国内外司法人工智能研究热点与前瞻

郑泽宇

(山东科技大学 文法学院,山东 青岛 266590)

人工智能技术颠覆了人们对传统行为模式的认知,推动了社会各领域工作效率的提升与规范化生产水平的提高。在司法领域,人工智能嵌入司法体系,为优化司法服务、提升司法效率、推动审判中立、增强司法公信力提供了技术工具。推动司法人工智能发展,已成为世界各国司法体制改革的主要做法之一。

近年来,国内外学界围绕司法人工智能开展了广泛的研究,取得了丰硕的成果。司法人工智能研究成果是否理性、研究框架是否协调、研究内容与实务对接如何?在地区间司法资源分配不均衡、审判效率偏低、“法官之累”频现以及司法实践对数据分析工具依赖加深的背景下,司法人工智能的研究是否可以在充分挖掘人工智能功能价值及使用效率的同时明晰人工智能嵌入司法程序的界限?基于此,本文系统梳理国内外司法人工智能研究的核心文献,运用Citespace知识图谱分析法分析研究内容,通过归纳研究结论识别研究逻辑与研究体系,进而提出既有研究的不足,以及未来深化司法人工智能研究的路径。

一、研究设计

(一)数据来源

伴随着2016年第三届世界互联网大会智慧法院暨网络法治论坛的召开及2017年“大数据、人工智能与司法体制改革结合”的杭州互联网法院的揭牌成立,司法人工智能于2017年前后进入国内学界研究视野。此后,司法人工智能的理论研究日益丰富,并于2020年初步形成内容丰富的研究成果体系。因而,本文系统梳理发表于2017—2020年的司法人工智能研究文献,试图厘清司法人工智能研究由萌芽期至成熟期的发展脉络,进而把握司法人工智能的研究规律。国外研究文献以在“Web of Science核心合集”中选择“Legal”or“Judicial Artificial Intelligence”为关键词筛除后得到的230篇文献为基础;国内研究文献以在CNKI“CSSCI+北大核心”中选择“司法人工智能”为关键词筛除后得到的210篇文献为基础。考虑到司法体制的本土性与国情特征,在借鉴国外研究成果的基础上重点对国内研究的内容进行了考究:将国内文献作为知识图谱计量分析的依据,并对国外研究的典型观点进行了推介。

(二)研究方法与图谱处理

Citespace分析方法是进行文献综述类量化研究的首选方法,因此,利用Citespace对文献数据进行分析。

第一,得到了司法人工智能研究的关键词聚类知识图谱。图谱中模块Q=0.683 3,轮廓值S=0.543 5,Q值大于0.3,S值大于0.5,说明图谱的聚类结构比较显著与合理[1]。由图谱的聚类标签及关键词可知,当前司法人工智能研究主要集中在司法数据安全、司法的信息化能力、司法公正、以智能机器人为代表的司法人工智能功能、人工智能生成物法律问题识别、算法黑箱等方面,限于篇幅相关数据备索。

第二,从计量学角度而言,高频被引文献的研究内容反映了该学科的研究前沿。分别梳理CNKI数据库与Web of Science数据库具有较高引用频率的中英文文献,得到20篇国内外司法人工智能研究的前沿文献。可以发现,基于“技术理性”的积极主义与“法律理性”的保守主义研究视角相辅相成。积极主义立场下,研究内容集中在人工智能技术的司法功能、价值与法律表达范式;保守主义立场下,则聚焦司法人工智能的局限性,致力于保护司法价值与防范技术冲击。

二、司法人工智能研究的分析框架

围绕“技术理性”与“法律理性”的研究体例与风格,学界对司法人工智能做了丰富的探索,功能研究与限度研究是当前研究的主要立足点。通过核心文献内容精读与图谱结果归类,构建了“理论(正当性)—内容二分(功能与局限性)—结果(功能异化)”的分析框架,总结了司法人工智能的正当性、功能机制、局限性、功能异化结果四大研究议题。

