人工智能时代来了，法官不再重要？恰恰相反【斑斓 · AI】

作者 | 李则立（上海高院法官，文章仅代表个人观点）

人工智能火了，这把火烧进了法律圈。有人惊呼法官就将不重要了，也有人付之一笑，不过是好大喜功的噱头，又一次法律“自动售货机”的幻觉。

对于人工智能来说，2016年可能属狗，有一只“狗”横空出世，阿尔法狗。阿尔法狗三度出击，一次战胜欧洲围棋冠军，二次战胜李世石，人类围棋冠军，三次出击更加凶猛，化名master“血洗”几乎所有人类围棋冠军，60:0，中日韩无一幸免，阿尔法狗成了名副其实的大师狗。大师狗让“人工智能”前所未有地深入人心。人类竞相感慨，未来已来。虽然柯洁还将代表人类最后出征，但结果怕是没太多悬念，唯能寄望的只剩下“上帝之手”。

文科生聚集的法院大院里，对法律科技的关注恐怕前所未有。法律科技市场更加热烈，一款产品，倘若不绑定“人工智能”，几乎就成了落后生产力。“人工智能”从“爆红”到快要“烂大街”了。人工智能指日可待？人，真的不再重要了？

1. 机器代替法官？为时过早！

我们自然不能对第四次科技革命浪潮视而不见。如今的机器比之过去，厉害之处在于“深度学习”。深度学习基于神经网络算法，模拟人脑的神经突触网络。就好像一个孩子学习认知“杯子”，你给他看大量杯子和不是杯子的物件，一开始他可能只是瞎猜，但每次你都告诉他正确答案，时间长了他就越来越准确。你可能并没有告诉他“杯子”的经典定义，但他就是知道，那个就是杯子。

倘若真的开发出法律机器人，那么机器的“深度学习”就是通过这个原理，你只要告诉它足够多的经过标识的例子，然后告诉机器这次对了，系统的“神经突触”就会增强，这回错了，就减弱。大数据“喂”给机器，机器自己就学会判断了。比如大师狗基于谷歌多重深度学习算法，但这些算法如何构建出通向胜利的棋局，却是大师狗自己的事，怎么做到的？程序员也不知道。

但是，科学家认为，这也可能是神经网络系统目前存在的问题，知道“该怎么”，不知道“是什么”和“为什么”，机器没有理解能力，没有理解能力很难产生新的认知。有人将人工智能分为强人工智能和弱人工智能。在综合认知的强人工智能领域，机器目前还很弱。而在规则封闭的弱人工智能领域，机器很强。围棋虽然被认为是最复杂的人类游戏，但仍然属于封闭系统，规则固定。

万维纲在“得到”开设的“精英日课”专栏中分析说，柯洁跟大师狗比赛，倘若将围棋棋盘从19×19改为21×21，让我们看看谁厉害。机器只知道“该怎么”，而人类能把“该怎么”、“是什么”、“为什么”通盘考虑。法律恰恰是个带有开放性的社会科学领域，特别是在社会转型，产生新的价值冲突时，价值判断、复杂决策问题就需要人类从三个维度来综合考虑。

因此，至少在很长一段时期内机器代替法官是不可能的事。至于将来如何？谁也不知道。也可能如尤瓦尔·赫拉利在《未来简史》所说，生物不过也是个算法而已，算法以硅基的人还是以碳基的机器来表现并没有什么差别。硅谷著名未来学家雷·库兹韦尔则预言，2030年人工智能将超越人脑，2045年奇点出现。但也许并没有那么容易。至少目前来看，那属于值得仰望的“星辰大海”，不是现下的“脚踏实地”。即使乐观如雷·库兹韦尔，也至少还要几十年吧。这个时候就大谈人工智能指日可待，那可能连乐观也谈不上，基本属于妄语了。号称机器人即将代替法官的，只能用两个字来评价：扯淡！

何况雷·库兹韦尔谈的是大势，人工智能可能在各个行业逐个突破，各个行业之间的情况也大有不同。特别对于法律业来说，“大航海之路”才刚刚启航。比如谷歌的无人车之所以能够上路，是以谷歌街景项目的数据积累为基础的，全球谷歌街景“扫过街”的道路上，目标大小、颜色，道路宽窄、交通状况已经有了非常详细的数据积累，这样无人车只要加入实时路况的数据就能做到安全驾驶。倘若无人车的设计像以往那样按照人开车“眼观六路、耳听八方”的方式从头开始，根本不可能实现。而对于法律业来讲，基础的数据积累都没有完成，目前最大的数据可能就是公开的判决书了，审判流程数据的采集尚在进展中，律师段的数据与法院也没有打通，离开发出“人工智能”的机器人，还差的远呢！

