司法智能裁量系統(tǒng)：?jiǎn)栴}、措施及趨勢(shì)

張妮 蒲亦非

法學(xué)與智能技術(shù)的深度結(jié)合應(yīng)用于司法審判領(lǐng)域，可輔助司法糾錯(cuò)、優(yōu)化決策、預(yù)警法律風(fēng)險(xiǎn)等，能夠讓司法實(shí)踐提質(zhì)增效，但在技術(shù)中立偽裝下也可能帶來(lái)司法偏見(jiàn)、失控與誤導(dǎo).本文首先論述了司法信息提取中的問(wèn)題，提出通過(guò)增加法律文書(shū)說(shuō)理部分和規(guī)范法律文本結(jié)構(gòu)等提高司法信息有效性的具體措施.其次，提出司法裁量模型中應(yīng)加入價(jià)值觀念，并討論了建立價(jià)值審核和監(jiān)督機(jī)制與促進(jìn)算法可解釋性的具體路徑，通過(guò)建立內(nèi)外部監(jiān)督機(jī)制，讓司法智能裁量模型使用的背景、整體的價(jià)值觀以及采用的規(guī)則可被法律人理解，才能讓其真正服務(wù)于司法實(shí)踐.最后，針對(duì)當(dāng)前司法智能裁量系統(tǒng)建立的難點(diǎn)即類(lèi)案推薦，分析了類(lèi)案判定的困境，并在比較法律專(zhuān)家系統(tǒng)與基于當(dāng)前智能技術(shù)的計(jì)算模型利弊的基礎(chǔ)上，指出人機(jī)協(xié)作建立具有綜合分析能力的認(rèn)知系統(tǒng)是司法智能裁量系統(tǒng)的發(fā)展方向.

人工智能； 認(rèn)知計(jì)算； 法律專(zhuān)家系統(tǒng)； 計(jì)算法學(xué)； 司法歧視

D90Ａ2023.027002

收稿日期： 2022-11-21

基金項(xiàng)目： 國(guó)家社會(huì)科學(xué)基金（21BFX031）

作者簡(jiǎn)介： 張妮（１９７７- ）， 女， 博士， 副研究館員， 研究方向?yàn)槿斯ぶ悄芘c法律的交叉.Ｅ-ｍａｉｌ： ｚｈａｎｇ＿ｎｉ＠ｓｃｕ.ｅｄｕ.ｃｎ

通訊作者： 蒲亦非.Ｅ-ｍａｉｌ： ｐｕｙｉｆｅｉ＠ｓｃｕ．ｅｄｕ．ｃn

Judicial intelligent system： problems， measures and tendency

ZHANG Ni1， PU Yi-Fei 2

（1.Library of Sichuan University， Chengdu 610065， China; 2.Colledge of Computer Science（College of Software）， Sichuan University， Chengdu 610065， China）

Legal system is a complex adaptive system， the deeply combination of law and intelligent technology can be applied in judicial justice， which can assist judicial error correction， make optimal decision， trigger erarly legal risks warning， etc.， and can improve the quality and efficiency of judicial practice. But we also should pay more attention on the bias， loss of control and misdirection brought by technology to the legal field under the guise of technology neutrality. This paper firstly discusses the problems in the extraction of judicial information and puts forward some concrete measures to improve the effectiveness of semantic processing by adding the legal document reasoning part and standardizing the structure of legal text. Secondly， it proposes to add values into the judicial discretion model， and discusses the specific paths to establish a value review and supervision mechanism by expert group and promotes the interpretability of the algorithm. By establishing an internal and external supervision mechanism， only when the background， overall values and adopted rules of judicial intelligent system are understood by legal people， it can be truly served the legal system. Finally， as for the similarity case recommendation， the most tackling challenge in establishing judicial intelligent system， it analyzes the difficulties in the judgment of similarity cases. By comparing the advantages and disadvantages of legal experts and the data-centric computing systems based on present artificial intelligent technology， it then points out that the man-machine cooperative cognitive system with comprehensive analysis ability will be the development tendency of the judicial intelligent system.

Artificial intelligence；? Cognitive computing； Legal expert systems； Computational law； Judicial discrimination

1 引 言

人工智能模擬、延伸和擴(kuò)展了人類(lèi)的智力，通過(guò)專(zhuān)業(yè)領(lǐng)域大數(shù)據(jù)學(xué)習(xí)，建立司法裁判智能系統(tǒng)可為司法決策和行動(dòng)提供支撐.實(shí)時(shí)、在線、網(wǎng)絡(luò)化的計(jì)算社會(huì)科學(xué)研究發(fā)展的同時(shí)，以數(shù)據(jù)為中心的新技術(shù)高速發(fā)展為分析與解決法律問(wèn)題打開(kāi)了大門(mén)，法學(xué)與信息科學(xué)的深入融合，促使了新興交叉學(xué)科——計(jì)算法學(xué)［1，2］的產(chǎn)生.法學(xué)是一門(mén)社會(huì)科學(xué)［3］，具有高度反饋性，法律制度的產(chǎn)生、變遷看似是包含很多偶然因素的主觀選擇，但法律制度背后的東西卻很難改變.從系統(tǒng)論的觀點(diǎn)［4］，法律系統(tǒng)可被看成是一個(gè)復(fù)雜體系，該系統(tǒng)由法官、檢察官、律師和立法人員等組成，在法律法規(guī)和規(guī)章制度的指導(dǎo)下通過(guò)立法、裁判以及調(diào)解等方式運(yùn)行該系統(tǒng).在此過(guò)程中通過(guò)諸如上訴、再審、立法評(píng)估等一系列司法反饋活動(dòng)，使得系統(tǒng)不斷調(diào)試并趨于穩(wěn)定.人工智能應(yīng)用于法學(xué)領(lǐng)域加速了法律信息的公開(kāi)與反饋［5］，有助于發(fā)現(xiàn)好的司法策略、預(yù)測(cè)司法判決和預(yù)警法律風(fēng)險(xiǎn)，幫助法官糾正司法實(shí)踐中的錯(cuò)誤.通過(guò)探究智能系統(tǒng)運(yùn)行過(guò)程和揭示異象原因，反過(guò)來(lái)將促進(jìn)立法的科學(xué)性，完善法學(xué)理論，發(fā)現(xiàn)法律成長(zhǎng)的規(guī)律.

智能技術(shù)應(yīng)用司法審判領(lǐng)域，正深刻地影響和改變著司法審判［6］.法律翻譯軟件、法律文書(shū)自動(dòng)生成系統(tǒng)、在線糾紛處理系統(tǒng)等提高了司法效率，以庭審為中心的智慧法院建設(shè)在法庭語(yǔ)音轉(zhuǎn)錄、光學(xué)字符識(shí)別、文書(shū)糾錯(cuò)、文書(shū)生成等方面取得了長(zhǎng)足進(jìn)步.最高人民法院2018年推出了“類(lèi)案智能推送系統(tǒng)”， 2019年上海推出了公檢法司四機(jī)構(gòu)統(tǒng)一辦案平臺(tái)——“206智能刑事辦案”系統(tǒng)，北京推出了“睿法官”，法信、北大法寶、無(wú)訟、聚法案例等法律科技公司也在推出了一系列類(lèi)案推送系統(tǒng)［7］，然而，關(guān)鍵字和貼標(biāo)簽的方法在實(shí)際運(yùn)行中成效并不顯著.當(dāng)前我國(guó)尚未形成統(tǒng)一的司法數(shù)據(jù)標(biāo)準(zhǔn)，各檢索平臺(tái)使用的數(shù)據(jù)庫(kù)、算法和分析技術(shù)存在差異，案例相似性判定標(biāo)準(zhǔn)也不確定 ［8］，案例推送精準(zhǔn)度有待提高［9］.同時(shí)存在過(guò)度依賴(lài)人工干預(yù)、識(shí)別準(zhǔn)確率低、算法非可視化、顆粒度悖論等客觀技術(shù)瓶頸［10］，法官不得不花費(fèi)大量的時(shí)間和精力進(jìn)行相似案例的閱讀和甄別.簡(jiǎn)言之，目前仍處于“人工有余而智能不足”階段.建立具有綜合分析和預(yù)測(cè)能力的復(fù)雜系統(tǒng)司法智能系統(tǒng)是未來(lái)的發(fā)展方向.

人們探討法律與科學(xué)、技術(shù)的深度融合，也要意識(shí)到計(jì)算模型的脆弱性和難以檢測(cè)性，更要關(guān)注技術(shù)對(duì)法律領(lǐng)域帶來(lái)的偏見(jiàn)、失控與誤導(dǎo)，應(yīng)當(dāng)從司法信息的獲取到司法智能裁量模型運(yùn)行使用的全過(guò)程，構(gòu)建風(fēng)險(xiǎn)防范措施和運(yùn)行保障制度.首先，法律信息如何轉(zhuǎn)換為可計(jì)算的法律信息，怎樣提高司法信息的有效性；其次，智能技術(shù)在法律信息處理中扮演怎樣的角色，如何在司法裁量模型中融入價(jià)值判斷；如何對(duì)司法智能裁量系統(tǒng)進(jìn)行合理的監(jiān)督與審核;最后，類(lèi)案的判定是司法智能裁量模型建立的難點(diǎn)，如何確定案例的相似性.

2 讓數(shù)據(jù)說(shuō)話：可計(jì)算的法律信息

大數(shù)據(jù)分析將數(shù)學(xué)算法應(yīng)用在海量數(shù)據(jù)上，從而洞察并預(yù)測(cè)事件的發(fā)生.司法智能模型通過(guò)編碼、解碼的過(guò)程，考察法律人對(duì)法律法規(guī)和司法案例的解釋過(guò)程，讓審判規(guī)則有跡可循，從龐大的司法語(yǔ)料庫(kù)中發(fā)現(xiàn)其主張的社會(huì)價(jià)值，找到更好的司法智慧.

2.1 計(jì)算思維在法學(xué)的應(yīng)用

計(jì)算思維是進(jìn)行問(wèn)題求解、系統(tǒng)設(shè)計(jì)等一系列思維活動(dòng)，利用啟發(fā)式的推理來(lái)尋求解答，采用各種搜索策略來(lái)解決實(shí)際問(wèn)題［11］.計(jì)算思維與人們的工作和生活息息相關(guān)，已經(jīng)成為人們必備的一種生存能力，計(jì)算思維奠定了法律知識(shí)計(jì)算的思想基礎(chǔ).

