2017 年，圍繞 “新時代如何推進司法的智慧化或者智能化”，法學界一時掀起 “人工智能”熱。所謂的人工智能，是指研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門交叉學科。從學界和實務關注的主題來看，法律人對人工智能的司法運用持有一種即好奇又謹慎的態度。好奇，因為人工智能并不是一個傳統的法律范疇，將司法與人工智能結合對法學研究者而言屬于新鮮事物，研究者們對這方面的研究充滿了期待； 而且如果能將人工智能與司法結合，將是對司法活動的一次重大變革，對司法效率和司法公正都有積極影響。謹慎，則因為人工智能對司法活動又是一種挑戰，可能帶來前所未見的新興法律問題，或者擔心會像一些科幻電影中的場景那樣，司法活動將不再由人類主導，一切法律事務均可交由機器人來完成。
因此，在人類正在跨步進入智能社會時代，未來人工智能技術也將被廣泛應用于司法領域之際，在司法人工智能〔1〕即將來臨之際，我們不禁要問： 人工智能會給司法帶來什么影響？ 簡言之，人工智能給司法帶來的最大影響將是由計算機代替法官來審判案件，即人工智能裁判。關于人工智能裁判，本文將從本體論、認識論和價值論三個層面進行分析，進而回答與其相關的 “是什么”、“是否可能”、“是否應當”的問題，以期加深學界和實務對司法人工智能的認識。
一、司法人工智能問題的譜系
“人工智能+ 司法”有著支撐其運行的社會背景。這個社會背景不僅是培育人工智能，也是培育司法人工智能的土壤。強大的計算機技術和大數據技術使機器人學習的范圍無限擴大，工業設計的改良極大地擴展了機器人工作的時空環境，以及一些司法活動的現實需要，使得人工智能技術與司法的結合不斷緊密。當前在司法的不同環節，引入人工智能的探討與嘗試已經開始。
（一） 司法人工智能的初級與高級
人工智能在司法領域將如何發展？ 這是法律人關心的核心問題。對此，我們可以綜合規范和技術兩個層面先作一預判。規范層面指最高人民法院近幾年就 “智慧法院”建設所通過和出臺的相關政策性文件，它們為司法人工智能搭建了基本框架； 技術層面指智慧法院建設中需要的具體的科學技術支持，即圍繞智能計算機系統的軟、硬件技術。科學技術支持決定司法人工智能的實現程度，但規范層面的指引能夠決定未來我國司法人工智能的發展方向和預期效果。
2017 年，國務院發布 《新一代人工智能發展規劃》，描述了我國政府關于人工智能發展的戰略態勢、總體要求、重點任務、資源配置、保障措施和組織實施六個方面。該文件明確將 “智慧法庭建設”作為我國人工智能發展規劃的重點任務之一，即 “建設集審判、人員、數據應用、司法公開和動態監控于一體的智慧法庭數據平臺，促進人工智能在證據收集、案例分析、法律文件閱讀與分析中的應用，實現法院審判體系和審判能力智能化。”相應的，最高人民法院在 2017 年 4 月 20 日印發 《最高人民法院關于加快建設智慧法院的意見》，在 9 月 11 日又審議并原則通過 《最高人民法院關于貫徹 〈關于實施網絡內容建設工程的意見〉的落實方案》 《智慧法院建設評價指標體系 （2017 年版）》《人民法院信息化標準制定工作管理辦法》及 10 項人民法院信息化標準。〔2〕以上文件均明確指出要推進司法大數據的開發和運用，提升司法的智能水平。
同年 11 月，騰訊研究團隊出版的 《人工智能---國家人工智能戰略行動抓手》一書預測了人工智能在法律行業中運用的十大趨勢，包括： 智能化、自動化的法律檢索將深刻影響法律人進行法律研究 （檢索） 的方式； 人工智能持續推動法律文件自動化； 在線法律服務、機器人法律服務等替代性商業模式不斷涌現，使得法律服務的提供日益標準化、商品化、自動化、民主化； 基于人工智能和大數據的案件預測將深刻影響當事人的訴訟行為和法律糾紛的解決； 在線法院以及人工智能法律援助將促進司法可得性，幫助消除司法鴻溝； 人工智能和機器人將成為法律系統的主要進入點； 律師市場評價將使法律行業更加透明； 法律人工智能職業將作為法律行業的新興職業而不斷涌現； 法律教育與人工智能等前沿信息科學技術將日益密切結合起來； 計算機法律以及算法裁判，或將成為法律的終極形態。〔3〕此外，牛津大學的理查德·薩斯坎德教授認為在人工智能的背景之下，法律領域至少存在 13 種顛覆性的新技術，包括： 自動文件組裝、無間斷互聯、電子法律集市、電子學習、在線法律指導、法律開源、封閉的法律社區、工作流程和項目管理、嵌入型法律知識、在線糾紛解決、智能法律檢索、大數據和基于人工智能的問題解決。〔4〕可見，在中外研究者眼中司法人工智能存在著明顯的智能分區，即從初級到中級再到高級，司法人工智能是一個逐步發展和完善的過程，不同智能階段，人類交由計算機處理的事情有很大的不同。
