智能司法的發展與法學教育的未來

周江洪

摘 要：卓越法治人才的培養，要充分關注法學教育與現代信息技術的深度融合。智能司法的發展，仍然離不開卓越法治人才的供給，傳統的法學教育模式仍然有其重要的作用，但應當結合時代的發展加以革新。在智能司法快速發展的背景下，卓越法治人才培養需要格外重視法律思維訓練的強化、類案技術的習得、人工智能理論與技術知識的獲取、職業倫理和技術倫理的養成。同時，智能司法的發展，也有助于法學教育教學方法的更新。

關鍵詞：卓越法治人才;人工智能;法學教育

在教育部、中央政法委《關于堅持德法兼修實施卓越法治人才教育培養計劃2.0的意見》的重點舉措中，專門列舉了第6項重點任務，即：“拓渠道，發展‘互聯網+法學教育”，對于新技術的發展給予充分的關注，對于推動法學教育與現代信息技術的深度融合具有非常重要的戰略意義。但從其內容來看，主要目的是“建立覆蓋線上線下、課前課中課后、教學輔學的多維度智慧學習環境”以及“信息化資源建設”，其關注的更多的是在法學教育中如何利用最新技術的問題，屬于教學方法和教學資源建設方面的內容。

但是，技術的發展本身，不僅僅會對我們的教學方法等提出挑戰，同樣會對我們的教學內容提出挑戰。原因在于，處于法治人才培養出口的法治實踐，正在發生著翻天覆地的變化。習近平總書記也明確指出：“要加強人工智能同社會治理的結合，運用人工智能提高公共服務和社會治理水平”。國內不少法學院校也未雨綢繆，正在積極探索人工智能與法學的深度融合。如未來法學、數據法學、計算法學、人工智能法學等等法學交叉學科的探索。但目前的探索，多圍繞人工智能及相關技術對法律、法治的推動，或者是法律、法治對人工智能及相關技術應用的規范問題，以及人工智能發展帶來的新型法律問題的解決方案等法學命題的研究。另外，也有一些法學院校介入了人工智能理論與技術在法律領域的應用，試圖拓展人工智能領域的立法、司法、執法及法律服務等法律領域的智能運用。但是，總體而言，上述命題只是運用法律的手段來研究人工智能現象，或者是運用人工智能理論與技術來研究法律問題，仍然只是研究手段、研究方法和研究對象的問題，對于人工智能的發展、特別是智能司法給法學教育帶來的挑戰，并未得到足夠的關注思考。個人認為，人工智能技術的發展，不僅僅是研究方法、研究對象的問題，會對我們的法科教育產生較大的影響。朱新力教授更是指出，最終的國家法治全景是：形成線上線下、有線無線、內網外網協同一致、方便實用、互聯互通的平臺+智能法治;層出不窮的法律新問題，已無法通過修正或完善工業時代的法學理論應對，它需要法學思維的全面創

新[1]。

新科技對于司法實踐的改造催生了法學思維的創新，這同樣會帶來法學教育的反思。這已經不再是“未來之問”的問題，而是已經到來的必須思考的問題。當然，卓越法治人才培養的目標是“培養造就一大批憲法法律的信仰者、公平正義的捍衛者、法治建設的實踐者、法治進程的推動者、法治文明的傳承者”，而不僅僅是未來的律師、檢察官、法官等司法工作人員。但無論如何，截至目前的法治人才培養，都離不開以裁判為中心的技能訓練和倫理養成，智能司法的快速發展，將深刻地影響未來的國家法治全景。因此，本文結合智能司法的發展簡況做一點粗淺的思考。

一、智能司法的發展簡況

智能司法的發展，特別是智能審判輔助系統的開發，對于法學教育的沖擊最為直接。

關于人工智能在法律領域的應用，世界范圍內來看，目前主要集中在裁判的預測、合同文書的審查、案例的檢索、法庭量刑等。例如，美國一些州使用“風險評估工具”（COMPAS）來預測一定時期內重新犯罪的可能性，進而影響刑期的確定。國內智慧法院建設中，人工智能的應用主要體現在以下幾個方面：一是信息的數據化和電子化，特別是庭審語音識別系統的廣泛應用。二是智能輔助審判系統的初級開發，實現了裁判文書中固定格式內容的一鍵生成。三是實體裁判的參考系統。如北京法院的“睿法官”系統，在法官辦案過程中自動推送案情分析、判決參考等信息，為法官提供辦案指引。另外，還有部分系統模擬裁判，以便實現對法官裁判的自動預警[2]。另外，上海高院的“206系統”，針對刑事案件的一些罪名構筑智能審判輔助辦案系統，已實現證據出示的系統自動抓取。該系統力圖運用圖文識別、自然語言理解、智能語音識別、司法實體識別、實體關系分析、司法要素自動提取等人工智能技術，為辦案人員收集固定證據提供指引，并對證據進行校驗、把關、提示、監督[3]。

