人工智能应用于司法裁判的法理分析

人工智能应用于司法裁判的法理分析

-问题的提出

人工智能正在深刻地影响着司法审判领域，“机器人法官”“机器人律师”等已经从概念走

向现实。社会甚至还期待机器人可以帮助人们解决更加复杂的问题，包括解决纷争、提供永

久无偿的法律服务。在美好愿望的激励下，产业界投资也开始涌向了法律人工智能方向，

一系列与人工智能相关的产品陆续应用到司法裁判中。北京市高级人民法院借助“睿法官”

智能系统提升审判效率"上海市法院系统也借助“206”智能案件辅助系统提升司法裁判

的智能化水平。总之，全社会对于人工智能在司法裁判中的作用都给予了高度关注与期盼

O

人工智能应用于司法裁判过程中，首先需要思考的便是它与法律价值的吻合程度。法律价值

作为人类社会对法律的终极追求，它本身又是一个综合多元的体系，其中包括公平、正义、

安全、效率、秩序等诸多价值目标，所有法律制度的设计都需要回答，它是否符合法的价

值目标，能否经得起社会检验，人们推崇符合法律价值的制度建构。违反法律价值的制度最

终都将被修改或者取缔。当人工智能应用于司法裁判时，如果它最终能够更好地实现法律的

公平正义，显然，它是与法律价值完全吻合的；如果它最终能够更好地提升法律裁判的效

率、降低裁判成本，那么，它同样也是与法律价值完全吻合的当然，公平、正义与效率

等价值系需要综合评判的，不可以孤立分析，如果它仅仅是提升了效益，但最终忽视了公

平、正义，显然这与法律价值是背道而驰的。

人们寄希望于人工智能应用于司法裁判，并试图借此营造更加符合法律价值的司法体系，这

种美好愿望同样与我国当下总体的司法环境及正在进行的司法改革进程是密不可分的。长期

以来，我国司法领域面临案多人少的窘境，司法改革进一步确立了“以审判为中心”的司法

体制改革目标，配套实施的还包括“立案制度改革”“员额制”等系列司法改革举措，

“有案必立、有案必理”的立案制度改革又进一步增加了法院受案数量⑸；“员额制”改革

又使得法院审判人员数量受到严格控制％这样，在我国司法改革的总体调控下，当下案多

人少的矛盾进一步加剧。于是，借助人工智能全面提升司法审判效率的客观需求也就显得十

分迫切,

人们呼唤运用人工智能来提升司法效率，其背后真正的力量还在于，司法效率不仅仅代表效

率，它本身就预示着公平与正义。试想，当案件久拖不决时，长期诉累会进一步损害当事人

的权益"，矛盾久拖不决甚至还可能衍生更大灾害工因此，当人工智能可以提升司法效率

时，它又在实质上加速了人们获得正义的周期，所谓“让正义以人们看得见的方式早日到

来”「叫事实上，人工智能对于正义的追求远不止于此，人们强化人工智能在裁判中的作

用，同样也是源于人们对人情影响案件公正审判的巨大忧虑"。相比之下，人们更信赖机器

基于数据和算法所形成的客观结果，尽管它还不尽如人意，但至少它在每个人面前是绝对公

平的，更为重要的是，它还不会受到说客和人情关系的影响、传统的法律面前人人平等原

则受制于人情关系影响因素，由此也产生了“去人情化”，转而更信赖技术的社会治理思

潮，受这一思潮的影响，机器人法官更是受到很多人推崇，

总之，在人工智能时代，人们寄希望于机器人帮助人类更好地实现法的公平、正义、效率等

价值，也正是在这美好愿望的驱动下，人工智能应用于司法裁判成为当下社会聚焦的热点话

题。需要指出的是，人工智能应用于司法审判势必成为一个严肃的司法理论与实践课题，它

需要在实践中被反复论述、检验。简言之，人工智能到底能在多大程度上解决司法裁判问

题？在这一过程中人与机器的边界到底在哪里？为了更好地研究这一问题，我们成立了人工

智能法律实验室，对于人工智能在司法裁判中能解决什么问题及如何解决这些问题，进行了

大量的人工智能实验。其中实验室推出的“环形中文法律语义解析”正逐步应用于我国司法

实践的各个领域，本文亦基于实验结果进一步论述人工智能在司法裁判中的应用价值、局限

以及路径选择等理论问题。

二人工智能与司法裁判之变革

人工智能在本质上是模拟人的神经网络构建计算机的人工神经网络，在这一过程中机器人基

于对以往数据的深度学习，进而完成类人的“思考”与行为。契合到法律领域，历经了长期

的立法和司法实践，我们已经拥有了大量的法律和裁判文书数据，这对于机器学习而言具有

