（一）司法裁判内部运行的不确定性 追求司法的确定性，一直以来都是裁判理论与实践所致力于的。

算法社会只能使人的智性过度发展，从而使人丧失人性中更为宝贵和自然的组成部分，如心性和灵性。人类历史上曾经有过划时代的巨变，诸如宗教改革、文艺复兴、工业革命、启蒙运动，以及法国大革命、美国独立革命、俄国革命、中国的两次革命，以及世界上其他国家的革命、独立、合并等这些不可不称之为伟大转变的事件。

算法也能为我们吟诗作乐。这种不平等首先是对资源占有的不平等。今天人们对机器的沉溺比当年人们吸食鸦片可能有过之而无不及，所不同的是今天人们对迷恋机器的危害还没有充分认识。有史以来人们对法律、习俗、道德等规范系统的相互借鉴从未停止过。我们的信用评估、健康记录等现在都由机器来承担。

ROSS系统已经进入多家律师事务所。然而，这些历史巨变比起正在发生的和将要发生的巨变，真是小巫见大巫。在这样的情况下，我们很难对法律人工智能的前景保持乐观的态度。

[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。之所以如此，一个很重要同时也很现实的原因就是我们的研究者自身对数据统计与分析的技术并不了解，更谈不上熟练运用。[50] 参见面对AI，人类玩家在围棋上输了，但在星际争霸上赢了。从本质上来说，法律在某种程度上是一种意识形态。

在行政案件领域，法律人工智能可以适用于案件事实清楚、争议不大、可以适用简易程序审理的行政诉讼类案件，如应当以不属于行政诉讼受案范围、不具有原告主体资格、超过法定起诉期限以及不符合其他受理条件等理由裁定驳回起诉的案件。之所以如此，除了前述所说的法律数据方面的原因之外，更为重要的原因在于我们目前并未形成一套高效、成熟的算法，甚至对于算法本身都还缺乏准确、恰当的理解。

[18]近日，一起由美国威斯康星州法院使用COMPAS系统智能量刑的案件裁判结果在美国社会引发了激烈的讨论，其中的算法歧视问题引人深思。从人才层面看，法律界、人工智能界互有疏离、隔阂。因此，法律适用具有主体性、主观性与变迁性，我们很难获得一个完全没有任何意识形态与价值判断的客观化的法律信息数据，自动售货机式的裁判古今中外皆难以达致。基于此，AI可以预测最高法院未来的裁判，其准确率达到了79.46%。

因此，所谓的特别是中国的法律人工智能应用可能是不存在的。因此，所谓的法律人工智能只可能是在数据存在系统性缺失的条件下展开。少数实证研究也多采用描述性的统计方法，即通过百分比、增长率、图形描述等方法浅显地阐释客观世界，而缺乏如相关、回归、聚类等推断型统计方法。比较而言，法律人工智能可能更适合民商事法律纠纷的处理。

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。在人工智能领域监督学习仍是主流方法的情况下，采用何种算法，由谁来执行算法完成重要标注标签的任务，是决定法律人工智能成败的重要环节。

[51]其次，注意算法使用的透明性。在理想状态下，法律人工智能或许是一种类推学派中的知识图谱与联结学派中的深度学习相结合的机器学习方法，知识图谱与深度学习结合的算法意味着需要将法律分解为一个个小的逻辑模型，方便机器识别的同时通过专业人员给各个数据打上标签而为深度学习提供训练数据集。

[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。【期刊名称】《清华法学》【期刊年份】 2018年 【期号】 2 进入专题： 法律人工智能 法律数据 。结合裁判文书的文本内容仔细、深入地挖掘、分析、标注信息，并构建模型、发现趋势的大数据分析乃至真正意义上的法律人工智能并不多见。就此而言，在当下技术开发者对人类法官经验的选择尚无力区分时，我们无法判别何为优秀的裁判文书、何为优秀的裁判标准。更为重要的是，由于裁判者众多且彼此在很多方面存在差异，法律人工智能如果不加区分的话，会提炼出何种裁判模式及其适用范围，这也是大问题。[20] 那么，在中国，法律人工智能又呈现出何种景象，社会各界对其前景抱以怎样的希冀呢？ 从理论界来看，法律人工智能受到了广泛关注，并展开了初步研究与讨论，其大致可分为以下几类：一是关注人工智能作为新兴工具对既有法学理论所带来的问题与挑战。

