洪潇潇

引 言

司法人工智能应用系统审判辅助性角色定位业已达成共识，且在各地司法实务中也有许多有益的尝试，取得了阶段性突破。总结各地司法实践，现存办案系统具有了识别区分、校验判断、逻辑比对、矛盾排除、自动推送和生成等强大的智能性。①参见潘庸鲁：《人工智能介入司法领域的价值与定位》，载《探索与争鸣》2017年第10期。然而，应该看到审判辅助系统虽然建立了一定的学习人类思维和法律规则的算法，但其应用仍是对要素的平行解构和海量数据归纳类比，停留在弱人工智能或者类人工智能应用层面，受技术和逻辑等方面的桎梏，始终难以实现具有完备法律推理能力的强人工智能。案件要素间的关系可能是主次、因果、包含、平行等，但对于机器而言，利用平行解构方式是无法进行有差别识别的。①参见高翔：《人工智能民事司法应用的法律知识图谱构建——以要件事实型民事裁判论为基础》，载《法制与社会发展》2018年第6期。人工智能虽然以其强大的记忆和数据归纳能力帮助法官完成法律检索等方面的工作，提高了工作质效，但是类案推送等反馈的数据往往体量庞大，无筛选的信息流集中堆积在使用者面前，有时还会给使用者造成另一种负担。在刑事司法领域，定罪量刑系统缺乏对个案的精准识别，反馈的信息往往是包含所有类似节点的信息包，无法真正回应司法实践需求，缓解使用者的压力点。而理论界的研究主要集中在人工智能本体论、全流程算法等方面，相对欠缺以要素解构为模型的专项司法人工智能研究。本文通过对比发现法定犯裁判事实证成与人工智能运行逻辑存在内生契合性，通过建构裁判要素式的微结构系统，为法定犯裁判提供智能支持。同时以法定犯人工智能辅助系统为基础模型，为探索人工智能深度学习、类案智能化、司法应用提升提供路径探索。

一、法定犯裁判事实证成与司法人工智能应用规律的契合性

法定犯的概念与自然犯相对应，源于古罗马时代自体恶（mala in se）与禁止恶（mala prohibilita）的观念区分。继刑事古典学派将犯罪界定于抽象的刑法基础之上后，刑事实证学派的代表人物意大利犯罪学家加罗法洛从社会法位的实质出发对自然犯进行充分论证，形成了自然犯的原始界分，将真正的犯罪界定为对怜悯和正直这两种基本利他情感的伤害。②参见孙树光：《论法定犯裁判事实证成中人机协同系统的建构》，载《当代法学》2020年第2期。德国刑法中的行政犯概念奠定了现代刑法中法定犯概念基础。中国刑法更多的是从criminal offender即刑事犯和administrative crime即行政犯的角度来做区分，同时由于我国刑法概念定性与定量因素的结合，所以我国行政犯其实是行政违法行为刑事化的产物。③参见周佑勇、刘艳红：《行政刑法的一般理论》，北京大学出版社2008年版，第8页。各国刑法的称呼与概念虽然略有不同，但它们基本的意思相同。自然犯是天生违背了社会伦理道德的犯罪；法定犯本质上未违反社会伦理道德而是后天由法律人为规定的犯罪。自然犯的立法主要是满足伦理道德方面的国家需要；法定犯的立法则主要是满足行政管理方面的国家需要。④参见周佑勇、刘艳红：《行政刑法的一般理论》，北京大学出版社2008年版，第9页。在违法性层面上行政法和刑法都指向同一内容，只是制裁规范的层面上，刑法对行政法益的保护体现出被动性和滞后性的特点，服务于行政法规对法益的保护。⑤参见孙国祥：《行政违法性判断的从属性和独立性研究》，载《法学家》2017年第1期。由此可见，法定犯具备行政违法性与刑事违法性的双重特性，是一种形式犯。人工智能的运行逻辑具备形式化特征，故两者在法律推理层面均追求形式正义。