計(jì)算思維采用抽象和分解來(lái)設(shè)計(jì)龐大復(fù)雜的系統(tǒng)，通過(guò)分解、模式識(shí)別、抽象化和算法等4個(gè)步驟進(jìn)行知識(shí)計(jì)算，解決各種背景和學(xué)科中真實(shí)和重要問(wèn)題.受技術(shù)因素影響，律師的工作由量身定制、標(biāo)準(zhǔn)化服務(wù)轉(zhuǎn)到知識(shí)模塊化外包服務(wù)，各項(xiàng)法律任務(wù)被拆解，譬如訴訟律師的工作分解為文件審閱、法律研究、項(xiàng)目管理、訴訟支持、電子披露、策略、戰(zhàn)術(shù)、談判和法庭辯論等.這類(lèi)以抽象、算法和規(guī)模為特征解決問(wèn)題的思維方式使得法律事務(wù)代碼化成為可能［12］，智能合約以計(jì)算的方式呈現(xiàn)法律關(guān)系，司法智能裁量模型通過(guò)對(duì)某類(lèi)案例特征的提取，基于法律規(guī)則和過(guò)往案例的邏輯推理，繼而計(jì)算獲取相似案例及其排序，實(shí)現(xiàn)司法預(yù)測(cè).

2.2 司法信息提取中的問(wèn)題

司法信息是與法有關(guān)的信息和知識(shí)的總和，不僅包括法律法規(guī)、司法案例、司法程序、規(guī)范性文件、法律學(xué)者研究著作等靜態(tài)規(guī)范性文件，也包括了法庭辯論、庭審記錄、案件評(píng)論等動(dòng)態(tài)信息.司法數(shù)據(jù)可對(duì)案件的數(shù)量、分布、審理情況、息訴服判情況、當(dāng)事人特征等基本情況進(jìn)行實(shí)時(shí)分析，還可為類(lèi)案多元糾紛化解機(jī)制的構(gòu)建提供決策依據(jù).當(dāng)前司法信息提取存在的主要問(wèn)題集中在以下幾方面.

（1） 司法信息包含大量多源異構(gòu)的半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù).司法信息包含來(lái)自司法機(jī)關(guān)網(wǎng)站、人民法院和人民檢察院公報(bào)、司法工作年度報(bào)告、新聞發(fā)布會(huì)、報(bào)刊、廣播 、電視等新聞媒體資源，涵蓋法律法規(guī)等規(guī)范性法律文件和過(guò)往案例相關(guān)的信息.這類(lèi)信息來(lái)源廣泛、效力不一、結(jié)構(gòu)不規(guī)范，不易提取.加之，信息以圖片、文字、視頻等多種表現(xiàn)形式，文字、圖片、音視頻轉(zhuǎn)換也可能造成數(shù)據(jù)丟失.

（2） 人工智能輔助裁量系統(tǒng)的司法案例信息來(lái)源不充分，多集中于案卷信息，無(wú)法全面真實(shí)地再現(xiàn)案例的全貌.不少司法審判書(shū)即便讓具有豐富經(jīng)驗(yàn)的法官也很難從中直接獲取其他法官的審理思路，更別說(shuō)讓機(jī)器通過(guò)學(xué)習(xí)而獲得.法官裁量過(guò)程圍繞客觀事實(shí)與法律事實(shí)、規(guī)范語(yǔ)義內(nèi)涵、法規(guī)背后利益等爭(zhēng)議和沖突展開(kāi).裁判是包含了價(jià)值選擇的博弈過(guò)程，而司法裁判文書(shū)僅僅是文字表現(xiàn)的最終審理結(jié)果.裁判文書(shū)數(shù)據(jù)特征隱藏較深，對(duì)司法裁判論證過(guò)程描述不清，直接影響法律模型結(jié)果的實(shí)用性［13］.

（3） 司法案例結(jié)構(gòu)不清、分級(jí)不明確、缺乏必要的清理，法官需要花大量的時(shí)間來(lái)甄別案件是否具有可參照性.以中國(guó)裁判文書(shū)網(wǎng)為基礎(chǔ)數(shù)據(jù)庫(kù)，而裁判文書(shū)網(wǎng)上的案例看似龐大，但案件信息質(zhì)量堪憂.因隱私、保密等原因，公布的案例有限，且地域化信息較強(qiáng)，東部地區(qū)公布的案例明顯多于西部地區(qū)的相關(guān)案例，甚至公布案例中還包含部分信息錯(cuò)誤或不規(guī)范.人工智能推薦案例軟件大多并未區(qū)分案例的等級(jí).僅北大法寶規(guī)定了案例的“參照級(jí)別”，分成指導(dǎo)性案例、經(jīng)典案例、一般案例等.一般來(lái)說(shuō)裁判者多傾向于檢索本院及所屬上級(jí)法院的生效判決［14］.有些案件信息隨時(shí)間推移、國(guó)家政策、價(jià)值觀等變化而失去參考意義，也有案例包含種族和性別歧視信息、政策信息等.這些信息無(wú)法與時(shí)俱進(jìn)，適應(yīng)新形式的需求.以此為基礎(chǔ)將造成新的判決的不公，需要法官對(duì)信息進(jìn)行甄別和排除.

2.3 對(duì)提高司法信息有效性的思考

司法信息是建立司法裁量系統(tǒng)的基礎(chǔ).司法信息來(lái)源的全面性、真實(shí)性和客觀性決定司法裁量系統(tǒng)的優(yōu)劣.為了提高系統(tǒng)的可靠性和精確度，需要提高司法信息的有效性.

首先，司法數(shù)據(jù)的結(jié)構(gòu)化.機(jī)器學(xué)習(xí)對(duì)于輸入的數(shù)據(jù)有著較高格式化的要求，統(tǒng)一判決書(shū)的輸入結(jié)構(gòu)對(duì)于智能系統(tǒng)的處理結(jié)果具有至關(guān)重要的作用.案件信息結(jié)構(gòu)化應(yīng)秉持準(zhǔn)確描述案件事實(shí)和過(guò)程、涵蓋案件事實(shí)的復(fù)雜性與完整性的原則.從裁判文書(shū)來(lái)看，雖然文書(shū)包括案由、原告訴稱(chēng)、被告辯稱(chēng)、本院查明、本院認(rèn)為等格式化的詞語(yǔ)，但很難從司法文書(shū)中發(fā)現(xiàn)法官的判案思路.建議根據(jù)類(lèi)案的特點(diǎn)，對(duì)司法裁判文書(shū)的爭(zhēng)議焦點(diǎn)、事實(shí)認(rèn)定以及法律適用等進(jìn)行結(jié)構(gòu)化的處理.目前法院以及各法律信息檢索公司的結(jié)構(gòu)化法院判決書(shū)的做法可以分為幾類(lèi)：（1）? 增加案件概述：專(zhuān)業(yè)人員用簡(jiǎn)短的話概括案件的基本情況，對(duì)案件內(nèi)容和內(nèi)在的主題的精簡(jiǎn)；（2） 增加案件爭(zhēng)議焦點(diǎn)：專(zhuān)業(yè)人員對(duì)控辯雙方的主要分歧進(jìn)行人工梳理；（3） 案件進(jìn)行要素化處理：將某類(lèi)案件的信息轉(zhuǎn)化為要素填充；（4） 類(lèi)案特征的總結(jié)：分為支持控方的因素和支持辯方的因素.與指導(dǎo)案例類(lèi)似，增加案例概述有利于提煉出案例的啟示，便于其他案例的引用.司法判決書(shū)的“法院認(rèn)定”事實(shí)部分是法官認(rèn)定后的結(jié)論，但法庭辯論更能尋求事實(shí)的真相.案例爭(zhēng)議焦點(diǎn)可對(duì)案件的庭審過(guò)程進(jìn)行還原.司法判決書(shū)的結(jié)構(gòu)化處理有利于案件信息的提取，建議增加案例概述、案例爭(zhēng)議焦點(diǎn)、要素提?。ǚ申P(guān)系與處理結(jié)果較明確的案件）、根據(jù)類(lèi)案特征進(jìn)行案例重述.只有增加裁判文書(shū)的說(shuō)理部分，完善案件事實(shí)認(rèn)定、爭(zhēng)議焦點(diǎn)提取和法律推理論證［15］，裁判文書(shū)案件事實(shí)描述應(yīng)當(dāng)詳實(shí)，法條適用應(yīng)當(dāng)明確，要將判決的理由說(shuō)清說(shuō)透，實(shí)現(xiàn)“說(shuō)得出的正義”［16］.

其次，建立完善的司法程序，嚴(yán)格管理司法信息的存儲(chǔ)、傳遞、清洗等全過(guò)程，采用數(shù)字加密、區(qū)塊鏈技術(shù)等保障司法信息流轉(zhuǎn)中的可靠性與全面性，避免信息被篡改.根據(jù)2018年司法部的《“數(shù)字法治、智慧司法”信息化體系建設(shè)指導(dǎo)意見(jiàn)》［17］，分別建網(wǎng)承載涉密和非涉密業(yè)務(wù)信息，按照安全自主可控要求，構(gòu)建高標(biāo)準(zhǔn)的安全防護(hù)體系， 筑牢平臺(tái)建設(shè)和網(wǎng)絡(luò)安全防線，確保網(wǎng)絡(luò)和數(shù)據(jù)安全.值得注意，司法信息公開(kāi)應(yīng)注意保護(hù)訴訟參與人的隱私權(quán)和個(gè)人信息，平衡公眾知情權(quán)和隱私權(quán)、個(gè)人信息權(quán)益［18］.如果即將公開(kāi)的司法信息將促進(jìn)公共利益，則需要在隱私權(quán)與公益促進(jìn)法益之間進(jìn)行利益衡量，從而決定司法信息公開(kāi)的時(shí)間、方式、程度和內(nèi)容［19］.

最后，拓寬司法信息來(lái)源.我國(guó)司法判決形成過(guò)程中的部分關(guān)鍵信息并未在裁判文書(shū)中完全獲取，如事實(shí)確定過(guò)程、法官判決后所撰寫(xiě)的審判報(bào)告、以及一些酌定情節(jié)及其理由.建議將更多的案件信息如起訴書(shū)、庭審過(guò)程、法律論辯、證據(jù)確定等案件材料作為類(lèi)案檢索的基礎(chǔ)數(shù)據(jù)來(lái)源，便于更好地尋找法官司法裁判的邏輯思路與判案技巧.

