人工智能司法的运行困境与出路

2023-10-08郝晶晶曾俊荣

河北科技大学学报(社会科学版) 2023年3期

关键词：算法

郝晶晶曾俊荣

摘要：人工智能技术更新迭代，但人工智能司法在运行中仍面临内生、外来的困境和质疑。人工智能司法开发技术的功能障碍、类案类判技术尚未发挥其应然功能、算法黑箱与法律决策透明性的天然冲突、人工智能不是“人”等窘境是人工智能司法运行中需直面的难题。要素式审判是指根据不同类型案件的特点，抽取出该类案件的共同事实要素，围绕案件的基本要素进行庭审并制作裁判文书的一种略式审理方法。引入要素式审判方法有助于缓解人工智能技术升级的压力、提升类案类判的准确性和针对性、提高裁判文书说理以及心证公开的程度、增加“人情味”，从而提升人工智能在司法审判中运行的效能。

关键词：人工智能司法；要素式审判；算法；类案类判

中图分类号：D926 文献标识码：A DOI：10.7535/j.issn.1671-1653.2023.03.007

Dilemma and Solution of the Operation of Artificial Intelligence Justice：From the Perspective of [DK]"Elemental Trial"

HAO Jingjing， ZENG Junrong

（Law School， Shenzhen University， Shenzhen 518000， China）

Abstract： Artificial intelligence（AI） technology has been renewed and iterated， but artificial intelligence justice still faces endogenous and exogenous dilemmas and challenges in its operation. The difficulties that need to be faced in the operation of AI justice include the dysfunction of AI judicial development technology， the failure of case-like judgment technology to fulfill its due function， the natural conflict between algorithmic black box and legal decision-making transparency， and the fact that AI is not a [DK]"human". Elemental trial refers to an abridged trial method that extracts the common factual elements of different types of cases according to the characteristics of the case， conducts a trial around the basic elements of the case， and produces a decision document. The introduction of the elemental trial method can help alleviate the pressure of upgrading artificial intelligence technology， improve the accuracy and relevance of case-like judgments， increase the degree of reasoning and the openness of heart evidence in the adjudication documents， and increase the [DK]"human touch"， thereby enhancing the effectiveness of the operation of artificial intelligence in judicial adjudication.

Keywords： artificial intelligence in judicial field; elemental trial; algorithm; case-like judgment

一、问题的提出

法院的信息化建设依赖于人工智能与司法审判的融合，两者的交融离不开“内”“外”两股力量的驱动，分别是法院内部建设的需求以及人工智能信息技术对司法的渗透[1]（P325），两者共同促进了人工智能在司法中的运用。一方面，“案多人少”矛盾激烈。根据2021年全国法院司法统计公报[2]显示，2021年全国未结案件总数达341.13万件，同比增长62.44%，比2020年的数量同比增加了131.13万件[3]。自改革开放以来，我国案件体量一直处于高位，法院法官肩负较大的案件压力。“人案矛盾”成为司法改革的重点方向。造成“人案矛盾”的原因主要包括以下几点：公民权利意识的增强；司法便民措施的采用；若干新法的颁行；法官数量过少[4]（P25）。在立案登记制使得大量纠纷案件涌入法院的同时，法官员额制则使法官入额的人数增幅远小于案件数量增长。故此，传统的诉讼审判模式已经不能满足纠纷解决的需求。另一方面，人工智能对司法审判的渗透成为大势所趋。近年来，随着信息化技術的迭代升级，人工智能开始参与民众的生活，改变社会各个领域、行业的运行轨迹、运作方式，司法审判领域概莫能外。2017年4月20日，最高人民法院印发的《最高人民法院关于加快建设智慧法院的意见》中明确要求“运用大数据和人工智能技术，按需提供精准智能服务，支持办案人员最大限度减轻非审判性事务负担”。同年7月8日，国务院印发《新一代人工智能发展规划》要求建设智慧法庭数据平台，促进人工智能应用，实现法院审判体系和审判能力智能化。人工智能将成为现阶段司法改革的重要工具。学界对人工智能的讨论也从人工智能司法是否应该存在逐渐转向对人工智能开发应用的研究，以及如何更好地利用人工智能为司法改革服务。

