司法技术应用: 极限与基线的司法人工智能之路

之所以强化技术应用的司法支撑，是因为技术应用本身也对司法提出了相应的要求。而这种要求是否得到很好的贯彻，将直接影响司法人工智能开发应用的实效。具体而言，除了树立司法技术思维外，相关配套制度机制的建设应当有助于司法大数据的真正形成、算法的正当选择和技术失控的防范。

（一）司法技术主义思维的树立

不同于片面的技术主义导向，这里讲的司法技术思维是指，在准确把握司法人工智能工具属性和理论极限的前提下，更好地理解和运用它，从而拓宽司法视野、提供司法认知的维度和有效性，达到“善假于物”的效果。

一方面，它要求法官等司法工作人员对司法人工智能的技术能力和实现逻辑有基本的了解，从而可以在不同司法场景中进行有效切换和灵活运用，努力善用司法人工智能，提升司法效能，并摆脱“经验主义”的局限。应当说，法律领域的任务有很大一部分非常符合确定性问题、完全信息、有限任务的要求，而且数据质量高，任务逻辑清晰严谨，契合人工智能具体应用的落地。具体地说，这种司法技术思维还要结合不同的场景而区别适用，对于符合确定性问题、完全信息、有限任务要求的场景，且数据质量高，任务逻辑清晰严谨的情况下，就可以更大幅度地运用司法人工智能，如应用于法庭记录的语音自动识别记录技术。而对于开放性的、非完全信息的场景，如裁判环节，就可能不仅仅涉及法律文本或法律规则、案例，还要考虑到具体情境和其中关联的政治、经济、社会因素等，司法人工智能技术就应慎用或参考性、监督性地使用。另一方面，它也促使法官等司法工作人员认识到，他们自身也是司法大数据的“生产者”，司法人工智能的需求者、开发者和最终的用户。如法官在撰写裁判文书时，要认识到他不仅仅是对个案作出裁判，也是在生产和制造数据，为后续的司法共同体汇聚大数据和人工智能分析的“原材料”，由此来倒逼裁判文书撰写中说理的充分有效性、优化写作表述的结构和增加语言的可识别性，从而为人工智能提供优质的“数据原料”。只有树立了这样的司法技术思维，司法人工智能的发展才会更有意义，方向也会更清晰，支撑才会更有力。

（二）大数据层面的司法支撑

从司法大数据的真正形成来看，目前的司法公开主要是体量上的大（large），尚不满足维度上的丰富性，离真正的司法大数据（big data）还有一定的距离。故而在今后的工作中，应注重加强司法公开的广度、深度和管理力度。从公开的广度上看，除了裁判文书、审判流程信息、执行信息的公开外，一些反映和影响司法裁判过程中的重要信息如合议笔录等，也可以以特定合理的方式呈现出来。^[2]这方面，一些外国法院的经验做法可资借鉴，大致有三种方式：其一，在裁判文书中载明，但表述为多数意见认为或少数意见认为，而不是某某法官认为，以减轻法官评议和发表意见的顾虑。其二，许可查阅评议笔录，而不在判决中阐明多数意见及少数意见。其三，许可查询专门制作的合议庭意见书，意见书中也表述为多数意见或少数意见认为，而不是特定的某法官认为，且查询主体仅限于当事人和诉讼参与人，属于适度公开。^[3]故部分关于案件裁判理由的合议信息并非天然不得公开，它更多的是基于对法官履职保护的考量，以避免其迫于舆论的压力或当事人的事后报复而无法独立发表观点。这种情况完全可以通过匿名化处理的方式予以解决，如在合议笔录中将其表述为“一种意见认为……”而不是“某某认为……”并允许当事人和社会公众查阅，这就很好地平衡了法官履职保护与司法公开（司法大数据形成）的矛盾。从公开深度上看，针对特定事实和法律问题的描述、认定和论理当然是越充分越好，避免技术人员因数据不足而望洋兴叹；越精炼越准确越好，避免技术人员陷入“清洗数据”或“打标签”的海量工作中。在这方面，近年来关于强化裁判文书说理及对司法文书质量进行排查的做法值得赞许和进一步推进。从管理力度上看，要最大范围地促成司法大数据的真正形成，还要在法院和相关部门之间、法院系统之间打破条块管理体制机制上的障碍，真正实现数据的互联互通和司法人工智能的最大价值，例如，四川省在智慧法院建设中通过法院、公安数据的联通应用，很好地落实了多元化纠纷的解决。^[4]其他可能的应用场景和价值还包括执行查控的有效实现和虚假诉讼的精准识别等。(www.xing528.com)