(一)司法人工智能的正当性

正当性(legitimacy)是法哲学研究的一个概念范畴。马克斯·韦伯的政治学理论认为,合法性(legality)是成文法条规定的利害关系人自愿或被动接受的契约与强令制度,利害关系人的接受行为即是legality,而legitimacy更多地体现为权威对个人的支配,如基于历史传统、法理、个人魅力而产生的支配关系。支配关系的普遍性非但应具有合法性,更应具有基于实质理性的合理性[2]。除行为合乎法律形式要件以外,为判断行为与社会基本价值观念及法学理念的契合度,正当性判断被用于法学研究的议题中。结合文献研读与标签关键词,发现从社会秩序、司法秩序、人的权利三个方面探究司法人工智能的正当性是主要研究内容。

1.社会秩序

人工智能即便在形式上增强甚至替换了传统司法机制和要素,但单向度的替换行为会导致社会秩序的总体改变[3],同时,充斥着传统、封闭和后现代式保守等诸多问题的基层社会明显难以适应智慧办案及大数据司法执行系统等前沿性特征明显的数字形式,社会规则的数字化、代码化一定程度上瓦解了传统社会伦理,进而引发了基层社会治理难题[4]。因而,围绕社会秩序的变革,司法运行与法律规制体系也将发生深刻变革,从事物规制转向代码规制[5]、从算法隐秘性与分散性着手规制[6]。确保社会风险化解与技术公开化、法律化,是使人工智能介入司法具有初步正当性的方案。

2.司法秩序

因智能合约、虚拟货币、智能生成物等虚拟产品的流通而产生的新型法律关系冲击着传统法律秩序。在法律实施与引证的司法程序中,司法裁判人员难以在法律滞后的情况下对新型法律关系做出及时准确的判断[7],即便是借助算法技术提供司法意见以及通过大数据分析预测案件判决结果。Pasquale认为这种非反思性的预测性应用方式仍旧是输入与输出间的“黑盒转换”,缺少透明基准与公信力的司法预测威胁了法治价值[8]。价值批判观点指出,片面重视数据分析与算法功能而忽略司法判断的经验性优势,直接削弱了司法的价值指引功能[9]。事实上,人工智能对传统司法秩序的冲击是学界批判最为深刻的内容,“司法不是纯粹的技术”反映了一种“法律理性”的保守主义研究倾向。与之相反,主张司法人工智能具有正当性的研究观点认为人工智能对司法秩序的冲击实质上是优化、调整以及使之更有效,“公开性、效率性与科学性是智慧法院的优势”[10],而将人工智能定位为司法辅助工具,低估了人工智能的革命性作用与韧性[11]。

3.人的权利

人工智能在司法领域基本功能的实现仰赖其对司法大数据的操盘,而司法大数据中关于当事人个人信息及案件信息的误用与泄露风险,一直使保守主义者担忧。比如,基于司法公开与个人数据价值平衡视角,判决大数据的普及与算法技术的不可解释性,使得大数据挖掘缺少必要的监管。因司法判决而导致的个人隐私泄露及数据权利受损,反而损害了司法权威与公信力[12]。Johnson基于信息正义理论进一步指出开放数据存在加剧而不是缓解不公正现象的风险[13]。除人的数据权利之外,研究表明司法人工智能对当事人人身权利保护也存在潜在风险,尤其是在美国等司法人工智能推进速度较快的国家。Scherer和Mckay指出,利用算法评估高风险罪犯的犯罪风险及监禁必要性等做法,在算法机械性与片面性的立场下可能误判,进而在不透明、不可知的状态下损害当事人的人身权利[14-15]。