人工智能的出现为解决“人案矛盾”提供了新视角，而要素式审判与人工智能的有机融合则成为破解“人案矛盾”的可行路径。两者结合能够优化诉讼程序并实现对司法资源的结构性调整。但需要注意的是，司法改革的实质性进展是缓慢的，以技术解决改革中遇到的一些瓶颈性问题，逐步完善司法生态将是一条崭新的改革路径[5]（P12）。人工智能作为司法审判的辅助工具，能够利用现代化信息技术推动改革的发展。司法改革从人工智能信息化技术的角度入手，向信息化运用要效率，能够增加要素式审判改革以及繁简分流机制改革的效益。基于上述认识，笔者试图以多维视角对人工智能司法面临的现实困境进行解构，并从理论与实践结合的角度引入要素式审判，对于其在人工智能司法中运用的实际效用进行剖析，从而对要素式审判有助于人工智能司法解决“人案矛盾”的观点进行证成，以期厘清人工智能司法与要素式审判之间的若干问题，借助要素式审判缓解人工智能司法的运行窘境，提升人工智能司法的运行效益。

二、人工智能司法的运行困境

在信息化技术的支撑下，我国人工智能司法获得后发优势。人工智能与司法的融合在世界树立了典范，并为世界提供中国经验。人工智能与司法融合最早可以追溯到21世纪初[6]（P11-12）。直至今日，虽然人工智能信息化技术已经发展的较为纯熟，但其与司法审判的融合仍然面临着许多困境，包括内生窘境以及外来质疑。对人工智能司法运行困境进行解构，能帮助理解要素式审判在助力人工智能司法发展方面的作用。

（一）人工智能司法开发技术的功能障碍

人工智能的開发有固定的技术路径，其与司法的融合也遵循一定的逻辑路径，先决性问题为法律知识图谱的构建[7]（P70）。知识图谱是结构化的语义知识库，用于以符号形式描述物理世界中的概念及其相互关系。知识图谱的架构，包括知识图谱自身的逻辑结构，以及构建知识图谱所采取的技术（体系）架构[8]（P584）[9]（P48）。完成知识图谱的构建后，接着就是依照知识图谱的框架体系对每一个案件的情节进行提取。情节提取依托“自然语义识别技术”①对裁判文书中的数据进行有效的语义分析。案件情节提取完成后，接下来就是对类案进行识别。利用前两步提取的信息，将每个案件全方位地结构化与标签化，并将含有类似情节的案件进行整合，形成广泛意义上的“类案”。最为重要的一步就是在实现类案识别后，对人工智能系统进行模拟训练，实现案件从“X→Y”的有机重构[9]（P49）。

人工智能司法在理想状态下能顺利完成“知识图谱的构建—情节提取—类案识别—模拟训练”的实现路径，但是运行中以上步骤存在以下技术障碍尚需解决。首先，知识图谱的构建分为实体抽取、关系抽取以及属性抽取三步[8]（P585-588）[9]（P50）。现阶段，人工智能司法对于知识图谱的建构尚未达到完全自动化的水平，无法完全自主、准确、高效地完成对法律知识图谱的实体抽取、关系抽取以及属性抽取。其次，裁判文书作为知识图谱构建的数据库来源，具有很强的个体差异性。法官是完成裁判文书的主体，受行文风格、表述习惯等因素的影响，尽管法律文书具有大致的统一格式，但是最后表述却可能千差万别。这对于人工智能司法的情节提取提出了挑战，目前的自然语言处理技术尚不能达到将相似的表达归类统一的效果。再次，由于情节提取的误差，导致在类案识别中准确率较低，为法官司法裁判提供决策辅助的实效不高。最后，模拟训练作为对前述步骤的承继，若作为训练的样本文书存在瑕疵或者本身就是错误的，以这些“经验”辅助法官裁判，错误可能被不断放大，造成恶性循环[9]（P50-52）。

