人工智能在纠纷解决领域的应用与发展
2020/2/14 16:43:13  点击率[17]  评论[0]
【法宝引证码】
    【学科类别】法律信息化
    【出处】《法律科学》2019年第1期
    【写作时间】2019年
    【中文摘要】人工智能的发展对司法领域产生的巨大影响,已经在法律信息检索、文本自动化生成、裁判预测方面取得了很大发展,并不断有新的技术在试图达成“算法裁判”的终极目标。人工智能在纠纷解决领域发挥着重要的功能作用,在诉讼领域的立案、分案、庭审、裁判、执行阶段都有深度应用;在非诉纠纷解决领域也通过在线纠纷解决平台实现智能化目标。但是,也同样面临着巨大的挑战和困难。目前,人工智能在比较分析任务中作用较为明显,在认知推理任务方面尚未达到突破性进展。所以,必须规划设计人工智能的识别模型、定义模型、链接/关系模型、输出模型等模型,构建“人工智能+纠纷解决机制”架构,运用“对话+推理”的认知识别方法,才能真正建立起“互联网+”时代的智能化、全方位的纠纷解决体系,为社会治理体系的建设提供大数据分析和决策参考。
    【中文关键字】人工智能;纠纷解决;算法决策;技术模型;治理体系
    【全文】

      随着“人工智能”从一个科幻式的概念成为大众媒体和人们街谈巷议的高频词汇,社会各界包括政府机构、商业化组织、互联网企业,乃至各种学术机构都在积极推进人工智能的研究与应用。近两年,我国法学界对人工智能研究迅速扩展,也说明人工智能对法律以及法律职业的影响前所未有[1]。人工智能从最早的基于规则)的专家法律系统,将法律专家的法律知识、经验等以规则的形式转变成为计算机语言,到以深度学习、机器学习、大数据为支撑的自主系统,已经在法律信息检索、文本自动化生成、裁判预测方面取得了很大发展,并且不断有新的技术在试图达成“算法裁判”的终极目标。

      目前,关于人工智能的法学研究主要集中在以下几个领域:一是研究人工智能产生的新的法律问题,如人工智能创造物的知识产权研究,以及智能无人机、无人驾驶汽车等的法律人格、权利义务、责任承担等问题的思考[2];二是研究人工智能对法律与法律职业带来的机遇与挑战,即现代法律体系能否应对人工智能带来的新风险和不确定性,法律人在人工智能时代能否继续维持秩序与变革、守护与创新、价值与事实之间的动态平衡[3]。三是研究人工智能在法律领域尤其是智慧法院建设中的运用问题,人工智能否胜任知识覆盖面大、技术含量高的司法审判工作,未来的“机器人法官”能否替代司法裁判等问题[4]。本文在上述研究的基础上,聚焦人工智能在“纠纷解决”这一复杂领域的运用,研究分析其面临的挑战和困难,设计纠纷解决领域的人工智能技术模型和具体路径,构建“人工智能+纠纷解决机制”的架构,真正搭建起“互联网+”时代智能化、全方位的纠纷解决体系。

      一、现状:人工智能在纠纷解决领域的应用境况

      人工智能,作为研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,其研究领域包括机器人、语音识别、图像识别、自然语言处理和专家系统等。{1}129上世纪50年代图灵提出“机器可以同我们一样拥有智能的想法”,1956年在美国达特茅斯大学的一次会议上,约翰·麦卡锡首次提出人工智能的概念,其最初目的是模仿人类大脑的智能,帮助人类把错误降到最低。{2}10经过几十年的研究和发展,人工智能经历了“符号人工智能”时代到“人工神经网络时代”的发展,它改变了识别、推理与判断规则符号化的“符号人工智能”程序模式,转而由计算机通过“联结”式的深度学习数据,提取抽象特征,再进行检验化输出。人工智能不再依赖于思维过程符号化的人工部分,它可以通过海量数据的读取,自己建立思维过程所需的全部符号与逻辑公式。{3}157-166人工智能时代意味着以互联网为代表的信息技术向大数据科技的发展,引领着社会生产新变革;以大数据科技向人工智能发展,颠覆了人们的生存、工作和交往方式,创造了人类生活新空间,拓展了国家治理新领域。

      在人工智能的冲击下,法律体系可能需要全面重塑。人工智能不仅对法官、律师等法律行业产生了压力,还对民法、刑法、侵权法、知识产权等法律条文和判例体系具有深远的影响。{4}86随着人工智能的出现,法律诉讼的实践与费用不断降低,过去需要花费大量人力、物力才能完成的任务,如今可以在极短时间内完成。例如,硅谷的黑石发现公司(Black Stone Discovery)发明了一种能够处理法律文件的自然语言处理软件,它使得律师的工作效率提高500倍,从而将打官司的成本下降99%。{5}312有人预测,电子工作、基于信息技术的法院、虚拟法院、在线纠纷解决会成为未来纠纷解决的主流。{6}123人工智能在纠纷解决领域发挥的功能,可以从诉讼与非诉的两个角度来分析。本文将聚焦人工智能在“智慧法院”建设中诉讼领域的应用,以及在非诉领域的在线纠纷解决机制应用两个方面。

      (一)人工智能在“智慧法院”建设中的应用

      2015年7月,最高人民法院首次提出“智慧法院”概念。2016年2月,最高人民法院发布了人民法院信息化3.0版的建设规划。同年7月和12月,建设智慧法院分别被列入《国家信息化发展战略纲要》及《“十三五”国家信息化规划》。为实现全业务网上办理、全流程依法公开、全方位智能服务的智慧法院目标,各地法院在如火如荼推进智慧法院建设。如:北京法院“睿法官”智能研判上线,为法官提供办案规范和量刑分析等精准信息;重庆市高级人民法院数据“云中心”和上海市第二中级人民法院C2J(Court to Judge)法官智能辅助办案系统等,用大数据推进法律适用和裁判尺度的统一;2017年2月6日,上海市高级人民法院承担了中央部署的研发“以审判为中心的诉讼制度软件——刑事案件智能辅助办案系统”的任务,探索把统一的证据标准嵌入数据化的办案程序,对几万份刑事案件的卷宗、文书数据进行“深度学习”,该系统初步具有证据信息抓取、证据标准指引、校验和逻辑分析能力、证据链完整审查判断等功能。{7}

      人工智能作为科技“新贵”,模仿人类思维、意识过程的学习方式被认为是其拥有智能的根本途径。{8}人工智能的功能本质是将专家经验智慧以数据形式长久储存,并通过各种对数据的深度分析与智能运算帮助人类更好地处理不确定性问题,具备瞬间“解锁”法律事实与案例的能力。人们期待依托人工智能消解案件激增状态,通过科技为法官办案、诉讼服务、司法管理等工作提供实质性帮助,促进审判体系的现代化重塑。有学者从司法权特点的角色反思智慧法院的建设,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,服务外包对司法公信的威胁,是智慧法院存在的法理困境”[5]。在智慧法院的整体目标规划下,人民法院在推进和建设智能化辅助系统过程中,不但要发挥人工智能在审判领域的深度作用,还要关注司法权运行机制内在的特点和规律,平衡好遵循司法规律与创新科技运用的关系。既要拥抱人工智能给法院带来的机遇,也要避免走入“人工智能万能论”的“技术乌托邦”极端。人工智能在智慧法院建设中的运用贯穿整个诉讼过程,主要包括立案、分案、庭审、裁判与执行等阶段。

