司法人工智能的提升路徑
——以法定犯裁判事實證成智能化為樣例

洪瀟瀟

引 言

司法人工智能應用系統審判輔助性角色定位業已達成共識，且在各地司法實務中也有許多有益的嘗試，取得了階段性突破?？偨Y各地司法實踐，現存辦案系統具有了識別區分、校驗判斷、邏輯比對、矛盾排除、自動推送和生成等強大的智能性。①參見潘庸魯：《人工智能介入司法領域的價值與定位》，載《探索與爭鳴》2017年第10期。然而，應該看到審判輔助系統雖然建立了一定的學習人類思維和法律規則的算法，但其應用仍是對要素的平行解構和海量數據歸納類比，停留在弱人工智能或者類人工智能應用層面，受技術和邏輯等方面的桎梏，始終難以實現具有完備法律推理能力的強人工智能。案件要素間的關系可能是主次、因果、包含、平行等，但對于機器而言，利用平行解構方式是無法進行有差別識別的。①參見高翔：《人工智能民事司法應用的法律知識圖譜構建——以要件事實型民事裁判論為基礎》，載《法制與社會發展》2018年第6期。人工智能雖然以其強大的記憶和數據歸納能力幫助法官完成法律檢索等方面的工作，提高了工作質效，但是類案推送等反饋的數據往往體量龐大，無篩選的信息流集中堆積在使用者面前，有時還會給使用者造成另一種負擔。在刑事司法領域，定罪量刑系統缺乏對個案的精準識別，反饋的信息往往是包含所有類似節點的信息包，無法真正回應司法實踐需求，緩解使用者的壓力點。而理論界的研究主要集中在人工智能本體論、全流程算法等方面，相對欠缺以要素解構為模型的專項司法人工智能研究。本文通過對比發現法定犯裁判事實證成與人工智能運行邏輯存在內生契合性，通過建構裁判要素式的微結構系統，為法定犯裁判提供智能支持。同時以法定犯人工智能輔助系統為基礎模型，為探索人工智能深度學習、類案智能化、司法應用提升提供路徑探索。

一、法定犯裁判事實證成與司法人工智能應用規律的契合性

法定犯的概念與自然犯相對應，源于古羅馬時代自體惡（mala in se）與禁止惡（mala prohibilita）的觀念區分。繼刑事古典學派將犯罪界定于抽象的刑法基礎之上后，刑事實證學派的代表人物意大利犯罪學家加羅法洛從社會法位的實質出發對自然犯進行充分論證，形成了自然犯的原始界分，將真正的犯罪界定為對憐憫和正直這兩種基本利他情感的傷害。②參見孫樹光：《論法定犯裁判事實證成中人機協同系統的建構》，載《當代法學》2020年第2期。德國刑法中的行政犯概念奠定了現代刑法中法定犯概念基礎。中國刑法更多的是從criminal offender即刑事犯和administrative crime即行政犯的角度來做區分，同時由于我國刑法概念定性與定量因素的結合，所以我國行政犯其實是行政違法行為刑事化的產物。③參見周佑勇、劉艷紅：《行政刑法的一般理論》，北京大學出版社2008年版，第8頁。各國刑法的稱呼與概念雖然略有不同，但它們基本的意思相同。自然犯是天生違背了社會倫理道德的犯罪；法定犯本質上未違反社會倫理道德而是后天由法律人為規定的犯罪。自然犯的立法主要是滿足倫理道德方面的國家需要；法定犯的立法則主要是滿足行政管理方面的國家需要。④參見周佑勇、劉艷紅：《行政刑法的一般理論》，北京大學出版社2008年版，第9頁。在違法性層面上行政法和刑法都指向同一內容，只是制裁規范的層面上，刑法對行政法益的保護體現出被動性和滯后性的特點，服務于行政法規對法益的保護。⑤參見孫國祥：《行政違法性判斷的從屬性和獨立性研究》，載《法學家》2017年第1期。由此可見，法定犯具備行政違法性與刑事違法性的雙重特性，是一種形式犯。人工智能的運行邏輯具備形式化特征，故兩者在法律推理層面均追求形式正義。