通過(guò)類(lèi)案裁判文書(shū)的規(guī)范化，增加說(shuō)理部分，并將歷史案件的裁判邏輯進(jìn)行圖譜化歸納，法官根據(jù)裁判要點(diǎn)，才能真正快速發(fā)現(xiàn)所需解決疑難案件的解題思路，提高智能裁判系統(tǒng)的精準(zhǔn)檢索率，找到其期望的“類(lèi)案”.

3 核心：司法裁量模型中的價(jià)值判斷

法律具有特定的價(jià)值：正義、強(qiáng)力、安全、均衡，主體的平等權(quán)利尤為重要［20］，司法本質(zhì)是通過(guò)價(jià)值判斷的裁判權(quán)，法律推理過(guò)程通過(guò)法律論證實(shí)現(xiàn)依法裁判追求個(gè)案正義［21］.當(dāng)前許多智能系統(tǒng)往往無(wú)法應(yīng)對(duì)法律推理中的價(jià)值評(píng)判與利益衡量問(wèn)題，忽視了法律推理的多元化、立體化形態(tài).

3.1 司法裁量模型應(yīng)加入價(jià)值觀念

龐德認(rèn)為法律秩序的實(shí)際過(guò)程，是用經(jīng)驗(yàn)（反復(fù)試驗(yàn)和司法上的取舍）和理性（法學(xué)家指定的各種假設(shè)）去發(fā)現(xiàn)有助于調(diào)整各種沖突或重疊利益的東西［22］.法官并不是在形式數(shù)學(xué)意義上適用法律的“自動(dòng)售貨機(jī)”，其適用和解釋法律規(guī)范的過(guò)程需要價(jià)值判斷［23］.法律事實(shí)的認(rèn)定過(guò)程、法規(guī)的選擇、裁量的輕重等都與法官密切相關(guān)，法官的價(jià)值、觀念和態(tài)度對(duì)于他們?cè)诜ㄍド系耐评砗团袥Q有著重要的決定性作用［22］.法官根據(jù)社會(huì)經(jīng)驗(yàn)以及道德、正義等觀念的理解，有比較明確的價(jià)值觀念.譬如，明代官員海瑞在出現(xiàn)疑難訴訟時(shí)確定了“與其屈兄，寧屈其弟；與其屈叔伯，寧屈其侄……”的辦案原則［24］.

司法裁量系統(tǒng)是數(shù)據(jù)驅(qū)動(dòng)的系統(tǒng)，通過(guò)輸入→特定任務(wù)的學(xué)習(xí)→自動(dòng)決策的方式，進(jìn)行司法預(yù)測(cè).建立司法裁量模型，系統(tǒng)開(kāi)發(fā)人員對(duì)數(shù)據(jù)的選擇、數(shù)據(jù)分析和數(shù)據(jù)呈現(xiàn)等決定了系統(tǒng)如何運(yùn)行.以技術(shù)外殼，看起來(lái)價(jià)值無(wú)涉，但價(jià)值優(yōu)先權(quán)的內(nèi)置，作為技術(shù)應(yīng)用的副產(chǎn)品，能夠強(qiáng)化社會(huì)某些價(jià)值觀念.如果“喂入”系統(tǒng)的數(shù)據(jù)本身就帶有歧視信息，這類(lèi)信息的輸入反過(guò)來(lái)又會(huì)進(jìn)一步加劇歧視與不公平.目前美國(guó)的一些人工智能輔助司法的系統(tǒng)諸如Hunch Lab、COMPAS等飽受質(zhì)疑，黑人成為警察監(jiān)控的重點(diǎn)，被錯(cuò)誤判斷為“有罪”的概率明顯高于白人［25］.

司法案例或法律文本中隱含了立法者或法官的價(jià)值，反映了相互沖突的價(jià)值和因素之間的偏好規(guī)則.司法裁量模型有利于發(fā)現(xiàn)法官群體價(jià)值走向，更好地保障公民的人權(quán)，彰顯公平正義.人工智能與法律研究者早就意識(shí)到這個(gè)問(wèn)題.Ashley等［24］具體分析了考慮價(jià)值的司法裁判模型中價(jià)值如何影響司法事實(shí)的認(rèn)定.HYPO知識(shí)產(chǎn)權(quán)預(yù)測(cè)模型中，隱藏的價(jià)值是應(yīng)制定和實(shí)施明確的保密協(xié)議以及允許某人使用合法手段開(kāi)發(fā)產(chǎn)品，其價(jià)值排序：保密協(xié)議優(yōu)于合法手段，合法手段優(yōu)于合法努力［26］.價(jià)值選擇貫穿了整個(gè)司法裁量模型的始終，事實(shí)上價(jià)值對(duì)事實(shí)認(rèn)定和裁量結(jié)果起到了決定性的作用，智能系統(tǒng)中加入司法的價(jià)值考量是發(fā)展的必然趨勢(shì).

首先，司法論證本質(zhì)上是圍繞法律事實(shí)和價(jià)值展開(kāi)，如何將傳統(tǒng)法學(xué)研究的價(jià)值觀念融入司法裁量模型是司法裁量模型構(gòu)建的核心問(wèn)題.大多司法情形可事先假定，人類(lèi)有一套價(jià)值觀和可接受的價(jià)值排序，基于價(jià)值的論證方案，讓智能主體能夠基于價(jià)值偏好進(jìn)行選擇［27］.一些現(xiàn)行探索者提出建立司法裁量模型中強(qiáng)調(diào)了系統(tǒng)預(yù)測(cè)依賴(lài)于背景、價(jià)值和規(guī)則［28］.簡(jiǎn)言之，構(gòu)建司法裁量模型時(shí)將智能主體置于具體推理場(chǎng)景中，通過(guò)控辯雙方的論證確定法律事實(shí)，依據(jù)法律法規(guī)以及人們的價(jià)值觀進(jìn)行事先預(yù)設(shè).

其次，構(gòu)建司法裁量系統(tǒng)時(shí)應(yīng)將價(jià)值選擇權(quán)交由使用者，防止技術(shù)人員越廚代庖，事先進(jìn)行價(jià)值植入.算法殺熟、信息繭房［29］是以技術(shù)為外包裝的對(duì)主體平等權(quán)利的侵害，建立司法智能裁量模型加入價(jià)值預(yù)設(shè)時(shí)應(yīng)防止技術(shù)人員或智能輔助系統(tǒng)提供人員的價(jià)值強(qiáng)制植入.司法智能裁量模型設(shè)計(jì)過(guò)程中的決策與價(jià)值偏好密切相關(guān).表面上看技術(shù)人員采用價(jià)值中立的立場(chǎng)，實(shí)際上技術(shù)人員的價(jià)值觀在使用技術(shù)時(shí)已悄悄植入.技術(shù)設(shè)計(jì)的選擇提升特定價(jià)值，促進(jìn)社會(huì)潛規(guī)則，更為重要的這種價(jià)值植入并非有意，而是以技術(shù)、效率或功能為名的設(shè)計(jì)方案的副產(chǎn)品［30］.因此，技術(shù)人員算法編寫(xiě)不應(yīng)只考慮技術(shù)最優(yōu)，而應(yīng)更多關(guān)注司法適用對(duì)人的尊重［31］，更多地盡到告知義務(wù)，將價(jià)值選擇權(quán)交由系統(tǒng)的使用者決定.

最后，司法裁量模型的價(jià)值觀念也許并非單個(gè)主體而是多個(gè)主體觀念的綜合.司法裁判與醫(yī)生的診斷類(lèi)似，當(dāng)判決結(jié)果不確定時(shí)，可以讓更多的法官和利益相關(guān)人“會(huì)診”，通過(guò)論證博弈的方式，找尋雙方都能接受的裁判方式.（1） 司法裁判是多種價(jià)值交織在一起，做出價(jià)值排序是一件艱難的事.不同法官對(duì)同一案例，因?yàn)榉ü僭谧非鬁?zhǔn)確地認(rèn)定事實(shí)和適用法律之外，也追求其他諸多目標(biāo).例如社會(huì)效果、領(lǐng)導(dǎo)或公眾的認(rèn)可、晉升調(diào)薪、及時(shí)結(jié)案等［32］.價(jià)值選擇沖突最為突出的是自動(dòng)駕駛汽車(chē)的事故引發(fā)的道德和法律困境.自動(dòng)駕駛過(guò)程中若無(wú)法避免撞到行人，那么自動(dòng)駕駛車(chē)是撞向一個(gè)人還是一群人，是撞老人還是孩子？（2） 價(jià)值的判斷主體并非個(gè)人，而是多個(gè)主體在不同階段做出的價(jià)值判斷的綜合.無(wú)人駕駛車(chē)將犧牲誰(shuí)的利益這個(gè)選擇權(quán)的設(shè)定尤其關(guān)鍵.如果價(jià)值預(yù)設(shè)是生產(chǎn)者，則生產(chǎn)者富有不可推卸的“殺人”責(zé)任.如果將這倫理難題交給使用者或乘客，由他們的價(jià)值倫理觀念決定了自動(dòng)汽車(chē)危及時(shí)的處置方法［33］，可以幫助他們選擇更有利的處置方式.（3） 建立司法裁量模型時(shí)將價(jià)值觀念融入司法案例的法律推理的實(shí)際場(chǎng)景中.價(jià)值觀念并不是指抽象的價(jià)值排序，而是在具體的事實(shí)場(chǎng)景中分析司法結(jié)果對(duì)價(jià)值觀念的影響.例如，彭宇做好事被誣陷案中，雖然法官按照法律的推理沒(méi)錯(cuò)，但其產(chǎn)生的后果會(huì)對(duì)傳統(tǒng)的價(jià)值觀念產(chǎn)生巨大的沖擊.法律推理并非是一一對(duì)應(yīng)的單調(diào)推理，而是依賴(lài)語(yǔ)境，具有容錯(cuò)性和不確定性的非單調(diào)推理［34］.Bench-Capon構(gòu)建了法律事實(shí)與法律價(jià)值相互影響的理論模型，價(jià)值優(yōu)先性決定了可廢止規(guī)則的優(yōu)先性［35］.

