华政学报 | 冯洁 人工智能对司法裁判理论的挑战：回应及其限度

作者简介

冯洁，天津商业大学法学院讲师、法学博士。

目次

一、引言:人工智能的司法适用

二、司法裁判之性质的再理解

三、裁判程序的标准化与模式重构

四、法官自由裁量的理性化

五、结语

摘要  人工智能既能提供辅助性司法活动的实践工具，也能为更清晰、严密地呈现司法裁判活动提供新分析工具。面对挑战，司法裁判理论的回应是多层面的：一方面，司法裁判在性质上应为通过对话在多种可能之案件版本和规范性假设中进行选择的过程;另一方面，司法推理的过程也应被重构，表现为“裁判程序的标准化与模式重构”与“法官自由裁量的理性化”两方面。但基于规则逻辑来运作人工智能方法也有其限度，它无法自行应对案件评价和法政策考量的任务，因而无法完全取代人类裁判者。未来人工智能在司法裁判中的具体影响方式和范围一定程度上依赖于法学研究的水平。

关键词  人工智能  司法裁判  基于规则的逻辑  裁判程序  自由裁量

一、引言:人工智能的司法适用

作为专家系统(expert system)在法律领域的适用，人工智能涉及了立法、司法、法律信息管理、法 律咨询、法学研究等各个分支领域。而其中最具有典型性，也被目前的“人工智能与法”（Aland Law)研究最为关注的无疑是司法裁判领域。布坎南(Buchanan)与亨德里克(Hendrick) 1970年发表的 《关于人工智能和法律推理若干问题的考察》一文拉开了司法裁判领域人工智能研究的序幕。我国关于裁判领域人工智能（当时称为“专家系统”）的研究起步于20世纪80年代，以钱学森教授的研究成果为代表。而研究真正趋热则来自于最近两年官方的推动:2016年7月发布的《国家信息化发展战 略纲要》和12月发布的《“十三五”国家信息化规划》将建设“智慧法院”列入国家信息化发展战略。 2017年4月，最高人民法院印发《最高人民法院关于加快建设智慧法院的意见》，指引法院管理信息系统的智能平台建设工作。7月，国务院出台的《新一代人工智能发展规划》进一步提出要实现法院审判体系和审判能力智能化。可以预见，在未来数年乃至更长的时间内，人工智能的司法适用问题将成为学界持续关注的焦点。

那么，人工智能将在何种意义上促进司法裁判的变革？应当承认，司法裁判是一种复杂的专业化 活动，既需要专门的法律专业知识，也需要裁判者的认知和情感能力。司法适用中的许多关键概念， 如“正义”“合理的注意”“意思表示”等，都深植于人类丰富多彩的生活之中。司法推理需要多样化的认知技术，如评估事实、解释法律文本、进行归纳和类推、参与论辩。它也需要裁判者的法律经验， 因为个案涉及当事人的重要利益和情感，个案的解决会给当事人的预期造成影响，会塑造他们对于法律体系的理解。有鉴于此，以严格的电脑模式去完全取代司法推理的想法或许很难行得通。但无论如何，当代的人工智能研究能够做的是，发展出支持司法活动的实践工具，以及理解和型塑司法裁判的新分析工具。

这又包括两个方面:第一个方面是提供辅助性司法活动的实践工具。辅助性的司法活动实际上是人工智能技术最大的用武之地。这些准备性或补充性的活动包括:管辖权筛选、法律文件的自动化阅读(如电子取证)、常规法律文件(备忘录、判决书等）的起草、程序追踪、帮助当事人与法庭间的交流 (协助起草起诉书、上诉状、传票等)。相对于此，目前国内尚未进行过系统讨论的是第二个方面，即人工智能为更清晰、严密地呈现司法裁判活动提供新分析工具。人工智能的运作逻辑其实是“基于知识或信息的逻辑”与“基于规则的逻辑”的统一。前者指的是人工智能工作的对象，即将大量的案件事实与法律规则都处理为知识、信息(裁判数据库）；后者指的是人工智能工作的原理，即从数据库中归纳出规则模型(建模)并运用于新的案件，这是编程和算法的核心。在此基础上，人工智能对于司法裁判理论的挑战以及后者的回应体现在:一方面，司法裁判之性质需要作新的理解(下文第二部分）； 另一方面，司法裁判的过程也要被重构，这既体现为“裁判程序的标准化与模式重构”（第三部分)，也体现为“法官自由裁量的理性化”（第四部分)。当然，这种回应也是有限度的。