（一）法定犯事實認定的行政不法前置性與人工智能的形式邏輯相契合

裁判事實證成是通過法律推理對案件事實進行認定的論證過程?？陀^事實的類型把握和規范事實的概念解釋成為裁判事實形成的重要方面。①參見孫樹光：《論法定犯裁判事實證成中人機協同系統的建構》，載《當代法學》2020年第2期。如前所述，法定犯具有行政不法前置性。法定犯的構成要件要素，除了特別性要件如情節嚴重、數額較大等之外，基本上都是行政要素，可劃分為法律或者行政法規規范等法源要素和規范性的評價要素。②參見劉艷紅：《“法益性的欠缺”與法定犯的出罪——以行政要素的雙重限縮解釋為路徑》，載《比較法研究》2019年第1期。在實踐中，法定犯事實認定通常依賴對行政要素的評價而呈現出形式化、模型化特點。在《刑法》規定中有些條文采取了空白要件的方式，這些空白需要相應的行政法規來填補。例如，非法經營罪以違反國家規定為構成要件的規范要素，國家規定指向相應的金融法規、行政許可法、市場經濟秩序規范等。規范性的評價要素中一些內涵外延明晰的無爭議名詞，如槍支、專利、計算機信息系統等并不存在解釋論上的爭議。換言之，法定犯事實認定中的行政要素制約了犯罪事實推理形成，從而削弱了法律推理的強度，使推理具有形式性。現階段，司法人工智能系統的算法仍是模仿經典推理建立模型，即簡單三段論：法律規則+裁判事實=裁判結論的演繹推理，直接將案件事實作為小前提進入法律檢索得出結論的形式邏輯。由此可見，兩者之間在法律推理層面存在契合性，使客觀事實認定運用人工智能實現形式化、模式化成為可能。裁判事實證成需要在證據事實與法律規范之間循環往復，而法定犯行政不法事實認定的法源并非是單一的。例如，在王力軍玉米收購案③王力軍非法經營罪案，內蒙古自治區巴彥淖爾市中級人民法院（2017）內08刑再1號刑事判決書。中，法官必須窮盡關于糧食領域的法律規范，如《中華人民共和國糧食法》《中央儲備糧管理條例》《糧食流通管理條例》《糧食收購資格審核管理辦法》等來進行法律解釋。這對法官來說無疑是巨大的挑戰，人工智能對海量規范數據進行歸納演繹的能力可以幫助法官簡化、優化這一過程。

法律邏輯的小前提并非直接援引案件事實，需經庭審質證獲得認知結論方可認定事實。換言之，由于法官在案件中缺乏親歷性，需要通過證據推理來完成對案件的事實認定。這一過程即是將證據與待證事實建立聯系的歸納推理過程。法律推理的基礎是證據推理，而證據推理的核心要義是對證據的分析。證據可采性抑或證據能力是證據分析的前提。法定犯因其行政違法從屬性，使證據可采性具備形式化特征，證據形成遵循正當程序即可使證據事實轉化為裁判事實。例如，在醉酒型危險駕駛罪中，事實認定的關鍵證據是交警部門出具的認定書。證據事實在事實認定中完成轉化是一個開放式的過程，即證據被各方出示、驗證，最終形成相互印證的封閉式證據鏈條。法定犯行政不法前置性使證據鏈條呈現出單一循環特性。實踐中，司法人工智能系統可完成相關證據自動收集、校對，在形式要件及案件要素層面進行合法性匹配；在規則層面完成證據鏈條邏輯比對及印證?？梢姡斯ぶ悄茏C據推理仍停留在形式推理層面，法定犯認定事實證據的客觀性和形式性，有效避免了人工智能在證據認知中無法摻雜感性因素而使識別結果出現超越樸素認知的可能性。法官依據經驗判斷證據達到內心“確信”，如果試圖將“確信”以靜態概率為表現形式，則人工智能便可以對證明力進行讀取。不管是圖靈測試還是貝葉斯網絡所依循的內在邏輯均是試圖使證明力概率化。然而，法律的開放性使經典邏輯無法應對法律推理的非單調性。隨著規則的更新和新證據加入，事實認定呈現動態特征，裁判者內心確信內涵不斷被覆蓋更新，人工智能的線性邏輯無法及時認知這一動態變化，使證明力概率化僅停留在理論層面。而法定犯的證據特征通常較為固定，具有一定的靜態性，使證明概率化在人工智能邏輯層面成為可能。法律推理由形式正義轉向形式正義與實質正義相衡平的價值追求，裁判應當兼具合法性與合理性。實質推理所依循的關于價值取向、政策導向等經驗使人工智能知識圖譜構建無疑是體量無比巨大且困難重重的工作，而法定犯因行政不法前置性特點，限縮了經驗范圍且使經驗具有一定的形式性特點。例如，對于“槍支”的經驗來自于《槍支致傷力的法庭科學鑒定判據》中規定的標準。這與人工智能的形式邏輯相契合。

