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。……