以上種種可進一步分為三個層次，第一層次是理論和技術都已成熟，這方面的司法人工智能已經實現，例如對各種證據的印刷體文字、部分手寫體文字、簽名、手印、簽章、表格、圖片等智能識別、定位和信息提取，對單一證據實現了自動校驗； 特別是法院的自動化辦公系統。第二層次是理論上已經成熟但當前技術水平尚未達到理論預設的標準，例如證據標準指引、單一證據校驗、逮捕條件審查、社會危險性評估、證據鏈和全案證據審查判斷、非法言詞證據排除等。以上兩個方面在 “上海刑事案件智能輔助辦案系統 （206 系統）”中有明顯的體現。第三層次是理論和技術都未成熟，主要指 “計算機裁判” 或者 “機器人判案”。可以說，雖然 “206 系統” 的定位是 “輔助系統”，但從人工智能的全球視野和發展趨勢來看，人工智能在這方面最終的研發目標應當是一種 “自動系統”。
概括起來，司法人工智能將有兩條發展路徑： 初級司法人工智能和高級司法人工智能。實際上，為現階段學界熱議和司法實踐研發的司法人工智能都在初級司法人工智能層面。
初級司法人工智能，是指基于自然語言處理、深度學習的計算機語義檢索和法律問答，幫助司法人員進行法律檢索或者關鍵信息檢索。初級的司法人工智能屬于一種司法輔助工具。“人工智能法律系統強大的記憶和檢索功能，可以彌補人類智能的某些局限性，幫助律師和法官從事相對簡單的法律檢索工作，從而極大地解放律師和法官的腦力勞動，使其能夠集中精力從事更加復雜的法律推理活動。”〔5 〕例如，基于 IBM 和 Wat- sonx 系統研發的機器人律師 BOSS 和商標檢索平臺 TrademarkNow。初級司法人工智能對法院的意義在于實現案件處理的自動化和案件審理的智能化。就前者而言，即提高法院建設的信息化水平，例如吉林省高級法院探索建立的 “電子法院”，嘗試網上立案、網上閱卷、網上審理、網上執行、網上公開等，以及浙江省高級法院建立的 “浙江法院電子商務網上法庭”。實質上，在這方面目前出現的一些 “智慧法院”，只是法院利用互聯網和計算機信息技術對自身工作模式信息化水平的提升。司法人工智能在這部分中的作用是升級法院對案件的 “處理”能力。就后者而言，人工智能對司法的影響更大，人工智能法律系統初步具備了分析案件的能力。例如，基于專家經驗、模型算法和海量數據建立的 “206 系統”，截止 2017 年 6 月底共錄入案件 60 件，錄入證據 19316 份，提供證據指引 2622 次，發現證據瑕疵點 48 個，提供知識索引查詢 348 次，總點擊量達 5. 6 萬次。〔6〕在這方面，初級人工智能顯示出一定的對案件的 “審理”能力。
高級司法人工智能，是指計算機在自然語言理解和常識推論之上，通過證據認定案件事實，并作出最終裁判的全新審判模式。從計算機對案件的 “處理”轉向 “審理”應當是高級司法人工智能化的真正表現，即 “人工智能裁判”。在高級司法人工智能語境下，計算機能夠讀懂、聽懂當事人用自然語言表達的法律問題，能夠對其中的問題進行歸類和分析，進而得出裁判結論。例如，有人大膽設想使用一列 n 維向量描述各種事件，將「事件 txt」導入「法律 exe」，從而產生「判決exe」。也就是將整個裁判過程轉換成代碼運算，從而使判決徹底脫離人的主觀判斷。現實中，有的研究者則嘗試 “大數據定罪”，各找有關盜竊罪和詐騙罪的兩萬個案件進行機器學習，截取從關鍵字 “經審理查明”到關鍵字 “本院認為”之間的文本交給機器，通過分詞的技術進行學習。機器在學習了這些樣本案件之后，對測試案件 （1000 個） 作出的判斷結果和人工的結果基本是一樣的，準確率分別達到 98. 4% 和 97. 6% 。〔7〕
本文認為，比較司法人工智能的兩條發展路徑，高級司法人工智能 （人工智能裁判） 最具有長遠的研究價值。首先，高級司法人工智能蘊含初級司法人工智能； 其次，一旦高級司法人工智能得以實現，它將打破人類百年以來構建起的司法理論體系和司法規律。所以我們必須提早對它的性質及其是否可能作一預判，后文都將探討高級司法人工智能的相關問題。
（二） 人工智能裁判及其關聯問題
人工智能屬于研究認知的學科，“人工智能在 AI 學科的基本思想和內容是研究人類智能活動規律，研究模擬人類某些智能行為的基本理論、方法和技術，構造具有一定智能的人工系統，讓計算機去完成以往需要人的智力才能勝任的工作。”〔8 〕其中涉及五個知識單元： 問題求解、知識與推理、學習與發現、感知與理解、系統與建造。〔9 〕具體而言，包括圖搜索、優化搜索、機器學習、知識發現、數據挖掘、模式識別、自然語言理解、機器視覺、專家系統、Agent 系統和智能機器人等知識和技術。人工智能裁判是以上綜合的成果。
