一、引論：問題的提出
歷經萌芽醞釀和長期積累之后，“特別是在移動互聯網、大數據、超級計算、傳感網、腦科學等新理論新技術以及經濟社會發展強烈需求的共同驅動下，人工智能加速發展”，〔1〕正將人類推向智能社會。
“就法律而言，人工智能已經被廣泛地用在法律制度的各個層面。”〔2〕 這種應用不僅助推法哲學的本體論思考，而且直接塑造了智能化的司法裁判，人工智能即（AI）司法。不管是識別提取法律事實和情節，還是自動推送關聯法條和類案，無論是推薦量刑和生成法律文書，還是通過深度學習不斷提高前述司法活動的準確性，AI 司法都表現出超越人類司法的計算分析能力。〔3〕除此之外，AI 基于特定機器學習模型，還可以對法院判決和法官行為進行高度準確性預判，〔4〕把握司法審判的一般規律，保障公民對裁判結果的預測可能性。毋庸諱言，人類司法向數字司法的轉換，為解決因公民不斷增長的司法服務、公正訴求與司法資源緊張以及訴訟爆炸之間的矛盾提供了武器。
盡管計算機代碼可以比人類更有效地進行法律規則整合和運算，從而提高司法裁判的質效，但它也潛藏著一系列局限和問題。因為人工智能與法律機制的結合，是法律邏輯從文字符號向數字代碼的轉換。這意味著司法裁判的核心特點必然表現為：依賴于機器代碼來定義和計算人們需要遵守的規則和違反規則的結果。雖然 AI 司法所得的裁判結果是清晰可見的，但司法裁判過程已經包含了不同于自然語言的機器語言層次，因此，法律解釋必須對計算機語言和基于運算的新文本做出回應與統合。借用伽達默爾的話來說：我們需要將凝固在非語言符號中的科學陳述，與既不是任意的也不由我們操縱的、而僅僅要求我們尊重的我們存在的基本秩序重新連接起來。〔5〕同時，“法律生命不在于邏輯，而在于經驗。”法律公正的實現不僅僅在于結果和邏輯推斷，它還必須以符合生活世界的方式進行論證和展示，以換取公眾的服從和信仰。因此，對 AI 司法結果的接受進行妥當的法律解釋，使 AI 計算過程和法律論證有機結合，是亟待研究的 問題。在主體自為的意義上，對 AI 司法的解釋思考也是對法律科學人本主義的重新闡釋，以及對人類理性和 AI 理性關系的探討。
以下，筆者首先闡述 AI 司法的數據前提和歷史邏輯，及其對司法公正理念的影響，然后論述 AI 司法的公正形態對司法解釋帶來的挑戰，最后結合 AI 司法特征，嘗試提出與智慧司法相協同的裁判解釋操作方案。另外需要指出的是，從法律規范的類型化和人工智能司法的實踐出發，因為罪刑法定是刑事司法的鐵則，因此，刑事司法判例因其嚴格的法定性似乎更適宜作為人工智能的大數據基礎。換言之，海量刑事判例所提供的行為類型更具有明確性和合法性，因而，本文探討以刑事司法邏輯為原型。
二、司法公正的重塑：司法數據與人工智能
人工智能是一種教導機器如何做一個最初由人類來完成任務的技術。但從人工智能旨在建立人工認知系統和解釋人類自然認知系統的目的出發，人工智能既是一項試圖理解人類認知的科學，也是一門試圖構建具有類似人類能力機器的工程學科。〔6〕69 通過機器學習、視覺識別、語音識別和自然語言處理等技術，人工智能增強并外化了人類智慧，正如同非智能機械當初延伸和提升人類體力一樣。在此過程中，社會組織和行為互動的智能化并不是唯一要義，更根本的是由智能互動和意義空間變動帶來的價值嬗變和理性震蕩。作為公共部門，司法實踐的環境、程式和理性也借由人工智能而快速演進，在引發司法理念深刻變革的同時，也要求再次反思和優化司法理性范疇，客觀全面的審視技術理性的紅利和挑戰，尤其是司法理性與數據和算法的關系。
自民主法治社會以降，法律平等原則基礎上的同案同判已成為公正理念的必要組成部分。同案同判即遵循先例，符合一般理性認知和樸素法律情感，因而能使當事人和社會公眾對裁判結果心悅誠服。同案同判在判例法國家具有不言而喻的自明性，即便在制定法國家也日益成為司法的有機部分。但其面臨的一個重大障礙是，如何識別何謂相同案例和不同案例，從而準確適用于待決案件。對此難題，人工智能提供了超越以往的高效解答和技術支持。從案例就是數據的角度來說，前述問題可分為兩個方面：數據收集的困難和數據處理的困難。這兩個問題隨著信息技術的進步，尤其是人工智能的出現而消解。同案同判的司法公正由此得以重塑。不過，在人工智能強化司法正義，以及鞏固司法合法性的同時，也應該注意到自身隱藏的內在矛盾，亦即稍后詳述的智能司法的復雜性和隱秘性。
（一） 從司法小數據到司法大數據
回望法律信息發展史不難發現，司法審判實際上是科技進步推動司法大數據顛覆司法小數據，或者說，從小數據司法向大數據司法的演進，并帶動司法理念變革的過程。