      1.立案阶段:以前端分流与便利当事人为考量。通过人工智能技术完善智审系统下的诉讼服务网,改良网上立案关口,将立案阶段的程序性事务交由计算机过滤处理,通过“批处理”操作系统[6],为立案法官提供材料审核、数据复核、案件分流、特色运算、差异预警等辅助服务。具体包括:(1)网上立案。将当事人提供的纸质材料,通过专门设备转换为计算机可识别、可编辑的电子数据,由智审系统自动对电子数据进行审核,根据当事人的基本情况、案件管辖、诉讼请求等信息,发出是否符合立案受理条件的提示;根据案由、法律关系、证据数量等信息,判断案件复杂难易程度,进行案件调解分流、繁简标记。(2)网上分流。整合网上咨询、网上诉讼、律师服务、申诉信访、在线调解、简易速裁等平台的功能,通过智审系统有效识别可调解案件,将适合调解的案件分流到法院特邀调解组织先行调解,调解不成的立即返回立案环节。适合简易速裁的转入速裁庭,减少诉讼渠道拥堵、防止审判资源浪费。(3)网上缴费。诉讼缴费平台自动生成缴费通知书并发送至当事人预留手机或电子邮箱,实时监测诉讼费到账情况。(4)电子送达。为提高诉讼文书送达效率,降低诉讼成本,法律文书送达方式以电子送达为主,其他送达为辅,法官对电子送达情况进行核查。

      2.分案阶段:以科学合理与实时掌控为目标。在智审系统中设计随机分案软件,建立内部数据库,记录分案过程中的所有信息,实时掌控分案动态。随机分案软件可实现分案的机会均等,确保案件分配给每个法官的概率相同且不可预见。分案系统通过对案件难度值、法官能力值等参数的大数据分析比对,完成以下任务:(1)达到案件随机、合理、精准、均衡分配;(2)院庭长按规定比例分案;(3)减少人为因素,避免任何对分案结果进行预测的可能性;(4)减少案件流转环节,通过操作进行重新分配;(5)对分案全程进行记录并储存备查;(6)抵御外界侵入系统;(7)根据记录的数据进行全景分析,预测未来一段时间法官分案数量、比例等,为法院管理提供可靠数据。通过人工智能设计的随机分案系统,真正实现分案过程最科学、工作效能最大化、人员发展最优化的目标。

      3.庭审阶段:以结构优化和标准规范兼顾效率与秩序。目前,最高人民法院、上海高院、广州中院、苏州中院等运用智慧法院庭审系统,发挥人工智能在数据采集、证据核查、法律检索、整理分析、综合归纳方面的优势,帮助法官依法、全面、规范收集和审查证据,统一裁判尺度。(1)证据核查。对于进入智审系统的案件,由系统对证据种类、完整性、清晰度等形式要件进行查验,对证据中出现与当事人诉辩内容不吻合、证据之间内容存在矛盾的情形,自动提示预警;对案件证据材料不符合类案证据标准指引的情况,系统自动提示缺失材料种类,为法官办案提供辅助;通过司法大数据总结案件办理经验,建立统一的、电子化的证据标准,内嵌于数据化办案系统。(2)司法辅助。通过智审系统,利用语音识别技术区分庭审发言对象和内容,自动生成庭审笔录;对案情“画像”,对庭审提纲进行提炼整理;借助智能化检索、技术辅助审阅、预测性编程等技术完成法律文件审阅自动化,为法官提供法律法规查询、相关案例、关联案件、案例指导、量刑参考、智能纠错等审判支持服务;建设科技法庭,实现平台内案件所有流程、文书、笔录、庭审录音录像、电子卷宗等信息关联,实现案件及其关联案件“一站式”信息查询等。(3)线上开庭。设立网络法庭,将身处不同地区的当事人与法官联系在一起,当事人通过电脑、智能手机等客户端,凭案件信息、密码登录线上法庭,实现跨区域视频对话。对双方当事人诉讼文书进行智能分析;各方在线上感知、互动,庭审过程同步生成录音录像、开庭笔录,对法律关系简单、争议不大的案件,实行“门诊式”快速审理,节约社会资源。依托电子签章、电子送达等系统,提高送达效率。

      4.裁判阶段:以推理标准化和裁判统一实现正义目标。人工智能在裁判阶段运用的一个重要方面是借助智能辅助技术使得法庭的推理标准化,通过符合裁判程序的相关特征的编程,创设和操控裁判程序,改善法官的思维和判断模式,带动裁判质效与法官专业度,以实现裁判最优化。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。法律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。严格的电脑模式完全取代司法推理的想法很难行得通。{9}22但是,人工智能还是可以在法律领域寻求突破,主要是因为法律推理有相对稳定的对象(案件)、相对明确的前提(法律规则、法律事实)及严格的程序规则,且须得出确定的判决结论。法律推理特别是抗辩制审判中的司法推理,以明确的规则、理性的标准、充分的辩论,为观察思维活动的轨迹提供了可以记录和回访的样本。{10}13美国威斯康星州早在2012年起就鼓励全州在法庭上使用COMPAS系统[7]对罪犯进行危险度评估为法官判刑提供参考。北京法院的“睿法官”系统和上海法院开发的“206”刑事案件智能辅助办案系统,运用大数据与云计算充分挖掘分析数据资源,依托法律规则库、语义分析模块、案件裁判模块,把证据标准嵌入数据化的办案程序中,在法官办案过程中自动推送案情分析、法律条款、相似案例、判决参考等信息,为法官判案提供统一、全面的审判规范和办案指引,帮助法官统一法律适用和裁判尺度。人工智能辅助下的法律论证,可以从单一性论证逐步发展为多种推理模型相结合的深度学习树建模,提升预测性判断的准确性,以相对统一的推理、评价标准为法官提供裁判参考,并对法官制作的裁判结果与预测之间发生重大偏离时,进行系统自动预警,从而发挥数据分析、预警监管作用,防止裁判尺度发生重大偏离,促进裁判公正。

      5.执行阶段:以信用惩戒和政策指引构建诚信体系。最高人民法院首席大法官周强在2016年两会工作报告上提出,“用两到三年时间,基本解决执行难问题,破除实现公平正义的最后一道藩篱”,并强调,“牢牢把握信息化发展带来的难得历史机遇,大力推进大数据、云计算、人工智能等技术在执行领域的广泛应用,完善网络化、自动化执行查控体系,推进完善失信被执行人信用惩戒制度,实现执行模式的历史性变革”[8]。目前,最高人民法院已经建成全国法院执行信息管理系统,完善了信用惩戒系统,实现与社会诚信体系的业务协同等。2018年2月7日,中国社会科学院法学研究所“法治蓝皮书”《中国法院信息化发展报告No.2(2018)》提出,网络化、阳光化和智能化是衡量智慧法院的三大维度。执行的智能化要求利用信息技术手段,将数据挖掘及智能分析决策等系统整合,实现信息共享、联动配合和规范管理。对案件进行科学分流、智能关联,深度挖掘执行大数据,实现智能分析决策。为了解决被执行人下落不明送达难问题,2017年深圳市中级人民法院使用现有的OCR文字识别技术,开发E键送达平台,实现“一键生成、一键到达”。E键送达平台可实现自动提取案件基本信息、自动生成送达文书、专有物流网络送达、物流信息实时反馈等功能,实现司法送达与外包服务公司无障碍互通[9]。