二、司法裁判之性质的再理解

根据传统的理解，司法裁判是将一般性法律规范适用于具体个案以求得公正之解决办法的过程。 在这一过程中，有待处理的案件是有“原貌”的(具有实体意义上的唯一性)，唯一的案件事实是要被“澄清”的，而适用于案件的法律规范也是特定的(一个或数个)。法官要查明“真实的”案件，找到“正确的”法律规范，求解于公正的答案。但人工智能适用于司法活动，将在理论前提上对司法裁判之性质进行再理解。

其一，司法裁判可以也应当被理解为在关于多种可能之规范性假设中进行选择的过程。它的基本观念在于将司法裁判设想为这样的过程:从司法活动一开始以及在它发展的整个过程中，当事人将一些可能的“规划”或“草案”提交给法庭，法庭自身也可以提出一些。每一方当事人都会提出自己对于案件事实的特定“版本”的叙述，并对于案件的最终裁判提出假设性建议。当然，在奉行法官职权主义的国家中，法庭也可能会找出不同于双方当事人任何一方所提供的规范性假设。法庭会通过采取“第三种裁判方式”来获得其最终的判决。因此一般而言，法院在作出最终裁判时所面临的处境是，存在着多个可能的判决假设。判决假设事实上是一组复杂的陈述，每个陈述都是对相关争点（事实问题或法律问题）的可能回答。法庭的义务就在于根据案件语境从中选择一个作为最好的判决。

其二，“案件”可以被想象为由双方当事人，有时也由法院自身所提出的争点群。这些争点有的处理事实问题，有的处理法律问题。关于这些决定了某个案件之争点的所有可能之回答，它们的每一种组合方式都是那一案件之判决可能的“全景式”假设。这种全景式假设的数量在理论上是无限的， 但实际上它们中只有一些是相关的，即当事人或法庭只会指涉一些关于法律和事实之争点的可能回答的特殊组合。因此，被考虑用以裁判案件的假设组合是理论上可能之案件判决的非常有限的子集。 当然，这些全景式的假设彼此之间可能会相距甚远。因为它们可能对每个法律争点或事实争点都做出了完全不同的回答。或者，至少它们对某一个相关的争点提供了不同的回答，而对其他相关争点的回答则可能是一样的。但即便两个部分不同的判决规划也会构成一种替代性关系，法庭也必须在它们中间选一个。

为了更好地理解这种全景式假设判决的复杂性，有必要引入法律争点与事实争点这个一般性的区分。法律争点涉及对支配案件之法律规范及其解释和适用的选择。这类争点例如涉及成文法律条款、先例的运用、法律解释准则的适用、法律论据的使用等。在对某个法律争点可能的解决办法进行决定时，要处理一组复杂的相关法律问题，并找出对这些问题可能的回答。这类问题和回答的组合构成了一种去寻找相关法律问题之最终决定的“法律语境”。事实争点关涉关于案件之重要事实陈述的可靠性或者说真假。事实问题要根据所提交的证据，或者来自于这类证据和联结证据与事实陈述的证明来解决。如果事实争点是一组其中每个都或真或假的事实陈述，那么就可以说这类陈述的组合及其可能的真值就构成了一种“事实语境”，最终关于案件事实问题的决定要在其中作出选择。