通常認為，所謂大數據是指四 V 特征的數據集，即大規模（Volume）、多樣態（Variety）、快流變（Veloc-ity）、高價值（Value）。〔7〕大數據并不是新鮮事物，因為近幾十年來，各種機構和團體已經收集了大量的數據，并通過研究現象、人類和事件之間的相互關聯、早期征兆和因果聯系，從而作出決定。〔8〕換言之，與前信息社會中分散、瑣碎、有限的數據狀況相比，大數據的產生直接表征著信息和知識在社會結構和行為決策中取得了決定性價值和中心地位。因為就信息數據而言，非民主政治自不待言，即便是民主法治背景下，公眾倘若無法得到充分有效的信息和知識，不僅理智、審慎和負責的選民無法建構，民主程序也必然是扭曲的。〔9〕 相應的，司法裁判和公正理念也無法擺脫信息機制的擠壓。由此可見，信息資源是任何民主社會的重要組成部分，是司法公正的先決條件。換言之，司法信息和司法價值存在交互作用。因此，從小數據到大數據的司法裁判演變，必然導致司法公正理念進化。
其一，小數據背景下，司法公正的理念長期處于蒙昧、分散和對立狀態。由于科技媒介相當落后，法律數據、司法信息和法律理性不僅傳播緩慢，而且分布失衡殘破，滋生暗數據。司法者不僅可以秘密司法，即便在國家公布法律之后，也可以公然偽造裁判文書出入人罪。即使是公正的司法裁判，不管是裁判者還是訴訟人，依然會受制于司法數據本身的流通、信息提取和識別障礙。達維曾經通過法律比較后指出，在近代法典化之前，無論分裂的歐洲大陸還是統一的英吉利都一樣，法院一直在法律的發展中發揮主要作用，以自己的方式對法律進行解釋，這是無可爭辯的事實。〔10〕 在中國傳統社會中，司法的重要功能是維護等級性的家族倫理，受地方士紳權力約束。因而近代以前的中外司法實際上都使司法公正處于分散化和分裂狀態之中。總之，司法結構的散亂與司法公正的缺失互為因果，司法的權威主義和家長主義盛行。究其原因，科技不僅決定著社會關系和政治形態，更直接影響著法律傳播和數據狀況，并最終決定司法運行狀態。
其二，伴隨科技進步，司法大數據推動著公共結構的變動，以及公正理念的重塑。因為當公民取得信息權之后，法律和裁判在內的司法數據也就獲得了更大的公共屬性，知識本身轉化為一種公共事務。〔11〕一方面，公民和社會借此獲得了更多的知情權、話語權和參與權，案件變得透明和可比較。基于此，倘若認為一切公民的權利增長源于社會結構變遷，那么從司法正當性上來說，司法權力就必須以滿足社會結構變動基礎上的公正訴求為己任，以便重新獲得和確證自身合法性。另一方面，信息革命對社會組織形式的最大影響表現為“去中心化”。基于工業社會的科層制國家機關，逐步向扁平化、開放化、流動化以及數字化過渡。從政治學角度來說，這是個人在獲得信息權之后，市民社會的參與式民主對代議制民主范式的補充和矯正。司法裁判在信息趨向均衡的過程中，擴充并容納了更多民主參與能力。簡言之，公眾不僅要求更民主理性的立法正義，同時必然要求獲得更多司法正義。司法審判在大數據語境下意味著公民之間，國家權力和市民社會之間的法律信息差距的縮減，案件變得眾所周知，問責變得及時透明，多元主體參與討論變得增多。總之，司法大數據表征著司法信息的生產、流通和分配方式的革命，其結果必然導致以法律平等和同案同判訴求的司法理念革新。
不過，司法數據革命也包含著悖論。因為數據呈指數增長的同時，蘊藏著海量數據湮沒認知和有效司法信息獲取的對立。因為群體對共享信息的關注隨著群體規模擴大而增加，但是擁有獨特知識的局外人和非共享信息可能被無情輕視、忽視和抵制，因而群體可能犯下彌天大錯。〔12〕在信息社會和大數據背景下，倘若同類司法案件無法有效提取和對比，那么人為司法裁判失誤不僅更容易放大，也更容易與公眾司法期望發生沖突和斷裂。道德審判和輿論旋渦必然觸發司法公信危機，這是司法裁判在大數據背景下面對的陷阱。
（二）從法官司法到 AI 司法
司法大數據引發的公正問題，實際上源于人類智能及其計算工具的有限性所致。對此，人工智能作為計算機科學的重大突破，可以有效處理龐大司法數據，從而應對海量司法數據對司法公正形成的桎梏。
人工智能是指能夠像人類一樣具備感知、推理、判斷、學習、交流和決策等行為的人造機器智能。〔13〕如果以人類智能為標準，人工智能可以細分為專屬于特定領域的“弱 AI”、具有通用功能的“強 AI”，以及超越人類的“超 AI”。目前而言，雖然“圖靈測試”作為是人工智能的測試標準存在“行為主義”的缺陷，但根據該可操作性的標準可知，包括法律領域在內的人工智能都處于弱 AI 階段，距離通用 AI 還有很長的距離要走。