重要意义:。关于司法裁判中对数据的运用，大陆法系和英美法系又呈现不同特点，大陆法

系偏重对法条的检索和应用。在我国，面对一个具体案件时，既有法律法规以及最高人民法

院的司法解释往往会成为法官们据以裁判的重要依据。相比较而言，英美法系实行判例法，

既往的判例对于法官和律师都具有比较大的影响。当然，两大法系的法律文化也呈现相互交

融的趋势比如，我国在司法改革中也进一步强调司法判例的重要参考作用，最高人民法

院还专门汇编司法指导判例，以期指导全国法院的司法审判工作"二

无论是裁判文书、法律法规还是学者们撰写的文学经典著作，都成为“喂养”机器人十分宝

贵的“食物”，机器人也正是在对既有数据深度学习的基础上才渐进形成类似人类的思维

模式。我们在实验室对法律机器人的训练中，更聚焦于法律语言的环形思维理解。相比英文

而言，中文语义的分词歧义现象更为严重，尤其是在法律语言方面，其内在大量的专有词及

其复杂的逻辑语法关系，更成为“自然语言理解”方面的难点问题。历经十余年，我们实验

室在法律语言理解方面取得重大突破，并且在“环形法律语义分析”的基础上拓展更为广泛

的人工智能法律应用、总体而言，当下在司法裁判领域，人工智能主要在以下两个方面凸

显了较为强劲的应用价值。

(-)判决结果：从人工到智能

机器人能否像人一样撰写出专业的法律文书？这是我们实验室的重要实验课题。当然，对于

这一问题的研究，首先是从撰写律师专业的代理意见开始着手的。我们对一部叫“FILE”的

机器人进行了大量的实验，最终发现它可以在知识产权领域为律师撰写专业的代理意见丁

不同于律师的代理意见，法院的判决书还需要综合各方面的意见，它并非一方利益诉求的无

限延展，其价值体系中应当包含公平、制衡的理念，我们实验室正在展开这项研究。实践证

明，在未来，它极有可能取代法官完成判决书的撰写。一个优秀的判决包含两个核心要素，

一个是结果要公正，一个是论理要充分。要让机器人完成判决书撰写，就需要在这两个方面

下功夫。与阿尔法狗(Alphago)下围棋相比，它涉及对人的行为的价值评判，这并非一件

容易的事情。

第一，为保障结果公平，让机器人学习既往与此相关的大量判例，依据是数学中一个重要的

定理一一正态分布定理。事实上，机器人基于正态分布及一系列数学原理，可以完成对前人

经验的汲取，对于类似案件，其所完成的判决结果呈现既不偏激也不保守的均衡态势。

基于机器学习的需要，我们把案件总体上分为两种：个性化案件和共性案件。像“杀人罪”

就属于个性化案件，每个案例的发生背景、人物关系、被告人内心演变都存在极强的个性化

特征，此类案件可以称为个性化案件，既使用数学原理和统计学原理亦难以找到神经网络的

建构规律。当前，此类案件用于机器学习的效果并不理想。相比较而言，像交通肇事罪以及

知识产权类侵权案件，可以划归共性案例，借助数学原理可以实现其神经网络的建构，此类

案件机器学习的效果较好。我们针对知识产权类案件做了大量的实验。我国当前90%的知识

产权侵权案件实行法定赔偿原则〕即原告方难以找到被告方侵权赔偿的相关证据，于是法

官们在判赔时主要适用知识产权法上的“法定赔偿原则”，即由法官在法定赔偿额以下实行

自由裁量。在此类案件上，人工智能借助机器学习的原理会给法官提供强有力的裁判示范参

考。

第二，机器人在撰写裁判文书时，还需要完成逻辑论证。仅有结果而缺乏论理的判决不能称

其为正义的判决，因此机器人撰写判决时需要阐述论理过程。从我们在实验室完成的大量实

验来看，机器人基于对同类案例的学习，完成论理描述是完全可能的。机器人撰写论理部分

时，不仅需要参考既往的案例，还需要结合本案的基础事实。在以犯罪四要件为模型建构的

神经网络中，机器人会汇总本案全部事实，针对一项具体犯罪指控，完成对犯罪主体、犯罪

客体、犯罪主观方面、犯罪客观方面的论述。在这一过程中，机器人的任务系将本案的基础

事实与法律规范紧密结合在一起，进而完成判决的论理部分。

当然，机器人的论理并非取代人类的论理，尤其是涉及情感性的论理部分，法官仍需基于自

身的价值观完成论理说明，但机器人的论理价值却不容小视。一方面，对于专业性案件，机

器人会在论理中学习此前法官的论述，这对于该案法官具有较大的借鉴和补充意义；另一方

面，对于常规性案件的论理，机器人还可全面提升法官的工作效能。

（二）庭审模式：从“同空模式”到“异空模式”