其三，司法推理基本上具有一种对话的结构。司法推理涉及关于法律与事实争点的各种假设，它建立在对这类争点之相竞争的解决办法进行比较、对比、最终选择的基础上。这种对话结构体现在: 一方面，司法推理是双方当事人及其“案件理论”的对话。大多数判决假设都是由双方当事人在为最终判决做准备的诉讼过程中提出来的。这个过程可以被解释为双方当事人之间的冲突和竞争的过程， 也是当事人为了赢得法官的赞同而展开的一场对话。每个当事人都会提出他自己的“案件理论”，它是一组关于法律和事实的陈述，被建议为关于裁判的有效和可靠的假设。这种“案件理论”通常也包含了对于其他当事人所提出的“案件理论”的异议和反驳。至少在原则上，当事人所作的每个肯定性或否定性的陈述都必须得到论据的支持。这些陈述中有很多事实上是对对手所作的陈述或所提出的争点的回应与反对。双方当事人之间的对话关系显现在整个司法过程之中。司法推理就是法庭对不同版本之陈述和论据的选择。判决会影响到双方当事人，而每一个被一方当事人所提出的案件版本在定义上都是与其他当事人提出的版本相冲突的。为了作出判决，法庭必须“再次穿越”已被当事人进行过的对话。法庭要比较正面与反面的论据、肯定与反对的意见，以便选出对于案件之事实问题和法律问题相对最可靠的回答。

另一方面，司法推理可以被看作是法官与自己的对话。裁判一个案件是一场复杂的“试错”游戏， 一种“实验式的法形成机制”。在这场游戏中，法官不仅在与双方当事人玩游戏，而且在与自己玩游戏:法官从某个假设(要么是一方当事人以其论据提出的，要么自己所动议的）出发，进而“尝试”这一假设以便检验它是对的还是错的。这一假设在某种意义上构成了法官的“前理解”，依据诠释学循环的原理，这种前理解(假设）与法律文本之间相互作用，最终达成反思均衡。每个司法裁判的过程都包含着这种诠释学循环，它从根本上就具有对话的结构。当涉及对法律文本的解释时，它是解释者与待解释的文本之间的对话;当它更一般性地涉及对可能判决之假设的正确检验时，它就是判决者与自己的对话。

总之，人工智能视野下的司法裁判要被理解为对当事人和法官自己所提出的陈述、论据、理由、假设进行比较、分析，从中选择最佳解决办法的过程。如果将这里的陈述、论据、理由、假设视为宽泛意义上的信息或知识的话，那么司法裁判就是基于法律和事实信息与知识的选择过程。假如法官只处理支持所选项的理由，那么这种选择还称不上是“完全的证立”。为了说明最终所选的判决是相对最好的那一个，法官必须说明不存在更好的替代性选择。所以判决同样要建立在拒绝相关替代性选择之理由的基础上。如此一来，对所有相关可能的比较和批判性分析就变得十分重要，司法裁判也具有了对话的性质。

三、裁判程序的标准化与模式重构

目前，我们既不能盲目信任人工智能是无所不能的，也不能一概排斥人工智能作为探明、解释和呈现司法推理之工具的作用。这里无法对近年来司法推理领域的人工智能研究进行全面分析，事实上这也是不可能的。人工智能研究几乎每天都在发展更新，列清单的方式马上就会过时。但我们可以概览性的方式说明，人工智能研究对于司法裁判理论的哪些主要方面构成挑战，后者又如何进行回应，这种回应的限度何在。下面将从“裁判程序的标准化与模式重构”与“法官自由裁量的理性化” 两个方面来予以阐述，本部分先来处理前一个问题。它又可以被分为两个层面，一个是裁判程序的标准化，涉及司法决策(法的发现）的层面;另一个是司法推理模式的重构，涉及司法判决的证立(法的证立）的层面。

(一)裁判程序的标准化

人工智能研究的一个重要方面在于依照计算机的模式来使得法庭所使用的推理标准化，通过符合裁判程序的相关特征的编程，依照这一计算机编程来创设和操控一个程序。在每个案件中，人们只需键入个别数据，结果(命令、裁判）就会自动生成。但长久以来的司法经验表明，在这一方面将人工智能适用于司法裁判时会导致问题，也会面临限制。编程可以被执行的重要条件或者说重要限制，在于程序必须足够简单，并能在许多案件中被不断重复而没有显著的变化。