（二）类案类判技术尚未发挥其应然功能

在提及人工智能司法时，学界都会不约而同地论及其类案推荐功能[10]（P26）[11]（P131）。最高人民法院于2018年1月5日正式上线了“类案智能推送系统”[12]，通过该系统能够快速查询相类似的案件，帮助法官了解类案案情、裁判等，实现人工智能辅助司法裁判，有利于统一法律适用、提升审判质效、巩固司法公信力。在实践中，人工智能司法实现类案类判主要有两种方式：一是自动推送。自动推送是指信息技术人员先以裁判文书网中的文书为对象建立数据库，而后对所有裁判文书进行人工“贴标签”，将每个裁判文书所涉及案情归结为若干个具有法律意义的标签。在一方当事人起诉时，系统会自动对该份起诉状生成对应的法律标签，将具有相似法律标签的案件归类为类案。二是主动搜索。法官对自动推送的类案不满意时，可以在类案系统中选取罗列出来的法律标签，并输入关键词在数据库中检索类案[10]（P27）。但有限的人工智能类案类判实践并未能完全满足法官的审判需求。有学者对类案类判的实践运行进行实证研究，发现类案类判还存在以下问题：检索推送的案例不精确，无法解决法官的实际需求；推送的案例范围过窄；地方各类案类判的实践差异显著等[10]（P28-29）。

对于人工智能司法中的类案类判实践现状进行原因探寻，可以发现存在内外两大方面的原因：一是现行人工智能技术尚需升级，这是内因。二是案例数据库不完备，这是外因。从内因看，在进行类案类判的逻辑运行时，基础的技术问题是建立分门别类的数据库。建立数据库不仅要提取案件事实，分配法律标签，而且要对标签进行交叉管理。目前的人工智能技术对于裁判文书的字段提取尚不能实现

以案件事实情节的重要程度为标准自主提取关键词作为法律标签，故该项操作只能由人工来完成。面对浩如烟海的案件量、连篇的裁判文书，如果不能对人工智能进行升级，将耗费大量的人力物力来完成这项工作。从外因看，人工智能通过对裁判文书的深度学习，加上法律标签的辅助，才能实现对类案的推送与检索。因此，在数据库的体量不足以让人工智能进行深度学习的情况下，类案类判的推送与检索也会遭遇挑战。

（三）算法黑箱与法律决策透明性的天然冲突

算法黑箱是指因商业秘密、技术的复杂性以及机器学习结果的不可预知性，算法像是一个封闭的黑箱，其内容的不透明使得人们难以了解算法的内在工作机制。算法黑箱使得司法决策系统进行裁判时的说理和论证变得无法审阅[13]（P65），只能得到人工智能所给出的答案，却无法知其所以然。法律决策的透明性是裁判正当性、公正性和有效性的前提，也是司法公信力的重要依托。因此，算法黑箱的不透明性与法律决策的透明性存在天然的冲突。

由此便引出对于通过人工智能司法所得出的裁决或结论，如何给予当事人及其律师充分的知情权以及抗辩权的问题[14]（P112）。人工智能司法亦应当符合实体正义与程序正义的共同要求。司法裁判并不是一个唯结果论的过程，或者说结果并非是最重要的，更重要的是通过法官的裁判文书说理，引经据典地得出合理、合法的结果。否则，这个结果将很难对当事人产生信服力[15]（P119）。当事人和律师如果无法对裁决或结论的得到过程进行质疑或抗辩的话，那么将会侵害当事人及其律师的程序保障，这与司法正义是相背离的。除此之外，基于算法黑箱的特性，即使对于专业的法律从业人员，也未必了解算法黑箱的运作，更何况是普通的社会大众，那些缺乏专业技术知识的诉讼参加者，将天然处于不利地位。因此，算法黑箱有可能加剧诉讼主体之间业已存在的数据鸿沟[16]（P106）。

（四）人工智能不是“人”

自人工智能技术发展以来，是否赋予人工智能虚拟的“法律主体资格”是学界争论的主要话题。人工智能是否具有民事主体资格，在民法法理上涉及主客体二分的本源问题，即人工智能是作为主体—人，抑或仅为客体—物。人与物之间的区别具有重要意义，凡是人以外不具有精神、意思的生物都归属于物，是权利的客体。但人工智能的出现正逐渐模糊主客体之间本不可逾越的鸿沟[17]（P131）。不管是从主流观点还是传统观念来看，将人工智能视为“人”或许是让社会一般人难以接受的事情。无论是在司法领域还是社会其他领域，民众对于人工智能的看法都是将其视为辅助性工具，而并不会本末倒置地将其视为“人”加以对待[11]（P125）。