此外，司法大数据发展所带来的技术失控问题也应得到重视，这主要表现在对国家安全、个人隐私的保护和对数据权力的规制等。从国外的一些实践来看，公开裁判文书或相关司法数据的获取并不是没有条件的，而是要满足可控可溯源的要求，如获取者须以真实的身份证号登入并履行必备的程序，其所获取的内容也有记录或备案等。而我国目前的情况是重公开、轻保护，对于公开裁判文书的获取并没有任何必要的溯源性的程序控制，这在一定程度上就加大了意识形态安全方面的风险，故应积极借鉴域外的一些经验做法，在促进司法大数据发展的同时，更好地维护意识形态安全。而对于隐私的保护，除必要的技术处理外（如裁判文书的匿名化处理），更多的是与数据权力的正当行使相关。司法大数据的建设和共享应限于正当目的，无理由地扩大将导致数据权力的失控。笔者初步的思路是，承办法官自身并不能直接调取相关数据，而是要按照一定的条件和程序获得，且要有相应的备案。这既有过滤不当调取的需要，也有对方便追责的考量。理想地说，司法大数据的真正形成并不仅仅靠法院的一己之力，且诸如“司法大数据中心”之类的机构也应更超脱中立，由专门的事业单位承担数据库建设、查询、开发之责，更符合权力制衡的要求，也更能有效地保护相关涉案人员的隐私。

（三）司法人工智能的算法规制

尽管学界对于算法黑箱、算法歧视等问题的警惕性很高，但主要集中在商业研究领域，而司法领域的研究和介入还极其有限。且不论此种算法规制在技术及路径上如何可行，相关的配套体制机制的建设目前尚付之阙如。鉴于司法人工智能的规模化运作属性以及域外已经规制的相关方面的具体设置和考量，如2019年4月8日，欧盟委员会发布了一份人工智能道德准则，认为可信赖的人工智能应具备七个要素，分别是：确保人的能动性和监督性；人工智能的算法要足够安全、可靠和稳健；个人数据应受到正当控制，不得用来伤害或歧视他人；人工智能系统应具备透明性和可追溯性；要充分考虑到人类能力和技能要求的范围，要做到多样性、非歧视性和公平性；要有助于社会的可持续发展，并且担负生态责任；应当有相应的问责机制，需要对它造成的后果承担责任。我国亦可参考上述人工智能的规制思路和具体要素，在法院系统或更高层面设置司法人工智能审查委员会，负责组织实施司法人工智能开发的许可、司法属性和伦理道德审查、应用测评、风险应对和后续的评估清退等。

需要注意的是，在具体的规制过程中，也要综合考量司法和技术的两方面要求和司法场景的具体差异，采用灵活多样的规制路径和方法。基于司法的稳定性和公共性、民主性和公开性，在总体倾向和基本原理层面，应选择成熟的、可视化的、可解释性的算法，或努力击破算法黑箱，将算法转化为公众、法官可以理解的自然语言，并接受伦理道德、司法政策之审查。这可谓一种理想的事前规制，但从技术适配性角度考虑，这种规制未必现实。如深度学习中的神经网络算法采用网状的非线性函数，在不相干的元素中建立一个假设的逻辑关系，然后通过海量的数据来检验这种假设的正确性，淘汰正确度低的假设，保留正确度高的假设，从而具备更强的学习能力，而一般人的线性逻辑很难理解神经网络算法等非线性逻辑。^[5]故在无法兼顾司法人工智能的透明性和实用性的情况下，就要考虑其他的规制路径和方法。对此，则不妨通过事前数据输入质量的严格把控和事后的输出结果校验，来淡化算法黑箱所带来的危害。^[6]另外，从司法的整个过程来看，并非所有场景都需要对算法作出解释。例如，法庭记录只需要完整地记录各方当事人的陈述发言即可，一份好的庭审笔录的关键在于书记员的提炼、概括。现代语音识别、自动记录技术完全可以一字不漏地将当事人的陈述发言记录下来，我们也无须对其背后的算法原理有充分的认识，就如同“用word软件办公而不知其所以然”一样。而有些司法场景则必须要求对当事人、社会公众有所回应，特别是核心的裁判形成环节和裁判文书的说理。在这些环节中，算法黑箱、算法的不可解释性是不被允许的，否则，司法就退化为古代的“神明裁判”了。在运用司法人工智能获得新的信息维度时，法官有义务解释司法人工智能是如何获取该信息的，以及该信息对本案的事实认定及法律适用将产生怎样的影响，并要努力将此方面的举证质证义务分配给各方当事人，以秉持司法中立性和当事人抗辩主义。也有学者提出，在某些核心环节，不妨通过司法人工智能的反向运用来避免算法黑箱、算法歧视等问题，针对司法实践中“206”系统“数据化、统一的证明标准”存在的风险，不妨将该标准作为一个反向标准、否定性标准。形象地说，它可以作为英美法系排除合理怀疑的标准，而不是大陆法系直接定罪的标准。^[7]这从广义上说，也是一种值得借鉴的规制思路，即通过司法人工智能的运用方式来规制算法。

综上，可以大体勾勒出司法人工智能的算法规制体系，这也是算法层面的司法支撑，也即通过司法人工智能委员会的设置和相关审查准则的探索，确定算法透明性和无歧视性（或平等性）的原则，根据司法应用场景的具体差异，综合采用事前数据输入质量的严格把控和事后的输出结果校验，持续性的测评评估，和司法人工智能的运用方式等不同层面的规制手段。