质量专家上门“诊断”解难题 瑞莱特产品寿命延长30%

当然，立足于中国农村社会的大背景，人们往往用诸如乡村司法、乡土司法或者地方性司法等概念，来指称与农村社会密切关联的一种司法形态。

人工智能的运用，同互联网、大数据紧密结合在一起。即使不涉及更复杂的理论分歧，仅以同案同判作为一个简单的实现司法公平的标准，什么是同案同判，首先也是一个众说纷纭的问题，关于同类的标准，在不同的法学理论中有不同的认识。

[36] 再复杂的算法，在逻辑上都是一步步将情况分解简化后的回归，从而可以以0/1的二进制表现出来，参见前注13，佩德罗·多明戈斯书。重点其实还不在于普及的广度，而在于思维的速度与深度。何况，在人工智能时代之前，人类提供的法律服务本身也可能是一种扭曲的想象，只是通过服务提供商形成的垄断卡特尔，以封闭的运作确认这种想象在意识形态意义上的真实性。据此我们很容易联想到霍姆斯著名的预测理论[22]，技术的进步正是为更快速也更准确的作出预测提供了可能。上海高院院长崔亚东表示，上海法院第二个三年规划核心是一个战略、两个行动，即大数据战略，互联网+行动、人工智能行动。

[9]这方面既有对更具有效率和规律性的司法的乐观预期，也有对机器人法官、机器人律师对人类形成替代的忧虑。但为什么这一定是不可动摇的根本特性呢？仅仅是我们总结以往的法律规则都是一般性的，并不能构成有效的论证。机器学习本质上是通过对训练数据——输入到算法中的例子（可能是从历史记录中提取出来的）的计算，从中学到潜在的预测关系。

[15]现在，法官正使用这些法律人工智能量刑系统帮助他们作出量刑决定，尽管法官仍保有其自由裁量权，但这种法律人工智能系统对实际量刑决策的影响正在扩大。[39] 张卫平：论庭审笔录的法定化，《中外法学》2015年第4期，第903～918页。例如，胡凌对法律（主权权力）是否以及如何介入人工智能算法的运作，特别是在广泛影响大众利益的情形中，如何设计信息披露等监管机制、干预某类代码化规则的系统性歧视等展开了讨论。但问题在于，这些数据库只是最近几年开始建设，并没有囊括所有案件的裁判文书。

[16] 面对法律人工智能的迅猛发展与广泛运用，域外理论界出现了两种明显存在分野的观点。[43] 参见〔美〕佩德罗•多明戈斯：《终极算法机器学习和人工智能如何重塑世界》，黄芳萍译，中信出版集团2017年版，第66页。

这意味着，如果没有人类为数据打标签，机器无法主动进行学习。似乎我们应当以一流法官的一流裁判为参数来展开此项工作，但目前却并未如此。第二，法律界并未形成合适且高效的大数据算法。另一方面，中国象棋只有残局棋谱，未有全局棋谱，Alphago不能获取充分的信息和数据。

[38] 参见马超、于晓虹、何海波：大数据分析：中国司法裁判文书上网公开报告，《中国法律评论》2016年第4期，第195～246页。不久前，人类选手在信息不充分的星际争霸游戏中以四比零的比分横扫人工智能的事例，[50]也从侧面证明信息不充分的场合可能并不适合人工智能施展拳脚。这一局限在大数据时代将被无限放大。这与我们熟悉的围棋领域的Alphago Zero式的无监督学习截然不同。

在法律专家系统与数据分析系统所得出的结果不一致时，人类是否选择相信机器，这是一个大问题。显然，人才问题构成了法律人工智能成长与运用的最大现实障碍与瓶颈。

最后，注意算法的歧视性。例如，最高人民法院、上海高院、广州中院、苏州中院等超过100家法院就应用了科大讯飞公司所研发的智慧法院庭审系统。

在研究中，人工智能程序分析所有信息，并提出自己的司法判决。部分学者对法律人工智能的使用前景持相对乐观的态度，认为法律人工智能在当下与未来将获得更广泛的使用，但这取决于算法的进一步优化、计算机硬件的进一步提升以及更为物美价廉的法律人工智能服务的出现。然而，人工智能是一种由机器（尽管人在其中操控）分析数据，基于数据关联性而构建的另类的客观化、科学化的决策模式。无论是中国、大陆法系国家的法律决策组织如合议庭、审委会的讨论、决策过程，还是英美法系国家的法官、陪审团审判的内部讨论、裁判过程，基本上都是非公开或无记录甚至不允许记录与公开。[44] 这种做法还可能得到法律的支持。实际上，讯飞的语音技术在当下的审判实践中也未获得普遍运用，原因之一就是科大讯飞所投入的人力与资源还不够充分，未能将通用的语音技术转换、发展为专用的法律语音技术，特别是尚未能解决复杂法庭审判中多方互动及争论的情景难题，当庭化语音运用中的最后一公里技术障碍没有打通。

