人工智能嵌入司法審判的邏輯、困境與路徑

王東方

1956年人工智能（artificial intelligence）概念首次提出，經(jīng)歷六十余年的發(fā)展，人工智能技術(shù)逐步實(shí)現(xiàn)弱人工智能（week intelligence）到強(qiáng)人工智能（strong intelligence）之歷史嬗變。在這一演變過(guò)程中，大數(shù)據(jù)（big date）充當(dāng)著跨越式的跳板作用，即以大數(shù)據(jù)為基礎(chǔ)的智能算法逐漸取代計(jì)算機(jī)程序并最終實(shí)現(xiàn)“機(jī)械循環(huán)—深度學(xué)習(xí)”的變革，例如“阿法零”（Alpha Zero）、無(wú)人駕駛汽車(chē)、風(fēng)險(xiǎn)預(yù)警及評(píng)估系統(tǒng)等。人工智能自產(chǎn)生以來(lái)便與社會(huì)生活有著天然的聯(lián)系，在司法實(shí)踐中，如何將人工智能嵌入司法審判更是其中的重要議題。2013年以來(lái)，最高人民法院陸續(xù)出臺(tái)《人民法院信息化建設(shè)五年發(fā)展規(guī)劃（2016-2020）》、《最高人民法院信息化建設(shè)五年發(fā)展規(guī)劃（2016-2020）》以及《最高人民法院關(guān)于加快建設(shè)智慧法院的意見(jiàn)》等一系列文件更是將人工智能的研發(fā)與應(yīng)用推向高潮。目前，司法領(lǐng)域中，“泛人工智能”的研究方興未艾，回歸學(xué)術(shù)理性，人工智能之價(jià)值應(yīng)做何種界定？人工智能嵌入司法審判的邊界與路徑應(yīng)如何選擇？對(duì)于上述問(wèn)題的回答需深入理解人工智能的算法邏輯，在實(shí)體思維向關(guān)系思維的轉(zhuǎn)變中，探究人工智能融入司法審判的路徑模式。

一、人工智能嵌入司法審判的邏輯

算法作為人工智能的核心，通過(guò)編程、建模為人工智能嵌入司法審判提供可能。從弱人工智能到強(qiáng)人工智能，算法賦予機(jī)器以“思考”的外部特征，對(duì)于其內(nèi)在生成邏輯的梳理是深刻理解其嵌入模式的前提。

（一）人工智能的算法邏輯

1.弱人工智能：“像人一樣思考行動(dòng)”到“合理地思考行動(dòng)”

人工智能作為新興的科學(xué)與工程技術(shù)，自產(chǎn)生之日起便與生物科學(xué)一起被其他學(xué)科的研究者譽(yù)為“最想?yún)⑴c的領(lǐng)域”。[1]See Hutan and Ashrafian， AIonAI: A Humanitarian Law of Artificial Intelligence and Robotics， 21 Science and Engineering Eethics （2015）， p.29.發(fā)展至今，人工智能已經(jīng)包含了數(shù)量龐大的子領(lǐng)域應(yīng)用，例如：下棋，疾病診斷，數(shù)理證明等。關(guān)注思維與推理過(guò)程者機(jī)械地認(rèn)為，人工智能無(wú)非在于機(jī)器能像人一樣思考行動(dòng)，這一邏輯以人為核心，強(qiáng)調(diào)人之參與或控制；而關(guān)注于數(shù)學(xué)與工程技術(shù)者認(rèn)為，人工智能應(yīng)是合理的思考行動(dòng)，這一邏輯以合理性（rationality）為考量因素，即淡化或者排除人之參與。人們不禁追問(wèn)，當(dāng)下的人工智能真能替代人進(jìn)行活動(dòng)嗎？換言之，人工智能是否真的實(shí)現(xiàn)了從“像人一樣思考行動(dòng)”到“合理地思考行動(dòng)”？

其一：像人一樣行動(dòng)思考

人工智能最早可追溯至20世紀(jì)40年代。1942年美國(guó)科幻作家艾薩克·阿西莫夫（Isaac Asimov）在他的短篇小說(shuō)《四處奔跑》（Run Around）中第一次提出機(jī)器人的三大法則，[2]See Michael Haenlein and Andreas Kaplan， A Brief History of Artificial Intelligence: On the Past, Present, and Future of Artificial Intelligence， 61 California Management Review （2019）， p.5.根據(jù)該法則可知：人工智能的初期設(shè)計(jì)理念呈現(xiàn)出一種機(jī)械性，突出的是人工智能的工具價(jià)值即服從、服務(wù)于人，而對(duì)于一臺(tái)計(jì)算機(jī)是否真的具有智能，并沒(méi)有提供明晰的識(shí)別標(biāo)準(zhǔn)，但阿西莫卻為機(jī)器人、人工智能和計(jì)算機(jī)科學(xué)的研究指明了方向。隨之，1950年，圖靈在他的《計(jì)算機(jī)與智能》一文中，對(duì)機(jī)器是否具有智能提供了一個(gè)可操作性的界定方式。[3]See Eva-Maria Engelen， Can we share an us-feeling with a digital machine? Emotional sharing and the recognition of one as another， 43 Interdisciplinary Science Reviews （2018）， p.125.因此，人們普遍認(rèn)為圖靈測(cè)試為人工智能（AI）作為一門(mén)學(xué)科的建立和快速發(fā)展提供了具體靈感，對(duì)計(jì)算機(jī)技術(shù)和智能的發(fā)展具有里程碑意義，被譽(yù)為哲學(xué)和AI的靈感之源。[4]See Daniel Berrar and Akihiko Konagaya， Turing Test Considered Mostly Harmless， 31 New Generation Computing （2013）， p.241.但是，早期的人工智能理念側(cè)重于“以人為中心”，只能是簡(jiǎn)單的模仿，即由人們?cè)O(shè)定目標(biāo)程序，當(dāng)既定的場(chǎng)景與該程序契合時(shí)，計(jì)算機(jī)便機(jī)械的做出如人一樣的反應(yīng)，其應(yīng)是人行為的一種映射，由此可抽象出早期的人工智能行為模型：輸入為從傳感器得到的當(dāng)前感知信號(hào)，返回的是執(zhí)行器的行為抉擇，即“條件—行為規(guī)則”。根據(jù)這一行為模型可知，早期的人工智能模型實(shí)質(zhì)是建立在三段論（syllogisms）推理結(jié)構(gòu)之上的，即只要前提正確，機(jī)器總能機(jī)械的得到正確的結(jié)論。局限性在于其間沒(méi)有價(jià)值判斷以及價(jià)值選擇的“合理性”因素考量，正如學(xué)者所言：圖靈似乎高估了技術(shù)進(jìn)步的速度或者對(duì)根深蒂固的思想范式的轉(zhuǎn)變過(guò)于樂(lè)觀(guān)，他對(duì)“思維機(jī)器”可行性的預(yù)測(cè)都尚未在工程學(xué)或符號(hào)語(yǔ)義學(xué)上實(shí)現(xiàn)。[5]See Appa Rao Korukonda， Taking stock of Turing test: a review, analysis, and appraisal of issues surrounding thinking machines， 58 Computer Studies （2003）， p.240.