人工智能不是“人”，也就不能将其视为法官。首先，计算机可以处理法律条文内容中的三段论推理以及关于“要件-效果”的条件式推理，也可以处理具体案例特征与数据库检索到的基础案例特征之间的类似性并进行倾向性的推理和判断[11]（P129）。但是，人工智能无法解决有效法律或政策规范在适用上的先后顺序以及价值位序问题[11]（P129）。其次，司法裁判是普遍性知识与特殊性知识高度结合的产物[18]（P92）。司法裁判中不仅涉及法律规则、原则以及司法解释，还会有政策性考量、利益权衡、上下文语境以及风俗习惯等特殊要素的介入。这与人工智能的算法方式亦存在关联，人工智能的算法方式是线性的，即从输入到输出是以一种固定的算法进行。而人类的思维方式是非线性的，法官在裁判案件时会考虑到许多法律条文之外的、能够影响案件裁判结果的因素。再次，我国成文法以简约为特点，每一个概念的内涵、外延的界限并不完全清晰。除此之外，中华文化对于文字的表述有于细微处见真章的效果，如义务性条款中“应当”与“可以”的区分。有学者认为，将裁判方式固定化、格式化，可能会阻碍法律解释学、推理技术、专业化教育以及审判者伦理人格的发展和提高，使司法流于一种检索和推测的简单智力游戏[11]（P130）。

三、要素式审判在人工智能司法中的效能

要素式审判③作为区别于传统民事诉讼的新型审判模式，既承继了传统诉讼模式的特点，又具有若干特征。所谓要素式审判法，是根据不同类型案件的特点，抽取出该类案件的共同事实要素，围绕案件的基本要素进行庭审并制作裁判文书的一种略式审理方法，包括案件审理方法与裁判文书制作方法两个方面。要素式审判是在繁简分流的司法改革背景下，基层法院面对案多人少的困境提出的解决方法[19]（P3）。要素式审判的运作原理是对能够提取固定要素的类型化案件进行要素提炼，在庭前由双方当事人对若干固定要素是否存在争议归纳总结于《要素登记表》。在庭审中法官根据双方提供的《要素登记表》对无争议的要素予以确认，对存在爭议的要素进行针对性地调查、辩论。在要素式裁判文书的制作方面，也可以适当简化，无须通篇平铺直叙，法官主要针对存在争议的特定要素进行陈述。

要素式审判方式改革为人工智能司法的转型与升级提供了新的契机与切入点。要素式审判利用对于要素事实的提炼以及分类，能够改变知识图谱的构建方式以及后续的逻辑路径，进而分担人工智能司法在技术升级方面的压力。通过改变类案归纳的依据以及标准，提升类案的相似性，进而提高类案推送以及案例检索的准确性，辅助法官司法裁判。通过规定特定案件的固定事实要素倒逼法官对于争议要素的心证公开，加强裁判文书对于争议要素说理的针对性。通过要素事实以及相应的裁判结果的学习，人工智能司法能够更加准确地理解司法裁判中所包含的法律以及法律以外的内容。

（一）要素式审判能缓解人工智能司法中技术升级的压力

人工智能的“自然语义识别技术”对于法律语言的识别是具有局限性的，这也是人工智能最大的弱点，是必须面对、必须解决的关键。要解决人工智能的自然语言属性与法律语言不确定性之间的矛盾与张力，须从人工智能的学习路径出发，构建人工智能的法律知识图谱

[7]（P72）。以裁判文书为学习对象，在具备明确的审理对象、明晰的案件事实、要适用的实体以及程序规则的情况下，人工智能的深度学习并非不可能实现[6]（P11-21）。而要素式审判便成为人工智能法律知识积累的重要途径，是构建人工智能法律知识图谱的重要来源。