第一，關于人工智能裁判的原理問題。人工智能裁判反映了司法人工智能的未來方向，但目前還屬于一個新興的研究領域，就像早期克隆技術在法學領域的討論那樣，我們應當首先解決這樣一個問題： 人工智能裁判是什么？ 或者說，人工智能裁判與法官裁判有何不同？ 人工智能的目標是對人類級的智能及人類行為的理解。〔10〕因此，關于人工智能的基礎問題和終極問題即 “人工智能 （機器人） 能夠像人一樣的思維嗎？”有的研究者指出，研究人工智能是要解決一些比較具體的智能模擬方面的問題，包括意向性問題、概念框架問題、機器人行為中的語境問題和日常化認識問題。〔11〕還有的研究者從人工智能的基本假定入手，指出研究人工智能需要明確的幾個問題： 知識和概念化是否是人工智能的核心？ 認知能力及其預設的知識能否與其機體分開來研究？ 認知的知識態或信息態的軌跡是否可以用類自然語言來描述？ 學習能否與認知相分離來研究？ 所有的認知是否有統一的結構？〔12〕
以上問題也是擺在司法人工智能面前的現實問題。首先，人工智能裁判是一種什么樣的裁判？ 其次，人工智能裁判運行的內在機理是什么？ 再次，就人工智能裁判與人類智能裁判 （法官裁判） 的關系而言，計算機能夠像法官一樣思維并作出裁判嗎？ 如果能，意味著司法裁判能夠由機器人來完成嗎？ 如果不能，又該如何看待當前已經研發出來的某些具有高準確性的 “大數據定罪程序”？ 以上問題的答案決定著司法人工智能的廣度和深度，屬于人工智能司法運用必須解決的前提性問題。
第二，關于人工智能裁判的技術問題。 “計算機是否能像法官一樣思維并作出裁判？”該問題除涉及以上一些原理問題之外，還關系到很多科學技術上的問題。技術問題是指在實現人工智能裁判所需要進行的觀察、實驗、檢測等科學事業中有待解決的問題，例如機器學習、計算機視覺、自然語言處理、知識發現、數據挖掘以及材料技術、通信技術，等等。這些反映出人工智能裁判帶有的經驗性和實踐性。
司法人工智能的學科性質決定司法人工智能不是一項純粹的理論研究，必須考慮到人類所掌握的科學技術能否滿足某些理論預設的條件。此外，人工智能裁判不只是在做思想實驗，還應當投入司法實踐中去檢驗和驗證。現實情況是，由于我們當前的技術條件有限，人工智能裁判在現實與理想之間還存在很大差距。其主要原因，如關鍵技術、設備、材料等的研發耗資、耗時巨大； 計算機運算速度有限，無法實現結論的即時性；大數據的采集困難，無法做到案件的全本采集； 對大數據樣本進行人工標記十分困難，沒有現成統一的標準，等等。諸如此類的技術障礙一時阻礙了人工智能裁判的進程，但是如果這些問題得到解決，案件就可以交由計算機裁判嗎？
第三，關于人工智能裁判的價值問題。人工智能裁判的價值問題旨在說明人工智能裁判在法律上和法理上的正當性。我國法學研究者在這方面的討論很少，已有研究成果集中于從實體的角度探討人工智能對個人行為和市場行為帶來的風險和應對。例如，人工智能對法律職業的沖擊；〔13〕機器人法律資格的民事主體問題、人工智能生成作品的著作權問題、智能系統致人損害的侵權法問題、人類隱私保護的人格權問題、智能駕駛系統的交通法問題和機器 “工人群體”的勞動法問題；〔14〕人工智能產品的行為性質和刑事責任的認定。〔15〕當然，也有一些從司法角度進行研究，一方面是智慧法院的建設，〔16〕另一方面是對在線糾紛解決機制的探索。〔17〕其中有的研究者指出，輔助辦案系統應當 “有限智能化”，即立法和理論應當為刑事司法人工智能設置禁區，案例規則及其調整，以及包含刑事政策、改革試驗和地方規范在內的非正式制度是刑事司法智能系統的核心禁區，并且有必要在司法領域實現智能型標準化。〔18〕總體而言，已有研究成果或者不區分初級司法人工智能，或者從外部觀察司法人工智能。但對人工智能裁判 （司法人工智能的終極形態） “是什么？” “是否可能？” “是否應當？”等問題明顯缺乏理論上的準備。法學研究者在 “是什么” 的問題上一般將司法人工智能視為司法輔助工具，〔19〕但在 “是否可能”和 “是否應當”的問題上，又將其視為高級司法人工智能，這明顯是矛盾的。
總之，人工智能對法學理論和法律實踐的價值和意義在于，提供方法論上的啟示、提供了思想實驗、輔助司法審判、促進司法公正、輔助法律教育、輔助立法活動。〔20〕從這方面講，人工智能對司法而言是必要的。但是，司法人工智能究竟應當深入到什么程度？ 特別人工智能裁判，涉及技術條件是否具備？ 是否取得價值共識？ 對于后者，問題等價于： 假定人工智能裁判的技術問題能夠解決，案件可以交由機器人來裁判嗎？ 這些問題共同構成司法人工智能的 “終極問題”，下文將分別從本體論、認識論和價值論三個方面進一步分析。
二、何謂人工智能裁判
對人工智能裁判的本體論拷問，目的不是從下定義的角度來分析什么是人工智能裁判，不能簡單地對比 “人工智能”與 “人類智能”、“機器人”與 “法官”、“算法”與“心證”等概念。司法裁判的性質和特點決定了從證據到案件事實、從案件事實到裁判結論，其中的每一步都關涉復雜的法律推理和法律論證，既是對事實的認定，又是對利益的衡量。
