论坛论文FORUM PAPERS

摘  要

得益于政府大数据的支持和资本市场的投入，在“以审判为中心“的诉讼改革目标及庭审实质化的政策背景下，人工智能技术与司法领域的融合成为必然趋势。目前，裁判辅助模式已在司法系统建设推行，法定的统一证据标准亦被嵌入到公检法的数据化系统中。反观刑事辩护领域，刑事辩护律师以一种保守的观望状态应对人工智能对法律行业的冲击。我们应以此为契机，以积极的态度迎接人工智能与刑事辩护的自然融合，同时以谨慎的态度认识到“人工智能+法律”在逻辑演绎、价值判断以及中立性三个层面的应用瓶颈。

关键词：人工智能  刑事辩护  证据标准  价值判断

1956年，Dartmouth会议上正式提出“人工智能”这一概念。随后，人工智能技术经历了缓慢的发展期。近年来随着大数据、互联网、物联网、云技术等信息技术的应用，以及资本市场的投入和政府大数据的支持，人工智能技术抓住飞速发展的契机，强势侵入其他学科领域，标准化、系统化程度较高的法律领域亦不能例外。但毋庸置疑，当前人工智能技术处于弱人工智能时代，从弱人工智能通往强人工智能甚至超人工智能的旅途仍是未知数，人工智能技术在法律领域中仅扮演着辅助角色。本文拟在弱人工智能的语境下，浅谈人工智能在司法领域中的应用现状和价值，以及其与刑事辩护自然融合的可行性和限制。

一、人工智能在我国司法领域的应用

（一）“人工智能+法律”的应用现状

人工智能与法律二者的结合，在国外从理论层面和技术层面已颇有成效。2016年，Watson开发的机器人ROSS作为世界首位人工智能律师，被美国最大的律师事务所Baker & Hostetler收入麾下并应用于破产法律领域。2018年，以色列科技公司LawGeex设立了AI驱动的合同审查平台，阿根廷一家初创企业研发出辅助裁决的Prometea程序。从国内来看，法检系统面对人工智能技术的冲击顺势而上，主动实现内部转型，新型的裁判辅助模式已在司法系统建设推行，服务于司法系统的智能技术接踵而来。2017年11月，刑事办案智能辅助系统在江苏省检察院上线运行。2019年6月，北京互联网法院联合搜狗推出全球首个提供智能导诉服务的“AI虚拟法官”。2019年8月，国内首个基于5G网络切片技术的电子证据平台正式上线。再者，上海市高级人民法院研发的备受关注的“上海刑事案件智能辅助办案系统”（以下简称“206系统”），已由上海市第二中级人民法院于2019年1月首次应用于公开审理刑事案件。

（二）“人工智能+法律”的时代背景和应用价值

我国钱学森教授于1981年就对人工智能与法学的结合提出系统性设想，而人工智能与法律的交叉研究于近年来才相对丰富起来，司法实践中也更加注重理论层面和技术层面的融合。尤其是近年来，各级人民法院依法纠正了多起重大冤假错案，其起因很大程度上是事实不清、证据未达到确实充分的证明要求。在刑事司法实践中，基于“以审判为中心“的诉讼改革目标及庭审实质化的政策要求，一方面对程序正义的追求更加迫切，另一方面对证据本身的要求更高，相应地对证据辩护的要求也更高。基于此，人工智能技术与司法领域的融合成为必然趋势。

以上海市高级人民法院研发的“206系统”为例，其首次将法定的统一证据标准嵌入到公检法三机关的数据化刑事办案系统中，兼具单一证据的校验、证据链和全案证据审查判断等多项功能，并能够及时提示办案人员对瑕疵证据补正或作出说明，确保提请逮捕、移送审查起诉的案件符合法律规定的标准。一方面，其有助于公检法三机关办案人员从枯燥的基础工作中解放出来，提升办案质量和效率；另一方面，其旨在促进公检法三机关办案人员执行统一的证据标准，倒逼侦查、审查起诉、审判各个诉讼环节严格按照法律的规定办理刑事案件，彰显程序正义，防止冤假错案，减少司法恣意性，推进以审判为中心的刑事诉讼制度改革。

二、人工智能与刑事辩护融合的可行性

相较于法检系统的蓄力待发，反观刑事辩护业务，律师以一种保守的观望状态应对人工智能对法律行业的冲击。在诉讼领域，尤其是刑事辩护领域，我们倾向性认为每一个案件都是独特的，律师需要提供专业化、个性化的“量身定制”服务。而持不同观点的学者则认为把量身定制理解成法律服务的本质特征，这种假象太过于浪漫化，于事无益。该学者同时提出职业泛化的概念，要求放宽对法律服务主体资格和组织形式方面的限制。2019年9月29日，海南省实施的地方性法规对“非律师的其他专业人士，可以担任律师事务所的合伙人”的规定，也是职业泛化的一种体现。虽然每一个刑事案件都是独一无二的，但不能因此而否认其可以被分解。对于基础性工作，借力人工智能得以精准地寻找证据突破点以及适用的法律，提升工作效率；对于技术性要求高的企业刑事合规工作，借力人工智能亦能破解手段愈加智能化的金融犯罪。

