大數據時代的裁判思維

馮潔

摘 要：大數據時代不僅給司法裁判帶來了技術和制度-教義方面的挑戰，更重要的是會在裁判思維的層面帶來潛在的危險。司法裁判在本質上是一種以追求正確性為目標的規范性論證說理活動，它秉持的是理由思維、正確性思維和規范性思維。大數據技術的核心在于基于司法行為的歷史數據、通過計算（算法）來預測未來的裁判，它可能帶來三方面的危險：一是數字解決主義，即以數據計算取代論證說理;二是司法實證主義，即以統一裁判取代正確裁判;三是法律實用主義，即以結果預測取代規則實踐。但只要人（法官）的道德主體地位與自主性仍然是司法裁判的價值根基，上述危險就不構成根本挑戰。但它的確帶來了一個反向挑戰，那就是在“算法社會”到來之際，如何讓人（法官）更像人、而非像機器那樣去思考。

關鍵詞：大數據;裁判思維;數字解決主義;司法實證主義;法律實用主義

中圖分類號：DF920.0文獻標志碼：A

DOI：10.3969/j.issn.1001-2397.2021.03.03 開放科學（資源服務）標識碼（OSID）：

一、引言

大數據時代的來臨，對于人類實踐的方方面面、包括法律領域造成了持久而深遠的沖擊。而在法律領域中，司法裁判無疑是其中受到最多沖擊的一個領域。在司法實務界，“智慧法院”口號的提出，以及杭州、北京、廣州等地互聯網法院的紛紛設立，都彰顯出司法實踐對這種沖擊的積極回應。與此相比，理論界對于智能化司法與大數據技術則抱持更加多元和復雜的態度。近年來，學界主流對這一領域投入了大量的熱忱和精力，使得相關研究成果亦呈“大數據級的”幾何倍數增長。但不少學者在肯定智能化司法與大數據技術對于提升司法效率和社會效能、實現 “可視正義”之積極意義的同時，也認為這種應用有其限度以及可能的風險。參見馬長山：《司法人工智能的重塑效應及其限度》，載《法學研究》2020年第4期，第23-40頁。在一開始的亢奮期過去之后，學界越來越認識到，當“阿爾法狗”碰上“獨角獸”，結果或許不僅是理想狀態中“智慧”與“正義”的簡單疊加，兩者之間也可能會產生內在的緊張關系。

目前，相關的反思主要集中于兩個層面：一是技術的層面。除了信息化和數據庫技術本身可能存在的缺陷外，一個核心問題在于，能否以及如何解決“算法黑箱”問題。有論者系統闡述了算法風險和目前算法規制的局限性參見蘇宇：《算法規制的譜系》，載《中國法學》2020年第3期，第165-184頁。，有論者反思了算法透明性原則的不足和算法問責的可能參見沈偉偉：《算法透明原則的迷思——算法規制理論的批判》，載《環球法律評論》2019年第6期，第20-39頁。。如何避免算法歧視，保證裁判的可驗證性和公正性亦成為爭議的焦點。二是制度-教義的層面。核心問題在于，大數據技術所引發的司法實踐問題是否對既有的法律體系與法律教義構成了根本性的挑戰？質疑者認為，人工智能既沒有對法律本身，也沒有對法律基礎理論、基本法學教義提出挑戰，受到挑戰的只是如何將傳統知識適用于新的場景以應對這些問題。參見陳景輝：《人工智能的法律挑戰：應該從哪里開始？》，載《比較法研究》2018年第5期，第142頁;劉艷紅：《人工智能法學研究的反智化批判》，《東方法學》2019年第5期，第124頁。例如，通過司法對機器人的民事責任、刑事責任或知識產權歸屬等問題的認定，是否在既有的法律或學說框架內就足以應對。但在筆者看來，除此之外，在司法裁判領域更值得反思的還有思維的層面。與前兩類問題相比，大數據技術給裁判思維所可能帶來的影響更為深遠，其潛在的危險也更值得我們警惕。因為科學技術從來就不只是一種影響社會實踐的手段，它同樣也會附著特定的意識形態或者說價值觀念。當我們在擁抱技術的同時，也會潛移默化地受到這些價值觀念的影響。而這些價值觀念有可能要比技術和制度-教義更為顛覆性地挑戰既有的思維模式及其背后值得尊重的價值。最近，已有一些學者在論述中部分地涉及到了這一問題，參見孫海波：《反思智能化司法的可能及限度》，載《國家檢察官學院學報》2020年第5期，第80-99頁;宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第80-92頁。但主題仍不夠聚焦和深入。本文旨在就大數據時代給裁判思維可能帶來的影響進行體系性闡述。為此，我們將首先闡明司法裁判的既有思維方式（第一部分），然后依次剖析大數據技術對這種思維方式可能帶來的三方面危險（第二、三、四部分），最后予以小結。

二、司法裁判秉持什么樣的思維

司法裁判的思維方式與司法裁判的本質密切相關。司法在本質上是一種判斷權，參見孫笑俠：《司法權的本質是判斷權——司法權與行政權的十大區別》，載《法學》1998年第8期，第3-5 頁。在所有糾紛解決方式中具有終局性。但這并不意味著它就是一種純粹的決斷。司法裁判的特征在于，它是一種通過“說理”來解決糾紛的活動。法律推理也就是為司法裁判的結論提供理由，或者說證明結論之正當性的過程。但如果我們反轉“從理由到結論”這一順序，將結論視為先行提出的“命題”，而將理由視為為了支持命題而提出的“論據”（arguments），那么法律推理的過程其實也就是法律論證（legal argumentation）的過程。論證在司法裁判中扮演著重要的角色。因為任何提出法律命題的人都被期待提出論據去支持它。Eveline Feteris，Fundamentals of Legal Argumentation，2.nd ed.，Springer Press，2017，p.XV.司法裁判不僅要告訴當事人和社會公眾，對于特定的糾紛，法院給出的判斷是什么，也要告訴他們，為什么給出了這一判斷。一般而言，司法裁判的說理論證將從法律與事實兩個方面進行：法官必須一方面證明自己的裁判擁有恰當的法律基礎，另一方面證明自己的裁判具有（通過證據證實的）事實基礎。這就是“以事實為依據，以法律為準繩”。當然，在很多時候，抽象的法律規范含義并不明確，能否適用于有待解決的個案并非一目了然，此時就需要進行法律解釋。而在通過法律解釋將抽象規范與具體案件事實對接起來的過程中，除了法律本身的規定外，法官還需運用各種其他來源的理由或論據，以增強判決的說服力和可接受性。所以，司法裁判中的說理就包括了“基于法律的說理”（釋法）與“圍繞法律的說理”（狹義上的“說理”）兩個部分。基于此，最高人民法院《關于加強和規范裁判文書釋法說理的指導意見》才提出，裁判文書說理要做到四個層面，即事理、法理、情理和文理的統一。簡言之，司法裁判是一種論證說理的活動。相應地，裁判思維就是一種“理由先于結論”或“理由優于結論”的思維，可簡稱為理由思維。