3.2 智能系統(tǒng)的價(jià)值審核和監(jiān)督機(jī)制

大數(shù)據(jù)殺熟、算法歧視讓人們更清醒地認(rèn)識(shí)到數(shù)據(jù)的偽裝性，更關(guān)注結(jié)論的正義性與可用性，迫切地需要建立包括數(shù)據(jù)傳導(dǎo)、偏離預(yù)警、系統(tǒng)自控、系統(tǒng)有效性評(píng)估、專(zhuān)業(yè)人員監(jiān)管等機(jī)制，讓法官、律師和法律學(xué)者可以評(píng)估模型的合理性.將智能系統(tǒng)用到司法領(lǐng)域，則應(yīng)尤其慎重，其傷害的是人們對(duì)法治的信仰.法律人需要對(duì)司法裁量模型使用的背景、整體的價(jià)值觀以及采用的規(guī)則進(jìn)行審核.注重通過(guò)持續(xù)的審查與檢驗(yàn)確保其有效更新，使算法決策減少偏見(jiàn)和無(wú)意識(shí)歧視的影響，以保障其符合司法價(jià)值的內(nèi)涵［36］.

首先，司法智能裁量系統(tǒng)應(yīng)引入監(jiān)管與評(píng)估機(jī)制，建立事前審核和事后監(jiān)督機(jī)制.《中華人民共和國(guó)電子商務(wù)法》和《中華人民共和國(guó)網(wǎng)絡(luò)安全法》中規(guī)定了與算法相關(guān)的條款，應(yīng)從事前規(guī)制、事中監(jiān)測(cè)、事后救濟(jì)和追責(zé)三個(gè)方面將智能算法納入到監(jiān)管之中.有些司法數(shù)據(jù)來(lái)源本身不合規(guī)范，且侵犯了個(gè)人的隱私權(quán)或信息有誤.2022年5月18日我國(guó)第一家數(shù)據(jù)資源法庭溫州市甌海區(qū)人民法院正式掛牌成立［37］，用于解決數(shù)據(jù)生產(chǎn)、儲(chǔ)存、使用、交易等各環(huán)節(jié)中的違法行為.數(shù)據(jù)資源使用前需要明確數(shù)據(jù)來(lái)源、使用規(guī)則、排除標(biāo)準(zhǔn)、司法裁量要素選擇原則、權(quán)重系數(shù)的選取方式、價(jià)值沖突處理原則等，便于法律人理性地審視司法裁量模型的公平性與合理性.司法裁量系統(tǒng)事前審核程序是其獲得實(shí)際應(yīng)用的前提，必須經(jīng)過(guò)審核、整改才能投入使用，同時(shí)在智能系統(tǒng)使用過(guò)程中進(jìn)行監(jiān)督.

其次，司法智能裁量模型的應(yīng)用，應(yīng)由相關(guān)審核部門(mén)引入算法影響評(píng)估和告知義務(wù)，對(duì)其內(nèi)容進(jìn)行全方位的評(píng)估［38］.當(dāng)智能系統(tǒng)運(yùn)行與法官的判斷有較大偏差時(shí)，審核人員要叫停系統(tǒng)，并讓系統(tǒng)設(shè)計(jì)者對(duì)其進(jìn)行修正和重新評(píng)估.法律人作為社會(huì)公平運(yùn)行的監(jiān)督員，應(yīng)當(dāng)做好“守門(mén)員”角色.當(dāng)法官發(fā)現(xiàn)有歧視行為時(shí)，應(yīng)對(duì)相關(guān)案例進(jìn)行標(biāo)注和說(shuō)明，對(duì)以后的引用產(chǎn)生影響，且要由審核人員進(jìn)行甄別和修正.審核和監(jiān)督的程序可以嵌入司法智能系統(tǒng)中.與車(chē)輛提示駕駛員除非先通過(guò)自帶的吹氣酒精測(cè)試，否則車(chē)輛不打火的程序相類(lèi)似［12］，沒(méi)有經(jīng)過(guò)審核和消歧的系統(tǒng)不能自動(dòng)給出預(yù)測(cè)結(jié)果.簡(jiǎn)言之，通過(guò)算法審核抑制代碼歧視風(fēng)險(xiǎn)，并建立非歧視準(zhǔn)則規(guī)范人工智能開(kāi)發(fā)、利用行為［39］.

第三，建立外部算法問(wèn)責(zé)制度，明確算法設(shè)計(jì)者、算法使用平臺(tái)和算法審核或監(jiān)督人的法律責(zé)任.司法智能裁量系統(tǒng)涉及軟件開(kāi)發(fā)者、設(shè)計(jì)者、使用者、監(jiān)督機(jī)構(gòu)等幾方主體.他們?cè)谥悄芟到y(tǒng)設(shè)計(jì)和使用的不同階段應(yīng)當(dāng)進(jìn)行責(zé)任分擔(dān)，明確界定追責(zé)與免責(zé)之邊界［40］.2021年4月21日歐洲委員會(huì)通過(guò)了“人工智能法案”，該法案指出人工智能系統(tǒng)提供者負(fù)有使用前的評(píng)估和投入市場(chǎng)之后的監(jiān)控責(zé)任［41］.在系統(tǒng)的開(kāi)發(fā)階段，智能系統(tǒng)的責(zé)任主體在企業(yè)，企業(yè)設(shè)置內(nèi)部監(jiān)督機(jī)制，同時(shí)需要監(jiān)督人員的嵌入或事前評(píng)估.運(yùn)營(yíng)階段用戶(hù)是責(zé)任主體，仍需要開(kāi)發(fā)企業(yè)的回訪與監(jiān)督機(jī)構(gòu)的事后評(píng)價(jià)，通過(guò)多維度對(duì)智能系統(tǒng)內(nèi)部構(gòu)成和外在關(guān)聯(lián)進(jìn)行系統(tǒng)性審視［42］.2022年12月最高人民法院《關(guān)于規(guī)范和加強(qiáng)人工智能司法應(yīng)用的意見(jiàn)》“透明可信原則”強(qiáng)調(diào)：保障人工智能系統(tǒng)可解釋、可測(cè)試、可驗(yàn)證的方式接受相關(guān)責(zé)任主體的審查、評(píng)估和備案［43］.通過(guò)合理分配人工智能軟件的技術(shù)人員、軟件的開(kāi)發(fā)商、軟件的最終用戶(hù)等的責(zé)任，讓智能系統(tǒng)的運(yùn)行更透明，責(zé)任分擔(dān)更明確.

第四，司法信息的審核和消歧程序.司法信息中可能存在種族和性別歧視信息，技術(shù)人員將法律規(guī)則轉(zhuǎn)化為代碼的過(guò)程中也帶有人類(lèi)文化中固有的偏見(jiàn)，則司法裁量模型的輸出結(jié)果也不可避免地存在歧視和偏向，需要對(duì)裁判文書(shū)中的歧視、價(jià)值選擇錯(cuò)誤等不當(dāng)趨向進(jìn)行標(biāo)注、提示、清理，警惕數(shù)字“喂養(yǎng)”中風(fēng)險(xiǎn).大數(shù)據(jù)應(yīng)用于司法領(lǐng)域?qū)σ恍┗緳?quán)利和法律價(jià)值構(gòu)成挑戰(zhàn)，應(yīng)遵循合法性原則、比例原則，加強(qiáng)外部監(jiān)督和司法監(jiān)督［44］.20世紀(jì)70年代由法學(xué)和計(jì)算機(jī)科學(xué)的學(xué)者與行政官員一道組成的“斯坦利屋工作組”（Stanley House）認(rèn)為算法設(shè)計(jì)應(yīng)注入“人化”的價(jià)值，即保持透明、公平、不作惡、可問(wèn)責(zé)與隱私原則.GitHub公布了三個(gè)算法治理開(kāi)源工具Deon、Model Cards與AI Fairness 360，用于審計(jì)個(gè)人信息保護(hù)、數(shù)據(jù)安全、數(shù)據(jù)集偏見(jiàn)、算法公平、可解釋性等問(wèn)題［45］.

最后，需要有專(zhuān)業(yè)審核人員對(duì)司法智能裁量系統(tǒng)的運(yùn)行進(jìn)行全程監(jiān)督與評(píng)估.知識(shí)和數(shù)據(jù)融合復(fù)雜推理技術(shù)不足（如過(guò)度擬合、信息來(lái)源不充分、案例部分細(xì)節(jié)過(guò)度放大以及智能技術(shù)不收斂等）或模型的價(jià)值偏差（如種族歧視、偏見(jiàn)等）都可能造成司法裁量系統(tǒng)偏離法官期望，所以需要專(zhuān)業(yè)人員進(jìn)行監(jiān)督、審核與糾偏.審核的人員可由技術(shù)專(zhuān)家、法學(xué)專(zhuān)家、社會(huì)公眾代表等相關(guān)人員的參與組成，可以是類(lèi)似于審計(jì)公司的第三方獨(dú)立機(jī)構(gòu)，也可以是法院或政府機(jī)構(gòu)的專(zhuān)業(yè)審核人員.審核人員從系統(tǒng)規(guī)劃、設(shè)計(jì)、運(yùn)營(yíng)全過(guò)程參與，剔除和減少倫理不合規(guī)的系統(tǒng)設(shè)計(jì)，保障設(shè)計(jì)的系統(tǒng)符合司法建設(shè)的要求.

3.3 促進(jìn)算法公開(kāi)和可解釋性

算法黑箱是人們恐懼智能技術(shù)的根源，它是由算法的技術(shù)性特征造成的［46］，開(kāi)發(fā)人員的個(gè)人價(jià)值選擇因素以技術(shù)為包裹變得更為隱蔽.司法裁量模型的輸入部分是案例的信息和訴訟事由，輸出是法官的裁判結(jié)論，連接輸入與輸出的往往是復(fù)雜和不透明的人工智能技術(shù)基于相似案例統(tǒng)計(jì)得出的一組近似結(jié)論.計(jì)算參數(shù)的輕微變化能夠極大地改變計(jì)算結(jié)果，計(jì)算缺乏約束且代碼無(wú)法理解，程序易演變成“黑箱”.

首先，解開(kāi)算法黑箱的第一步是算法公開(kāi).電氣和電子工程師協(xié)會(huì)（IEEE）倡導(dǎo)AI程序源代碼公開(kāi)、對(duì)源代碼進(jìn)行解釋等措施使開(kāi)放資源和促進(jìn)代碼透明化，減少信息不公開(kāi)和程序包含的錯(cuò)誤.法律技術(shù)公司應(yīng)采用使用者喜好的方式，運(yùn)用機(jī)器學(xué)習(xí)、語(yǔ)義處理和行為實(shí)驗(yàn)等技術(shù)向用戶(hù)進(jìn)行有針對(duì)性的信息披露［47］.