借助人工智能技术，诉讼各方当事人可以随时随地在不同空间完成整个诉讼程序，此种审判

模式被称为“异空审判模式”。与“异空审判模式”相对应的是当下主流的“同空审判模

式”，即法官在指定时间召集原被告各方在指定地点（一般为法院的法庭）完成庭审（以下

简称“同空审判模式”）。现场审判模式对于“场景”有极高的要求，它要求所有人员（法

官、当事人、证人）均处在同一空间内，这有助于庭审各方准确地接收和理解信息，法官甚

至可以基于当事人的整体表现（包括肢体语言、表情等细微环节）洞察案件事实真相。与此

同时，同一空间还可以营造法律权威气氛，如判决时需要全体起立等，这对于建构公民的法

律信仰都具有重要意义。然而，同空审判模式所造成的诉讼成本畸高现象日益凸显，它要求

每个诉讼当事人都要在指定的时间到达同一地点，由此也产生了诉讼成本增加的问题。进一

步而言，同空审判模式下的诉讼成本不仅包括当事人、证人需要在指定时间内到达某地所要

花费的时间成本和财务成本，还包括押送被告人到庭的安全成本、由此付出的司法成本等。

鉴于同空审判模式所导致的诉讼成本偏高情况，我国当下的很多案件（甚至是刑事案件）原

本应当出庭接受质证的证人最终被一纸证言所取代，原本当事人及律师对于证人询问、质

证、辩护的权利也受到严重影响。

实现诉讼各方当事人不受空间限制，身处任何地方均可参与诉讼，这正是异空审判模式所追

求的目标。我国相继在北京、杭州、广州等地设立了互联网法院，其在线审判模式可以理解

为对异空审判模式的大胆尝试。需要指出，当下常用的“在线审判模式”与“异空审判模

式”并非同一概念，在线审判模式可以理解为异空审判模式的萌芽阶段。事实上，异空审判

模式对人工智能应用于庭审提出了更高要求，诉讼各方主体尽管不在同一空间内，但借助人

工智能、神经网络算法、视觉运算等技术，各方对于信息接收、互动、体验的效果堪比在同

一空间，甚至还要超越在同一空间的效果。

具体而言，异空审判模式包含如下特征。第一，适用机器人完成远程立案，当事人远程提交

立案材料后，可由机器人进行审核并完成自动答复，只有那些立案中的个别疑难问题才由人

工完成审核"'第二，适用机器人完成诉讼咨询和引导，当事人可以随时与机器人完成沟通

咨询，以随时了解诉讼进程及完成相关法律咨询“。第三，借助机器人完成异空庭审，支持

异空庭审成为现实的恰恰是其背后强大的人工智能技术。例如，借助人脸识别等人工智能技

术实现诉讼各方当事人身份认证，借助语音识别及自然语言处理等技术，实现庭审的自动记

录等功能。第四，借助视觉运算等技术，各方主体虽不在同一空间内，但信息接收、互动体

验犹如在同一空间内。第五，借助机器人完成当庭判决，机器人可以帮助法官草拟判决书，

这一切又使得当庭判决成为可能。

三人工智能应用于司法裁判的法理困惑

当下关于人工智能应用于司法裁判，总体上分为两个派别：支持派与反对派。支持派凸显人

工智能应用于司法裁判的价值，并试图将价值论应用于司法裁判的全流程；反对派并非完

全否认人工智能应用于司法裁判的价值论，他们更侧重于强调人工智能应用于司法裁判带来

的负向价值，其中较为典型的便是机器审判人类的法律危机3事实上，无论是支持者还是

反对者，在人工智能应用于司法裁判的过程中，都存在将其正向价值或负向价值推向极致的

倾向，由此也暴露了人工智能应用于司法裁判的两对主要矛盾。第一，反对者侧所揭示的矛