（一）法定犯事实认定的行政不法前置性与人工智能的形式逻辑相契合

裁判事实证成是通过法律推理对案件事实进行认定的论证过程。客观事实的类型把握和规范事实的概念解释成为裁判事实形成的重要方面。①参见孙树光：《论法定犯裁判事实证成中人机协同系统的建构》，载《当代法学》2020年第2期。如前所述，法定犯具有行政不法前置性。法定犯的构成要件要素，除了特别性要件如情节严重、数额较大等之外，基本上都是行政要素，可划分为法律或者行政法规规范等法源要素和规范性的评价要素。②参见刘艳红：《“法益性的欠缺”与法定犯的出罪——以行政要素的双重限缩解释为路径》，载《比较法研究》2019年第1期。在实践中，法定犯事实认定通常依赖对行政要素的评价而呈现出形式化、模型化特点。在《刑法》规定中有些条文采取了空白要件的方式，这些空白需要相应的行政法规来填补。例如，非法经营罪以违反国家规定为构成要件的规范要素，国家规定指向相应的金融法规、行政许可法、市场经济秩序规范等。规范性的评价要素中一些内涵外延明晰的无争议名词，如枪支、专利、计算机信息系统等并不存在解释论上的争议。换言之，法定犯事实认定中的行政要素制约了犯罪事实推理形成，从而削弱了法律推理的强度，使推理具有形式性。现阶段，司法人工智能系统的算法仍是模仿经典推理建立模型，即简单三段论：法律规则+裁判事实=裁判结论的演绎推理，直接将案件事实作为小前提进入法律检索得出结论的形式逻辑。由此可见，两者之间在法律推理层面存在契合性，使客观事实认定运用人工智能实现形式化、模式化成为可能。裁判事实证成需要在证据事实与法律规范之间循环往复，而法定犯行政不法事实认定的法源并非是单一的。例如，在王力军玉米收购案③王力军非法经营罪案，内蒙古自治区巴彦淖尔市中级人民法院（2017）内08刑再1号刑事判决书。中，法官必须穷尽关于粮食领域的法律规范，如《中华人民共和国粮食法》《中央储备粮管理条例》《粮食流通管理条例》《粮食收购资格审核管理办法》等来进行法律解释。这对法官来说无疑是巨大的挑战，人工智能对海量规范数据进行归纳演绎的能力可以帮助法官简化、优化这一过程。

法律逻辑的小前提并非直接援引案件事实，需经庭审质证获得认知结论方可认定事实。换言之，由于法官在案件中缺乏亲历性，需要通过证据推理来完成对案件的事实认定。这一过程即是将证据与待证事实建立联系的归纳推理过程。法律推理的基础是证据推理，而证据推理的核心要义是对证据的分析。证据可采性抑或证据能力是证据分析的前提。法定犯因其行政违法从属性，使证据可采性具备形式化特征，证据形成遵循正当程序即可使证据事实转化为裁判事实。例如，在醉酒型危险驾驶罪中，事实认定的关键证据是交警部门出具的认定书。证据事实在事实认定中完成转化是一个开放式的过程，即证据被各方出示、验证，最终形成相互印证的封闭式证据链条。法定犯行政不法前置性使证据链条呈现出单一循环特性。实践中，司法人工智能系统可完成相关证据自动收集、校对，在形式要件及案件要素层面进行合法性匹配；在规则层面完成证据链条逻辑比对及印证。可见，人工智能证据推理仍停留在形式推理层面，法定犯认定事实证据的客观性和形式性，有效避免了人工智能在证据认知中无法掺杂感性因素而使识别结果出现超越朴素认知的可能性。法官依据经验判断证据达到内心“确信”，如果试图将“确信”以静态概率为表现形式，则人工智能便可以对证明力进行读取。不管是图灵测试还是贝叶斯网络所依循的内在逻辑均是试图使证明力概率化。然而，法律的开放性使经典逻辑无法应对法律推理的非单调性。随着规则的更新和新证据加入，事实认定呈现动态特征，裁判者内心确信内涵不断被覆盖更新，人工智能的线性逻辑无法及时认知这一动态变化，使证明力概率化仅停留在理论层面。而法定犯的证据特征通常较为固定，具有一定的静态性，使证明概率化在人工智能逻辑层面成为可能。法律推理由形式正义转向形式正义与实质正义相衡平的价值追求，裁判应当兼具合法性与合理性。实质推理所依循的关于价值取向、政策导向等经验使人工智能知识图谱构建无疑是体量无比巨大且困难重重的工作，而法定犯因行政不法前置性特点，限缩了经验范围且使经验具有一定的形式性特点。例如，对于“枪支”的经验来自于《枪支致伤力的法庭科学鉴定判据》中规定的标准。这与人工智能的形式逻辑相契合。