2. 机器的角色定位在于“智能辅助”

但同时，我们也必须承认，这是机器人崛起的时代。如今的机器已经截然不同于几十年前计算机刚刚兴起时的机器了。语音识别、机器翻译、机器自动撰写文本、无人车等相继突破，蓬勃发展。第四次科技革命的影响必然渗透到社会方方面面。机器已经如此厉害，定不会在法律业的发展中无所作为。如果非说法律领域可以任尔东西南北风，我自岿然不动，那只能沦为“鸵鸟”了。

法律毕竟是规则之治，特别是在如道路交通、劳动法等规则相对封闭的领域里，机器可以大有作为。比如部分受到IBM认知计算机Watson支撑的法律检索AI产品ROSS等已经引起了广泛的关注。

既不能全靠机器，又不能缺了机器。机器的角色其实很清楚——智能辅助。

机器的定位意味着什么？意味着未来的发展之路，得与机器一起走。

首先，对法院来说，这可能是中国司法“弯道超车”的机会，英国、荷兰等发达国家近年来的司法改革都瞄准了法律互联网的发展，从公开的资料看，中国法院在硬件设施、数据采集等方面在这波浪潮之中并不落后，反而在很多方面已经探出一个身位。

法律大数据和人工智能必然是中国司法“弯道超车”实现跨越式发展的重要变量。而且，机器崛起的进程也可能很快。雷·库兹韦尔总结人类社会加速发展规律，称之为加速回报定律（law of Accelerating Returns），意思是说人类的历史发展速度不是线性，而是指数性的，类似于摩尔定律，如果按照这个速度，他说整个20世纪100年的进步，2000年之后只需要14年就可以达成，那么2014年之后只需要7年就又相当于过了100年。

当然，这样的说法没有精确的科学测算，但与我们对变化感受相当契合，想想10年前苹果手机刚刚出现，而我们还普遍用着诺基亚和摩托罗拉。科技日新月异，时代急速狂奔。窗口期或许并不长，不紧紧抓住，可能错失良机。

其次，对于法院内的个体而言，只有与机器合作，才能解放自己，跟上时代。正如财新主编王烁在他《机器人崛起时代的生存策略》的文章里所说，“没有什么能保证机器不会最终获得意识，但那一天还早得很，先不管它。机器崛起带来的主要问题不是人与机器的竞争，而是人与人通过机器的竞争。”竞争的差异可能不是会不会被机器替代的问题，而在于是不是带着机器一块“玩”的问题，人机配合与人的差距将可能是巨大的，还可能越拉越大。

3. 机器智能的发展数据是关键，而数据由人创造

但是，特别在这个时候，我们最不能忽略的恰恰是人。

“人工智能”，没有“人工”，何来“智能”？人工智能的实现取决于三大要素：数据、算法、计算力。三大要素当中，数据重要？还是计算力重要？还是算法重要？从实现人工智能的结果来说，都重要。没有算法，人工智能无从谈起，而没有大数据和计算力的大幅提升，人工智能也只能在“无人车”走几百米，机器翻译不过拼凑单词意思这样的低水平。但是对于某个行业来说，分析要素可以帮助我们抓住重点。

——计算力属于“客观因素”。计算机硬件技术至今按照摩尔定律迅猛发展。云技术、量子计算等还在不断取得新的突破，但这项因素主要取决于计算机领域的科技发展，基本属于“硬件”，我们无法左右。

——算法不是关键一票。其实神经网络理论早就提出，现今的深度学习算法脱胎于1980年代的神经网络，当然，也取得了进步，但人工智能的发展并不是因为算法的突破。

吴军在《智能时代》里分析，“机器学习并不是什么新鲜事，今天广泛使用的机器学习算法，比如人工神经网络算法、最大墒模型、逻辑自回归等，早在40年前就已经成熟了。”“人工智能的核心算法几十年来基本上没有变过。”，“AlphaGo在具体的算法上和深蓝略有差异，但是它们的博弈的原理是相同的”。“人们从直觉上一般会认为不断改进的方法才是好的，应该采用的，但是在工程上却不然，像Google大脑这样试图解决各种问题的大数据机器学习工具，实现起来工作量巨大，一旦实现，就希望能够使用很长时间，因此算法需要稳定，不能三天两头改。”