那么，司法裁判中論證說理的目標是什么？簡單地說，就在于為法律判決提供充足的理由與根據，獲得充足理由與根據的判決就是正確的法律判決。什么是“正確的”法律判決？通常來說，正確的司法裁判要滿足兩個方面的目標，一是依法裁判，二是個案正義。一方面，司法裁判與其它糾紛解決機制在運作方式上的重要區別，就在于前者乃是一種根據“權威性資料體系”進行裁決的活動。參見[美]龐德：《法理學》（第2卷），鄧正來譯，中國政法大學出版社2007年版，第134頁。所以，司法裁判在本質上不僅是一種論證說理的活動，而且是一種依據權威性法律進行的論證活動。換句話說，只有依“法”裁判的活動才能被視為“司法”。它意味著法官的司法判決要建立在已被確立且事先已經向社會公眾公布之一般法律規則的基礎之上。參見舒國瀅、王夏昊、雷磊：《法學方法論前沿問題研究》，中國政法大學出版社2020年版，第169-170頁。據此，公民就有根據同一套規則（至少在一定范圍內）來預測司法判決的可能，法官也可借此證明司法判決并非個人喜好的產物，他的裁量權受到規則的限制。此外，現代社會的法律規則大多都是由立法活動來提供的，而立法機關又兼具民意代表機關的性質。所以，法官依法裁判也就具有了將通過民主方式產生的規則適用于具體案件的意味。依法裁判所蘊含的可預測性、限制裁量權和民主這些價值，都屬于形式正義的范疇。另一方面，司法裁判不僅要合法，也要合理，不僅要追求形式正義，也要追求實質正義。這意味著司法裁判過程中的價值判斷是必不可少的，因為司法裁判本身就是通過權利和義務的分配，來優先保護某種利益，弘揚某些價值。通常來說，法官所運用的價值判斷應當是特定社會的主流價值觀。這些價值有的已經得到了法律的明確認可，例如我國《民法典》第1條（弘揚社會主義核心價值觀）、第4-9條（平等、自愿、公平、誠信、公序良俗等），但更多時候需要法官自身去發現和論證，來對法律中的“需進行價值填補的一般性條款”進行補充。更重要的是，司法裁判中的個案正義是具體正義而非抽象正義，是法律正義而非純粹的倫理正義。因此，法官在追求個案正義時，負有義務來證立他所采取的價值判斷具備規范基礎，符合社會主流價值觀，且可以理性的方法適用于個案。正因為司法裁判追求的并非純粹的實質正義，而是統攝了依法裁判與個案正義這兩個方面，我們才將之統稱為“正確性”。它要區分什么是法律上對的，什么是法律上錯的。所以，司法裁判是一種追求正確性（對錯）的活動。相應地，裁判思維就是一種致力于區分（法律上的）對錯的正確性思維。

“依法裁判”的要求已然表明，司法裁判是一種規則的實踐。在本文中不區分“規則”與“規范”。為了論述的方便，用“規則”來統一稱呼。因為站在法律自身的角度看，它不外乎是一種適用法律規則的活動。規則實踐要求實踐主體采取一種對于法律的“內在觀點”：法律在個人生活中的功能不僅僅是作為習慣或預測法院決定或其他官方行動的基礎，而且也被接受為行為的法律標準。也就是說，個人不僅僅相當規律地去做法律要求做的事，而且他們也將之視為行為的法律標準，在批評別人、證成要求以及接受別人所做之批評或要求時，引用這個標準。參見[英]哈特：《法律的概念》，許家馨、李冠宜譯，法律出版社2018年版，第203頁。這是因為，凡有法律之處，人類的行為在某個意義上就不是隨意的，或者說是“具義務性的”。參見[英]哈特：《法律的概念》，許家馨、李冠宜譯，法律出版社2018年版，第138-139頁。換句話說，個人必須以規范性的方式來使用法律規則。對于作為司法裁判之主體的法官而言，還要更進一步。他不僅要持一種內在觀點，而且還要持一種對于他所身處之法律體系的“參與者的立場”。這里涉及觀察者的立場與參與者的立場的區分。觀察者的立場不問某一法律體系中的正確決定是什么，而更關心在此一特定法律體系中決定如何實際地作出。相反，持參與者立場的人則在某一法律體系中參與到有關此一體系的命令、禁止、允許以及此一體系所欲達致的目的爭議之中。參見[德]羅伯特·阿列克西：《法概念與法效力》，王鵬翔譯，五南圖書出版股份有限公司2013年版，第42-43頁。引用時改變了一些表述。作為法律體系的核心，法官運用法律規則處理糾紛的過程，其實就是圍繞個案事實，就“此情此景中法律應該要求如何行動”或“正確的法律標準是什么”這類實踐問題進行回答的過程。法官的工作，并不是去描述法律體系中曾經發生過什么、將會發生什么，而是盡可能按照法律的價值觀念、通過努力作出正確的判決，去塑造好法律的每一個細節，推動法律體系的進步。為此，法官要將法律規則奉為有拘束力的標準，法官所作的判決也會被他人奉為有拘束力的標準。因此，司法裁判是一種以規則為標準的規范性活動。相應地，裁判思維就是一種規范性思維。

綜上，司法裁判在本質上是一種以追求正確性為目標的規范性論證說理活動，它秉持的是理由思維、正確性思維和規范性思維。之所以裁判思維具有這三重特征，歸根結底是因為法律論證屬于普遍實踐商談的“特殊情形”參見[德]羅伯特·阿列克西：《特殊情形命題》，載羅伯特·阿列克西著：《法：作為理性的制度化》，雷磊編譯，中國法制出版社2012年版，第82-83頁。，而商談理論的基本理念在于將所有的參與者都作為自由和平等的論證伙伴來對待。參見[德]羅伯特·阿列克西：《商談理論與人權》，載羅伯特·阿列克西著：《法 理性 商談》，朱光、雷磊譯，中國法制出版社2011年版，第123頁。簡單地說，也就將人作為具有自主性的人（Person）來對待，或者說尊重論證伙伴的道德主體地位。就此而言，司法裁判就是一場由法官和其他論證伙伴共同參與的商談式對話，是一種由不同的道德主體就法律規則在個案中的正確要求為何的問題進行說理論證，以達成共識的活動。法官不僅要讓自己確信裁判結論，也要說服當事人、乃至社會公眾接受裁判結論。然而，大數據時代的裁判方式以及背后隱含的思維模式，將會危及這一基本理念以及司法裁判秉持的上述三種思維。