（二）法定犯裁判事实的弱评价性与人工智能的经验缺陷相契合

人工智能裁判的运行原理是通过计算机程序模拟和归纳法律论辩，回答其中的问题，以显示计算机系统能够理解其中的法律问题和事实问题。①参见罗维鹏：《人工智能裁判的问题归纳与前瞻》，载《国家检察官学院学报》2018年第5期。换言之，人工智能裁判是模仿人类认知对案件进行逻辑推理。法律推理基于客观事实、规范事实及形式逻辑去判断法律规范下的一切具体行为，即将裁判公式化。无论是谁进行裁判均可得出相同结论。也就是说，机器可以按照设定的规则输出和人相同的裁判结论。然而，这仅是分析法学忽视法官个人主观意识和能动法律推理而建立的理想模型。法官形成内心确信的过程存在政治、环境甚至内心情感等多种因变量，而非单纯依据经典逻辑即可得出结论。这些因变量通过经验取得，人类的经验千变万化、千差万别，人工智能算法无法将全部经验纳入其中，学习人类的内心感知从而形成可以被解读的认知难以实现。因此，人工智能迄今为止的工作能力都限于抽象思维领域。抽象思维是一步步推下去的，是线型的；或者有分叉，是交叉型的。而形象思维它不是面形的、二维的，而是空间的综合的“杂交”过程，有时是跳跃的、发散的。②参见董军：《人工智能哲学》，科学出版社2011版，第50页。因此，案件要素被平行解构后，输出的结论均是描述性的。

如前所述，自然犯是天生违背了社会伦理道德的犯罪，传统犯罪行为中的杀人、抢劫、盗窃等违反基本社会秩序和人们的朴素道德情感观念，具有悖德性。因此，在事实认定过程中总会存在个人的价值评价，尽管这种评价有可能是隐性的。例如，“张三杀害了李四”，法官要从证据推理，甚至从张三的主观心态、社会关系、甚至张三的表情、动作等因素综合判断案件事实，而人工智能无法像人类一样从细微处感知张三主观心理状态以综合所有的案件要素。相较于自然犯的原生恶性，法定犯是基于社会行政管理秩序而产生，并随着行政管理秩序的调整而调整，案件事实认定是基于行政不法事实，不存在违反伦理性或者悖德性较弱，也就是说法定犯的价值评价性较弱。例如，《刑法》中规定的“非法采矿罪”，基于违反行政许可，破坏国家矿产管理秩序。该罪事实只要存在未取得采矿许可证，擅自采矿、擅自开采国家规定实行保护性开采的特定矿种的行为即可认定，无需对行为人采矿时的心态等因素作出判断和评价。因此，在法定犯评价中，行政违法性判断居于主导地位，对行为人行为的价值评价往往仅是形式判断，且法定犯的证据常以行政机关评价为依据。因此，在裁判事实证成层面，相较于自然犯而言，人工智能作用空间更为广阔。

（三）法定犯行为的不法判断与司法人工智能现阶段能力相契合

事实认定所依循的证据裁判主义带有强烈的客观化色彩。证据裁判下的证明对象往往源于法律规范的直接规定。而任何一个法律构成要件都必然是事实要素和价值要素的复合体。①参见张继成：《从案件事实之“是”到当事人之“应当”——法律推理机制及其正当理由的逻辑研究》，载《法学研究》2003年第1期。换言之，法律规范蕴含着立法者的价值判断，而该种价值必须符合普遍社会群体对于正价值的需求，行为事实与价值需求的不同组合构成了法律规范的外在表达。在存在论物本逻辑语境下，行为违法性更加强调为一种实质性违法，即由于现实先于概念而存在，现实所蕴含的价值关系为法律规范所表达，行为的违法性亦涵盖于现实价值关系中。因此，判断行为是否违法，取决于是否违反法律规范背后所蕴藏的正价值。事实认定就是在客观证据视角下将待证事实与事实要素以及价值要素反复比对的过程，以证据的客观判断为主线，同时为价值的主观判断留有余地。人工智能利用信息技术使证据实现可视化，在形式逻辑下，证据裁判及法益层面的价值判断均更趋于客观化。而法定犯的行政从属性使证据判断具有客观化特征，这与人工智能现阶段的证据裁判能力相匹配。