比較之下，人工智能裁判的定位是，通過計算機系統模擬法官思維來進行法律推理并且作出最終裁判的一種審判模式。從一定意義上講，人工智能裁判是一種法律推理和對傳統法律推理模式的變革。因此，這里在方法論上可以確定的是，對人工智能裁判進行本體論拷問的對象，必然與其所展開的法律推理的對象、方式和結果直接相關。人工智能裁判與傳統的人類智能裁判 （法官裁判） 的本質區別在于，人工智能裁判是一種“抽象裁判”。所謂的抽象裁判，即計算機系統根據預設的規則從一個法律或事實概念中推導出另一個法律或事實概念的過程。
（一） 符號式裁判
人工智能裁判的運行原理是通過計算機程序模擬和歸納法律論辯，回答其中的問題，以顯示計算機系統能夠理解其中的法律問題和事實問題。認知科學家一般將心靈看作符號處理系統或者計算機算法，即一組精密的、明確化的指令模型。所以，如張保生教授所稱的 “人工智能法律系統”實際上是通過計算機算法表示出來的法官裁判思維，它是對法律裁判過程中內在心理機制的程式化。這種程式表現由各種字符和運算符號表達。在早期的人工智能研究中，費勒設計了一套名為 PANDOＲA 的系統。預先設定PTrans = 到外面去、Grasp = 把報紙從信箱里拿出來，以及 actor （行動者）、object （目的）、to （到哪去）、from （從哪來） 等單位表和結構表。費勒通過敲擊鍵盤，計算機出現如下程序：
Nextevent：
（Time of Day （Time Moring）） Looking for goals for daytime:
（Time of Day （Time Moring））
Adding daytime goals:
（Know （Object
（State （Object （Object
（Ident World）））））
（Bnower （Person
（Ident Ego）
……
＜ Enter ＞ Ｒain Cheok
（ （At （Object （Person （Ident Ego）））
（Spot （Location （Ident Outside）））））
: ＜ Enter ＞ Watch Dryness
（ （Dryness （Object （Person （Ident Ego）））
（Degree Soaking）））〔21〕
在這個系統中，PANDOＲA 使用 Franz Lisp、Opus38 和 PEAＲL 三種語言回答了 “外面正在下雨，應該怎么辦？”PANDOＲA 的回答是： “稍等一下。要出去的話，應該看看是干的不是。就那樣出去會都淋濕。”
同理，人工智能裁判包含兩個核心步驟： 語言轉換和算法運行。人工智能裁判系統并不理解人類的自然語言，它所理解的只有物理符號，指計算機語言。這里的語言轉換在于，首先將人們生活中的日常語言轉換為法律語言，例如將 “我要告你”轉換為 “我提起訴訟”，將 “張三打傷李四”轉換為 “張三侵害李四的人身權”，將 “甲開車撞了李四后逃跑”轉換為 “甲交通肇事后逃逸”，等等； 其次將法律語言轉換成計算機語言。以上過程是對社會糾紛和訴訟的格式化和人工標記，任何糾紛作此處理后都將被轉換為符號并輸入進計算機。之后的人工智能裁判，則是根據預設好的算法根據一個符號得出另一個符號。對證據的處理也如此。我們首先要把每個證據所含的信息 （證據命題） 通過自然語言或者法律語言描述出來，然后根據事先編制的代碼表將其格式化，再根據相應計算機程序得到預設的答案。
如果說法官裁判是基于自然語言且在其語義和語言環境的影響下的 “意義裁判”。那么，人工智能裁判將是基于計算機算法而對具有特定意義的符號所進行的 “形式裁判”。最直觀的表現就是，人工智能裁判系統沒有直接接觸當事人和證據，它針對的對象實際上是經過程序員格式化之后的計算機代碼。
（二） 封閉式裁判
由于人工智能裁判的對象是代表計算機語言的符號，計算機算法則代表了人工智能的裁判思維。因此，算法的編制和裁判程序的設置尤其重要。從上文 PANDOＲA 的例子和世界各種人工智能專家系統中可知，人工智能的裁判思維 （算法） 實際上是預先編制好的，裁判只是在執行既定的運算程序而已。這意味著，人工智能裁判帶有明顯的封閉性特征。
其一，預先編制的裁判系統。將人工智能裁判簡單理解為計算機或者機器人裁判的想法是錯誤的。計算機本身無法完成裁判活動，真正促成計算機裁判的應當是該計算機運行的裁判系統。計算機不可能自己生成裁判系統，裁判系統必然產生于人類智能。也就使得人工智能裁判研究的核心是預設一套能夠生成特定裁判結論的計算機系統。
其二，不對外開放的裁判過程。假設存在一套人工智能裁判系統，司法裁判的過程將是由計算機智能地識別訴訟文書中的事實爭議和法律爭議，識別相關證據，得出裁判結論。在技術條件允許的情況下，上述過程可能在分秒間完成。一方面，人工智能裁判極大地提高了司法的效率，也極大地拓展了當事人的訴訟渠道。但另一方面，由于裁判系統是預先編制而且整個裁判過程在極短的時間內完成，這就使得整個裁判是一個 “一次性”過程。首先，在裁判的過程中，裁判程序不被修改； 其次，裁判系統只能被動的接受和識別信息，不能與當事人進行互動來篩選信息； 再次，當事人只能一次性地提供信息，在裁判過程中不能隨時提出新的信息，更不能即時地對有爭議的問題提出異議；最后，一般情況下，除了編制裁判系統的程序員外，當事人和社會公眾甚至是主審法官并不能準確掌握裁判系統運行的原理和規則 （源代碼），他們只是系統的使用者。