      (二)人工智能在在线纠纷解决机制中的应用

      在线纠纷解决机制(简称ODR)是从替代性纠纷解决机制(简称ADR)演化而来,是“在线替代性纠纷解决机制”的简称。根据美国联邦贸易委员会、欧盟、OECD以及全球电子商务论坛所下的定义,ODR是指“涵盖所有网络上由非法庭但公正的第三人,解决企业与消费者间因电子商务契约所生争执的所有方式。”{11}ODR是ADR移至网络世界的产物,但并不是简单地将现代技术应用到传统纠纷解决模式中,而是以互联网思维与技术为基础重新构建一种新的在线纠纷解决机制。目前,ODR呈现出两种主要发展方向:其一,是把ADR的方法和经验运用到全球电子商务环境中,以解决大量出现的在线纠纷的一种机制;其二,是在互联网思维与背景下对传统法院体系以及传统诉讼程序进行电子化、智慧化的改造。{12}2

      从上世纪90年代末到目前为止,ODR经过十多年的发展,已经形成美国、欧盟、亚洲三足鼎立之势。美国是ODR最发达的国家,欧盟也是ODR的积极倡导者和推动者[10],亚洲的日本、韩国、中国等有后来居上之势。ODR发展初期主要是为了解决传统的司法机制之外B2C电子商务各种纠纷的方法和模式。随着互联网技术渗透到经济生活的各个领域,在线纠纷解决机制逐渐发展为中立第三方在虚拟的场所运用电子邮件、社交网络等信息技术工具协助当事人解决纠纷,在线完成各种争议解决方式的总称。目前,美国、欧盟等国家和地区都建立了高水平的ODR平台,ODR制度在这些国家和地区得到了有效的推广运用。2010年2月,美国向美洲国家组织提交了一揽子解决方案,旨在为跨境电子商务ODR提供国际统一规则,其核心文件为《跨境电子商务消费者纠纷的电子解决草案(示范法/合作框架)》。美国政府代表认为,建立一个全球性的、与现有司法体系并行的ODR体制,可以有效解决现代型纠纷。

      国外ODR平台常用的方法包括在线交涉、在线调解、在线仲裁等方式,{13}121-122具体而言,ODR的模式包括:一是不公开报价和请求的处理模式,这一模式下,请求方与被请求方可以在统一系统中输入自己对纠纷解决的报价,各自报价对对方均为保密,当双方报价数额差值在达到一定标准时,则有专门规则确定解决纠纷的具体金钱数额,以上过程均由专门的计算机程序监控自动运行。二是在线ADR模式。这种模式实际上是运用现代的网络技术,如电子邮件、聊天室、网络会议、视频会议等,甚至可以是传统的电话、传真,把ADR的服务运用到网络环境下,以营造一个虚拟的调解或仲裁的场所,解决争议。三是计算机辅助交涉模式。这种模式,把各方的争议分解成可量化的要素,然后通过一种专门设计的计算机程序,辅助争议各方都能达成最大满意的综合解决方案。这种模式可以解决多数主体的、多个争议点的复杂纠纷。{14}目前采取这种模式的是Smart Settle网站,具有同步的在线回应、多主体多争议复杂纠纷的处理、利用先进的算法程序对争议各方的主张进行分析和优化、达成全体争议方都能接受的解决方案、提供完全自动化的简单争议解决程序等。以上三种模式中,第二种在线ADR模式可以说是没有智能因素的,而第一种“公开报价和请求的处理模式”具有符号人工智能特点,第三种“计算机辅助交涉模式”具备了一定神经网络人工智能的特点。

      随着我国多元化纠纷解决机制建设的发展,国内在线纠纷解决平台主要是以法院为主导,其基本建设思路是通过互联网将纠纷与解决纠纷的人集合起来进行配置。计算机技术在我国在线纠纷调解平台建设中的主要运用包括平台搭建、资源整合、合理配置功能等基础互联网技术。目前,我国的在线纠纷解决平台建设主要有两大类。一类是以浙江省为代表的“矛盾纠纷多元化解平台”( https://yundr.gov.cn)。该平台具有在线咨询、在线评估、在线调解、在线仲裁、在线诉讼等功能,包括家事、电商、医患、道交、劳动、物业等类型在内的七大专业解纷中心以及作为兜底的律师调解中心。平台汇集整个浙江省矛盾纠纷的数据,包括纠纷的类型、多发纠纷的领域、多发纠纷的人群、纠纷处理的方式等数据,可以为政府决策时进行参考。在这个分层递进的“漏斗式”矛盾纠纷解决模型中,系统层层过滤和分流大量简易适宜调解的案件,优化了纠纷解决流程,合理配置了社会纠纷解决资源。

      另一类在线纠纷解决平台是以法院为主建设的“人民法院在线调解平台”(tiaojie.court.gov.cn)。该平台是最高人民法院2017年在部分省市试点一年后在全国法院铺开的。该平台与各法院联通后,将汇集各级法院特邀调解组织信息资源库,整合入册的人民调解员、特邀调解员、律师调解员、行业调解员、商事调解员信息资料,与各级法院的立案分流速裁机制相衔接,将适合调解的案件以及当事人有意愿调解的案件先行分流到相关的调解组织调解,实现调解资源的人工智能优化分配。该平台通过当事人填写基本资料、选填纠纷要素、描述事实过程、上传印证材料、完成诉求提出,按照纠纷类型与当事人意愿,将具体纠纷调配纳入人民调解、行政调解、行业调解、商事调解、律师调解等不同类别的调解渠道,并分配给事先标识了专业类别的调解员进行调解,将原本需要“面对面”进行的调解活动改变为线上材料审阅、视频对话、在线协商、在线调解、在线司法确认等方式。通过建立网上调解相关制度机制,完善网上调解统计分析,增强在线调解平台宏观部署的前瞻性、系统性、针对性。

      目前,人工智能语境下在线纠纷解决平台最大的优势是运用信息技术为当事人提供高效便捷、成本低廉、便民利民的纠纷解决渠道。通过这个平台,运用结构化数据对纠纷进行描述,并根据纠纷类型匹配适合的纠纷解决方式,可以实现法律资源与非法律资源、官方资源与民间资源的合理配置和资源共享。技术的进步为更快速也更准确地作出纠纷结果预测提供了契机,当事人在享受到快捷、低成本且有稳定预期的纠纷解决服务后,就可能在将来的法律活动时更多地考虑使用平台的风险提示、案例参考、法律意见以及纠纷解决服务等功能。当大量行动者通过这样的纠纷解决平台调整其决策,将在很大程度上改变当事人的博弈状态。因此,基于人工智能和大数据的案件预测将深刻影响当事人的诉讼行为和法律纠纷的解决。{15}101

      二、反思:人工智能在纠纷解决领域应用的难点与困惑

      科技的力量有两种,一种是提高效率,一种是解决复杂性。从上述分析,我们可以看出人工智能在诉讼领域已经初步形成了信息的电子数据化、办案辅助系统的智能化、实体裁判的预测性、电子化的证据标准等形式;在非诉领域初步形成了统一的纠纷解决平台、整合的纠纷解决资源、标准化的纠纷解决模式等。但是,依据贝勒斯的诉讼成本理论“倘若有人只想使直接成本最小化,则错误成本可能升得很高”。{16}23智能技术虽然可以有效缓解司法程序与人力缺陷造成的瓶颈,但技术效用的不确定性本身也是一种风险,在效率的极力推崇下更易因盲目扩张引发过热隐患。目前,人工智能在纠纷解决领域的应用存在以下难点与困惑。