以个案为例，在赵春华摆摊打气球案②赵春华非法持有、私藏枪支、弹药罪案，天津市第一中级人民法院（2017）津01刑终41号刑事判决书。中，以构成要件该当性与违法性为要素框架设置匹配项，将该案的待证事实分解为：行为客观描述；“枪支”之认定标准；持有行为有无法益侵害；有无不可抗力、正当防卫等正当化事由阻却该行为的违法性。通过比对，赵春华基于其主观意图在他人处购买并持有黑色枪状物及疑似枪支弹夹的事实符合“持有”之客观行为描述；案涉枪状物的物理性状，即以压缩气体为动力、1.8焦耳/平方厘米等事实符合《枪支致伤力的法庭科学鉴定判据》等所规定的“枪支”认定标准，即可得出赵春华持有的枪状物为枪支的结论；其持有枪状物的行为具备侵害国家枪支管理秩序的事实要件；无正当化阻却事由。最终得出其行为具有违法性的结论。

二、法定犯裁判事实证成智能化路径为人工智能与司法深度融合提供进路

当下，法定犯的裁判事实证成模式化仍存在障碍，法律规范中的有些日常语词存在模糊性和不确定性。对于语言外延内涵明确的词语，并不会在解释论上产生争议，但对于开放性、发散性词语的理解难免存在争议，例如“正当”“合理”“过错”等。另外，有些事实规范本身并无明确规定，人工智能缺乏比对样本，对案件事实仍需凭借法官自身认知经验进行评价。例如，韩笑等非法经营案①韩笑等非法经营案，北京市第一中级人民法院（2015）一中刑终字第539号刑事裁定书。中，对于其制作的外挂程序如何认定，是否属于“出版电子出版物”，《出版管理条例》中并无明确规定，需要法官进行综合评价。然而，司法人工智能广泛应用于司法实践是不可逆的趋势，如何在已有的基础上推进技术与实践的进一步融合才是研究的重点。法定犯裁判事实证成智能化路径为人工智能与司法实践深度融合提供了样本和有益尝试。

（一）法定犯裁判事实证成智能化路径为人工智能在犯罪阶层体系深度应用提供实践基点

如前所述，人工智能辅助系统现阶段主要可完成证据裁判客观化判断。在主观构成要件、可谴责性层面受传统整罪分析模式一个犯罪一种罪过形式的影响，呈现单一的匹配项，无法得出具备逻辑一致性的结论，使司法人工智能在犯罪阶层体系的全面化应用存在缺憾。在罪过形式层面，故意和过失被认为是对立关系，面对行为产生时行为人复杂主观心理以及犯罪不同阶段的主观状态，整罪分析模式易使罪过形式与犯罪客观构成要件之间产生断裂，从而得出不符合社会普遍价值需求的结论，特别是在法定犯领域，机械地依据行政标准易产生过罪化风险。有学者提出借鉴美国刑法中的要素分析模式以破解整罪分析模式下产生的定罪量刑难题，即在复杂犯罪中将每一个客观要素对应罪过的四种形式进行匹配。②参见王华伟：《要素分析模式之提倡——罪过形式难题新应》，载《当代法学》2017年第5期；陈银珠：《法定犯时代传统罪过理论的突破》，载《中外法学》2017年第4期；劳东燕：《犯罪故意的要素分析模式》，载《比较法研究》2009年第1期；陈银珠：《论美国刑法中的要素分析法及其启示》，载《中国刑事法杂志》2011年第6期。而这一模式与人工智能要素识别相契合，客观要素与四种罪过形式可匹配出多种序对。在责任层面，物本逻辑下的韦尔策尔体系将责任分为三个层次的可谴责要素，即责任能力、不法意识可能性、期待可能性。责任能力作为客观标准具有相对明确的认定标准，而不法意识可能性与期待可能性在认定上存在模糊性和不确定性，往往受文化背景、政策导向等基于“法感”因素而存在主观化。这亦是人工智能在该层次无法深入的主要原因。法定犯事实认定客观化为不法意识可能性与期待可能性的要素解构提供了实验契机。很多刑法条文、教义和构成要件隐含了对破案率和作案成功率的双重评估。①参见桑本谦：《从要件识别到变量评估：刑事司法如何破解“定性难题”》，载《交大法学》2020年第1期。破案率和作案成功率可以作为量化标准，结合行为人的过往经历、职业、身份、手段等客观构成要件与不法意识可能性之间建立一种函数关系，并以概率的形式使人工智能能够有效读取。尝试让人工智能拥有类似于“法感”的道德判断能力，可以促使裁判事实证成更具有周延性，避免出现违背朴素正义观的结论。

