虑法律实践特性的专门技术，仍然无法满足实际司法任务的需求，甚至与预计目标相差甚远。中国的智慧司法界并没有成体系地为“法律”量身定制一整套专有技术。市面上所使用的技术绝大多数是通用的共性技术，而没有充分考虑到法律行业的特殊性。参见左卫民：《热与冷：中国法律人工智能的再思考》，载《环球法律评论》2019年第2期，第63页。这就使得司法人工智能的应用难以满足司法实践的需求，使用人员的应用体验与预期效果有较大差距。这是因为现有的技术与司法实践的实际需求并不完全匹配，人工智能的诸多技术瓶颈使得其难以胜任司法实践的智能化应用。亨特（D.Hunter）就以极其犀利的语言批判了神经网络在法律领域的应用，否定了神经网络在建模法律推理中的作用，他认为神经网络在法律领域中的有关司法裁判的应用已经宣告失败，使用神经网络并不是因为与法律不协调，而是因为神经网络在诸多法律实践中的应用表现力糟糕。See Dan Hunter，Out of Their Minds： Legal Theory in Neural Networks，7 Artificial Intelligence and Law 129，129（1999）.已有的问题在警示人们要谨慎将神经网络应用于法律领域，这需要更有说服力的结果和更加深入的理论辩护。

另一方面，司法人工智能不容易真正理解和遵循司法规律，因而人工智能技术本身仍难以优质地与法律相融合。司法人工智能融入司法改革应当满足一定的条件，而不是无限制地将技术应用于司法改革任务。司法人工智能本质上属于新科技辅助司法人员做出司法决策的工具，其运行仍然要遵循司法实践的规律，因而司法人工智能融入司法改革的基本条件还在于遵循司法规律，这也是司法人工智能的本质属性。任何司法人工智能的应用都应当以遵循司法规律为最基本的前提，违反司法规律的人工智能应用将带来极大的安全风险。司法人工智能需要遵循的司法规律包含最一般的规律，这至少包括：司法之定分止争的规律、审判独立的规律、裁判中立的规律、裁判可预测的规律、司法公开的规律、遵循先例的规律等。参见魏斌：《论法律人工智能的法理逻辑》，载《政法论丛》2021年第1期，第144页。

在司法人工智能发展史上，不遵循司法规律的应用都难以为继。80年代风靡一时的法律专家系统走向没落也正是由于其与法律的开放属性不相符合，法律知识获取的“瓶颈”难以应对法律概念、法律规则、先例的变化。黑箱算法的不可解释性使得结果难以检验和追溯，侵害了司法结果的可解释性。深度学习在训练司法大数据时也可能因为过拟合等问题，难以学习隐藏在数据当中的共性特征或普遍规律，使得训练的模型偏离预期，这本质上是与数据背后的司法实践特征或规律不相符合。司法人工智能在多大程度上表达了这些属性决定了其应用的可靠性，例如，类案检索要求当前案例与先例有足够的相似性，法官需要比对两个案件的案件事实和适用法律法规之间的相似性，相似性就構成了类案推理的特征。传统先例检索仅凭少量关键要素搜索难以精确定位类案，难以支持“同案同判”。近年来，通过深度学习处理数量足够且优质的先例数据，构建用以学习类案特征的知识图谱，较大程度上提高了类案检索的精度。参见Masha Medvedeva，Michel Vols，Martijn Wieling，Using Machine Learning to Predict Decisions of the European Court of Human Rights，27 Artificial Intelligence and Law 1，1-30（2019）.

（三）司法人工智能融入司法改革的技术难题

司法人工智能融入司法改革的主要目标是借助人工智能辅助系统来提升司法改革任务的效率，探索在繁简案件分流、认罪认罚从宽、刑事及民事速裁、认罪认罚、减刑和假释等司法场景的智能化应用。然而，由于人工智能技术存在先天的缺陷，这使得在司法应用过程中被放大。司法人工智能的演化过程中形成了两种人工智能的技术路径。第一种是由法律知识引导，使用人工智能逻辑的法律推理建模路径，形成了基于规则（rule-based）和基于案例（case-based）两类法律推理形式的可计算模型。第二种是由大数据驱动，使用机器学习技术的法律解析（又称法律文本挖掘）建模路径。机器学习的优点是能够避免知识获取瓶颈的问题，弥补人为定义规则的不完备性，在预测方面有优越的结果表现力。基于深度学习的预测编码（predictive coding）被誉为“颠覆性的法律技术”，它是一种算法支持下“文本分类”技术，其核心在于“监督学习”，即从人类决策中学习，而后将这些决策应用于新数据的算法。参见於兴中：《预测编码在司法中的应用简介》，载《经贸法律评论》2018年第1期，第97-99页。司法人工智能在法律文本处理、语音识别、图像和视频处理等应用中普遍采用了“司法大数据+深度学习”的算法模式。然而，在知识图谱构建、情节提取、类案识别、模型训练、量刑预测、偏离度测算技术等方面仍存在技术障碍。参见王禄生：《司法大数据与人工智能技术应用的风险及伦理规制》，载《法商研究》2019年第2期，第110-111页。主要原因在于机器学习算法所面临两个难题。