三、數字解決主義：以數據計算取代論證說理

司法大數據領域的算法有兩種：一種是顯式編碼、封閉規則的算法，通過法律專家系統實現對人類法律推理的模擬并將之應用于司法裁判的決策;另一種是機器學習算法，通過大數據分析訓練，發現人類司法裁判的內在規律，并將之應用于對未來裁判的預測。參見宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第82頁。如果說上世紀90年代之前的智能化司法主要采取的就是專家系統的話，那么最近十數年來大數據與智能化的結合則帶來了基于自主和深度學習的機器學習算法。大數據時代智能化司法的基本方式為：將開放的司法數據通過自然語言處理后，輸入機器學習的算法之中，然后得出一種或多種用于預測或預見案件勝訴或敗訴可能性的模型。這個算法的目標并非復現法律推理，而是尋找判決中各個參數間的相關性。參見郭銳：《人工智能的倫理和治理》，法律出版社2020年版，第156頁。如無特殊說明，后文所針對的正是這種大數據時代的司法人工智能。

事實上，機器學習算法能做的，只是通過一種自動化的方式用多種預設配置將一組觀測值（輸入值）與一組可能結果（輸出值）關聯起來。它在組成司法判決的不同詞匯組之間構建分類鏈接：輸入階段的特定詞匯組（表征案件事實）對應于輸出階段的特定詞匯組（表征裁判結論）。它的基本原理近似于“訊飛”這樣的機器翻譯系統，只能在一組詞匯和已經完成的譯文之間對最佳匹配作可能的估計值，而無法真正“理解”所處理的句子的意思。參見郭銳：《人工智能的倫理和治理》，法律出版社2020年版，第156-157頁。因為它并不會復制或模擬人類的推理，而僅僅是讓機器自己識別數據中現有的統計模型，并將它們與特定的結果進行匹配。它無法理解，為什么在成百上千個先前的同類案例中，法官作出了這樣的判決。換句話說，它不會“說理”，而只能通過自主學習這些案例“識別”要素或詞匯組之間的相關性。因此，大數據時代對于裁判思維的最大挑戰，就在于用相關性思維去取代理由思維。如果說建立相關性是數據計算的目標，而理由思維對應于論證說理活動的話，那么它的危險就在于試圖以數據計算取代論證說理。這種做法，將導致對司法裁判中的因果關系和歸責關系的雙重無視。

大數據技術的支持者認為，用相關關系取代因果關系，正是大數據時代的進步。如果說因果關系代表著人類認知世界的理論模型的話，那么在大數據時代就意味著這種模型觀的過時和理論的終結。因為“有了足夠的數據，數字會自己說話”，對此“相關關系足夠了”。“科學甚至可以沒有連貫一致的模型、統一的理論，或者實際上可以完全沒有任何機制性解釋而發展。”Chris Anderson，The End of Theory： The Data Deluge Makes the Scientific Method Obsolete，Wired，June 2008，p.5.大數據時代最驚心動魄的挑戰，就是社會將從對因果關系的需要中解脫出來，而代之以簡單的相關關系。“大數據告訴我們‘是什么，而不是‘為什么。在大數據時代，我們不必知道現象背后的原因，我們只要讓數據自己發聲。”“知道是什么就夠了，沒必要知道為什么。”[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代》，盛楊燕、周濤譯，浙江人民出版社2013年版，第19、71頁。但我們真的已經不再需要因果關系了嗎？在筆者看來未必如此。即使是在大數據時代，相關關系也無法取代因果關系成為裁判的基本思維模式。

首先，要重新理解因果關系及其與相關關系的關系。因果關系是人類理性行為與活動的基本依據，人類理性本身不可能否定因果關系。但大數據所凸顯的相關關系，的確從實踐層面實質性地推進了對傳統因果概念的深入反思。傳統的因果觀念包括兩種進路，一種是康德式的先驗進路（哲學進路），從“理知的”而非“自然的”的意義上，將因果關系理解為人類理解活動的不可或缺的先驗假設，故而認為這種關系具有必然性;參見[德]康德：《純粹理性批判》，鄧曉芒譯，人民出版社2004年版，第111、123、440頁。另一種是休謨式的經驗進路（科學進路），在經驗科學中導向了因果關系的概率研究，并從穆勒以后逐漸由必然性退離至或然性。這就導致了因果關系的量化研究進路，而量化后的因果關系就蛻變為變量之間的相關關系。如此一來，用“相關關系”而非“因果關系”的說法就似乎更為準確。但是，這種方案誤解了因果關系本身。傳統因果概念的根本缺陷，就在于把原因等同于某種原子式的存在。這里的關鍵在于區分因素與原因。事物是相互聯系、相互作用的，如果我們把參與相互作用過程、構成一定原因的事物稱為 “因素”，那么，傳統因果觀中某種類似原子的 “原因”，實際上就只是相互作用過程中的 “因素”。而原因，則是對因素相互作用過程的描述。所以，原因和結果（效應）總是同時出現的，有原因必有結果，有結果也必有原因。因為因果關系描述的是因素相互作用過程與其效應之間的聯系，而非單個的因素本身。因素和原因的區分也打開了通向相關關系的窗口：因素可以與實際結果發生相互作用，也可以與潛在結果相聯系。后一種聯系就是相關關系。相關關系雖非因果關系，但卻與因果關系密切相連，可謂因果派生關系。參見王天思：《大數據中的因果關系及其哲學》，載《中國社會科學》2016年第5期，第26-28頁。這種因果派生關系就其能否轉化為現實的因果關系而言，是可能的、或然的，而非必然的，它為人類活動提供了選擇的空間。因此，大數據思維將相關關系與因果關系對立起來的做法本身就是錯的。即便倡導大數據背景下將裁判中的因果關系轉變為相關關系的學者也承認，“探尋事件/事物之間的因果關系仍然是社會科學工作者所追求的目標”。參見吳義龍：《因果關系在大數據時代的轉變》，載《法律與社會科學》第15卷第1輯（2016年），第176頁。