仍以赵春华案为例，综合其过往经历、身份等特征，结合其目的可以得出其对持有枪支的不法意识可能性的概率非常小，对于后果的期待可能性概率亦非常小。综合可谴责要素的概率，可得出其行为的有责性应为小概率。二审法院认为赵春华“明知”其持有的枪状物具有一定致伤力和危险性，且不能通过正常途径购买获得，因此认定其行为罪过形式为故意。如按照要素分析模式将该案罪过形式进行解构，将罪过形式设置为四个基本项，即直接故意、间接故意、疏忽过失、自信过失；将赵春华案主客观要件，即在他人处购买并持有黑色枪状物及疑似枪支弹夹等、无业、经营打气球摊之目的、无伤害他人意思表示，以及对玩具枪/枪状物危险性认识与罪过形式四个基本项分别进行比对，可以发现，赵春华案仅购买并持有行为指向主观故意，其他主客观要件均无法与罪过形式项相匹配，其在法益侵害方面并没有主观故意，甚至连过失也很难成立。终审法院仅依据购买并持有行为认定非法持有枪支罪成立显然具有不周延性。综合不法性认识可能性的低概率，最终指向的结论是赵春华的行为具有违法性但却不具有可处罚性。

（二）法定犯裁判事实证成智能化为实质的类案智能化提供范例

大数据分析用总体化全归纳法去置换抽样调查的统计学方法，打破了因果关系模式，植入了相关关系，更多的信息量被掌握，一个人可以了解某种现象的全部过去式，也可以从关联物那里了解事态的未来走势。在这个过程中，真正实用的并不是对精确度的追求，而是快速获得大概的轮廓和脉络。②参见【英】迈尔·舍恩伯格等：《大数据时代：生活、工作与思维的大变革》，浙江人民出版社2013年版，第65页。换言之，司法辅助系统给予的司法决策是基于应然性的法律规范、专家经验与实然性的法律后果间关系匹配出或然性结论。海量的裁判数据并不当然的具有正当性，在数据之外的隐性的影响因素并未体现，如法官经年累月而形成的对案件的认知经验，有时可能是影响法官内心确信较为关键的因素。机器根据节点给出的司法决策可能只是经过一定程度限缩的另一组海量数据。在事实认定的场合，专家经验的模糊性和不确定性使精准认知个案仍停留在理论层面，毕竟我们无法将人类所有的经验全部罗列其中。法定犯的行政从属性使专家经验带有一定的形式性。法定犯的规范要素均指向前置的行政法律法规，对事实要素的解释受到前置行政法律法规的制约，使事实认定具有一定的特定性而无需多元的经验。例如在违反特许经营的场合，仅需要判断行为人的经营是否需要特许、是否得到了特许经营许可的一般性经验即可。这一特性使人工智能类案决策的精准性有所提高。类案的实质是通过抽取同质要素提炼裁判规律，以达到“同案同判”。通过裁判规律的统一在诉讼结构的基础上进一步限制法官的自由心证，保护当事人的信赖利益。法定犯事实认定的智能化为人工智能在事实认定方面的类案实质化提供可供试炼的场域。正如有学者所言：“可以预见的是，在类型化案件中，有可能形成统一的智能化算法；在不那么规格化的案件中，至少可以做到法律依据提醒、政策比较和类案参考。”①何帆：《我们离‘阿尔法法官’还有多远？》，载《浙江人大》2017年第5期。