（二）法定犯裁判事實的弱評價性與人工智能的經驗缺陷相契合

人工智能裁判的運行原理是通過計算機程序模擬和歸納法律論辯，回答其中的問題，以顯示計算機系統能夠理解其中的法律問題和事實問題。①參見羅維鵬：《人工智能裁判的問題歸納與前瞻》，載《國家檢察官學院學報》2018年第5期。換言之，人工智能裁判是模仿人類認知對案件進行邏輯推理。法律推理基于客觀事實、規范事實及形式邏輯去判斷法律規范下的一切具體行為，即將裁判公式化。無論是誰進行裁判均可得出相同結論。也就是說，機器可以按照設定的規則輸出和人相同的裁判結論。然而，這僅是分析法學忽視法官個人主觀意識和能動法律推理而建立的理想模型。法官形成內心確信的過程存在政治、環境甚至內心情感等多種因變量，而非單純依據經典邏輯即可得出結論。這些因變量通過經驗取得，人類的經驗千變萬化、千差萬別，人工智能算法無法將全部經驗納入其中，學習人類的內心感知從而形成可以被解讀的認知難以實現。因此，人工智能迄今為止的工作能力都限于抽象思維領域。抽象思維是一步步推下去的，是線型的；或者有分叉，是交叉型的。而形象思維它不是面形的、二維的，而是空間的綜合的“雜交”過程，有時是跳躍的、發散的。②參見董軍：《人工智能哲學》，科學出版社2011版，第50頁。因此，案件要素被平行解構后，輸出的結論均是描述性的。

如前所述，自然犯是天生違背了社會倫理道德的犯罪，傳統犯罪行為中的殺人、搶劫、盜竊等違反基本社會秩序和人們的樸素道德情感觀念，具有悖德性。因此，在事實認定過程中總會存在個人的價值評價，盡管這種評價有可能是隱性的。例如，“張三殺害了李四”，法官要從證據推理，甚至從張三的主觀心態、社會關系、甚至張三的表情、動作等因素綜合判斷案件事實，而人工智能無法像人類一樣從細微處感知張三主觀心理狀態以綜合所有的案件要素。相較于自然犯的原生惡性，法定犯是基于社會行政管理秩序而產生，并隨著行政管理秩序的調整而調整，案件事實認定是基于行政不法事實，不存在違反倫理性或者悖德性較弱，也就是說法定犯的價值評價性較弱。例如，《刑法》中規定的“非法采礦罪”，基于違反行政許可，破壞國家礦產管理秩序。該罪事實只要存在未取得采礦許可證，擅自采礦、擅自開采國家規定實行保護性開采的特定礦種的行為即可認定，無需對行為人采礦時的心態等因素作出判斷和評價。因此，在法定犯評價中，行政違法性判斷居于主導地位，對行為人行為的價值評價往往僅是形式判斷，且法定犯的證據常以行政機關評價為依據。因此，在裁判事實證成層面，相較于自然犯而言，人工智能作用空間更為廣闊。

（三）法定犯行為的不法判斷與司法人工智能現階段能力相契合

事實認定所依循的證據裁判主義帶有強烈的客觀化色彩。證據裁判下的證明對象往往源于法律規范的直接規定。而任何一個法律構成要件都必然是事實要素和價值要素的復合體。①參見張繼成：《從案件事實之“是”到當事人之“應當”——法律推理機制及其正當理由的邏輯研究》，載《法學研究》2003年第1期。換言之，法律規范蘊含著立法者的價值判斷，而該種價值必須符合普遍社會群體對于正價值的需求，行為事實與價值需求的不同組合構成了法律規范的外在表達。在存在論物本邏輯語境下，行為違法性更加強調為一種實質性違法，即由于現實先于概念而存在，現實所蘊含的價值關系為法律規范所表達，行為的違法性亦涵蓋于現實價值關系中。因此，判斷行為是否違法，取決于是否違反法律規范背后所蘊藏的正價值。事實認定就是在客觀證據視角下將待證事實與事實要素以及價值要素反復比對的過程，以證據的客觀判斷為主線，同時為價值的主觀判斷留有余地。人工智能利用信息技術使證據實現可視化，在形式邏輯下，證據裁判及法益層面的價值判斷均更趨于客觀化。而法定犯的行政從屬性使證據判斷具有客觀化特征，這與人工智能現階段的證據裁判能力相匹配。

