作者 | 何帆（最高人民法院法官）

新年新氣象，除了一堆互聯網大佬高調宣布“未來已來”，一則關于南京中院將引進“法律機器人”（即所謂“阿爾法法官”）輔助辦案的報道，也在法律圈激起波瀾。有法官私下吐槽，人工智能那么“能”，有本事以后別讓我們加班結案??！好在南京中院今天下午及時辟謠：該院從未設立“機器人項目部”，所謂引入“法律機器人”項目，純屬個別企業(yè)捏造。

引起我注意的，是南京中院聲明中的一段話：“司法是具有經驗和價值判斷性質的工作，再聰明的機器或軟件都不能完全替代法官的工作，只能為法官提供辦案支持與輔助?！痹谖铱磥?，至少在現階段，這一認識是理性的。

脫離常識的創(chuàng)新走不遠

這是個浮躁的年代，有踏實做事的，也有賣狗皮膏藥的。一個概念還不具備技術基礎，就已大張旗鼓賣到濫，等趴在上面埋頭研發(fā)的團隊搞出名堂，概念已貶到與情懷等值了。其實，奇點臨近也好，未來已來也好，在商言商，商業(yè)公司為了融資和營銷，有他們的口號策略?？稍谌斯ぶ悄軉栴}上，法院還是應當立足本位，保持清醒，不要被兜售概念、囊中無物的技術公司“綁架”或忽悠。

是的，我們要建設“智慧法院”，要大力推進信息化3.0建設，可我們需要的智慧和智能，第一要務還是輔助和服務法官辦案，而不是替代司法裁決、淘汰辦案法官。另一方面，即使是智能輔助和服務，也需要滿足三個標準：

一是要切實解決問題，而不是花樣和噱頭。

二是要體現技術含量，附加內容增量，不能僅僅立足于互聯互通。你能說檢察官戴著藍牙耳機出庭就叫“互聯網 公訴”么？你能說法官把當事人拉到微信群調解里就叫“互聯網 審判”么？

三是要符合常識和司法規(guī)律。有人說，未來所有庭審都可以在網絡上進行。是的，在遠程調解、證人和專家作證方面，互聯網確實有無可比擬的優(yōu)勢，但還是解決不了證據原件質證的問題。目前號稱實現互聯網庭審的，主要也是簡單無重大爭議，且征得當事人同意的案件。用一位資深法官的話說，巨變時代，必須創(chuàng)新，但違背常識的創(chuàng)新，注定無法持續(xù)。

人工智能的燃料和引擎

60多年前，科技領域就一直吆喝人工智能，到上世紀70年代才偃旗息鼓。為什么中斷？因為技術本身的實現程度支撐不起足夠多的應用，又無法在商業(yè)中深度滲透，投資者看不到巨額投入后的效果，遇冷是必然的事。

互聯網和云計算的進步，讓人工智能熱潮復興，機器的“深度學習”概念再度火起來。深度學習得以復興，關鍵點有兩個：一是互聯網提供了“海量數據”；二是云計算提供了遠超以往的計算能力。這兩點就像燃料和引擎，疊加起來，就可以讓人工智能技術加速。

截至目前，法律人工智能的發(fā)展，主要體現在語音識別、圖像識別、文本分析和數據整合領域，雖然技術飛躍程度不高，但已推動了某些法律行業(yè)的功能轉型，甚至導致部分中小律所的生存危機。例如，美國Blackstone Discovery公司推出的法律文本分析系統，就斷了許多律所的財路。這個系統分析150萬份法律文件，成本還不到10萬美元，關鍵是準確度還比人工分析高出40%。除此之外，還有LegalZoom對法律文件服務領域的挑戰(zhàn)，Onomatics對商標分析服務領域的挑戰(zhàn)，Lex Machina對專利服務領域的挑戰(zhàn)，Wevorce對離婚訴訟服務領域的挑戰(zhàn)，等等。

司法大數據的局限

具體到我國，最高法院構建的“中國裁判文書網”，為法律人工智能的發(fā)展提供了“燃料”，而各個大數據公司所孜孜努力的，正是“盤活”這些“燃料”的算法。

然而，不要以為囤積了一大堆司法數據，人工智能就隨之實現了。這里面需要考慮三個問題：

第一，“體量”并不代表“質量”。有大數據公司對中國裁判文書網上的海量文書進行識別，發(fā)現有相當一部分是“冗余數據”，有的是“一份文書，不同案號”，有的則是因為重復傳送或錯誤傳送。從法律適用角度看，相當一部分簡單案件的文書，也沒有數據挖掘價值。