第一个问题是“算法黑箱”或不可解释性问题。算法的可解释性代表了算法的透明程度，即算法是如何通过训练数据得到模型的，模型是如何得到预测结果的。算法不可解释性使得结果难以检验和追溯，侵害了司法过程的透明性和司法结果的可解释性。表面上看，“算法黑箱”是由于输入数据与输出结果之间存在“隐形层”，从而导致决策过程不可解释。然而，算法的不可解释性根源还在于统计数据显示的特征并没有体现当前案件与先例特征之间的逻辑关联，而只是统计和概率意义上的特征拟合，这与人类法官基于经验和常识通过逻辑推理等方法得到判决结论的方式完全不同，因而判决预测的结果不能够轻易被认定为具有权威效力的结论，更不能替代法官的最终裁决，它只是一种辅助性的建议。算法不透明可能会形成偏好，形成“算法歧视”，这种偏好是在机器学习算法在寻找训练数据的规律中形成的，参见David Danks，Alex John London，Algorithmic Bias in Autonomous Systems，in Carles Sierra eds.，Proceedings of the Twenty-Sixth International Joint Conference on Artificial Intelligence，2017，p.4691-4697.它通常隐藏在模型的运算过程当中而不易被发现。对于将透明性和说理性作为基本要求的司法裁判来说，不可解释极大地影响了司法决策的公正性，形成了看不见的不公正。

第二个问题是机器学习会导致出现过拟合的问题，这在法律预测模型中十分凸显。这是由于机器学习算法过度训练导致机器学习到数据集的特异属性或偏见，使得无法用于预测新场景。Harry Surden，Machine Learning and Law，89 Washington Law Review 87，106（2014）.“过拟合”是指学习能力过于强大，将训练样本自身的特点当作所有潜在样本都会具有的一般性质，也就是学习了训练样本当中非普遍的特性，这样就会导致模型的泛化能力下降。参见周志华：《机器学习》，清华大学出版社2016年版，第23页。过拟合显示是对模型训练过度的表现，这导致本不该被学习的特性被习得，尽管过拟合能够满足当前的数据集，但是却无法准确预测后续数据的结果。虽然已经有通过正则化和增加数据集等方法来缓解这个问题，但是过拟合问题仍然无法完全得到解决。在缺乏足够的法律文本数据时，法律预测模型的过拟合问题就更加突出，这导致难以通过算法挖掘数据中潜在的真实共性特征，而使得个别数据的特异属性可能被训练作为数据集的整体特征，将极大地影响训练模型的预测准确率。

（四）司法人工智能评估司法改革成效的难题

司法改革评估是深化司法体制改革的重要前提，辅助总结司法体制改革的经验成效，寻找司法体制改革的问题和不足，也只有通过评估才能为人民提供满意的答卷。参见胡昌明：《司法体制改革评估的衡量标准及方法》，载《中国法律评论》2018年第3期，第188-189页。司法改革评估面向司法改革的关键领域，司法责任制改革的核心是“让审理者裁判、由裁判者负责”，是构建有序放权、科学配权、规范用权、严格限权的司法权力运行体系，评估指向的问题包括：检察权和审判权是否独立运行？是否建立了严格的追责制度和监督制度？以审判为中心的诉讼制度改革追求庭审的实质化，其本质要求是通过法庭审理发现疑点、理清事实、查明真相，因此必须力戒形式主义，保证庭审在查明事实、认定证据、保护诉权、公正裁判中发挥决定性作用。参见沈德咏：《论以审判为中心的诉讼制度改革》，载《中国法学》2015年第3期，第13页。庭审实质化是强调案件事实查明实质化和控辩对抗实质化，确保证据质证在法庭、案件事实查明在法庭、诉辩意见发表在法庭、裁判理由形成在法庭。改革成效评估的关键指标包括非法证据排除、证人和鉴定人出庭作证等。

司法资源配置改革是深化司法体制综合配套改革的重要措施，其目标是提高人财物等司法资源的使用效率，推动繁简案件分流和认罪认罚从宽是实施司法资源配置改革的有效途径。决定司法资源投入的评价因素主要包括个案诉讼周期的长短、司法工作人员的数量和专业素质水平、诉讼程序的设置、自诉案件和公诉案件适用范围的比例、司法机关的独立程序等。参见陈卫东、王政君：《刑事诉讼中的司法资源配置》，载《中国法学》2000年第2期，第135-138页。多元化纠纷解决改革也是节约司法资源的一个重要手段，全国多省市研发和上线了“ODR在线矛盾纠纷多元化解平台”，通过互联网将线下问题线上解决，并且将人民调解、行政调解、司法调解有机结合，形成了“数字化+智能化”的新时代“枫桥经验”。然而，纠纷解决的新模式还需要科学的评估，即如何依托人工智能和大数据关联分析的智能评估技术，围绕当事人、调解员及解纷机关设计质效评价指标体系，对多元化纠纷解决机制改革过程、司法实践、效果与影响进行全面评估。

