“司法不是自動售貨機。”法律人耳熟能詳的這句話，源于馬克思·韋伯“自動售貨機”的隱喻，常常被用來批評司法過程的機械主義——一端輸入案件事實，另一端根據法律條文就能吐出判決。這樣的判決，忽略了司法過程中多重因素及其相互關系，只是簡單地把法官定義為一種“純粹邏輯制造的無生命的存在”。
不過，隨著人工智能的興起和發展，“自動售貨機”會不會在不停地技術賦能和更新迭代后，產生足夠的智慧與能力，生成權威的司法判決，并替代法官呢?
在匆忙給出答案之前，我們可以先分析一下人工智能的兩個前提條件：大數據和深度學習。
大數據，顧名思義，也叫大規模數據。其實，這個說法并不準確。大規模只是從外在的規模上標識了大數據的“量”，并沒有揭示大數據信息交換、信息存儲、信息處理的“質”。目前，源于中國裁判文書網、中國審判流程信息網、中國庭審公開網等平臺的數據，已經初步建構起一個司法大數據系統，這是信息交換與信息存儲的偉大進步。同時，司法大數據的整理、分析、轉換能力的提升，也給司法審判帶來了有益幫助。就現階段來說，不僅可以給法官判決提供參考，為實現“類案同判”、統一裁判尺度帶來可能，而且可以積極挖掘案件規律，服務國家治理，生成司法大數據深度應用新模式。
近年來，部分法院和研究機構還依托司法大數據，研制出具備大數據輔助定罪量刑系統的各種法律機器人。所謂大數據輔助定罪量刑系統，就是借助文本相似度分析技術，挖掘隱藏在過往司法判決中法官、檢察官定罪量刑的集體經驗，計算出各種情節對刑罰的影響程度，賦予各情節不同的影像系數，從而使判決更具個性化、精準化和合理化。從實施的效果來看，這類法律機器人已經能夠幫助法官從簡單重復勞動和數據計算中解脫出來。當然，在這里，人工智能還只是一個客體的輔助系統，并不具有主體性。
進一步來說，人工智能會不會成為司法過程的主角呢?一個大膽的預期是，機器人法官會替代人類法官，機器人法官所面臨的技術性難題必將隨著人工智能技術的發展而消解。這里的技術發展，不只是大數據處理能力的進步，更是強調深度學習能力的提升。
深度學習是人工智能從“弱階段”向“強階段”轉型的重要工具。和傳統的人工智能希望“機器像人一樣思考以獲取智能”的路徑不同，現代的人工智能更強調運用數據驅動的力量。它的目標依然是解決人腦所能解決的問題，比如判決，但它不一定非得采取和人類思考一樣的方式。現階段的深度學習，主要是把計算機需要學習的東西，比如一個案件的犯罪事實、犯罪手段、量刑情節、刑法、法院、地區、相關法條等多種關聯因素，丟進一個復雜的，包含多個層級的數據處理網絡(深度神經網絡)，然后檢查經過這個網絡處理得到的數據是否符合要求——如果符合公平正義，就保留這個網絡作為目標模型;如果不符合公平正義，就繼續處理，以調整網絡的參數設置，直到輸出滿足要求為止。
不夸張地說，深度學習的概念和過程會讓許多法官抓狂，也會讓許多非理工科的普通人摸不著頭腦。通行的理論認為，深度學習大致是一個運用人類的數學知識與計算機算法建構框架，再結合盡可能多的訓練數據以及計算機的大規模運算能力去調節內部參數，盡可能逼近問題目標的半理論、半經驗的建模方式。其中的“盡可能”，也說明了人工智能司法公平正義的相對性，因為很難說哪一個判決是完全公平正義和滿足所有人期待的。
霍姆斯大法官說，法律的生命不在于邏輯而在于經驗。那么，深度學習就是基于大量的司法經驗，在不斷的邏輯嘗試、運算和尋找中，產生的符合正義價值的一種方法。卡拉瑪德雷說，司法過程的典型體貌不是程序法賦予的，而是那些實施它的人的心靈習慣賦予的。成文法只是框架;它的形貌、連同色彩和明暗度，是由習慣和常例構成的。在這個意義上，深度學習就是糅合了成文法、習慣和常例，通過經驗和邏輯的力量，盡可能構成司法過程的形貌、色彩和明暗度。
無疑，這是一種進步，一種我們需要以開放的心態來面對的時代進步。
京公網安備 11010502049343號