其三，相對確定的裁判結論。人工智能迄今為止的工作一般都限于抽象思維領域。抽象思維是一步步推下去的，是線型的； 或者有分叉，是交叉型的。而形象思維它不是面形的、二維的，而是空間的綜合的 “雜交” 過程，有時是跳躍的、發散的。〔22〕抽象思維與形象思維的差異同樣揭示了人工智能裁判與法官裁判的區別。抽象思維決定了通過人工智能裁判系統得出的結論具有相對確定性。通俗地講，人工智能裁判系統已經為每個裁判結論預設了可能需要的關鍵詞和將關鍵詞組成起來的算法規則，在算法給定的情況下，結論是基于形式邏輯通過線型推理得出的。或者說，裁判結論只是對不同既定關鍵詞的組合。在遇到目標沖突時則會分成兩個步驟： 一是算法之下做關鍵詞的組合并形成答案庫，二是在預設設定的答案庫中選擇本次的結論。由此可見，它與法官裁判的區別很大。法官裁判會因訴訟中可能出現的各種突發因素而導致裁判結論的不確定性，而人工智能裁判不會如此瞬息萬變，人工智能下的裁判結論并不是隨機產生的，即使在目標沖突的情況下結論也是相對確定的。
（三） 歸納式裁判
人工智能裁判的運作原理有二： 一是自然語言和法律語言之間的語言轉換，二是裁判系統的算法運行。我們可以認為前者是對自然語言的處理，后者是對自然語言的分析。在這兩個方面上，人工智能裁判均表現出歸納法的特征，這也是其裁判對象的符號性和裁判過程的封閉性的必然結果。
在對自然語言的處理方面。如何有效地發揮庭審發現事實、解決糾紛的功能，無論對抗制還是糾問制都要求庭審是一場訴訟各方互動的活動，例如直接言詞原則要求法官應當親自聽取雙方當事人、證人及其他訴訟參與人的當庭陳述和法庭辯論，從而形成關于案件事實的內心確信，并據此作出裁判。然而，基于抽象思維的人工智能裁判無法做到這一點。雖然人工智能裁判也存在系統的運行活動，但缺乏了訴訟主體的論辯，并不能體現審判的即時性。因為在缺乏法官直接言詞的情況下，人工智能裁判系統只是對與案件有關的歷史數據的處理。
在對自然語言的分析方面。這主要是指人工智能裁判系統無法對不確定的概念進行分析。換言之，人工智能裁判系統只能夠識別意義明確或者多義但已經被格式化了的概念，裁判結論自然是唯一的或者有限的。需要說明的是，這里的 “唯一”并不是指法理上常說的 “客觀真實”或者 “絕對的公平正義”，而是說在前提確定的情況下，人工智能裁判系統只能得到某個特定的答案。在邏輯上，這個裁判結論是由歸納推理而來，因為上述語言轉換和算法運行均是歸納的。因此，人工智能裁判作為經驗裁判，分析和比較的對象不是本案的即時信息，而是大數據庫中的歷史信息。
三、人工智能裁判是否可能
從性質和最終目標上看，人工智能裁判是對司法裁判模式的根本變革，在一定程度上將打破人類長期以來形成的司法習慣和司法規律。如果將人工智能裁判視為一項技術革新的話，關鍵在于技術上如何實現這種 “抽象裁判”。因此，有人難免會問： 人工智能裁判是否可能？
（一） 重訪塞爾的 “中文房間”
關于人工智能的標準和模型有兩個重要版本，一個是圖靈版本，另一個是塞爾版本。圖靈在 1950 年提出 “模仿游戲” 又稱 “圖靈測試”，用以回答 “機器能夠思維嗎”，其結論是如果計算機能夠回答出由人提出的對話問題，則認為它具備了智能。照此標準，當今一些計算機已經具備了智能，例如擊敗卡斯帕羅夫的 “深藍”、擊敗李世石的 Alpha Go 和 Alpha Go 的升級版 AlphaGo Zero。
但以上經驗真的說明計算機能夠思維了嗎？ 塞爾對此提出反對意見： 雖然計算機通過了圖靈測試，它也不是智能的。他認為人工智能可分為弱人工智能與強人工智能，“就 ‘弱'AI 而言，在心靈研究中，計算機的主要價值是為我們提供一個強大的工具。
例如，它使我們以更嚴格、更精確的方式進行系統闡述和檢驗。然而就 ’強‘AI 而言，計算機不僅僅是研究心靈的工具，帶有恰當程序的計算機已經成為了一個心靈。”〔23〕塞爾不反對弱人工智能，但對強人工智能的論斷表示懷疑。他提出一個中文房間模型： 我是一個被關在屋子里只懂英文不懂中文的人，有人給我一批中文文本 （腳本） 和一套英文規則書 （程序），規則書可以使中文與英文發生聯系，之后又給我一些中文和一些英文指令 （問題），通過查閱規則書我就可以使用中文回答英文指令提到問題。〔24〕塞爾在中文房間中做了三件事： 第一是接收陌生符號 （中文問題），第二是根據規則書將陌生符號轉換成熟悉的符號 （中文轉英文），第三是再根據規則書將熟悉的符號轉換成陌生的符號并送出房間 （中文答案）。如果屋里的人的回答正確則認為他理解了中文問題；同理，將房間中的人替換成計算機也是如此。強 AI 的論斷是，編程的計算機能夠理解中文問題，并且這個程序解釋了人類的理解。但塞爾最終認為： “計算機及其程序沒有為理解提供充分條件，因為計算機及其程序只是正在運行，其中不存在理解。”〔25〕中文房間論證的結構如下：〔26〕大前提： 每一種真正的心靈 /智能都必須有能力在符號與對象之間建立起一種語義關系；小前提： 這種語義關系無法僅僅通過任何一臺被恰當編程的計算機所獲取；結論： 計算機本身不可能具有真正的心靈，因此強 AI 無法實現。