在司法人工智能深度融入司法改革的趋势下，司法改革的成效评估迫切需要科学的大数据评估方法和机制。我国的案件质量评估体系在强化司法管理、优化司法质量等方面作出了显著的贡献，但也凸显了诸多弊端，如评估目标定位不清、地区差异考虑不足、定量方法过度偏重及司法用户欠缺关注。参见施鹏鹏、王晨辰：《论司法质量的优化与评估——兼论中国案件质量评估体系的改革》，载《法制与社会发展》2015年第1期，第60页。例如，以审判为中心的诉讼制度改革的评估通过抽样调查刑事案件判决，使用统计学方法来计算辩护情况、非法证据排除情况、证人和鉴定人出庭率等核心指标。参见魏晓娜：《以审判为中心的诉讼制度改革：实效、瓶颈与出路》，载《政法论坛》2020年第2期，第157页。但这种方法受样本数量所限制，评估结论无法全面反应改革成效。又如，在司法资源精确动态配置改革方面，传统测算方法主要是运用权重系数法、区间估值法、回归分析法来估算法官工作量，进而预测所需要的人员、经费、装备等司法资源。但人工测算无法保证结果可靠性，数据质量参差和数据类型覆盖不足等问题也限制了模型的预测能力。然而，量化分析不是简单的数字化、数据化，而主要是指标化、绩效理念以及量化评估技术方法的恰当运用。参见钱弘道、王朝霞：《论中国法治评估的转型》，载《中国社会科学》2015年第5期，第103页。 司法改革的成效评估应当由传统的人工测算转向大数据评估。司法改革任务提供了海量的司法大数据，未来的评估技术应当应用司法大数据分析来分析数据背后所蕴涵的规律。

四、司法人工智能融入司法改革的路径

当前司法人工智能研究和应用一片繁荣的背后隐藏着基础理论缺失的问题，法学界关注司法人工智能的价值、缺陷及其应用的反思，科技界则关注围绕具体司法业务展开的研究，大都忽略了支撑性基础理论的研究。为解决司法人工智能实践中出现的公正和效率价值失衡的困境，需要构建指导平衡“公正-效率”价值的科学理论。为满足司法改革的实际需求，需要研发遵循司法规律的智能化应用。为解决算法的不可解释性和过拟合问题，还需要融合法律推理与法律解析技术，构建以司法人员为中心的人机协同机制。司法改革成效的评估需要探索智能科学的评估方法。司法人工智能的合理应用也亟需制定伦理规范。最后，司法人工智能推动了司法數字化改革，还需要创新与之相适应的诉讼制度。

（一）构建司法价值均衡发展的科学理论和方法

司法人工智能的价值体系应当包含司法改革的核心价值，包括“公正、效率、透明、理性、和谐、均衡”，重点围绕“公正-效率”价值，与司法改革的价值相融合。司法人工智能融入司法改革受到多种司法价值的牵引，司法价值融入司法人工智能有其内在机理，它需要满足司法目标公正要求、司法价值均衡要求和司法过程效率要求。公平正义是社会主义法治的重要价值参见孙国华、周元：《公平正义：社会主义法治的核心价值》，中国人民大学出版社2014年版，第183页。，更全面的价值还包含透明、理性、和谐等，这些价值构成了一个均衡互补的价值体系，最终体现于效率、质量和社会效果。司法人工智能融入司法改革的关键在于使“公正”和“效率”等多种司法价值均衡发展，尤其是当不同价值出现位阶冲突问题时，则需要多维司法价值的平衡。司法平衡是司法公正的方法和手段，司法公正是司法平衡的目的和结果。参见崔永东：《司法价值论与司法平衡论》，载《法学杂志》2012年第9期，第42页。平衡理论的底线是坚持公正优先的原则，即在不损害司法公正的前提下，追求诉讼效率的提升，实现公正和效率的统一。

多维价值均衡要求在发挥司法人工智能高效能的同时，要兼顾司法追求公正等多维司法价值。提升效率不应当忽略个案正义的实现，而是要减弱人工智能对司法公信力的负面影响。司法人工智能融入司法改革需要构建多维司法价值均衡发展的科学理论，这需要探究司法价值的位阶问题及其平衡方案，从司法改革各项任务的具体情况出发，研究多维价值的均衡结构，尤其注重探讨公正和效率二者之间的平衡，围绕司法权运行效率、技术实现能力和个案公正裁决三个因素，构建“公正-效率”等价值的均衡方案。多维司法价值均衡发展应当充分权衡公正司法、司法为民、司法公开、执法严明、权利保障和判案精准等公正评测指标，综合考虑流程化、全面化、快速化的效率评测指标，最终形成面向智能司法程序的“公正-效率”等司法价值评测体系。