(二)司法人工智能的功能机制

司法人工智能的功能研究主要来自“技术理性”的研究视角,主张技术的工具价值。学界研究集中在人工智能对司法程序、司法规则、司法决策的功能塑造三个方面。

1.司法程序智能化

司法程序的复杂化包括案件筛选、庭审流程、办案程序、证据审查的复杂化。目前对于案件筛选的智能化研究不多,原因是实务界对在司法程序开启的“门槛阶段”适用智能化程序比较谨慎。就庭审流程与办案程序而言,人工智能辅助庭审系统,如上海“206”系统的商用推动了庭审程序的智能化,在警务运用、庭审智能语音识别、电子卷宗生成、类案推送、量刑辅助、法律问答机器人等方面提升了司法效率。司法程序的智能化体现了“小范围开花”的通用技术的成熟[16]。在证据审查方面,大数据信息在证据校验和逻辑判断方面的精度很高。通过证据标准与证据规则,人工智能可定位证据的关键信息及其内在联系,从而判断证据链的完整性与逻辑性[17]。Nissan结合法律证据推理模型指出证据的算法推理在司法审查中的普适性:证据算法模型的不断优化与司法从业者数字能力的提升对获得高精度证据结论至关重要[18]。进一步说,大数据的互联特性给证据标准的统一提供了契机。我国不同区域间、同类不同案间的司法证据标准适用不统一导致了司法任意性。杨焘据此指出了数字化证明标准对证据固定化、互联化与证明瑕疵审查智能化的积极作用[19]。

2.司法规则智能化

在立法者实践经验嵌入法律意识形态理论以及司法运作存在程序繁琐、层级偏差等问题的背景下,司法主体在实务中难以避免存在诸多主观性判断,可能影响司法公正。Cameron认为实践与理想的脱节很大程度上源自法律框架的薄弱[20],数字代码则为弥补法律规则缺陷提供了工具。

(1)算法解构了司法的法条主义与形式主义特征。司法者通过算法规则的技术性重写以适应司法在控制自由裁量、诉讼节点控制、正义可视化等方面的需求,弱化了传统司法规则的形式色彩以及扩张了司法权的运作空间[21]。

(2)司法程序与司法规则的智能化关联。这一倾向着重体现在量刑辅助工具的运用上。研究指出,智能量刑辅助工具与技术依托数据计算的统一尺度与客观性,在抵消人工量刑的偶然因素后,推动了量刑规范化改革进程[22]。

(3)建立针对人工智能功能审查与漏洞防范的司法规则。基于保守主义者普遍认为的算法黑箱与算法歧视的存在,必须探讨司法人工智能在与法治价值发生冲突时的法律保障措施。Sierra认为需要修改法官选拔制度和司法机构内部组织等,以便提供履行其数据化司法职能所必需的能力[23]。

尽管司法规则的主观性与经验性毋庸置疑,但算法规则的客观性与中立性是个值得怀疑的问题。有研究指出所谓代码技术性改写、数据收集与算法应用仍保留着代码制造者的主观性,渗透着主体的价值理念[24],与其说司法规则被算法变得智能化,不如说算法规则与法治规则融合发展[25]、相辅相成更为适当。

3.司法决策智能化

司法决策具有不可逆与终局性的特征,即便通用技术日趋成熟,司法决策系统的辅助性定位难以改变[16]。学界关于这种辅助作用的研究体现在四个方面。

(1)同案类案裁判经验转化。研究指出,判决数据抓取、判决书要素抽取等云端通用技术的成熟,使得人工智能可以将法官裁判经验、证据审查经验转化为智力数据[17],辅助其他法官同案类案裁判,省去传统司法决策前法官查询判例的流程。

(2)提供司法决策预测模型。理想状态下,智能模型可以结合当事人过错程度、行为动机、受害人谅解程度、不可抗力等主客观因素,对量刑与判决结果进行预测,供法官参考。然而现实状态下,人工智能统计中的方法论差异可能导致统计结果的准确度不高[26],即输入因素与算法差异导致决策预测不准确,因而带有混淆指令性判断与裁量性判断界限的明显痕迹[27]。