其二：合理地思考行動(dòng)

由于人類(lèi)知識(shí)的有限性，對(duì)行為選擇或者行為前提的正確性也并非百分之百確定，在某種層面上對(duì)復(fù)雜問(wèn)題的決斷也僅僅是達(dá)到“合理性”標(biāo)準(zhǔn)。基于此，“合理Agent”（rational agent）理念便具有了說(shuō)服力，即：當(dāng)存在不確定性時(shí)，為了實(shí)現(xiàn)最佳期望結(jié)果而行動(dòng)。[6]參見(jiàn)[英]斯圖爾特·羅素：《人工智能—一種現(xiàn)代的方法》，殷建平等譯，清華大學(xué)出版社2013年版，第4頁(yè)。但是，對(duì)于“合理地思考行動(dòng)”之模型在思維法則層面存在三項(xiàng)難題：首先，獲取非形式地知識(shí)并用邏輯表示法所要求的形式術(shù)語(yǔ)表現(xiàn)出來(lái)并不容易；其次，機(jī)器所賴(lài)以做出行為決策的大前提并非是絕對(duì)正確的，即其對(duì)大前提并沒(méi)有判斷能力；最后，行動(dòng)是建立在最大可能獲取的基礎(chǔ)之上，其實(shí)質(zhì)是知識(shí)的不完全獲取。該種行為模型通過(guò)賦予機(jī)器以“智能選擇”，其可以通過(guò)自身判斷來(lái)實(shí)現(xiàn)目標(biāo)的合理性，并在多種可選擇方法中，擇取最優(yōu)方案。但該行為模型關(guān)注的是行為選擇的合理性，即通過(guò)大量的示例性標(biāo)記來(lái)證明是否與預(yù)先存在的行為相對(duì)應(yīng)，以確認(rèn)認(rèn)知類(lèi)型是否符合測(cè)試所假定的智能行為。[7]See Paul Schweizer， The Truly Total Turing Test， 8 Minds and Machines （1998）， p.263.其本質(zhì)是以經(jīng)驗(yàn)科學(xué)為基礎(chǔ)，進(jìn)而對(duì)符合經(jīng)驗(yàn)科學(xué)與否的檢視，仍屬于弱人工智能范疇。

2.強(qiáng)人工智能：“合理地思考行動(dòng)”到“完全圖靈測(cè)試（total Turing test）”

由于人的物理模擬對(duì)智能是不必要的，所以圖靈測(cè)試有意避免詢(xún)問(wèn)者與計(jì)算機(jī)之間的直接物理交互，而一臺(tái)真正的智能計(jì)算機(jī)不僅要具備對(duì)現(xiàn)象的感知判斷能力，也應(yīng)具備相應(yīng)的思考的能力，因?yàn)樗季S有時(shí)伴著行動(dòng)，有時(shí)卻沒(méi)有。[8]See Paul Schweizer， The Externalist,Foundations of a Truly Total Turing Test， 22 Minds and Machines （2012）， p.191.據(jù)此，完全圖靈測(cè)試認(rèn)為，真正的人工智能應(yīng)具有以下能力：（1）自然語(yǔ)言處理（2）知識(shí)表達(dá)（3）自動(dòng)推理（4）機(jī)器學(xué)習(xí)（5）計(jì)算機(jī)視覺(jué)等。一臺(tái)真正的智能機(jī)器，應(yīng)綜合具備自主思考，自主行動(dòng)，自主學(xué)習(xí)以及自主判斷的能力，其并非是一種忽略道德，倫理與價(jià)值判斷的“合理性”機(jī)器。但隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)（big data），“深度學(xué)習(xí)”（deep learning）的興起，人們似乎看到了希望，進(jìn)而認(rèn)為完全圖靈測(cè)試將最大程度的成為可能。事實(shí)真的如此嗎？以自動(dòng)駕駛汽車(chē)為例，根據(jù)國(guó)外一項(xiàng)統(tǒng)計(jì)數(shù)據(jù)顯示：每行駛一百萬(wàn)英里，傳統(tǒng)汽車(chē)的事故率為1.9%，自動(dòng)駕駛汽車(chē)為9.1%；傳統(tǒng)汽車(chē)造成的受傷率為0.77%，自動(dòng)駕駛汽車(chē)為3.29%；傳統(tǒng)汽車(chē)造成的死亡率為0.01%，自動(dòng)駕駛汽車(chē)為0。[9]See Brandon Schoettle and Michael Sivak， A PrelIminary Analysis Of Real-World Crashes Involving Self-Driving Vehicles， available at: https://pdfs.semanticscholar.org/0c0d/9cf05025a885c0c55c99fec862860410db3c.pdf?ga=2.29548223.147122049.1571967505-514633799.1571967505， last access on 10 December 2019.由此可知，“人工智能時(shí)代”，智能機(jī)器之表現(xiàn)并不如預(yù)想的完美。

（二）人工智能嵌入司法審判的運(yùn)作邏輯

人工智能嵌入司法審判的運(yùn)作邏輯可分為兩種：其一，運(yùn)用符號(hào)學(xué)知識(shí)將法律文本編寫(xiě)入計(jì)算機(jī)程序，對(duì)于可直接適用法律的問(wèn)題，直接遵循法律裁判，此種邏輯類(lèi)似于語(yǔ)法的淺層結(jié)構(gòu)；其二，對(duì)于尚需裁量解釋的案件，通過(guò)智能算法對(duì)先前的法律適用不斷進(jìn)行整合、分析、學(xué)習(xí)，隨之抽象出核心觀(guān)點(diǎn)并將其教義化設(shè)定為大前提作為裁判依據(jù)，此種類(lèi)似于語(yǔ)義的深層結(jié)構(gòu)。

1.人工智能嵌入司法審判的淺層結(jié)構(gòu)

法律適用并非必然涉及價(jià)值判斷，對(duì)于簡(jiǎn)單案件的裁判一般直接沿著“事實(shí)——法律”的涵攝路徑展開(kāi)，該類(lèi)案件一般事實(shí)清楚、案情簡(jiǎn)單，其間沒(méi)有復(fù)雜的法條競(jìng)合，法律解釋等。例如2019年民事訴訟重大改革中規(guī)定，基層法院標(biāo)的額5萬(wàn)元以下的實(shí)行一審終審。此種裁判方式類(lèi)似于“條件（法律）—行為（裁判）”的算法運(yùn)作結(jié)構(gòu)，即根據(jù)某一事實(shí)是否符合某一法律規(guī)定，進(jìn)而做出相應(yīng)的裁判。基于此，程序人員通過(guò)對(duì)審判邏輯的抽象建模，將既定的法律文本運(yùn)用符號(hào)學(xué)知識(shí)編入程序，運(yùn)用數(shù)字掃描、關(guān)鍵詞提取、法條自動(dòng)匹配以及類(lèi)案的自由裁量系統(tǒng)等技術(shù)最終通過(guò)人工智能生成裁判文書(shū)。