司法价值平衡需要借助量化和可视化方法，在司法人工智能设计过程中考虑嵌入两类价值指标，一类是公正司法、司法为民、司法公开、权利保障等公正评测指标;另一类是综合考虑流程化、全面化、快速化、精准化等效率评测指标。由此形成面向司法程序的“公正-效率”司法价值评测体系，进一步构建“公正、效率、权威、为民”等多维司法价值的均衡发展理论。测评体系选取的细化指标包括：（1）公正价值测评指标有：司法权行使的依法行使、诉讼程序的正当运行、证据采纳与排除、法官远离腐败、司法裁判公开等;（2）效率价值测评细化指标有：结案率、错案率、终审率、调解率、舆情反馈和社会效果等。测评体系应全面覆盖司法改革的各个方面，实现对司法价值的精准测评，为后续研究司法程序当中的“公正-效率”模型提供理论基础和测评依据。

（二）研发遵循司法规律、满足司法改革需求的智能化应用

司法人工智能融入司法改革应当充分考虑司法改革任务的特殊性，要避免机械地在司法改革领域应用人工智能等新科技，而忽视司法改革所要求的司法公正等规律。司法人工智能应当与司法改革任务自身的特征相符合，这些特征是决定改革能否成功的关键要素，是实现司法改革任务目标的内在要求，它们来源于和检察官办案和法官审判中的司法经验。人工智能等新科技的价值就在于理解司法改革任务的特征，以语音和图像识别、自然语言处理等技术驱动司法改革任务，使得司法改革任务以一种技术实现的方式得以“外显”。例如，类案检索的特征是案件关键要素之间的相似性，最高人民法院发布的《关于统一法律适用加强类案检索的指导意见（试行）》就要求各级人民法院“建立类案及关联案件强制检索机制，确保类案裁判标准统一，法律适用统一。”司法人工智能应当紧密围绕司法改革任务的特征来构建司法人工智能，从而达到精准和有效辅助司法改革的目的。

司法人工智能融入司法改革需要面向司法改革中的关键任务，发展平衡公正与效率价值的智能化应用。推进繁简分流是司法改革提高司法效率的重要改革措施。各国司法实践表明，根据案件标的额大小、案情难易程度、犯罪嫌疑人认罪与否等情况，对案件进行繁简分流，实现简案快审、繁案精审，是节约司法资源、提高诉讼效率的必由之路。参见黄文艺：《中国司法改革基本理路解析》，载《法制与社会发展》2017年第2期，第17页。繁简分流改革应当要明确简单案件和复杂案件的区分标准，其特征是繁简案件之间的差异，应当避免机械地根据固定的标准来加以区分。繁简案件分流辅助模型是借助人工智能技术，对案件的繁简进行识别分流，优先识别疑难复杂案件，确保难案得以精审。对剩余案件进一步细分，筛选出案件事实相对清楚、法律关系简单明了的典型简易案件，其中民事案件纳入简易和快审速裁程序，刑事案件纳入刑事速裁程序，最大程度地提高审判效率。繁简案件分流需要避免对案件繁简属性的机械识别，错误地将复杂案件甄别为简单案件，导致简易程序适用不当。

认罪认罚从宽是以审判为中心的诉讼制度改革的重要改革措施，通过犯罪嫌疑人、被告人的认罪认罚，实现刑事案件的分流和程序简化，以便节约更多的司法资源来办理犯罪嫌疑人、被告人不认罪的案件。参见张智辉：《认罪认罚从宽制度适用的几个误区》，载《法治研究》2021年第1期，第11页。认罪认罚制度的价值取向是公正基础上的效率观，“公正为本，效率优先”应当是认罪认罚制度改革的核心价值取向。参见陈卫东：《认罪认罚从宽制度研究》，载《中国法学》2016年第2期，第51页。认罪认罚从宽的智能化主要是为实现认罪认罚从宽量刑建议精准化，提高刑事案件办理的效率。认罪认罚从宽量刑模型是对当事人提供的证据和供述进行数据分析，判断其是否符合认罪认罚从宽条件并给出判断理由。在此基础上，结合量刑建议的专家知识图谱来构建可解释的量刑辅助模型。

偏離度预警是类案检索的延展性应用，它是通过当前案件裁判结果与相似案件裁判结果之间进行比对，判定当前裁判结果是否与类案裁判结果相偏离。如果法官、检察官的个案处理结果在偏离度内，则具有独立决定权;若在偏离度外，就会启动汇报核查程序，由法官、检察官就偏离预估值的理由做出解释、说明。参见李奋飞、朱梦妮：《司法责任制改革的司法大数据方略》，载《郑州大学学报（哲学社会科学版）》2018年第1期，第18页。偏离度预警算法是利用深度学习等人工智能技术，通过法律专家构建的审判知识图谱，预测评估审判过程中存在错判风险的节点信息。偏离度是测量裁判结果与预测结果之间的可容性区间。然而，偏离度预警仍然要警惕机械地将裁判结果与大数据预测的结果进行量化比对，而忽略了个案的特殊情况。偏离度预警要避免两种情况，一种是要避免复杂案件的结果被机械比对而被认定偏离，另一种是由案件的特殊性使得其裁判结果与类案的预测结果不一致而被判定其偏离。