這里進一步將上述小前提分解為以下幾個論點：
其一，計算機系統本身是非智能的。目前計算機程序多是基于二值邏輯的二進制計算，計算機只能做加法運算和邏輯運算。所以對于所有的數學運算，計算機系統都把它轉換為加法運算； 對所有的邏輯運算都轉換為 “與”、 “或”、 “非”等二值邏輯運算。問題在于，基于二值邏輯計算機系統只能回答 “是”與 “非”、“對”與 “錯”的問題。在此前提下，計算機系統采用的實際是一種確定性推理，因為其結論并不是開放的和辯證的。但人類智能與此不同，還包括了多值邏輯、模態邏輯、辯證邏輯等，能夠進行非確定性推理。非確定的推理是計算機系統無法實現的。因此， “基于二值邏輯的計算機系統是非智能型的，基于二值邏輯的塞爾機器也是沒有任何智能可言的。”〔27〕
其二，計算機系統不會產生意向性。胡塞爾指出： “認識體驗具有一種意向，這屬于認識體驗的本質，它們意指某物，它們以這種或那種方式與對象發生關系。”〔28〕塞爾也在 《意向性》一書中提到： “所謂意向性，就是指某些心智狀態和事件所具有的這樣一種性質，這些心智狀態和事件通過這種性質而指向或關涉 到 世 界 上 的 對 象 和 事態。”〔29〕意向性是人腦的最大特點，是人的心理狀態的表現。這就與計算機系統有本質的不同，如前所述，計算機思維的原理是算法運行，也就是一種無意識狀態下的形式活動。這是因為計算機程序只有語法，沒有語義。在表面上，計算機系統只是在機械地執行算法規則，不停地轉換符號而不知道每個符號的現實意義。況且僅就語言的認知層級而言，“目前的計算機自然語言處理系統在最基礎的句法加工上的表現也只能是差強人意 （僅對英語而言），在語義加工和語用加工上則只能是 ’望文興嘆‘ 或 ’聽語興嘆‘。”〔30〕
以上就導致在實質上，“現有的人工智能系統無法根據語義內容的靈活性處理包含隱喻、反諷等修辭現象的語句。”〔31〕換言之，計算機不能在同一語境下對不同的詞作出不同選擇，也不能在不同語境下對同一詞作出不同選擇。例如，假設計算機知道 “壞”字的教科書意思有 “品質惡劣、受到損傷、品性差”，它就能知道某甲在對某乙說 “你好壞！”時是想表達某乙是個“壞人”（品性差的人），但它不會知道戀人之間說的 “你好壞！”完全不是這個意思。在后種情況下，計算機錯誤地判斷了某乙的性質。此外，計算機沒有直覺感知，不會做出 “激情選擇”。無論怎么給計算機輸入“人”這個字，在它的二進制算法下也無法像人類一樣在眼前浮現出一個鮮活的人。當然，更不會帶著情感去做事。例如，命令機器人去殺人，它會直到殺死這個人后才停止工作； 但命令一個人去殺人，他完全可能因想到目標的相貌或者產生憐憫之心而中止殺人行為。再如，計算機不會像人一樣的感情用事，做一些隨性的事情，它只能做既定的事情。在這方面，即使計算機再怎么模仿人類思維，也不會產生意向性。 “模仿中雖有意義存在，但沒有生成意義的原始環節，因而無法擺脫對人的依賴，并不能視為體現出意向性。〔32〕最后，正如塞爾所言，句法本質上是個與觀察者相關聯的概念，而且句法不是內在于物理學的，也沒有因果能力。〔33〕以上只有人類智能才能做到。
其三，常識推論無法被形式化。談到人工智能就意味著自然語言處理和常識推論，它們屬于人工智能領域研究的最困難的問題。先就常識推論而言， ”讓計算機下國際象棋、解決疑難問題、進行定理證明等等錯綜復雜的工作都不成問題； 偏偏在關系到理解日常社會、生活方面簡單又簡單的事情時，計算機卻一塌糊涂，蠢到令人無法相信的程度。“〔34〕這是為什么？ 一方面，常識推論所依靠的 ”常識“ 由于沒有固定的內容和邊界，所以無法將人類日常生活中的一切常識賦予計算機。另一方面，因為常識推論強調結論的合理性，取決于人類社會的一般經驗，而且帶有一定的個體自由，不同的人可能作出不同的判斷，所以常識推論本身也無法被形式化。