盾：人工智能介入司法裁判后，法律效率与法律正义之间的矛盾。第二，支持者侧所揭示的

矛盾：现有算法的局限与人工智能极致扩张之间的矛盾。

（一）反对论下“效率价值”与“正义价值”的矛盾

在人工智能应用于司法裁判的场景下，涌现了诸如“机器人法官”等新概念。“机器人法

官”首先就面临机器是否有权审判人类的质疑的确，无论奉行何种社会治理模式，审判

机构及审判权的产生前提均是基于对人类社会自身治理的需要，其目的在于实现人类社会自

身的秩序、安全、权利等终极价值，其理论前提自然归结为人是社会的主宰；在这一过程

中，审判者与被审判者地位仅仅是由社会治理的需要决定的。在“社会契约论”理论中，这

一切又是人类社会共同协商的结果。总之，在审判权主体问题上，迄今为止，人类社会唯一

可以接受的主体便只有人本身，任何除了人本身的物种来审判人类都势必遭受审判合理性的

质疑。

不过，这里有必要澄清，在我们所处的漫长的“弱人工智能”时代/所谓的“机器人法

官”并非人类法官之外的一类新型物种，它独立于人类法官单独完成审判的可能性也仅仅存

在于科幻电影中，更多情况下，机器人法官作为人类法官辅助而存在，“人机合作”的审判

模式或将成为常态，并非由机器独立完成对于人类的审判。在这种人机合作的审判模式下，

事实上，人类法官与机器人是有分工的，机器人会基于一个具体案件的证据和事实作出初步

结论（如民事案件中的赔偿数额，或是刑事案件中的量刑幅度），同时，机器人还会基于这

一结论实现论证分析。即便如此，该案最终应当如何判决，仍然是由人（法官）来完成的。

即便在“人机合作”模式下，人也是裁判的最终决定者，但这种审判模式仍然无法完全回避

公众对其是否公平的质疑。

事实上，公众对于判决公平性的一切忧虑，都源于机器人在判决过程中所发挥的重要作用。

在''人机合作”模式下，机器人虽未能达到与人具有同等法律地位的程度，但它的作用已经

远远超过了传统“工具论”的工具范畴，基于深度学习而实现的“自我决策”可以让机器

人更大程度上影响法官。具体而言，在人机合作模式中，机器人基于对以往案例和法规的学

习，进而给出的法律建议会对法官有较大影响，这种影响甚至又通过以下方式影响法官作出

最终的判决。第一，当机器人的建议与法官基于经验所形成的感觉大体相当时，机器人的建

议甚至可能会成为最终的判决结果。事实上，在这一过程中，机器人决策会强化法官自我判

断的内心确信，机器人也成为法官下决心作出某项判决的强力推手。第二，当机器人的建议

与法官经验相左时，法官一般会进一步沉淀和检讨自己的思路以便审慎作出判决。在这一过

程中，机器人的决策可以有效降低法官基于个人视野和经验的局限性而武断作出判决的可能

性；当然，法官对于个案特殊性的把握同样具有机器无法比拟的“经验”和“情感”优势，

即便法官最终仍然按照自身理解作出与机器人判断相左的判决，机器人所彰显的法官“参

谋”作用同样不能忽视。更为重要的理由还在于，法官往往会在与机器人决策相互比较的过

程中进一步加深对案件的理解，或是基于机器人决策部分修正自己的观点。第三，当法官对

某一案件的经验不足时，机器人往往还会发挥法官“顾问”作用。在这一场景下，法官往往

会较大程度上采用机器人的决策建议。

正是由于机器人对法官判决存在较强影响力，机器人决策过程中的合理性也就成为“机器人

法官”话题下论辩的焦点。在法律价值体系中，有关“效率”与“公平”的价值争论总是如