其次，算法可解釋性的關(guān)鍵是讓法律專(zhuān)業(yè)人員理解系統(tǒng)的運(yùn)行.算法是經(jīng)過(guò)訓(xùn)練數(shù)據(jù)集而不斷進(jìn)行調(diào)整優(yōu)化產(chǎn)生的.運(yùn)行結(jié)果具有一定的隱蔽性和不確定性，難以發(fā)現(xiàn)技術(shù)人員的價(jià)值選擇和傾向.即便輸入相同的數(shù)據(jù)，由于算法編程邏輯和學(xué)習(xí)方式不一致，運(yùn)行結(jié)果也會(huì)產(chǎn)生較大的偏差.算法的可解釋性強(qiáng)調(diào)算法必須為數(shù)據(jù)主體或終端用戶(hù)所理解［48］，通過(guò)人機(jī)互動(dòng)、知識(shí)圖譜等方式增加數(shù)據(jù)的可解釋性，進(jìn)而對(duì)數(shù)據(jù)的可用性、合規(guī)性和合法性進(jìn)行判斷.技術(shù)代碼代表的司法意義、運(yùn)行潛在的危害、價(jià)值沖突時(shí)程序的選擇等應(yīng)有數(shù)據(jù)工程師類(lèi)專(zhuān)業(yè)人員進(jìn)行判斷.2019年6月，我國(guó)科技部頒布的《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》提出“安全可控”的原則，即要求人工智能技術(shù)“可審核、可監(jiān)督、可追溯、可信賴(lài)”.歐盟明確提出了算法“解釋權(quán)”概念，即“數(shù)據(jù)主體有權(quán)獲得人工干預(yù)，表達(dá)其觀點(diǎn)，獲得針對(duì)自動(dòng)化決策的解釋并提出異議的權(quán)利”［36］.技術(shù)人員價(jià)值植入將造成新的歧視與不公平，算法的公開(kāi)和可解釋能在一定程度上減少司法信息的歧視和被人為操縱的可能性.由于復(fù)雜模型的參數(shù)量大、工作機(jī)制復(fù)雜、透明性低，使得其難以得到較好的解釋?zhuān)?9，50］.只有當(dāng)司法論證過(guò)程、結(jié)論和法律行為的動(dòng)機(jī)都能夠用法律人能夠理解的方式進(jìn)行解釋?zhuān)?1］，并能驗(yàn)證其行為合法性，才能確保不諳熟統(tǒng)計(jì)學(xué)的法官、律師、學(xué)者對(duì)司法裁判模型的合理性進(jìn)行評(píng)判.

最后，算法的可解釋性在于法律推理過(guò)程的公開(kāi).譬如司法論證用于法庭信息，支持與反對(duì)的信息進(jìn)行可廢止論證博弈，充分展示系統(tǒng)做出判決的論證過(guò)程.司法實(shí)踐中研究人員為讓系統(tǒng)具有可解釋性做了積極地探索.總體來(lái)說(shuō)有三種方式：第一類(lèi)人工標(biāo)注司法解釋?zhuān)醋尫扇藢?duì)司法文書(shū)進(jìn)行大規(guī)模的標(biāo)注，之后再進(jìn)行相關(guān)性的排序，查詢(xún)相關(guān)案例［52］；第二類(lèi)基于注意網(wǎng)絡(luò)的案例查詢(xún)和半監(jiān)督案例注釋?zhuān)捎米⒁饩W(wǎng)絡(luò)預(yù)測(cè)或注意權(quán)重突出相關(guān)性較強(qiáng)的案例，避免了對(duì)全法律信息的標(biāo)注［53］；第三類(lèi)基于論證的法律解釋?zhuān)茨M法官或律師做出司法決策的過(guò)程通過(guò)一方列舉相似類(lèi)比案件，應(yīng)訴方引用反例，提出假設(shè)來(lái)強(qiáng)化或弱化論證的方式討論案件的相關(guān)性，從而對(duì)司法智能裁量模型的運(yùn)行進(jìn)行有益的解釋?zhuān)?4］.

4 難點(diǎn)：類(lèi)案的推薦

德國(guó)哲學(xué)家考夫曼指出：“同案同判”表現(xiàn)了法律適用上的平等，是正義的核心［55］.類(lèi)案是法官尋求判決確信和解決疑難案件的一種方式.類(lèi)案類(lèi)判是人們追求司法公正和司法穩(wěn)定的基本要求.我國(guó)司法實(shí)踐也要求制作關(guān)聯(lián)案件和類(lèi)案檢索報(bào)告.如何用機(jī)器學(xué)習(xí)融合案例的各種特征幫助人類(lèi)找到相似案例是建立司法智能裁量模型進(jìn)行法律推理的關(guān)鍵問(wèn)題.

4.1 類(lèi)案判定的困境

案例具有引領(lǐng)社會(huì)導(dǎo)向以及塑造法治未來(lái)的功能，新的判決賦予了案例新時(shí)代內(nèi)涵并緩解法律規(guī)范滯后性的難題.人們對(duì)智能裁判最大的期盼在通過(guò)查詢(xún)類(lèi)案，對(duì)“疑難案件”給予指引.然而，當(dāng)前司法實(shí)踐中人工智能類(lèi)案檢索系統(tǒng)不同程度地存在“湊數(shù)”和“過(guò)量”的情況［56］.

首先，何為“類(lèi)案”一直存在爭(zhēng)議，建立司法智能裁量系統(tǒng)采用的標(biāo)準(zhǔn)不一.有人將案例相似性判定的依據(jù)歸結(jié)為三種：案例引用、案例內(nèi)容和案例的概要［57］.也有人認(rèn)為，案例相似是案件事實(shí)、法律關(guān)系和案件爭(zhēng)議焦點(diǎn)的相似.我國(guó)最高人民法院2020年《最高人民法院關(guān)于統(tǒng)一法律適用加強(qiáng)類(lèi)案檢索的指導(dǎo)意見(jiàn)（試行）》進(jìn)行了界定：類(lèi)案是指與待決案件在基本事實(shí)、爭(zhēng)議焦點(diǎn)、法律適用問(wèn)題等方面具有相似性，且已經(jīng)人民法院裁判生效的案件.案件關(guān)鍵事實(shí)是法律相似性判斷的基本出發(fā)點(diǎn)，案情、爭(zhēng)議焦點(diǎn)與法律適用相結(jié)合，更為全面的描述案件的特征.

其次，司法智能裁量系統(tǒng)的法律邏輯推理較為欠缺.人工智能可以幫助人類(lèi)進(jìn)行事實(shí)拆解和標(biāo)簽化，從而提取法律信息語(yǔ)義特征、獲取特征權(quán)重和通過(guò)反饋學(xué)習(xí)提高系統(tǒng)性能［6］.當(dāng)前的智能系統(tǒng)大多通過(guò)對(duì)輸入的案件進(jìn)行解構(gòu)，抽取出案件中最小要素，再進(jìn)行要素選擇及組合，從而進(jìn)行類(lèi)案推薦［58］.司法裁量模型中案件被拆分為：案件名稱(chēng)、案由、當(dāng)事人名稱(chēng)、原告訴稱(chēng)、被告辯稱(chēng)、審理經(jīng)過(guò)、爭(zhēng)議焦點(diǎn)、本院查明、本院認(rèn)為、法律依據(jù)、裁判文書(shū)等基本信息.為提高相似案例的精度，有些公司采用人工對(duì)案例進(jìn)行人工標(biāo)準(zhǔn)，將每個(gè)司法案例由法律人進(jìn)行識(shí)別和加標(biāo)簽，用戶(hù)搜索時(shí)再用關(guān)鍵詞與系統(tǒng)中的標(biāo)簽進(jìn)行對(duì)比，最終推送標(biāo)簽最為類(lèi)似或相近的案例.司法裁量模型輸入是案件事實(shí)，輸出是法官的裁量，而運(yùn)行的過(guò)程是復(fù)雜和不可控的.如果僅通過(guò)大規(guī)模的法律標(biāo)簽比對(duì)而法律人無(wú)法對(duì)比對(duì)過(guò)程中的核心法律技術(shù)細(xì)節(jié)和過(guò)程進(jìn)行評(píng)判，司法裁判系統(tǒng)判定的相似案例的參考價(jià)值將大大削弱.

第三，類(lèi)案的判定與個(gè)案所處的情境密切相關(guān).司法裁量系統(tǒng)忽略?xún)r(jià)值與個(gè)案背景的輸入，司法論證過(guò)程表現(xiàn)不充分，則獲得的類(lèi)案不準(zhǔn)確.讓機(jī)器進(jìn)行相似案例的判定尤其需要提前設(shè)定相似案例判定的原則、標(biāo)準(zhǔn)，不能將輸出結(jié)果的無(wú)因性完全歸結(jié)于技術(shù)原因.案例相似性評(píng)判的基礎(chǔ)是案件的事實(shí)，其相似性判定有賴(lài)于與案件論證相關(guān)的事實(shí)背景的詳細(xì)輸入.以經(jīng)典HYPO海波系統(tǒng)為例，輸入是當(dāng)前事實(shí)情境，輸出包括：（1） 將當(dāng)前實(shí)時(shí)情境與支持原告案例進(jìn)行類(lèi)比論證；（2） 從當(dāng)前事實(shí)情境中區(qū)分被引案例的論證，論證支持被告的反例；（3） 對(duì)反證案例進(jìn)行反駁，在可能的情況下強(qiáng)化原告在當(dāng)前事實(shí)情境中的論證［6］.

最后，人工智能難以對(duì)法官的裁判思維進(jìn)行清晰刻畫(huà).法官期望的“類(lèi)案”并非案件的案由相似或是案情的完全一致，只是希望某些案例事實(shí)認(rèn)定或是法律適用能夠參照其他法官的裁判思路與技巧，如何搜索出法官所需案件的判決規(guī)則和判決思路.司法裁判文書(shū)是人工智能模型建立主要來(lái)源.判決書(shū)本身經(jīng)過(guò)了法律語(yǔ)言的二次處理，各種隱性知識(shí)或是法官的個(gè)人考慮因素?zé)o法在判決書(shū)中盡述.判決書(shū)中法律參與人在法庭上的論證過(guò)程往往一筆帶過(guò)，對(duì)司裁判辯論過(guò)程描述不清晰，裁判理由說(shuō)明不充分.這些過(guò)程信息、隱性信息的缺失導(dǎo)致了法官裁判規(guī)則無(wú)法清晰刻畫(huà)，法律人尚不能透過(guò)文字發(fā)現(xiàn)法官的審判規(guī)則.將專(zhuān)業(yè)人士無(wú)法回答的問(wèn)題交給機(jī)器，自然難以獲得滿意的答案.