      难点一:法律大数据的不充分、不客观、结构化不足导致人工智能的基础不牢。法律人工智能兴起的重要原因在于大数据爆炸式的增长,这为人工智能的发展提供了基础资料。但是,目前法律人工智能缺乏必要的数据基础,法律数据的不充分主要体现在中国裁判文书网上的裁判文书并不能涵盖所有审结案件的裁判文书,导致数据分析的不完整。法官裁判不仅是法律技术的体现,更是法律观念、社会价值的映照,存在着很大差异。加之,法律适用具有主体性、主观性与变迁性,导致无法获得没有任何意识形态与价值判断的客观化的法律信息数据。法律数据的结构化严重不足,机器识别法律专业术语更是困难,非结构化的数据表述导致必须通过人工方式对法律数据进行筛选、分类和“打标签”,为机器的深度学习造成极大障碍。所以,这些问题必然影响法律人工智能基于充分性和高质性的大数据提炼出准确法律决策模式的可能性,从而难以据此建立起普遍适用且精确有效的法律人工智能模式。{17}115随着大数据理念的兴起与数据分析技术的革新,在线纠纷解决平台在“点对点”工具基础上,增加了数据管理与分析的功能。平台中产生的大量非结构化数据和半结构化数据,通过云计算方式对各类纠纷及其解决情况的深度分析,将赋予数据展示现状与态势、提示异常波动、预测发展方向等意义,并可能对商业活动规则、纠纷解决机制、社会治理政策等制度层面的问题形成改进的促动力。

      难点二:在线纠纷解决平台解纷功能还较简单。在线纠纷解决机制的承载前提是互联网平台。构架于互联网基础上的在线纠纷解决平台,可以利用互联网技术实现调解场景与机制的虚拟化与数据化,由此打破传统调解“面对面”的空间要求,也能够促使各类调解资源在平台上得以整合利用。如人民调解、行业调解、商事调解、律师调解等不同主体、不同渠道、不同规则的调解方式,均可以在一个平台上调度使用,使得纠纷解决资源的获取更加便利。但是,目前平台的解纷功能还比较单一,解纷机制还没有理顺,平台的覆盖面还不够广泛,尚不能满足使用者和纠纷解决资源的需求。通过平台抓取的数据因不充分、不全面,还不能起到通过数据分析为政策制定和方案设计提供参考的价值。

      困惑一:过度依赖人工智能可能导致审判程序异化。人工智能带来审判活动的专业化与效率性提升,通过数据采集到完成关系分析,从规范审查证据到模拟决策,从推送类似案例到统一裁判尺度等,这些智能技术为法官判案提供全面的外脑支持。但是,有效性主要是工具性的,而合法性是评价性的。{18}47审判活动是一项讲究自由心证的判断活动,是法官以经验法则、逻辑推理不断实践的思辨过程。而过度追求审判程序的智能化和经济化将削弱参与者的公正感知,违背司法规律也将引发对裁判结果公正性的质疑。我们不能指望人工智能替代法官判案。法官过度依赖技术将有可能成为机器输出的“纯粹代笔者”,将降低法官自由裁量的判断能力。有学者担心,如果过分依赖人工智能自动生成判决,根据大数据矫正法律决定的偏差,事实上将形成程序员、软件工程师、数据处理商等主体和司法者共持司法的局面。如果让人工智能超出辅助性手段范畴,全面应用于审判案件,那就有可能把司法引入歧途。即使人工智能嵌入了概率程序,具有深度学习能力,也难以保证做出公正合理、让人信服的个案裁判。{19}另外,司法责任制要求司法正义的实现最终需要有权责统一的司法主体作为承担者,当决策依赖人工智能输出却有违公正时,也难以找到正确责任承担人,使责任制落空。

      困惑二:偏重“算法”和机器评价可能导致裁判失正。决定法律人工智能成败的重要环节是采用何种“算法”以及由谁来执行“算法”。用脸书(Facebook)创办人扎克伯格的话来说,我们正处在“算法”时代而不是法律统治人的时代。“算法”的设计决定着智能化机器的“行为”。但是,对普通人和大多数立法者、执法者和司法人员来说,算法是一个“黑箱”。人们只能看到它导致的结果,无法看到它的运作过程。{20}83算法社会并不是理想的社会,它们只是人的智性单向度发展的成果,而人工智能的限度就是人的限度。“算法”在法律人工智能领域的要害在于正确认识、提炼、总结法律决策的规律,并据此归纳人类法律决策的模型尤其是成功模型,并用于预测未来裁判,为当下裁判提供参考。人工智能通过机器学习分析、训练数据,通过使用算法,确定连接输入数据与输出结果的“最佳”假设。{17}我们在看到数据决策带来了结论的确定性与统一性,能够帮助法官做出决定的同时,也要警惕一味非理性地遵从数据驱动式决策容易形成“运算替代经验”的误区,使审判决策轨迹让步于机器的“精准”评估。如前述美国威斯康星州法庭COMPAS系统就因其算法无个人主观性介入而大受推崇,但不可否认的是被测评人将被机器异化为数据客体进行优劣定位。这将与公平程序原则下保障控辩双方享有平等的诉讼立场相悖。人工智能可在一定程度上矫正案件决策受人性主观影响造成的公正性偏颇,但其也具有软件所固有的编程偏差与运算错误。如果我们把所有司法判决都交给算法,就有可能产生算法黑箱、算法鸿沟与算法独裁等问题。目前,我国的法律科技公司到底采用何种算法以及该算法的实际效果如何,均没有一个客观、中立的评估。使用这些法律人工智能的法院也无力解决复杂的代码与程式,只关注智能系统是否好用。在司法实践中,我们侧重于相关性的智能运算,容易演化为主导决策产出的角色错位,因逆向逻辑的法律适用也可能造成裁判的明显失准。当因使用偏离最初设计初衷的不可知的智能技术,以及因“伪数据”与抓取不周的输入错误等造成对事实或条件的错误分析时,将可能引起司法裁判不公。

      困惑三:智能技术运用造成纠纷解决场域弱化。大数据+云计算技术解决了数据维度的问题,即大量数据的调度使用,但大数据的深度运用,即数据分析能力的提升,从技术上来说依赖于算法革新。未来的智慧法院和在线纠纷解决机制应当实现数据全方位、无限量地集中,按类型自动结构化,并进行分类处理。通过纠纷预测,可以帮助当事人选择最佳的纠纷解决渠道,形成最佳的谈判或诉讼策略,从而节约成本。特别是在诉讼模式处理纠纷的过程中,人工智能可以模拟法官、法官助理以及书记员工作,按一定的逻辑算法生成各类通知书、告知书以及简式裁判文书。人工智能可以处理信息并表现出超过人类决策的优越性,但过度追求技术替代可能引发技术蒙昧主义,导致所谓审判成为在一系列自助操作下基于对证据的逻辑演算后胜负结果的输出,剥夺了当事人的知情权与选择权,也因失去发泄不满或寻求倾诉及心理治疗的情境而削弱了审判的参与感。

      三、模型:人工智能在纠纷解决平台的技术路径

      人工智能与人类理性的最佳结合点应是相互支持的合作共赢,而不是取代与被取代的零和关系。人工智能应当具备认知与判断的功能,其运用在法律领域,一方面可以作为逻辑的定向指南,必须实现若干逻辑关系的证成过程,即推理过程;另一方面可以提供海量的纠纷解决数据,从数据的采集识别,到数据结论的输出,全部都是在一定逻辑模型中完成数理演算。因此,人工智能在纠纷解决过程中应当包括四个重要的模型,即识别模型、定义模型[11]、链接/关系模型[12]、输出模型,才可以实现理想化的人工智能解锁法律事实、提供信息指引,以及寻找适合纠纷解决方式的目标。这是构建“人工智能+纠纷解决机制”模式的核心要义。

