鄭澤宇
(山東科技大學 文法學院,山東 青島 266590)
人工智能技術顛覆了人們對傳統行為模式的認知,推動了社會各領域工作效率的提升與規范化生產水平的提高。在司法領域,人工智能嵌入司法體系,為優化司法服務、提升司法效率、推動審判中立、增強司法公信力提供了技術工具。推動司法人工智能發展,已成為世界各國司法體制改革的主要做法之一。
近年來,國內外學界圍繞司法人工智能開展了廣泛的研究,取得了豐碩的成果。司法人工智能研究成果是否理性、研究框架是否協調、研究內容與實務對接如何?在地區間司法資源分配不均衡、審判效率偏低、“法官之累”頻現以及司法實踐對數據分析工具依賴加深的背景下,司法人工智能的研究是否可以在充分挖掘人工智能功能價值及使用效率的同時明晰人工智能嵌入司法程序的界限?基于此,本文系統梳理國內外司法人工智能研究的核心文獻,運用Citespace知識圖譜分析法分析研究內容,通過歸納研究結論識別研究邏輯與研究體系,進而提出既有研究的不足,以及未來深化司法人工智能研究的路徑。
(一)數據來源
伴隨著2016年第三屆世界互聯網大會智慧法院暨網絡法治論壇的召開及2017年“大數據、人工智能與司法體制改革結合”的杭州互聯網法院的揭牌成立,司法人工智能于2017年前后進入國內學界研究視野。此后,司法人工智能的理論研究日益豐富,并于2020年初步形成內容豐富的研究成果體系。因而,本文系統梳理發表于2017—2020年的司法人工智能研究文獻,試圖厘清司法人工智能研究由萌芽期至成熟期的發展脈絡,進而把握司法人工智能的研究規律。國外研究文獻以在“Web of Science核心合集”中選擇“Legal”or“Judicial Artificial Intelligence”為關鍵詞篩除后得到的230篇文獻為基礎;國內研究文獻以在CNKI“CSSCI+北大核心”中選擇“司法人工智能”為關鍵詞篩除后得到的210篇文獻為基礎。考慮到司法體制的本土性與國情特征,在借鑒國外研究成果的基礎上重點對國內研究的內容進行了考究:將國內文獻作為知識圖譜計量分析的依據,并對國外研究的典型觀點進行了推介。
(二)研究方法與圖譜處理
Citespace分析方法是進行文獻綜述類量化研究的首選方法,因此,利用Citespace對文獻數據進行分析。
第一,得到了司法人工智能研究的關鍵詞聚類知識圖譜。圖譜中模塊Q=0.683 3,輪廓值S=0.543 5,Q值大于0.3,S值大于0.5,說明圖譜的聚類結構比較顯著與合理[1]。由圖譜的聚類標簽及關鍵詞可知,當前司法人工智能研究主要集中在司法數據安全、司法的信息化能力、司法公正、以智能機器人為代表的司法人工智能功能、人工智能生成物法律問題識別、算法黑箱等方面,限于篇幅相關數據備索。
第二,從計量學角度而言,高頻被引文獻的研究內容反映了該學科的研究前沿。分別梳理CNKI數據庫與Web of Science數據庫具有較高引用頻率的中英文文獻,得到20篇國內外司法人工智能研究的前沿文獻。可以發現,基于“技術理性”的積極主義與“法律理性”的保守主義研究視角相輔相成。積極主義立場下,研究內容集中在人工智能技術的司法功能、價值與法律表達范式;保守主義立場下,則聚焦司法人工智能的局限性,致力于保護司法價值與防范技術沖擊。
圍繞“技術理性”與“法律理性”的研究體例與風格,學界對司法人工智能做了豐富的探索,功能研究與限度研究是當前研究的主要立足點。通過核心文獻內容精讀與圖譜結果歸類,構建了“理論(正當性)—內容二分(功能與局限性)—結果(功能異化)”的分析框架,總結了司法人工智能的正當性、功能機制、局限性、功能異化結果四大研究議題。
