AI法官参与司法职能的困境和进路

　　论文提要：

　　ChatGPT的横空出世给包括法律行业在内的智力创造性劳动行业带来了极大冲击，根据每股欧《VICE》杂志报道，哥伦比亚一位法官使用ChatGPT做出判决，该案是法院首次承认在法律裁决中使用了人工智能文本生成器的答案法官。AI法官能否代替人类法官的讨论重新热络。数字背景下，法院裁判结果的数字化更加规范和科学，具有高人工智能的ChatGPT类软件是否可以作为AI法官重塑司法职能，成为社会日益关注的问题。

　　基于现实层面的需求度和技术层面的可能性，AI法官进入法院将成为数字背景下的必然趋势。理论上说，AI法官依托数据、算法和算力进行司法活动，不受利益驱使和情感钳制，能够在一定程度上摆脱司法任意性,减少司法腐败、权力寻租的现象。但司法审判不是单一的判断，它包含了法官对法律规定、形势政策、社会舆论等方面的思考和平衡，难以完全被替代。

　　学术界和理论界均认同AI法官在司法活动中仅能起到辅助作用，但其界限和范围值得进一步研究。本文将对该问题进行探究，以期划定AI法官参与司法职能的边界，进一步提升司法质效。

　　以下正文：

　　引言

　　《人民法院在线诉讼规则》明确规定了人民法院可以运用人工人工智能等信息技术支持审判执行活动。“人工智能”指一个注重创造智能的科学工程和技术领域，它是一个总称，包括科学和技术的许多分支，通常涉及复杂的算法以便能够确定结果。人工智能可以包括机器学习、自然语言处理、专家系统、视觉、语音、规划和机器人技术。笔者认为，本文所称的人工智能可以被定义为，它是计算机科学的一个分支，企图了解智能的实质，并生产处一种新的能以人类智能相似的方式做出的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。

　　一、AI法官的实践应用

　　笔者检索发现，世界各地法院对AI法官（人工智能工具）已经存在一定的实践应用。在欧洲，爱沙尼亚的AI法官适用于标的低于7000欧元的小额索赔诉讼裁判，AI法官根据双方将相关材料输入数据库之后进行分析并做出判决，并可上诉至人类法官。法国司法系统于2017年在雷恩和杜埃两家上诉法院进行了司法人工智能判决结果预测软件Predictice的试点。在美洲，美国1981年即有学者开发了民事法律判决辅助系统（LDS），对美国侵权法中责任归属和赔偿价值方面的具体步骤；COMPAS系统的应用覆盖了刑事诉讼中保释、量刑、假释等多个阶段。加拿大大不列颠哥伦比亚省司法体制改革计划中提出了一种为消费者处理纠纷的ODR在线协商工具，这一工具的应用以期在未来将ODR引入行政法庭。

　　亚洲方面，印度最高法院推出了 AI 工具系统 SUPACE，试图借助机器学习技术，高效处理案件提交时同步上交的大量数据。2018年以来，中国法院以杭州、北京、广州三家互联网法院成立为契机，开始打造新的互联网审判模式。2019年6月27日，北京互联网法院发布AI虚拟法官，旨在为民众提供更为便捷、高效的线上诉讼服务。但仅为AI形象，只能协助人类法官完成线上诉讼的庭审纪律宣读、简单诉讼问题回复等前端重复性的基础工作。

　　二、AI法官的限制

　　目前，AI法官未得到广泛应用，特别是难以在关键性裁判决策中应用，究其原因，是因为AI法官仍然存在种种限制。

　　人工智能依托海量数据和重复训练形成答案，相对于人类法官裁判而言，“思维”方式较为单一。算法、算力和数据都成其基本运算逻辑。作为AI法官技术基础的算法，是基于过去行为的判断从而做出预测，似乎并不能充分保障结果的公正性。实际上，数据驱动的算法可能会强化和恶化社会中业已存在的不平等。例如美国COMPAS系统的应用覆盖了刑事诉讼中保释、量刑、假释等多个阶段，根据根据已有的违法记录对被告再次被拘捕的可能性进行评分。但根据ProPublica剖析了18000多人的COMPAS分数和违法记载，黑人被告得到更高COMPAS分数的概率高于白人被告45%。