在技術目標上說，AI 是對復雜信息處理問題的研究。〔14〕而且正如開篇所述，隨著硬件和軟件的不斷更新，特別是復雜算法基礎上深度學習的應用，AI已經能夠處理復雜法律數據，并具備不斷自主優化的能力。人工智能之所以具備解決司法大數據悖論的能力，并在法律框架內對特定案件做出法律裁判，就在于 AI 技術可以通過深度學習對大規模的先例判決進行分類、聚類、分析和關聯，形成行為比對模型，從而對待決案件做出判斷。與人類的經驗認知和非智能化的計算機數據處理相比，AI 能夠對大數據中隱含的，以前未知的、潛在有用的信息進行提取。進而，可以找到大數據的邏輯或數學描述，最終表現為一組數據的復雜性質，模式和規律。〔15〕從司法決策者角度而言，無論是工程師，還是司法官員，AI 司法判斷都是一個根據司法數據來編寫算法和建立模型，進而對預處理案件進行深度處理，在先前裁判結果的譜系之間尋求妥當、一致結果的過程。鑒于此，調適算法和深度學習也是一個不斷試錯的過程，AI 司法遵循著歸納邏輯前進。至于 AI 能否發展成基于法律規則學習和案件事實直接對接的司法裁判系統，從康德對人類理性是先天綜合判斷的假說出發，這似乎存在很大疑問。不過，就當前 AI 司法技術所得到的裁判結果而言，其無疑具有以下幾個特征。
其一，合法性。AI 司法建立在龐大的司法數據之上，基本可以為絕大多數案件提供判斷的先例、標準和刻度。只要承認特定社會生活的歷史連續性和生產性，而不過分強調社會進化的突變性，AI 司法就符合社會演進和法律信念。說到底，AI 司法是對市民社會之上的大量、合法、生效案件邏輯的整合、延續和遵從。如果說小數據背景下的同案同判主要是基于局部信息的識別和遵循，那么基于大數據的人工智能司法更多體現了訴訟對抗中民主溝通和實踐理性。由此，AI 司法使用的法律知識，源于生活世界的實踐理性對法律規則的理論理性的統合與建構，由此形成法律知識的混合體系。相較于司法三段論，這種司法范式無疑更貼近社會公眾的法律經驗和公正理念。所以，不管從新自然法學的動態正義角度，還是從現實主義法學的裁判法律說，抑或從法社會學之活法視角觀察，它無疑都具有合法性。另外，AI 司法是人類司法借助計算機科學的代碼計算所實現的司法形態，是對人類經驗式司法的補充和理性思維的強化，這并沒有取代人類的司法主體地位。不過，法官司法主體的強化還需要人機信任與協同，人機交互學習的深入。
其二，邏輯性。AI 是對人腦機能進行逆向工程的建構，從而實現模擬人類思維的產物。AI 以人工神經網絡來模擬大腦皮質，通過電子以及光子對數據代碼的運算來模擬人類大腦神經對腦電波的回路反應和信息處理。因此，AI 司法與人類司法具有高度共性和等效結構，并具有打破人類法律數據處理局限，超越人類以自然語言來識別整合法律信息和知識的功能。這也是 AI 能夠將法律事實的輸入和裁判結果輸出連接起來的邏輯。當然，這種邏輯分為兩部分，一是由人類智能支配的自然語言之上的案件事實輸入與裁判結果認定，二是人工智能通過機器語言和數字代碼對司法數據的挖掘、規整和判斷。雖然這兩部分都是數據法學和整體司法的組成部分，但這種更內在的語言聯結與整合，并非不言自明。
其三，精確性。根據韋伯的見解，法的理性化和體系化，一般意味著審判機能的計算可能性的擴大。〔16〕因此，技術的精確化是現代法的重要特征之一。不言而喻，在選擇性注意機制和有限理性約束下，人類對經驗事實的感知和數據信息判斷是粗疏的。與之相反，AI 作為計算機科學的前沿，具有強大的數據存儲、清洗和挖掘能力，并且不被外界情感和輿論干擾。AI 司法的該優勢，表現為識別提取隱藏法律知識，進行多元分析和漸進決策，并在不斷建構和優化決策模型基礎上，建構行為類型和法律后果的精準聯系。對于奉行罪刑法定原則的刑事司法來說，AI 具備對行為和刑罰進行幾何解析和歸結的功能，可以為貝卡利亞所期許的“精確的、普遍的犯罪與刑罰的階梯”提供可能。〔17〕
其四，復雜性。對于司法過程的公開性和可見性要求而言，如果說以上特征是 AI 對人類司法運算優點的擴展和強化，那么 AI 司法的復雜性無疑構成了自身的局限性和問題點，并對自身優勢和司法公正產生擾動。AI 司法以大數據和人工智能的融合為前提，不僅存在司法數據的復雜結構和案例數據增長，深度學習更導致了由代碼運算產生的高緯法律知識。技術綜合和機制迭代使得人工智能更像是一門無法洞悉和還原深層機制的煉金術。可是，權力和規范是通過互動過程社會性地建構起來的，而不是預先假定供用戶采用或需要時使用的。〔18〕科學為我們許諾的是真理，但至少應是我們的智力能夠把握的一些有關各種關系的知識，否則相當于沒有許諾和平和幸福。〔19〕 因此，復雜性不僅直接構成公眾理解 AI 司法過程的障礙，更威脅著 AI 司法的合法性和服從性。此外，數據、算法和硬件實際上形成正反饋關系，因而AI 司法的復雜性趨于增長。對此，如何把握 AI 司法過程的正當性和合理性，或者說，如何確證并展示機器的深度學習掌握了人類期望的司法邏輯，是一個緊迫的問題。