以個案為例，在趙春華擺攤打氣球案②趙春華非法持有、私藏槍支、彈藥罪案，天津市第一中級人民法院（2017）津01刑終41號刑事判決書。中，以構成要件該當性與違法性為要素框架設置匹配項，將該案的待證事實分解為：行為客觀描述；“槍支”之認定標準；持有行為有無法益侵害；有無不可抗力、正當防衛等正當化事由阻卻該行為的違法性。通過比對，趙春華基于其主觀意圖在他人處購買并持有黑色槍狀物及疑似槍支彈夾的事實符合“持有”之客觀行為描述；案涉槍狀物的物理性狀，即以壓縮氣體為動力、1.8焦耳/平方厘米等事實符合《槍支致傷力的法庭科學鑒定判據》等所規定的“槍支”認定標準，即可得出趙春華持有的槍狀物為槍支的結論；其持有槍狀物的行為具備侵害國家槍支管理秩序的事實要件；無正當化阻卻事由。最終得出其行為具有違法性的結論。

二、法定犯裁判事實證成智能化路徑為人工智能與司法深度融合提供進路

當下，法定犯的裁判事實證成模式化仍存在障礙，法律規范中的有些日常語詞存在模糊性和不確定性。對于語言外延內涵明確的詞語，并不會在解釋論上產生爭議，但對于開放性、發散性詞語的理解難免存在爭議，例如“正當”“合理”“過錯”等。另外，有些事實規范本身并無明確規定，人工智能缺乏比對樣本，對案件事實仍需憑借法官自身認知經驗進行評價。例如，韓笑等非法經營案①韓笑等非法經營案，北京市第一中級人民法院（2015）一中刑終字第539號刑事裁定書。中，對于其制作的外掛程序如何認定，是否屬于“出版電子出版物”，《出版管理條例》中并無明確規定，需要法官進行綜合評價。然而，司法人工智能廣泛應用于司法實踐是不可逆的趨勢，如何在已有的基礎上推進技術與實踐的進一步融合才是研究的重點。法定犯裁判事實證成智能化路徑為人工智能與司法實踐深度融合提供了樣本和有益嘗試。

（一）法定犯裁判事實證成智能化路徑為人工智能在犯罪階層體系深度應用提供實踐基點

如前所述，人工智能輔助系統現階段主要可完成證據裁判客觀化判斷。在主觀構成要件、可譴責性層面受傳統整罪分析模式一個犯罪一種罪過形式的影響，呈現單一的匹配項，無法得出具備邏輯一致性的結論，使司法人工智能在犯罪階層體系的全面化應用存在缺憾。在罪過形式層面，故意和過失被認為是對立關系，面對行為產生時行為人復雜主觀心理以及犯罪不同階段的主觀狀態，整罪分析模式易使罪過形式與犯罪客觀構成要件之間產生斷裂，從而得出不符合社會普遍價值需求的結論，特別是在法定犯領域，機械地依據行政標準易產生過罪化風險。有學者提出借鑒美國刑法中的要素分析模式以破解整罪分析模式下產生的定罪量刑難題，即在復雜犯罪中將每一個客觀要素對應罪過的四種形式進行匹配。②參見王華偉：《要素分析模式之提倡——罪過形式難題新應》，載《當代法學》2017年第5期；陳銀珠：《法定犯時代傳統罪過理論的突破》，載《中外法學》2017年第4期；勞東燕：《犯罪故意的要素分析模式》，載《比較法研究》2009年第1期；陳銀珠：《論美國刑法中的要素分析法及其啟示》，載《中國刑事法雜志》2011年第6期。而這一模式與人工智能要素識別相契合，客觀要素與四種罪過形式可匹配出多種序對。在責任層面，物本邏輯下的韋爾策爾體系將責任分為三個層次的可譴責要素，即責任能力、不法意識可能性、期待可能性。責任能力作為客觀標準具有相對明確的認定標準，而不法意識可能性與期待可能性在認定上存在模糊性和不確定性，往往受文化背景、政策導向等基于“法感”因素而存在主觀化。這亦是人工智能在該層次無法深入的主要原因。法定犯事實認定客觀化為不法意識可能性與期待可能性的要素解構提供了實驗契機。很多刑法條文、教義和構成要件隱含了對破案率和作案成功率的雙重評估。①參見桑本謙：《從要件識別到變量評估：刑事司法如何破解“定性難題”》，載《交大法學》2020年第1期。破案率和作案成功率可以作為量化標準，結合行為人的過往經歷、職業、身份、手段等客觀構成要件與不法意識可能性之間建立一種函數關系，并以概率的形式使人工智能能夠有效讀取。嘗試讓人工智能擁有類似于“法感”的道德判斷能力，可以促使裁判事實證成更具有周延性，避免出現違背樸素正義觀的結論。