(一)司法人工智能的正當性
正當性(legitimacy)是法哲學研究的一個概念范疇。馬克斯·韋伯的政治學理論認為,合法性(legality)是成文法條規定的利害關系人自愿或被動接受的契約與強令制度,利害關系人的接受行為即是legality,而legitimacy更多地體現為權威對個人的支配,如基于歷史傳統、法理、個人魅力而產生的支配關系。支配關系的普遍性非但應具有合法性,更應具有基于實質理性的合理性[2]。除行為合乎法律形式要件以外,為判斷行為與社會基本價值觀念及法學理念的契合度,正當性判斷被用于法學研究的議題中。結合文獻研讀與標簽關鍵詞,發現從社會秩序、司法秩序、人的權利三個方面探究司法人工智能的正當性是主要研究內容。
1.社會秩序
人工智能即便在形式上增強甚至替換了傳統司法機制和要素,但單向度的替換行為會導致社會秩序的總體改變[3],同時,充斥著傳統、封閉和后現代式保守等諸多問題的基層社會明顯難以適應智慧辦案及大數據司法執行系統等前沿性特征明顯的數字形式,社會規則的數字化、代碼化一定程度上瓦解了傳統社會倫理,進而引發了基層社會治理難題[4]。因而,圍繞社會秩序的變革,司法運行與法律規制體系也將發生深刻變革,從事物規制轉向代碼規制[5]、從算法隱秘性與分散性著手規制[6]。確保社會風險化解與技術公開化、法律化,是使人工智能介入司法具有初步正當性的方案。
2.司法秩序
因智能合約、虛擬貨幣、智能生成物等虛擬產品的流通而產生的新型法律關系沖擊著傳統法律秩序。在法律實施與引證的司法程序中,司法裁判人員難以在法律滯后的情況下對新型法律關系做出及時準確的判斷[7],即便是借助算法技術提供司法意見以及通過大數據分析預測案件判決結果。Pasquale認為這種非反思性的預測性應用方式仍舊是輸入與輸出間的“黑盒轉換”,缺少透明基準與公信力的司法預測威脅了法治價值[8]。價值批判觀點指出,片面重視數據分析與算法功能而忽略司法判斷的經驗性優勢,直接削弱了司法的價值指引功能[9]。事實上,人工智能對傳統司法秩序的沖擊是學界批判最為深刻的內容,“司法不是純粹的技術”反映了一種“法律理性”的保守主義研究傾向。與之相反,主張司法人工智能具有正當性的研究觀點認為人工智能對司法秩序的沖擊實質上是優化、調整以及使之更有效,“公開性、效率性與科學性是智慧法院的優勢”[10],而將人工智能定位為司法輔助工具,低估了人工智能的革命性作用與韌性[11]。
3.人的權利
人工智能在司法領域基本功能的實現仰賴其對司法大數據的操盤,而司法大數據中關于當事人個人信息及案件信息的誤用與泄露風險,一直使保守主義者擔憂。比如,基于司法公開與個人數據價值平衡視角,判決大數據的普及與算法技術的不可解釋性,使得大數據挖掘缺少必要的監管。因司法判決而導致的個人隱私泄露及數據權利受損,反而損害了司法權威與公信力[12]。Johnson基于信息正義理論進一步指出開放數據存在加劇而不是緩解不公正現象的風險[13]。除人的數據權利之外,研究表明司法人工智能對當事人人身權利保護也存在潛在風險,尤其是在美國等司法人工智能推進速度較快的國家。Scherer和Mckay指出,利用算法評估高風險罪犯的犯罪風險及監禁必要性等做法,在算法機械性與片面性的立場下可能誤判,進而在不透明、不可知的狀態下損害當事人的人身權利[14-15]。
(二)司法人工智能的功能機制
司法人工智能的功能研究主要來自“技術理性”的研究視角,主張技術的工具價值。學界研究集中在人工智能對司法程序、司法規則、司法決策的功能塑造三個方面。
1.司法程序智能化