（三）法定犯裁判事实证成智能化路径为人工智能深度学习提供“小数据”样本

目前，人工智能的技术逻辑不管是基于规则推理（符号主义）还是基于概率推理（贝叶斯网络），其深化均依赖于深度学习。学习模型可分为“判别式学习”与“生成式学习”②李德毅主编：《人工智能导论》，中国科学技术出版社2018年版，第126页。。“判别式学习是指通过某种模拟的高维感官输入映射出一个类别标签结果。”③栗峥：《人工智能与事实认定》，载《法学研究》2020年第1期。而发现案件内在结构、规律从而作出推理的生成式学习才是我们所追求的人工智能高端应用。这首先需要给予人工智能可供学习的样本。司法公开为样本的构建提供了数据基础。然而如中国裁判文书网所提供的裁判文书，其作出也并非仅是文字所显示出的影响因素，还包含其他隐性变量。我们无法将所有的相关信息全部输入机器供其学习，而使人工智能足以读取并学习海量的信息则需要无比复杂且不断变化的算法，这无疑难以实现。信息哲学家弗洛里迪（L.Floridi）指出，“大数据的真正问题并不在于数据之‘大’，而在于如何从海量的数据中挖掘出其背后具有规律性的‘小模式’。”④段伟文：《大数据知识发现的本体论追问》，载《哲学研究》2015年第11期。

因此，可以尝试以“小数据”微结构为基础，将司法人工智能的应用场域解构成为若干单元，将全局性的案件辅助模型解构为裁判要素式模型，以降低学习难度和算法复杂性。由于人工智能对事实认定过程中的复杂问题化解能力有限，搭建心智微结构能够缩小问题范围，以各个击破的方式，将大块难题分解为小块问题，在小区域内提升智能密度，进而最大化增强人工智能，突破潜在阻力。实现心智微结构的具体路径是运用“小数据”训练。①参见【美】克莉丝汀L.伯格曼：《大数据、小数据、无数据：网络世界的数据学术》，孟小峰等译，机械工业出版社2017年版，第3页。“小数据”因其所含信息流体量较小，更便于人工智能读取及操纵。法定犯裁判事实证成智能化正是为这种“小数据”微结构的搭建提供了样本，通过对法定犯事实认定数据的深度学习，提炼算法规律，以期在人工智能事实认定方面寻求逻辑可操作性的突破。

三、法定犯裁判事实证成人机协作系统建构路径

人工智能的本质在于算法和数据处理，也就是说，通过机器学习，机器要对海量数据进行自动挖掘与预测，以形成统一的智能化算法或参考指引。②参见蔡自兴、刘丽珏、蔡竞峰、陈白帆：《人工智能及其应用》（第5版），清华大学出版社2017年版，第125页。机器深度学习的方法包括：决策树学习方法、类比学习方法、人工神经网络方法等。而人工神经网络方法是居于主要地位的、功能最强大的、应用范围最广阔的机器学习方法，其被用于解决那些基于规则编程难以解决的任务，如智能化学习等。③参见蔡自兴、姚莉：《人工智能及其在决策系统中的应用》，国防科技大学出版社2006年版，第235页。人工神经网络方法的可行性与实效性的获得必须基于学习对象的图谱化，也就是知识图谱的构建，否则机器的深度学习就成了无本之木。④参见高翔：《人工智能民事司法应用的法律知识图谱构建——以要件事实型民事裁判论为基础》，载《法制与社会发展》2018年第6期。

（一）“自顶向下”的行政不法前置型知识图谱建构

分词建构是人工智能知识图谱的单元要素。神经网络分词方法的核心是内部知识库的构造，内部知识库的知识表示并不独立表示一项规则，而是将一个问题的相关知识在同一网络中表示。⑤参见刘迁、贾惠波：《中文信息处理中自动分词技术的研究与展望》，载《计算机工程与应用》2006年第3期。建构内部知识库的数据来源可以分为“自顶向下”的通道和“自下向顶”的通道。顾名思义，“自顶向下”的数据通道是指集合行政违法行为类型、行政规范要素以及证据类型解构的相关数据作为人工智能提取和学习的样本。这种建构方式的优势在于数据具有稳定性和准确性，但是数据体量较小且对新生数据反应较慢。而“自下向顶”的通道是指通过海量的数据由人工智能自行提取、学习以归纳提炼出规律。这种建构方式数据量较大且可以及时发现新数据，然而由于数据来源不确定性等因素使数据本身缺乏正当性。在弱人工智能的语境下，选择“自顶向下”的数据集合方式更符合司法实践中对于人工智能提供较为精确的司法决策辅助的需求。