4.2 法律專(zhuān)家系統(tǒng)描述

人工智能技術(shù)推薦相似案例大體有兩類(lèi)思路：（1）建立案例引用網(wǎng)絡(luò)來(lái)發(fā)現(xiàn)案例相似性.這類(lèi)方法僅對(duì)有案例援引習(xí)慣的國(guó)家有效，且案例援引的不平衡，帶有一定局限性.（2）采用神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)的方法對(duì)比分析案例的相似性.這是建立司法智能裁量模型的主要方法.司法智能裁量系統(tǒng)通過(guò)模擬法官法律推理的過(guò)程，進(jìn)行支持和反對(duì)法律結(jié)論的論證，從而進(jìn)行司法預(yù)測(cè)與類(lèi)案推薦，專(zhuān)家系統(tǒng)、基于當(dāng)前智能技術(shù)的計(jì)算模型以及認(rèn)知計(jì)算系統(tǒng)都是該方法的具體應(yīng)用.

法律專(zhuān)家系統(tǒng)是人工智能與法律相結(jié)合的最經(jīng)典的解決方案，既讓法官、律師從繁蕪的事務(wù)中解放出來(lái)，又讓專(zhuān)家系統(tǒng)的運(yùn)行符合法律人的期望.專(zhuān)家系統(tǒng)將人工判斷、層次分析法、模擬和模糊系統(tǒng)相結(jié)合［59］，類(lèi)似于“簡(jiǎn)單案件——法律適用量刑系統(tǒng)”，沒(méi)有對(duì)證成階段的證據(jù)推理和法律適用階段的法律解釋進(jìn)行模擬［60］.早期人工智能與法律研究多集中于法律專(zhuān)家系統(tǒng)的建構(gòu)，人們輸入當(dāng)前遇到的法律問(wèn)題，通過(guò)法律語(yǔ)義識(shí)別系統(tǒng)，獲取到相關(guān)法律要點(diǎn)，再搜尋相關(guān)類(lèi)似案例從過(guò)去的司法案例中類(lèi)推出當(dāng)前案例的可能解決策略，或是手動(dòng)詢(xún)問(wèn)人類(lèi)專(zhuān)家，了解專(zhuān)家分析此類(lèi)問(wèn)題所采用的規(guī)則，完善推理過(guò)程.以HYPO模型為代表法律智能學(xué)習(xí)模型，首先案件事實(shí)被分解為各種因素或特征，這些特征矢量可被看成高維空間中的點(diǎn)，尋找與目標(biāo)案例相匹配的點(diǎn)，反饋給用戶(hù)超過(guò)相似度閾值的案例.這些因素被分為“支持”和“反對(duì)”兩個(gè)陣營(yíng)，通過(guò)建立基于論證的模型，更容易識(shí)別案例的相似性與不同［51］.

圖1 法律專(zhuān)家系統(tǒng)的結(jié)構(gòu)圖

Fig.1 Diagram for legal experts

但是法律專(zhuān)家系統(tǒng)帶有較強(qiáng)的專(zhuān)家的個(gè)人色彩，法律專(zhuān)家系統(tǒng)的缺點(diǎn)也比較明顯.（1） 專(zhuān)家系統(tǒng)的建立需要專(zhuān)家的參與較多，提前設(shè)定的啟發(fā)式規(guī)則節(jié)點(diǎn)與設(shè)定的案例特征庫(kù)都打上了專(zhuān)家的印記，受專(zhuān)家的個(gè)人因素影響較大.基于案例的專(zhuān)家系統(tǒng)，利用人工智能技術(shù)比較案例相似性，生成基于這些相似性評(píng)估的論證，獲得類(lèi)案推薦；基于規(guī)則的專(zhuān)家系統(tǒng)，從已知事實(shí)開(kāi)始，應(yīng)用啟發(fā)式推理規(guī)則設(shè)計(jì)了前向鏈接循環(huán)使用規(guī)則，一旦“觸發(fā)”規(guī)則，則得出推論結(jié)論.不論基于規(guī)則還是基于案例還是二則兼有，專(zhuān)家對(duì)于規(guī)則節(jié)點(diǎn)的選擇、案例相似性的判斷等都起到了關(guān)鍵作用.（2） 專(zhuān)家系統(tǒng)針對(duì)審判要素確定的案例，其運(yùn)行效果較好；但如處理信息不完整的數(shù)據(jù)，其效果堪憂.（3） 如果大量的案件都建立專(zhuān)家系統(tǒng)，耗時(shí)耗力，且成效不顯著［6］.（4） 文本解析技術(shù)可以提取某些類(lèi)型法律語(yǔ)義信息，但目前尚無(wú)法通過(guò)學(xué)習(xí)獲知專(zhuān)家系統(tǒng)的規(guī)則.（5） 司法案例的語(yǔ)義解析，往往忽視了專(zhuān)家系統(tǒng)中法官的價(jià)值選擇、數(shù)據(jù)歧視等因素.（6） 司法裁判在法律信息代碼化的過(guò)程中，剔除了裁判細(xì)節(jié)，使得裁量因素簡(jiǎn)化，但有的細(xì)節(jié)恰好對(duì)法官的判斷具有較大的意義.

基于當(dāng)前智能技術(shù)的計(jì)算模型將法律推理過(guò)程交由人工智能系統(tǒng)，不管有監(jiān)督學(xué)習(xí)還是無(wú)監(jiān)督學(xué)習(xí)，能夠最大限度上擺脫人對(duì)智能系統(tǒng)運(yùn)行的干預(yù).專(zhuān)家系統(tǒng)與當(dāng)基于大數(shù)據(jù)分析的智能模型的區(qū)別表現(xiàn)在：（1） 法律專(zhuān)家系統(tǒng)預(yù)設(shè)了案件的各種可能情節(jié)，專(zhuān)家?guī)椭鉀Q用戶(hù)的問(wèn)題，而基于大數(shù)據(jù)分析的智能模型通過(guò)模擬用戶(hù)的處境，獲取相關(guān)法律信息，幫助用戶(hù)構(gòu)建解決方案［6］.（2） 法律專(zhuān)家系統(tǒng)中專(zhuān)家譬如啟發(fā)式規(guī)則節(jié)點(diǎn)選取、案例特性值、特征的權(quán)重系數(shù)等均由專(zhuān)家根據(jù)經(jīng)驗(yàn)手動(dòng)獲取，而基于當(dāng)前智能技術(shù)的計(jì)算模型的識(shí)別、判斷和排序均從特定領(lǐng)域的數(shù)據(jù)集合中提取獲得.目前最常用的獲取相似案例的人工智能技術(shù)：最近相鄰法、決策樹(shù)和神經(jīng)網(wǎng)絡(luò).最近相鄰法又稱(chēng)K最鄰近法找尋特征空間中最鄰近的值.決策樹(shù)是用概率分析的一種圖解法，每個(gè)葉節(jié)點(diǎn)代表一種類(lèi)別.神經(jīng)網(wǎng)絡(luò)是一種模仿動(dòng)物神經(jīng)網(wǎng)絡(luò)行為特征進(jìn)行分布式并行信息處理的數(shù)學(xué)模型.

以下幾點(diǎn)值得注意：（1） 案例相似性不是看特征維度的數(shù)量而是看事先設(shè)置的維度集以及子集關(guān)注案例特征的相關(guān)重疊因素.（2） 案例特征的權(quán)重，不宜事先指定，因素的權(quán)重與背景高度相關(guān)，法官可能不是根據(jù)權(quán)重進(jìn)行推理.（3） 機(jī)器學(xué)習(xí)的統(tǒng)計(jì)相關(guān)性并不能夠代表因果關(guān)聯(lián)，機(jī)器學(xué)習(xí)采用分類(lèi)方法所得到的準(zhǔn)確率和召回率不一定就真正反映了案例的相關(guān)性［64］.基于機(jī)器學(xué)習(xí)案例相關(guān)性判斷是通過(guò)建立數(shù)據(jù)集，查詢(xún)和排序相關(guān)案例，而基于論證的相關(guān)性判斷旨在論證隱匿在法律文本中的相似關(guān)系，Ashley等提出將這兩種思路相結(jié)合，建立基于論證的法律推理模型，此方法對(duì)司法過(guò)程的描述較為詳細(xì).這也是當(dāng)前司法智能預(yù)測(cè)建模的主流方法.

司法裁量過(guò)程是尋找各方都接收且公平的解決策略.法官處理案件往往依據(jù)個(gè)人經(jīng)驗(yàn)或是直覺(jué)對(duì)案件的判決有一個(gè)初步的認(rèn)定［65］，利用各種技術(shù)手段和證據(jù)推理認(rèn)定案件事實(shí)，往返于案件事實(shí)與法律規(guī)范之間，再運(yùn)用法律推理尋找控辯雙方“可以接收”解決方式.法官的裁判過(guò)程是基于論證的復(fù)雜活動(dòng)，其判決結(jié)果并非基于法律法規(guī)大前提和案件事實(shí)小前提的三段式法律邏輯的閉合適用，其結(jié)果與法官個(gè)人學(xué)習(xí)和生活經(jīng)歷有關(guān)，與道德、倫理乃至判決的實(shí)用性相關(guān)［66］.法官需要在不斷地反饋、調(diào)試中形成新的司法裁判，尋找“更優(yōu)”解決方案來(lái)彌補(bǔ)法律的漏洞和不周延性.法律語(yǔ)言模糊、司法解釋具有多樣性、司法裁判需要感性與常識(shí).各種隱性知識(shí)、過(guò)程知識(shí)、模糊知識(shí)等難以用計(jì)算機(jī)符號(hào)體系表達(dá).基于當(dāng)前智能技術(shù)的計(jì)算模型在沒(méi)有獲知法官裁判真實(shí)思維的基礎(chǔ)上，對(duì)案件情況較簡(jiǎn)單、法律關(guān)系相對(duì)簡(jiǎn)單明了的事務(wù)，通過(guò)要素輸入在稅法、交通法等領(lǐng)域取得了較好的效果；而對(duì)案件事實(shí)較復(fù)雜、法律關(guān)系相對(duì)復(fù)雜、法律判決結(jié)果差異較大的復(fù)雜案例，智能系統(tǒng)的司法預(yù)測(cè)效果尚待提高.