司法程序的復雜化包括案件篩選、庭審流程、辦案程序、證據審查的復雜化。目前對于案件篩選的智能化研究不多,原因是實務界對在司法程序開啟的“門檻階段”適用智能化程序比較謹慎。就庭審流程與辦案程序而言,人工智能輔助庭審系統,如上海“206”系統的商用推動了庭審程序的智能化,在警務運用、庭審智能語音識別、電子卷宗生成、類案推送、量刑輔助、法律問答機器人等方面提升了司法效率。司法程序的智能化體現了“小范圍開花”的通用技術的成熟[16]。在證據審查方面,大數據信息在證據校驗和邏輯判斷方面的精度很高。通過證據標準與證據規則,人工智能可定位證據的關鍵信息及其內在聯系,從而判斷證據鏈的完整性與邏輯性[17]。Nissan結合法律證據推理模型指出證據的算法推理在司法審查中的普適性:證據算法模型的不斷優化與司法從業者數字能力的提升對獲得高精度證據結論至關重要[18]。進一步說,大數據的互聯特性給證據標準的統一提供了契機。我國不同區域間、同類不同案間的司法證據標準適用不統一導致了司法任意性。楊燾據此指出了數字化證明標準對證據固定化、互聯化與證明瑕疵審查智能化的積極作用[19]。
2.司法規則智能化
在立法者實踐經驗嵌入法律意識形態理論以及司法運作存在程序繁瑣、層級偏差等問題的背景下,司法主體在實務中難以避免存在諸多主觀性判斷,可能影響司法公正。Cameron認為實踐與理想的脫節很大程度上源自法律框架的薄弱[20],數字代碼則為彌補法律規則缺陷提供了工具。
(1)算法解構了司法的法條主義與形式主義特征。司法者通過算法規則的技術性重寫以適應司法在控制自由裁量、訴訟節點控制、正義可視化等方面的需求,弱化了傳統司法規則的形式色彩以及擴張了司法權的運作空間[21]。
(2)司法程序與司法規則的智能化關聯。這一傾向著重體現在量刑輔助工具的運用上。研究指出,智能量刑輔助工具與技術依托數據計算的統一尺度與客觀性,在抵消人工量刑的偶然因素后,推動了量刑規范化改革進程[22]。
(3)建立針對人工智能功能審查與漏洞防范的司法規則。基于保守主義者普遍認為的算法黑箱與算法歧視的存在,必須探討司法人工智能在與法治價值發生沖突時的法律保障措施。Sierra認為需要修改法官選拔制度和司法機構內部組織等,以便提供履行其數據化司法職能所必需的能力[23]。
盡管司法規則的主觀性與經驗性毋庸置疑,但算法規則的客觀性與中立性是個值得懷疑的問題。有研究指出所謂代碼技術性改寫、數據收集與算法應用仍保留著代碼制造者的主觀性,滲透著主體的價值理念[24],與其說司法規則被算法變得智能化,不如說算法規則與法治規則融合發展[25]、相輔相成更為適當。
3.司法決策智能化
司法決策具有不可逆與終局性的特征,即便通用技術日趨成熟,司法決策系統的輔助性定位難以改變[16]。學界關于這種輔助作用的研究體現在四個方面。
(1)同案類案裁判經驗轉化。研究指出,判決數據抓取、判決書要素抽取等云端通用技術的成熟,使得人工智能可以將法官裁判經驗、證據審查經驗轉化為智力數據[17],輔助其他法官同案類案裁判,省去傳統司法決策前法官查詢判例的流程。
(2)提供司法決策預測模型。理想狀態下,智能模型可以結合當事人過錯程度、行為動機、受害人諒解程度、不可抗力等主客觀因素,對量刑與判決結果進行預測,供法官參考。然而現實狀態下,人工智能統計中的方法論差異可能導致統計結果的準確度不高[26],即輸入因素與算法差異導致決策預測不準確,因而帶有混淆指令性判斷與裁量性判斷界限的明顯痕跡[27]。
(3)標準裁判格式供給。傳統司法體制下,判決書的格式與內容錯誤,往往需要繼續調用司法資源矯正。研究表明,人工智能通過案件識別與分析,可提供模塊化、格式化、標準化的裁判文書,從文書信息編排、校對、發布等方面解放司法決策的生產力,法官僅需對核心內容進行校對[17]。
