 当法官，机器人的第一个优势就是不知疲倦。 法律是用来解决实际问题的。提高解决问题的效率，是人工智能进军法律审判领域的直接动因。 2015 年 5 月实行立案登记制后，国内法院案件数量一直呈递增状态。最高人民法院副院长李少平今年 7 月 19 日在《人民法院报》撰文介绍，'2016 年上半年，全国法院受案 1002.9 万，同比 2015 年，上升 18.94%，截至今年 6 月 20 日，地方各级人民法院受理案件已经突破 14287064 件，又比去年同期高出 12.84%。'  办案落到人均会怎么样呢？相对应的，法官员额制刚刚在全国完成，全国近 20 万名法官被缩减至 12 万余名。 也就是说，以 2017 年上半年 1400 万收案数和法官数 12 万计算，半年人均需结案数大约为 116 件。但这个数据还代表不了实际情况。 从空间分布看，案件数量分布差别太大，苦乐不均。沿海及经济发达地区，每个法院的案件年均在万件以上，2016 年最多的上海浦东法院 12 万件，而西部有些欠发达地区，法院的案件在一千件左右，有些还只有几百件。 《法制日报》去年 11 月报道，2016 年 7 月，广东省深圳市宝安区人民法院民二庭法官贺琼病倒了，怀着二孩的她不得不开始休息。截至她生病休息前，收案约 600 件，结案 300 多件，平均每月结案 40 多件，这是整个宝安法院法官的常态。据悉，2016 年 1 月至 9 月，宝安法院收案 5.8 万余件，结案 3.5 万余件，全院一线法官人均收案 466 件，人均结案 292 件。 这个状态是目前经济发达地区法官的常态，' 案多人少 ' 矛盾非常突出。所以信息化，乃至人工智能，就是司法迫切需要提上日程的事情。 自动售货机般完美的理性机器：精通法律，同案同判，铁面无私 减少司法任意性，防止人工疏失导致的冤假错案也是司法引入人工智能的动因之一。 据何帆介绍，'206' 试运行已满两个月。'206' 在对上海几万份刑事案件的卷宗、文书数据进行学习后，这个以大数据、云计算和人工智能为技术内核的 ' 小婴儿 '，已经具备了初步的证据信息抓取、校验和逻辑分析能力。  ' 睿法官 ' 能对一审判决书、上诉状等材料先期进行分析，识别出影响案件定罪量刑的相关要素及当事人上诉的理由。如：被害人受伤的部位为面部，受伤程度为重伤，当事人上诉理由为认为自己属于正当防卫，认为被害人受伤程度未达到重伤等信息。 在庭前准备阶段，' 睿法官 ' 会自动梳理出待审事实，生成庭审提纲，并推送到庭审系统中。庭审结束后，' 睿法官 ' 会对案情要素进行进一步提取，根据法官进一步认定的内容，向其推送更为精准的相似案例、裁判尺度、法律法规等服务，最终帮助法官完成裁判文书撰写。 人们认为这些系统可以将经验判断为主转变为数据参照印证，能有效推进同案同判，统一法律裁判尺度，提升司法权威和司法公信力。 这些系统正符合德国社会学家马克斯 · 韦伯百年前的设想：' 现代的法官是自动售货机，投进去的是诉状和诉讼费，吐出来的是判决和从法典上抄下来的理由。' 这就是韦伯的形式理性思想，形式理性在司法裁判中体现为 ' 三段论 ' 的要求，法律根据作为大前提，从生活事实中分离出的法律事实作为小前提，针对法律事实，法官寻找法律根据，继而作出法律决定。 这个过程太适合人工智能了，法官的自由心证，也是算法。 不通人情世故，拒绝偏见，拒绝个性，看起来，完美。机器人法官，呼之欲出。 人类法官的阅历和直觉也不是天堑：人工智能有迁移学习能力 不过事情没有那么简单，法官没有那么好做。比如，为了弥补法律的滞后性和刻板性，法律必须赋予法官自由裁量权，自由裁量权在于 ' 确保判决符合生活智慧 '。 所以你看到很多著名法官都不是小年轻，而多是有一定阅历的人。他们需要积累足够多的知识和经验，以便去判断那些随时出现的未知事物，' 规则不清晰，逻辑不严谨，需要经验积累的问题 '。  ' 法律固然包含了一个民族经过若干世纪逻辑演化的过程，但是我们不能仅仅将其当作数学教科书中的公理和推论来加以研究。就现状而言，在任何特定的时期，法律的本质基本上是当时被理解为适当的东西，也就是人们所说的经验。' 与大陆法系国家法官严格依法即是美德相比，判例法下的法官有着不一样的要求，法官必须代表发展中的法律，法官不仅要读万卷书，还必须是一个历经世事，善于拿捏分寸，能够创新说理的人。 所以，和人一样，只懂法律的人不是好法官，只有法律知识的 AI 也不是真正的法律 AI。这就涉及一个技术问题，谁能占有那么多领域的大数据？年纪轻轻的人工智能有没有可能突破瓶颈？ 这其实正是人工智能的本质要求，真正意义的人工智能就是要来处理那些 ' 规则不清晰，逻辑不严谨，需要经验积累 ' 的问题。 今天人们已经知道了强化学习（Reinforcement Learning）和深度学习（Deep Learning），人工智能可以通过对大数据进行完全的自学习、自我修炼、自我改正，来迭代进步。但是这里存在一个大数据限制问题，如果没有足够的学习资料，学习就难以为继。而迁移学习（Transfer Learning）就能让人工智能得以摆脱对大数据的依赖，触类旁通，把一个领域的知识应用于别的领域。就像学好了英语的人，也能更好的理解汉语本身，提升汉语水平。 在人工智能面前，经验和阅历恐怕也将很快不是障碍。 等待回答的问题仍有很多，但历史转变已经在眼前 法律和医学历来被认为是凝聚了最精深知识的两个职业，对从业者的知识、经验以及道德水平都要较高的要求。人工智能进入法律领域，对原有观念的冲击将是天翻地覆式的。人工智能的引入，也有助于人们正确认识法律这个古老的身份和职业。  比如，人类法官有资格授予的程序和标准，机器人法官的资格该怎么判断和授予呢？人类法官的工作有不同审级的人来监督。谁来监督算法？出了问题的责任该如何承担。人工智能的权威能获得尊重和信服吗？法律在机器人掌握下，权威是会增强还是减弱？ 正如何帆所言，首先需要一部互联网时代的诉讼法。这部诉讼法令人浮想联翩，相信它的产生一定会伴随剧烈的思想碰撞。这意味着拥有千百年历史的旧有的法律体系、生活状态的重建。 原网页已经由 ZAKER 转码以便在移动设备上查看查看原文 |
|
|