仍以趙春華案為例，綜合其過往經歷、身份等特征，結合其目的可以得出其對持有槍支的不法意識可能性的概率非常小，對于后果的期待可能性概率亦非常小。綜合可譴責要素的概率，可得出其行為的有責性應為小概率。二審法院認為趙春華“明知”其持有的槍狀物具有一定致傷力和危險性，且不能通過正常途徑購買獲得，因此認定其行為罪過形式為故意。如按照要素分析模式將該案罪過形式進行解構，將罪過形式設置為四個基本項，即直接故意、間接故意、疏忽過失、自信過失；將趙春華案主客觀要件，即在他人處購買并持有黑色槍狀物及疑似槍支彈夾等、無業、經營打氣球攤之目的、無傷害他人意思表示，以及對玩具槍/槍狀物危險性認識與罪過形式四個基本項分別進行比對，可以發現，趙春華案僅購買并持有行為指向主觀故意，其他主客觀要件均無法與罪過形式項相匹配，其在法益侵害方面并沒有主觀故意，甚至連過失也很難成立。終審法院僅依據購買并持有行為認定非法持有槍支罪成立顯然具有不周延性。綜合不法性認識可能性的低概率，最終指向的結論是趙春華的行為具有違法性但卻不具有可處罰性。

（二）法定犯裁判事實證成智能化為實質的類案智能化提供范例

大數據分析用總體化全歸納法去置換抽樣調查的統計學方法，打破了因果關系模式，植入了相關關系，更多的信息量被掌握，一個人可以了解某種現象的全部過去式，也可以從關聯物那里了解事態的未來走勢。在這個過程中，真正實用的并不是對精確度的追求，而是快速獲得大概的輪廓和脈絡。②參見【英】邁爾·舍恩伯格等：《大數據時代：生活、工作與思維的大變革》，浙江人民出版社2013年版，第65頁。換言之，司法輔助系統給予的司法決策是基于應然性的法律規范、專家經驗與實然性的法律后果間關系匹配出或然性結論。海量的裁判數據并不當然的具有正當性，在數據之外的隱性的影響因素并未體現，如法官經年累月而形成的對案件的認知經驗，有時可能是影響法官內心確信較為關鍵的因素。機器根據節點給出的司法決策可能只是經過一定程度限縮的另一組海量數據。在事實認定的場合，專家經驗的模糊性和不確定性使精準認知個案仍停留在理論層面，畢竟我們無法將人類所有的經驗全部羅列其中。法定犯的行政從屬性使專家經驗帶有一定的形式性。法定犯的規范要素均指向前置的行政法律法規，對事實要素的解釋受到前置行政法律法規的制約，使事實認定具有一定的特定性而無需多元的經驗。例如在違反特許經營的場合，僅需要判斷行為人的經營是否需要特許、是否得到了特許經營許可的一般性經驗即可。這一特性使人工智能類案決策的精準性有所提高。類案的實質是通過抽取同質要素提煉裁判規律，以達到“同案同判”。通過裁判規律的統一在訴訟結構的基礎上進一步限制法官的自由心證，保護當事人的信賴利益。法定犯事實認定的智能化為人工智能在事實認定方面的類案實質化提供可供試煉的場域。正如有學者所言：“可以預見的是，在類型化案件中，有可能形成統一的智能化算法；在不那么規格化的案件中，至少可以做到法律依據提醒、政策比較和類案參考?！雹俸畏骸段覀冸x‘阿爾法法官’還有多遠？》，載《浙江人大》2017年第5期。