誠然，最大限度地獲取公共法律信息才能促進司法和法治。〔20〕在大數據背景下，司法數據的智能化處理必然導致社會司法公正理念的革新，以及對公正概念的期望重構。就具體的公正取向而言，人工智能法學的產生必然將同案同判的司法形態與唯理主義的規范適用處于同等地位，而且前者甚至會超越和攝動后者。不過問題在于，數字驅動導致了數據加工和信息處理的復雜化，AI 司法無法像人一樣運用自然語言，并對輸入與輸出之間的法律計算進行細致論證與展示。正因如此，智能司法的邏輯判斷存在隱秘化，或黑箱化，并可能妨害新型的司法理念擴散，無法徹底取信于民。對此，AI 作為人類司法的組成部分仍需遵循一項法律定律：法律的應用以解釋為前提，法律的解釋服務于法律的應用。〔21〕 因此，在既定法律解釋原則內，法官的司法裁判必須與 AI 運算過程協同起來，在探查司法解釋任務變動基礎上，對此加以闡明。
三、法律解釋的挑戰：代碼運算和法律論證
在分析大數據所帶來的公正理念變革，以及闡明AI 司法的隱秘化問題之后，就需要深度剖析司法智能化與人類法律論證之間沖突的深層機制，尋找雙方功能耦合的途徑。具體而言，從 AI 司法和人類司法各自的邏輯上說，能否認為 AI 司法在技術上和理論上可以實現并替代法官的法律論證，從而貫穿和整合司法邏輯呢？ 在本文看來，即便 AI 司法發展到超人工智能階段，法官的裁判解釋依然具有不可取代的地位和價值。
（一） AI 司法運算的不可還原性
首先，AI 之所以需要建立在大數據之上，并出現AI 與大數據的融合，以及兩者界限的模糊，原因在于人類基于小數據的獨特創造性思維是 AI 目前無法模仿的。自從康德在哲學上發動了認知革命，以先天綜合判斷將唯理論和經驗結合起來之后，我們通常認為，人類的認知既包括人腦的先天綜合形式，也包括對感官經驗質料的加工。不過，運用理性對少量信息和規則進行推理和演繹，似乎是人類獨有的能力。這也是基于規則演繹的司法專家系統沒有興盛起來的原因。
從上述結論出發對人工智能技術進行哲學反思，AI 存在兩個學派：一個表現為理性主義、邏輯主義，以操作思維符號為特征的還原論；另一個是把計算機看作模擬大腦，借助人工神經和統計學，通過學習實現智能的神經科學。〔14〕 當前人工智能選擇了第二種路徑進行建構。深度學習實際上就是將傳統的人工神經元網絡的內置層的層級予以規模放大的產物，并不是對傳統人工神經元計算模型的原則性突破。〔22〕 因為，一方面，機器智能不具有人類的感覺、知覺和情感，也無法通過探索自然，經驗社會和建立家庭來完成個性的歷史塑造，它必須通過大數據來學習完成。通過這種學習，AI 一定程度上可以克服思維模式困境，尤其是彌補 AI 與特定社會文化常識之間的差距。對于司法判斷而言，AI 無法僅僅根據法律規范和原則就對特定案件出裁判，而需要通過大量司法案例作為訓練數據來學習和建模。另一方面，我們很難將法律規則的模糊性和靈活性，轉換成可以被機器理解的形式化語言。〔23〕 即便是對于比較精確的刑法規范，規范要素、違法性判斷、責任阻卻事由，由于其中包含微妙的價值權衡，同樣很難通過代碼加以計算。因此，AI 需要通過大數據和深度學習，盡可能多的掌握相關法律知識及其關聯。
其次，基于上述知識背景和技術邏輯，AI 計算的復雜化與智慧性呈正相關關系，我們只能把握輸入和輸出的確定性，無法還原黑箱的計算過程。概言之，深度學習的本質，是以不斷遞歸和卷積的深度神經網絡為前提，通過非線性系統建模來提供更高層次的抽象能力。這是其優于人類線性思維能力的根本原因。這種結構可以彌補算法的不足，自動取得對司法數據規律的深刻把握，最終增強對司法裁判結果的正確性與可接受性。這意味著，即便司法算法比較簡單，但隨著模型的復雜性增大，正反交叉運算過程必然導致司法運算變得難以還原。“即使當用戶坐下來研究數據挖掘操作時，他們可能也無法理解導致結果的推理。特定的技術是很難理解的，即使是那些設計和編程它們的人也是如此。”〔24〕 這是 AI 司法運算的不可還原的根據。