      1.识别模型:对识别对象进行要素化概括

      人工智能必须具有将对象进行数据化识别的能力,这是人工智能运行的前提。无论是通过人工符号化模式,还是神经网络自学模式,都需要对识别对象进行要素化概括,并建立相应的数据采集规则。识别模型的运算规则,其实是对不同载体进行数据解码与转码,因识别对象不同而有所差异,如识别图像、文本、数据,所需要的数据输入与转化方式均有所不同。

      从法院审判系统和在线纠纷解决平台的信息处理模式来看,识别模型或识别技术的优化,可以改变现有填制式案件处理模式。目前,法院立案系统和在线纠纷解决平台的信息采集均通过电子信息填制,无论是当事人在网上法院或网络调解平台提出诉求,还是调解人员或法官在网上处理案件时,都需要完成若干电子信息填写、文本与图片导入等信息录入事务,方能对纠纷进行分类、分流处理,大大增加当事人与纠纷处理人员的负担,信息技术的便利性完全无从体现。即使是法院系统内部使用的办案系统,也几乎完全采用电子信息录入方式进行操作,如《人民法院案件信息业务标准(2015)》将各类案件基本信息梳理为3300多个信息项、4900多个选项代码,法官在办理案件时,需要填写上百项信息,方能满足办案与统计的基本需要。人工智能识别模型的引入,可以通过图片识别与语音识别,对扫描文件、当事人与纠纷处理人员语音进行数据提取与信息分类管理,使得纠纷的信息化再现内容更为全面充分,这是对构成纠纷个案的具体信息进行机器识别的重大技术突破,可以免除信息录入的负担。

      然而,尽管人工智能在文本与语音识别方面已有所突破,以标准汉字符号图像对比作为文本识别基础,以汉字发音编码作为语音识别基础,已经可以对标准文本、普通话语音及部分方言语音进行数据转码,但对手写文本、南方语系方言识别准确率不高,这说明在标准对照系相对单一且既定的情况下,识别模型无法对超过一定变化幅度的素材进行识别,当素材差异性到达一定程度,就应当对此类素材拓展识别标准对照系。例如,要提高计算机对某一具体汉字的识别率,不仅需要其学习既定字库中该汉字的写法,还应当让其读取该汉字多种手写体素材,进而将该字嵌入手写词语和句子中进行学习,排除手写连笔给具体字符识别带来的误差。当识别对象为图片或图像时,其实质是对图像进行数字化处理,其中涉及更加复杂的变量计算,识别技术尚不完善,前文中提到的扫描文件识别,其实是将图片格式的文字文件转码为文本格式后进行的文本识别,而非使用的图形或图像识别。鉴于纠纷解决机制场景中,图形素材使用情形很少,审判领域和在线纠纷解决平台识别技术的智能化突破点在于语音与文字识别范围的扩大与准确度的提高。

      2.定义模型:对数据编码转换赋予法律定义

      人工智能的运转可以理解为对数据编码的不断转换,各个转换环节均需要赋予单元数据意义。如通过人工智能实现“1+1=?”的各种现实判断时,需要对何为“1”建立定性前提与读取规则,才可能对“1个苹果”“一群人”之类的具象概念赋予代数意义,纳入或排除“1”的外延。同时,人工智能还需识别“+”所代表的求和意义,方能按照数理逻辑实现运算。这个例子说明,人工智能除了需要通过识别对非电子化的信息进行转码以外,还需要对其识别获取的信息进行比对与除谬,赋予准确涵义,完成具体与抽象的互换过程。

      纠纷解决机制中涉及的数据单元,既有数理意义的赋义,如各类统计数值,又有代码意义上的赋义,如个案信息的代码数值。在非人工智能技术条件下,数值赋义是通过明确的数据定义规则来实现的,即在一定范围内详细规定各个数值代表的意义,这种定义模式的实质并不具有高级智能应当具备的认知定义能力。换言之,这种定义模式仅仅是数据规则的机械适用,在标准化领域可以发挥很大作用,但很难满足纠纷调解领域各类型信息数据处理的需求。而人工智能的识别模型,不仅仅是数据与代码之间的比较匹配问题,它还有可能解决“具体概念抽象化定义”和“抽象概念具体化定义”的数据定义难点问题。如“公序良俗”这一语句需要在计算机中用人工智能建立逻辑模型时,如果单纯凭借“公序良俗”这一抽象概念的文本本意,不可能建立起对其他信息是否符合该词汇意义的定义模型;还需要读取大量数据,建立符合该词汇意义的信息库,分离出不同前提与不同语境下该词汇的外延,通过精确比对或是模糊比对,才能决定是否对该词汇数据进行准确定义。

      纠纷解决机制本身又涉及纠纷事实、解决纠纷实体规则与程序规则三方面内容单元的定义模型建立,要按照高度抽象的规则赋予繁复的生活事实以法律定义,是计算机不能完成的。但这并不意味着人工智能的定义模型对在线纠纷解决平台的技术突破没有现实意义。正如前文所述,目前纠纷解决平台的使用过程,其实是纠纷当事人、纠纷处理人员通过平台运行不断录入数据、输出数据、交互数据的过程。不论是根据一定填制规则填入电子信息,还是借助人工智能识别技术录入信息,信息输入的误差始终不能完全避免。平台的各个使用主体还需要对输入信息的准确度进行检验与修正,这也使得在线纠纷处理信息的有效输入实质上是依赖人工审核。即使在当前的技术水平下,人工智能难以准确定义所有单元信息,但定义模型至少可以作为一个提示误差的筛检工具。如建立定义模型对具体纠纷的构成情节进行汇集,在具体纠纷个案信息输入过程中,出现违背定义模型规则的信息时,可以提示矛盾信息的具体内容与误差原因,再由人工去分辨该信息项的错误是否属于输入错误,并加以修正。所以,提高人工数据核对的效率,其更深层次的作用在于,当矛盾信息的产生并非因为输入错误时,该矛盾项可能提示了纠纷当事人的争议焦点所在。

      3.链接/关系模型:建立单元数据间的逻辑关系

      人工智能需要建立单元数据之间的链接/关系,确定数据之间的逻辑联系规则,这是对数据进行演算并得出结论的前提之一。这一模型解决的是个体信息之间的关系问题,包括“包含”“不包含”“集合”等数集关系,还包括不同属性数据关联关系。链接/关系的规则本身也非任意的,需要根据数据演算目的进行建立,其规则可以是数理关系、常识判断、法律逻辑等多种规则的数据转化。在前文列举的“公序良俗”前加上“民事活动”“不得”“违背”三个词,“民事活动”与“公序良俗”之间的关系就可以表述为“肯定”或“否定”。同时,链接/关系模型的复合性与体系性越强,数据演算就越准确。假如“民事活动不得违背公序良俗”是我们建立模型时的唯一信息,且对“民事活动”与“公序良俗”没有定义的情况下,“民事活动”与“公序良俗”之间的关系,很可能被建立为“1不得不等于1”即“1等于1”的关系模型。当我们定义“民事活动”与“公序良俗”是不同属性时,二者的关系模型就成为了“1成立,2即成立”的关系,我们再加入“民事活动应当遵循诚信原则”,那么“民事活动”与“公序良俗”的关系模型就演变为“1包含2”的关系。