（三）开拓法律推理与法律解析的融合路径

在人工智能短期难以突破可解释性难题的背景下，司法人工智能应当尽力避免算法黑箱所造成的负面后果。在技术路径上，司法人工智能应当采用法律推理与法律解析技术相融合的方式。法律推理的优点是推理过程透明、可解释，但缺陷是知识获取瓶颈和推理结果表现力弱。法律解析（legal analytics）的优点是学习结果突出并且能避免知识获取瓶颈，但缺陷是“算法黑箱”或不可解释性。法律信息抽取、法律文本分类、法律文本摘要、法律信息检索和法律预测等法律解析技术都广泛运用于类案检索、司法判决预测、裁判文书自动生成等任务。融合法律推理与法律解析能够弥补彼此的缺陷，是消解智慧司法不可解释性问题的突破口。阿什利（K.Ashely）在专著《人工智能与法律解析》中就探索了法律推理的可计算模型与法律解析技术的融合，试图在两种路径之间架起桥梁。参见[美]凯文·阿什利：《人工智能与法律解析》，邱昭继译，商务出版社2020年版，第70-97页。融合的思路在智慧司法建设中也逐渐得到应用，浙江省人民法院全流程智能审判系统“凤凰金融智审”就采用了法律专家知识引导和司法大数据驱动两种路径相结合的方法来实现金融借贷案件的智能化审判。参见刘克勤、孟焕良、徐琦：《AI法官助理开启智能审判新模式》，载《浙江人大》2019年第11期，第42-44页。

从技术背后的思维模式来看，法律推理与法律解析相融合是法律人的演绎式思维和归纳式思维的结合，它综合了制定法推理和判例法推理的优势。两者融合的思路是将法律推理的可解释性优势弥补机器学习的不可解释性缺陷，因果推论提供了一种将机器学习技术与反算法偏见相协调的潜在方法，它将数据之间的统计关联性转向因果关系。See Alice Xiang，Reconciling Legal and Technical Approaches to Algorithmic Bias，SSRN （Aug.13，2020），https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=3650635#.因果关系体现了数据输入和算法结果输出之间的逻辑关联，通过在计算过程中使用逻辑规则来表示模型训练所得到的知识，在算法结果解释中采用假设测试的方法来检验结果的可解释性。进一步还可以在法律文本大数据（如裁判文书）中挖掘法律论证，目的在于识别法律论证并检测其基本单元（前提、结论和推论规则），并实现对不同结构的法律论证进行分类。在法律推理融合法律解析的基础上，将因果关系挖掘、法律论证挖掘技术融入到类案检索和司法裁判预测等智慧司法应用当中。

（四）建立以司法人员为中心的人机协同机制

司法人工智能赋能司法改革还应当突出司法人员的中心地位，构建以司法人员为中心的人机协同（Human-machine Cooperation）机制。人机协同强调人在人工智能系统中的中心地位，是为预防人工智能决策过于绝对化和极端化，将人工智能的技术理性和人的实质理性结合起来。人机协同的作用在于避免过于突出人工智能等新科技的作用，而弱化人在回路中的地位。人机协同有效减少人工智能的缺陷所带来的负面影响，也为避免人过度依赖智能化辅助系统，由此形成惰性。人机协同是一种由人、机器、环境相互作用而产生的新型智能模式，它综合了人的智能和机器智能，实现了人的高阶认知能力与人工智能的计算能力优势互补。在最新的研究中，人机协同并不只是纯粹的计算能力，还可以通过直觉、文化、情感、信号和预先发展的倾向来促进合作。See J.W.Crandall，M.Oudah，Tennom，et al.，Cooperating with machines，9 Nature Communications 1，1-12（2018）.以人为中心已成为人机协同的一个趋势，它将人保留在过程控制的回路当中，并根据系统的自动化程度来确定人的参与程度。参见Marie-Pierre Pacaux-Lemoine，Damien Trentesaux，Gabriel Zambrano Rey，et al.，Designing Intelligent Manufacturing Systems through Human-Machine Cooperation Principles： A Human-Centered Approach，111 Computers & Industrial Engineering 581，581-595（2017）.人机协同有利于责任明确，最大程度发挥人和人工智能的优势，实现从感知到认知再到决策的闭环。人机协同的目标在于建立可解释、鲁棒性强的司法人工智能系统，发展安全、可靠和可信的司法人工智能应用。