其次，僅僅確定相關關系對于司法裁判是不夠的。上述論述表明，相關關系具有因果性根基，它可以被轉化為因果關系，但它本身也僅僅是潛在的因果關系。然而，在司法裁判的領域，僅僅滿足于通過大數據來確定這種潛在的因果關系是不夠的。第一，大數據處理算法不能真正保證排除錯誤的相關性。因為法律中的因果關系并不等同于數據統計得出的相關關系。雖然人們普遍認為，統計模型和概率模型可以通過增加數據輸入（喂養數據）來完善，但對于機器學習算法而言，可能出現的規則實際上是隨機的，因為它不會“分析”因果關系，從而無法將與結果不具有因果聯系的因素（輸入值）排除出去。參見郭銳：《人工智能的倫理和治理》，法律出版社2020年版，第158-159頁。第二，相關關系在向因果關系轉變時具有多種可能性。相關關系意味著對事物過程的定量描述模型，而因果關系則意味著對事物過程的定性描述模型。在司法裁判中，重要的不是確立數量關系，而是事實要素在法律上的定性。但大數據計算很難滿足這一點。有大數據研究者明確指出，“作為一堆海量原始信息，大數據不是自明的”。David Bollier，The Promise and Peril of Big Data，The Aspen Institute，2010，p.13.不僅數據本身并不會說話，而且 “海量數據可以提供輻射到所有方向的關聯”。Danah Boyd and Kate Crawford，Six Provocations for Big Data，in： A Decade in Internet Time： Symposium on the Dynamics of the Internet and Society，Oxford Internet Institute，2011，p.2.在數據計算中，將相關關系誤當因果關系并找到誤導性模型是十分容易發生的事。所以，每一個學科、包括法律科學都需要運用自身的規范和標準來對作為矛盾綜合體的數據進行再處理，以建立符合自身需求的因果關系。第三，相比于自然科學，法律科學（司法裁判）更需要區分因果關系與純粹條件關系。在相關關系向因果關系轉化的過程中，要區分（潛在的）原因與純粹條件。將原因與純粹條件相對照是所有原因思考都不可缺少的一個特征，但在法律科學中，這種對照尤其有必要。因為自然科學采取說明性陳述，而法律科學（司法裁判）采取歸責性陳述。前者要指出的是，某個自然事件是由另一個自然事件或人的行為造成的，而后者要確認的是，根據法律規則，法院能否將某一現實發生的危害歸責于被告的行為，或者能否恰當地說是他造成了這一結果。參見[英]哈特、托尼·奧諾爾：《法律中的因果關系》，張紹謙、孫戰國譯，中國政法大學出版社2005年版，第11、22頁。換言之，司法裁判確認因果關系的根本目的不在于獲得某種科學認知，而在于規則實踐，是為了找到作為破壞法益或法秩序之根源的行為，并讓行為人承擔責任。如果說自然科學中的因果關系展現為“由果溯因”的話，那么法律科學中的因果關系則展現為“由因確果”當然，這里前一個“果”指的是自然后果，而后一個“果”指的是法律后果。。在司法裁判中確立因果關系的同時，通常也意味著初步確立了歸責關系（前者是后者的基礎）。正因為如此，法律中特別強調區分純粹條件與原因，前者是事件之正常狀態的組成部分（無論事故是否發生都會存在的因素），而后者是在意外現象與正常發展的事物之間“造成差異”的因素關系。參見[英]哈特、托尼·奧諾爾：《法律中的因果關系》，張紹謙、孫戰國譯，中國政法大學出版社2005年版，第26、30、31頁。例如，通常情況下，氧氣的存在只是起火的純粹條件，而某人隨手丟掉燃燒的煙頭則會被認為是原因。區分兩者的目的，就是為了將法律責任歸于后者而非前者。但在自然科學中，無論是氧氣的存在、還是燃燒的煙頭都是發生火宅的必要條件，區分度不那么明顯，因而純粹條件與原因的區分也歷來存在更大的爭議。但是大數據計算顯然是要用自然科學的因果/相關觀念來引導司法裁判，這里的風險是顯而易見的。

最后，也最重要的是，司法裁判的重心不在于對過去的模仿，而在于立足當下、面向未來的論證。大數據所遮蔽的司法論證其實包括兩個步驟：一是將結果性事實與原因性事實聯結起來，二是將這種原因性事實涵攝于規范的構成要件，并將特定法律后果與之聯結起來。前一種聯結涉及因果關系，后一種聯結涉及歸責關系。大數據計算所要做的，其實是將這兩個步驟化約為簡單的數據關聯，也即從結果性事實（輸入值）與特定法律后果（輸出值）直接聯結起來，將之上升為通則性的算法規則。這種聯結并不是“推理”，因為它并沒有在“理由-結論（主張）”的意義上來對待結果性事實與特定法律后果，而僅僅是將它們視作相關聯的兩組數據而已。但這種化約法的危險之處恰恰在于忽視了，上述兩個步驟中分別展現的因果關系和歸責關系，恰恰都反映了司法裁判提供理由/說理論證的特性：前一種關系提供的是說明性理由（為什么出現了符合構成要件的事實），而后者提供的是規范性理由（為什么應對這一事實賦予特定的法律后果）。提供并證明/證立司法判決的事實基礎與規范基礎，以及將兩者聯系在一起的理由，才是司法判決得以成立的根基。對于“為什么”的追問是司法裁判永遠不可省卻的負擔。然而，一旦形成對于算法程序的依賴，最終的結果就可能是：理由不再重要，重要的是歷史統計數據，論證不再重要，重要的是對過去的模仿。See Mireille Hildebrandt，Law as Computation in the Era of Artificial Legal Intelligence： Speaking Law to the Power of Statistics，University of Toronto Law Journal 68 （supplement 1，2018），p.28.一旦如此，法官就相當于放棄了追問“為什么”的義務，慢慢地也將喪失自主思考的能力。他實質上就是在以服從歷史模型的方式臣服于機器，機器便以尊重歷史經驗的表象實際統治了人類。參見宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第89頁。這就是大數據裁判之科學主義和客觀主義表象下的危險。所以，即便大數據技術能夠幫助我們確定先前案件是“基于什么事實因素作出了特定判決”，也不能取代當下和未來案件的說理論證。事實因素能夠扮演“理由”的角色，但這取決于裁判主體對于它們的運用和理解。正因為主體的理解和判斷有可能發生改變，因而同樣的事實要素在未來有在理由的層面被重塑的可能，它們是開放的。

當然，這并非是說大數據技術完全不可能被用于論證說理。實際上，大數據在事實認定過程中完全可能發揮積極作用。參見周蔚：《大數據在事實認定中作用機制分析》，載《中國政法大學學報》2015年第6期;李茜：《大數據時代司法裁判的路徑探索》，載《財經法學》2019年第2期。只是要注意的是，事實認定雖然可以構成論證說理的基礎，但也僅僅是基礎。能否、以及如何將經認定的事實與特定法律規則的構成要件發生關聯，進而將特定法律后果適用于這一事實，都需要超越簡單的數據計算的實質說理和論證。所以，數據計算所代表的相關性思維是無法取代司法裁判中基于因果關系與歸責關系的理由思維的。“數字解決主義”其實是一種想要系統地使用技術來解決不屬于其應用范圍之問題的努力，這種努力是注定要失敗的。