影随形，当机器人法官、异空审判模式大量应用于社会实践中时，机器人决策公平性的话题

也开始受到责难和质疑，其中具有代表性的学说当属“算法黑洞”网。“算法黑洞”直指机

器人决策过程完全不透明，在机器人制作过程中，其算法往往被商家视为商业秘密；事实

上，即使商家将算法公开，对于绝大多数人而言，其中的基础数学原理和计算机代码仍然属

于无法理解的“黑洞”，这样，机器人的决策过程又被划入一个未知的范畴，被告人的抗辩

理由自然也就指向“算法黑洞”，或是类似于如下的辩护：“尊敬的法官，今天我唯一知道

的，便是法官在判决过程中使用了机器人；然而，我完全不知道的是机器人如何作出决策

的，它合理还是不合理？基于'算法黑洞'，一定存在这种可能：我被一个错误或违法的机

器人决策所误判，而今天的庭审恰恰就是在这种误判的可能性下完成的，因为有了这种可能

性，今天的判决永远无法成为正义的判决。”网

还需指出，有权知晓诉讼的决策过程，这理应成为诉讼当事人的基本权利。在机器人不参与

诉讼场景下，当事人的这一权利受到严格保障，如当事人有权知晓合议庭的组成人员并有权

提出回避，当事人有参与诉讼的权利，当事人在诉讼过程中有提交证据及质证的权利，当事

人还有参与法庭辩论的权利（刑事案件中当事人享有辩护的权利）等。然而，一旦机器人可

能会影响判决结果，表面上，诉讼当事人原本针对“人”（法官或者对方当事人）所享有的

一切诉讼权利（如提出回避或者质证），都可以延及机器人，然而，其“算法黑洞”的存在

又让诉讼当事人没有办法针对完全不知悉的算法提出回避或者质证。面对当事人提出的“算

法黑洞”质疑，法官往往以“算法仅是参考，而最终又是由人作出判决”的理由来辩驳，事

实上，这一说法还无法彻底破解“算法黑洞”困惑。其道理在于，凡是能够影响诉讼结果的

因素，哪怕是案件中涉及的一项证据，当事人都有权提出质疑；一旦在诉讼中存在当事人无

法质疑的因素，诉讼的公允性自然也就难以保障。

（二）支持论下“算法局限”与“裁判扩张”的矛盾

司法裁判总体上可以分为“事实认定”“法律适用”“作出判决”等几个环节，人工智能在

上述环节到底能解决什么问题？人与机器的边界到底在哪里？这些都是亟须回答的问题。为

此，我们在实验室进行了大量的人工智能实验，试图将人工智能应用于司法裁判的各个环

节。实验证明：基于当下人工神经网络的算法，人工智能只能解决司法裁判中的某些具体问

题，还很难贯穿司法裁判的各个环节。

L事实认定与算法局限

事实认定是法官作出判决的基础，也是案件庭审中面临的首要问题。在事实认定的过程中，

证据是一个极为关键的问题，诉讼参与人总是寻求有力的证据，试图还原一个对自己有利的

“事实”，法官最终也是基于全案证据分析，完成对案件事实的认定。当然，在刑事案件与

民事案件中，法官所追求的证明标准是不同的，在刑事案件中，法律往往要求“完整”的证

据锁链以及100%的证明标准，在未能达到该证明标准时还会面临疑罪从无的法律后果；

在民事案件中，法律更要求法官的内心确信，或是奉行超过50%的证明标准即可判决的法律

原则。这里的问题在于，如何教会机器人学会像人一样基于全案证据完成对案件事实的准

确认定。

关于用人工智能完成事实认定，我们是从一个单独的证据认定开始的，如通过机器学习让机

器人对笔迹的真伪作出鉴定，这种“真与假”“是与非”的判断可以归纳为“线性逻辑”