辯證的審視這一缺陷，AI 司法借此可以更好地維護司法的客觀性，同時祛除人為干擾。不過，AI 的復雜性也威脅著司法透明，進而危及合法性與合理性。對于推崇說理的司法參與者來說，沒有判決理由或理由軟弱，就無法保證判決不具有任意性或不公平性。〔25〕 對此，問題的解決必須遵循黑箱原理，通過司法輸入和司法輸出之間的相互反饋加以解決，并以此為作為法官裁判解釋的操作原理。換句話說，人類始終是司法裁斷的主體，司法者必須以自身理性對AI 的技術理性在社會合意性和有效性上進行整合和解釋。這也是克服 AI 司法過程中的二元邏輯斷裂，支持整體司法理性的擔保。
（二） 法律解釋任務的變動
第一，數據偏差需要法官的法律解釋進行矯正。人類司法對 AI 技術的運用，必然以數據信任為前提。但在大數據時代，我們需要重塑這種認知和信任。概言之，“我們必須確定何時和如何信任數據科學的發現，以及在何處或在何種程度上不信任它們。我們信任推斷知識的這種重建，需要實證檢驗和基本的分析競爭性。”〔23〕
以既定生效判決為 AI 分析對象的大數據，即便個案存在問題甚至錯誤，其整體的合法性依然能夠提供可信賴性。不過，從特定案例的存量和增量上看，司法大數據可以進一步細化和量化。數據必然存在不同規模的先例集成。小數據背景下，我們更多的憑借自身理性去彌補并接受較少抽樣下的誤差，但大數據背景下，較多的或更多的樣本群誤差則必須警惕。隨機、偶然、漲落和混沌在 AI 系統中扮演著重要角色。人工智能的深度神經網絡和機器學習高度依賴的裁判文書是不是充分的大數據，這是必須考慮的大問題。“在這樣的情況之下，司法領域應用 AI 構建出來的具體裁判模型，很有可能與實際裁判形成偏差，如果充分信賴有偏差的模型，那就會存在嚴重的問題。”〔26〕 法官的法律解釋作為司法的邏輯論證，需要承擔數據的確證的監護功能。
第二，案例數據參照需要法官通過解釋技術加以權衡。如上所述，司法大數據其實存在不同規模的案例數據集，包含著多元行為類型、法律后果以及要素間的關聯。質言之，遵循的“先例”其實可以分為三種類型：大數據先例、中數據先例和小數據先例。這三種數據理論上分別代表了一般的公共司法理念、協商后的司法理念和待繼續協商的司法理念。從維護法律秩序的穩定性和保障公民的期待可能性出發，不管是相同或差異行為模式，越是大規模的數據集，越需要法官遵從；而越小的數據集，法官遵從的可能性和必要性就會縮減。這同樣基于平等原則，以及法律心理認知的連續性和一致性。
可是，倘若從該司法邏輯出發，恐怕同時潛藏兩種司法風險，即，AI 司法在大數據先例中侵奪了法官裁判的司法創造性，在小數據先例中架空了案例指導的事實價值。當然，情況也可能完全相反。因為即使是小數據先例，“如果要想讓訴訟人確信法院司法活動是公平的，那么堅持先例必須是一個規則而不是一個例外。”〔27〕 于是，發掘和引入數據之外的新案例的正當理由，也就是法官通過法律解釋和論證對數據參照進行遴選，從而權衡維持法律邏輯的一致性和變革性的過程。
第三，代碼運算需要法官解釋嵌入公共理性。即便數據和算法完全正確，即便人工智能通過網絡空間學習可以獲得特定社會常識和文化知識，但是社會發展和公共政策是同時變動的。法律政策既然是公共政策組成部分，自然需要將公共政策作為 AI 司法過程的變動參數，與訴訟人的具體處境結合起來。無論是政策變動，還是政策考量和執行，都是司法數據和AI 的環境要素。如后所述，程序員對法律的算法編程與法官對法律的理解無法置換。因此，司法者必須通過法律解釋來體現和貫徹公共政策，以防范和矯正AI 司法過程可能潛藏的不良價值取向、道德傾向和倫理風險。公共政策在 AI 司法中的貫徹和執行，就需要法官深刻把握不同要素權重，尤其是規范要素含義和裁判結果變化之間的關系，并以文字語言向訴訟人進行闡述和論證。
第四，算法檢驗與具體裁判解釋相關聯。在人工智能生態中，算法處于更加基礎性地位。從預防 AI法律風險的角度而言，理想的司法算法創意和優化要求司法者和工程師角色統一起來。不過，從社會職業分工趨勢來說，這兩種角色只會協同互動，不會合二為一。驗證司法算法的正確性、合理性，僅僅訴諸編程者的自我確證顯然是行不通的。不難斷定，這只能通過法官在具體司法過程中的解釋論證來檢視和驗證，以便確定算法有無漏洞和暗門，并推動算法與法律邏輯的不斷接近。在此基礎上，法官的裁判解釋是良性原始數據和文本的生產過程，也構成優化 AI 司法參數，甚至創造新算法的條件。盡管能否基于“硅基倫理”從而在法律上將人工智能作為人來對待，并使其承擔主體責任還很難預測。〔28〕 但就現實而言，算法驗證還與 AI 司法中的風險預防、責任分配，乃至技術理性的批判和進化割舍不斷。