在某些领域，如官僚化的行政活动、私人组织以及公共机构中，我们很容易找到这些在类似或相同案件中简单和重复的程序。这种情况在司法程序中也有，但这里也存在更多的问题。第一，的确存在简单重复、频繁发生的案件(简单案件），但它们并非最常见的“通常”情形。所谓简单案件通常并不足以简单到可以用计算机模型来标准化的地步。法律看似是一个闭合的规则体系，但这套规则的意义却是开放的，特别是当场景或条件发生变化后，这套规则可能会被外来的因素冲击。这种标准化在“平均类型的”案件中就已经是极端困难或不可能的了，更别提在疑难案件中了。所以，这种类型的人工智能或许是有用的，但只能在相对狭隘的司法实践领域被应用。

第二，程序是否简单并不是先验地给定的，它来自于对程序的法律规制。某个程序是简单还是复杂，要由有权规制它的权威来确定。因此，将程序翻译为软件编程的可能性依赖于立法者关于适用于特定情形之程序类型的选择。

第三，程序的简单性是程度和评价性选择的问题。这意味着不存在什么先验和绝对的标准来决定程序是简单还是复杂的。依照一系列的要素，包括立法者的选择、相关主体的行为、案件的变化因素等，程序可以或多或少是简单的或复杂的。说它是个评价性选择的问题是指简单或复杂的判断受到价值判断的影响。一个重要的评价维度是，程序是否充分与有待适用之案件的性质相匹配。一个简单程序可能不适合于复杂案件，除非它足够灵活，可以一次一案地去适应变化着的环境和困难的论点。相反，复杂的程序对于简单重复的案件来说可能是不合适的，因为它过于累赘。简化司法裁判程序（以便最终使之标准化，并将它们译为软件编程）的主要危险在于遗失真实案件的相关复杂性，或者由于程序无法抓住和处理这类复杂性，从而导致不准确或不恰当的判决。

总之，用软件编程使得裁判程序标准化可以被运用于司法诉讼领域，但它只能涵盖小部分司法实践。在这部分实践中，司法在所运用的程序和具体案件的重复性方面更类似于官僚化的行政活动。 但大多数案件并不能被化约为这样一种理想类型的简单案件，即通过简单和标准化的程序来审判与裁决的案件。平均类型的案件和疑难案件通常需要复杂的程序设计，但这种程序本身又要求高度精致化的人工智能方法。未来能否发展出这种人工智能方法，尚需拭目以待。即便可以，考虑到法律体系和案件的复杂性，也会有大量的“选项”需要由法官本人来决定，因而完全的自动化处理基本不可能。

(二）司法推理模式的重构

从对于司法推理模式之重构的角度而言，主要向着基于规则的推理、基于案例的推理和可废止推理(非单调逻辑）三个方向拓展。要先予指明的是，这三者之间存在着紧密关联:前两者在推理的起点上有所不同(规则VS案例)，但即便是基于案例的推理也同样以“基于规则的逻辑”为运作原理;可废止推理(非单调逻辑)并非独立的第三种推理模式，而是试图为人工智能进入司法推理提供新的逻辑工具。

1.基于规则的推理

将人工智能方法运用于司法推理领域最初的努力是用专家系统模拟法律活动中与规则相关的某些内容。这里所说的规则包括但不限于制定法规则，也包括量刑指南、司法解释、行业规定、惯例、 学说等确立的与法律相关的规则。基于规则的系统，计算机程序要做的是将复数的规则以相应的权重连接在一起。只要在输入端事先确立了这套规则系统，且根据个案情况输入参数，那么原则上就可以得出清晰的判决结论。

但无论是简单的规则还是基于知识工程的复杂规则，都是以规则为基础来处理案件，它没法解决两方面的问题。一方面，法律知识表达的核心问题是法律解释。目前的法律专家系统并未以知识表达为目的来解释法律，而只是将规则整齐地“码放”在计算机记忆系统中仅供一般检索之用。然而在法律知识工程系统中，法律知识必须被解释才能满足自动推理对法律知识进行重新建构的需要。所以，在开发智能信息系统的过程中，最关键的任务是建立有关法律领域的概念模型。尽管有人会认为，法律解释依然是一种(细化了的）规则，如此我们事先就可以用这套细化了的规则去取代原有规则作为起点，但由于法律解释活动的个案相关性与开放性，我们无法事先穷尽一切解释(规则）的可能。另一方面，基于规则的方法假定了规则没有含混、漏洞以及冲突之类似的固有困难。但这些情况在现实法律世界中却是真实存在的。这也就意味着，基于规则的方法的一个困难在于在程序中编码规则之前就要先行解决掉这些问题。