四、司法實證主義：以統一裁判取代正確裁判

在論證大數據司法裁判的正當性問題上，以裁判的可接受性標準進行論證是目前的主要視角。也就是說，當機器人法官的裁判能比平均水平的法官作出更能被接受與更具有說服力的裁判文書時，就可認為機器人法官具有了替代法官裁判的正當性。See Eugene Volokh，Chief Justice Robot，Duck Law Journal68 （2019），pp.1141-1142.那么，大數據時代的算法如何可以被認為達成了更大的“可接受性”與“說服力”呢？不外乎兩種做法。一種做法是一個個案件去比較，看同時用機器裁判和用人工裁判哪一個的結果更能為人們所接受。但這種比較具有偶然性，依賴于具體情況。另一種做法，也是通常的做法，是通過“統一裁判”來為機器裁判進行辯護：通過學習和分析同類案件的歷史數據，要求以后案件的法官也遵照歷史數據的結果進行裁判，就可實現“同案同判”。進而，就可以統一法律適用標準、限制法官的自由裁量權，從而實現司法公正。這一點也得到了實務部門的認可。比如2017年的《最高人民法院關于加快建設智慧法院的意見》就明確提出，運用大數據技術是為了“促進法官類案同判和量刑規范化”。故而機器裁判看起來就要比不同的法官個人所作的裁判更加具有可接受性和說服力。

但真的如此么？對于智能化司法正當性的質疑可以從兩個層面來進行。一個是技術的層面，也就是指出，機器裁判的可靠性很大程度上取決于它所使用的數據的質量和對機器學習技術的選擇。例如，目前在機器學習的刑事案例庫中，納入到樣本庫的基本上都是有罪判決，而中國的無罪判決事實上非常低以至于“趨零化”。以有罪判決樣本為基礎構建起來的數據庫，幾乎不可能智能化地預測出無罪判決。參見孫海波：《反思智能化司法的可能及限度》，載《國家檢察官學院學報》2020年第5期，第92頁。所以，機器裁判能否真正實現恰當的同案同判是存疑的。但這僅僅是技術問題，技術問題的特點在于它有被解決的可能性。不可否認，隨著全樣本案例庫的建立和機器深度學習能力的提高，同案同判的確可能變成現實。但即便如此，智能化司法也要面對第二個層面、也是更為根本性的質疑，那就是：實現了以同案同判為標準的統一裁判，就同時意味著實現了司法公正或者說正確裁判嗎？

事實上，同案同判既不等同于司法公正，也不是司法裁判的絕對要求。要理解同案同判在司法裁判中所扮演的角色，就要對同案同判的性質有準確的界定。很多學者都將同案同判視為約束法官裁量權的方法。但正如有論者指出的，它在某種意義上其實就是依法裁判的另一種表達，或者說是其更為具象化的表達。參見雷磊：《如何理解“同案同判”？——誤解及其澄清》，載《政法論叢》2020年第5期，第35頁。因為裁判的統一性不外乎表達是一種形式正義，或者說“相同情況相同處理”的要求，而這種要求原本就為依法裁判所蘊含。法律規則原本就蘊含著“一般性”和“類型化”的要求。正如哈特（Hart）所言：“如果我們將這種最低限度的含義附加于法律體系之上，即它必然由一般性規則……組成，那么這種含義就隱含著同案同判原則……這是法律實施的正義，而非法律本身的正義。”H.L.A.Hart，Positivism and the Separation of Law and Morals，Harvard Law Review 71 （1958），p.263.從這段話中我們可以解讀出兩層含義：

其一，如果在一般性規則之體系的意義上來理解“法”，那么依法裁判本身就隱含著同案同判原則，或者說蘊含著統一裁判的要求。當然，在哈特所處的英美法系背景中，一般性法律規則除了存在于制定法之中，也存在于先例之中。而在民法法系國家以及中國，一般性法律規則主要在制定法中尋得。但無論在什么樣的背景下，同案同判所表征的形式正義已經為依法裁判所蘊含。進一步的思考是，這是否意味著同案同判就是依法裁判的同義反復呢？并不完全如此。因為司法裁判除了從法學的視角被視為法律適用的活動，也會從政治-社會學的視角被視為國家治理的一環。所以我們經常講，司法裁判要同時兼顧法律效果與社會效果。從社會效果的角度看，同案同判其實是依法裁判的形象化與鮮活化，它使得形式正義變成了一種“看得見的正義”，使得民眾對于司法裁判有了“可觸摸感”和“代入感”。因為很多情況下，民眾并不是通過抽象的法律規則、而是通過一個個具體而鮮活的個案去了解法律的。如果涉及他們自身的案件以與先前同類案件相同的方式被處理，他們就會合理地推斷自己受到了公平的對待。因為類似案件類似處理的做法看起來最大限度地壓縮了法官的裁量空間，因而減少了裁判過程中偏見和歧視發生的可能，從而維護了司法公正的外觀。但要注意的是，社會效果并非司法裁判的本質，而是裁判活動所展開的“劇場化效應”。所以，從司法裁判之本質的角度看，（機器裁判所確保的）同案同判只是依法裁判的應有之義。

其二，同案同判僅代表法律適用的正義，也即“法律面前人人平等”，而不代表案件真正在實質意義上得到了公正解決。同案同判（依法裁判）只是一種形式性要求，它并不代表正確裁判，雖然它的確構成了正確裁判的初步要求。因為正確裁判要求依法裁判與個案正義的統一，而同案同判（依法裁判）無法替代個案正義。要實現個案正義，就必然需要運用自由裁量和價值判斷，而這正是大數據技術的短板。算法對于司法裁判的介入，基本上是通過建構模型的方式，將價值判斷排除在外。但是，不僅作為價值判斷的自由裁量是無法被算法以理性的方式精確模型化的，而且從根本上無法與“價值（道德）判斷的性質”相容。參見陳景輝：《人工智能的法律挑戰：應該從哪里開始？》，載《比較法研究》2018年第5期，第141頁。因為在機器算法之中，任何表述都被視為是數據，它只能簡單地將不同的詞匯組機械相聯，只能識別出事實關系的真假（比如，如果歷史數據庫中重復將“打人”與“錯誤的”這兩類詞組相關聯，那么就可證明先前案件中的確存在“打人是錯誤的”這個規則），卻無法識別出價值關系的對錯（打人真的是錯誤的么？）。此外，假如數個事實上相似的類案對同一個法律規范采取了數種不同的解釋，從而做出了數種不同的裁決，伴隨著類案樣本庫的擴大，智能系統就會按照不同判決的概率高低來預測待決類案的結果。如果這種概率判斷的方式可以看做是大數據算法解決法律不確定的一種方式，這顯然是一種隨機正義，本質上與拋硬幣或擲骰子并沒有什么兩樣。參見孫海波：《反思智能化司法的可能及限度》，載《國家檢察官學院學報》2020年第5期，第97頁。所以，價值判斷在本質上無法被還原為簡單的事實判斷，否則就會犯“自然主義謬誤”。Vgl.Otfried H？ffe，Ethik： Eine Einführung，Verlag C.H.Beck，2013，S.33-36.