[29] 公安部部长郭声琨在全国公安科技信息化工作会议上表示要积极适应大数据时代信息化发展新趋势，大力实施警务大数据战略，大力加强科技成果运用，强化顶层设计，避免重复建设，不断提高公安工作信息化、智能化、现代化水平，为公安事业发展进步提供有力的科技引领和信息支撑，要主动拥抱大数据、人工智能新时代，树立前瞻性的思维与眼光。[5]有国外学者甚至认为，人工智能在预测案件判决结果上已经超越了人类专家。

同时，法律信息也是未充分记录甚至是非记录化的。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。

在只有当下数据而没有历史数据，只有近期数据而没有长期数据的情况下，即便基于官方全数据也很难以充分发现和总结规律性的决策模式，更无法展开有效的信息分析与建模。遗憾的是，法律人并不精通大数据，在面对海量数据时，时常要倚仗BAT等企业的数据专家才能找到自己需要的证据。

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。每种算法派别针对的数据领域、数据特点各不相同，在一个领域获得突破的算法不见得就能适用于其他领域。另一方面，大量的程序过程如警察的侦查过程、检察院的起诉过程、法院庭审前后的过程也没有公开的、正式或非正式的文字记录，更遑论在此基础之上的数据化了。相较这些高收益的行业，法律行业略显寒酸，吸引力明显不足，从而也难以招揽高技术人才。

马化腾称人工智能近两年成为全球投资者关注的热点，吸引许多资金投入，腾讯也十分看重该领域的发展，预计人工智能将成为未来业内的核心竞争力。这其实也在一定程度上使得法律科技公司更易宣传其算法的先进性。

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。正是因为如此，实践中法律人工智能预测裁判的效果不佳，正确率较低。

[1] 比如，在中国，以BAT为代表的互联网公司纷纷宣称要转型成为人工智能企业。算法带有歧视性，这已是不争的事实，比如有犯罪前科的主体在算法预测量刑时会陷入更为不利的境地。

经对比测试，庭审时间平均缩短20%～30%，复杂庭审时间缩短超过50%，庭审笔录的完整度达到100%。从数据层面看，当下的法律数据不充分、不真实、不客观且结构化不足。事实上，目前中国热衷于法律人工智能的研究与运用的公司，其规模、人才与资金都较为有限，远远不如大科技公司。[45] 从实践来看，很多法律人和法律科技公司都在似懂非懂地使用知识图谱的话语来构建法律人工智能，并将其作为主流算法，即通过知识图谱实现知识的可视化，描摹出案件的主要构成要件和证据构成。

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。另外，裁判文书事实上只记载了裁判结论，而反映裁判过程的决策信息并未体现在裁判文书中。

未来，我们应认识到法律人工智能在我国运用的长期性与艰巨性，在明确法律人工智能应定位于辅助角色的同时，在技术层面上改进算法并培养法学与计算机科学知识相融合的人才。就司法领域而言，这种表象性是指，外界所能掌握的信息是用以证明法律决策正确而按照一定标准制造出来的信息，其可能无法充分、真实地反映法院、法官在决策时所真正采用的实质信息。

纵观当前实践，法院系统在智慧法院建设中所使用的人工智能主要有以下几种形式： 一是信息的电子化、数据化，即通过技术手段，将语音、纸质化卷宗文字等非电子化信息转换为可复制、可转换的电子数据，从而减轻司法机关的工作负担，为进一步应用打下基础。[40] 关于意识形态对司法裁判影响的详细分析可参见〔美〕弗兰克•克罗斯：《美国联邦上诉法院的裁判之道》，曹斐译，北京大学出版社2011年版，第4～45页。

(责任编辑：潘嘉丽)