(3)标准裁判格式供给。传统司法体制下,判决书的格式与内容错误,往往需要继续调用司法资源矫正。研究表明,人工智能通过案件识别与分析,可提供模块化、格式化、标准化的裁判文书,从文书信息编排、校对、发布等方面解放司法决策的生产力,法官仅需对核心内容进行校对[17]。

(4)法律方法识别与学习。人工智能辅助司法决策须结合人类的法律经验与逻辑对案例进行判断,这是构建预测模型与形成裁判文书的前提。可靠的司法决策系统须基于演绎、归纳、类比等复杂推理方式以及算法特有的技术工具来建构非单一性逻辑模型,这个过程中须克服传统三段式推理方法的缺陷[28]。然而基于“法律的生命不是逻辑,而是经验”[29]的原则,司法决策辅助系统对法律方法的学习不涉及经验积累,因而仅能定位于决策辅助工具。

(三)司法人工智能的局限性

局限性研究主要来自“法律理性”的保守主义研究视角,就现有成果而言,具体研究内容可以通过“算法霸权”与数据能力不足两个角度来分析。

1.“算法霸权”

Amaranto利用算法模型测算被告的再逮捕率,指出在算法得当的情况下,算法可以避免人类检察官在再逮捕中所包含的主观因素[30]。然而,没有任何可靠的观点足以证明算法在何种情境下可以达到“得当”的状态,即足以克服任何主观性,做出公允的计算。Sonja进一步结合美国刑事司法领域中算法对黑人群体的量刑歧视的案例分析了算法中立性的不可靠[31]。洪凌啸对算法中立性的不可靠作出了进一步解释:第一是数据库的准确性与覆盖面不足;第二是算法设计者的价值偏见。如果数据库准确可靠且算法设计者未夹杂主观情感,那么算法裁判案件是有效的[32]。此时,研究逻辑其实又回到了如何使“算法得当”。李·爱泼斯坦指出,“可以通过查看程序的内容”来判断是否存在偏见的要素[33]25-26。有学者则质疑“程序查看”的可行性。除非诉讼当事人与社会舆论对司法裁判结果存在质疑,否则算法一般难以向相对人公开[21]。同时,基于领域研究的差异与知识结构的不同,司法裁判者与普通大众难以理解算法与计算机程序,因而算法公开也失去了必要性[34]。

2.数据能力不足

从功能视角来看,司法大数据的数量、质量,筛选数据的能力与对数据间因果联系的把握是决定算法计算结果精确与否,进而决定司法人工智能功能兑现程度的基础条件。从学界研究来看,数据能力的不足是司法人工智能受限的主要原因之一。

(1)数据的完整性与真实性存在缺陷。在我国,人工智能辅助司法流程、提供司法决策预判的数据主要源于中国裁判文书网。研究指出这一数据库结构性比较差,职务犯罪、未成年人犯罪、行政诉讼等案件上网率较低,导致整体数据的差异性比较小[35]。同时,数据库中的法律文书简化率过高,证据、法律依据笼统表述的“打包说理”叙写风格及部分适用简易程序、速裁程序的案件省略裁判依据、文书说理、推论过程等关键部分,内容参差不齐且偏向特征明显[32]。同时,数据库的裁判文书还存在表面信息与实质信息的差异。在多元的社会背景与复杂的司法决策情境下,单一裁判文书在政治、社会因素方面所蕴含的实质信息难以揣摩[36],这也在一定程度上影响了司法大数据的真实性。

(2)数据筛选能力存在短板。法律关涉领域的广泛化与司法问题的复杂性特征导致算法模型的通用性解体,即没有任何一个通用模型可以解决所有法律问题[32]。针对个案法律问题,必须对大数据进行精筛来保障以数据为基础构建的算法模型的可用。研究指出,当前司法大数据筛选能力存在明显不足:第一,法学研究者与司法从业者在数理换算与计量模型搭建方面能力不足。目前法律数据挖掘仍旧采取传统文本识别与主题挖掘的方式,数据浅显可能导致分析结论谬误[37]。第二,数据选择的主观性。针对个案问题在全样本中选择部分样本作为数据,然而包括政策、司法解释、舆情、事件等在内的法律要素的多样性使研究者很难穷尽所有关键词来囊括个案,基于不同立场对案情理解的不同也导致了数据选择的不同[21]。数据选择的主观性直接导致了算法输出结果的主观性。