2.人工智能嵌入司法審判的深層結(jié)構(gòu)

法律適用不僅有法條的獨(dú)立適用還有復(fù)雜的體系解釋?zhuān)牧x解釋以及相應(yīng)的法理遵循。司法實(shí)踐中，對(duì)于復(fù)雜案件的裁判可能會(huì)涉及到個(gè)案中復(fù)雜法律關(guān)系的認(rèn)定，同案同判的公平正義，更可能需要對(duì)法律條文進(jìn)行解釋適用。目前，人工智能仍停留在“弱人工智能”階段，對(duì)于復(fù)雜案件的智能審判是以“最大合理性”框架進(jìn)行建模，即運(yùn)用深度學(xué)習(xí)系統(tǒng)對(duì)大量司法數(shù)據(jù)進(jìn)行訓(xùn)練，并通過(guò)調(diào)整自己的參數(shù)最終提高預(yù)測(cè)的可靠性。隨之，忽略深度學(xué)習(xí)結(jié)果的真?zhèn)涡詫⑵渥鳛榇笄疤徇M(jìn)行類(lèi)型化適用，此種模型構(gòu)建的邏輯有二：其一，假定類(lèi)案中裁判都是正確的，因而得出的結(jié)論也應(yīng)該是正確的；其二，認(rèn)為機(jī)器學(xué)習(xí)工具提供了一種可能性，即基于比人類(lèi)能夠處理和操作的多得多的數(shù)據(jù)，做出更準(zhǔn)確、更快的決策。[10]See Ashley Deeks， The Judicial Demand For Explainable Artificial Intelligence， 7 Columbia Law Review （2019）， p.1831.

二、人工智能嵌入司法審判的困境

從應(yīng)然層面上看，人工智能嵌入司法審的確可實(shí)現(xiàn)審判形式的智能化，審判過(guò)程的效率化，審判結(jié)果的公正化；但是從實(shí)然層面上看，司法邏輯并不當(dāng)然可通過(guò)算法邏輯進(jìn)行準(zhǔn)確表達(dá)，因?yàn)榉审w系范圍廣泛、形式多樣，所以在這一領(lǐng)域進(jìn)行公理化是個(gè)有難度的冒險(xiǎn)活動(dòng)，[11]參見(jiàn)[德]烏爾里希·克盧格：《法律邏輯》，雷磊譯，法律出版社2016年版，第262頁(yè)。同時(shí)，基于個(gè)案事實(shí)不一，如何能保證機(jī)器智能識(shí)別進(jìn)而對(duì)案件做妥適的評(píng)價(jià)？如何基于法理以保證法律的解釋化適用？換言之，符號(hào)主義必然無(wú)法完成類(lèi)腦智能的目標(biāo)而被連接主義和行為主義取代。[12]參見(jiàn)林艷：“人工智能的符號(hào)主義綱領(lǐng)及其困境”，載《求索》2019年第6期，第189頁(yè)。因此，對(duì)于人工智能的嵌入困境需基于技術(shù)與理念雙層維度展開(kāi)。

（一）人工智能嵌入司法審判的技術(shù)困境

公平正義是司法的基石，司法是否公正，在一定程度上取決于審判方式和訴訟規(guī)則的構(gòu)建，這是一個(gè)非常重要的內(nèi)在邏輯起點(diǎn)。人工智能嵌入司法審判的技術(shù)困境集中體現(xiàn)為涉及疑難案件時(shí)運(yùn)用大數(shù)據(jù)進(jìn)行的深度學(xué)習(xí)，因智能技術(shù)的固有屬性，其嵌入司法審判時(shí)必然會(huì)帶來(lái)規(guī)則映射的斷裂。

1.大數(shù)據(jù)

作為保障人工智能推理正確性的知識(shí)前提，如何抓取系統(tǒng)所需的知識(shí)一直是阻礙人工智能發(fā)展的癥結(jié)，而在這個(gè)加速數(shù)字化和先進(jìn)的大數(shù)據(jù)分析的時(shí)代，多數(shù)人堅(jiān)信：利用高質(zhì)量的數(shù)據(jù)和洞察力將使創(chuàng)新的研究方法和管理方法成為可能。[13]See Stefan Cremer and Claudia Loebbecke， Artificial Intelligence Imagery Analysis Fostering Big Data Analytics， 11 Future Internet （2019）， p.1.目前，各種軟計(jì)算、機(jī)器學(xué)習(xí)、和其他技術(shù)在人工智能應(yīng)用方面一直都是利用索引來(lái)滿(mǎn)足要求其數(shù)據(jù)需求，但是移動(dòng)設(shè)備和云應(yīng)用產(chǎn)生的數(shù)據(jù)量、速度和多樣性的爆炸性增長(zhǎng)，使得有效的數(shù)據(jù)存儲(chǔ)和管理解決方案并不能滿(mǎn)足數(shù)據(jù)量不斷增加的異構(gòu)數(shù)據(jù)的需求。[14]See Abdullah Gani and Aisha Siddiqa， A survey on indexing techniques for big data: taxonomy and performance evaluation， 46 Knowledge and Information Systems （2016）， p.241.而作為系統(tǒng)所賴(lài)以行為的知識(shí)，本身應(yīng)是有限的，當(dāng)系統(tǒng)不具備此種知識(shí)時(shí)，系統(tǒng)可否做出正確的反應(yīng)？換言之，是否對(duì)于任意一種數(shù)據(jù)均可以通過(guò)索引技術(shù)進(jìn)行索引以滿(mǎn)足其知識(shí)的飽和供給？因此，基于知識(shí)之特征、類(lèi)型的多樣性，應(yīng)摒棄人工智能“萬(wàn)能論”思想，可將知識(shí)分為非人工智能索引信息、人工智能索引信息和協(xié)作人工智能索引信息，對(duì)于非人工智能索引信息，不應(yīng)有人工智能介入空間；對(duì)于協(xié)作人工智能索引信息，人工智能僅應(yīng)部分介入；對(duì)于人工智能索引信息，方可突出其獨(dú)立價(jià)值。

2.深度學(xué)習(xí)

