在人工智能推动下的司法改革当中，让机器通过深度学习以认知个案，是人工智能司法应用的前提与薄弱之处。当前，地方法院的实践尚未形成有效的知识积累方法。人工智能司法应用的前提是法律知识图谱的构建以及裁判规则的类型化与要素化。要件事实型民事裁判论与司法人工智能的生成规律具有内生契合性，可作为神经网络深度学习、分词设置、知识图谱设计的基础与前端理论。具体应用路径是依要件事实论不断进行层级解构，将案件认事用法解构为不同层级要素，并由法律专家分层级、分阶段标注，从而形成以要素标注的法律知识图谱大数据，以供机器学习。要件事实论之于人工智能司法应用具有独立性，人工智能难以代替法官。人工智能司法应用与民事诉讼制度具有相互促进关系，两者的深度融合将开拓中国民事诉讼的崭新发展阶段。

关 键词：要件事实论/人工智能/民事司法/法律知识图谱/要件解构

标题注释：本文系西南政法大学人工智能法律研究教师研究创新项目“人工智能在民事司法中的应用研究”(2018-RGZN-JS-ZD-09)的阶段性成果。

现代信息技术正在推动司法领域的深刻变革，以人工智能司法应用、电子诉讼、司法大数据为核心的“智慧法院建设”被置于同司法体制改革并行的地位。人工智能在案例智能推送、裁判结果预测、裁判文书自动生成等方面的应用，已成为地方法院探索人工智能司法应用最活跃的领域。党的十九大提出，要推进司法体制综合配套改革，①而司法体制改革与人工智能等现代科技的融合发展恰是综合配套改革的重要内涵之一。国务院发布的《新一代人工智能发展规划》将“智慧法院建设”纳入其中，这标志着人工智能司法应用已上升为国家战略。②在以科技创新推动司法改革的政策导向之下，我国地方法院正在以前所未有的力度推进以智能化为核心的“智慧法院建设”。近年来，学界开始将司法人工智能作为学术话题予以讨论，但主要还是基于现象解释或总体规则概论，相对欠缺对人工智能司法应用的路径、技术、方法等具体问题的深入研究，尤其是在建立法律知识体系与人工智能联系进而形成司法人工智能、建立供机器深度学习的法律知识图谱等深层问题方面，研究还较为欠缺。③对于人工智能的司法应用研究，应当结合具体诉讼领域展开，因此，本文从占全国法院受理案件总量近80%的民事案件入手，探索人工智能在民事司法领域的适用，以期通过对较为复杂的民事司法领域的探索，为人工智能在刑事、行政诉讼领域的适用积累经验。本文引入要件事实民事裁判论作为人工智能在民事司法领域应用的法律前提，以此为基础，构建法律知识图谱并进行知识积累，力求为破解法律数据结构化不足、算法混乱低效等人工智能司法应用中的突出问题提供些许参考。

一、人工智能民事司法应用的桎梏：法律知识积累方法的欠缺

(一)人工智能民事司法应用的地方实践

根据最高人民法院官方纸质媒体的报道，B直辖市高院的“睿法官”运用人工智能技术，通过智能机器学习，为法官裁判提供了支持。④J省高院的“法务云”具有同类案例和审判资料智能推送的功能。⑤H省高院“智审1.0系统”可自动关联、智能推送辅助信息，自动生成文书，并辅助制作文书，还可智能分析裁判标准。⑥S直辖市E中院的“C2J法官智能辅助办案系统”集知识导引、类案匹配、经验分享功能于一体，包括了法律法规及司法解释、类似案例、裁判文书等九个信息库，系统可以根据案由自动对九个信息库的相关信息进行筛选分析，并进行推送。⑦另外，值得注意的是，业已取得突出进展的人工智能刑事司法应用也有力地推动了人工智能的民事司法应用。比如，代表现阶段我国人工智能司法应用最高水平的G省、S直辖市的刑事智能辅助办案系统已开始注重机器对人类法律思维与裁判规则的学习，其以统一证据标准、构建证据模型等路径作为机器学习的规则，这代表着人工智能司法应用已渐由概念向方法递进。⑧在这种人工智能刑事司法应用经验的影响下，C直辖市高院从事实争议相对较少、法律关系相对简单的信用卡案件入手，在要素提取的基础上建立了智能专审平台。⑨概括起来，人工智能辅助法官裁判的方式主要有三种：其一，以智能方式提示要件式审理，自动生成裁判文书，提升审判效率，而法官仍是判决书的最终审核者；其二，在复杂类案中，智能推送与本案要件最接近的类似案例，以约束法官的自由裁量权；其三，在利息、损害赔偿额计算等简单事项中，代替法官的人工计算。

(二)地方实践中的法律知识积累方法的缺陷

人工智能领域的谚语有云：“你给我多少知识，我给你多少智能。”⑩虽然以中国裁判文书网、各类案例、庭审视频为主体的司法大数据已具备海量数据特质，而云计算的充足运算能力以及图文与语音识别技术的发展亦使人工智能具备了学习手段，但是，司法大数据的堆积并不能直接产生司法中的人工智能。机器认知个案是人工智能应用的前提，也是最薄弱之处。而且，机器对个案的认知需要建立在机器对司法大数据的深度学习之上，所以，关于人工智能司法应用的诸地方实践中的知识积累过程是更值得考察的深层问题。