總體上來看，人工智能在司法裁判領域的運用雖然取得了重大的進展，但還沒有應用能夠實現全流程裁判文書的自動生成。然而，即使目前的人工智能法律系統，仍然只是“簡單案件—法律推理系統”，而不是“復雜案件—法律推理系統”，只能適用于簡單速裁案件[4]，但最近的一些進展也令人矚目，在可預期的將來，人工智能審判將顯著提升司法案件處理的效率。例如，2018年下半年，浙江省高級人民法院、阿里巴巴集團以及浙江大學組成的智能審判研發專班，已取得了初步的研發成果。前期研發過程中，利用基于異構圖的隨機游走推理和基于多任務學習的文本生成技術，在網絡購物智能化審判中，已經實現了在實驗室環境中的全流程審判。自動生成的判決書格式規范、體例完整、說理充分、文字流暢，比起自然人法官撰寫的判決書，毫不遜色。另外，最近科技部和“兩高一部”都設置了大量的智能司法相關的重點研發項目（司法專題），不少高校和科技產業界參與其中，也會進一步推動人工智能在司法領域的運用。

二、職業法律人在智能司法發展過程中的角色定位

從我們的判斷來看，隨著人工智能審判輔助技術的進步，智能技術對于司法的影響將越來越大，這也同樣會傳導到我們法科人才培養的環節。比如說，語音識別系統的廣泛應用，裁判文書固定格式內容的自動生成，庭審筆錄自動壓縮技術的出現等，都會對我們的司法文書寫作教學的必要性、教學內容和教學方法等構成沖擊。那么，在智能技術迅速發展的今天，我們應該教給學生什么？我們又能教給學生

什么？

要理解法科人才培養如何適應智能司法的發展，首先要理解我們的法科生或職業法律人在智能司法的發展中可以做什么和應該做什么。這個可以從人工智能審判輔助系統的研發和應用角度來做一些思考。

首先是在智能審判輔助系統的研發過程中，職業法律人能做什么？從目前的開發經驗來看，“無監督學習”的機器學習方法在法律領域的效果并不理想，必須依賴人工方式事先構建的知識圖譜，主流算法仍然是以“知識圖譜+深度學習”為主[2]。也就是說，無人工，則無智能，必須依賴大量的人工投入。在這個過程中，職業法律人的角色主要是標注要素、繪制法律知識圖譜、大數據案例的篩選和數據的過濾清洗、法律知識圖譜表示學習和邏輯推理算法構建中的法律專業把關等。不僅如此，法律人也要積極參與系統的研發過程，不僅僅可以把法律思維轉換為機器思維，更為重要的是，對于我們批評的算法黑箱問題，也可以在某種程度上部分得以緩解。而且，要開發出更加“聰明”的智能審判輔助系統，必須要解決“證據推理模擬”和“法律解釋模擬”兩個重大難題[4]，否則智能審判輔助也只能停留在簡單案件的審判輔助方面。這個過程只能依賴職業法律人和計算機技術人才的相互協作。

其次是系統應用中，職業法律人又能做什么？實際上，機器的使用，仍然離不開人的行為，而且，智能機器仍然無法取代作為法律化身的法官，“人—機”系統解決方案仍然是人工智能法律系統的主導開發策略之一[4]。一方面，對于系統判斷為機器無能為力的疑難案件或者是新類型案件，仍然需要我們運用傳統的人工來進行審判。 另一方面，機器系統的運行，也需要不斷更新知識圖譜和邏輯圖譜，否則無法應對新的法律的變化或新類型事實的出現。同樣地，系統的運行，也需要評估，包括試運行的評估、運行后的評估等，如果存在偏差，則需要糾偏等。這些都需要具備專業法律思維的職業法律人的介入。