(3)数据间因果联系的误判。司法大数据虽然整合了法学与科学学两个学科的研究视角与方法,但学科间关于诸多类似概念的解释路径是不相同的,而盲目归类则使研究陷入了误区。就科学学的立场而言,大数据算法对于不同案例数据的挖掘是基于因果关系与相关关系两种方式而推论的,即当大量数据呈现同一类随机趋势时,其背后便有一定的概率统计规律,结合这种高度相关的概率梳理出的结果,则具有相应的因果性[38]。这种依托概率统计与倾向分析而确立的样本数据,无疑与法学研究者所熟知的刑法相当因果关系学说所表达的严谨的因果关系论不同。换言之,大数据和人工智能技术应用的数据前置性与自我适应性特征极易造成结果的潜在性[39]。

(四)司法人工智能的功能异化结果

相关研究集中在审判主体的异化、审判程序与纠纷解决场域的异化、个案识别的异化、价值选择的异化、社会治理的异化五个方面。

1.审判主体的异化

审判活动以自由心证为前提,是法官以经验归纳、逻辑推理为基础不断思辨的过程。龙飞基于法官主体论的观点,指出法官对技术的依赖使其有可能成为机器输出的“纯粹代笔者”,从而削弱法官自由裁量的价值能力[40]。即便是基于人工智能的辅助性定位,过分依赖算法提取证据、检验证据、搜集文书、形成判决,也可能形成算法与程序开发者共治的司法审判局面,进而将司法引入歧途[41]。

2.审判程序与纠纷解决场域的异化

陈瑞华将现代司法裁判程序概括为被动性、公开性、亲历性、集中性、终结性等要件[42],在学界受到广泛认同。算法对审判程序的介入一定程度上改变了程序要件,导致了审判异化:就被动性而言,Simoncini通过研究人工智能对司法判决的影响方式与因素,指出人工智能提高了司法程序的介入性与介入能力[43];就公开性而言,算法的隐秘性和法律的技术公开与透明理念相违背;就亲历性而言,非物理空间上意义的现场性减少了当事人的庭审对抗性,推动了纠纷解决场域由物理空间转向虚拟空间,进而背离了裁判者的亲历性或直接言词原则[44],同时,诉讼当事人也失去了发泄不满或寻求倾诉的情境从而削弱了审判的参与感[40];就终结性而言,所谓科学、严谨的算法正义与算法结论很难被富有经验主义的二审法官推翻,即便是在辅助裁判的过程中充满了算法歧视,明面上算法在证据链、判决逻辑等方面的贡献仍会显得无可辩驳,二审审判程序的弱化带来了审级制度虚化的风险[44]。

3.个案识别的异化

人工智能基于语义识别、文本要素抽取、数据库检索、逻辑分析等演绎步骤无法对案情复杂、涉及新型语义与法律关系、法律规制欠缺的疑难热点案件作出正确分析[17]。虽然有研究寄希望于案件分流制度的智能化,即少量疑难复杂案件交由法官来审理,大量简单案件模式化快速处理,但仍有学者批判案件繁简分流实际上依托算法设置阈值,法官仍然无法参与其中,由此提升了算法黑箱的司法适用风险[45]。