具體而言，智能化司法的正當性取決于兩個前提，即依據歷史數據裁判是正確的，且裁判模式會反復運行。宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第89頁。這兩個前提都與價值判斷相關。一方面，即便歷史數據庫（案例庫）全面真實反映了先前判決的情況，也不能保證不存在數據具有錯誤相關性的情形。同案同判的要求建立在后案與前案具有相關相似性的基礎上，而所謂的“相關相似性”其實指的是“具有法律意義的”“與法律后果相聯”的相似性。如果盡管兩個案件具有事實特征上的相似性，但這種相似性卻不具有法律意義或不應與法律后果發生關聯，那么它就是不相關的。如果基于不相關的相似性將前案的法律后果適用于后案，就會發生法律判斷的錯誤。但是，何謂“相關”、何謂“正確”“錯誤”的判斷無疑涉及復雜的價值判斷活動，算法恰恰對此無能為力。例如，假如前案中出現了“黑人”“女性”等關鍵詞，智能系統就很可能將它們作為相關特征與前案所確定的特定法律后果聯結起來，并適用于也出現了這些特征的后案。但從法律判斷的角度而言，這么做可能就會有違司法平等。另一方面，讓同一個裁判模式反復運行（同案同判）也不是司法的絕對要求。即便同案同判建立在相關相似性的基礎之上，它也可能與正確裁判的要求發生背離。作為案件裁判背景的社會環境和公眾價值觀念可能會發生變化，新出現的案件中也可能存在前案所沒有的額外特征。在前一種情況下，對于同一事實特征的法律評價本身發生了變化;在后一種情況下，伴隨額外特征的出現，相應的價值判斷可能會要求法官作出差異化判決。在這些情形中，個案正義的要求都有可能凌駕于同案同判或統一裁判的要求之上，而算法顯然無法顧及這些情形。這也是為什么不少學者都堅持大數據技術在司法系統中只具有輔助地位的原因。參見郭銳：《人工智能的倫理和治理》，法律出版社2020年版，第168頁。因此，智能化司法的確可能實現統一裁判，但卻無法消解司法裁判所必需的價值判斷，因而無法完全滿足正確裁判的目標。

更為嚴重的問題是，智能化司法所表征的同案同判究竟是算法在裁判，還是法律/法官在裁判？一方面，司法裁判語境中的同案同判有其隱含的前提，即它必須是“依據法律”的同案同判。換言之，同案的判斷標準、同判的法律后果都必須依據法律來確定。但是，智能化司法雖然看上去是依據法律在裁判（至少案例庫中時間最早的前案的確是依照法律來裁決的），并且它細化了法律的標準（壓縮裁量權），但事實上它是在法律之外重新樹立了一套標準，那就是算法。“依據法律”的同案同判與“依據算法”的同案同判是一回事嗎？比較極端的看法主張，人工智能時代的算法就是法律。[美]勞倫斯·萊斯格：《代碼2.0：網絡空間中的法律》，李旭、沈偉偉譯，清華大學出版社2009年版，第6頁。反對者則依據法律的性質（全面性和至高無上性）對此予以反駁。參見陳景輝：《人工智能的法律挑戰：應該從哪里開始？》，載《比較法研究》2018年第5期，第138-139頁。爭議的核心其實在于，能否讓算法來取代法律成為人類公共行動的終極判斷標準。對此本文不擬深入，只是想指出，只要承認算法本身也要受到審查，而審查的標準需要由法律來確立，或由法律授權給其他規范體系（例如倫理體系）來確立，那么算法就無法取代法律的地位，成為裁判的終極依據。這也體現在，針對同一類案件的裁判，法律依據可以保持不變，但算法卻可以改變（因為本就存在復數的算法規則）。另一方面，智能化司法存在以機器算法壓迫法官強行保持統一裁判的危險。最典型的如類案智能化檢索推送和裁判偏離預警機制，這些機制看上去只是為法官的裁判提供了輔助性服務，但卻會對審理后案的法官產生強大的壓力：要作出與前案不一致的裁判，很可能就要面臨社會公眾的批評乃至錯案追究的風險。一旦在全社會形成這種壓力，就會產生這樣的問題：當事人和律師是否可以以法院的判決和立足大數據的模擬裁判結果不同為由提起上訴，要求作出更符合大數據的判決？這還會涉及到司法倫理：司法能否徹底放棄多樣化判決？正如有學者所認為的，如果放棄多樣化的判決，法官也就放棄了“為善”（doing good）和“實施正義”（doing justice）的特定道德義務。See Raymond Wacks，Judges and Moral Responsibility，in： Wojciech Sadurski （ed.），Ethical Dimensions of Legal Theory，Rodopi，1991，pp.111-120.

可見，智能化的基礎建立在某種化約論的基礎之上，它在模擬人腦的思考方式時，試圖將所有的人腦活動簡化為經驗性的神經反應。See Adam J.Kolber，Free Will as a Matter of Law，in： Dennis Patterson & Michael S.Pardo （eds.），Philosophical Foundations of Law and Neuroscience，Oxford University Press，2016，pp.12-14.它通過主動向我們提供那些記載過去傾向的數據，使得我們慢慢習慣于它的“喂養”，服從于它的“推薦”。于是，我們通過反思來塑造自己生活的能力也逐漸被它所侵蝕，因為我們的生活已部分或全部地被它所決定。如果說在日常生活（例如精準營銷和推薦系統的情形）中，這種情形所導致的后果還不那么嚴重的話，那么在司法裁判中，它的危害就體現得十分明顯了。因為司法是一項能決定公民自由、財產乃至生命的公共判斷活動，誤用、濫用大數據將會讓公民面臨風險或其重大利益受到威脅。同時，司法又是得到國家權力加持的活動，個人或組織是無法自由“退出”的，一旦司法裁判產生負面影響往往不可逆轉。參見郭銳：《人工智能的倫理和治理》，法律出版社2020年版，第167頁。取消價值判斷和合理的自由裁量空間只是智能化司法帶來的表面結果，實質上它所危及的是普遍意義上的人的尊嚴與自由意志。因為自由意志的選擇和價值判斷之間存在明顯的聯系，而自由意志很難被化約為某種神經反應。See James Woodward，Emotion versus Cognition in Moral Decision-Making： A Dubious Dichotomy，in： S.Matthew Liao （ed.），Moral Brains： The Neuroscience of Morality，Oxford University Press，2016，pp.87-116.通過“司法實證主義”——引導法官去服從通過智能化系統對過去司法數據的分析所得出的結論——的面紗，大數據技術正在侵蝕人類法官所擁有的自由意志（這也是他區別于機器的特點），以及通過裁判來更多元化地塑造未來的可能。它將裁判這一重要的公共領域交由機器來統治，使得法官變成了機器裁判的一個或許是無足輕重的“部件”。當然，考慮到現在很多數據庫和算法系統都是由商業公司來設計的，那么可能會涉及到的另一個問題是：究竟是商業公司、還是機器自己在審理案件。這就是另一個問題了。缺失了對正確裁判的追求，而滿足于統一裁判所帶來的司法公正的假象，法官也就放棄了迄今為止受到尊重的司法道德。所謂的“人在干、云在算、數據在監管”，看起來能夠避免因人性差異而帶來的偏頗，但表現的卻只是代碼的僵硬和冰冷。