司法人工智能不应一味地追求高度的系统自洽性，司法人员应当始终掌握系统运行的整个流程，当系统运行出现问题时能够及时干预。因而，在研发司法人工智能系统时，应当始终以一种以人为中心的理念贯穿整个过程。人机协同需要明确人与机器的能力、权限、控制和责任，双方共同协作来达成目标。参见F.Flemisch，M.Heesen，T.Hesse，et al.，Towards a dynamic balance between humans and automation： authority，ability，responsibility and control in shared and cooperative control situations，14 Cognition，Technology & Work 3，3-18（2012）.在人机协同模式下，司法人员和人工智能需要明确各自的权限和责任，尤为突出司法人員的最终决定权，定位人工智能的辅助地位。人机协同的机制就在于如何根据司法人员和人工智能的能力，来分配两者的权限和责任，即规定什么情况下由智能化辅助系统自动运行，什么情况下由司法人员来主导决策，以及责任如何分配等。智能化系统的预测结果可能与司法人员的决策不相一致，例如，在类案检索、繁简案件分流、智能审判等司法应用中，当系统的预测结果不符合司法人员的预期，那么人机协同机制应当以司法人员的决策为最终结果。

（五）构建司法改革成效评估的智能科学方法

司法改革成效体现在审判质量和效率上。司法人工智能与司法改革的深度融合必须要实现对改革成效的精准评估，利用人工智能等新技术精确地评估司法改革的进展程度和所产生的社会效果，发现阻碍司法改革的难点和痛点。司法改革成效的评价标准应当以司法公正、司法权威、司法效率、司法便民四个元素为基准。参见季卫东：《司法体制改革的目标和评价尺度》，载《人民法院报》2017年4月5日，第002版。对于审判质效评估，需要构建案件质量评查的科学方法，通过设定科学的审判绩效考评指标，评估审判质量和效率、法律效果和社会效果等。智能化评估模型可以使用深度学习等技术实现对案件信息的自动化抽取和要素式分析，审判绩效考评指标包括立案变更率、上诉改判率和发回重审率等审判公正性指标，立案率、结案数和结案均衡度等审判效率指标，以及上诉率、申诉率、调解率、撤诉率和公众满意度等审判效果指标。

对于司法责任制改革成效评估，智能化评估模型可以通过审判质效大数据算法和测算模型支持评价典型罪名办案偏离度、案件复杂度、案件敏感度等指标，同时支持评估庭审实质化、举证质量、量裁规范化、审判监督等指标，从业绩考评、管理监督、激励导向、惩戒追责等多个方面优化司法责任制改革，形成审判态势分析和预测模型，为责任制改革方案优化提供依据和先验知识。对于以审判为中心的诉讼制度改革，评估的思路是利用庭审大数据关联分析、证据文本自动摘要分析、量裁偏离度统计等方法，通过设计不同阶段、不同地域、不同案件类型的数据分析维度，对证人和鉴定人出庭作证、非法证据排除、量裁规范化等进行量化表示，形成诉讼制度改革成效作用的分析和预测模型，支持以数据统计和预测推演方式进行改革成效评估与优化。

对于多元化纠纷解决机制改革，评估方法应当围绕当事人、调解员及解纷机构，构建一套涵蓋社会效率、时间成本、人财物成本、案件解纷成效在内的多元纠纷解决机制改革成效评估指标体系，利用大数据关联分析技术对多元化纠纷解决机制改革过程、司法实践、效果与影响进行全面评估，形成涵盖地域、当事人、调解机构、案件类型、解纷系统等要素优化分析能力。对于司法资源精准分配改革，通过挖掘以文本形式呈现的司法大数据，量化获得司法机关和资源地理分布、诉讼类型和诉讼周期以及跨地域特性的多种密度分布，形成跨区域司法资源的知识图谱，借助案件权重测算的方法，实现对个案权重及工作量估计。由此构建面向司法资源配置的测算模型，形成分布式的个案工作量及权重的测算方案，辅助预测全周期的司法人员、经费和装备等资源。

（六）制定司法人工智能融入司法改革的伦理规范

司法人工智能融入司法改革要警惕出现人工智能应用失范的问题。司法人工智能既有一般人工智能应用存在的共性风险，也有在司法领域应用所产生的独特的伦理问题，这些问题亟需重视并建立以伦理规范为主的监督机制。2019年，法国立法禁止对法官进行画像来预测法官的司法判决，违者将面临高额罚款和监禁，这一事件在欧洲司法界和法律科技界掀起波澜，地方法院法官担心司法人工智能的决策与法官的实际判决不同时，会引发人们对法官判决的质疑。参见法国政府官方公报网站，https：//www.legifrance.gouv.fr/eli/loi/2019/3/23/2019-222/jo/article_33，2021年4月18日访问。立法对司法人工智能所引发问题的被动反应有明显的滞后性，因而亟需对司法人工智能提前制定伦理规范。在数据驱动的人工智能时代，“透明社会”与“黑箱算法”是我们不得不面临的一对根本矛盾。参见季卫东：《人工智能时代的法律议论》，载《法学研究》2019年第6期，第48页。显然，不透明的算法将引发司法人工智能的应用失范，由此带来难以预估的后果，如果以此来推动司法改革，那么无疑将极大地摧毁司法的公信力。