4.价值选择的异化

在较少涉及价值选择的案件中,如果经由调试、论证的人工智能算法勉强可以得到合理合法的结论,那么在社会疑难、复杂案件中,以自我遮蔽、自我约束、自我论证、逻辑自洽著称的算法所得到的结论是否依然能够反映司法公平、正义、透明的价值观则值得怀疑[46],毕竟司法推理是开放性的逻辑与理性分析,不同情境下个案的裁判流程、经验与个中情理明显无法用数字化方式展现,无论是人工智能对接司法裁判抑或法官决策辅助系统,“为了智能而智能”带有明显误导性[47]。同时,从效率价值视角来看,由效率价值引导的人工智能反向强化了司法对效率的追求,此时在更应当体现公平理念的案件中,法院对效率的过度重视也有可能会导致司法的不正义结果[48]。

5.社会治理的异化

司法与算法二者在目的上具有同一性,即促进社会治理。人工智能算法对司法的作用不仅局限于司法程序、司法价值等方面,也包括对传统法律治理体系格局的改变[49]。Aarujo考察公众对算法决策的意愿与接受程度的实验表明,在不侵犯隐私的情况下,公众对算法自我决策的风险、公平性及有用性的评价比较积极[50]。在社会对算法治理的积极态度攀升的背景下,新型数字法律关系的增加、司法的实用主义倾向、公众舆论的集聚化、司法的公共政策执行与价值指引减弱[51]等问题导致了司法治理格局的变化,进而引发了政治态度分化、治理盲区频现、公共话语去价值化等社会治理难题。

三、研究结论与不足

(一)研究结论

现有司法人工智能的研究主要包括从理论层面批判正当性、从“技术理性”视角研究其功能、从“法律理性”视角研究其限度,以及影响结果考量四个主题。

第一,在司法人工智能的正当性研究中,既有研究从社会秩序、司法秩序、人的权利三方面探讨司法人工智能的正当性,基于价值批判、价值平衡、信息正义等视角考究正当性成为主要研究内容之一。同时,既有研究虽然也提出了一些在司法理念与制度设计中提升智慧能力的规划方案,但主要还是选择了保守主义视角批判司法人工智能的过度扩张及对现有法律秩序的冲击。

第二,在司法人工智能的功能研究中,既有研究讨论了司法程序、司法规则和司法决策智能化的功能路径和积极作用等内容,并基于“技术理性”的研究视角揭示了现阶段人工智能对司法的强化作用。当然,在司法人工智能未大规模投入使用的背景下,学界研究大多是基于试错立场的探索,因而可证伪性不明,也难以得出统一的结论。

第三,在司法人工智能的限度研究中,学界围绕“算法霸权”和数据能力不足等维度探讨了司法人工智能实施的局限性。“算法黑箱”,数据完整性、真实性的天然缺陷,以及数据筛选能力缺失等问题限制了司法人工智能积极作用的发挥。整体而言,对算法规则与司法大数据的深度怀疑,促成了学界研究由积极向保守的转型,并进一步将研究指向了司法人工智能功能异化的结果方面。

第四,在司法人工智能的影响结果研究中,人工智能嵌入司法所导致的司法功能异化是既有研究的主要内容,已有成果探讨了审判主体、审判程序与纠纷解决场域、个案识别、价值选择、社会治理等方面的异化结果。当然,这些研究成果较少依托实务中人工智能司法适用的例证,而较多基于观点演绎与逻辑推理的方式梳理了司法人工智能的结果,因此结论具有拟制性。这表明,即便缺少时下迫切需要解决的实务问题,上层研究或许仍可以超前预测与探究司法人工智能的结果并据此提出对策。

(二)研究不足

整体来看,在司法人工智能研究中,与实务发展状况不相符的研究问题的广泛提出导致了空泛化的研究内容增多,研究观点基于“技术理性”与“法律理性”片面对立,而用来驾驭观点的理论整合不足使整体研究的理论基础不牢靠,进而相关研究对策结论天马行空,拟制性强与适用性不足,最终使司法人工智能研究面临问题域特征突出、理论整合不足、承继性研究缺失等问题。