（三）法定犯裁判事實證成智能化路徑為人工智能深度學習提供“小數據”樣本

目前，人工智能的技術邏輯不管是基于規則推理（符號主義）還是基于概率推理（貝葉斯網絡），其深化均依賴于深度學習。學習模型可分為“判別式學習”與“生成式學習”②李德毅主編：《人工智能導論》，中國科學技術出版社2018年版，第126頁。?！芭袆e式學習是指通過某種模擬的高維感官輸入映射出一個類別標簽結果?！雹劾鯈槪骸度斯ぶ悄芘c事實認定》，載《法學研究》2020年第1期。而發現案件內在結構、規律從而作出推理的生成式學習才是我們所追求的人工智能高端應用。這首先需要給予人工智能可供學習的樣本。司法公開為樣本的構建提供了數據基礎。然而如中國裁判文書網所提供的裁判文書，其作出也并非僅是文字所顯示出的影響因素，還包含其他隱性變量。我們無法將所有的相關信息全部輸入機器供其學習，而使人工智能足以讀取并學習海量的信息則需要無比復雜且不斷變化的算法，這無疑難以實現。信息哲學家弗洛里迪（L.Floridi）指出，“大數據的真正問題并不在于數據之‘大’，而在于如何從海量的數據中挖掘出其背后具有規律性的‘小模式’?！雹芏蝹ノ模骸洞髷祿R發現的本體論追問》，載《哲學研究》2015年第11期。

因此，可以嘗試以“小數據”微結構為基礎，將司法人工智能的應用場域解構成為若干單元，將全局性的案件輔助模型解構為裁判要素式模型，以降低學習難度和算法復雜性。由于人工智能對事實認定過程中的復雜問題化解能力有限，搭建心智微結構能夠縮小問題范圍，以各個擊破的方式，將大塊難題分解為小塊問題，在小區域內提升智能密度，進而最大化增強人工智能，突破潛在阻力。實現心智微結構的具體路徑是運用“小數據”訓練。①參見【美】克莉絲汀L.伯格曼：《大數據、小數據、無數據：網絡世界的數據學術》，孟小峰等譯，機械工業出版社2017年版，第3頁。“小數據”因其所含信息流體量較小，更便于人工智能讀取及操縱。法定犯裁判事實證成智能化正是為這種“小數據”微結構的搭建提供了樣本，通過對法定犯事實認定數據的深度學習，提煉算法規律，以期在人工智能事實認定方面尋求邏輯可操作性的突破。

三、法定犯裁判事實證成人機協作系統建構路徑

人工智能的本質在于算法和數據處理，也就是說，通過機器學習，機器要對海量數據進行自動挖掘與預測，以形成統一的智能化算法或參考指引。②參見蔡自興、劉麗玨、蔡競峰、陳白帆：《人工智能及其應用》（第5版），清華大學出版社2017年版，第125頁。機器深度學習的方法包括：決策樹學習方法、類比學習方法、人工神經網絡方法等。而人工神經網絡方法是居于主要地位的、功能最強大的、應用范圍最廣闊的機器學習方法，其被用于解決那些基于規則編程難以解決的任務，如智能化學習等。③參見蔡自興、姚莉：《人工智能及其在決策系統中的應用》，國防科技大學出版社2006年版，第235頁。人工神經網絡方法的可行性與實效性的獲得必須基于學習對象的圖譜化，也就是知識圖譜的構建，否則機器的深度學習就成了無本之木。④參見高翔：《人工智能民事司法應用的法律知識圖譜構建——以要件事實型民事裁判論為基礎》，載《法制與社會發展》2018年第6期。

（一）“自頂向下”的行政不法前置型知識圖譜建構

分詞建構是人工智能知識圖譜的單元要素。神經網絡分詞方法的核心是內部知識庫的構造，內部知識庫的知識表示并不獨立表示一項規則，而是將一個問題的相關知識在同一網絡中表示。⑤參見劉遷、賈惠波：《中文信息處理中自動分詞技術的研究與展望》，載《計算機工程與應用》2006年第3期。建構內部知識庫的數據來源可以分為“自頂向下”的通道和“自下向頂”的通道。顧名思義，“自頂向下”的數據通道是指集合行政違法行為類型、行政規范要素以及證據類型解構的相關數據作為人工智能提取和學習的樣本。這種建構方式的優勢在于數據具有穩定性和準確性，但是數據體量較小且對新生數據反應較慢。而“自下向頂”的通道是指通過海量的數據由人工智能自行提取、學習以歸納提煉出規律。這種建構方式數據量較大且可以及時發現新數據，然而由于數據來源不確定性等因素使數據本身缺乏正當性。在弱人工智能的語境下，選擇“自頂向下”的數據集合方式更符合司法實踐中對于人工智能提供較為精確的司法決策輔助的需求。

