人工智能于法官績效考核之應用

梁慶 韓立收 劉信言 鄭儒傳

摘 要：人工智能可用于評估司法裁判，取代以結案率為主的法官績效考核方式，這一過程實質是運用人工智能完成法律論證。法律論證無疑需要經驗，但是法律推理本身并不需要經驗，并且人工智能通過觀察學習案例和不斷演練裁判可以建立與人類相似的司法經驗。運用人工智能績效考核的行政屬性決定其并未突破法官獨立審判的制度框架。與此同時，人工智能通過建構算法模型，預先已經將歸屬法官自由裁量的部分排除在外，與自由裁量權亦不沖突。總之，人工智能不僅能夠克服既有法官績效考核的缺陷、給予法官自由心證必要約束和輔助、間接規范我國訴訟使之同案同判，還有助于提升司法裁判公信力。

關鍵詞：人工智能;裁判評估;法官績效考核;規范訴訟;大數據

基金項目：國家社會科學基金項目（19ZDA347）。

[中圖分類號] DF7，DF8 [文章編號] 1673-0186（2021）011-0078-013

[文獻標識碼] A? ? ? [DOI編碼] 10.19631/j.cnki.css.2021.011.007

近年來，雖然學界與實務界對于人工智能的法律應用這一法學前沿問題已經討論甚多①，且關注側重點各有不同（學界主要關注人工智能的主體資格與法律責任以及人工智能創作物的著作權歸屬問題，實務界則更關心如何利用人工智能輔助律師高效工作、能否快速準確地預測案件結果），不過，其仍有一項重大用途被完全忽略，即人工智能可以用來評估我國訴訟裁判之全過程。

一、問題之提出

一國司法水平的高低，由成千上萬個案件的訴訟質量之合力決定。訴訟行為本質是人的行為，最終決定每場官司成敗的是法官裁判決策之優劣。而使法官群體努力作出公平正義的審判離不開獎懲分明，獎懲分明又取決于法官裁判的績效考核評估方法之得當。不過，當下法官績效考核方法固有的缺陷（偏重結案率）導致其經常“好心辦壞事”。而不當的激勵措施又反過來使法官作出傾向于更能提高個人績效的審判決策（而不是更公正的判決），形成惡性循環，使公平正義之原初目的最終適得其反。

慶幸的是，在漸行漸近的人工智能時代，或將有望改良現行的法官考核方法。如同前三次工業革命一樣，新技術并未對法學理論本身形成太多實質挑戰[1]142，而是悄悄改變司法的過程（如測謊儀的使用）①。只不過，人工智能技術所產生的變革更加猛烈。一方面，各國研發人工智能的初心是要全面模擬人的智能以替代人類勞動，如無人駕駛汽車;另一方面，在一些特殊領域，如人工智能法律系統能否代替法官，不僅是技術問題，更是政治問題[2]37。然而，本文并不打算對此爭議展開討論，而是旨在探究運用同一技術（人工智能司法論證系統）對司法裁判進行評估的可行性，用其取代目前偏重法官結案率的績效考核制度，通過人工智能技術客觀地評估裁判，間接規范法官行使裁判權，進而整體規范我國訴訟裁判活動。

應用人工智能考核法官裁判至少有三個層次的問題待解決：首先，“人工智能”可能是計算機技術中被當今社會濫用程度最高的術語之一，有必要對于人工智能的概念在法律層面上的內涵予以清晰的界定，在此之后才能進一步討論用其對法官展開績效考核是否具有現實基礎;其次，相較于人類，應用人工智能進行績效考核優勢何在，需要闡明;再者，還必須知曉使用人工智能技術評估司法裁判的缺陷所在，并加以解決。

二、人工智能應用于法官考核的現實基礎

雖然“人工智能”的定義本身已經形成共識，但是其在法律層面的定義直到現在仍不清晰。學術討論必須借助精準的概念作為先決條件，否則爭論下去只會無的放矢、徒費口舌。因此，完全有必要將人工智能之概念于法律層面所表示的內涵予以闡釋、界定在先。