(4)法律方法識別與學習。人工智能輔助司法決策須結合人類的法律經驗與邏輯對案例進行判斷,這是構建預測模型與形成裁判文書的前提。可靠的司法決策系統須基于演繹、歸納、類比等復雜推理方式以及算法特有的技術工具來建構非單一性邏輯模型,這個過程中須克服傳統三段式推理方法的缺陷[28]。然而基于“法律的生命不是邏輯,而是經驗”[29]的原則,司法決策輔助系統對法律方法的學習不涉及經驗積累,因而僅能定位于決策輔助工具。
(三)司法人工智能的局限性
局限性研究主要來自“法律理性”的保守主義研究視角,就現有成果而言,具體研究內容可以通過“算法霸權”與數據能力不足兩個角度來分析。
1.“算法霸權”
Amaranto利用算法模型測算被告的再逮捕率,指出在算法得當的情況下,算法可以避免人類檢察官在再逮捕中所包含的主觀因素[30]。然而,沒有任何可靠的觀點足以證明算法在何種情境下可以達到“得當”的狀態,即足以克服任何主觀性,做出公允的計算。Sonja進一步結合美國刑事司法領域中算法對黑人群體的量刑歧視的案例分析了算法中立性的不可靠[31]。洪凌嘯對算法中立性的不可靠作出了進一步解釋:第一是數據庫的準確性與覆蓋面不足;第二是算法設計者的價值偏見。如果數據庫準確可靠且算法設計者未夾雜主觀情感,那么算法裁判案件是有效的[32]。此時,研究邏輯其實又回到了如何使“算法得當”。李·愛潑斯坦指出,“可以通過查看程序的內容”來判斷是否存在偏見的要素[33]25-26。有學者則質疑“程序查看”的可行性。除非訴訟當事人與社會輿論對司法裁判結果存在質疑,否則算法一般難以向相對人公開[21]。同時,基于領域研究的差異與知識結構的不同,司法裁判者與普通大眾難以理解算法與計算機程序,因而算法公開也失去了必要性[34]。
2.數據能力不足
從功能視角來看,司法大數據的數量、質量,篩選數據的能力與對數據間因果聯系的把握是決定算法計算結果精確與否,進而決定司法人工智能功能兌現程度的基礎條件。從學界研究來看,數據能力的不足是司法人工智能受限的主要原因之一。
(1)數據的完整性與真實性存在缺陷。在我國,人工智能輔助司法流程、提供司法決策預判的數據主要源于中國裁判文書網。研究指出這一數據庫結構性比較差,職務犯罪、未成年人犯罪、行政訴訟等案件上網率較低,導致整體數據的差異性比較小[35]。同時,數據庫中的法律文書簡化率過高,證據、法律依據籠統表述的“打包說理”敘寫風格及部分適用簡易程序、速裁程序的案件省略裁判依據、文書說理、推論過程等關鍵部分,內容參差不齊且偏向特征明顯[32]。同時,數據庫的裁判文書還存在表面信息與實質信息的差異。在多元的社會背景與復雜的司法決策情境下,單一裁判文書在政治、社會因素方面所蘊含的實質信息難以揣摩[36],這也在一定程度上影響了司法大數據的真實性。
(2)數據篩選能力存在短板。法律關涉領域的廣泛化與司法問題的復雜性特征導致算法模型的通用性解體,即沒有任何一個通用模型可以解決所有法律問題[32]。針對個案法律問題,必須對大數據進行精篩來保障以數據為基礎構建的算法模型的可用。研究指出,當前司法大數據篩選能力存在明顯不足:第一,法學研究者與司法從業者在數理換算與計量模型搭建方面能力不足。目前法律數據挖掘仍舊采取傳統文本識別與主題挖掘的方式,數據淺顯可能導致分析結論謬誤[37]。第二,數據選擇的主觀性。針對個案問題在全樣本中選擇部分樣本作為數據,然而包括政策、司法解釋、輿情、事件等在內的法律要素的多樣性使研究者很難窮盡所有關鍵詞來囊括個案,基于不同立場對案情理解的不同也導致了數據選擇的不同[21]。數據選擇的主觀性直接導致了算法輸出結果的主觀性。