綜上可知，司法大數據處理的智能化，實際上是機器語言突破和揚棄人工語言的模糊性，在既定先例數據集之上對待決案件的識別、歸類和匹配，從而解決人類司法不確定性。在這個意義上，這是法律科學借助人工智能采取的實證化表現，但這并未否定司法裁判和法學隸屬于規范世界的本質。相反，正如考夫曼所言，沒有分析學的法律詮釋可能是盲目的，同時沒有詮釋學的分析學可能是空洞的。〔29〕然而，AI 司法雖具備分析優勢，但機器語言在法教義學中的出現卻是法律解釋必須面對的新課題。
四、司法理性的調適：人機協同與詮釋節點
我國正在法律實踐領域探索大數據的司法應用，推進“智慧法院”建設。〔30〕 但在具體的司法裁判中，如何通過具體的法律解釋有效整合人工智能對于司法理性的沖擊，使得裁判結果符合社會公正期待，是法理學和部門法學亟待研究的人機協同問題。一定意義上，AI 就是人類的司法工具，同時也是法官的司法環境。這不僅關系司法權力和理性的自我確證，而且關系人類智能和機器智能的本體論和價值論。然而，司法決策是一個令人生畏的復雜領域，除了需要考察分析大量事實、規則、先例或者它們的組合，以便形成合法的解決方案，更重要的是，個別案件可能涉及重要的利益和深刻的感情，他們的解決辦法影響到所有法律行為者的期望，并影響他們對法律制度的理解。〔31〕因為一切國家行動，即使就其細節來說是特殊的，但就其意蘊和道理則是普遍的，無不取決于與公共利益的關系。〔32〕因此，從方法論和認識論上而言，人機協同要求法院的裁判解釋，要根據 AI 司法的特征，對整體司法的過程和結果進行調控，使 AI 司法和人類司法取長補短。
可以肯定的是，AI 司法所引起的裁判解釋問題，并非是能夠單純通過算法將社會道德、公共情感和法律公正嵌入代碼可以解決的。AI 是人腦智能的延伸和補充，AI 司法則是人類司法的強化和優化，前者無法取代后者。法律解釋作為法律理性的體現和司法應用的保障，即便是人工智能發展到超人工智能的地步，從主體論的角度來說，司法者都必須支配整體法律解釋過程，防止過度依賴 AI 導致的司法異化。雖然有論者指出，人工智能系統被設計成使得它們的輸入多樣性，差異化，并通過以重復、穩定的方式實現許多類型的計算過程，因而解釋系統就可以用原始的輸入集合來考察 AI，并且通過逆向的原始輸入替換來考察不同要素的權重。〔33〕不過該論者也承認，將 AI系統中的輸入和中間過程映射到人類可解釋的概念上將會遇到挑戰，而如果相關因素不能預先確定，挑戰就會加劇。本文也認為，通過技術手段能夠不斷改善 AI 司法過程的透明化，但從整體司法邏輯來看，法院裁判的法律解釋應當根據 AI 司法的優勢與不足加以補充和調適。
如前所述，AI 司法能夠充分挖掘司法大數據中的隱秘知識、深層規律和行為結果模型，并且這些都屬于不斷迭代學習形成高維知識，難以降維還原為人類理解的知識。在黑箱原理之下，法官的法律解釋需要通過增減和替換不同法律參數來檢驗行為集合及其子集與法律后果之間的對應譜系和邊際效果。在此意義上，人類的法律語言相對于 AI 的機器語言就獲得了元語言的價值。法律解釋事實上是元語言的自然語言對機器語言的詮釋過程，是生活世界對技術理性的對接和吸納，以防止技術理性以極端的方式超出和顛覆市民社會的司法受眾的生活常識和想象。換言之，人工智能司法不但重塑司法公正理念和豐富司法公正形態，也必然導致傳統法律解釋范式的變遷。本文認為，審慎和準確地調適 AI 司法中具體案件的解釋，至少應當注意以下方面：
第一、案例數據是否充足？ 如前所述，當前人工智能的主流模式建筑在深度神經網絡模型之上，通過對相關信息和知識進行識別和提取來完成機器學習，因此大數據是 AI 訓練的基礎。雖然我們將人工智能定位為“智能助手”，人類才是最終的司法決策者。但從人工智能的司法邏輯本質上是“遵循先例”來看，真正基于大數據的裁判結果固然具有信賴性，可是數據相對有限和不足時，恐怕更需要發揮人類司法決策的主體性和能動性。概言之，在人工智能司法背景下，數據規模是決定法院的裁判解釋是應當遵循程式化解釋路徑，還是更多的考慮非程式化解釋方法，繼而安排法律解釋方式和技術的基石。具體而言，對數據規模與法律解釋的關聯應當注意以下三點：