更何况，算法是开源的，未来算法的壁垒会越来越低。那么，我们可以得出一个大致的结论，其实目前很难指望通过算法的突飞猛进来实现法律人工智能，如果有人说自己算法特别牛，能通过算法解决智能问题，那他至少使用了夸张的修辞。

——数据为王。三大要素之中，数据可能是某个行业机器智能突破的决定性变量。吴军在《智能时代》里指出，人工智能的发展主要因为大数据的发展，变智能问题为数据问题。但所谓“大数据”，并不是“大”就好，这个“大”，英文里是“big”，不是“large”，也不是“huge”。“big”，是抽象概念，相对于可能出现黑天鹅的“小”数据而言，不是指规模和体量。一堆杂乱无章的数据是毫无用处的。有用的数据有什么特点？规整，有特征，专业化、标准化程度比较高。围棋就是如此，属于封闭系统，数据比较规整。凡是能做到这些的领域，人工智能就能获得巨大突破。

4. 法律大数据和人工智能绕不开人的专业化、职业化

法律大数据的规整、标准化取决于创造数据的人类，专业化水平越高，数据质量越高。目前为止，法院是矛盾纠纷的终端，法官是裁判的创造者，法院的管理水平、信息化水平、法官的专业水平、辅助人员的协作水平决定了法律大数据的“成色”。当然，做法律大数据的朋友告诉我，法律大数据和人工智能的发展还需要全行业的共同努力。

真正有用的数据是“海量的、准确的、标注过的数据”，特别是标注数据，其实是个工程浩大的基础工作。比如裁判文书，机器没有自然语言理解能力，需要专业法律人对文书进行解构，以便让机器能够识别其中的专业术语。但至少应该清楚一点，这些数据可都是人创造的！

假若设计一个虚拟实验：A地区和B地区比拼AI下围棋，都使用最先进的云计算技术，算法也一样，唯一的不同是屏蔽信息流通，也就是说A地区只能使用A地区的围棋数据，不能使用B地区和其他地区的数据。然后各通过机器深度学习训练出一只A狗和一只B狗，两狗对战谁会赢？这显然取决于A地区和B地区的数据，而这些数据来自两地区的棋手产生的数据质量，倘若A地区里都是“臭棋篓子”，B地区则正好大师聚居，这样训练出来的AI棋手哪个更厉害？不言而喻。跟“臭棋篓子”玩还是“臭棋篓子”，人工智能站在人类智慧的肩膀之上，没有人的智能，不会产生机器“智能”。

法律大数据不也是如此么？倘若没有“高手”训练机器，没有好数据“喂”机器，机器如何成长出“智能”？可以这么说，倘若全国法院来个机器智能比赛，哪里的法院管理水平高，法官专业化水平高，辅助人员协同水平高，机器的智能化水平就高。

挖掘数据正如“淘金”，沙子越多，含金量越低，挖出金子越不容易。倘若我们的判决书全是什么“人生如梦……”，“一别两宽，各生欢喜”，机器算是瞎了。数据中的沙子太多，用专业术语来说就是“噪声”太大，信噪比（Signal Noise Ratio）低，真正有用的信息就会淹没在噪声当中，降噪成本将变得很高。那时还能指望机器来判案么？

因此，人的专业化、职业化是实现“智慧法院”不可超越的一个阶段。在法律人工智能星辰大海的航道上，人的作用相当重要，他们除了是数据的创造者，还是数据的处理者、翻译者，与机器的连接者。

正如首席大法官周强所言，司法改革和信息化建设是车之两轮，鸟之两翼！

倘若法律人工智能真的有一天实现，那么它更可能是循着专业的法官生产更好的数据，法律科技用更好的数据挖掘更有用的信息，创造出更好的智能辅助产品，人机配合，产生更加专业的法官，并生产出更高水准的司法产品，也就是更好的数据。如此循环往复，螺旋上升。

可见，要赶上智能时代这趟列车，我们需要从数据入手，而数据的创造者、翻译者、连接者才是可以依靠的对象，因此，“智能辅助”的开发应当以法官的需求为导向，让法官深度参与，为法官提供真正的帮助。

因此，我们愿意相信智能时代来了，但毛主席的话还没有过时，至少在法院，人还是最可宝贵的。

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