(3)數據間因果聯系的誤判。司法大數據雖然整合了法學與科學學兩個學科的研究視角與方法,但學科間關于諸多類似概念的解釋路徑是不相同的,而盲目歸類則使研究陷入了誤區。就科學學的立場而言,大數據算法對于不同案例數據的挖掘是基于因果關系與相關關系兩種方式而推論的,即當大量數據呈現同一類隨機趨勢時,其背后便有一定的概率統計規律,結合這種高度相關的概率梳理出的結果,則具有相應的因果性[38]。這種依托概率統計與傾向分析而確立的樣本數據,無疑與法學研究者所熟知的刑法相當因果關系學說所表達的嚴謹的因果關系論不同。換言之,大數據和人工智能技術應用的數據前置性與自我適應性特征極易造成結果的潛在性[39]。
(四)司法人工智能的功能異化結果
相關研究集中在審判主體的異化、審判程序與糾紛解決場域的異化、個案識別的異化、價值選擇的異化、社會治理的異化五個方面。
1.審判主體的異化
審判活動以自由心證為前提,是法官以經驗歸納、邏輯推理為基礎不斷思辨的過程。龍飛基于法官主體論的觀點,指出法官對技術的依賴使其有可能成為機器輸出的“純粹代筆者”,從而削弱法官自由裁量的價值能力[40]。即便是基于人工智能的輔助性定位,過分依賴算法提取證據、檢驗證據、搜集文書、形成判決,也可能形成算法與程序開發者共治的司法審判局面,進而將司法引入歧途[41]。
2.審判程序與糾紛解決場域的異化
陳瑞華將現代司法裁判程序概括為被動性、公開性、親歷性、集中性、終結性等要件[42],在學界受到廣泛認同。算法對審判程序的介入一定程度上改變了程序要件,導致了審判異化:就被動性而言,Simoncini通過研究人工智能對司法判決的影響方式與因素,指出人工智能提高了司法程序的介入性與介入能力[43];就公開性而言,算法的隱秘性和法律的技術公開與透明理念相違背;就親歷性而言,非物理空間上意義的現場性減少了當事人的庭審對抗性,推動了糾紛解決場域由物理空間轉向虛擬空間,進而背離了裁判者的親歷性或直接言詞原則[44],同時,訴訟當事人也失去了發泄不滿或尋求傾訴的情境從而削弱了審判的參與感[40];就終結性而言,所謂科學、嚴謹的算法正義與算法結論很難被富有經驗主義的二審法官推翻,即便是在輔助裁判的過程中充滿了算法歧視,明面上算法在證據鏈、判決邏輯等方面的貢獻仍會顯得無可辯駁,二審審判程序的弱化帶來了審級制度虛化的風險[44]。
3.個案識別的異化
人工智能基于語義識別、文本要素抽取、數據庫檢索、邏輯分析等演繹步驟無法對案情復雜、涉及新型語義與法律關系、法律規制欠缺的疑難熱點案件作出正確分析[17]。雖然有研究寄希望于案件分流制度的智能化,即少量疑難復雜案件交由法官來審理,大量簡單案件模式化快速處理,但仍有學者批判案件繁簡分流實際上依托算法設置閾值,法官仍然無法參與其中,由此提升了算法黑箱的司法適用風險[45]。
4.價值選擇的異化
在較少涉及價值選擇的案件中,如果經由調試、論證的人工智能算法勉強可以得到合理合法的結論,那么在社會疑難、復雜案件中,以自我遮蔽、自我約束、自我論證、邏輯自洽著稱的算法所得到的結論是否依然能夠反映司法公平、正義、透明的價值觀則值得懷疑[46],畢竟司法推理是開放性的邏輯與理性分析,不同情境下個案的裁判流程、經驗與個中情理明顯無法用數字化方式展現,無論是人工智能對接司法裁判抑或法官決策輔助系統,“為了智能而智能”帶有明顯誤導性[47]。同時,從效率價值視角來看,由效率價值引導的人工智能反向強化了司法對效率的追求,此時在更應當體現公平理念的案件中,法院對效率的過度重視也有可能會導致司法的不正義結果[48]。
5.社會治理的異化