五、法律現實主義：以結果預測取代規則實踐

大數據的核心是建立在相關關系分析法基礎上的預測，也即將數學算法運用到海量的數據上來預測事情發生的可能性。參見[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數據時代》，盛楊燕、周濤譯，浙江人民出版社2013年版，第16、75頁。大數據時代的智能化司法不僅基于歷史數據來進行計算，而且這么做的目的在于“預測”法官未來的行為。因為其核心要素便在于建構一種能夠實現對判決進行預測的算法模型。參見王祿生：《司法大數據與人工智能技術應用的風險及倫理規制》，載《法商研究》2019年第2期，第102頁。這很容易讓人想起法律現實主義的引路人霍姆斯（Holmes）的名言：“法律，正是對法院將會采取的實際舉措作出的預測”，法律人的“學習目標就是預測，即預測公共強制力通過法院得到施展的概率”。[美]霍姆斯：《法律之道》，姚遠譯，載周赟主編：《廈門大學法律評論》（2015年下半年卷總第26輯），廈門大學出版社2015年版，第157、159-160頁。因此，智能化司法大體上蘊含著法律現實主義的思維。類似的觀點參見陳景輝：《人工智能的法律挑戰：應該從哪里開始？》，載《比較法研究》2018年第5期，第140頁;宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第82頁。相反，孫海波似乎認為人工智能裁判更接近于法律形式主義（機械法學）的立場（孫海波：《反思智能化司法的可能及限度》，載《國家檢察官學院學報》2020年第5期，第94頁）。事實上，孫文只是在將司法裁判視為道德無涉的事業這一意義上使用了“法律形式主義”一詞，但卻誤解了法律形式主義的根本立場，即主張法律規則足以決定裁判結論。由于人工智能裁判是訴諸法律規則之外的其他因素（通過算法）來決定裁判結論，因而與法律形式主義的立場相悖。它體現了一種典型的規則懷疑論的主張。因為它事實上表明，法律規則并不能真正決定司法裁判的結果，能夠決定司法裁判結果的是根據法院、甚至特定法官先前的裁判“軌跡”總結出來的算法規則。我們可以將這種算法規則視為艾森伯格所說的“社會命題”，尤其是其中的經驗命題。在艾森伯格那里，社會命題是指與判決的作出相關的、規則命題（國家法律規則）之外的全部其他命題。參見[美]邁爾文·艾隆·艾森伯格：《普通法的本質》，張曙光、張小平、張含光譯，法律出版社2004年版，第1頁。從而，只要法院或該特定法官繼續在此“軌跡”上前進，未來的判決就可以被預測到。由此，司法裁判就成為一場事關預測的游戲，各方當事人就成為下注的玩家，看誰預測得準贏面就高。

預測論最大的危害在于混淆了規則與規律。問題的關鍵不在于事實上有沒有可能基于數據和算法對司法裁判的結果進行預測，而在于這種觀點對于作為規則實踐之司法裁判的性質的遮蔽。預測建立在規律性的基礎之上，正因為法院的特定行為曾反復出現，且在未來也極有可能出現，所以才能進行預測。但這種視角最多只能用于私領域的個人或其顧問所作的法律陳述，而不能用于法院本身對于法律的陳述。這就涉及到前文所講的外在觀察者的立場與內在參與者的立場之間的區分：前者只關心描述出法院做過什么、將會做什么，而后者則聚焦于根據現行法律規則、在有效的法律體系之中如何做出正確的決定。但是，即便站在外在觀察者的立場上，法院的裁判的確可能被預測到，這一點也是以此為基礎的：法院并非將法律規則視為可以預測的規律，而是視為做決定時必須遵守的標準。這種預測最終依賴于對于規則之非預測面向的和規則之內在觀點的理解上。參見[英]哈特：《法律的概念》，許家馨、李冠宜譯，法律出版社2018年版，第214頁。雖然法律規則可以成為可靠預測的基礎，但它在社會生活中的功能就是被用作規則而不是對習慣的描述或預測。[英]哈特：《法律的概念》，許家馨、李冠宜譯，法律出版社2018年版，第203頁。因此，預測論只是外在觀察者視角的產物，它無法取代裁判者立場（內在參與者的立場）下的裁判思維。作為裁判正當依據的只能是規則而不能是規律。參見王洪：《制定法框架下的判決論證模式》，載《比較法研究》2019年第2期，第146頁。

大數據和智能化司法所進行的預測包括兩種。一種是基于先前所有同類案件的歷史數據來預測當下案件的裁判結果（同案預測）。至于裁決這些先前同類案件的具體主體（法官）是誰，對于這種預測來說并不相關。這種預測模式的錯誤之處就在于：司法裁判不可能完全由經驗數據來支撐，它是規范性的。即使經驗數據可以用來解釋影響司法裁判的某些因素，裁判的正當性也不能依賴于既往案件的規律性，除非存在一個更高的規范，即新的案件應該按照過去類似案件的裁判方案進行處理。宋旭光：《論司法裁判的人工智能化及其限度》，載《比較法研究》2020年第5期，第85頁。這里的“應該”本身就是一種規范性判斷。如果我們作出了這種規范性判斷，它實際上就已經上為司法裁判樹立了一條規則，也就是“類似案件應當類似判決”。只有此時，觀察者立場下的預測與參與者視角下的規則裁判才有可能總是在結果上保持一致。但正如前文所說的，同案同判并非司法裁判的絕對義務，它至多只是一種可以被凌駕的道德要求。參見陳景輝：《同案同判：法律義務還是道德要求？》，載《中國法學》2013年第3期，第46頁。司法決定無法僅憑借歷史數據作出（也即通過一次次的裁判來不斷對歷史數據進行正當化），它是基于當下的特殊情境作出且面向未來的。法官必須基于當下的個案情形以及背后的法律判斷與價值觀念來說服當事人和社會公眾。因而同案預測的結果至多只能作為法官審理待決案件時的參考。