      在纠纷信息处理中,链接/关系模型由两个层次组成。一是规则的链接/关系模型,即实现法律规则或调解规则本身逻辑关系的数理转化。在这里,现实规则与数理规则的内涵可能是完全不同的,如前文提到的ODR第一种模式“不公开报价和请求”中,现实规则的核心为当事人有权自主处分权利,转变为数理规则后,就成为以数值比较决定的取值规则。二是事实与规则的链接/关系模型,即实现某一事实属于或不属于某一规则逻辑推理小前提的数理转化。人工智能发展到自主学习阶段,可以通过读取大量的裁判文书,对具体事件与法律后果进行概率判断,将逻辑推理转化为一种概率计算规则,以此完成事实与法律判断之间的链接/关系模型的建立。但是,正如前述分析,法律大数据的不充分、不客观以及结构化不足等难点,导致目前链接/关系模型还未建立起真正的概率关系,以便演化出逻辑推理结论。于是,建立以法律逻辑为基础的“算法裁判”仍然是人工智能领域最为复杂的问题,将直接影响到裁判预测、类案比对等数据深度运用的准确性。

      4.输出模型:以计量输出和定性输出为模式

      输出模型是由数据运用的具体目的所决定的。总的来说,数据输出模型有以下模式:一是计量输出,即通过数值链接/关系模型,确定不同类别与属性数据的分类与集合方式。例如,按照数据合集设计的分类输出模型,可以完成数据统计任务;按照不同参照系设计的分类输出模型,可以完成数据比较分析任务。二是定性输出,即按照逻辑链接/关系模型,通过特定形式,输出具体数据进行结论演算。如以判定纠纷适用某一具体解决程序的方式输出数据流转结论,以裁判文书生成的方式输出裁判结果。在纠纷解决平台中,尽管输出模型实质智能化是以定义模型与链接/关系模型的智能化为前提,但输出模式本身也可以更加“聪明”。可视化输出是目前计量输出形式的趋势,即以图表形式展示数据计量形式;而对于定性输出来说,可以根据输出结论的使用来确定输出形式,如裁判结果的范式输出当然应当以裁判文书制作标准为输出形式标准,裁判预测结果输出可以以可视化方式输出。更高级的智能输出模型还应当与用户形成交互关系,当某一新用户登陆使用在线纠纷解决平台时,根据其在互联网上留下的电子“脚印”,判断其关注点,推送相关纠纷的数据、解决案例、法律法规等信息资讯。

      综上所述,当我们考虑在纠纷解决机制中引入人工智能时,必然需要根据数据深度分析的具体需求,从“识别模型”“定义模型”“链接/关系模型”“输出模型”四个板块考虑数据输入到输出的全部规则,包括多种模型并存时数据关系转化过程的全部规则。

      四、架构:“人工智能+纠纷解决机制”的模块设计与发展方向

      建立人工智能化的纠纷解决平台,其本质就是建立“识别”“定义”“链接/关系”“输出”模型,将尽可能需要“智能”处理的问题,进行足够充分与准确的模型建设。

      (一)“人工智能+纠纷解决机制”的架构设计

      纠纷可以概括表述为因诉求差异引起的矛盾。纠纷解决机制微观上解决具体权利义务分配的问题,宏观上是社会治理的重要制度。人工智能技术应当为其提供“解决问题”“机制优化”等方面的技术支撑。纠纷解决机制中的主体为存在矛盾纠纷的各方与居间解决纠纷的中立方,人工智能应当考虑各主体的不同用户需求,提供不同的“策略辅助”技术支撑。因此,“人工智能+纠纷解决机制”的基本功能,应当是可提供解决纠纷所需的程序选择、流程运转与全部解纷过程的“流水线”;同时,它还需要提供对具体纠纷的解决方案,即它能够最终产出“产品”;最后,它应该对不同用户提供不同的使用感受与策略辅助,这是在线纠纷解决机制中人工智能使用不同于其他单向性任务的最大特点,即它需要对同一“流水线”上的不同“工人”提供不同的使用方式与权限,通过“用户博弈”影响最终“产品”,而不是单纯提供定制化的方案,以此才能提高其实际使用价值。理想中的“人工智能+纠纷解决机制”架构上应当有三个模块:

      一是用户模块,即分属于诉求方、被诉求方与处理纠纷的中立第三方的用户端,在不同用户端应该有指向不同数据识别与分类的人工智能技术支撑,此时“识别模型”“定义模型”的建立尤为重要,因为诉求方与被诉求方的表达是纠纷解决机制中最重要的基础信息,准确识别与定义上述信息是界别与判断具体纠纷的前提。同时,各用户模块还应当根据其不同身份,设置相应的信息提示等功能,优化用户使用体验。这个模块需要输入大量的数据,因为后续的机制能否发挥作用,取决于数据库中不同主体的数据,以及数据的完整和准确。

      二是流程模块,这需要通过“链接/关系模型”将事先的、既定的纠纷解决程序规范,解读建立为工作流程规则,再通过“输出模型”将工作流程转化为程序进阶方式,通过程序运行权的分配,实现纠纷解决程序的程序运转。这一模块首先起到纠纷分流的作用,即确定具体纠纷可以进入何种纠纷处理渠道、由何种专业程度的人员进行处理;其次,解决具体纠纷在不同纠纷处理阶段的运转问题,如纠纷处理在调解阶段按照调解程序规则运转,在诉讼阶段按照程序法规定运转;最后,解决不同纠纷处理机制的衔接问题,如调解、仲裁、诉讼三类纠纷解决机制的平台对接与纠纷流转衔接。

      三是数据运算模块,即数据采集、计算与输出模块,这一模块属于后台运算组件。具体根据数据处理的不同要求建立不同的运算规则,如前文提到的用户模块与流程模块的数据运算其实也属于这个模块的功能,都是按照其作用对象来具体体现某一运算结论。“人工智能+纠纷解决机制”的数据运算模块也是为当事人提供策略指引、裁判预测,为法官提供智能裁判支持等深度数据结论的“生产者”。

      (二)突破技术壁垒,创新认知推理

      在国家治理和社会治理领域,技术与法律具有相互替代性,如果在某一社会场景中技术解决方案的成本低于法律解决方案,技术工具便可能取代法律形式成为秩序生成的主要手段。{21}人工智能作为当下的热门话题,“阿尔法狗”打败若干围棋国手甚至引发了“人类将会被机器代替”的恐慌。人工智能无论多么强大,都只能表现于对规则理性的推理方面,而无法像人类一样运用超越规则之上的价值判断。事实上,人工智能离“像人一样思考”还有一定距离,它在处理比较技术任务方面较为成熟,但是在处理认知推理任务方面还是很薄弱。比较技术任务如下棋,因其规则明确,可以通过规则运算或概率计算,得到最优任务解答;而认知推理任务则不同,如语义理解,因其前提复杂,很难得到有效解答。因此,根据现阶段人工智能技术的发展在纠纷解决机制领域的运用,应当主要用于完成比较技术任务,或尽量将相关任务转化为比较技术任务,并适当尝试运用于认知推理任务。

      第一,在数据识别与处理上开发系统。自然语言处理技术、文本分析技术以及图像和视频识别技术的革新,可以对纠纷事实的文字、语言、图像等多种载体进行识别与数据转化,若按照法律规定的事实要件建立相关数据提取与分析规则,就可以实现对相关载体的评判。借助机器学习各类法律文件文本,可以类型化开发各类法律文件,如合同、证明、公证书等文本的分析系统,对文件提出进行标识,最终达成的法律文件审阅自动化,如Kisa Systems合同分析系统,只需要15分钟就可以读完原本需要人类律师12小时才能审阅完毕的合同。{22}