目前人工智能技術(shù)在計(jì)算能力和感知能力方面取得重大突破，然而智能機(jī)器不具有常識(shí)、邏輯推理和思考與應(yīng)變能力，使用當(dāng)前語(yǔ)義處理技術(shù)和機(jī)器學(xué)習(xí)技術(shù)無(wú)法揭示法律關(guān)系的復(fù)雜本質(zhì)，在模擬法律行為人思維上效果欠佳.人類(lèi)擁有專(zhuān)業(yè)知識(shí)、判斷、直覺(jué)、同情心、道德和創(chuàng)造力，對(duì)不同模態(tài)的知識(shí)具有一鍵搜索能力.認(rèn)知智能以模仿人類(lèi)認(rèn)知理解記憶思維等能力為基礎(chǔ)，是人工智能技術(shù)發(fā)展的高級(jí)階段，強(qiáng)調(diào)知識(shí)、推理等技能，試圖獲得類(lèi)似于人腦的多模感知能力［67］.當(dāng)前人工智能系統(tǒng)的基本做法是通過(guò)強(qiáng)大的算力將所有可能結(jié)果一一嘗試，而人類(lèi)依靠直覺(jué)得出初步結(jié)論，再進(jìn)行邏輯思維和綜合研判.因此，用認(rèn)知計(jì)算進(jìn)行類(lèi)案相關(guān)性的判定將提高智能系統(tǒng)對(duì)法律數(shù)據(jù)理解、知識(shí)表達(dá)、邏輯推理和自我學(xué)習(xí)能力.2020年阿里達(dá)摩院的科技趨勢(shì)報(bào)告指出：未來(lái)人工智能將在認(rèn)知智能與機(jī)器間大規(guī)模協(xié)作上取得突破，其能力將從“聽(tīng)說(shuō)看”拓展到邏輯推理、思考決策［68］.認(rèn)知智能的研究尚處于起步階段，建立完全脫離了法律人的認(rèn)知裁量系統(tǒng)并不現(xiàn)實(shí)，將機(jī)器“百科全書(shū)式的記憶與巨大的計(jì)算能力”和人類(lèi)“專(zhuān)業(yè)知識(shí)、判斷、直覺(jué)、同情心、道德和創(chuàng)造力”［6］相結(jié)合建立的認(rèn)知計(jì)算模型，將是司法裁量模型發(fā)展的新模式.認(rèn)知法學(xué)是人工智能與法律研究者將新的問(wèn)題、信息提取和論證挖掘技術(shù)用于法律領(lǐng)域問(wèn)題的解決過(guò)程，從計(jì)量法學(xué)、計(jì)算法學(xué)發(fā)展到認(rèn)知法學(xué)是人工智能技術(shù)發(fā)展的必然趨勢(shì).人機(jī)協(xié)作的認(rèn)知模型將是司法智能裁量系統(tǒng)未來(lái)發(fā)展的方向［69］.

5 結(jié) 語(yǔ)

司法裁量模型輔助法官進(jìn)行司法裁判，毋庸置疑將減少法官重復(fù)勞動(dòng)，提高司法效率，有利于發(fā)現(xiàn)法官裁判規(guī)則和司法共識(shí)、輔助司法糾錯(cuò)和優(yōu)化決策、進(jìn)行法律風(fēng)險(xiǎn)預(yù)警等.司法裁判是復(fù)雜論證過(guò)程，并非簡(jiǎn)單因果邏輯，需要理性與感性結(jié)合來(lái)作出判斷［36］.要警惕“直覺(jué)的判斷被迫讓位于精準(zhǔn)的數(shù)據(jù)分析”［70，71］.法官具有直覺(jué)、同情心、價(jià)值觀以及人文關(guān)懷，若習(xí)慣于大數(shù)據(jù)“喂養(yǎng)”和“推薦”將淪為馬克斯·韋伯口中的“訴訟機(jī)器”.司法裁量模型的目標(biāo)并非要代替法官行使司法權(quán)，而是輔助法官，減少法官相似案件的機(jī)械、重復(fù)勞動(dòng)，同時(shí)抑制司法人員的恣意，增加法律適用的統(tǒng)一性以及減少偏見(jiàn).司法智能輔助模型的重點(diǎn)是促進(jìn)算法的可解釋性發(fā)展，提高智能系統(tǒng)對(duì)法律數(shù)據(jù)理解，發(fā)展其法律邏輯推理能力，邁向認(rèn)知法學(xué).智慧司法不僅需要技術(shù)人員與法律人的深度配合，更需要建立相應(yīng)的風(fēng)險(xiǎn)防范措施和運(yùn)行保障制度，避免司法裁量模型侵蝕法官的裁量權(quán).只有當(dāng)法律人的直覺(jué)、判斷與人工智能的強(qiáng)大算力相結(jié)合，縮小智能系統(tǒng)的預(yù)測(cè)結(jié)果與法律人的實(shí)際判斷的差距，才能讓人工智能系統(tǒng)落地生根，真正被法律人所接受.司法智能裁量系統(tǒng)將整個(gè)司法過(guò)程作為一個(gè)整體，提供了立體觀察司法體系運(yùn)行的機(jī)制，從而保障智慧司法的健康發(fā)展.

每一個(gè)案件的法律細(xì)節(jié)都不同，司法智能裁量模型的建立實(shí)際上是舍棄了案例細(xì)微差異性而尋求共同性.但這些細(xì)微差異性或許對(duì)于某些案例的判決至關(guān)重要，因此，法官的判決與智能系統(tǒng)的司法建議不一致可能經(jīng)常發(fā)生，需要建立適當(dāng)?shù)某绦颍Ｕ戏ü俦M可能避免因決策風(fēng)險(xiǎn)而遭受責(zé)難，堅(jiān)持自己的判斷.當(dāng)法官的判決偏離了智能系統(tǒng)的預(yù)測(cè)，需要法官對(duì)判決不一致的地方進(jìn)行較為詳細(xì)的理由陳述，類(lèi)似于“指導(dǎo)案例”的裁判規(guī)則的總結(jié)，為之后的類(lèi)案裁判提供依據(jù).陳述理由需要明確：（1） 待決案件與類(lèi)案的不同點(diǎn)具有實(shí)質(zhì)不同；（2） 社會(huì)及經(jīng)濟(jì)情況發(fā)生變化；（3） 類(lèi)案存在錯(cuò)誤、過(guò)時(shí)、理由不充分等缺陷.當(dāng)然這種說(shuō)明程序不能過(guò)多增加法官的工作量，防止法官因怕麻煩而選擇“順從”.法官對(duì)不一致案例的處理應(yīng)是法官工作考評(píng)的加分項(xiàng)，鼓勵(lì)法官對(duì)裁量模型的運(yùn)行進(jìn)行反饋與實(shí)時(shí)更新.

參考文獻(xiàn)：

［1］ ?張妮， 蒲亦非. 計(jì)算法學(xué)導(dǎo)論［M］. 成都： 四川大學(xué)出版社，? 2015.

［2］ 申衛(wèi)星， 劉云. 法學(xué)研究新范式：計(jì)算法學(xué)的內(nèi)涵、范疇與方法［J］.法學(xué)研究， 2020（5）： 3.

［3］ 魯?shù)婪颉ゑT·耶林. 法學(xué)是一門(mén)科學(xué)嗎？［M］.奧科·貝倫茨， 編注. 李君韜，譯. 北京： 法律出版社， 2010.

［4］ Ruhl J B，Katz D M，? Bommarito M J. Harnessing legal complexity ［J］. Science， 2017，? 355： 1377.

［5］ 張妮， 蒲亦非.計(jì)算法學(xué)： 一門(mén)新興學(xué)科交叉分支［J］.四川大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2019， 56： 1187.

［6］ 凱文·D阿什利.人工智能與法律解析——數(shù)字時(shí)代法律實(shí)踐的新工具［M］.邱昭繼，譯.? 北京： 商務(wù)印書(shū)館， 2020.

［7］ 劉雯靜.類(lèi)案智能推送系統(tǒng)改進(jìn)建議——基于法官用戶(hù)體驗(yàn)及類(lèi)案檢索系統(tǒng)的比對(duì)研究［EB/OL］. ［2022-04-23］. http： //maszy.chinacourt.gov.cn/article/detail/2019/12/id/4739358.shtml.

［8］ 李世宇.司法大數(shù)據(jù)在類(lèi)案裁判中的應(yīng)用探索［J］.鄭州大學(xué)學(xué)報(bào)： 哲學(xué)社會(huì)科學(xué)版， 2018（1）： 24.

［9］ 左衛(wèi)民.如何通過(guò)人工智能實(shí)現(xiàn)類(lèi)案類(lèi)判［J］.中國(guó)法律評(píng)論， 2018（2）： 26.

［10］ 王祿生.司法大數(shù)據(jù)與人工智能開(kāi)發(fā)的技術(shù)障礙［J］.中國(guó)法律評(píng)論， 2018（2）： 46.

［11］ Wing J M. Computing thinking［J］. Commun ACM，? 2006，? 49： 33.

［12］ 理查德·薩斯坎德.法律人的明天會(huì)怎樣？［M］.何廣越， 譯.北京： 北京大學(xué)出版社， 2015.

［13］ 高尚.司法類(lèi)案的判斷標(biāo)準(zhǔn)及其運(yùn)用［J］.法律科學(xué)， 2020（1）： 24.

［14］ 馬超， 于曉虹， 何海波. 大數(shù)據(jù)分析： 中國(guó)司法裁判文書(shū)上網(wǎng)公開(kāi)報(bào)告［J］.中國(guó)法律評(píng)論，? 2016（4）： 195.

［15］ 曹磊.類(lèi)案檢索對(duì)裁判文書(shū)寫(xiě)作的期待［J］.揚(yáng)州大學(xué)學(xué)報(bào)： 人文社會(huì)科學(xué)版， 2021（6）： 28.

［16］ 剛青卓瑪.刑事裁判文書(shū)釋法說(shuō)理的現(xiàn)狀及優(yōu)化路徑［J］.貴州警察學(xué)院學(xué)報(bào)， 2021， 33： 64.

