何 帆 | 南京中院辟谣后，我们离“阿尔法法官”还有多远【斑斓·新思维】

作者 | 何帆（最高人民法院法官）

新年新气象，除了一堆互联网大佬高调宣布“未来已来”，一则关于南京中院将引进“法律机器人”（即所谓“阿尔法法官”）辅助办案的报道，也在法律圈激起波澜。有法官私下吐槽，人工智能那么“能”，有本事以后别让我们加班结案啊！好在南京中院今天下午及时辟谣：该院从未设立“机器人项目部”，所谓引入“法律机器人”项目，纯属个别企业捏造。

引起我注意的，是南京中院声明中的一段话：“司法是具有经验和价值判断性质的工作，再聪明的机器或软件都不能完全替代法官的工作，只能为法官提供办案支持与辅助。”在我看来，至少在现阶段，这一认识是理性的。

脱离常识的创新走不远

这是个浮躁的年代，有踏实做事的，也有卖狗皮膏药的。一个概念还不具备技术基础，就已大张旗鼓卖到滥，等趴在上面埋头研发的团队搞出名堂，概念已贬到与情怀等值了。其实，奇点临近也好，未来已来也好，在商言商，商业公司为了融资和营销，有他们的口号策略。可在人工智能问题上，法院还是应当立足本位，保持清醒，不要被兜售概念、囊中无物的技术公司“绑架”或忽悠。

是的，我们要建设“智慧法院”，要大力推进信息化3.0建设，可我们需要的智慧和智能，第一要务还是辅助和服务法官办案，而不是替代司法裁决、淘汰办案法官。另一方面，即使是智能辅助和服务，也需要满足三个标准：

一是要切实解决问题，而不是花样和噱头。

二是要体现技术含量，附加内容增量，不能仅仅立足于互联互通。你能说检察官戴着蓝牙耳机出庭就叫“互联网+公诉”么？你能说法官把当事人拉到微信群调解里就叫“互联网+审判”么？

三是要符合常识和司法规律。有人说，未来所有庭审都可以在网络上进行。是的，在远程调解、证人和专家作证方面，互联网确实有无可比拟的优势，但还是解决不了证据原件质证的问题。目前号称实现互联网庭审的，主要也是简单无重大争议，且征得当事人同意的案件。用一位资深法官的话说，巨变时代，必须创新，但违背常识的创新，注定无法持续。

人工智能的燃料和引擎

60多年前，科技领域就一直吆喝人工智能，到上世纪70年代才偃旗息鼓。为什么中断？因为技术本身的实现程度支撑不起足够多的应用，又无法在商业中深度渗透，投资者看不到巨额投入后的效果，遇冷是必然的事。

互联网和云计算的进步，让人工智能热潮复兴，机器的“深度学习”概念再度火起来。深度学习得以复兴，关键点有两个：一是互联网提供了“海量数据”；二是云计算提供了远超以往的计算能力。这两点就像燃料和引擎，叠加起来，就可以让人工智能技术加速。

截至目前，法律人工智能的发展，主要体现在语音识别、图像识别、文本分析和数据整合领域，虽然技术飞跃程度不高，但已推动了某些法律行业的功能转型，甚至导致部分中小律所的生存危机。例如，美国Blackstone Discovery公司推出的法律文本分析系统，就断了许多律所的财路。这个系统分析150万份法律文件，成本还不到10万美元，关键是准确度还比人工分析高出40%。除此之外，还有LegalZoom对法律文件服务领域的挑战，Onomatics对商标分析服务领域的挑战，Lex Machina对专利服务领域的挑战，Wevorce对离婚诉讼服务领域的挑战，等等。

司法大数据的局限

具体到我国，最高法院构建的“中国裁判文书网”，为法律人工智能的发展提供了“燃料”，而各个大数据公司所孜孜努力的，正是“盘活”这些“燃料”的算法。

然而，不要以为囤积了一大堆司法数据，人工智能就随之实现了。这里面需要考虑三个问题：

第一，“体量”并不代表“质量”。有大数据公司对中国裁判文书网上的海量文书进行识别，发现有相当一部分是“冗余数据”，有的是“一份文书，不同案号”，有的则是因为重复传送或错误传送。从法律适用角度看，相当一部分简单案件的文书，也没有数据挖掘价值。