（1）當數據足夠龐大時，意味著 AI 司法裁判原型是一個高緯、復雜、開放的連續圖式。這意味著人工智能司法的裁判能夠完成待決案件與案例模型的數據擬合，裁判結果更具有社會歷史的連續性和確定性。（2）與前者相反，當數據有限甚至不足時，AI 司法裁判原型更類似于界限清晰、封閉、非連續的二元階梯。然而由于統計歸納的缺陷，“如果司法決策者只能進行二元選擇時，那么與存在一系列選擇的情況相比，他們更有可能犯下重大錯誤”。〔34〕 這種錯誤不僅人類司法無法避免，人工智能司法可能更加無法避免。因為人工智能的司法裁判奉行的是形式邏輯計算，而不是辯證否定性推理。（3）從前述邏輯出發不難發現，司法數據規模的大和小是相對而言的，并且相互之間并不存在明晰界限。大數據判例包括了各種細微差別的中數據和較大差異的小數據。碎片化的小數據和相對連續的中數據隨著裁判案件的增多，可能會發展成規模龐大、連續性的大數據。換言之，盡管大數據是人工智能司法的核心技術之一，但應當辯證發展地看待大數據的發生與塑造，因而也應當辯證地配置相應的機器信任和人類智能。
筆者認為，人工智能司法采取何種數據參照和解釋路徑，需要權衡待決案件的共性和個性進行具體判斷。準確地說，對于人工智能司法而言，司法權力應當對基于大數據的裁判給予充分信任，對基于中數據的裁判應當仔細甄別和遴選行為類型，對于小數據的裁判恐怕更需要法官智慧進行主導，并促進司法中數據和大數據的生產。總之，人工智能司法應當考慮數據規模，并根據具體情況采取不同的解釋技術，妥當采用文理解釋、目的解釋、社會解釋和體系解釋方法。
第二、裁判結果是否合理？ 裁判結果合理與否及其合理的程度，取決于能否以及在多大程度上實現法律規范目的。這種目的雖然由立法機關所賦予，但是法律規范目的的理解需要在尊重形式合法性的前提下，把握客觀實質合理性。因此，即便是 AI 在大數據基礎上取得裁判結果，即便這種結果十分精細、確定和可靠，也有必要加以規范審視。質言之，法官作為人工智能司法的裁判主體，既應當注意到司法數據的客觀性和事實性，從而促進司法結果在一般公正意義上的連續性和普適性，也需要法官結合立法的規范目的和法律政策對個案結果加以反思和檢視。美國大法官布雷耶曾經指出，歷史教訓表明，當最高法院的判決不被主流民意接受，甚至遭遇總統、國會的抵制時，司法機關保障人權、節制公權的作用將徹底失靈。〔35〕 該結論雖然針對人類司法而言，但同樣適用于人工智能司法的裁判結果。
不言而喻，與人類司法相比，AI 司法長于對判例大數據的客觀把握和總體整合，精于高緯抽象和關聯計算，但是任何司法案例都嵌套于過往歷史的文化積淀和民族傳統之中，是過往歷史文化的延續。這種歷史文化邏輯也是司法的人類基因，奠定了司法裁判獲得生活世界接受和市民社會服從的前提。在社會發展日新月異的今天，特別是人工智能司法的誕生和應用，注重司法結果的穩定性、延續性和可接受性，對生活世界的市民主體而言當然更具有特別意義。因此，對于人工智能司法的裁判結果，既要給予充分信任，又應當通過法律解釋注意結果的合理性和妥當性，尤其是不能因人工智能司法的優勢而忽視公共政策和社會情事的變遷。司法審判既然是公共服務的關鍵部分，那么 AI 司法也就無法獲得免檢資格。顯然，這只能通過法官堅持從法律條文的規范目的出發，聯系刑事政策與公共政策的社會取向和價值判斷，采取或積極或消極的解釋態度，對裁判結果進行權衡、確認和調適。總之，對裁判結果合理性的審查和調適，是人工智能裁判在市民社會取得合法性的途徑。
第三、因果關系是否相當？ 眾所周知，相關關系是大數據分析的重要特征，而因果關系無論采取何種學說，都因高度規范性而不同于前者。詳言之，司法大數據的智能化能夠在多元法律知識要素之間建立復雜高緯聯系，以便 AI 對輸入的司法數據進行考察、提取和匹配。“通過合理時間內大數據的處理和交互，大數據分析可以促進以前的隱藏洞見的出現，揭示未知趨勢和演化模式，從而支持有效預測，去除抽樣和民意調查，促進新的更具調查性和確定性的數據分析方法，達至更可靠和更精確的結果。”〔36〕大數據分析通過抓取多元數據集之間的關聯，是高級分析的必要條件，盡管具有隨機性，卻具有可預測性。〔37〕盡管相關關系可以改進認知偏差，導向因果關系，甚至生成具有法律意義的統計性因果關系，但是法學在不違背科學規律基礎上，必須按照自身目標來認定因果關系。從這一結論出發，司法者應當結合時代科學知識和一般社會通識，對 AI 司法裁判過程中的法律要素進行規范性把握。因此，不應當將事實知識和規范知識相混淆，從而將相關關系誤認為因果關系，也不應當忽視人工智能通過數據挖掘和機器學習所得到的隱性知識和不確定知識，因為后者在法律規范目的下可能是建構新的因果關系的源泉。