第一,问题提出的实证化能力不足,架空式问题特征突出。出于对“算法即剥削”“数据即权力”的焦虑,由司法人工智能而形成的问题意识推动了就问题而答辩的学术研究成果的形成。基于人工智能的实践性有限与法学研究倾向的超前性,无法顺利剔除问题意识下所产生的一些伪问题。比如在功能机制研究中,学界普遍讨论人工智能对量刑规范化改革的促进作用,然而现状是人工智能在辅助量刑规范化方面尚处于初始阶段,我国中西部地区司法体制改革远远达不到深入讨论人工智能功能的地步。由此,基于超级人工智能出现以及大规模司法人工智能应用投产的可能性而展开的学术研究的鼎盛引发了问题提出的空泛化,进而导致了研究结果的拟制性,提高了研究内容与实务对接不足的风险。

第二,司法人工智能研究的理论整合不足,对策性研究占主导。司法人工智能研究形成的方法论对策是“一就一”式的实务问题对策,问题性研究特征明显而无法下沉到理论层面挖掘问题形成的根基,因而研究理论基础不牢靠,零碎研究更难形成体系性研究框架,况且对策结论还可能是基于伪问题产生的。以类案类判系统的司法适用为例,实务中智慧法院类案类判系统普遍存在案件检索结果不全面、检索时间断层及检索结果须二次筛除等弊端,通过上文综述发现已有研究以这一问题为基础展开讨论,认为裁判文书网存在缺陷、数据间因果联系误判及检索算法不透明是导致这一问题产生的原因,进而分立了积极主义观点与保守主义观点,最终指向了推进司法大数据体系建设的对策结论。由此不难发现,研究者事实上并没有对问题的原因作出详细透彻的解释。裁判文书网存在缺陷与检索算法存在问题,本质上都不是法学问题,因此而得出的对策结论却具有普适性——很多实务问题的解决皆可以用“推进司法大数据体系建设”等对策来搪塞。上述案例表明,在问题提出到原因分析这一阶段,如果省去了理论整合与体系建构的过程,得到的对策结论便可能是断层的。

第三,研究观点片面对立,缺少有效对话与承继性研究。现有“技术理性”与“法律理性”的研究观点鲜明对立,比如积极观点立足于司法效率提升的立场关注人工智能对诉前与诉后等非审判程序自动化的推进作用,而保守观点则基于司法价值破坏的担忧而主张反向作用。无论是司法效率抑或司法价值,二者事实上皆逻辑自洽且很难证伪,二分的观点仅满足于这种逻辑自洽,而少有思考与讨论对向观点的合理性,进而形成了一种“为了批判而批判”、鲜有承继性、片面离心的研究风格,对核心研究方向的厘清与研究逻辑体系的搭建产生了不良影响。

四、研究展望

综合考量当前司法人工智能研究的不足以及拓展深化领域研究的必要,未来司法人工智能研究可以从以下方向入手。

第一,加强司法人工智能的实证与数理研究。研究人员一方面可以通过定点观察与实证调研的方法梳理司法人工智能的实务适用缺陷,明晰实务中试点法院及相关单位(如上海高院、杭州互联网法院等)对人工智能的功能需求与组织实施障碍,加强司法人工智能的实证采样与研究。另一方面,可以基于公开渠道的权威内容梳理与数理计算、计量模型构建等方式,强化研究数据与论点依据,在该领域整体研究立据不充分的背景下,避免问题与论点提出的过度主观化。

第二,整合司法人工智能功能与限度研究的基准,建构观点答辩的逻辑体系。未来司法人工智能研究应在司法人工智能的功能与限度间谋求一种基准,并在基准的基础上推动学术观点的理性争鸣。比如,在讨论人工智能造成的审判主体功能异化时,多数积极观点主张人工智能将法官从繁琐的非诉讼程序中解放出来,促使其专注于自身审判能力与水平的提升。保守观点此时便不宜天马行空地提出人工智能使法官失业与下岗的可能性,以及人工智能替代法官后对司法正义带来的冲击。因为正反观点讨论的基准是司法人工智能应用的辅助定位,毕竟人工智能在司法实践中的辅助作用有目共睹。