第二，“大”并不代表“准”。消费者未必是理性的，可商家仍要根据客户的购买数据调整营销策略，但判案子不像买东西。同样是停车场的保管责任纠纷，100个法官可能有100种判法，其中25个判法类似，但不能说这25个判法就一定代表着正确的方向。司法是判断的技能，简单的数量比对是数学，但不是算法。

第三，现在并不代表未来。随着查询检索和智能推送技术的发展，类案文书的说理和考量未必多元，反而会更加趋同。如若不信，不妨搜一搜有多少离婚案件的判词爱用“人生如梦”，结果肯定会吓您一跳。换言之，目前所谓的人工智能是以之前的数据为基础，试图解决未来的类似问题，但是，技术和社会是不断发展变化的，类似问题在不同时期会有不同解决方案。所以，我们对“智能”的期盼，既包括裁判规则的类似应用，也包含为既有规则的改变和反思提供数据积累。

走向智慧法院之路

泼完冷水，该谈谈建设意见了。对于人工智能在司法领域的应用，我个人还是持开放和乐观态度。总体来看，或许有以下几步可以走。

第一步：通过智能语音识别技术，将审判辅助人员从记录或咨询事务中解脱出来

一次到某法院旁听庭审，发现从法官、检察官到律师，说话都一句一顿，是他们在字斟句酌么？不是，因为大家都怕书记员记录跟不上。很多法官私下开玩笑，这哪儿是庭审为中心，简直是以书记员为中心。书记员抽调不来，庭开不了；书记员记得太慢，口开不了。

引入智能语音识别技术进行庭审记录，乃至法官合议记录和审委会讨论记录，已被证明是可行的。不过，即使是这一小步，也存在诸多技术瓶颈。例如，多人交互发言的“分音”问题。从语音到文字的转换是进步，但哪句话是谁说的，也得有一个识别过程。特别是复杂案件的庭审和讨论，一会儿原被告一会儿律师，一会儿侦查员一会儿专家证人，你一言我一语，如果不对照音频视频，谁还记得每句话出自何人。目前的解决思路，一是识别话筒位置，二是预先存档识别。但，这个问题不解决，就匆匆撤掉书记员，只会让一线法官叫苦不迭。

与之类似的，还有诉讼引导工作。诸如 “立案去哪个窗口，要提交哪些材料”之类的简单问题，当然可以放心交给“导诉机器人”，由它们通过语音识别技术自动回答。不过，但凡做过诉讼服务工作的法官，就知道当事人的诉求五花八门，绝不止咨询一个法律问题或收费标准那么简单。在现阶段，“导诉机器人”还是锦上添花的事物，无法做到包打天下。对这个问题，必须有清醒认识。

第二步：将智能图像和文件识别技术嵌入法官办案系统，将法官从简案处理和繁琐文牍中解脱出来

前已述及，许多大数据公司和专业辅助机构已经取代传统律所，成为图像识别、文本分析领域的“龙头”。律所可以通过流程外包、工作转包或直接购买等方式，获取相关服务。对法院而言，一些诉讼事务可以交给律师来做（如提交某个领域的法律分析报告），但一些与审判流程和裁判形成密切相关的基础工作，必须由自己完成。

在我看来，目前最需要做的，是为“智慧法院”铺路，即以法院日常工作为场景，构建多部门多用户的互联系统，打通数据壁垒，提升司法运行的效率。构建当事人\律师—审理法官—执行法官—相关部门的互联互通网络。

这其中，有的属于数据化问题，如电子阅卷、EMS快递单打印、文书表格打印、电子签章套红打印等；有的需要进一步加强系统集成，如电子送达、串案套改、核心信息自动嵌入文书、立案与审判信息双向流转补充等；有的则需要适当引入人工智能技术，如类型化案件中裁判文书的自动生成（尤其是要素式、表格式、令状式裁判文书）、类案智能推送、同案不同判警示、文书常见错误提示等。

需要强调的是，目前的人工智能技术，已基本实现第一步和第二步齐头并进，在不少法院也已初见成效。但是，语音识别和图像识别只是入门环节。所谓辅助办案，主要是能适应不同专业场景，辅助法官判断和决策，达到这一步，还有漫长的路要走。