判断。在这方面，机器人表现较好，它通过对当事人以往字迹的学习找到其签字的特征，并

据此对笔迹真伪给出更为准确的判断。然而，在另一个关于合同真伪的判断中，即使当事人

的签字是真实的，但该案还涉及对当事人意思表示的判断。比如，当事人提出自己是在被胁

迫的情况下签字的，那么，当事人是否遭受胁迫机器人是难以判断的。即使当事人拿出被胁

迫的证据，如一段录音，这段录音能否证明当事人遭受胁迫，还需要综合判断录音发生的背

景，录音中事件与签约之的逻辑关系便涉及人的“非线性逻辑”。在这方面，机器人还难

以作出令人满意的判断。

需要指出，在整个证据体系中，绝大多数情况下还需要“非线性逻辑”判断才能作出更准确

的认定，具体表现在以下方面。第一，涉及单独证据的“非线性逻辑”判断，如需要对一个

证据的三性，即“真实性”“合法性”“相关性”等方面进行综合认定巴机器人的作用还

是极为有限。第二，任何一个证据都不是孤立存在的，它还涉及与其他证据的关联与冲突。

比如，针对证人证言是否采信的问题，不仅需要分析证人证言与本案的关联性，还需要分析

证人证言中是否存在矛盾，这种“非线性逻辑”判断，需要人对自然常识、社会规律、人情

世故等方面的多维深入理解，这方面现有的算法还存在较大局限性。第三，事实认定的复杂

性，还体现在对全案证据的综合判断。针对诉讼各方提交的证据，法官需要从中梳理出哪些

可以采信，哪些不能采信，哪些相互印证，哪些存在矛盾，从而对本案事实作出最终认定，

这更是需要“非线性逻辑”分析，现有的机器人算法同样是难以驾驭的。

由此，随着人工智能算法的渐进提升，人工智能在事实认定领域的应用势必还存在如下两个

重要历程：第一，从单独证据的独立属性（如真实性）分析走向单独证据的综合属性分析，

即机器人通过对某一证据的“真实性”“合法性”“相关性”的综合判断，进而得出该证据

是否应予采信的结论；第二，从独立的证据分析到案件事实的综合分析。当下人工智能算法

还只能应用于第一个历程，并且还只能适用于第一个历程的初级阶段，即仅对某一证据的独

立属性作出分析。显然，人工智能应用于事实认定领域还处于萌芽阶段，受当前算法的局

限，更多有关人工智能在事实认定中的应用在相当长时期内还将处于试验和理论研究阶段。

2.法律适用与算法局限

将人工智能应用于法律适用领域，其前提在于：一个既定的法律事实已经确定，而机器人所

要解决的问题：第一，它会基于既有事实分析来选择最符合案件情况的法律；第二，机器人

试图作出最佳的判决结果。让机器人学会如何适用法律以及依据适用法律作出裁判结果，这

同样需要机器人大量学习此前实际发生的案例，尤其是这些案例中法官适用法律的过程以及

裁判结果。相比“事实认定”的“非线性逻辑”特征，法律适用更趋向机器擅长的“线性逻

辑”属性，因此，人工智能会首先在法律适用领域发挥其价值。第一，基于一个特定事实寻

找到最匹配的法律规定。当然，这里的法律规定并非一个独立的条文，而是一个用于解决案

件的系统性规范体系。比如，在一个盗窃游戏币的案件中，除了刑法中关于盗窃罪的规定，

对于像QQ币这样的虚拟财产的法律属性等规定都应当纳入机器人的视野。事实上，相比人

而言，机器人协助建构一个用于解决具体案件的法律体系也是它在法律适用领域的重要贡

献。第二，机器人基于建构的法律体系完成判决逻辑。机器人根据一个具体的案件完成适用

法律体系建构的目的，绝非仅仅帮助法官完成法律检索，其作为机器人的重要使命还在于，

将适用法律体系应用于一个具体案例，进而形成具体的判决逻辑。训练机器人具备“判决逻

辑”，也是建构法律适用型“神经网络”的关键，一旦机器人具备了判决逻辑，它便可以对

一个既定的案件事实作出法律评价（判决）。

相比事实认定而言，人工智能在法律适用领域体现出更为强大的应用价值。尽管如此，仍有

必要揭示其在法律适用方面存在的算法局限。

其一，对于新型案件，机器人还难以建构“判决逻辑”。机器人判决逻辑的形成系基于既有

大量判例的学习*因此，对于既往判例中重复出现的事实，机器人更容易形成准确的“判

决逻辑”，并据此完成最终判决结果分析。然而，对于新型判决，由于机器人既往学习体系

中缺少相关判例，自然也就难以建构起对应的“判决逻辑”。故而，对于新型案件，依赖机

器人完成判决分析仍然是一件十分困难的事情。在相当长的时间内，它还主要依赖于人的经

验、价值观及对法律的理解完成具体判决。当然，随着法官对类似案件判决的累积，最终也