［17］ 司法部.“數(shù)字法治、智慧司法”信息化體系建設(shè)指導(dǎo)意見(jiàn)［J］.中國(guó)司法， 2018， 11： 108.

［18］ 張新寶， 魏艷偉.司法信息公開(kāi)的隱私權(quán)和個(gè)人信息保護(hù)研究［J］.比較法研究， 2022（2）： 104.

［19］ 范姜真微.政府資訊公開(kāi)與個(gè)人隱私之保護(hù)［J］.法令月刊， 2001（5）： 2.

［20］ 高鴻鈞.德沃金法律理論評(píng)析［J］.清華法學(xué)， 2015（2）： 96.

［21］ Coons J E. Consistency ［J］. California Law Rev， 1987， 75： 60.

［22］ 羅· 龐德.? 通過(guò)法律的社會(huì)控制、法律的任務(wù)［M］. 沈宗靈， 譯.北京： 商務(wù)印書(shū)館， 1984.

［23］ 托馬斯·威施邁耶.人工智能與法律的對(duì)話［M］.韓旭至， 譯.上海： 上海人民出版社， 2020.

［24］ 黃仁宇.萬(wàn)歷十五年［M］. 北京： 生活·讀書(shū)·新知三聯(lián)書(shū)店，? 2006.

［25］ 陳邦達(dá).人工智能在美國(guó)司法實(shí)踐中的運(yùn)用［N］.中國(guó)社會(huì)科學(xué)報(bào)，? 2018-04-11（7）.

［26］ Grabmair M，Ashley K. Argumentation with value judgments-an example of hypothetical reasoning［C］//Proceedings of the 23rd Annual International Conference on Legal Knowledge and Information Systems （JURIX）. Netherlands：? IOS press，? 2010.

［27］ 凱文·D·阿什利.人工智能與法律解析——數(shù)字時(shí)代法律實(shí)踐的新工具［M］.邱昭繼， 譯.北京： 商務(wù)印書(shū)館，? 2020.

［27］ Bench-Capon T，? Modgil S. Norms and value based reasoning：? justifying compliance and violation ［J］. Artif Intell Law，? 2017，? 25：? 29.

［28］ Berman D H，? Hafner C L. Incorporating procedural context into a model of case-based legal reasoning［C］//Proceedings of the third international conference on artificial intelligence and law.New York： ACM Press， 1991.

［29］ 凱斯·桑斯坦.信息烏托邦—眾人如何生產(chǎn)知識(shí)［J］.畢竟悅， 譯. 北京： 法律出版社， 2008.

［30］ Surden H. Values embedded in legal artificial intelligence ［J］.IEEE Technol Soc Mag，? 2022，? 41： 66.

［31］ 山本龍彥.AI と個(gè)人の尊重、プライバシー［M］.東京： 日本經(jīng)濟(jì)新聞出版社， 2018.

［32］ 韓振文.裁判思維的整合性認(rèn)知［M］. 北京： 清華大學(xué)出版社， 2019.

［33］ Francesca L，? Giovanni S，? Giuseppe C. The Ethical Knob：? ethically-customisable automated vehicles and the law ［J］. Artif Intell Law，? 2017，? 25：? 365.

［34］ 熊明輝.論法律邏輯中的推論規(guī)則［J］. 中國(guó)社會(huì)科學(xué)， 2008（4）： 26.

［35］ Bench-Capon T，? Sartor G. A model of legal reasoning with cases incorporating theories and values ［J］. Artif Intell，? 2003， 150： 97.

［36］ 馬靖云.智慧司法的難題及其破解［J］.華東政法大學(xué)學(xué)報(bào)， 2019（4）： 110.

［37］ 溫州市中級(jí)人民法院. 全國(guó)第一家數(shù)據(jù)資源法庭揭牌設(shè)立?。跡B/OL］. ［2022-05-23］.https： //www.sohu.com/a/548420713_121123759.

［38］ 劉云.論可解釋的人工智能之制度構(gòu)建［J］.江漢論壇， 2020， 12： 113.

［39］ 李成.人工智能歧視的法律治理［J］.中國(guó)法學(xué)， 2021， 2： 127.

［40］ 王東方.人工智能嵌入司法審判的邏輯［J］.研究生法學(xué)， 2020（2）： 90.

［41］ Ebers M. Standardizing AI-the case of the european commission′s proposal for an artificial intelligence act ［EB/OL］. The Cambridge Handbook of Artificial Intelligence：? Global Perspectives on Law and Ethics，? 2021Available at SSRN：? https： //ssrn.com/abstract=3900378 or http： //dx.doi.org/10.2139/ssrn.3900378.

［42］ 段偉文.算法的客觀性預(yù)設(shè)與運(yùn)作策略之弊［N］.社會(huì)科學(xué)報(bào)，? 2022-10-27（6）.

［43］ 最高人民法院. 最高人民法院關(guān)于規(guī)范和加強(qiáng)人工智能司法應(yīng)用的意見(jiàn) ［EB/OL］. ［2022-10-12］. https： //www.court.gov.cn/fabu-xiangqing-382461.html.

［44］ 程雷.大數(shù)據(jù)偵查的法律控制［J］.中國(guó)社會(huì)科學(xué)， 2019（3）： 189.

［45］ 許可.馴服算法.算法治理的歷史展開(kāi)與當(dāng)代體系［J］.華東政法大學(xué)學(xué)報(bào)，? 2022（1）：? 99.

［46］ 沈偉偉.算法透明原則的迷思——算法規(guī)制理論的批判［J］.環(huán)球法律評(píng)論， 2019（6）： 20.

［47］ Porto F D. Algorithmic disclosure rules ［J］. Artif Intell Law，? 2021，? 29： 1.

［48］ 丁曉東.論算法的法律規(guī)制［J］.中國(guó)社會(huì)科學(xué)， 2020（12）： 138.

［49］ 劉定一， 沈陽(yáng)陽(yáng)， 詹天明， 等. 融合微博熱點(diǎn)分析和LSTM模型的網(wǎng)絡(luò)輿情預(yù)測(cè)方法［J］. 江蘇大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2021， 42： 546.

［50］ 紀(jì)守領(lǐng)， 李進(jìn)鋒， 杜天宇， 等.機(jī)器學(xué)習(xí)模型可解釋性方法、應(yīng)用與安全研究綜述［J］.計(jì)算機(jī)研究與發(fā)展， 2019（10）： 2071.

［51］ Bibal A， Lognoul M，? Streel A，? et al. Legal requirements on explainability in machine learning ［J］. Artif Intell Law， 2021，? 29：? 149.

［52］ 王竹.司法人工智能推理輔助的“準(zhǔn)三段論”實(shí)現(xiàn)路徑［J］. 政法論壇，? 2022，? 40：? 28.

［53］ Branting L K，Pfeifer C，? Brown B，? et al. Scalable and explainable legal prediction ［J］. Artif Intell Law， 2021，? 29：? 213.

［54］ Prakken H，? Ratsma R. A top-level model of case-based argumentation for explanation：? Formalisation and experiments ［J］. Argum Comput，? 2022，? 13： 159.

［55］ 考夫曼.法律哲學(xué)［M］.劉幸義， 譯.北京：? 法律出版社，? 2004：? 24.

［56］ 孫躍.類(lèi)案檢索的司法適用及其完善［J］.法律方法， 2022， 39： 268.

［57］ Bhattacharya P，? Ghosh K，? Pal A，? et al. Methods for computing legal document similarity：? A comparative study ［EB/OL］.［2022-11-02］. https： //doi.org/10.48550/arXiv.2004.12307.

［58］ 王燃.以審判為中心的訴訟制度改革——大數(shù)據(jù)司法路徑［J］.暨南學(xué)報(bào)： 哲學(xué)社會(huì)科學(xué)版，? 2018（7）： 61.

［59］ Li S L，? Li J Z．Hybridising human judgment，AHP，simulation and a fuzzy expert system for strategy formulation under uncertainty ［J］. Expert Syst Appl， 2009，? 36： 5557．

［60］ 張寶生.人工智能法律系統(tǒng).兩個(gè)難題和一個(gè)悖論［J］.上海師范大學(xué)學(xué)報(bào)： 哲學(xué)社會(huì)科學(xué)版， 2018（6）： 25.

［61］ Zhang N，? Pu Y F，? Yang S Q， et al. A Chinese legal intelligent auxiliary discretionary adviser based on GA-BP NNs［J］. Electron Libr，? 2018， 36： 1135.

［62］ Mohri M，? Rostamizadeh A，? Talwalkar A.Foundations of machine learning［M］.Cambridge，? MA：? MIT， 2012.

［63］ Katz D M，? Bommarito M J. Measuring the complexity of the law：? the United States Code ［J］. Artific Int Law，? 2014，? 22： 337.

［64］ 魏斌.智慧司法的法理反思與應(yīng)對(duì)［J］.政治與法律， 2021（8）： 111.

［65］ 郭春鎮(zhèn)， 王凌皞.認(rèn)知神經(jīng)科學(xué)在法學(xué)中的應(yīng)用研究［M］.北京： 法律出版社， 2018.

［66］ 羅伯特·阿列克西.哈貝馬斯的法律商談理論［M］.雷磊， 譯， 北京： 法律出版社， 2013.

［67］ 張燕.人工智能未來(lái)已來(lái).由感知智能向認(rèn)知智能演變將催生新業(yè)態(tài)［J］.中國(guó)經(jīng)濟(jì)周刊，? 2020（1）： 92.

［68］ 達(dá)摩院.達(dá)摩院2020十大科技趨勢(shì)［EB/OL］.（2022-04-21）［2022-10-27］.https： //damo.alibaba.com/events/57.

［69］ 張妮， 蒲亦非.計(jì)量法學(xué)、計(jì)算法學(xué)到認(rèn)知法學(xué)的演進(jìn)［J］.四川大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2021， 58：? 020001.

［70］ 陸汝鈐. 從大數(shù)據(jù)到大知識(shí)［J］. 重慶郵電大學(xué)學(xué)報(bào)： 自然科學(xué)版， 2022， 34： 921.

［71］ 維克托·邁爾·舍恩伯格， 肯尼斯·庫(kù)克耶.大數(shù)據(jù)時(shí)代——生活、工作與思維的大變革［M］.盛楊燕， 譯.? 杭州： 浙江人民出版社，? 2013.