这一局面或许短期内都无法改变。[25]此外，还有学者从司法权特点的角度反思了智慧法院的建设，认为工具理性对司法意义的消解，智慧管理对司法自主的削弱，智慧应用对司法平等的分化以及服务外包对司法公信的威胁，是智慧法院存在的法理困境。

3.法律数据不客观 尽管我们期望法律是客观的，能够代表社会公平正义，但由于法律主体的利益与主张的差异性，法律往往只能代表大多数人所认可的行为标准与模式。[32] 参见应雨轩、卢燕、颜敏丹：为法官‘减负裁判文书一键生成，载《台州日报》2017年3月21日，第4版。

[30]在系统试用中，语音识别正确率已达到90%以上，书记员只需进行少量修改即可实现庭审的完整记录。如J.C Smith指出，电脑可以/应该更换法官的见解是基于笛卡尔的灵体二元论和莱布尼茨的谬误，二者犯了智力可以独立于人体而存在和所有的人类思想都可以通过一种通用的语言来表达的错误。

这必然影响到法律人工智能基于充分性和高质性的大数据提炼出准确法律决策模式的可能性，从而也就难以据此建立起普遍适用且精确有效的法律人工智能模式。许多程序员尽管在编码技术上极为高超，但限于之前从未接触过法律行业，因此对法律人所提出的产品要求无法理解。从某种意义上讲，传统手工作业式的法律行业走向现代的机器化作业似乎不可避免，法律作业方式的工业革命已经正在展开，并逐步向纵深延展。司法部在2017年8月联合财政部印发了《十三五全国司法行政科技创新规划》，对十三五时期司法行政科技创新作出部署。

在裁判文书水平尚属良莠不齐的今天，我们还无法自信地说机器学习的裁判文书都是优秀的文书，我们也无法期待在此基础上形成的裁判模型必然得出准确的结论。也就是说，所谓的裁判文书全数据库其实也仅只是一种当下的数据。

[40]这也就意味着任何司法裁判似乎都难做到绝对的客观。[26] 徐骏：智慧法院的法理审思，《法学》2017年第3期，第55～64页。

这个例子正反都能说明，基于充分数据的充分信息是人工智能有用武之地的基本前提。或许当务之急是实现法律数据的结构化，让法律人在文书写作中尽可能使用统一的术语，方便机器识别、学习，然而，这又谈何容易呢？ （二）隐秘且低效的算法 毫无疑义，在拥有燃料的同时，人工智能还需要强劲的引擎——算法作为重要支撑。

对于算法问题，首先要考虑的问题是提高算法的准确性与科学性，探索契合中国法律实践的算法。[22] 郑戈：人工智能与法律的未来，《探索与争鸣》2017年第10期，第78～84页。在法律事务中，法律人工智能的适用与否由公民个人、公司或其律师决定更为适宜，如当事人借助法律人工智能选择律师，律所主任进行律所管理、律师起草与审查合同、律师借助法律人工智能预测案件结果等。如果由法律专业人士进行或指导计算机专业人才完成上述工作，或许可以将偏差降至最低，但如果没有法律专业人士参与其间，偏差可能将无法被控制在一个可接受的范围内。

也就是说，我们通过机器学习发现的司法规律可能比法律专家所熟悉的规则更为复杂，它们将包含不同的元素，它们的相关性可能不会立即显现出来。需要指出，尽管人工智能被誉为新时期的电与蒸汽机，能够为旧产业提供新动力、新思路，但人工智能这一工具并非轻易能够为旧有行业的人们所掌握与使用。

从当前所使用的主流算法看，深度学习无法做到算法的透明性。《法律科学》在2017年第5期集中刊发的五篇与法律人工智能相关的问题所讨论的主题，就是这种研究路向的典型代表。

正如我们所看到的那样，人工智能在人类社会活动的很多领域已开始得到较多运用，诸多互联网企业和国家对之也是高度关注。1.法律数据不充分 在棋类世界，Alphago及其后代虐遍围棋、国际象棋与日本将棋的人类高手，但却并未听闻Alphago打败中国象棋高手。