2.基于案例的推理

对案例推理的研究正是起源于对基于规则的系统的不满。在这类研究看来，用一般性规则来解决法律问题很多时候是过于自信了，许多纠纷常常无法用可获得的规则来解决，法官必须求助于个案进行推理，无论是真实的还是假设的案例。这一方面最著名的是美国匹兹堡大学法与智能系统教授阿什利(Ashley)设计的一种根据案例来进行推理的HYPO系统。该系统有两个特点，一是建有案例索引系统。它可以使用被称为“要素”的索引系统寻找案例并予以分析。要素代表着重要的法律要素，它能将这些法律要素编入程序，就能帮助用户找出支持同一观点的一组案例出来。二是能够衡量案件的相关性。它使用要素来确定案件的相关性(至少有一个要素在待决案件与所寻找的案例中都出现)，通过要素在待决案件与寻找案例中的重叠情况来确定案例是否为最佳案例，重合要素越多则越合适。后来，阿什利的助手阿勒文(Aleven)又设计和建立了 CATO系统。这一系统更加接近法学理论中的案例推理，比如能进行某些反思性的调整。它也能避免某些早先遭受过批评的问题，比如能以非数字和敏感于语境的方式来处理案例要素的分量。CATO还对被引案例如何进行多样化的解释提供了详细的说明，并能依据论证语境所需的法律目的来强调或贬低案例区分的法律意义。

基于案例的自动化推理需要比基于规则的推理更高的智能化程度，因为它建立在比较和类推这类原本属于智能体联想思维的基础之上。但要将人工智能方法运用于案例推理依然存在着困难之处。一方面，“要素”索引系统可能永远是“不够完备”的。HYPO系统只能根据事先确定的要素来进行比对以确定是否属于同类案件，但可能存在着未被预先确定为要素的情形:有可能出现一个新的案件，它并不具备案例库中任何案例的预先确定的共同要素，但它却可能与其中一个案例具有其他共同特征，而这一共同特征会被评价为具有法律关联性。另一方面，更重要的是，案件的相关性不仅与共同要素的数量有关，更与对要素的法律评价有关。即便两个案件具有很多共同要素，但如果它们都不具有法律上的决定意义，那么要素再多也无意义。相反，即便两个案件差别很大，但只要具备一个具有法律上决定意义的共同要素，也可能进行类推。是否具备法律上的决定意义很多时候取决于对案件意义整体上的评价。而理解和评价案件的意义正是计算机的认知短板。在双方当事人所提供的案例及其理解模式中，哪一个会被识别为最佳，取决于法官对于该案情理解模式的信任程度，或者说是案情的可接受程度。它往往涉及对相竞争之价值和原则的取舍，涉及法政策学上的权衡。CATO系统虽然能根据法律目的来调整要素的使用，但它依然只是建立在基于规则的逻辑之上的技术化推理模式。而法政策学上的权衡却更多是个案式的。

3.可废止推理(非单调逻辑）

无论是基于规则的推理还是基于案例的推理，都是基于零主体的传统经典模式，它们没有充分刻画出法律推理的论辩特征。如前所述，人工智能将司法推理视作是对不同陈述、论据、规范假设进行对话和选择的过程，它不能被化约为简单、单向、演绎、重复、预先确定和无所不包的逻辑模型。因为逻辑绝不意味着只能在公理系统中起作用，而不适用于其他推理的类型。但从另一个角度说，司法推理又是向着逻辑和理性分析开放的。故而传统上在严格演绎与非理性之间的二选一显然是错的。为了把握司法裁判的复杂性，现代司法推理理论深化了对司法推理之事实特征的逻辑和理性研究。