學(xué)習(xí)新知識(shí)是人類(lèi)的主要特征之一，包括行為主義、社會(huì)認(rèn)知、語(yǔ)境和發(fā)展理論等，由于人類(lèi)具有各種非同質(zhì)性的學(xué)習(xí)方式，因此可將學(xué)習(xí)分為兩種：（1）直接學(xué)習(xí)，即通過(guò)直接教學(xué)進(jìn)行學(xué)習(xí)；（2）自主學(xué)習(xí)，即通過(guò)人對(duì)直接學(xué)習(xí)結(jié)果的重新組合進(jìn)行學(xué)習(xí)。[15]See Dianyu Z， English learning strategies and autonomous learning， 1 Foreign Lang Educ.（2005）， p.12.學(xué)習(xí)同樣在自主agent[16]See Dorigo M and Colombetti M， Robot shaping: Developing autonomous agents through learning， 71 Artif.Intell （1994）， p.321.的發(fā)展中也起著至關(guān)重要的作用，目前，深度學(xué)習(xí)已經(jīng)取得了極大的成功，并被廣泛應(yīng)用于人工智能的幾乎每一個(gè)領(lǐng)域，尤其是在其取得了令人自豪的計(jì)算圍棋記錄之后。[17]See Yankang Jing and Yuemin Bian， Deep Learning for Drug Design: an Artificial Intelligence Paradigm for Drug Discovery in the Big Data Era， 20 The AAPS Journal （2018）， p.1.就人工智能的演變而言，直接學(xué)習(xí)對(duì)應(yīng)的是弱人工智能模式，而自主學(xué)習(xí)對(duì)應(yīng)的是強(qiáng)人工智能模式。人類(lèi)知識(shí)積累的主要方法是自主學(xué)習(xí)，因此，如果計(jì)算機(jī)能夠進(jìn)行類(lèi)似于人類(lèi)的自主學(xué)習(xí)，它們也將能夠像人類(lèi)那樣自主積累知識(shí)。[18]See McGrath R.G， Exploratory learning, innovative capacity, and managerial oversight， 44 Acad Manag （2001）， p.118.然而，計(jì)算機(jī)卻不能積累超過(guò)其給定程序設(shè)計(jì)的額外知識(shí)，為了使計(jì)算機(jī)積累更多的知識(shí)，額外的程序編碼是必要的，[19]See InHyo Joseph Yun and Dooseok Lee， Not Deep Learning but Autonomous Learning of Open Innovation for Sustainable Artificial Intelligence， 8 Sustainability （2016）， p.9.因此智能算法的編寫(xiě)便構(gòu)成深度學(xué)習(xí)的基礎(chǔ)。梳理人之學(xué)習(xí)邏輯，人類(lèi)認(rèn)知過(guò)程中的學(xué)習(xí)是由直接學(xué)習(xí)和自主學(xué)習(xí)的循環(huán)構(gòu)成，在這個(gè)學(xué)習(xí)過(guò)程中，已被證實(shí)的知識(shí)和假設(shè)的知識(shí)分別轉(zhuǎn)化為確認(rèn)的信息和非確認(rèn)的信息，并將兩者之間的邊界相對(duì)設(shè)定，使其能夠循環(huán)。[20]See Corbett A.T and Anderson J.R， Knowledge tracing: Modeling the acquisition of procedural knowledge， 4 User Mode User Adapt （1994）， p.253.“已證實(shí)的知識(shí)”是通過(guò)各種方式和渠道直接從外部環(huán)境輸入的知識(shí)，通過(guò)直接學(xué)習(xí)而建立起來(lái)并將已證實(shí)的知識(shí)與人類(lèi)意識(shí)相結(jié)合；“假設(shè)性知識(shí)”是在自主學(xué)習(xí)的過(guò)程中，通過(guò)對(duì)這些信息的各種重新組合而獲得，這種假設(shè)性的知識(shí)被轉(zhuǎn)化為“非確認(rèn)信息”，通過(guò)環(huán)境與人的相互作用產(chǎn)生一定的分支。[21]See Polanyi M， Personal Knowledge: Towards a Post-Critical Philosophy， University of Chicago Press， 2012， p.125.由此可知，自主學(xué)習(xí)是人類(lèi)之認(rèn)知和元認(rèn)知能力發(fā)展而來(lái)的功能：（1）處理、計(jì)劃和調(diào)節(jié)學(xué)習(xí)活動(dòng)；（2）控制和調(diào)節(jié)情感和動(dòng)機(jī)。[22]See Kessler G and Bikowski D， Developing collaborative autonomous learning abilities in computer mediated language learning: Attention to meaning among students in wiki space， 23 Comput Assist Lang Learn （2010）， p.41.然而，即使是深度學(xué)習(xí)，計(jì)算機(jī)所積累的知識(shí)或信息也僅限于以程序形式輸入的已確認(rèn)的知識(shí)，這些程序是通過(guò)直接學(xué)習(xí)內(nèi)部完成的，即直接編碼過(guò)程。換言之，即使現(xiàn)在計(jì)算機(jī)已經(jīng)可以通過(guò)深度學(xué)習(xí)分層訓(xùn)練模型和自我編碼解碼校驗(yàn)方式等自主提取分析數(shù)據(jù)，例如2011年“谷歌大腦”研究計(jì)劃中機(jī)器成功的形成了對(duì)一只貓的印象，[23]參見(jiàn)萬(wàn)赟：“從圖靈測(cè)試到深度學(xué)習(xí)：人工智能60年”，載《科技導(dǎo)報(bào)》2016年第7期，第27頁(yè)。但是其仍舊缺乏類(lèi)似于人類(lèi)在社會(huì)交互關(guān)系中所進(jìn)行的自主學(xué)習(xí)過(guò)程。

（二）人工智能嵌入司法審判的話(huà)語(yǔ)沖突

司法本質(zhì)上是一種爭(zhēng)端解決機(jī)制，任何爭(zhēng)端解決機(jī)制的系統(tǒng)設(shè)計(jì)都有其邏輯起點(diǎn)。司法審判以公平正義理念為邏輯起點(diǎn)，遵循個(gè)案中規(guī)范的張力平衡適用；人工智能以“最大合理性”為規(guī)則編寫(xiě)的邏輯起點(diǎn)，遵循個(gè)案中適用的最優(yōu)狀態(tài)，人工智能嵌入司法審判的話(huà)語(yǔ)沖突可具體為以下幾個(gè)方面。

1.算法“技術(shù)評(píng)價(jià)”與司法“價(jià)值判斷”