刑法所保護的法益并非單獨源于刑事法律規范，而是由刑法與前置法律規范共同調整。前置違法性是法定犯犯罪構成的基石，行為如果不具有行政違法性或者前置行政法規范并未禁止，法定犯也就無從談起。法定犯裁判事實證成知識圖譜的建構也應依循這一普遍規律，施行分層級建構，將法定犯中的行政要素前置。刑法適用于具體案件的過程，實質上就是解釋刑法的過程，是一種“事實與規范”之間建立起聯系的具體化過程。①參見【德】尤爾根·哈貝馬斯：《在事實與規范之間》，童世駿譯，三聯書店2003年版，第247頁。知識圖譜的建構過程就是將已知的要素事實與規范間進行比對并建立聯系的過程。對于法定犯事實圖譜的建構可以分為兩部分，即可視化證據數據庫和規范數據庫。數據按格式可劃分為以二維邏輯為外在表達的結構化數據和以平面邏輯為外在表達的非結構化數據。就案件事實認定而言，證據多為文本、圖片、視頻等形式的非結構化數據，并不能直接被機器讀取。因此，證據必須經過結構化改造才能被充實到數據庫中。法定犯事實認定的證據類型及證據鏈條的形式化特征為證據數據的結構化改造減低了難度。《刑法》第96條為“違反國家規定”設定了前置性法律規范的適用范圍。為保證裁判邏輯上的連貫性，行政規范中的概念與刑法中的概念具有同質化特點，如證券類犯罪案件中的價格敏感期、內幕信息等概念必然與《證券法》等規定相一致。這為規范數據庫的建立明確了數據集合的邊界。事實認定屬于法律規則中的“行為模式”要素，如從“證據”到“證據性事實”的推論，再到實體法行為模式中的“要素性事實”的推論。②參見吳旭陽：《法律與人工智能的法哲學思考——以大數據深度學習為考察重點》，載《東方法學》2018年第3期。相對穩定和可識別的知識圖譜數據庫使人工智能在“事實——規范”間進行算法學習更具有可操作性。

（二）知識圖譜數據樣本的正當性建構

如前所述，我們采用人工神經網絡的方法構建知識圖譜。人工神經網絡是模仿神經網絡行為特征并進行分布式并行信息處理的算法模型，其由輸入層、多隱層、輸出層構成，多隱層是其中的核心，每層有若干個神經元，神經元之間有連接權重：神經網絡系統由眾多神經元的連接權值連接而成，具有良好的深度學習功能。③參見【美】雷·庫茲韋爾：《人工智能的未來》，盛楊燕譯，浙江人民出版社2016年版，第131頁。人工神經網絡的深度學習系基于知識圖譜數據特征的學習，其從數據樣本中學習到數據的本質特征，而通過學習所得到的特征可提升對未知事件的分類和預測的精準性。如果之后輸入的語句與原切分規則近似，則可輸出與樣本近似的切分結果，從而形成人工智能。④參見吳岸城：《神經網絡與深度學習》，電子工業出版社2016年版，第83頁。由此可見，知識圖譜數據樣本的正當性影響人工智能深度學習的準確性。實踐中，對于數據的清洗和標注通常是由技術專家完成，數據來源主要依據司法公開的數據。然而，司法公開的數據并不能全景展示裁判所依據的事實理由。從某種意義上說，裁判最為核心的價值并非是裁判結果而是作出裁判的論證過程。這一過程因加入法官的內心確信論證而富有思辨性。然而，主導數據標注的技術專家缺乏相應的裁判經驗，使專家經驗帶有模糊性和非專業性特征。司法領域的特殊性決定了僅依靠技術專家建構的司法輔助系統無法切中司法實踐中真正的壓力點，沒有法官參與的司法審判輔助系統就如無源之水。因此，加入司法領域專業人員深度參與司法人工智能建構勢在必行。