其四，不存在完全的規則書。連接 ”中文房間“內外的關鍵是塞爾所謂的規則書。可以說，計算機是否具備智能及其智能的強弱取決于規則書的詳盡程度。這一來，問題就在于能否編制出一個完全的規則書？ 本文認為，這是不可能的。編制一本完全的規則書至少需要兩個要素： 規則和知識。關于規則，如前所述，常識推論無法被形式化，也就導致規則書在規則編制方面是不完全的。關于編制規則書所需的知識，包括常識和專業知識。常識是不能被形式化的，專業知識亦不能被形式化。專業知識包括公開的知識和個人知識。前者在一定程度上可以被形式化地編入規則書，如漢英詞典； 后者則不能。因為個人知識又稱經驗，經驗往往難以言表，又與意向性直接相關，而計算機無法擁有人類所有的經驗。相信這也正是 ”在人工智能發展過程里，專家系統的開發中，早就出現的常識問題被不斷地強調，它非常、非常、非常重要，但迄今為止沒有突破“〔35〕的根本原因。
總體而言，人工智能雖然能夠模擬人類智能的某些方面，但人類智能所特有的非形式化的認知和非形式化的認知方法是很難被完全模擬的。因此，人工智能難以與人類智能等同，塞爾所謂的強人工智能更難以實現。
（二） 困于 ”中文房間“的人工智能裁判
作為人工智能的一個分支，人工智能裁判至少在現階段還不可能。〔36〕這由人工智能發展的本身的困境和法律認知的特殊性共同決定： 一方面，人工智能裁判屬于強人工智能的具體表現，在上述強人工智能自身的認知困境尚未突破之前，人工智能裁判更加不可能。另一方面，法律認知的特殊性成為實現人工智能裁判的最大障礙。需要說明的是，這里所謂的 ”法律認知“ 并不是指公民對法律實體、法律程序和法律本性的認知，〔37〕而是指法官在裁判過程中的法律認知，包括通過證據認定案件事實，以及在事實認定的基礎之上適用法律作出裁判。
我們可以從兩個方面知道計算機目前不能完全模仿法律認知。首先，作為裁判知識的法律認知不能被形式化。法律認知對邏輯和經驗有嚴格的要求，然而二者都是不確定的，所以法律認知是在有爭議的環境下進行的。在邏輯方面，它要嚴格遵循法律的三段論，從前提到結論是一個論證的過程，而且該論證過程并不一定都帶有演繹的特征。法律認知的前提往往是不確定的。例如，在法律適用中究竟何謂 《刑法》 規定的 ”明知“、”以非法占有為目的“、”猥褻“、”侮辱“、”淫穢物品“？ 又如，在事實認定中，行為人行李中的毒品究竟是用來”販賣“還是”吸食“？ 這些現實的司法難題說明法律規則和案件事實都具有開放性特征，需要法官能動地認識才能將其確定下來。既然法律認知屬于理解的范疇，那么又涉及由確定的知識 （如科學定理、數學公式） 和不確定的知識 （如常識、經驗） 構成的理解所必須的背景知識。如果前者勉強可被形式化，后者則無法實現。這并不是說個別經驗不能被形式化，而是指我們無法編制出一個可供計算機裁判的經驗庫。因為司法實踐中，法官面對的案件是即時的和具體的，而不是過去的和抽象的，所以個案需要將什么樣的經驗作為法律認知的前提，在法官接觸案件之前是未知的。因此導致我們不能事前窮盡可供法官用以裁判的一切經驗。
此外，作為裁判方法的法律認知也不能被形式化。原因有三：
其一，司法裁判方法具有意向性，而計算機不具有意向性。在這方面，法律認知即法官的自由心證，要求法官根據自己的內心確信來裁判，有”良心裁判“、”情理推斷“或者”最佳解釋推理“等表現形式。但是無論何者，本質都應當屬于法官的意向活動，特別是對經驗法則的合理運用。然而，計算機是對人類智能的模擬而非復制，在方法論上計算機不具有能動性，也就不可能掌握運用經驗法則裁判的原理和規則。退一步講，即使對人類而言，究竟如何理解經驗法則以及準確地運用經驗法則認定案件事實、作出裁判，也都是沒有徹底解決的問題。
其二，司法裁判方法強調法官的親歷性，而計算機不具有直觀感知。司法的親歷性，是指司法人員應當親身經歷案件審理的全過程，直接接觸和審查各種證據，特別是直接聽取訴訟雙方的主張、理由、依據和質辯，直接聽取其他訴訟參與人的言詞陳述，并對案件作出裁判，以實現司法公正。這是由司法所要解決的問題的微觀性和重要性、準確認定案件事實的復雜性、實現程序公正和形成心證所決定的。〔38〕在訴訟當事人對待證事實各執一詞時，法官只有深入爭端，察言觀色地親自聽取訴訟主體的陳述，才能準確辨別證據的真與假，辨明案情的是與非。這個親歷性過程中的很多問題都是不確定的，法官不去親身經歷是不可能知道的。然而，計算機卻不具有這種能力。一來計算機不會有目的地審查證據，發現證據疑點。當然，在已經將證據形式化的前提下，也不具備讓計算機主動發現證據疑點的條件。二來計算機所接觸到的證據已經是被形式化了的”二手證據“，本質上還屬于傳統的 ”書面審查“。當然，最關鍵的是，計算機只能識別符號，而無法 ”看見“紛繁的物證和神態各異的證人。
其三，司法裁判方法是一種價值衡量方法，而計算機不具有價值觀。計算機沒有情感和意向性，也就必然導致其在裁判中不可能進行價值衡量。然而，司法裁判又繞不開權衡各方利益，例如司法實踐中常說的 ”三個效果“。通過計算機的裁判最多是一種形式裁判，能夠保證邏輯上的正確性已經十分困難。樂觀地說，人工智能裁判最多實現法律效果，而無法滿足司法實踐所需要的社會效果和政治效果。因為，計算機只能模擬法官的思維在形式上作出一個裁判； 換言之，對計算機而言，司法裁判的意義僅僅是編寫一份判決書而已，或者說產出一份看似像判決書的東西。計算機無法根據對裁判結果作出后可能產生的法外效果的預測來適當地調整裁判內容。