如果司法判决被认为是一组关于法律与事实争点之解决办法进行选择的结果，那么对这种判决进行理性分析就需要运用相应的理性选择逻辑。对于事实、证据、事实陈述的推论等可以借助于对信息流和知识束进行计算机化的概念工具(做些调整)来分析。而对法律规则的确定、解释和适用或许要通过理性论证和道义逻辑来研究。我们可以将这种刻画法律推理之可废止性的逻辑称为“非单调逻辑”，以与以演绎为代表的单调逻辑相对;相应地，将司法推理视为“可废止推理”，以与以三段论为代表的推理相对。单调和不可废止性指的是当前提被满足时结论一定有效(如果p，那么q)，无论添加上什么别的前提条件均是如此。而非单调性和可废止性指的是如果前提被满足但结论并非必然有效，那么规则“如果p，那么q”就是可废止的(如当在前提集合中加入r:如果p且r，那么非q)。许多学者认为，非单调逻辑和可废止推理的模式与司法推理的对话结构非常匹配，因此试图以此为人工智能时代的法律论证提供新的逻辑工具。这对于司法判决的成功证立，对于司法推理领域扩展人工智能方法的运用都有重要的意义。

但这并不是没有争议的。一方面，法律规则和司法推理是否具有可废止性本身就存有疑问。美国法学家肖尔(Schauer)就认为，法律规则和司法推理是否具有可废止性是一个描述性问题，而非规范性问题，它取决于各个法律体系自己的选择。并非每一个法体系都必然具有可废止性，相反，不可废止性反而是许多法体系的主流观念和选择。另一方面，可废止推理是否必须(或，最好)用非单调逻辑来刻画也有不同声音。阿根廷著名逻辑学家阿尔乔龙(Alchourr6n)提出的著名主张是，通过演绎推理加信念修正的方法(AGM)就可以用单调逻辑来应对可废止问题，因而不需要用什么非单调推理。索特曼(Soeteman)主张，法律判断关涉重大，需要的是完全证成，而这种完全证成只能借由形式(单调）逻辑来完成。非单调逻辑并不必要，我们完全可以将可废止性置入前提之中来刻画司法推理的可废止性。阿列克西(Alexy)也认为，实质蕴涵的方式同样可以形塑法律论证的可废止性。因而，是否有必要用可废止推理(非单调逻辑)来刻画法律推理，依然有待更深入的研究。

四、法官自由裁量的理性化

除了裁判程序的标准化与司法推理模式的理性重构，司法裁判中运用人工智能的另一个重要方面在于理性化法官自由裁量的尝试。这一方面最著名的例子是刑事案件的量刑裁量问题。人工智能究竟能在多大程度上使得法官自由裁量理性化？这里首先要区分两种自由裁量，即强自由裁量(strong discretion)与弱自由裁量(weak discretion)。

(一）强自由裁量

强自由裁量无法通过任何逻辑工具或演算框架被理性化。这种自由裁量的基本特征在于法官被赋予了这样的权力，即通过完全自由地来关注个案的任意相关特征，选择支持判决的前提或标准来判决个案。只有在一个个的个案中，法官才能决定哪个或哪些原则、标准或要求更合适来作为这种特殊而具体之判决的基础。他的选择无法事先就被理性化，即通过对裁判者施加先前确立的一般性规则和程序来理性化。他至多可以对他的选择进行事后的证立，即在通过任意方式(如“直觉”“前理解”）获得判决后，结合特定案件的(他所认为的）相关特征寻找出一般性规则和标准来予以证立。以此来说明，在案件某些相关情形和某种评价标准既定的前提下，他所作的判决是合理的，也是从其前提中有效地推导出来的。有时候，法官还可以对他所引用的前提进行进一步的“外部证成”，即证明前提本身是可靠的和合理的。这通常一方面会指涉更高一级的选择准则，如支配具体案件中自由裁量运用方式的道德或政治价值原则;另一方面要给出理由来证立，他为何认为案件的某些特征(如当事人的性别、社会地位、案发时的处境等）对于裁判来说是相关的。但这并不是对裁判过程先验的理性化 (无法通过逻辑规则和模型来进行)，而只是通过适合于将判决呈现为基于“合理理由”之论据的后发式的理性化。人工智能的方法只能在这一理性化的意义被运用，它更多属于前面所讲的对围绕以论据为中心的司法推理的理性分析，而不再属于这里所说的自由裁量之评价的理性化了。