      第二,在信息精准检索上比对选择。对个案纠纷解决指引性极强的裁判预估或类案推送等功能,其本质是同类数据识别与比较检索。2016年,研究人员利用欧洲人权法院公开的判决书训练算法系统,构建了模型,来预测案件判决结果,预测的准确性达到了79%。{22}人工智能在信息检索领域精准度上的突破,将对当事人行为策略选择与辅助裁判提供有力的数据支撑。如果当事人可以事先通过信息检索预测出较为可靠的案件结果,就有可能不会冒着诉讼风险继续推进诉讼或者上诉,而是会放弃诉讼,选择和解、调解等方式解决纠纷。

      第三,在数据输出上提供决策参考。数据输出包括个体数据输出,如文书自动生成,其实就是经过比较技术规则对关联信息的格式化输出,这将大大降低当事人起草文书的难度,也可以部分减轻法官撰写文书的工作量。还包括集合数据输出,如集合数值的比较,其实就是对现有集合数值与参照集合数值进行比较,如收集纠纷案例数据、用户反馈数据、用户行为数据和平台运行数据,这将有助于发现各类高频数据点与异动数据点,以此调整纠纷解决机制中资源调配、填补制度漏洞、提出规则建议,对社会治理提出政策参考等。在线纠纷解决机制可以尝试运用认知推理技术的任务,主要是人工智能在个案解决过程中如何进行策略支持的问题,这涉及到对个案诉求方与被诉求方基本观点、佐证材料的有效辨识判断,还需要对各方在纠纷解决过程中行为进行有利或不利的判断等等,所需技术要求很高,单纯依靠现有算法很难得出有效结论,可以考虑将规则相对明确的类案判断规则转化为比较任务进行处理。现在全国法院“智能审判”在“刑事案件智能审判辅助系统”“道路交通事故损害赔偿纠纷一体化处理”等方面均有较大成效,很大部分原因是上述案件在事实认定、法律评价上有相对明确的规定,可以通过数据标识工作转化为比较技术任务,实现偏离度不大的结论输出。

      第四,在对话和推理模型实现判断。纠纷解决机制的核心与关键的是对具体纠纷作出判断,这也是最体现“智能”的部分。前文已经提到认知推理任务是当前人工智能的“短板”,如果要在纠纷解决领域提高人工智能的“智能”,促使其具备法律推理能力,我们首先要明确认知推理中的技术难点。人工智能对具体纠纷解决结论的输出,必然还需经过“生活中的事件”到“制度中的事件”,“制度中的事件”到“制度中的后果”的判断过程。人脑在实现这个判断时,需要对“生活中的事件”“制度中的事件”“制度中的后果”进行识别与逻辑推理,这是个很复杂的过程。首先,“生活中的事件”已经不是客观发生的事件本身,而是已经被转变成一段文字或语言,人脑需要通过文字与语言来理解事件是什么;同时,“生活中的事件”是否客观成立,还需要一定的证明方式。其次,“制度中的事件”与“生活中的事件”可能存在极其复杂的对应关系。以“酒后驾驶撞伤他人”为例,我们可以对应刑法制度中的危险驾驶、侵权责任法中的人身损害,看到同一“生活中的事实”制度上属于截然不同的事件;再如刑法上的“危险驾驶”具有追逐竞驶、醉酒驾驶、客运或校车超载超速等若干具体情形,而每一具体情形又将对应不同的“生活中的事实”。最后,“制度中的事实”与“制度中的后果”也需要经过复杂的推理,不仅需要事实判断,还需要价值判断,在辨别生活事实属于何种规则事实的基础上,再根据规则的逻辑对事实进行价值判断。上述的过程还是在没有引入纠纷解决过程中当事人之间的对抗性的前提下分析的。如果加上当事人之间的对抗性,则给认知与推理带来更多的变量。加之,证明力的比对对于人脑来说也是一个复杂的过程,如法官“内心确认”的形成,不仅仅是证据规则的适用,还可能受经验、常识的影响。

      综上,人工智能要具备解决纠纷的认知推理能力,还需要攻克信息识别上的技术障碍与逻辑推理中的方法障碍。识别中的技术障碍主要是语义识别,这个难题的核心问题是如何从形式与意义的多对多映射中,根据当前语境找到一种最合适的映射。{23}57对此,第一步需要解决的是文本语义准确识别,即对单个文件所表述的内容实现精确定义,当文本载体为一段语音时,还需要建立语音语调与语意表达的对应关系;第二步需要实现一定范围内的文本意义比对,即可以分析不同文本对同一问题的不同定义,比较结论应当是对问题本身进行确定定义。逻辑推理的障碍主要是方法选择的问题,根据规则推理、案例推理、可辩驳推理这些法律推理人工智能化的尝试,上述方法均按照计算机科学的思想和方法建构法律概念与推理方法,不能解决推理前提动态变化带来的结论变化。如果我们将纠纷解决的过程解读为一个“对话”与“结论”的过程,将是法律逻辑模型人工智能化的一个有效方法。纠纷解决过程中,一方提出请求与证据,另一方提出抗辩与反证,对解决结果的现实影响远大于既定的法律逻辑,因为推理结论会因为各方话语的效力和各方对话的结果而改变。在语意识别技术的基础上,建立“对话”+“推理方法”的逻辑模型,将纠纷各方对抗性导致的变量纳入推理的前提。根据“对话”场景设计具体推理内容与前提,可以解决场景中推理前提递进介入推理过程,进而影响推理结果的问题,使既有的推理规则在变量介入的情况下能够得到公式化的运行。

      五、结语:制度规制下纠纷解决机制智能化的有序推进

      正如尼古拉斯·卡尔所言,人工智能是历史悠久的人类工程学的最新发展,而人类工程学是艺术和科学结合的产物,它是为人类追求真善美的目的而服务的。{24}179国务院《新一代人工智能发展规划》指出:“人工智能是影响面广的颠覆性技术,可能带来就业结构、冲击法律与社会伦理、侵犯个人隐私、挑战国际关系准则等问题,将对政府管理、经济安全和社会稳定乃至全球治理产生深远影响。”未来人工智能将朝着跨智、众智、合智、善智等四个方向发展,最终提高人类社会的生产力,从而为公平正义提供更好的物质基础。{25}281-284

      在人工智能时代,各类纠纷突破空间、地域壁垒,突破国界、管辖限制,这将给诉讼制度带来巨大变革;当事人信息、财产信息、信用状况等均可以在网上调取,通过大数据、云计算建构的社会信用体系将逐渐形成;以用户为中心的纠纷解决流程设计,将极大增加当事人纠纷解决途径的可选择度;司法系统高度结构化的改造,将大大降低当事人进入司法通道的成本;系统结构化自动推送相关法律条文与相关司法案例,有利于当事人预判纠纷解决结果而作出明智选择;在线庭审的阳光透明司法,可以让广大民众实现网上全流程的法律教育。多元纠纷解决机制经过多年的实践运行,在纠纷化解、权利保障、社会治理等多方面各层次发挥着巨大的作用,但在人工智能技术运用方面还远远不够。我们应通过人工智能将风险社会置于法治社会的背景之中,建构人工智能时代的法律制度。最高人民法院“智慧法院”建设目标,提出人工智能与社会治理融合的新思路与具体规划,而纠纷解决机制与审判机制具有一定共通性,亦可以从调解人员整合、数据深度应用、纠纷信息采集和动态监控各方面入手,实现在线纠纷解决机制的体系化和智能化。“人工智能+纠纷解决机制”不仅可以提高个案纠纷处理的效率与质量,为公平合理解决纠纷提供参考,还会基于强大的数据分析功能,促使纠纷解决机制在宏观社会治理方面的功能升级。当然,我们也应当看到目前人工智能在不同运用层面的技术成果与不足,才能理性运用科技,将技术与制度进行合理的结合,实现二者的互促共进。