作為一種技術(shù)規(guī)范，算法編寫(xiě)以數(shù)理邏輯為基礎(chǔ)，其追求的是算法運(yùn)作的流暢性，效率性，即在最優(yōu)前提下保證邏輯的對(duì)應(yīng)性契合，對(duì)于事實(shí)與規(guī)范的判定注重形式公平；但司法實(shí)踐不僅需注重法律條款的正確適用，更涉及到復(fù)雜的價(jià)值判斷與法理遵循。因此，司法領(lǐng)域的固有屬性和獨(dú)特需求使得人工智能嵌入司法審判時(shí)對(duì)技術(shù)的專(zhuān)業(yè)性和精確度有著極高的要求，[24]參見(jiàn)劉艷紅：“大數(shù)據(jù)時(shí)代審判體系和審判能力現(xiàn)代化的理論基礎(chǔ)與實(shí)踐展開(kāi)”，載《安徽大學(xué)學(xué)報(bào)（哲學(xué)社會(huì)科學(xué)版）》2019年第3期，第97頁(yè)。例如，刑事證據(jù)中證明力的判斷一般遵循自由心證原則，具體涉及到證據(jù)的真實(shí)性、關(guān)聯(lián)性判斷，而區(qū)別于法律推理明確的前提和結(jié)構(gòu)，證明力的判斷并無(wú)確切的法律依據(jù)，其是一種主觀(guān)性較強(qiáng)的理性判斷。從一定程度上來(lái)說(shuō)，雖然人工智能與司法審判具有同樣的規(guī)則運(yùn)作邏輯，即：只要能厘清人類(lèi)智能所遵循的功能原理就可以通過(guò)形式化的符號(hào)來(lái)描述人類(lèi)智能的認(rèn)知過(guò)程。但不容忽略的是，兩者的邏輯起點(diǎn)卻大相徑庭，算法本質(zhì)上來(lái)說(shuō)是基于語(yǔ)法，語(yǔ)義，語(yǔ)境的唯一確定性，在忽略歧義的前提下，進(jìn)而保證結(jié)論的正確性，其只是一種技術(shù)性的運(yùn)作過(guò)程，其間沒(méi)有價(jià)值判斷。但司法審判中，不僅會(huì)涉及到體系解釋?zhuān)瑢W(xué)理解釋?zhuān)牧x解釋等，更涉及到法理與情理的考量，例如司法審判中，不僅會(huì)涉及到法律的正確適用問(wèn)題還會(huì)通過(guò)法律解釋兼顧社會(huì)影響。

2.算法“剛性”有限適用與司法“柔性”周延涵攝

算法通過(guò)模擬人之認(rèn)知過(guò)程，遵循邏輯推理規(guī)則運(yùn)用符號(hào)學(xué)知識(shí)編寫(xiě)程序并最終形成類(lèi)人腦的運(yùn)作系統(tǒng)，因此有人認(rèn)為：“在本質(zhì)上，人類(lèi)就是一臺(tái)智能機(jī)器，是一臺(tái)計(jì)算機(jī)”。[25]See Haugeland J, AI: The Very Idea, Massachusetts, MIT Press， 1985， p.2.可事實(shí)真是如此嗎？一方面，科技的進(jìn)步雖已使機(jī)器可以自主學(xué)習(xí)，但機(jī)器的自主學(xué)習(xí)，自我革新，自我升級(jí)仍屬于技術(shù)性范疇，對(duì)于情感、假定、直覺(jué)和想象等其他基本的思維形式，其仍無(wú)法應(yīng)對(duì)。另一方面，算法運(yùn)作更傾向于獨(dú)立思維，而缺乏交互的關(guān)系思維，人類(lèi)的推理不應(yīng)是脫離語(yǔ)境的獨(dú)立結(jié)構(gòu)，正如笛卡爾所言：“即便會(huì)有智能機(jī)器與人類(lèi)相似并盡可能在道德層面可行的范圍內(nèi)仿效我們，但它們?nèi)匀徊⒉皇钦嬲娜恕薄７傻倪m用過(guò)程也就是法規(guī)范通過(guò)邏輯演繹適用于個(gè)案的過(guò)程，即將個(gè)案事實(shí)涵攝入法。[26]參見(jiàn)劉風(fēng)景：“關(guān)系思維的法學(xué)意義”，載《法商研究》2019年第5期，第127頁(yè)。法律涵攝內(nèi)在包含兩者方式，其一為法律規(guī)范與法律事實(shí)直接契合；其二為法律規(guī)范通過(guò)解釋以契合法律事實(shí)。當(dāng)智能算法嵌入司法審判時(shí)，其運(yùn)作邏輯同樣可分為兩種層次：其一是忽略語(yǔ)義障礙，以法的一般性規(guī)則為基礎(chǔ)，智能識(shí)別法律關(guān)系，實(shí)現(xiàn)兩者契合，在理想層面上，此時(shí)算法確實(shí)可對(duì)事實(shí)進(jìn)行有效的回應(yīng)，但卻呈現(xiàn)出一種孤立、機(jī)械性；但當(dāng)算法嵌入到特殊性規(guī)則時(shí)，通過(guò)深度學(xué)習(xí)在一定程度上其也可實(shí)現(xiàn)部分案件的裁判，可涉及到復(fù)雜的法理解釋?zhuān)沙ＷR(shí)，法律術(shù)語(yǔ)時(shí)，智能算法則會(huì)表現(xiàn)得相當(dāng)乏力，出現(xiàn)涵攝不周延的現(xiàn)象。與之相反，司法審判卻可通過(guò)多種關(guān)系思維關(guān)系的轉(zhuǎn)換，運(yùn)用多種解釋方法，不僅可突破復(fù)雜法律關(guān)系與思維關(guān)系機(jī)械性映射障礙，實(shí)現(xiàn)事實(shí)認(rèn)定從“模糊抽象”到“明確具體”的突破；更可以增強(qiáng)法律規(guī)范的張力，實(shí)現(xiàn)其“柔性”涵攝。

3.算法“隱蔽運(yùn)作”與司法“公開(kāi)透明”