人工智能司法是抽象与具体的结合。前者是指人工智能司法以抽象建模为前提，后者是指人工智能需要从具体案件事实要素出发进行学习积累。人工智能所追求的具体化是高度标准化、类型化后的具体化。反观要素式审判，一方面要素式审判要求对于各个要素事实具体明晰的阐述；另一方面，对于要素事实的评价需要在具体的案件事实以及抽象的实体法规范之间来回流转[7]（P74），这与人工智能学习方式是相契合的。故能较为轻松地实现人工智能司法实现路径的第一步，即知识图谱的构建。在要素式审判中，双方当事人在案件开庭审理前对于法官整理的要素事实的起诉以及答辩，有利于人工智能司法在情节提取时减轻工作量、提高准确度。后续的类案识别与模拟训练步骤就不再赘述。因此，在人工智能司法下构建体系完整的要素式审判，能够减轻人工智能司法在技术迭代上面临的压力。

（二）要素式审判能提升人工智能司法中类案类判的准确性和针对性

类案类判功能是人工智能对于司法裁判的重要作用之一。通过人工智能司法的类案类判功能，能够帮助法官对同一类型的案件作出相同或相类似的裁判，有利于提高审判的效率以及提升司法公信力。实现类案类判功能的重要前提是存在数据资源丰富、分类整齐的案例库，否则类案类判将无法精确推送或者检索，无法很好地辅助法官进行司法审判。而在前文有提及，目前人工智能类案类判数据库的建立仍然依靠的是人工提取案件法律标签的做法，这样的做法不仅低效，而且容易出错。如何借助要素式审判完善这关键的一步？要素式审判中的案件事实要素就是提取法律标签的最好素材。在《要素登记表》中，法官对于每个案件整理的每个事实要素，是对于涉及案件事实每一个部分的区隔。在提取法律标签时，人工智能不再需要对连篇累牍的、没有重点的、风格不一的裁判文书进行法律标签的提取，而只需对在每个案件中各个事实要素的法律标签进行分别归纳，阅读量大大减少，精准性也会随之上升，类案类判系统的推送以及检索也会更有针对性和准确性。

（三）要素式审判能提高人工智能司法中裁判文书说理充分性以及心证公开程度

民事裁判文书说理不充分的现实困境在学界也有讨论。有学者以及实务工作者指出，现阶段法律文书存在的问题主要在于“四个不够”，即“说理不够、公开不够、评价不够、责任追究不够”。说理是法官的义务，必须遵循法律逻辑，说理对象应当以当事人为主，兼顾学者和社会公众”。②可见裁判文书说理现状仍不乐观。加之人工智能司法的黑箱性，就算是法学学者也难以琢磨其中奥秘，更何况是社会公众。但是，在引入要素式审判之后，法官对于无争议的事实要素无需论证就可以确认，当事人作为权利义务承担者也当然会予以肯定。而对于存在争议的事实要素，则要求法官一一予以回应与论证，公开自己的心证。这样既能相对减轻法官的工作负担，也能够有效缓解说理不充分、心证不够公开的窘境。此外，结合要素式审判方法与动态阶段性裁判文书写作方法相结合的司法审判实践经验，可以将法官、法官助理和书记员进行裁判文书制作、写作与创作归纳为不同的程序阶段[20]（P311），如此也能提高审判的效率。

（四）要素式审判能增加人工智能司法中的“人情味”

人工智能司法或许给普通大众的感觉是冰冷的。社会公众受影视剧、法学书籍等的影响，可能并不认为法律是非黑即白的，而是存在可以回转的空间，这也是当事人留有一丝希望也不愿放弃的信念来源。民众寄希望于法官在全盘考量之后，会基于种种法律之外的要素给予他们胜诉的判决，这可能是民众所认为的“法律的温度”。人工智能司法因为算法的一元性，其对于相同特定案件事实的输入，只可能输出同样的裁判结果，因为其思维方式是线性的。但如果结合要素式审判法对人工智能司法进行路径改造，将案件事实不断解构，解构为不同层级的要素，最基础的为每一个具有法律意义的名词，再由人工智能系统对这些法律名词进行事前的学习，形成大数据之后，再对案件事实进行重组，最终形成人工智能对于知识的积累。在不断的解构重组中，人工智能对于法律之外影响案件裁判的因素也有学习的过程，能够帮助人工智能更好地理解司法裁判，更好地给出类案建议，辅助法官进行司法裁判。