第二，“大”并不代表“準”。消費者未必是理性的，可商家仍要根據客戶的購買數據調整營銷策略，但判案子不像買東西。同樣是停車場的保管責任糾紛，100個法官可能有100種判法，其中25個判法類似，但不能說這25個判法就一定代表著正確的方向。司法是判斷的技能，簡單的數量比對是數學，但不是算法。

第三，現在并不代表未來。隨著查詢檢索和智能推送技術的發(fā)展，類案文書的說理和考量未必多元，反而會更加趨同。如若不信，不妨搜一搜有多少離婚案件的判詞愛用“人生如夢”，結果肯定會嚇您一跳。換言之，目前所謂的人工智能是以之前的數據為基礎，試圖解決未來的類似問題，但是，技術和社會是不斷發(fā)展變化的，類似問題在不同時期會有不同解決方案。所以，我們對“智能”的期盼，既包括裁判規(guī)則的類似應用，也包含為既有規(guī)則的改變和反思提供數據積累。

走向智慧法院之路

潑完冷水，該談談建設意見了。對于人工智能在司法領域的應用，我個人還是持開放和樂觀態(tài)度?？傮w來看，或許有以下幾步可以走。

第一步：通過智能語音識別技術，將審判輔助人員從記錄或咨詢事務中解脫出來

一次到某法院旁聽庭審，發(fā)現從法官、檢察官到律師，說話都一句一頓，是他們在字斟句酌么？不是，因為大家都怕書記員記錄跟不上。很多法官私下開玩笑，這哪兒是庭審為中心，簡直是以書記員為中心。書記員抽調不來，庭開不了；書記員記得太慢，口開不了。

引入智能語音識別技術進行庭審記錄，乃至法官合議記錄和審委會討論記錄，已被證明是可行的。不過，即使是這一小步，也存在諸多技術瓶頸。例如，多人交互發(fā)言的“分音”問題。從語音到文字的轉換是進步，但哪句話是誰說的，也得有一個識別過程。特別是復雜案件的庭審和討論，一會兒原被告一會兒律師，一會兒偵查員一會兒專家證人，你一言我一語，如果不對照音頻視頻，誰還記得每句話出自何人。目前的解決思路，一是識別話筒位置，二是預先存檔識別。但，這個問題不解決，就匆匆撤掉書記員，只會讓一線法官叫苦不迭。

與之類似的，還有訴訟引導工作。諸如 “立案去哪個窗口，要提交哪些材料”之類的簡單問題，當然可以放心交給“導訴機器人”，由它們通過語音識別技術自動回答。不過，但凡做過訴訟服務工作的法官，就知道當事人的訴求五花八門，絕不止咨詢一個法律問題或收費標準那么簡單。在現階段，“導訴機器人”還是錦上添花的事物，無法做到包打天下。對這個問題，必須有清醒認識。

第二步：將智能圖像和文件識別技術嵌入法官辦案系統，將法官從簡案處理和繁瑣文牘中解脫出來

前已述及，許多大數據公司和專業(yè)輔助機構已經取代傳統律所，成為圖像識別、文本分析領域的“龍頭”。律所可以通過流程外包、工作轉包或直接購買等方式，獲取相關服務。對法院而言，一些訴訟事務可以交給律師來做（如提交某個領域的法律分析報告），但一些與審判流程和裁判形成密切相關的基礎工作，必須由自己完成。

在我看來，目前最需要做的，是為“智慧法院”鋪路，即以法院日常工作為場景，構建多部門多用戶的互聯系統，打通數據壁壘，提升司法運行的效率。構建當事人\律師—審理法官—執(zhí)行法官—相關部門的互聯互通網絡。

這其中，有的屬于數據化問題，如電子閱卷、EMS快遞單打印、文書表格打印、電子簽章套紅打印等；有的需要進一步加強系統集成，如電子送達、串案套改、核心信息自動嵌入文書、立案與審判信息雙向流轉補充等；有的則需要適當引入人工智能技術，如類型化案件中裁判文書的自動生成（尤其是要素式、表格式、令狀式裁判文書）、類案智能推送、同案不同判警示、文書常見錯誤提示等。