（一）提升刑事辩护基础业务效率

细分而言，原则上我国刑事辩护领域诉讼阶段大致包括委托磋商、当事人会见、强制措施变更、阅卷、调查取证、法律研究、方案制定、法庭辩论、卷宗归档和结案后客户维系等不同的业务板块。不难发现，除了会见等需要同理心感知的工作以及法庭辩论等运用想象力以及法律思维的决策性工作尚无法完全被替代外，阅卷、法律研究等基础性业务可以与人工智能自然融合。

阅卷是发现事实和分析证据的基础工作，同时也是一项繁杂的工作。对于事实要素相对清晰的案件罪名，通过智能校对系统，对常规性、技术支撑强度高的业务进行数据处理，制作阅卷笔录。一方面有助于提高精确性，避免遗漏关键事实及证据，另一方面可以解放刑事辩护律师的脑力劳动，使其把更多精力投入到疑难复杂的案件中。同样地，法律检索亦是刑辩律师的必备技能。法学是反映人的经验理性的学问，是人的经验、知识、智慧和理性的综合体现，其中经验占有重要的地位。当事人选择律师时，也会优先选择具有同类案件处理经验的律师。因此，对于年轻律师而言，数据的整合和以往同类案件的借鉴就至关重要。实践中，各级人民法院累积的海量数据分别存储在不同存储介质，成为各自隔离、各自维护的“数据孤岛”，5G技术的推广恰好为大数据的互通和整合提供便利。

目前，刑事辩护律师得以借力深度挖掘大数据，打破不同场景下的数据和知识隔离，避免知识孤岛。人工智能的检索系统可以通过要素分割的路径来解决人脑知识和记忆的有限性。通过完善法律知识库，促进人工智能在卷宗审阅、证据收集、案例分析等的应用，发现证据之间的矛盾点，包括审查讯问笔录的真实性以及辨认笔录、鉴定意见的偏差，从而提升质证说服能力，辅助刑事辩护业务，法律职业共同体的专业化水平亦能得到同步提升。

（二）提升法律援助的效率和质量

公共法律服务中的法律援助不足是司法体系的一大问题，尤其是在刑事案件中，很多被告人得不到有效的法律咨询和辩护。2017年10月，“刑事案件律师辩护全覆盖试点工作”在我国8个省份（直辖市）展开。2018年12月27日，最高人民法院、司法部联合发布“扩大刑事案件律师辩护全覆盖试点范围”的通知，将工作范围扩大至全国31个省（自治区、直辖市）和新疆生产建设兵团。在此背景下，创新法律服务方式不失为解决该难题的策略之一。2018年5月，北京市及各区法律援助中心引入17台智能法律援助机器人。通过应用人工智能技术，促进基层法律援助机构智能化建设，提高法律援助律师的辩护有效性和效率。尤其是在认罪认罚从轻制度下，以智能精准量刑辅助系统“小包公”的应用为例，智能化系统能够辅助检察机关提出精准量刑，增加量刑协商效果，从而得到良好的法律援助效果，亦能促进刑事速裁程序和刑事案件认罪认罚从宽制度的价值体现。

（三）积极预防企业刑事法律风险

法律状态改善不止于律师避免纠纷，还要确保人们能了解到并利用很多法律提供的利益、改进、优势，即使还没有问题发生。目前，金融犯罪数量不断增加，违法犯罪手段也愈来愈复杂，且极少数企业得以实现事前预防。利用人工智能技术创新企业刑事合规管理方式，对于企业预防刑事法律风险有重大作用。例如，总部位于伦敦的Advantage利用人工智能、机器学习和大数据分析技术，应用于洗钱罪等金融犯罪风险预防。英特尔推出的Anti-Money Laundering （AML）Advisor, 通过利用具备高透明度的关联记忆人工智能解决方案得以检测金融犯罪。苏格兰皇家银行与Vocalink公司合作，得以分析商业交易中的虚假发票和欺诈行为。不可否认，金融犯罪具有高度不确定的社会风险。如果通过整合、过滤企业数据库中的非结构化数据，形成标准化数据，利用知识图谱、深度学习等技术建立评估模型，交叉分析企业投资关系数据等，可以及时发现并规避风险点，以积极的事前预防提高企业风险管控能力。

三、“人工智能+法律”的应用瓶颈

如上文所述，与法律相结合的人工智能技术尚处于辅助工具的角色，且主要应用于法律检索、卷宗审阅、裁判预测、案件咨询等业务板块。例如，法狗狗的案情预测系统、“理脉”的法律检索服务。抛开目前的技术限制，人工智能技术完全替代法官进行司法裁判也必然受到法律层面和道德层面上的质疑。即便将来突破人机协同共融的情境理解与决策学习、因果模型与知识演化等，也会首先面对早已习惯拥有自由裁量权的法官们是否愿意接受并使用的道德难题，更不用说遭遇算法歧视、机器人异化等不确定性带来的法律法规、社会政策、道德伦理等的严峻挑战。下文将从人工智能的逻辑演绎、价值判断以及中立性三个方面具体论述“人工智能+法律”的应用限制。