第四、正反計算是否對稱？ AI 司法過程仍然是庭審中訴訟雙方博弈的延續。既然如此，AI 司法必然要將有利和不利、加重或減輕責任的事實轉化為可替換、梯度性處理數據的計算參數，進而辯證地對 AI計算過程進行交叉檢驗，作出更審慎公正的解釋和裁判。這種正反計算過程不僅是司法規律要求使然，其實也是防止數據計算偏差，尤其是防范和檢驗人工司法的算法歧視和偏頗的司法舉措。如前所述，算法在人工智能生態中處于基礎性地位，而驗證司法算法的正確性、合理性，僅僅訴諸編程者的自我確證顯然是行不通的。因此，對于人工智能司法中防止算法帝國的擅斷形成，就需要更加穩健精細的司法步驟進行正反計算，從而形成對算法技術的分權制衡。可以說，人工智能司法基于算法的底層建構，既帶來了司法公正觀念和司法權力的重構，也必然要求司法程序采取辯證的反思性計算。對公正的司法而言，法官的司法決策和論證，都需要對一個事件為真的證據或者可能性的程度進行評價，考慮把有罪誤判為無罪、無罪誤判為有罪的影響。〔38〕這樣做的好處在于，一方面，可以參考以往同類案件大數據決策的一般模式，促進司法統一和公共預測可能性；另一方面，這種正方兩方面的數據替換和結果預測，也可以有效回應訴訟雙方的關切焦點，做出符合法律共同體思維的回答。
不僅如此，正反計算還是數據質量和深度學習進化的前提和保障。美國政府于 2001 通過的《數據質量法案》規定，聯邦機構應當將其決定建立在高質量數據上，并允許公眾質疑和糾正不準確的數據。〔39〕可是，與小數據的容易監控和糾正不同，大數據處于高速增長過程中，這就增加了數據糾錯的難度，尤其是對于一般社會公眾而言，該規定或許更多的是一種政府形象管理。與一般公眾相比，對于數據風險和機器學習偏差，法官不僅無法置身事外，而且必須通過法律解釋積極參與其中。這是其作為裁判主體的地位要求，也是控制人工智能司法風險的必然要求。反過來說，司法判例作為機器學習的訓練數據和裁判參照標準，法官倘若無法通過適當的手段和邏輯矯正數據偏差，由此導致的司法慣性不僅直接影響司法公正，更可能導致司法過程中人類主體地位的墮落。鑒于此，與人工智能對司法過程的簡化相比，通過正反計算以及梯度審查就是必要的再復雜化和精細化。這符合司法的內在構造與邏輯。換言之，司法作為訴訟雙方的對抗過程，其對抗性自然應當延伸和適用于司法數據，從而保證司法質量。AI 司法既是運用以往數據的過程，同時也是生產和加工新數據的過程。因此，遵循司法審判的基本規律，就有必要將法律解釋過程和數據監測、控制、糾正、改進統一起來。顯然，通過正反對稱性計算，法官不僅可以實現順應司法的訴訟結構和公正權衡，還可以保障數據質量，促進機器學習，防控 AI 司法危險。
五、結語
人工智能司法的產生，不僅解決了從司法小數據到司法大數據轉向過程中法律知識提取的難題，而且重塑了同案同判的公正理念。但從人工智能技術的內在局限和復雜性出發，法官也必須調整法律解釋的方向和策略，以適應人工智能司法進程。從立法論角度來看，人工智能的發展必然導致智能技術規范轉變為法律行為規范，以防控技術異化。相應的，人工智能的司法邏輯也需要法律解釋技術吸收和融合技術操作規范，對技術理性進行審視與整合，對自身進行優化和揚棄。這是法官作為司法裁判的主體以及面對技術階層的權力虹吸，司法機制需要采取的能動策略。
隨著“以信息技術與制造技術深度融合為主線，以新一代人工智能技術的產業化和集成應用為重點，推進人工智能和制造業深度融合，加快制造強國和網絡強國建設”〔40〕 的政策展開，中國的智能社會日漸臨近。從智能社會是信息社會的發達階段上來說，工業主義基礎上的傳統司法的宏大敘事勢必將徹底不復存在，但后結構主義法學的解釋延異和去中心化邏輯盡管促進了司法民主和話語平等，但國家權力作為必要的權威中心并不因此而被否定，甚至有必要加以適當強化和維護。將這一結論適用于人工智能的司法場域，不難斷言，在 AI 司法是人類司法強化的結論下，人類司法對 AI 司法同時需要互信協同和反思存疑。機器學習已從不同層次對規范與事實進行了復雜關聯，并表達為全新的認知結果，但其優勢與弊端交織。無論如何，在人工智能和司法邏輯之間，司法權作為一種裁判權，需要以法律解釋來擔當人機協同的接口，以自然語言連接和融通機器語言，以法律解釋調適來推動智能司法變革。
對此，法官需要將人工智能司法過程中法律符號系統的關鍵節點：案例數據的充足性，裁判結果的合理性，因果關系的相當性，以及正反計算的對稱性等作為詮釋節點，以完成 AI 司法裁判的證成。這不僅涉及司法數據的良性循環，道德、倫理、政策與 AI 司法運算的融合，而且也根植于算法學習、高緯抽象和數據分析不能取代并需要重建以價值規范為基礎的生活世界和社會交往。當然，從數據增長和 AI 進化上看，建構并提升司法公正框架下的人機信任、人機協同和人機學習，還需要將特定技術規范規定為新的解釋規范，內化為人工智能司法的信條，并最終推進詮釋節點的精準化、結構化和法治化。原載《法律科學》 （西北政法大學學報） 2018 年第 5 期