首頁 >> 社科關注
人工智能民事司法應用的法律知識圖譜構建
2019年12月08日 08:31 來源:《法制與社會發展》2018年第6期 作者:高翔 字號
關鍵詞:要件事實論;人工智能;民事司法;法律知識圖譜;要件解構

內容摘要:在人工智能推動下的司法改革當中,讓機器通過深度學習以認知個案,是人工智能司法應用的前提與薄弱之處。

關鍵詞:要件事實論;人工智能;民事司法;法律知識圖譜;要件解構

作者簡介:

    作者簡介:高翔,西南政法大學比較民事訴訟法研究中心研究員,重慶市高級人民法院研究室副主任。

    關鍵詞:要件事實論;人工智能;民事司法;法律知識圖譜;要件解構

    內容提要:在人工智能推動下的司法改革當中,讓機器通過深度學習以認知個案,是人工智能司法應用的前提與薄弱之處。當前,地方法院的實踐尚未形成有效的知識積累方法。人工智能司法應用的前提是法律知識圖譜的構建以及裁判規則的類型化與要素化。要件事實型民事裁判論與司法人工智能的生成規律具有內生契合性,可作為神經網絡深度學習、分詞設置、知識圖譜設計的基礎與前端理論。具體應用路徑是依要件事實論不斷進行層級解構,將案件認事用法解構為不同層級要素,并由法律專家分層級、分階段標注,從而形成以要素標注的法律知識圖譜大數據,以供機器學習。要件事實論之于人工智能司法應用具有獨立性,人工智能難以代替法官。人工智能司法應用與民事訴訟制度具有相互促進關系,兩者的深度融合將開拓中國民事訴訟的嶄新發展階段。

    標題注釋:本文系西南政法大學人工智能法律研究教師研究創新項目“人工智能在民事司法中的應用研究”(2018-RGZN-JS-ZD-09)的階段性成果。

 

  現代信息技術正在推動司法領域的深刻變革,以人工智能司法應用、電子訴訟、司法大數據為核心的“智慧法院建設”被置于同司法體制改革并行的地位。人工智能在案例智能推送、裁判結果預測、裁判文書自動生成等方面的應用,已成為地方法院探索人工智能司法應用最活躍的領域。黨的十九大提出,要推進司法體制綜合配套改革,①而司法體制改革與人工智能等現代科技的融合發展恰是綜合配套改革的重要內涵之一。國務院發布的《新一代人工智能發展規劃》將“智慧法院建設”納入其中,這標志著人工智能司法應用已上升為國家戰略。②在以科技創新推動司法改革的政策導向之下,我國地方法院正在以前所未有的力度推進以智能化為核心的“智慧法院建設”。近年來,學界開始將司法人工智能作為學術話題予以討論,但主要還是基于現象解釋或總體規則概論,相對欠缺對人工智能司法應用的路徑、技術、方法等具體問題的深入研究,尤其是在建立法律知識體系與人工智能聯系進而形成司法人工智能、建立供機器深度學習的法律知識圖譜等深層問題方面,研究還較為欠缺。③對于人工智能的司法應用研究,應當結合具體訴訟領域展開,因此,本文從占全國法院受理案件總量近80%的民事案件入手,探索人工智能在民事司法領域的適用,以期通過對較為復雜的民事司法領域的探索,為人工智能在刑事、行政訴訟領域的適用積累經驗。本文引入要件事實民事裁判論作為人工智能在民事司法領域應用的法律前提,以此為基礎,構建法律知識圖譜并進行知識積累,力求為破解法律數據結構化不足、算法混亂低效等人工智能司法應用中的突出問題提供些許參考。