司法人工智能的伦理规范主要体现在对算法的规制，如何创制适用的算法审查机制是考验人工智能算法专家和监管机构的难题。对算法的规制本质上仍然是对人的规制。算法除了不透明和包含偏见等自身的问题之外，还可能包含算法工程师的主观恶意，目的是为了达到某种不公正或有偏见的结果。在这种恶意算法之下，无论数据的质量如何，都将导致不公正的结果出现。算法的规制重在事前预防，通过算法审查和评估等方式来实现事前控制，事后性规制则是通过事后救济的方式来追究使用者的责任。算法的司法审查主要有两种，故意算法歧视审查模式根据主观故意是否给当事人构成了伤害来判定算法使用者是否需要承担责任;无过错算法歧视审查模式则是看算法决策结果是否实际产生了差异化影响。参见郑智航、徐昭曦：《大数据时代算法歧视的法律规制与司法审查——以美国法律实践为例》，载《比较法研究》2019年第4期，第115-119页。算法规则不存在普遍适用的方法，算法规制应采取场景化的规制路径，根据不同场景类型对算法采取不同的规制方式，以实现负责任的算法为目标。参见丁晓东：《论算法的法律规制》，载《中国社会科学》2020年第12期，第138页。

智慧法治建设应当贯彻坚守伦理道德原则。要确立机器人研发者的伦理行动规范，包括尊重基本人权、预防原则、包容性、问责、安全性、可追溯性、隐私权保护、效益最大化和危害最小化等。参见雷磊：《中国特色社会主义智慧法治建设论纲》，载《中共中央党校（国家行政学院）学报》2020年第1期，第102页。人工智能的伦理规范既要尊重和保护人的基本权利，更要规范人工智能研究、设计、生产和使用人员的行为，建立必要的监督机制，保障数据和算法安全，使其在可控和低风险的环境下发展。司法人工智能应当结合司法改革任务的实际情景，秉持技术中立的原则，恪守技术伦理，创制人工智能在司法领域的技术应用规则，划定技术的限度和边界，保障司法大数据的存储和共享安全，保护个人信息安全。司法人工智能融入司法改革还要遵循“公正-效率”平衡的理念，在遵守伦理规范的前提下追求的有效率的公正，使之真正能够遵循司法规律，满足司法改革的真实需求。

（七）创新适应司法数字化改革的诉讼制度

信息化时代，司法人工智能推动司法改革朝着数字化和集约化的方向发展，使得分散和碎片化的司法任务集中到同一个平台来集约化处理。在数字化改革的新趋势下，司法数字化改革呈现出全域化和扁平化的发展趋势。浙江省人民法院正在推动“全域数字法院”建设，它是以技术变革推动业务流程再造、组织架构重塑和诉讼制度变革的全域现代化法院，是按照系统观念、法治思维、强基导向要求，以高度数字化和智能化手段实现数字正义为目标，打破空间和时间制约，形成全业务平台通办、全时空泛在服务、全流程智能辅助、全省域资源整合、全方位制度变革的信息时代司法运行、组织和管理新模式。参见余建华：《浙江全面推进数字法院建设》，载《人民日报》2021年4月9月，第01版。数字检务也正在推进捕诉一体改革，提升量刑建议质量，推动科技与办案融合，优化诉讼监督格局。参见贾宇：《认罪认罚从宽制度与检察官在刑事诉讼中的主导地位》，载《法学评论》2020年第3期，第1页。检察机关的法律监督模式正从“数量驱动、个案为主、案卷审查”的个案办理式监督向“质效导向、类案为主、数据赋能”的类案治理式监督转变。数字检察建设重在以数字赋能实现法律监督办案模式的根本性变革。

司法数字化改革使得司法资源可以集约化调配和整合，案件可以跨行政区域线上审理与合议，跨域一体化司法成为可能。数字化司法和互联网司法的理念将愈加深入，司法的内涵也将更加丰富：（1）司法越来越公开透明可接近，传统司法危机有望真正解决;（2）司法越来越无边界性，成为无间断无限制的制度供给;（3）司法越来越个性化、扁平化，选择法官和共享法官成为可能。参见李占国：《互联网司法的概念、特征及发展前瞻》，载《法律适用》2021年第3期，第10-12页。司法数字化改革涉及司法理念的更新和改革方式的巨大转变，它将引发司法体制机制的创新和司法制度的重塑，这其中必然涉及到许多全新的理论和实践问题，甚至对现有司法体系产生深远影响。司法数字化改革是从技术理性走向制度理性的跨越，是新一代科学技术倒逼司法制度的重塑，尤其对诉讼制度和证据制度产生了极大的影响。