四、结语

司法审判与人工智能的融合已成为大势所趋，两者的结合为繁简分流司法改革下解决“人案矛盾”提供了新视角。实证数据为人工智能司法解决案件纠纷的实效提供支撑，但人工智能司法面临的困境仍需直视。困境一方面源自人工智能的技术特质；另一方面涉及人工智能与司法的衔接与融合问题。要素式审判是对传统诉讼審判模式的革新，针对特定类型的案件规定特定的事实要素，在双方当事人的配合下区分有争议与无争议的事实要素进行庭审。在人工智能司法运行框架中引入要素式审判，不仅能够助益解决人工智能司法面临的难题，而且有助于提升人工智能司法的运行效能，是解决人工智能司法困境的可行出路。

注释：

①“在大数据时代，对海量文本信息进行有效的语义分析已经是自然语言处理、信息检索、信息分类、信息过滤、语义挖掘、文本的机器学习等诸多应用领域基础且关键的研究问题，它影响着上层信息服务与信息共享的质量和水平。自然语义识别技术是处理自然语言的前提条件。自然语言一般是指人类社会中逐渐发明和演变的用于沟通交流的语言，表现为语音、手势语、书面语言等。通过自然语义识别技术的框架，就可以自动实时、明确地从海量司法文书中提取知识图谱构建所需的情节，这是一个非常关键的环节。”参见王禄生：《司法大数据与人工智能开发的技术障碍》，载《中国法律评论》2018年第2期，第49页。

②此观点为重庆市第四中级人民法院院长孙海龙法官在中国法学会法律文书学研究会“2017年学术年会暨司法改革责任与法律文书改革论坛”中提出。参见：https：//www.163.com/dy/article/CVDRTNUJ0514A4E1.html，最后访问时间：2022年10月5日。

③要素式审判法与邹碧华法官的要件式审判法相区分。要素式审判法是法官根据双方当事人提供的固定要素（即案件事实）判断是否存在争议推进诉讼。无争议的要素予以确认、有争议的要素经过庭审调查、辩论后适用法律。而邹碧华法官的要件式审判法是以请求权、抗辩权法律规范为基准进行构成要件的解构，对原告的请求、被告的抗辩分别进行检索，探寻是否存在支持的规范。可以发现，要素式审判法是事实出发型审判模式，而要件式审判法是规范出发型审判模式。因此两者存在截然不同的逻辑路径。参见邹碧华：《要件审判九步法》，法律出版社2010年版，第32-36页；刘韵：《民事诉讼争点整理研究：基础理论、实践开展与本土建构》，厦门大学2019年博士学位论文，第159页。

参考文献：

[1]李鑫，王世坤.要素式审判的理论分析与智能化系统研发[J].武汉科技大学学报（社会科学版），2020（3）.

[2]2021年全国法院司法统计公报[EB/OL].http：//gongbao.court.gov.cn/Details/a6c42e26948d3545aea5419fa2beaa.html，2022-04-01.

[3]2020年全国法院司法统计公报[EB/OL].http：//gongbao.court.gov.cn/Details/0bce90201fd48b967ac863bd29059b.html，2021-04-01.

[4]姜峰.法院“案多人少”与国家治道变革——转型时期中国的政治与司法忧思[J].政法论坛，2015（3）.

[5]徐昕，黄艳好.中国司法改革年度报告（2018）[J].上海大学学报（社会科学版），2019（2）.

[6]张保生.人工智能法律系统的法理学思考[J].法学评论，2001（5）.

[7]高翔.人工智能民事司法应用的法律知识图谱构建——以要件事实型民事裁判论为基础[J].法制与社会发展，2018（6）.

[8]刘峤，李杨，段宏，等.知识图谱构建技术综述[J].计算机研究与发展，2016（3）.

[9]王祿生.司法大数据与人工智能开发的技术障碍[J].中国法律评论，2018（2）.

[10]左卫民.如何通过人工智能实现类案类判[J].中国法律评论，2018（2）.

[11]季卫东.人工智能时代的司法权之变[J].东方法学，2018（1）.