  一、人工智能民事司法應用的桎梏:法律知識積累方法的欠缺

  (一)人工智能民事司法應用的地方實踐

  根據最高人民法院官方紙質媒體的報道,B直轄市高院的“睿法官”運用人工智能技術,通過智能機器學習,為法官裁判提供了支持。④J省高院的“法務云”具有同類案例和審判資料智能推送的功能。⑤H省高院“智審1.0系統”可自動關聯、智能推送輔助信息,自動生成文書,并輔助制作文書,還可智能分析裁判標準。⑥S直轄市E中院的“C2J法官智能輔助辦案系統”集知識導引、類案匹配、經驗分享功能于一體,包括了法律法規及司法解釋、類似案例、裁判文書等九個信息庫,系統可以根據案由自動對九個信息庫的相關信息進行篩選分析,并進行推送。⑦另外,值得注意的是,業已取得突出進展的人工智能刑事司法應用也有力地推動了人工智能的民事司法應用。比如,代表現階段我國人工智能司法應用最高水平的G省、S直轄市的刑事智能輔助辦案系統已開始注重機器對人類法律思維與裁判規則的學習,其以統一證據標準、構建證據模型等路徑作為機器學習的規則,這代表著人工智能司法應用已漸由概念向方法遞進。⑧在這種人工智能刑事司法應用經驗的影響下,C直轄市高院從事實爭議相對較少、法律關系相對簡單的信用卡案件入手,在要素提取的基礎上建立了智能專審平臺。⑨概括起來,人工智能輔助法官裁判的方式主要有三種:其一,以智能方式提示要件式審理,自動生成裁判文書,提升審判效率,而法官仍是判決書的最終審核者;其二,在復雜類案中,智能推送與本案要件最接近的類似案例,以約束法官的自由裁量權;其三,在利息、損害賠償額計算等簡單事項中,代替法官的人工計算。

  (二)地方實踐中的法律知識積累方法的缺陷

  人工智能領域的諺語有云:“你給我多少知識,我給你多少智能。”⑩雖然以中國裁判文書網、各類案例、庭審視頻為主體的司法大數據已具備海量數據特質,而云計算的充足運算能力以及圖文與語音識別技術的發展亦使人工智能具備了學習手段,但是,司法大數據的堆積并不能直接產生司法中的人工智能。機器認知個案是人工智能應用的前提,也是最薄弱之處。而且,機器對個案的認知需要建立在機器對司法大數據的深度學習之上,所以,關于人工智能司法應用的諸地方實踐中的知識積累過程是更值得考察的深層問題。

  1.對知識積累方法的實證考察

  為了準確掌握各地方法院人工智能輔助系統的真實情況,在廣泛收集最高人民法院官方紙質媒體刊載的調研報告與新聞報道的基礎上,筆者對G市中院、Z市中院、C直轄市高院分別發放了以人工智能知識積累為主要議題的調查問卷。(11)調查問卷的對象包括法院信息技術人員、法官和法院領導。同時,筆者從這三個法院收集了關于人工智能司法應用的報告資料,并對C直轄市高院進行了實地走訪。另外,鑒于G省、S直轄市的審判輔助系統得到了中央政法委、最高人民法院的認可,被認為具有一定的推廣價值,所以,筆者也收集了有關G省、S直轄市審判輔助系統的相關資料。從調查問卷、走訪反饋以及相關報道的情況來看,各地方法院在實踐中已經意識到知識積累的基礎作用,并大致形成了三種知識積累的方法。

  方法一,不經過機器學習而自動生成裁判文書內容。G市中院基于300多萬起案件建立的裁判文書輔助撰寫系統可從紙質材料、庭審語音數據中自動提取案件要素,將經過提取加工的案件信息自動生成裁判文書,其可實現對裁判文書中的80%的內容的自動生成。(12)通常,對于系統從大數據中提取信息的過程,我們以“自動”這個語詞進行描述。在對G市中院的調研中,填寫調查問卷的對象包括5位信息技術人員、3位法院領導和12位法官。在回答“如何認識司法領域的人工智能知識積累”這個問題時,5位信息技術人員全部勾選了“由于在司法領域人工智能如何進行知識積累方面沒有清晰路徑可以采用,所以自動語詞系一種概括性描述”選項;3位法院領導也均勾選了此選項;而在12位法官中,有4位勾選了此選項,另有5位勾選了“深度學習是人工智能的適用前提,但如何在司法審判中適用還不清晰”選項,其余3位則勾選了“不了解”選項。從此情況來看,在人工智能司法應用中起主導作用的法院領導與信息技術人員并未意識到機器學習是提取案件要素的前提,而對于知識積累,自然也就更無從談起。