（一）人工智能尚无法进行实质性证据判断

刑事案件中争议事实的认定，必然以证据为依据，而对于证据的关联性、合法性以及真实性的判断则尤为重要。目前，人工智能技术仅能对证据进行形式审查，尚无法对证据能力进行实质性审查判断。类似“206系统”嵌入的数据化统一证据标准是基于不同类型案件构建完整证据链条之需要而开发的,由公检法三机关统一适用,且被嵌入到数据化程序系统中的证据标准。其证据标准与我国《刑事诉讼法》中要求的“事实清楚，证据确实、充分”的“证明标准”不同。前者侧重于证据的数量充分，后者侧重于证据的证明力。

人工智能技术固然可以帮助收集和整合证据，提高证据审查的效率和客观性。但是在对证明标准的判断过程中，在适用非法证据排除规则时，仍然需要结合理性思维和非理性思维来审查证据间的印证关系以及逻辑关系，验证单一证据的合法性等。实质性证据判断的过程不仅需要运用逻辑推理，还需要运用经验和想象力。例如，证人证言的可信性不同于真实性，其受到内外在因素的影响。证人证言的形成是证人经感知到记忆再到表述的过程，因此在认定个案中证人证言的可信性时，需要考虑多方面因素。尤瓦尔·赫拉利（Yuval Noah Harari）认为人类发展出描绘虚构事物的能力正是人类进化过程中的认知革命，反事实推理是人类独有的能力，想象力帮助人类生存、适应并最终掌控了整个世界。显然，目前的人工智能技术仅能进行数据间的关联分析，无法透过数据看到因果本质，更无法实现反事实推理。

（二）人工智能尚无法进行法律层面上的推理论证

法律规则兼具模糊性和灵活性的属性，人工智能很难对其进行消化和计算。由于司法活动不仅仅是法律人依据法律事实与规范机械地进行逻辑演绎或归纳推理，所以这种裁判活动又不可避免地内涵着法律价值评判与目的追求。刑法学意义上的事实概念和规范概念之间呈现一种动态交织的关系，对事实的认定和规范的评价是一个掺杂价值判断的法律解释过程。通过文义解释、体系解释、目的解释等法律解释方法，将法律规则放置在指引政策、立法目的等框架下加以解读的过程，人工智能技术很难学习消化。尤其是对于疑难复杂案件，涉及到违法性判断、责任阻却事由的介入时，裁判者在对其进行事实重构和规范评价时不可避免地会进行价值判断。目前，一方面，人工智能技术尚无法达到能够主导司法裁判活动的效果，另一方面，如果依赖人工智能主导司法裁判活动，与法律职业共同体所秉持的以及司法体系所坚持的观念和价值背道而驰。而且，目前的人工智能辅助系统，处于“知其然而不知其所以然”的困境。人工智能得以从庞大的数据之间发现联系，得出结论，然而其无法解释从发现到得出结论的这一路径的论证过程。

（三）人工智能技术的中立性尚存疑

我们构建的神经网络在内的很多AI模型本质上还是经验模型，并不是一个严格的逻辑证明。深度学习是对人类大脑的一种模拟，是一种神经网络模型，不过这种神经网络具备了更多层次的隐含层节点，且是建立在大量的数据基础之上。对于此，我们不应该高估技术的中立性。“垃圾近，垃圾出”是计算机科学与信息通信技术领域的一句习语，在司法领域运用过程中，同样的问题不可忽视。人工智能在运用大数据进行整合分析的过程中，很可能会存在某些偏见。因为一方面，大数据来源广泛，标准不一致且呈现动态变化的趋势；另一方面，算法歧视迄今难以消除，会形成“自我实现的歧视性反馈循环”，使歧视得到巩固，进而以算法决策的方式损害规则适用的公正性，甚至扩大刑事司法的不公正。自动化意味着高效率，人工智能决策过程的透明性与有效性可能无法兼得。实践中司法模式和定罪量刑偏向，会导致人工智能的数据分析模型本身具有歧视，而且这种歧视以一种不可见的形式被隐藏在黑箱中，可能与将司法公正的天平不偏不倚完全置于阳光之下接受监督的愿景相背离。

结语

未来已经到来,只是尚未流行。在推动人工智能应用时，必须时刻将其放置到审判体系和审判能力现代化建设的时代需求中，与司法理论知识和实践知识紧密结合。一直以来，由于学科之间的隔离使得人工智能与法律的研究受限，而《新一代人工智能发展规划》将法学明确列入“人工智能+X”复合专业培养模式中，这也说明了培养专门业务人才的迫切性。我们能做到的就是以谨慎务实的态度迎接人工智能为法律领域带来的变革，促进司法正义。诚如林维教授所言：“每一个法律人不应当去考虑技术是否会替代我，而应当去考虑当我拿起这个武器，如何去捍卫我所支持的正义的天平”