算法依附于程序借助計(jì)算機(jī)而內(nèi)在運(yùn)作，因而具有高度隱蔽性，同時(shí)由于缺乏外在的透明度，對(duì)應(yīng)的約束追責(zé)機(jī)制以及監(jiān)督制約機(jī)制導(dǎo)致的算法偏見(jiàn)、算法控制等各種算法異化現(xiàn)象屢見(jiàn)不鮮。人工智能話(huà)語(yǔ)下，編程者將同一類(lèi)問(wèn)題的處理過(guò)程進(jìn)行數(shù)據(jù)分割，模型選擇，模型訓(xùn)練進(jìn)而模式化稱(chēng)之為算法，[27]參見(jiàn)劉友華：“算法偏見(jiàn)及其規(guī)制路徑研究”，載《法學(xué)雜志》2019年第6期，第60頁(yè)。基于問(wèn)題解決方案的多樣性，同一問(wèn)題的解決算法并不是唯一的，但最終的模式設(shè)計(jì)將由計(jì)算機(jī)工程師所決定。毫無(wú)疑問(wèn)，在這一背景之下，設(shè)計(jì)者的偏好或目的將會(huì)導(dǎo)致計(jì)算機(jī)程序產(chǎn)生某種偏見(jiàn)，例如性別歧視、種族歧視以及各種損害公私權(quán)益的算法偏見(jiàn)，但即便這種程序設(shè)計(jì)有明顯的不合理，因其為內(nèi)在隱蔽運(yùn)作，也很難被非專(zhuān)業(yè)人士所知悉。相反，司法審判中整個(gè)審判過(guò)程能以直接，公開(kāi)、公正的樣態(tài)展現(xiàn)在當(dāng)事人面前并接受其監(jiān)督來(lái)保證過(guò)程、根據(jù)及其理由方面的公開(kāi)透明。[28]參見(jiàn)陳瑞華：“司法權(quán)的性質(zhì)——以刑事司法為范例的分析”，載《法學(xué)研究》2000年第5期，第40頁(yè)。此外，司法審判作為一種法律文化，有其自身的文化意蘊(yùn)，無(wú)論是法庭布置、服飾還是司法的儀式性都表征著其固有的莊嚴(yán)性、權(quán)威性與嚴(yán)肅性。[29]參見(jiàn)王祿生:“司法大數(shù)據(jù)與人工智能技術(shù)應(yīng)用的風(fēng)險(xiǎn)及倫理規(guī)制”，載《法商研究》2019年第2期，第108頁(yè)。將“數(shù)據(jù)審判”模式嵌入傳統(tǒng)的“法官審判”模式時(shí)，大數(shù)據(jù)的樣本選取，裁判觀(guān)點(diǎn)的提取，程序的遵循度都處于一種隱蔽的狀態(tài)，當(dāng)事人很難就可能發(fā)生的侵害行為進(jìn)行救濟(jì)。同時(shí)，數(shù)據(jù)審判時(shí)，當(dāng)時(shí)人的參與感，庭審話(huà)語(yǔ)權(quán)，審判的威嚴(yán)性以及當(dāng)事人的內(nèi)在訴求都無(wú)法有效的得到滿(mǎn)足，司法的定爭(zhēng)止紛、懲戒威懾以及保障救濟(jì)之權(quán)能將其進(jìn)一步弱化。

4.算法“標(biāo)準(zhǔn)論證”與審判“相當(dāng)論證”

司法審中證明標(biāo)準(zhǔn)多樣且刑事訴訟與民事訴訟又有本質(zhì)差異，對(duì)于不同民事案件不僅存在“高度可能性”標(biāo)準(zhǔn)，同樣也有“排除合理懷疑”的標(biāo)準(zhǔn)。作為案件定性的依據(jù)，算法對(duì)于證明標(biāo)準(zhǔn)問(wèn)題存在明顯的適應(yīng)性不足，算法是將某一種運(yùn)作過(guò)程固化并進(jìn)行程序化的智能設(shè)計(jì)，其在保證標(biāo)準(zhǔn)統(tǒng)一的同時(shí)也不可避免的陷入到適用困境。一方面，智能機(jī)器通過(guò)對(duì)“先例”裁判文書(shū)的深度學(xué)習(xí)，雖然可以在數(shù)字量化方面有客觀(guān)的評(píng)價(jià)但是對(duì)于實(shí)體定性的證明標(biāo)準(zhǔn)方面仍無(wú)法有效回應(yīng)，例如，故意殺人罪中，故意包括直接故意與間接故意，對(duì)于間接故意的認(rèn)定不僅涉及到行為人的危害程度，行為人的主觀(guān)過(guò)錯(cuò)，還涉及到是否為正當(dāng)防衛(wèi)，是否為緊急避險(xiǎn)等一系列問(wèn)題，這些問(wèn)題的判斷不僅需要考慮人之生活經(jīng)驗(yàn)、生理本能、主觀(guān)認(rèn)識(shí)，還應(yīng)綜合考慮刑事政策，[30]參見(jiàn)周詳、李耀：“正當(dāng)防衛(wèi)司法糾偏的刑事政策視角”，載《河北法學(xué)》2019年第9期，第40頁(yè)。社會(huì)影響以及所采用的權(quán)利論視角等多方面因素，例如，于歡案、昆山龍哥砍人案等。另一方面，對(duì)于不同證明標(biāo)準(zhǔn)本身的邊界，智能算法無(wú)法應(yīng)對(duì)，民事訴訟中對(duì)于一般案件的證明標(biāo)準(zhǔn)只需達(dá)到高度可能性，而對(duì)于欺詐、脅迫、惡意串通以及口頭遺囑或贈(zèng)與事實(shí)所采用的排除合理懷疑標(biāo)準(zhǔn)，但兩者適用標(biāo)準(zhǔn)選擇問(wèn)題以及具體證明時(shí)所涉及的程度問(wèn)題，智能算法顯然無(wú)法有效解決，即使可以通過(guò)大數(shù)據(jù)對(duì)先例裁判進(jìn)行深度挖掘，但也很難以一種標(biāo)尺化的方式實(shí)現(xiàn)裁判正義。

三、人工智能嵌入司法審判的路徑

算法對(duì)于司法之話(huà)語(yǔ)沖突、異化風(fēng)險(xiǎn)、倫理障礙等多重困境，當(dāng)兩者深度融合時(shí)應(yīng)以比例原則為綱要并對(duì)算法的編寫(xiě)、運(yùn)作以及結(jié)果進(jìn)行多維度透視。