刑法所保护的法益并非单独源于刑事法律规范，而是由刑法与前置法律规范共同调整。前置违法性是法定犯犯罪构成的基石，行为如果不具有行政违法性或者前置行政法规范并未禁止，法定犯也就无从谈起。法定犯裁判事实证成知识图谱的建构也应依循这一普遍规律，施行分层级建构，将法定犯中的行政要素前置。刑法适用于具体案件的过程，实质上就是解释刑法的过程，是一种“事实与规范”之间建立起联系的具体化过程。①参见【德】尤尔根·哈贝马斯：《在事实与规范之间》，童世骏译，三联书店2003年版，第247页。知识图谱的建构过程就是将已知的要素事实与规范间进行比对并建立联系的过程。对于法定犯事实图谱的建构可以分为两部分，即可视化证据数据库和规范数据库。数据按格式可划分为以二维逻辑为外在表达的结构化数据和以平面逻辑为外在表达的非结构化数据。就案件事实认定而言，证据多为文本、图片、视频等形式的非结构化数据，并不能直接被机器读取。因此，证据必须经过结构化改造才能被充实到数据库中。法定犯事实认定的证据类型及证据链条的形式化特征为证据数据的结构化改造减低了难度。《刑法》第96条为“违反国家规定”设定了前置性法律规范的适用范围。为保证裁判逻辑上的连贯性，行政规范中的概念与刑法中的概念具有同质化特点，如证券类犯罪案件中的价格敏感期、内幕信息等概念必然与《证券法》等规定相一致。这为规范数据库的建立明确了数据集合的边界。事实认定属于法律规则中的“行为模式”要素，如从“证据”到“证据性事实”的推论，再到实体法行为模式中的“要素性事实”的推论。②参见吴旭阳：《法律与人工智能的法哲学思考——以大数据深度学习为考察重点》，载《东方法学》2018年第3期。相对稳定和可识别的知识图谱数据库使人工智能在“事实——规范”间进行算法学习更具有可操作性。

（二）知识图谱数据样本的正当性建构

如前所述，我们采用人工神经网络的方法构建知识图谱。人工神经网络是模仿神经网络行为特征并进行分布式并行信息处理的算法模型，其由输入层、多隐层、输出层构成，多隐层是其中的核心，每层有若干个神经元，神经元之间有连接权重：神经网络系统由众多神经元的连接权值连接而成，具有良好的深度学习功能。③参见【美】雷·库兹韦尔：《人工智能的未来》，盛杨燕译，浙江人民出版社2016年版，第131页。人工神经网络的深度学习系基于知识图谱数据特征的学习，其从数据样本中学习到数据的本质特征，而通过学习所得到的特征可提升对未知事件的分类和预测的精准性。如果之后输入的语句与原切分规则近似，则可输出与样本近似的切分结果，从而形成人工智能。④参见吴岸城：《神经网络与深度学习》，电子工业出版社2016年版，第83页。由此可见，知识图谱数据样本的正当性影响人工智能深度学习的准确性。实践中，对于数据的清洗和标注通常是由技术专家完成，数据来源主要依据司法公开的数据。然而，司法公开的数据并不能全景展示裁判所依据的事实理由。从某种意义上说，裁判最为核心的价值并非是裁判结果而是作出裁判的论证过程。这一过程因加入法官的内心确信论证而富有思辨性。然而，主导数据标注的技术专家缺乏相应的裁判经验，使专家经验带有模糊性和非专业性特征。司法领域的特殊性决定了仅依靠技术专家建构的司法辅助系统无法切中司法实践中真正的压力点，没有法官参与的司法审判辅助系统就如无源之水。因此，加入司法领域专业人员深度参与司法人工智能建构势在必行。