（三）法律推理的邏輯基礎選擇

1.法律推理的邏輯選擇

現階段，司法人工智能領域普遍適用貝葉斯網絡作為技術邏輯基礎。貝葉斯網絡基于概率推理，仍然存在主觀概率理論的局限性。當認定案件事實時，法官需要判斷一個證據對其他證據的影響力，主觀概率理論無法在證據與證據之間建立相應的因果關系?；谪惾~斯網絡的缺陷，人工智能領域興起了對可計算辯論（argumentation）模型的應用。它的特點在于能夠避免人工智能普遍面臨的“知識接收瓶頸”問題，因為它不需要接收應用于解決問題的知識，而是直接與較為完備的背景法律知識檔案來源相聯系，通過構造論證的方法使問題直觀化，幫助系統使用者厘清并解決問題，它同樣支持案件事實認定中的可廢止論證和在不同觀點分歧下的庭審對話。①參見魏斌、鄭志峰：《刑事案件事實認定的人工智能方法》，載《刑事技術》2018年第6期。這為法律推理提供了一種增強其周延性的方法論，畢竟法律具有開放性，經典邏輯的單調性無法應對法律推理的非單調性。在證據評價中，法官根據經驗從相關證據中推導出一個似真的結論，但該結論可因新證據的引入而被推翻，即具有可廢止性。換言之，證據的不充分性和推理的常識依賴使事實認定具有可廢止性。假設“如果條件p那么結論q”是可廢止的，那么“如果滿足條件p那么q有效”并不具有必然性。它至少涉及到下面情況的其中一種：（1）如果p→q是真的，那么p∧r→q并不必然是真的；（2）如果p→q且p是真的，那么q并不必然是真的；（3）如果p→q且p是真的，那么q并不必然被有效地推導出來。②參見【荷】亞普·哈赫：《法律與可廢止性》，宋旭光譯，載舒國瀅主編：《法理：法哲學、法學方法論與人工智能》（第3卷），商務印書館2018年版，第18-19頁。例如，97年《刑法》實施后，當時受金融危機影響又頒布了《關于懲治騙購外匯、逃匯和非法買賣外匯犯罪的決定》，將買賣外匯規定為非法經營罪。可見買賣外匯行為違法的結論證成受金融管理秩序變化的影響而具有可廢止性。法定犯行政不法事實與犯罪事實的層次性使可廢止推理具有正當性，③陳瑞華教授將行政不法事實與犯罪事實視為處于兩個不同位階的法律事實，從實質性上區分為兩個事實層次，提出了法定法事實認定的層次性理論。參見陳瑞華：《行政不法事實與犯罪事實的層次性理論——兼論行政不法行為向犯罪轉化的事實認定問題》，載《中外法學》2019年第1期。推理模型如表1所示：

表1 法定犯事實認定層次性推理模型

2.具體案例應用演示

在具體案件運用中，按照“自頂向下”的知識圖譜框架，建構可視化證據數據庫和規范數據庫，依據法定犯事實認定要素設置若干匹配項，即證據集合、證據能力、證明力、法源性評價、規范性評價以及可廢止變量等。同時，按照證據能力要件在其項下設置收集程序、形式要件、內容要素三個子匹配項；將法定犯事實劃分為兩個層次，即行政不法事實與犯罪事實置于所有匹配項下進行比對，進而得出結論。仍以前述王力軍玉米收購案為例，該案的裁判理由認為王力軍收購玉米的行為違反當時國家糧食流通領域相關法律規定，符合行政違法性標準，但其危害程度尚未達到嚴重擾亂市場秩序的標準。將該案按照要素進行解構進行智能化識別，參見表2：

表2 王力軍案事實認定要素解構識別分析

如表2所示，對王力軍案進行要素解構與各匹配項比對所得出結論為其行為并不具有行政不法性，行政不法事實無法成立，進而犯罪事實亦無法成立。這與該案裁判結論并不相同，智能化匹配所得結論更為符合人們一般樸素價值觀，亦符合刑法謙抑性價值追求。可見，通過要素智能化解構得出的結論更符合形式正義，也更具備合理性。雖然基于可廢止推理為人工智能論證輔助系統提供了新的邏輯視角，但如何使領域內的知識有效地與系統相整合仍然需要進一步深入研究，而法定犯裁判事實證成為可廢止推理在人工智能的應用提供了邏輯切入點。

結 語

司法人工智能輔助系統在“智慧法院”建設中占據核心地位。司法裁判的涵攝仍然受到政策導向、價值指引、專業性判斷等因素的制約，并非機器所能夠勝任。這決定了司法人工智能輔助性定位。將裁判分為若干要素作為“靶點”采取逐個擊破的策略是當前技術背景下提升司法人工智能解決實際問題能力的有效路徑。將可類型化的要素交給機器，最終結論仍由法官作出判斷的人機協作型司法人工智能系統仍是提高司法質效的最具有可行性的方案。法定犯裁判事實證成為這一方案提供了可操作的進路。同時，在法定犯到來的時代，裁判事實證成的智能化也為防止出現不符合或超出人們普遍認知的案件結論提供了有效監督途徑。