会帮助机器人建构此类案件的“判决逻辑”。

其二，法律的变动（旧法的废除或者新法的诞生）也会引发机器人“判决难题”。随着社会

发展，法律总是要不断完善和修改，其中包括旧法的废除、修改或是新法的诞生。需要注

意，机器人既有的法律逻辑系根据业已发生的判例事实以及当时的法律规定共同建构而成，

当法律发生变动时，原有的法律已不适用于相关事实，机器人既有的法律逻辑也就无法再适

用于相关事实，机器人会因此产生“判决难题”。事实上，类似的判决难题在人类法官身上

同样存在，法律发生变动时，法官们同样需要完成再学习，进而才能即时更新判决思路，如

果惯性适用以往的经验完成判决，势必会导致判决错误。在实验室完成的类似实验中，那些

基于已废除法律的判例又称为机器学习的“无效样本”，基于无效样本完成的神经网络建构

同样需要即时优化和升级，唯有基于新法完成人工神经网络的重新建构，方能使其胜任新法

背景下的判决逻辑。

四人工智能应用于司法裁判的路径选择

（一）人工智能应用于司法裁判的黄金分割理论

1.情感价值与法律价值的二元分割

司法裁判充斥着法律与情感的交织。除了定分止争，司法裁判还承载着说服、教育、以案释

法等多重法律功能，在这一过程中，司法裁判需要彰显十足的情感比重；即使在定分止争方

面，还存在“判决”“调解”等多种结案形式，在适用调解结案时，法官的情感说理十分重

要？即使在以彰显“情感”为主的判决中，法官判决中有关论理性的表达亦构成判决的重

要组成部分"。总之，在人工智能适用于司法裁判的过程中，有必要完成情感与法律的要素

分割，从而准确地划分人工智能的适用空间。人工智能赖以存在的科学基础系数学和统计

学，故而其凸显的是计算能力，如果说它能够对案件中的法律问题作出准确分析，那么对于

其中的情感问题，数学和统计学可以发挥的空间则相对有限，至少目前人的情感价值还很难

借助数学公式完成精准计算。因此，在人工智能适用于司法裁判的过程中，将情感的问题交

给人，将法律的问题交给机器人，进而完成人与机器在情感与法律二元体系中的黄金分割，

这对于准确回答司法裁判中人与机器的边界具有重要意义。

2.事实认定与法律适用的二元分割

法律裁判的过程中总体上可以分为“事实认定”与“法律适用”两个重要环节，其中事实认

定会涉及对全案证据的综合认定，既需要对证据的多重属性作出整体评价，还需要对全案证

据进行综合评价，故而事实认定整体上属于“非线性逻辑”范畴，任何人工神经网络的一维

建构，都难以解决如此复杂的事实认定问题。相比较而言，法律适用的核心则在于训练机器

人的“判决逻辑”（形成判决结果的规律），机器人一旦拥了类似的案件判决逻辑，便可针

对同类案件完成判决结果分析，相比事实认定而言，法律适用更偏向于“线性逻辑”。当下

人工智能算法还主要用于解决线性逻辑问题，故而在事实认定与法律适用的分工方面，其案

件事实认定部分还应主要由人来解决，而涉及法律适用的问题则主要由机器人来解决。

还需指出，关于人工智能神经网络中''线性逻辑”与“非线性逻辑”的区分亦是相对的，随

着人工智能算法的演化与升级，原本属于“非线性逻辑”的也可能划归“线性逻辑”的范

畴。以笔迹鉴定为例，在人们还没有找到线性规律之前，其属于“非线性逻辑”，一旦人们

找到机器学习的方法，则又将其划归线性逻辑的范畴。涉及事实认定与法律适用的问题同样

如此，随着人工智能算法的渐进提升，在事实认定领域那些原本属于“非线性逻辑”的问题

也将转归“线性逻辑”范畴。按照这一规律，随着人工智能算法的不断突破，机器人也将能

够解决更多事实认定与法律适用的问题，人与机器的黄金分割比例也随之发生变化。

3.新型案件与常规案件的二元分割

在社会演进的过程中，生产力的发展引发生产关系的变革，由此也会诞生一系列新型案件。

在司法裁判中，常规案件更多依赖机器人解决，以期发挥机器人基于以往案例的学习经验；

新型案件更多依赖人来解决，以期在缺乏基础数据的情况下，更多发挥人的价值判断功能，

如此分工更符合法律对公平正义的价值追求。

进一步而言，机器人在常规案件中的主导作用，主要是从以下两个方面发挥决策功能。第

一，机器人基于对同类案件的学习，可以总结出既往判例中法官们适用法律的倾向性意见，

从而为本案法官提供权威参考。比如，在一起涉及购房合同效力的纠纷中，机器人可以基于

既往判例的学习总结出主张无效或主张有效的观点分歧，进而为本案法官提供更权威的参