第三步：通过数据提纯、算法测试和专业训练，让系统变得更加智能，辅助法官决策判断

实现这一步，是以海量数据为基础，以类型化案件为突破口，通过提炼裁判规则、研发最优算法、归纳既有经验，在类型化案件中实现以裁判规则、审判经验归纳为基础的有限智能化。之所以强调“有限”，是因为它的智能程度，取决于我们能否找出共性的可以计算的问题，也取决于系争案件能否类型化。于此，既可以针对某几类案件的全部，也可以针对某一类案件的具体问题。可以预见的是，在类型化案件中，有可能形成统一的智能化算法；在不那么规格化的案件中，至少可以做到法律依据提醒、政策比较和类案参考。在此基础上，深度智能化才有可能。

机器的深度学习也有快慢，你喂它吃粗粮土粮，成长就粗燥缓慢；你喂它吃精粮细粮，成长就日新月异。很多法院都有错觉，以为把几千万份裁判文书数据扔给机器，它就能全知全能、无案不精，实际上，离开科学算法和测试反馈，系统根本不可能变得智能。

所以，推动机器在法律领域的深度学习，必须跨越三个门槛：

第一个是足够的数据体量和质量。集全法院、检察院和律师行业的各类数据，通过关联比对、系统洗冗进行清洗、融合，获得足够的有效数据。

第二个是提取共性规则，研发科学算法。这里的规则，包括法律、司法解释、指导性案例和参考性案例，也包括从海量文书中提取出来的裁判规则和共性因素。这项工作，光靠工程师无法完成，光靠一个或两个法律人也根本搞不定，它需要汇聚许多资深法律人的力量，一个法条一个法条，一个案由一个案由，一个请求权基础一个请求权基础，一个罪名一个罪名，去攻克，去提炼，才有可能初见成效。

第三个是法律人的深度参与。美国科技博客VentureBeat近日撰文预测2017年人工智能的发展，就提出，人工智能若想取得长足进步，就必须仰仗更专业的人工训练。只有在专业领域有遗留成就的人，才能推动机器进行更“深度”的学习。

我有个朋友参加某法院的审判辅助系统建设招标和演示，事后吐槽说，管钱管技术的副院长来了，技术、行装部门的负责人也来了，可就是看不到一个审判部门的人，难道这项工作和法官没有关系吗？

其实，工程师可以解决算法问题，但在机器的深度学习方面，法律人才是真正的“导师”。算法的基础是裁判规则，而规则要靠人去提炼。提炼完毕之后，还得有法律人给数据打上标签，或是作为训练集，或是作为测试集，交给机器判断，再由法律人反馈，深度学习才能成为可能。

我们应该认识到，智慧法院的立足点和出发点，是法院的智慧。法院的智慧来源于法官，而非技术公司。法院的人工智能，说到底是把法官的智慧整合好、利用好。不在这一点上下功夫，做研发，就不可能有智慧法院。认为只要投入资金、贡献数据、购买服务，就能建设好“智慧法院”，是天方夜谭；没有法官的智慧参与，认为技术公司能包揽一切，也是缘木求鱼。

第四步：也许真会有“阿尔法法官”呢？但既然距离第三步成功还很遥远，就先别惦记第四步了吧

总之，法律人工智能是大方向，是看得见的未来，但还需要巨大的研发投入，换言之，“投入多少人工，就有多大智能”。那些以人工智能为噱头，却没有实际投入的项目，迟早会被淘汰。眼下最需要做的，是踏踏实实推进机器深度学习，将法官从重复劳动和繁琐事务中解放，从技术上健全法律统一适用和结果预判机制。现在就嚷嚷机器人审判的，十个有ten个在吹牛逼。换句话说，你连法条都驯服不了，还指望能驯服数据？

未来已来，而我们任重道远！

感谢您阅读“法影斑斓”，希望它能兼顾新知与审美。如果您觉得图文有点儿意思，请点击右上角按钮，选择“查看公共号”，再点击关注即可。也可搜索微信号：funnylaw1978。如果想阅读过往文章，可点击“查看历史消息”。

何 帆 出品