司法数字化改革对诉讼制度的冲击主要表现在对诉讼程序正当性的质疑。远程审判在程序正当性上面临三个疑问：第一，欠缺传统诉讼程序之在场性与仪式性，是否减损或者否定了程序的正当性？第二，远程异步审判中当事人和证人的异步回应，是否减损乃至否定了程序的正当性？第三，目前已经发生的跨国远程审判的实践，其在程序上是否满足正当性的要求？参见段厚省：《远程审判的程序正当性考察——以交往行为理论为视角》，载《政法论丛》2020第2期，第117页。远程审判减弱了当事人的亲历感，甚至引发当事人对审判权的质疑。证人在线作证超出了《中华人民共和国民事诉讼法》（后称《民事诉讼法》）所规定的出庭作证的范围。跨地域异步审判挑战了《民事诉讼法》有关地域管辖的条款。此外，在线审判模式也催生了新的证据类型，在源头数字化改革方面，数字法院将采用3D+AI的新技术对物证进行扫描，得到物证的高清3D模型并使用区块链技术存储，物证经过数据化之后的证据形态不同于《民事诉讼法》中规定的八类证据，而是一种全新的证据类型。随着司法数字化改革的不断深入，将实现对司法程序的流程再造和对诉讼规则的重塑，司法数字化改革的实践将远远超前于理论构建，探索适应司法数字化改革的法学理论和诉讼制度已迫在眉睫。

结 语

司法人工智能正以前所未有的方式推动司法改革走向“数字正义”，但仍应当保持清醒的是，司法人工智能无法替代法官和检察官的作用，它始终是处于辅助地位。司法人工智能只是一种手段，是司法人员可以借助之“物”。其功能是促进司法的便捷、亲民，而非对司法本身的替代。参见冯姣、胡铭：《智慧司法：实现司法公正的新路径及其局限》，载《浙江社会科学》2018年第6期，第73页。司法人工智能要在理解和遵循司法规律、满足司法改革需求的前提下发挥作用。司法改革不能脱离司法自身的规律和特点，如司法的公正性、独立性、公开性、亲历性以及法官、检察官、侦查人员的经历、经验、理性判断等，这些都决定了法官、检察官、侦查人员是办案的主体。现阶段人工智能发展尚处于初级阶段，具有不确定性和局限性。因此，人工智能只能是辅助办案，其定位是AI法官助理、AI检察官助理、AI侦查助理，不能取代法官、检察官、侦查人员办案。参见崔亚东：《人工智能与司法现代化》，上海人民出版社2019年版，第4页。司法人工智能融入司法改革应当明确新科技的辅助地位，确立有限应用的原则，由智能化系统生成的决策建议不能未经过法官和检察官的加工和校验就作为司法决策的依据。司法改革任务的特殊性也给司法人工智能融入带来难以逾越的障碍，这需要理性看待司法人工智能的有限作用，客观地展示司法人工智能的价值，使得研发者和使用者在应用预期方面保持最大限度的共识。最后，司法人工智能深度融入司法改革，还迫切需要依靠法学家、法律实务专家和人工智能专家的紧密合作，通过建立通畅和长期的合作机制，引导多学科专家开展深度讨论与合作，凝聚真正的学术问题，探索法学和人工智能等新科技深度融合的道路。

The Dilemmas and Paths of Artificial Intelligence for

Justice Empowering Judicial Reform

WEI Bin

（Guanghua Law School of Zhejiang University，Hangzhou 310008，China）

Abstract：Artificial Intelligence for Justice empowering judicial reform is a new paradigm for the new generation of science and technology to promote judicial reform.It provides intelligent solutions for improving the quality and effectiveness of judicial reform，improving judicial capabilities，advancing judicial transparency，adhering to justice for the people，and maintaining judicial justice.The jurisprudential expression of intelligent justice empowering judicial reform is “digital justice”，a legal method that uses legal thinking and legal methods to provide practical，theoretical explanations and methodology support for judicial reform.However，Artificial Intelligence for Justice is faced with the dilemma of imbalance between justice and efficiency.In practice，it is still difficult to meet the needs of judicial reform.There are still bottlenecks in technology，such as unexplainable and over-fitting algorithms，and there is a lack of scientific methods to evaluate the effectiveness of judicial reforms.The future paths need to develop a scientific theory of balanced development of multi-dimensional judicial values from the top-level design，develop intelligent applications that follow judicial laws，establish a human-computer coordination mechanism centered on judicial officials，construct a scientific method for evaluating the effectiveness of judicial reform，formulate ethical norms for Artificial Intelligence for Justice，and finally explore litigation system that adapt to the digital reform of justice.

Key Words：Artificial Intelligence for justice;judicial reform;digital justice;judicial value;judicial law

本文責任编辑：董彦斌

青年学术编辑：周 力