司法與算法二者在目的上具有同一性,即促進社會治理。人工智能算法對司法的作用不僅局限于司法程序、司法價值等方面,也包括對傳統法律治理體系格局的改變[49]。Aarujo考察公眾對算法決策的意愿與接受程度的實驗表明,在不侵犯隱私的情況下,公眾對算法自我決策的風險、公平性及有用性的評價比較積極[50]。在社會對算法治理的積極態度攀升的背景下,新型數字法律關系的增加、司法的實用主義傾向、公眾輿論的集聚化、司法的公共政策執行與價值指引減弱[51]等問題導致了司法治理格局的變化,進而引發了政治態度分化、治理盲區頻現、公共話語去價值化等社會治理難題。
(一)研究結論
現有司法人工智能的研究主要包括從理論層面批判正當性、從“技術理性”視角研究其功能、從“法律理性”視角研究其限度,以及影響結果考量四個主題。
第一,在司法人工智能的正當性研究中,既有研究從社會秩序、司法秩序、人的權利三方面探討司法人工智能的正當性,基于價值批判、價值平衡、信息正義等視角考究正當性成為主要研究內容之一。同時,既有研究雖然也提出了一些在司法理念與制度設計中提升智慧能力的規劃方案,但主要還是選擇了保守主義視角批判司法人工智能的過度擴張及對現有法律秩序的沖擊。
第二,在司法人工智能的功能研究中,既有研究討論了司法程序、司法規則和司法決策智能化的功能路徑和積極作用等內容,并基于“技術理性”的研究視角揭示了現階段人工智能對司法的強化作用。當然,在司法人工智能未大規模投入使用的背景下,學界研究大多是基于試錯立場的探索,因而可證偽性不明,也難以得出統一的結論。
第三,在司法人工智能的限度研究中,學界圍繞“算法霸權”和數據能力不足等維度探討了司法人工智能實施的局限性。“算法黑箱”,數據完整性、真實性的天然缺陷,以及數據篩選能力缺失等問題限制了司法人工智能積極作用的發揮。整體而言,對算法規則與司法大數據的深度懷疑,促成了學界研究由積極向保守的轉型,并進一步將研究指向了司法人工智能功能異化的結果方面。
第四,在司法人工智能的影響結果研究中,人工智能嵌入司法所導致的司法功能異化是既有研究的主要內容,已有成果探討了審判主體、審判程序與糾紛解決場域、個案識別、價值選擇、社會治理等方面的異化結果。當然,這些研究成果較少依托實務中人工智能司法適用的例證,而較多基于觀點演繹與邏輯推理的方式梳理了司法人工智能的結果,因此結論具有擬制性。這表明,即便缺少時下迫切需要解決的實務問題,上層研究或許仍可以超前預測與探究司法人工智能的結果并據此提出對策。
(二)研究不足
整體來看,在司法人工智能研究中,與實務發展狀況不相符的研究問題的廣泛提出導致了空泛化的研究內容增多,研究觀點基于“技術理性”與“法律理性”片面對立,而用來駕馭觀點的理論整合不足使整體研究的理論基礎不牢靠,進而相關研究對策結論天馬行空,擬制性強與適用性不足,最終使司法人工智能研究面臨問題域特征突出、理論整合不足、承繼性研究缺失等問題。
第一,問題提出的實證化能力不足,架空式問題特征突出。出于對“算法即剝削”“數據即權力”的焦慮,由司法人工智能而形成的問題意識推動了就問題而答辯的學術研究成果的形成。基于人工智能的實踐性有限與法學研究傾向的超前性,無法順利剔除問題意識下所產生的一些偽問題。比如在功能機制研究中,學界普遍討論人工智能對量刑規范化改革的促進作用,然而現狀是人工智能在輔助量刑規范化方面尚處于初始階段,我國中西部地區司法體制改革遠遠達不到深入討論人工智能功能的地步。由此,基于超級人工智能出現以及大規模司法人工智能應用投產的可能性而展開的學術研究的鼎盛引發了問題提出的空泛化,進而導致了研究結果的擬制性,提高了研究內容與實務對接不足的風險。