需要強調的是，目前的人工智能技術，已基本實現第一步和第二步齊頭并進，在不少法院也已初見成效。但是，語音識別和圖像識別只是入門環(huán)節(jié)。所謂輔助辦案，主要是能適應不同專業(yè)場景，輔助法官判斷和決策，達到這一步，還有漫長的路要走。

第三步：通過數據提純、算法測試和專業(yè)訓練，讓系統變得更加智能，輔助法官決策判斷

實現這一步，是以海量數據為基礎，以類型化案件為突破口，通過提煉裁判規(guī)則、研發(fā)最優(yōu)算法、歸納既有經驗，在類型化案件中實現以裁判規(guī)則、審判經驗歸納為基礎的有限智能化。之所以強調“有限”，是因為它的智能程度，取決于我們能否找出共性的可以計算的問題，也取決于系爭案件能否類型化。于此，既可以針對某幾類案件的全部，也可以針對某一類案件的具體問題。可以預見的是，在類型化案件中，有可能形成統一的智能化算法；在不那么規(guī)格化的案件中，至少可以做到法律依據提醒、政策比較和類案參考。在此基礎上，深度智能化才有可能。

機器的深度學習也有快慢，你喂它吃粗糧土糧，成長就粗燥緩慢；你喂它吃精糧細糧，成長就日新月異。很多法院都有錯覺，以為把幾千萬份裁判文書數據扔給機器，它就能全知全能、無案不精，實際上，離開科學算法和測試反饋，系統根本不可能變得智能。

所以，推動機器在法律領域的深度學習，必須跨越三個門檻：

第一個是足夠的數據體量和質量。集全法院、檢察院和律師行業(yè)的各類數據，通過關聯比對、系統洗冗進行清洗、融合，獲得足夠的有效數據。

第二個是提取共性規(guī)則，研發(fā)科學算法。這里的規(guī)則，包括法律、司法解釋、指導性案例和參考性案例，也包括從海量文書中提取出來的裁判規(guī)則和共性因素。這項工作，光靠工程師無法完成，光靠一個或兩個法律人也根本搞不定，它需要匯聚許多資深法律人的力量，一個法條一個法條，一個案由一個案由，一個請求權基礎一個請求權基礎，一個罪名一個罪名，去攻克，去提煉，才有可能初見成效。

第三個是法律人的深度參與。美國科技博客VentureBeat近日撰文預測2017年人工智能的發(fā)展，就提出，人工智能若想取得長足進步，就必須仰仗更專業(yè)的人工訓練。只有在專業(yè)領域有遺留成就的人，才能推動機器進行更“深度”的學習。

我有個朋友參加某法院的審判輔助系統建設招標和演示，事后吐槽說，管錢管技術的副院長來了，技術、行裝部門的負責人也來了，可就是看不到一個審判部門的人，難道這項工作和法官沒有關系嗎？

其實，工程師可以解決算法問題，但在機器的深度學習方面，法律人才是真正的“導師”。算法的基礎是裁判規(guī)則，而規(guī)則要靠人去提煉。提煉完畢之后，還得有法律人給數據打上標簽，或是作為訓練集，或是作為測試集，交給機器判斷，再由法律人反饋，深度學習才能成為可能。

我們應該認識到，智慧法院的立足點和出發(fā)點，是法院的智慧。法院的智慧來源于法官，而非技術公司。法院的人工智能，說到底是把法官的智慧整合好、利用好。不在這一點上下功夫，做研發(fā)，就不可能有智慧法院。認為只要投入資金、貢獻數據、購買服務，就能建設好“智慧法院”，是天方夜譚；沒有法官的智慧參與，認為技術公司能包攬一切，也是緣木求魚。

第四步：也許真會有“阿爾法法官”呢？但既然距離第三步成功還很遙遠，就先別惦記第四步了吧

總之，法律人工智能是大方向，是看得見的未來，但還需要巨大的研發(fā)投入，換言之，“投入多少人工，就有多大智能”。那些以人工智能為噱頭，卻沒有實際投入的項目，遲早會被淘汰。眼下最需要做的，是踏踏實實推進機器深度學習，將法官從重復勞動和繁瑣事務中解放，從技術上健全法律統一適用和結果預判機制。現在就嚷嚷機器人審判的，十個有ten個在吹牛逼。換句話說，你連法條都馴服不了，還指望能馴服數據？

未來已來，而我們任重道遠！