三、智能司法的發展對法科人才培養的

啟示

結合上述智能司法技術的發展簡況以及職業法律人的角色定位，對于旨在培養法治人才的法學院校而言，除了要培養學生關注人工智能理論及其應用帶來的法學命題的革新，更新信息時代的法學思維[1]，思考人工智能的發展給法學及法律賴以存在的社會關系、社會基礎帶來的巨大變化、積極引導學生研究和解決人工智能應用帶來的法律問題以及培養學生思考如何規范人工智能的發展，積極探索構建獨立的人工智能法學學科以外，筆者認為至少還可以從以下五個方面進一步思考我們的法科人才培養。

第一，要堅持法科人才培養中的法律思維的養成訓練，甚至要強化。特別是法律推理方法與智能審判中的機器推理技術之間的近親性，決定了法律推理方法的訓練等法學方法論方面的訓練日益重要。同時，各個部門法領域中相關規范的構成要件、證明責任和證據認定和推理規則的訓練，會顯得更為重要。證據推理和法律解釋能在多大程度上實現符號化、數字化，就決定了智能審判輔助系統能走多遠。以智能審判輔助系統開發中的知識圖譜繪制為例，就是針對各個法律效果的主要構成要件及其證據構成、證明責任規則，從法律規范和案例數據庫中繪制出大量知識圖譜，將法律規則分解成一個個邏輯模型，進而為這些模型提供可供學習的優質數據，以及為模型的改進和最終算法的確立提供前提基礎。從這層意義上來說，各大法學院校這幾年來越來越重視的實體法與程序法相結合，越來越重視要件事實論訓練和請求權基礎訓練的教學內容和教學方法，在人工智能背景下仍然具有基礎性的意義，而且顯得更為迫切。這些知識、思維和技能的習得，不僅對于智能審判輔助系統的開發具有重要意義，對于智能審判輔助系統運行的監控、評價和系統反饋，都具有重要的意義。

第二，類案技術的習得將日益變得重要。在知識圖譜繪制和機器學習的過程中，類案技術顯得十分重要，如何讓機器來判斷是否為類案，首先還得讓機器自身先學會類案判斷技術。但從我們現有的法科人才培養訓練來看，我們各個學校雖然設置了大量的案例研討課程，但對于源于英美法系的案例識別技術等，并沒有很好的訓練。如果我們的職業法律人都無法很好地理解類案技術，不僅無法為機器提供初始的類案識別算法模型，對于機器通過自主學習或半自主學習案例大數據而獲得的類案識別技術，也無法進行有效的監控和糾偏。而事實上，目前我們法院實踐中試圖通過類案類判系統來達成類案類判的效果并不是十分理想，如何將人工智能領域先進的算法與法律行業的特性有效結合方面，仍然不夠[5]。關于這一點，英美法系已形成了較為成熟的體系，我們完全可以在以成文法的法律推理訓練為中心的基礎上，以案例指導制度為中心，加強這一法律思維的訓練。

第三，必要的人工智能理論與技術知識的習得和如何保持對于新知識的學習動力訓練，也具有相當的必要性。浙江大學本科階段的人才培養，非常重視通識教育。在本科階段，也專門要求修讀計算機科學與技術這門課程。但是，人工智能的發展日新月異，如何保證學生對新知識的獲取動力和自學能力，具有相當的重要性。比如，在人工智能審判輔助系統的開發中，會出現大量的專業術語，如果不對這些專業術語有所了解，根本無法與參與共同開發的算法專家共同交流，無法開發出雙方都認可的輔助審判系統。這些知識，不是泛泛的神經網絡、深度學習、大數據、有監督學習、無監督學習、多模態數據提取等時髦話語，還涉及基于異構圖的隨機游走推理、信息自動化結構提取、遷移學習、半自動知識圖譜構建等各種人工智能的基本技術，對此也要有相當的了解。要不，既無法解決系統開發中試圖緩解的算法黑箱問題，對于算法的運用、維護和更新，也會面臨不少問題。有人或許會說，只要掌握我們的法律專業知識即可，其實未必。以駕照考取的科目一考試為例，其考核內容除了交通法規以外，也包括機動車的總體構造、主要裝置的作用，車輛日常檢查、保養、使用，常見故障的判斷和排除方法等機動車構造保養知識。同樣地，智能審判輔助系統的開發、運用，也同樣需要掌握基本的技術知識。這也是我們法治人才培養中，應用型復合型人才培養的基本要求。當然，在此基礎上，如果能夠與人工智能學科合作交叉培養，探索“人工智能+法學”學科建設，培養專門的法律人工智能人才，那習得的技術知識則需要更加深入。