当然，事后的证立与事前的理性化并非完全不可转化。基于同案同判的要求，假如法官运用强自由裁量特定案件被收入检索信息库，那么当后来的法官来处理同类案件时，如果去遵从先前案件的处理方式，他的自由裁量就会消失，或者其空间至少会被大大压缩(转变为弱自由裁量)。尤其是当同类案件大量被积累时，就相当于会为后来的案件树立更为一般性的规则或标准。但是这里也面临着两方面的限制。一方面是前文在“基于案例的推理”部分讲过的同案的类似性判断受制于裁判者的价值判断，这一点在弱自由裁量那里同样存在。另一方面，更重要的是，“同案同判”并非是一个绝对不可被推翻的价值要求。英美法系中“遵循先例”只要求法院去遵从管辖它的上级法院的先前判决， 以及同一个法院先前的判决(垂直先例与水平先例)。大陆法系中的法官在原则上则无法定义务去遵守任何先例。我国近年来推行的案例指导制度尽管有一定实效，但对最高法院颁布的指导性案例“应当参照”的规定和“裁判理由”的定位同样说明它们是没有正式拘束力的。假如如此，那么先前案例及其判决就只是一堆没有自行适用的司法数据，用或者不用依然取决于法官自己的裁量。这无疑会限制通过同案同判对判决进行事先理性化的可能。

(二）弱自由裁量

弱自由裁量存在更多对裁量性选择余地进行事先理性化的空间。因为在这类情形中，有预定的裁判标准(尽管不够确定)，能开始时就确定司法裁量的界限，以及指引法官之选择的规则或标准。例如对于量刑，法律针对每类犯罪都规定了最高刑与最低刑，或者当特定案件存在制裁幅度时，它要求法官去考虑某些要素(如年龄、社会处境、精神状况、有无犯罪记录、未来再犯的可能等)。有时，专家们会提出一份“价目表”来作为规制法官在量刑时的自由裁量的手段。如果能用一组精确、复杂和精致化的分析性规则将所有相关的标准都结合起来，从而提供更细致的分类法，那么就能更加好地来界定量刑标准。最理想的情况下，每个案件在整个量刑光谱带上都可以找到适合自己的那个点，用来确定该案的恰当刑罚。

建立标准和原则的复杂组合和分析性的类型来定义案件的子集（以“属加种差”的方式形成多层次的子集）在理论上是可能的。这或许是有效地对法官量刑裁判进行理性化的方式。这种方法也是有用的，假如它的目的在于使得法官在决定合适之刑罚时的自由裁量最大理性化的话。人工智能的方法会大大拓展人类对于事先确立之细化标准的组合计算可能，而有时人脑很难胜任这一点。例如， 仅是“犯罪记录”这一项要素，有学者就将其细分为前犯的次数、最近一次违法的时间、以前的犯罪记录中是否有使用过暴力、从第一次犯罪到现在的时间跨度、本次犯罪行为是否比之前犯罪更严重以及犯罪人最近所判刑的性质和轻重情况等六个因素。这些因素虽然看上去很简单，但它们合在一起就有接近700多种的组合方式。至少，人工智能可以在很短时间内就将这几百种得到精确界定的选择可能列举出来，让法官在这中间予以选择。很多致力于将人工智能方法运用于量刑的研究计划都有这样一个共同点:通过组合相关评价标准来陈述出判决假设，并为法官提供可供选择的清单。这里的主要想法在于，法官的选项来自于这样一种语境，其中在理论上，任何案例都应当在一个连贯且高度结构化的体系中找到自身精准的定位点，因而对应于恰当的制裁措施。人工智能的确能通过将各种复杂标准进行理性和逻辑组合来对量刑体系进行分类。