第三,强化司法人工智能下沉研究,推动对策性研究的教义学转化。在司法人工智能的研究中尚须通过法律解释的方法思索法学理论,进而站在教义学立场上阐释人工智能问题,在法学原理体系中研究法学问题,防止问题、原因与结论的学科属性迷失与法律框架偏离。比如,在类案类判的问题中,法学研究者应立足于不同案件事实法律性质的比较分析,厘清案件事实所涉法律关系的性质和种类,明晰“同案” “类案”的参考价值,“相同”“类似”的法律概念,以及案件事实、案件情节的差异对系统自动归类为“同案”“类案”的影响等方面,在此基础上注重与算法规则的对接。

第四,推动功能机制实证情境开发。已有研究表明人工智能对司法程序、规则与决策方式的辅助作用,人工智能技术可以提升司法效率,推动司法程序的优化,提高司法裁判结果的精准度。然而,司法人工智能在何种情境中可以发挥这些作用,又在何种情境中得到相反结论?同时,就国内而言,司法人工智能的实际应用并不多。部分人工智能系统的商用,如上海206、北京“睿法官”、重庆“易诉”等,主要试行了类案推送、办案管理、卷宗归类等辅助功能;涉及实质运用的“智能审判”也仅限于类型化案件的审理中,如2017年重庆高院在信用卡纠纷案件上采用的智审平台。此时,在辅助性运用与实质运用的不同情境中,功能机制的限度会如何变化?这些问题尚待探究。

第五,探索司法裁判与人工智能适当分离的场域与方法。在积极主义观点探索人工智能功能作用的基础上,已有保守研究即便批判了算法技术与司法大数据的不成熟和“难堪重任”,但是仍难否认人工智能的辅助性定位,毕竟已经以此为基础推进了司法人工智能的实务运用。因此,从研究理性的立场出发,现有研究应从积极主义与保守主义的对抗中逐步“转场”,进一步探索司法的敏感领域与人工智能适当分离的场域与方法。比如,司法裁判是司法运行的关键步骤,其具有不可逆、处分性、强制性等特征,在人工智能技术无法迈入“深度学习”与“精准超越”的时代背景下,将司法裁判从人工智能介入的场域中抽离出去,既可捍卫法律核心价值,也不妨碍人工智能功能与技术的稳健运用,此时相当于寻求了积极主义观点与保守主义研究的“中间道路”。在此背景下,司法裁判体系的分离内容、适当留存与嵌入的范畴和尺度是什么?分离后司法裁判的效率价值如何匡正?未来研究也须对此作出回答。

第六,强化智慧司法背景下诉讼参与人权利保障的研究。既有研究总结了司法人工智能导致的审判主体、程序、场域、价值选择与社会治理结果的异化,同时围绕异化结果提出了技术约束与司法规制的方法论,如建立案件分级制度、审前风险评估制度、裁量性司法行为算法辅助机制等。然而,对算法技术约束的初衷是为了保护司法核心价值不受侵犯,事实上,诉讼权利人的权利保障是司法核心价值的最终体现——诸如公平正义等价值仍须在权利人合法权益受到保护、违法行为依法受到制裁的背景下得到诠释。从这一角度来说,既有对司法人工智能方法论的研究过于重视算法规制与司法程序优化等对策性议题,而对于真正体现司法价值的诉讼参与人权利保障这一根本性问题置若罔闻。司法人工智能背景下权利人诉讼权利的整体状态如何?与传统司法相比,当事人权利样态如何变化?虽然人工智能提升了司法效率与简化了司法流程,但当事人诉讼权利行使会被简化乃至弱化吗?在探讨智能辅助系统提供了相对标准化的决策模式和诉讼流程时,如何同时引导辅助系统对当事人权利保护的标准化?总之,未来须着重强化对智慧司法中诉讼参与人权利保障的研究。