　　很多技术性、重复性、标准化程度较高的工作，交给人工智能处理完全是可行的，它甚至可以做到不被情绪影响，绝对无所偏私。但关键在于复杂案件中，它不会理解情感，也不会理解何为正义感。即使它有强大的学习能力和大数据支撑，难以有人类的“灵机一动”。案结事了服判息诉，依靠的不仅是专业法律知识和最终判决结果的公正准确，更要依靠法官在审判过程中体现的人文关怀、公正可靠甚至人格魅力。这一点都是法官必备的品质，而人工智能很难做到。在这个意义上，人工智能可能是一个勉强凑活的功能型法官，但绝非一个优秀的决策型法官。

　　三、AI法官在互联网审判情境中的优势作用

　　（一）提高审判效率

　　人类裁判者的速率与AI法官存在较大的差距。基于机器学习的人工智能进行审判时，通过输入或识别案件事实、认定证据、比对过往判例和现有法律而自主得出判决意见，耗时只在分秒之内。“通过大数据技术辅助提升司法能力、促进司法公正，使司法系统拥有和展现基于司法能力和司法公正的自信和力量。”可见，人工智能审判可以显著提高司法效率，减轻法官结案压力并最大限度满足群众司法需求。

　　（二）保障实体正义

　　同案不同判一直是我国司法实践中的重要问题，而AI法官审判有助于解决这一问题。其一，人工智能审判基于过往案例的数据库，而该数据可以覆盖至全国各地法院，再人工智能法官审理中，便可以通过对比分析以往案例，从而实现同案同判。人工智能一秒钟可以阅读100万页判例，能够轻易统计出过往类案判决结果的一般模式；如果以人类速度检索、阅读相似案件，只能涵盖所有类案的冰山一角，可以避免因为人的差异性而导致认定事实、适用法律标准的不同，从而保障裁判尺度的统一。

　　四、综合进路：人工智能法官司法职能的建议

　　（一）基本立场:尊重司法价值功效，司法逻辑主导算法逻辑

　　作为现代司法的价值导向，公平正义不仅是司法裁判具有公信力的正当性基础，还是司法人工智能获得约束力的应然要求，并且，于个案之中实现公平正义乃现代司法的内在逻辑。故此，人工智能技术应用于司法领域基于司法数据编写算法应以司法逻辑——追求公平正义为主导。当务之急是如何找到好的方法，方便机器识别、学习法律数据。

　　(二)路径选择:智能辅助人类，强调司法工作人员的主体地位

　　人工智能适用要实现情感价值与法律价值的二元分割，将情感的问题交给人，将法律的问题交给机器人，准确地划分人工智能的适用空间；事实认定与法律适用的二元分割，案件事实认定的部分主要由人来解决，涉及法律适用的问题则主要由机器人来解决；新型案例与常规案例的二元分割，常规案件更多依赖机器人解决，以期发挥机器人基于以往案例的学习经验，新型案件更多依赖人来解决，以期在缺乏基础数据的情况下，更多发挥人的价值判断。

　　(三)技术保障:以算法和数据为着力点，改良司法人工智能整体生态

　　就其本质而言，人工智能是通过算法所搭建的预测模型。因此，人工智能的本质问题是围绕着数据、算法、模型而展开的技术问题，人工智能科学更多地应归入到以统计学方法为基础的数据科学中。应当首先解决裁判智能产品的前提—数据问题，海量数据库纵然全面，但参与数据训练的司法数据必须经过严格选控，比如选取历年来优秀裁判文书、指导性案例等作为基础数据进行算法训练，如此才能够尽量减少裁判偏差。

　　其一，在现有本地法律资源数据库的基础上，开拓全国法院文书数据库，使用包括结合局部数据形成整体性结论，印证大数据研究的结论。

　　其二，透过法律数据具有的“表象性”，发现实质性的关键所在。在数据之外，通过社会调查等方式，把握司法决策的要害所在，并将之嵌入裁判模式，用实践数据来评估、调整其权重，最终打造真实、有效的裁判产品。

　　其三，正确处理法律数据的主观性、复杂化问题。工程师在编写算法、训练模型时所使用的数据集，不可避免地会携带社会文化中固有的性别、种族、金钱主义等偏见，导致司法裁决难以避免地具有意识形态色彩。而通过数据处理，尽量使得判决存在足够的客观性。

　　责任编辑：广汉