綜上所述，即使通過圖靈測試的計算機也未必走得出中文房間。同理，在計算機完全具備法官的裁判知識和裁判方法之前，即使計算機擁有基本的推理能力，也暫時無法實現人工智能裁判。當然，我們也不能完全站在當前的技術水平上評判未來，隨著計算機技術的高度發展，或許人工智能裁判技術在未來有其成熟之時。
四、人工智能裁判是否應當
基于上文分析，可能有人會將技術問題歸結為阻礙現實人工智能裁判的根本原因，似乎解決了技術問題人工智能裁判就能實現。其實不然，人工智能裁判還涉及非常強的法律倫理。正如 ”阿西洛馬人工智能原則“指出的： ”應該設計高度自主的人工智能系統，以確保其目標和行為在整個運行過程中與人類價值觀相一致。“那么，司法裁判的核心價值觀是什么？ 進而要問的問題是，如果技術問題解決了，人工智能裁判就應當嗎？
本文認為，司法裁判的核心價值觀，即公平正義。但有兩個前提，一是準確地認定案件事實，二是最大程度的公平正義而非絕對的公平正義。前者是思維論辯的過程，后者是利益衡量的過程。這兩個過程均屬于人類的智能活動，必須受到道德的約束。因此，假設有一天實現了強人工智能甚至超人工智能，案件裁判的決定權也應當在人 （法官）。
人工智能裁判是否應當，或者說未來社會是否能夠推行人工智能裁判？ 其關鍵不在于技術問題如何解決，而在于人類對待人工智能裁判的態度如何。可以預測，人工智能裁判在今后很長一段時間內取得社會主流價值觀的認同還很困難。在司法領域，準確認定案件事實和實現公平正義的最大化必須由人來完成的原因，除上文所述之外，還在于審判顯示了人類在糾紛解決方面的主權性。首先，只有人能真正理解法律和司法的內涵； 其次，只有人能真正識別社會糾紛涉及的法律問題和事實問題的所在； 再次，只有人能權衡裁判結論的利弊所在； 最后，只有將人類社會的矛盾交由人來解決，裁判結論才有權威性。相反，人工智能裁判并不是我們法律意義上的審判，它的根本目的不是解決社會糾紛，而是完成程序運算。也就是說，公平正義僅僅是人工智能裁判的間接效果或者附隨效果。
另一方面，人工智能裁判必須基于社會公眾的普遍認同。就目前而言，這幾乎不可能。據調查，人們比較希望使用人工智能的領域從高到低依次有智能家居/家政 （83. 9% ）、交通運 輸 （70. 3% ）、老 年 人/兒 童 陪 護 （ 68. 3% ）、新 聞/購 物/音 樂 等 個 性 化 推 薦（64. 3% ）、教 育/教 學 （56. 4% ）、客 戶 服 務 （55. 5% ）、金 融 服 務 （49. 8% ）、伴 侶（13. 5% ）。相比之下，僅有 39% 的人接受在 ”合同、訴訟等法律實踐“中使用人工智能，而且認為應該是 ”人類為主、人工智能為輔“的弱人工智能。大多數科學家及技術研究者則認為強人工智能在 2030 年以后甚至 2100 年才可能實現。〔39〕可見，人們目前最多接受初級的司法人工智能。還有一個最重要的原因，即在實現人工智能裁判之前，我們還尚未徹底消除人們對司法公信力的懷疑，司法腐敗屢見不鮮。也就是說，如果人們對法官裁判的公正性都持懷疑態度的話，那么更加不能期待計算機裁判能夠獲得認同。
當然，本文并非在價值論上完全否定人工智能裁判。如果假以時日人工智能裁判得到了法律共同體的認同，又得到社會公眾的普遍認同，那么將案件交由計算機裁判也未嘗不可。
結論
人工智能裁判作為高級司法人工智能最主要的表現形式，可能對人類司法規律帶來根本的變革。我們應當在認清現實的前提下以樂觀的態度視之。基于從本體論、認識論和價值論三個層面對人工智能裁判的分析，本文最終得出這樣的結論：
第一，在人工智能裁判 ”是什么“的本體論問題上，人工智能裁判是指通過計算機系統模擬法官思維來進行法律推理，并且作出最終裁判的全新審判模式，也就是塞爾所謂的強人工智能。其最大特征在于，在最大程度上提高審判效率，緩解案多人少的困境，減少司法的人力投入和物力投入。從這個角度而言，司法裁判確實有引入人工智能的需要。
第二，在人工智能裁判 ”是否可能“的認識論問題上，當前的技術水平還不能使人工智能裁判走出中文房間。因此，就技術問題而言，人工智能裁判至少在現階段還不可能實現。
第三，在人工智能裁判 ”是否應當“的價值論問題上，假設技術問題可以解決，價值上應當一分為二： 如果人工智能裁判不能得到社會的普遍認同，即使在技術上可以做到，我們也不應當將案件交給計算機來裁判； 反之，我們應當選擇人工智能裁判，因為這既是公眾認知的結果，也符合科技發展的趨勢，也將成為人類司法文明劃時代的進步。
最終的結論是，人工智能裁判在本質上屬于價值問題，價值上的允許是使其走向現實的關鍵。至于認識問題即技術上的困境，在現階段有不可逾越的障礙，但不宜就此切斷人工智能裁判在未來的可能性。《國家檢察官學院學報》2018 年第 5 期