第二,司法人工智能研究的理論整合不足,對策性研究占主導。司法人工智能研究形成的方法論對策是“一就一”式的實務問題對策,問題性研究特征明顯而無法下沉到理論層面挖掘問題形成的根基,因而研究理論基礎不牢靠,零碎研究更難形成體系性研究框架,況且對策結論還可能是基于偽問題產生的。以類案類判系統的司法適用為例,實務中智慧法院類案類判系統普遍存在案件檢索結果不全面、檢索時間斷層及檢索結果須二次篩除等弊端,通過上文綜述發現已有研究以這一問題為基礎展開討論,認為裁判文書網存在缺陷、數據間因果聯系誤判及檢索算法不透明是導致這一問題產生的原因,進而分立了積極主義觀點與保守主義觀點,最終指向了推進司法大數據體系建設的對策結論。由此不難發現,研究者事實上并沒有對問題的原因作出詳細透徹的解釋。裁判文書網存在缺陷與檢索算法存在問題,本質上都不是法學問題,因此而得出的對策結論卻具有普適性——很多實務問題的解決皆可以用“推進司法大數據體系建設”等對策來搪塞。上述案例表明,在問題提出到原因分析這一階段,如果省去了理論整合與體系建構的過程,得到的對策結論便可能是斷層的。
第三,研究觀點片面對立,缺少有效對話與承繼性研究。現有“技術理性”與“法律理性”的研究觀點鮮明對立,比如積極觀點立足于司法效率提升的立場關注人工智能對訴前與訴后等非審判程序自動化的推進作用,而保守觀點則基于司法價值破壞的擔憂而主張反向作用。無論是司法效率抑或司法價值,二者事實上皆邏輯自洽且很難證偽,二分的觀點僅滿足于這種邏輯自洽,而少有思考與討論對向觀點的合理性,進而形成了一種“為了批判而批判”、鮮有承繼性、片面離心的研究風格,對核心研究方向的厘清與研究邏輯體系的搭建產生了不良影響。
綜合考量當前司法人工智能研究的不足以及拓展深化領域研究的必要,未來司法人工智能研究可以從以下方向入手。
第一,加強司法人工智能的實證與數理研究。研究人員一方面可以通過定點觀察與實證調研的方法梳理司法人工智能的實務適用缺陷,明晰實務中試點法院及相關單位(如上海高院、杭州互聯網法院等)對人工智能的功能需求與組織實施障礙,加強司法人工智能的實證采樣與研究。另一方面,可以基于公開渠道的權威內容梳理與數理計算、計量模型構建等方式,強化研究數據與論點依據,在該領域整體研究立據不充分的背景下,避免問題與論點提出的過度主觀化。
第二,整合司法人工智能功能與限度研究的基準,建構觀點答辯的邏輯體系。未來司法人工智能研究應在司法人工智能的功能與限度間謀求一種基準,并在基準的基礎上推動學術觀點的理性爭鳴。比如,在討論人工智能造成的審判主體功能異化時,多數積極觀點主張人工智能將法官從繁瑣的非訴訟程序中解放出來,促使其專注于自身審判能力與水平的提升。保守觀點此時便不宜天馬行空地提出人工智能使法官失業與下崗的可能性,以及人工智能替代法官后對司法正義帶來的沖擊。因為正反觀點討論的基準是司法人工智能應用的輔助定位,畢竟人工智能在司法實踐中的輔助作用有目共睹。
第三,強化司法人工智能下沉研究,推動對策性研究的教義學轉化。在司法人工智能的研究中尚須通過法律解釋的方法思索法學理論,進而站在教義學立場上闡釋人工智能問題,在法學原理體系中研究法學問題,防止問題、原因與結論的學科屬性迷失與法律框架偏離。比如,在類案類判的問題中,法學研究者應立足于不同案件事實法律性質的比較分析,厘清案件事實所涉法律關系的性質和種類,明晰“同案” “類案”的參考價值,“相同”“類似”的法律概念,以及案件事實、案件情節的差異對系統自動歸類為“同案”“類案”的影響等方面,在此基礎上注重與算法規則的對接。