（一）前提維度：從“技術(shù)理念”向“法律理念”轉(zhuǎn)變

目前，人工智能的開(kāi)發(fā)和利用已進(jìn)入爆炸式發(fā)展階段，但對(duì)于算法之設(shè)計(jì)理念，倫理遵循，法律規(guī)制等方面仍處于空白。2017年歐盟《向歐洲委員會(huì)提出的關(guān)于涉及機(jī)器人民事法律規(guī)則的提案》中規(guī)定了研發(fā)者的行為規(guī)范包括尊重包容、問(wèn)責(zé)追責(zé)、隱私保護(hù)、效益最大、危害最小等內(nèi)容，2018年歐盟《人工智能開(kāi)發(fā)和適用倫理指南》規(guī)定歐洲人工智能聯(lián)盟需在數(shù)據(jù)、算法、技術(shù)等方面共同遵守該指南；同時(shí)日本也對(duì)人工智能之開(kāi)發(fā)應(yīng)用提出相應(yīng)的要求，即，以人為本，防范風(fēng)險(xiǎn)，技術(shù)中立以及靈活變通。[31]參見(jiàn)季衛(wèi)東：“人工智能開(kāi)發(fā)的理念、法律以及政策”，載《東方法學(xué)》2019年第5期，第8頁(yè)。算法之技術(shù)理念追求的是最大合理性下，算法編寫(xiě)的最優(yōu)性以及程序運(yùn)作的安全穩(wěn)定性，但程序人員對(duì)法律背后目標(biāo)的明確表示還很匱乏，例如目的、政策、利益、價(jià)值；此外對(duì)法律結(jié)構(gòu)的分析以及對(duì)法律內(nèi)容的研究匱乏。[32]See Vytautas ?yras， On formalisation of the goal concept in law， 20 Engineering Applications of Artificial Intelligence.（2006）， p.601.與之相反，法律不僅追求的是法之穩(wěn)定性，可預(yù)測(cè)性，同時(shí)也包括法律適用的實(shí)質(zhì)公平以及人文關(guān)懷。算法偏見(jiàn)或稱(chēng)算法歧視可內(nèi)在分為兩種情形：一種為算法編寫(xiě)的歧視，例如Northpointe開(kāi)發(fā)的COMPAS罪犯再犯預(yù)測(cè)系統(tǒng)蘊(yùn)含著對(duì)黑人的歧視；一種為算法運(yùn)作過(guò)程中的歧視，例如基于數(shù)據(jù)選取，模型訓(xùn)練而產(chǎn)生的病毒性歧視。[33]See Anupam Chander， The Racist Algorithm， 115 Mich.L.Rev.（ 2017）， p.1036.因此，在人工智能嵌入司法審判時(shí)，算法編寫(xiě)應(yīng)明確算法編程者之法律責(zé)任，首先應(yīng)改變價(jià)值選取順位，算法編寫(xiě)不應(yīng)簡(jiǎn)單的以技術(shù)思維抽象出最優(yōu)架構(gòu)，而應(yīng)向法律思維轉(zhuǎn)變更多關(guān)注司法適用的人文關(guān)懷，無(wú)論是大數(shù)據(jù)的過(guò)濾選取，還是模型的架構(gòu)都應(yīng)尊重人格倫理，堅(jiān)持公開(kāi)、透明理念避免人之合法權(quán)益受損。[34]山本龍彥， 『AIと個(gè)人の尊重、プライバシー』（日本経済新聞出版社、2018年）59-119頁(yè)“參照”。其次，辯證對(duì)待技術(shù)中立觀(guān)點(diǎn)，明晰政府及其程序人員之社會(huì)責(zé)任，引入監(jiān)管與評(píng)估機(jī)制，明確界定追責(zé)與免責(zé)之邊界，同時(shí)強(qiáng)化倫理觀(guān)念，將道德內(nèi)化于算法設(shè)計(jì)，增強(qiáng)算法設(shè)計(jì)者之法律思維。

（二）過(guò)程維度：秉持“部分融入”觀(guān)，切分司法運(yùn)作過(guò)程

人工智能與法學(xué)的研究領(lǐng)域相遇并融合到人工智能與法學(xué)的跨學(xué)科研究領(lǐng)域中并不是巧合。因?yàn)檫@兩個(gè)領(lǐng)域都使用形式方法，在A(yíng)I中，有軟件、邏輯與統(tǒng)計(jì)；在法律中有法規(guī)、程序和機(jī)構(gòu)。但算法運(yùn)作具有機(jī)械性，當(dāng)涉及到價(jià)值判斷、價(jià)值選擇、法理表達(dá)時(shí)則會(huì)出現(xiàn)適用乏力。司法審判時(shí)，并非每一個(gè)環(huán)節(jié)均會(huì)涉及到價(jià)值判斷，法律解釋?zhuān)ɡ砜剂浚虼藢?duì)于價(jià)值無(wú)涉的環(huán)節(jié)均可有其適用的余地，突出其獨(dú)立價(jià)值；而對(duì)于需進(jìn)行價(jià)值判斷的部分不應(yīng)突出其獨(dú)立價(jià)值，此時(shí)其可作為一種案件裁判的輔助檢視工具。

具體而言，需基于比例原則切分司法運(yùn)作過(guò)程，堅(jiān)持效率與公平并舉，警惕技術(shù)異化，避免算法造法之風(fēng)險(xiǎn)。第一，訴訟前：對(duì)于各種訴訟文書(shū)，例如答辯狀，起訴狀等均可通過(guò)數(shù)字系統(tǒng)進(jìn)行傳遞，對(duì)于是否符合起訴條件，訴訟材料是否齊全，人工智能可借助語(yǔ)音識(shí)別與圖像識(shí)別技術(shù)，將相關(guān)信息迅速進(jìn)行電子化處理并做出判斷以突出其效率性。第二，訴訟中：一方面，對(duì)于簡(jiǎn)單的案件，例如適用簡(jiǎn)易程序案件，小額訴訟案件、涉及數(shù)額裁量以及無(wú)需進(jìn)行價(jià)值判斷案件，法律解釋適用無(wú)涉的普通案件等，此時(shí)因?yàn)闃?biāo)的額多數(shù)較小、案情簡(jiǎn)單，可通過(guò)人工智能進(jìn)行裁判；另一方面，對(duì)于復(fù)雜的訴訟案件，仍應(yīng)以法官審判為主，審判人員可以通過(guò)人工智能進(jìn)行案件模擬審判，運(yùn)用大數(shù)據(jù)避免出現(xiàn)同案不同判的對(duì)應(yīng)性偏差；此外法官也可借助人工智能系統(tǒng)，縮短對(duì)于法律法規(guī)、司法解釋、同類(lèi)案件等信息的檢索時(shí)間，從而提高審判效率。[35]參見(jiàn)涂永前、于涵:“司法審判中人工智能的介入式演進(jìn)”，載《西南政法大學(xué)學(xué)報(bào)》2018年第3期，第50頁(yè)。第三，判決做出前：通過(guò)人工智能可建立法官案件裁判的預(yù)警評(píng)估機(jī)制，對(duì)法官之裁判做預(yù)警審核，以一種“二次審核”的方式，確保法官之裁判公正正義；同時(shí)基于算法編程的多樣性，對(duì)于運(yùn)用人工智能獨(dú)立審判的案件也可編寫(xiě)一套路徑不同的審判系統(tǒng)，因?yàn)锳I司法必然要將有利和不利、加重或減輕責(zé)任的事實(shí)轉(zhuǎn)化為可替換、梯度性處理數(shù)據(jù)的計(jì)算參數(shù)，法院可基于此進(jìn)行交叉檢驗(yàn)，[36]參見(jiàn)李飛：“人工智能與司法的裁判及解釋”，載《法律科學(xué)（西北政法大學(xué)學(xué)報(bào)）》2018年第5期，第36頁(yè)。確保人工智能作出更審慎公正的裁判。