考，从而让法官更加精准地理解和适用法律。第二，机器人基于对同类案件的学习，可以总

结出既往判例中法官们的判罚尺度，从而为本案法官提供权威参考。无论是民事案件赔偿金

额计算还是刑事案件量刑的判罚，因其在实质上涉及当事人的权益，法官们都需要在法定幅

度内展现更加精准的判罚尺度。与此同时，基于公平原则，同类案件也应彼此顾及和关联各

自的判罚尺度，从而呈现同案同判的公平样态。

还需指出，新型案件与常规案件的划分也是相对而言的，新型案件发生多了，也就变成了常

规案件。因此，人工智能适用司法裁判的过程中，人与机器的黄金分割并非一成不变，它总

是随着新型案件的演变而发生变化。

（二）基于机器人自我决策的算法审查制度建构

在人工智能适用于司法裁判的场景中，无论人与机器的黄金分割点定在何处，可以确定的

是，总有一部分归属机器人的自我决策。机器人的分析结论会在很大程度上影响法官的判

决，甚至在某些情况下，法官还可能会直接援引机器人的决策结论径行作出判决。那么，针

对当事人提出的“算法黑洞”质疑就需要予以有效解释，否则判决的公允性就会缺乏基本的

法理支撑。基于诉讼程序的公允性，诉讼当事人自然有权利对机器人的算法提出质疑，尤其

有权对合议庭的法官提出回避事由，然而机器人算法的专业性和保密性又几乎回绝了当事人

质疑的权利。因此，问题的关键还在于，如何切实保障当事人对算法提出质疑的权利？为

此，有必要构建机器人算法审查制度，该制度具体又包含如下内容。

1.人工智能算法公开制度

算法可以说是人工智能时代机器人的核心技术，机器人企业自然会对基于算法而产生的知识

产权严加保护，其主流保护方式包括计算机版权保护、计算机程序专利保护以及技术秘密保

护。对于底层算法中最为核心的部分，除开源软件外，企业大都将其纳入技术秘密的保护范

畴。然而，应用于司法裁判中的机器人，因其决策会影响当事人的财产权利与人身权利，对

其算法技术秘密保护应奉行有别于一般商业机器人的原则。简言之，应用于司法裁判的机器

人算法理应向社会公开。

进一步而言，司法裁判机器人的算法公开应当是“全面公开”“网络公开”“初始公开”三

项原则。首先，“全面公开”强调的是，与算法有关的一切要素均应毫无保留地向社会公

开，包括但不限于与算法有关的数学公式、与算法有关的计算机编程代码、与算法有关的产

品设计理念等要素的公开之所以要强调全面，旨在当事人提出质疑时，其所聘请的技术

专家能够较为透彻地理解该算法对运算规则以及准确评估其对当事人权利的影响程度。其

次，“网络公开”强调的是其所公开的信息能够以公众较为方便的“互联网”方式获取，并

且在获取的过程中不应为公众设置任何障碍。最后，“初始公开”强调的是，应当在司法机

关使用初始即公开，而不应当仅仅在当事人提出质疑时才公开，初始公开的好处则在于，方

便公众从一开始就有对算法提出质疑的权利。

2.人工智能算法裁决制度

基于算法公开，诉讼当事人可以拿到“算法”，并在专业人员的帮助下提出质疑。在诉讼当

事人对算法提出质疑的情况下，就需要由专业的算法裁决机构作出评判。但我国当下还没有

专门的算法审查机构，为此已有不少学者强烈呼吁要构建算法审查机构。的确，在人工智能

时代，算法几乎无处不在，产品与算法的高度融合，致使原有的大量产品责任已迭代为算法

责任，可以预期，未来关于算法裁决的需要亦愈加迫切。同样，在司法裁判领域，诉讼当事

人一旦对机器人算法提出质疑，就需要一个专门的算法裁决机构完成审查和裁决R

事实上，在司法裁判机器人算法裁决问题上，除了利害关系人有权提请算法裁决，社会公众

同样有权提请算法裁决。基于算法的初始公开，诉讼之外的社会一般公众亦可监督算法的公

正性，同样有权提请算法裁决，从而保证机器人算法始终处于公开和受监督的状态。当然，

针对利害关系人与社会公众提请裁决的程序设计又应当有所差异，前者系基于对自己利益的

关注，后者则是基于社会公共利益的关注，故而在申请算法裁决的受理条件、法律时效等制

度设计方面应存在必要差异。

还需指出，在司法机器人算法裁决的问题上，其裁决的要点还主要在于算法本身是否违反了

案件公正裁判赖以存在的真实、平等（无歧视）、合法等基本原则。所谓“算法真实原

则”，旨在强调算法的分析结果所呈现的是一个真实的样态，如果基于算法的演绎结果系不

真实或是不全面的，都将违反算法真实原则。所谓“算法平等（无歧视）原则”，旨在强调

算法以及基于算法