    【作者简介】
    龙飞,中国政法大学司法文明协同创新中心博士研究生。
    【注释】
    [1] 中国知网的数据库统计显示,在法学学科的期刊文献分类范围内,关于人工智能的主题研究从2001年才开始,2002年、2003年、2004年空白,其他年度是个位数,2014年10篇,2016年26篇,2017年接近100篇,这说明仅是这两年法学界对人工智能的研究才有了发展。
    [2] 参见王迁:《论人工智能生成的内容在著作权法中的定性》,载《法律科学》2017年第5期;梁志文:《论人工智能创造物的法律保护》,司晓、曹建峰:《论人工智能的民事责任:以自动驾驶汽车和智能机器人为切入点》,载《法律科学》2017年第5期;胡凌:《人工智能视域下的网络法核心问题》,载《中国法律评论》2018年第2期;〔德〕霍斯特·艾丹米勒:《机器人的崛起与人类的法律》,李飞、敦小匣译,载《法治现代化研究》2017年第4期。
    [3] 郑戈:《“人工智能”与法律的未来》,载《探索与争鸣》2017年第10期;曹建峰:《“人工智能+法律”十大趋势》,载《机器人产业》2017年第5期;鲁楠:《科技革命、法哲学与后人类境况》,载《中国法律评论》2018年第2期。
    [4] 吴习彧:《司法裁判人工智能化的可能性及问题》,载《浙江社会科学》2017年第4期。
    [5] 徐骏:《智慧法院的法理审思》,载《法学》2017年第3期。
    [6] 批处理又称批处理操作系统,是计算机系统中的专有名词,是指用户将一批作业提交给操作系统后就不再干预,由操作系统控制它们自动运行。这种采用批量处理作业技术的操作系统称为批处理操作系统。
    [7] 该系统通过询问被评价人137个与之相关的问题,如教育程度、朋友性质、是否曾有过暴力行为等,对其孤僻程度、犯罪人格、性格稳定度以及社会危险性等进行评估,辅助法院、监狱在保释金额、刑期判决、假释适用等方面进行决策判断。
    [8] 《2016年最高人民法院工作报告》,http://www.court.gov.cn/zixun-xiangqing-17712.html.
    [9] 中国社会科学院法学研究所发布2018年《法院信息化蓝皮书》指出信息化助力破解执行难?中国法院迎来“智慧执行”曙光,2018年02月07日11:52??来源:人民网-法治频道 http://legal.people.com.cn/n1/2018/0207/c42510-29811190.html,访问时间:2018年5月30日。
    [10] 欧盟在1998年《电子商务指令》第17条中要求成员国的法律不应妨碍消费者通过各种法院外途径包括电子方式解决纠纷。
    [11] 在此需要特别说明的是,一般意义上识别其实就带有定义的含义,人在对对象进行识别时,就会完成感知、定义与归类,但人工智能不具备生物学意义上的感知功能,建立识别模型就是要解决其“感观”方式的问题,因此,对于人工智能而言识别与定义是不同的数据处理模型。
    [12] 广义上来说,链接/关系也是建立前文定义模型与后文输出模型的重要因素,但此处的链接/关系模型特指按照法律逻辑推理得出结论的演算模型。
    【参考文献】
    {1}吴汉东.人工智能时代的制度安排与法律规制〔J〕.法律科学,2017,(5):128-136.
    {2}〔英〕卡鲁姆·蔡斯.人工智能革命—超级智能时代的人类命运〔M〕.北京:机械工业出版社,2017.
    {3}顾险峰.人工智能的历史回顾与发展现状〔J〕.自然杂志,2016,(3):157-166.
    {4}高奇琦,张鹏.论人工智能对未来法律的多方位挑战〔J〕.华中科技大学学报,2018,(1):86-96.
    {5}吴军.智能时代:大数据与智能革命重新定义未来〔M〕.北京:中信出版社2016.
    {6}〔英〕理查德·萨斯坎德.法律人的明天会怎样?—法律职业的未来〔M〕.北京:北京大学出版社,2015.
    {7}倪戈.人工智能的法律三问.〔N〕.人民日报,2018-5-2(018).
    {8}ABU-MOSTAFAYS, MAGDON-ISMAILM, LINHT. Learning form data : a short course. Chicago:Aml-book,2012.
    {9}冯洁.人工智能对司法裁判理论的挑战:回应及其限度.〔J〕.华东政法大学学报,2018,(2):21-31.
    {10}张保生.人工智能法律系统的法理学思考.〔J〕.法学评论,2001(5):13.
    {11}刘满达.论争议的在线解决〔J〕.法学,2002,(8):44-51.
    {12}龙飞.中国在线纠纷解决机制的发展现状及未来前景〔J〕.法律适用,2016,(10):2-7.
    {13}范愉.李浩.纠纷解决—理论、制度和技能〔M〕.北京:清华大学出版社,2010.
    {14}徐继强.在线纠纷解决机制(ODR)研究〔EB/OL〕.http://article.chinalawinfo.com/ ArticleHtml/Article_2903.shtml.html,2017-12-1.
    {15}李晟.略论人工智能语境下的法律转型.〔J〕.法学评论,2018,(1):98-107.
    {16}〔美〕迈克尔·D·贝勒斯.法律的原则——一个规范的分析〔M〕.北京:中国大百科全书出版社1996.
    {17}左卫民.关于法律人工智能在中国运用前景的若干思考〔J〕.清华法学,2018,(2):108-124.
    {18}〔美〕西摩·马丁·李普塞特.政治的社会基础〔M〕.张绍宗,译.上海:上海人民出版社2011.
    {19}季卫东.人工智能时代的司法权之变〔J〕.东方法学,2018,(1):125-133.
    {20}郑戈.人工智能与法律的未来.〔J〕.探索与争鸣,2017,(10):75-86.
    {21}郑戈.区块链与未来法治〔J〕.东方法学,2018(3).
    {22}曹建峰.当人工智能遇上法律,未来可能发生的十种变化〔EB/OL〕.腾讯研究院.http://www.21ic.com/news/computer/201708/733358.htm.2017-8-9.
    {23}腾讯研究院,中国信通院互联网法律研究中心,腾讯AILab,腾讯开放平台.人工智能——国家人工智能战略行动抓手〔M〕.北京:中国人民大学出版社,2017.
    {24}〔美〕尼古拉斯·卡尔.玻璃笼子:自动化时代和我们的未来〔M〕.杨柳,译.北京:中信出版集团,2015.
    {25}高奇琦.人工智能驯服塞维坦〔M〕.上海:上海交通大学出版社,2018.

    本网站文章仅代表作者个人观点,不代表本网站的观点与看法。
    转载请注明出自北大法律信息网
0
北大法律信息网
www.chinalawinfo.com
法律动态
网站简介
合作意向
网站地图
资源导航
版权声明
北大法宝
www.pkulaw.cn
法宝动态
法宝优势
经典客户
免费试用
产品服务
专业定制
购买指南
邮件订阅
法律会刊
北大英华
www.pkulaw.com
英华简介
主要业务
产品列表
英华网站
联系我们
用户反馈
返回顶部
二维码