（三）結(jié)果維度：工具價(jià)值優(yōu)先，遵循“人工+人工智能”結(jié)合

人工智能和機(jī)器人技術(shù)的持久創(chuàng)新提供了預(yù)期的計(jì)算機(jī)意識(shí)，感知力和理性能力，但人工智能之于司法審判不應(yīng)冠以“萬(wàn)能論”，因此在兩者深度融合時(shí)應(yīng)堅(jiān)持工具價(jià)值優(yōu)先，堅(jiān)持“人工+人工智能”的組合。目前人工智能仍處于巨大技術(shù)瓶頸，而算法編寫(xiě)又是建立在回避技術(shù)盲區(qū)基礎(chǔ)上的有限理性，但并不能由此否定人工智能部分已成熟的技術(shù)優(yōu)勢(shì)。人工智能嵌入司法審判的最大困境在于，前者對(duì)于人類(lèi)主觀(guān)意識(shí)影響的社會(huì)文化和意識(shí)領(lǐng)域的各類(lèi)問(wèn)題仍是無(wú)法應(yīng)對(duì)，[37]參見(jiàn)吳月輝：“人工智能會(huì)取代人類(lèi)嗎”，載《人民日?qǐng)?bào)》2017年7月7日。也即復(fù)雜的法理于情理以及法律推理問(wèn)題，而這一部分恰是法官審判能動(dòng)性的獨(dú)特表現(xiàn)。自1970年代起，人工智能與法律交互關(guān)系的研究一直在進(jìn)行，例如，如何進(jìn)行文本挖掘和案例自動(dòng)摘要，如何開(kāi)發(fā)支持論證的工具，如何開(kāi)發(fā)基于案例推理技術(shù)的量刑工具以及如何將AI應(yīng)用于法律證據(jù)的研究，如何將其應(yīng)用于打擊犯罪和犯罪的識(shí)別工具等[38]See Ephraim Nissan， Digital technologies and artificial intelligence’s present and foreseeable impact on lawyering, judging, policing and law enforcement， 32 AI and Society （2017）， p.441.，遺憾的是，雖然計(jì)算機(jī)儲(chǔ)存以及信息開(kāi)發(fā)技術(shù)突飛猛進(jìn)，但對(duì)上述問(wèn)題似乎正日益滑向“不可知論”。[39]參見(jiàn)劉艷紅：“人工智能法學(xué)研究的反智化批判”，載《東方法學(xué)》2019年第5期，第119頁(yè)。人工智能本質(zhì)上仍是一種算法，而人類(lèi)思維中除了算法之外，社會(huì)思維、形象思維、靈感等占了大多數(shù)，但恰恰在這一方面人類(lèi)自己都尚不清楚其運(yùn)作機(jī)制，又如何能實(shí)現(xiàn)人工智能的模擬?[40]參見(jiàn)縱博：“人工智能在刑事證據(jù)判斷中的運(yùn)用問(wèn)題探析”，載《法律科學(xué)（西北政法大學(xué)學(xué)報(bào)）》2019年第1期，第65頁(yè)。同時(shí)，國(guó)外研究表明法官的情緒很大程度上會(huì)影響司法審判，它由四種基本類(lèi)型構(gòu)成—憤怒、恐懼、厭惡和同情。憤怒和厭惡源于對(duì)不公正的蔑視，這種蔑視會(huì)激發(fā)人們的直覺(jué)，而這種直覺(jué)總是傾向于刑事判決；另一方面，恐懼和同情會(huì)引起對(duì)誤判的關(guān)切，促使法官進(jìn)行分析性思考，從而得出更富有同情心的裁決。[41]See Kim and Hyum Seok， Judge’s emotion during trial and judicial decision-making processes， Korean Lawyers Association Journal （2019）， p.254.因此，人工智能與司法審判應(yīng)是相輔相成，相得益彰的關(guān)系，個(gè)案適用中的自由裁量、利益平衡以及對(duì)公平的判斷，智能算法顯然無(wú)法應(yīng)對(duì)，而對(duì)于人工智能獨(dú)特的中立價(jià)值又是司法正義所追尋的，例如：上海市高院的智能輔助辦案系統(tǒng)、[42]參見(jiàn)王建、閆帥：“貴州開(kāi)啟大數(shù)據(jù)辦案新模式”，載《民主與法治周刊》2017年5月15日。貴州檢察院的證據(jù)標(biāo)準(zhǔn)系統(tǒng)、[43]參見(jiàn)嚴(yán)劍漪：“揭秘“206”：法院未來(lái)的人工智能圖景—上海刑事案件智能輔助辦案系統(tǒng)164天研發(fā)實(shí)錄”，載《人民法治》2018年第2期，第40頁(yè)。以及例如：法律推理系統(tǒng)、司法裁量系統(tǒng)、信息檢索系統(tǒng)、法律知識(shí)與概念分析系統(tǒng)、證據(jù)標(biāo)準(zhǔn)系統(tǒng)等。基于此，從部分的角度看，人工智能有其固有的工具價(jià)值可以促進(jìn)效率，公正統(tǒng)一適用；但是從整體看，人工智能也并不當(dāng)然無(wú)法獨(dú)立承擔(dān)案件審判，只是應(yīng)區(qū)分是否會(huì)涉及到價(jià)值判斷，如果僅有法律適用問(wèn)題，其仍可獨(dú)立適用，反之便應(yīng)突出其工具價(jià)值。

結(jié) 語(yǔ)

人工智能和控制論的持續(xù)發(fā)展為理性和有意識(shí)的機(jī)器人提供了越來(lái)越近的可能性。在某種意義上，本文之論述似有“潑涼水”之嫌，但通過(guò)對(duì)算法邏輯的細(xì)致梳理，可得出算法并非萬(wàn)能之結(jié)論。目前，在這一領(lǐng)域的研究中，壓倒一切的優(yōu)勢(shì)集中在人機(jī)交互上，并沒(méi)有充分考慮未來(lái)人工智能共同交流的道德必然性，同樣也沒(méi)有解決機(jī)器人間交互的道德本質(zhì)。概言之，人工智能應(yīng)以是否涉及價(jià)值判斷為標(biāo)準(zhǔn)作為其嵌入司法審判之邊界，并以“工具價(jià)值”為主，“獨(dú)立價(jià)值”為輔作為其嵌入理念，在嵌入過(guò)程中應(yīng)摒棄盛行的“學(xué)術(shù)泡沫”研究思路，回歸到司法的具體應(yīng)用問(wèn)題，不應(yīng)只追求效率而忽略實(shí)質(zhì)公平。具體而言：需從“技術(shù)理念”向“法律理念”轉(zhuǎn)變，代碼編寫(xiě)、模型建構(gòu)應(yīng)融入法律思維；秉持人工智能“部分融入”觀(guān)，以是否需價(jià)值判斷為節(jié)點(diǎn)切分司法審判運(yùn)作過(guò)程；明確算法“工具價(jià)值”的邏輯前提，司法審判應(yīng)遵循“人工+人工智能”的結(jié)合。