但是，这里也并不是没有问题。首先，上述体系会产生极端复杂的组合。计算机能列出700多种 犯罪记录因素的组合方式(如果再考虑到其他要素及其因素，总体上组合的方式的数量可能会大得惊 人)，但法官却可能无力一一进行排查。其次，计算机的认知短板，即对各种因素和要素之意义的理解欠缺，在这里又显现了出来。例如，在犯罪记录中，什么是本次犯罪行为是否比之前犯罪“更严重”？什么是犯罪人最近所判刑的“性质”？这些评价能否完全进行量化或客观化处理？对于一个长期遭受冷淡对待的家庭成员，如何去理解她是否遭受到“家暴”（涉及“社会处境”）？外在的举止和言行与当事人的精神状况之间有何联系？这些都不完全是纯粹的因果关系的问题，而涉及人类的主观判断和意义理解能力。即便人工智能越来越具有“深度学习”的能力，但能否产生自我的思想尚有待观察。 再如，为了分类或指涉典型情形，个案应当被认为具有相似性，并对应于某个特定的类型。但是一个案件与另一个案件是否具有相似性，或者一个案件是否匹配于某个类型，在某种意义上原本就处于法官自由裁量的范围内。最后，应否压缩和排除法官的自由裁量本身也属于法政策上的评价问题。 人工智能的方法或许可以有效地减少和消除量刑标准的模糊性、开放性和不确定性。自由裁量空间的压缩可能会被认为是刑罚领域的一种积极的趋势，因为它可以增加案件处理结果的一致性和可预见性、平等性，减少主观性、不确定性以及不平等对待。但关键在于，理性化自由裁量(压缩和排除自由裁量）涉及的并不仅仅是方法，也不单纯是人工智能的适用问题，它根本上是一个涉及刑事制裁政策的问题。刑法之所以针对多数犯罪都规定的是幅度刑，很多时候就是为了赋予法官依据个案情形进行决定的裁量权。例如，同样的盗窃数额意味着同样的社会危害程度么(北京VS西藏）携带刀具算是“情节严重”的一种表现么(普通人携刀VS鲜鱼贩携剖鱼刀）不同的要素组合还有“综合考虑”的问题。弱自由裁量是在保证一般规则导向下“框架秩序”的同时，赋予法官框架内的个别化考量的权力，以实现个案公正。但人工智能却有可能威胁到这种政策考量。它会涉及对一些相关问题的再追问:判决(量刑）应更多依赖于一般性标准还是对当事人个别特征的考量？法官在多大程度上能被信任，被特定法律体系赋予裁量权等。

五、结语

人工智能对于司法裁判理论的挑战既发生在对司法裁判之性质理解的一般层面，也发生在裁判程序的标准化与模式重构以及法官自由裁量的理性化等具体层面。人工智能总体上将司法裁判视作受“规则指引”（而非“规则支配”）的活动。因此，司法裁判在多大程度上能通过统计建模、分析和计算所决定，在多大程度上受到规则和标准的控制，人工智能的应用范围就有多大。但是，司法裁判并非单向度的推理，它在本质上是一种向着普遍实践论证开放的复杂活动，即向着道德、伦理和实用性理由开放。至少就目前而言，面对如此复杂的司法裁判活动，计算机仍无法完全替代人类裁判者，“电脑法官”一或者孟德斯鸠和韦伯曾梦想过的“自动售货机法官”一目前还只是个梦想。当然，能综合应用机器学习、神经网络、大数据、认知系统、演进算法等要素的“合成智能”今后或许能突破程序员编排它做之事的局限。这意味着它能仿照人类根据隐性经验进行模式识别，这或多或少将使上述法外的理由变成具有内部关联性的数据，而得以客观化、规则化。这也只能在具体评价的层面上得以实现，却无法胜任总体性的法政策考量这一人类独有的能力。可以说，人工智能发展出在这个层面进行思考和决策之日，就标志着人类作为特殊的生物族群将从地球上逐渐消失的开始。

当然，人工智能未来具体能够在司法裁判中发挥什么样的作用、在多大程度上发挥作用，很大程度上也依赖于法学研究，尤其是司法裁判理论研究的水平。有什么样的司法裁判理论，就有什么样的人工智能与司法推理的模式。常有人言，有多大的“人工”，就有多大的“智能”。这里的人工指的不仅是“技术性人工”，即设计出更精确之编程算法和计算机推理模式，也包括“理论性人工”，即为司法裁判活动(包括它的各个方面:规则推理、案例推理、逻辑建模、法律知识数据库构造等）提供更加精致和深厚之法学理论。人工智能与司法裁判研究的未来，必然也有法学者的一席之地。

（责任编辑：宫  雪）

（推送编辑：成俊慧）

（PS：后台回复作者名字即可获取文章！）