第四,推動功能機制實證情境開發。已有研究表明人工智能對司法程序、規則與決策方式的輔助作用,人工智能技術可以提升司法效率,推動司法程序的優化,提高司法裁判結果的精準度。然而,司法人工智能在何種情境中可以發揮這些作用,又在何種情境中得到相反結論?同時,就國內而言,司法人工智能的實際應用并不多。部分人工智能系統的商用,如上海206、北京“睿法官”、重慶“易訴”等,主要試行了類案推送、辦案管理、卷宗歸類等輔助功能;涉及實質運用的“智能審判”也僅限于類型化案件的審理中,如2017年重慶高院在信用卡糾紛案件上采用的智審平臺。此時,在輔助性運用與實質運用的不同情境中,功能機制的限度會如何變化?這些問題尚待探究。
第五,探索司法裁判與人工智能適當分離的場域與方法。在積極主義觀點探索人工智能功能作用的基礎上,已有保守研究即便批判了算法技術與司法大數據的不成熟和“難堪重任”,但是仍難否認人工智能的輔助性定位,畢竟已經以此為基礎推進了司法人工智能的實務運用。因此,從研究理性的立場出發,現有研究應從積極主義與保守主義的對抗中逐步“轉場”,進一步探索司法的敏感領域與人工智能適當分離的場域與方法。比如,司法裁判是司法運行的關鍵步驟,其具有不可逆、處分性、強制性等特征,在人工智能技術無法邁入“深度學習”與“精準超越”的時代背景下,將司法裁判從人工智能介入的場域中抽離出去,既可捍衛法律核心價值,也不妨礙人工智能功能與技術的穩健運用,此時相當于尋求了積極主義觀點與保守主義研究的“中間道路”。在此背景下,司法裁判體系的分離內容、適當留存與嵌入的范疇和尺度是什么?分離后司法裁判的效率價值如何匡正?未來研究也須對此作出回答。
第六,強化智慧司法背景下訴訟參與人權利保障的研究。既有研究總結了司法人工智能導致的審判主體、程序、場域、價值選擇與社會治理結果的異化,同時圍繞異化結果提出了技術約束與司法規制的方法論,如建立案件分級制度、審前風險評估制度、裁量性司法行為算法輔助機制等。然而,對算法技術約束的初衷是為了保護司法核心價值不受侵犯,事實上,訴訟權利人的權利保障是司法核心價值的最終體現——諸如公平正義等價值仍須在權利人合法權益受到保護、違法行為依法受到制裁的背景下得到詮釋。從這一角度來說,既有對司法人工智能方法論的研究過于重視算法規制與司法程序優化等對策性議題,而對于真正體現司法價值的訴訟參與人權利保障這一根本性問題置若罔聞。司法人工智能背景下權利人訴訟權利的整體狀態如何?與傳統司法相比,當事人權利樣態如何變化?雖然人工智能提升了司法效率與簡化了司法流程,但當事人訴訟權利行使會被簡化乃至弱化嗎?在探討智能輔助系統提供了相對標準化的決策模式和訴訟流程時,如何同時引導輔助系統對當事人權利保護的標準化?總之,未來須著重強化對智慧司法中訴訟參與人權利保障的研究。
猜你喜歡 司法人工智能算法 制定法解釋中的司法自由裁量權法律方法(2021年4期)2021-03-16基于MapReduce的改進Eclat算法成都信息工程大學學報(2019年4期)2019-11-04Travellng thg World Full—time for Rree閱讀與作文（英語初中版）(2019年8期)2019-08-27司法所悉心調解 墊付款有了著落今日農業(2019年10期)2019-01-042019：人工智能商界(2019年12期)2019-01-03非正式司法的悖謬中財法律評論(2018年0期)2018-12-06進位加法的兩種算法小學生學習指導(低年級)(2018年11期)2018-12-03人工智能與就業IT經理世界(2018年20期)2018-10-24數讀人工智能小康(2017年16期)2017-06-07下一幕，人工智能！南風窗(2016年19期)2016-09-21