1.对知识积累方法的实证考察

为了准确掌握各地方法院人工智能辅助系统的真实情况，在广泛收集最高人民法院官方纸质媒体刊载的调研报告与新闻报道的基础上，笔者对G市中院、Z市中院、C直辖市高院分别发放了以人工智能知识积累为主要议题的调查问卷。(11)调查问卷的对象包括法院信息技术人员、法官和法院领导。同时，笔者从这三个法院收集了关于人工智能司法应用的报告资料，并对C直辖市高院进行了实地走访。另外，鉴于G省、S直辖市的审判辅助系统得到了中央政法委、最高人民法院的认可，被认为具有一定的推广价值，所以，笔者也收集了有关G省、S直辖市审判辅助系统的相关资料。从调查问卷、走访反馈以及相关报道的情况来看，各地方法院在实践中已经意识到知识积累的基础作用，并大致形成了三种知识积累的方法。

方法一，不经过机器学习而自动生成裁判文书内容。G市中院基于300多万起案件建立的裁判文书辅助撰写系统可从纸质材料、庭审语音数据中自动提取案件要素，将经过提取加工的案件信息自动生成裁判文书，其可实现对裁判文书中的80%的内容的自动生成。(12)通常，对于系统从大数据中提取信息的过程，我们以“自动”这个语词进行描述。在对G市中院的调研中，填写调查问卷的对象包括5位信息技术人员、3位法院领导和12位法官。在回答“如何认识司法领域的人工智能知识积累”这个问题时，5位信息技术人员全部勾选了“由于在司法领域人工智能如何进行知识积累方面没有清晰路径可以采用，所以自动语词系一种概括性描述”选项；3位法院领导也均勾选了此选项；而在12位法官中，有4位勾选了此选项，另有5位勾选了“深度学习是人工智能的适用前提，但如何在司法审判中适用还不清晰”选项，其余3位则勾选了“不了解”选项。从此情况来看，在人工智能司法应用中起主导作用的法院领导与信息技术人员并未意识到机器学习是提取案件要素的前提，而对于知识积累，自然也就更无从谈起。

方法二，对机器学习与知识积累语焉不详。在对Z市中院的调研中，有4位信息技术人员与4位法院领导填写了调查问卷。在回答“如何认识司法领域人工智能的知识积累”这个问题时，勾选“由于在司法领域人工智能如何进行知识积累没有清晰路径采用，自动语词系一种概括性描述”选项的两类人员分别占比0%和25%；勾选“深度学习是人工智能的适用前提，但如何在司法审判中适用还不清晰”选项的两类人员分别占比100%和75%。可见，Z市中院的法院决策层与信息技术人员已普遍意识到深度学习、知识积累系人工智能的应用前提，但对于学习与积累的方法，仍难以掌握，而且，他们对深度学习也难以进行具体解释，更难以找到人工智能司法应用的真正有效路径。

方法三，在审判要素下解构知识积累。在先行经验上，处于国内领先地位的G省、S直辖市的审判辅助系统率先提出了“专家经验、模型算法和海量数据”的建设逻辑，即首先由专家提炼裁判规则、解读司法过程，在对相关知识点进行标注以后，由机器进行学习，并针对机器学习的偏差进行再标注，经过学习积累，机器会具备初步的信息抓取和逻辑分析能力，从而由知识积累进阶至人工智能。(13)而在其他地方法院的实践中，C直辖市高院的信用卡智能专审平台恰好与G省、S直辖市的做法类似。在实地走访C直辖市高院的过程中，该法院的智能专审平台研发团队认为，对案件要素的解构是人工智能司法应用的前提条件，之所以选择信用卡案件进行探索，正是因为其要素提取相对固定、简单，但将其进一步推广却面临着较大挑战。他们表示，如何对较复杂的案件进行要素解构与提取，尚需进一步探索。应当说，各地法院的探索确实为我们研究人工智能知识积累的基本逻辑与路径提供了实践样本，但是，在各地方实践中，却出现了实践先行但理论供给不足的态势，为此，理论研究应给予积极回应。

2.对知识积累方法缺陷的评价

实际上，上述方法中的前两种方法并未进行有效的前期知识积累，而缺乏前期知识积累的人工智能辅助系统将会向法官推送海量案例，这会制约法官的有效阅读，甚至会因阅读而增加其工作负担；即便法官对案例逐一阅读，也会因所推送的案例与本案关联不大而导致对其难以适用。G省、S直辖市的实践被认为是符合人工智能司法应用基本规则的，但其逻辑起点仍具有不确定性。首先，将机器学习建立在专家经验之上具有正当性，但专家经验却具有零散性、个体性的特征，这在颇为复杂的民事领域体现得尤为明显。所以，使专家经验在产生之初即具有法律职业人的同质化思维，是目前亟待解决的前端问题。其次，G省、S直辖市法院在实践中已经意识到案件要素解构对于机器学习的意义，但却主要采取了平行解构的方式。案件要素间的关系可能是相关、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。例如，民事案件事实有主要事实、间接事实、辅助事实之分，对事实认定起主要作用的是主要事实，(14)如果在机器学习之前不对要素进行层次区分，那么，机器就将难以有效学习。最后，虽然G省、S直辖市法院在某些领域对案件要素进行了分层次解构，但这种解构更多的是生活型解构，并未体现法律思维的同一性与专业化。然而，社会生活千变万化，一方面，基于生活事实的解构使得机器学习面临着无比复杂的场景；另一方面，生活型解构的法律性不足问题，也会导致解构时基本规则的欠缺。总之，各地方法院的实践尚未形成有效的知识积累方法，由于作为司法人工智能生成前提的法律知识图谱缺失，所以，当前司法人工智能应用还较为混乱、低效。

上篇：

下篇：