另一種預測是基于法官個人裁判的歷史數據來預測當下案件的裁判結果（個性預測）。應當看到，隨著各國司法文書電子化與公開化的推進，基于文書大數據挖掘的法官判決結果預測已經成為法律大數據最為主流的應用之一。很多國家科技界與學術界均建有此類大數據預測平臺，甚至有商業公司推出了基于法官“畫像”的判決書大數據應用產品，也即利用法官過去對同類案件的判決軌跡對其裁判行為進行分析和預測，從而為當事人進行選擇性訴訟提供便利。這種做法的實質是“從模擬法律推理的外在邏輯形式進一步轉向探求法官的內在思維結構”張保生：《人工智能法律系統的法理學思考》，載《法學評論》2001年第5期，第12頁。，也就是試圖建立起法官的個人特征（心理特征）與裁判之間的聯系。一方面，這種做法已經滑向了更為徹底的事實懷疑論，完全撇開了規則（不僅是法律規則、還有基于案件事實的社會規則）和案件事實特征。它實際上將司法裁判完全視為法官個人的權力活動（政策性活動），從而顛覆了法治作為規則之治與理由之治的理解。這一理解參見雷磊：《法律程序為什么重要？——反思現代社會中程序與法治的關系》，載《中外法學》2014年第2期，第338頁。另一方面，對于法官個人判決行為進行預測并作為商業行為來牟利無疑也有違司法倫理。它會與法官隱私、司法權威、司法獨立和司法公正產生沖突。具體參見王祿生：《司法大數據應用的法理沖突與價值平衡——從法國司法大數據禁令展開》，載《比較法研究》2020年第2期，第136-139頁。正因為如此，法國于2019年3月頒布的《司法改革法》規定了一個“禁令條款”，即“法官的身份資料不得用于評價、分析、比較或預測其實際或假定的專業做法”。這其實就是禁止將法官的個人身份特征視為特定裁判結果的相關性特征。因為司法裁判是基于規則的實踐，而非基于法官個人特征的實踐。

綜上，隱藏在大數據和智能化技術背后的法律現實主義立場（無論是規則懷疑論、還是事實懷疑論）會導致將司法裁判視為基于歷史數據去預測法院或法官之未來行為的活動。它以規律性思維去取代規范性思維，實際上是想要賦予規律性模式以規范的效果。但正如前文所闡明的，這種做法既是對裁判思維的誤解，也會帶來危害司法倫理的后果。司法裁判永遠是一種基于法律規則的實踐，法官本身就是法律體系的組成部分。參見[英]哈特：《法律的概念》，許家馨、李冠宜譯，法律出版社2018年版，第202頁。然而，正如德沃金（Dworkin）所言，法院是法律帝國的帝都，法官是法律帝國的王侯，但不是它的先知或預言家。[美]德沃金：《法律帝國》，許楊勇譯，上海三聯書店2016年版，第320頁。法院和法官要做的，是基于法律規則，通過說理和論證來獲得正確的、因而可以為當事人和社會公眾所接受的判決。法律的確應具備可預測性，但它指的不是法院或法官實際作出的判決能（通過大數據技術）被公民預測到，而只是指司法裁判應建立在事先已經被公布的一般法律規則的基礎之上。參見雷磊：《法律方法、法的安定性與法治》，載《法學家》2015年第4期，第5頁。這樣的“可預測性”本就屬于依法裁判的要求，是司法裁判之規范性思維的組成部分，而作為事實經驗描述和規律性總結的“預測”卻不是。

六、結語

反思和警惕大數據在司法裁判領域的應用，本質上是質疑在一種復雜的人類活動領域中，用機器學習算法來化約復雜性的可欲性問題。如果這種化約是可欲的，就意味著要放棄一直以來我們對于司法裁判的理解以及通過這種理解所展現出的一種值得尊重的價值實踐。這首先就體現為裁判思維的改變：理由思維、正確性思維和規范性思維（規則）將被計算思維、統一性思維和規律性思維（預測）所取代。隨之，“人”的邏輯也就得讓位于“機器”的邏輯。這最終將導致道德主體意義上的“人”消失在所謂的“算法社會”（Algorithm Society）之中。或許正如學者顏厥安所言，在大數據時代，“最優先要問的問題，并不在于AI是否能夠產生高度接近、甚至完全相同于人類心靈的能力，或者是否能產制出與人類幾乎一模一樣的機器人（人造人）;而在于人類社會的運作，是否越來越可以透過算法，甚至依賴算法來進行？也就是那些透過算法所無法達致的心靈能力，在人類社會的運作中，是否有可能會越來越不重要”？顏厥安：《人之苦難，機器恩典必看顧安慰：人工智慧、心靈與演算法社會》，載《政治與社會哲學評論》第66期（2018年），第119頁。假如真的如此，那么迄今為止的司法裁判觀念就將發生根本性的轉變，已確立的裁判思維也將有完全被技術主義所吞噬的危險。甚至，這種危險也將不再會被我們感受為危險，因為那時的我們已經喪失了自我意識和反思危險的心靈能力。但只要我們依然承認，自主是人類的根本特征，面向某種未決狀態，人類有自主思考、自主作出決定的權利，同時人類還要因此肩負某種面向未來的責任，那么將人類自己作出選擇、決定的權利和責任完全交給機器顯然是不可行的。參見韓水法：《人工智能時代的人文主義》，載《中國社會科學》2019年第6期，第43頁。所以，大數據時代的智能化司法對裁判思維的最大挑戰，就不在于如何讓機器像人（法官）那樣去思考，而在于在一個“算法社會”到來之際，如何讓人（法官）更像人、而非像機器那樣去思考。

ML

Adjudicative Thinking in the Era of Big Data

Feng Jie

（Tianjin Normal University，Tianjin 300134，China）

Abstract：Not only the technical and institutional-dogmatical aspects of judicial decisions are challenged in era of big data， but also， and what more important， there arises a latent risk embodied in the level of adjudicative thinking. Judicial decision is an activity of normative argumentation and reasoning pursuing correctness in nature， which presents a thought pattern of reason， correctness and normativity. The core of big data technology lies in the historical data based on judicial action， and predication of the future adjudication through calculation （algorithm）， which will probably bring about dangers in three aspects： （1） digital solutionism， i.e.， substitution of data calculation for argumentation and reasoning， （2） judicial positivism， i.e.， substitution of an unified adjudication for a correct decision， （3） legal pragmatism， i.e.， substitution of result predication for rule practice. However， as long as the moral subject status and autonomy of persons （judges） are still the value foundation of judicial decisions， the above dangers do not constitute a fundamental challenge yet. But they do bring a reverse challenge， that is， along with the coming “Algorithm Society”， how to make persons （judges） think more like a human rather than like a machine.

Key Words：big data; adjudicative thinking; digital solutionism; judicial positivism; legal pragmatism

本文責任編輯：董彥斌

青年學術編輯：任世丹