  方法二,對機器學習與知識積累語焉不詳。在對Z市中院的調研中,有4位信息技術人員與4位法院領導填寫了調查問卷。在回答“如何認識司法領域人工智能的知識積累”這個問題時,勾選“由于在司法領域人工智能如何進行知識積累沒有清晰路徑采用,自動語詞系一種概括性描述”選項的兩類人員分別占比0%和25%;勾選“深度學習是人工智能的適用前提,但如何在司法審判中適用還不清晰”選項的兩類人員分別占比100%和75%。可見,Z市中院的法院決策層與信息技術人員已普遍意識到深度學習、知識積累系人工智能的應用前提,但對于學習與積累的方法,仍難以掌握,而且,他們對深度學習也難以進行具體解釋,更難以找到人工智能司法應用的真正有效路徑。

  方法三,在審判要素下解構知識積累。在先行經驗上,處于國內領先地位的G省、S直轄市的審判輔助系統率先提出了“專家經驗、模型算法和海量數據”的建設邏輯,即首先由專家提煉裁判規則、解讀司法過程,在對相關知識點進行標注以后,由機器進行學習,并針對機器學習的偏差進行再標注,經過學習積累,機器會具備初步的信息抓取和邏輯分析能力,從而由知識積累進階至人工智能。(13)而在其他地方法院的實踐中,C直轄市高院的信用卡智能專審平臺恰好與G省、S直轄市的做法類似。在實地走訪C直轄市高院的過程中,該法院的智能專審平臺研發團隊認為,對案件要素的解構是人工智能司法應用的前提條件,之所以選擇信用卡案件進行探索,正是因為其要素提取相對固定、簡單,但將其進一步推廣卻面臨著較大挑戰。他們表示,如何對較復雜的案件進行要素解構與提取,尚需進一步探索。應當說,各地法院的探索確實為我們研究人工智能知識積累的基本邏輯與路徑提供了實踐樣本,但是,在各地方實踐中,卻出現了實踐先行但理論供給不足的態勢,為此,理論研究應給予積極回應。

  2.對知識積累方法缺陷的評價

  實際上,上述方法中的前兩種方法并未進行有效的前期知識積累,而缺乏前期知識積累的人工智能輔助系統將會向法官推送海量案例,這會制約法官的有效閱讀,甚至會因閱讀而增加其工作負擔;即便法官對案例逐一閱讀,也會因所推送的案例與本案關聯不大而導致對其難以適用。G省、S直轄市的實踐被認為是符合人工智能司法應用基本規則的,但其邏輯起點仍具有不確定性。首先,將機器學習建立在專家經驗之上具有正當性,但專家經驗卻具有零散性、個體性的特征,這在頗為復雜的民事領域體現得尤為明顯。所以,使專家經驗在產生之初即具有法律職業人的同質化思維,是目前亟待解決的前端問題。其次,G省、S直轄市法院在實踐中已經意識到案件要素解構對于機器學習的意義,但卻主要采取了平行解構的方式。案件要素間的關系可能是相關、主次、因果、包含、平行等,但對于機器而言,利用平行解構方式是無法進行有差別識別的。例如,民事案件事實有主要事實、間接事實、輔助事實之分,對事實認定起主要作用的是主要事實,(14)如果在機器學習之前不對要素進行層次區分,那么,機器就將難以有效學習。最后,雖然G省、S直轄市法院在某些領域對案件要素進行了分層次解構,但這種解構更多的是生活型解構,并未體現法律思維的同一性與專業化。然而,社會生活千變萬化,一方面,基于生活事實的解構使得機器學習面臨著無比復雜的場景;另一方面,生活型解構的法律性不足問題,也會導致解構時基本規則的欠缺。總之,各地方法院的實踐尚未形成有效的知識積累方法,由于作為司法人工智能生成前提的法律知識圖譜缺失,所以,當前司法人工智能應用還較為混亂、低效。

作者簡介

姓名:高翔 工作單位:西南政法大學比較民事訴訟法研究中心;重慶市高級人民法院

職稱:研究員;研究室副主任

轉載請注明來源:中國社會科學網 (責編:劉思彤)
W020180116412817190956.jpg
用戶昵稱:  (您填寫的昵稱將出現在評論列表中)  匿名
 驗證碼 
所有評論僅代表網友意見
最新發表的評論0條,總共0 查看全部評論

回到頻道首頁
QQ圖片20180105134100.jpg
jrtt.jpg
wxgzh.jpg
777.jpg
內文頁廣告3(手機版).jpg
中國社會科學院概況|中國社會科學雜志社簡介|關于我們|法律顧問|廣告服務|網站聲明|聯系我們
6场半全场最少奖金多少