（三）法律推理的逻辑基础选择

1.法律推理的逻辑选择

现阶段，司法人工智能领域普遍适用贝叶斯网络作为技术逻辑基础。贝叶斯网络基于概率推理，仍然存在主观概率理论的局限性。当认定案件事实时，法官需要判断一个证据对其他证据的影响力，主观概率理论无法在证据与证据之间建立相应的因果关系。基于贝叶斯网络的缺陷，人工智能领域兴起了对可计算辩论（argumentation）模型的应用。它的特点在于能够避免人工智能普遍面临的“知识接收瓶颈”问题，因为它不需要接收应用于解决问题的知识，而是直接与较为完备的背景法律知识档案来源相联系，通过构造论证的方法使问题直观化，帮助系统使用者厘清并解决问题，它同样支持案件事实认定中的可废止论证和在不同观点分歧下的庭审对话。①参见魏斌、郑志峰：《刑事案件事实认定的人工智能方法》，载《刑事技术》2018年第6期。这为法律推理提供了一种增强其周延性的方法论，毕竟法律具有开放性，经典逻辑的单调性无法应对法律推理的非单调性。在证据评价中，法官根据经验从相关证据中推导出一个似真的结论，但该结论可因新证据的引入而被推翻，即具有可废止性。换言之，证据的不充分性和推理的常识依赖使事实认定具有可废止性。假设“如果条件p那么结论q”是可废止的，那么“如果满足条件p那么q有效”并不具有必然性。它至少涉及到下面情况的其中一种：（1）如果p→q是真的，那么p∧r→q并不必然是真的；（2）如果p→q且p是真的，那么q并不必然是真的；（3）如果p→q且p是真的，那么q并不必然被有效地推导出来。②参见【荷】亚普·哈赫：《法律与可废止性》，宋旭光译，载舒国滢主编：《法理：法哲学、法学方法论与人工智能》（第3卷），商务印书馆2018年版，第18-19页。例如，97年《刑法》实施后，当时受金融危机影响又颁布了《关于惩治骗购外汇、逃汇和非法买卖外汇犯罪的决定》，将买卖外汇规定为非法经营罪。可见买卖外汇行为违法的结论证成受金融管理秩序变化的影响而具有可废止性。法定犯行政不法事实与犯罪事实的层次性使可废止推理具有正当性，③陈瑞华教授将行政不法事实与犯罪事实视为处于两个不同位阶的法律事实，从实质性上区分为两个事实层次，提出了法定法事实认定的层次性理论。参见陈瑞华：《行政不法事实与犯罪事实的层次性理论——兼论行政不法行为向犯罪转化的事实认定问题》，载《中外法学》2019年第1期。推理模型如表1所示：

表1 法定犯事实认定层次性推理模型

2.具体案例应用演示

在具体案件运用中，按照“自顶向下”的知识图谱框架，建构可视化证据数据库和规范数据库，依据法定犯事实认定要素设置若干匹配项，即证据集合、证据能力、证明力、法源性评价、规范性评价以及可废止变量等。同时，按照证据能力要件在其项下设置收集程序、形式要件、内容要素三个子匹配项；将法定犯事实划分为两个层次，即行政不法事实与犯罪事实置于所有匹配项下进行比对，进而得出结论。仍以前述王力军玉米收购案为例，该案的裁判理由认为王力军收购玉米的行为违反当时国家粮食流通领域相关法律规定，符合行政违法性标准，但其危害程度尚未达到严重扰乱市场秩序的标准。将该案按照要素进行解构进行智能化识别，参见表2：

表2 王力军案事实认定要素解构识别分析

如表2所示，对王力军案进行要素解构与各匹配项比对所得出结论为其行为并不具有行政不法性，行政不法事实无法成立，进而犯罪事实亦无法成立。这与该案裁判结论并不相同，智能化匹配所得结论更为符合人们一般朴素价值观，亦符合刑法谦抑性价值追求。可见，通过要素智能化解构得出的结论更符合形式正义，也更具备合理性。虽然基于可废止推理为人工智能论证辅助系统提供了新的逻辑视角，但如何使领域内的知识有效地与系统相整合仍然需要进一步深入研究，而法定犯裁判事实证成为可废止推理在人工智能的应用提供了逻辑切入点。

结 语

司法人工智能辅助系统在“智慧法院”建设中占据核心地位。司法裁判的涵摄仍然受到政策导向、价值指引、专业性判断等因素的制约，并非机器所能够胜任。这决定了司法人工智能辅助性定位。将裁判分为若干要素作为“靶点”采取逐个击破的策略是当前技术背景下提升司法人工智能解决实际问题能力的有效路径。将可类型化的要素交给机器，最终结论仍由法官作出判断的人机协作型司法人工智能系统仍是提高司法质效的最具有可行性的方案。法定犯裁判事实证成为这一方案提供了可操作的进路。同时，在法定犯到来的时代，裁判事实证成的智能化也为防止出现不符合或超出人们普遍认知的案件结论提供了有效监督途径。