（一）法律層面的人工智能定義

人工智能被定義為“計算機科學的一個領域，它涉及給予機器看起來像人類智能的能力，并具有模仿人類智能行為的能力”[3]。20世紀80年代初，美國學者約翰·R.塞爾（John R. Searle）所提出的“強人工智能”與“弱人工智能”的概念在世界范圍內具有較大影響[4]。在此之后，新西蘭學者又進一步提出了強人工智能、認知模擬（相當于弱人工智能）、應用人工智能的分類[5]，這也是眼下人工智能研究的主流看法。另外，近年來牛津大學人類未來研究院的學者設想的超級智能也影響甚廣[6]。對于人工智能在法律層面的定義，布魯斯·G.布坎南（Bruce G. Buchanan）和托馬斯·E.海德里克（Thomas E. Headrick）在1970年發表的一篇文章是人工智能在法律領域最早的討論之一，他們寫道，人工智能必須反映一個人的推理過程。具體來說，人工智能必須模仿律師的分析推理才能達成法律解決方案，法學院課程中的法律研究和寫作技巧需要納入計算機程序[7]。1990年，埃德溫娜·里斯蘭（Edwina L. Rissland）在《耶魯法律評論》發表了另外一篇關于人工智能的開創性論文，她指出人工智能在法律層面的目標是：首先能夠理解規則、案例和論據等基礎知識，然后利用論據和先例進行推理，最終完成法律解釋與論證[8]。人工智能的一系列概念在法律層面上的對應情形，可以歸納如下：

第一，應用人工智能：如指紋識別、無人駕駛等，主要是指擁有簡單的邏輯和計算能力，能夠商用化的智能系統。這在法律領域已經基本實現，包括趙廷光教授的《實用刑法專家系統》，武俠律師的“法律機器人”，倫敦大學開發的“人工智能法官”系統[2]，以及全國各地陸續推出的“智慧法院系統”①。

第二，弱人工智能：如阿爾法狗，指可以模仿人類的神經系統進行復雜推理和深度學習，具有非邏輯思維的能力，但思維過程仍然受到人類為其設置的框架結構制約，且無法感知周圍環境。在法律層面意味著，人工智能可以像法官或律師一樣完成法律推理及解釋，也就是說，其完成法律論證仍然是按照人類法律專家的思維進行的。迄今為止，掣肘這一技術成為現實的關鍵一步是機器對于人類語言的理解。

第三，強人工智能：是指各方面都能和人類比肩，思維過程不受人類為其設置的框架制約，能夠感知周圍環境，可以產生和人類不一樣的觀點、結論。可見，如果使用強人工智能作為法官，人工智能很可能運用不同于人類的“自己的方法”來解釋、適用法律。這樣必然也會造成一定程度的不可控。

第四，超級智能：不僅能感知周圍環境，獨立于人類思考，且在幾乎所有領域遠遠超過人類，從而會給人類世界的存在造成威脅。這一完全失控的局面在法律層面就意味著，機器將以機器自身創造的法律理論來審判人類。

（二）實現司法論證的技術過程

以人工智能代替法官裁判，與用人工智能評估法官裁判，事實上是同一技術過程，即應用弱人工智能進行司法論證的技術。本文認為，弱人工智能可以完成司法論證，且這一技術極具現實性基礎。

1.人工智能進行司法論證的步驟

既然全部法學研究皆是圍繞法律論證（立法論證和司法論證）進行，那么法律實踐中人工智能應用之目的當然也是圍繞司法論證而展開。對于簡單案件，涉及規范單一、事實清楚，上文中提到的應用人工智能可以完成論證。這些人工智能法律系統的特點是，沒有對證成階段的證據推理和法律適用階段的法律解釋進行模擬，而是直接把案件事實當作法律推理小前提，用三段論演繹推理方法得出裁判結論。而對于復雜疑難案件，由于作為三段論內部推理前提的小前提法律事實和大前提規則，本身含糊不清，需要先進行外部論證。瑞典法學家瓦爾格倫（Peter Wahlgren）從人工智能角度對復雜疑難案件的法律推理過程進行微觀研究，將其描述為7 個階段，包括：證據推理、法律檢索、解釋、規則適用、評價、學習、簡述[2]27。當下，這一過程瓶頸在于復雜的證據推理和法律解釋。另外，美國在部分法律領域使用的人工智能系統，包括合同分析法律科技公司和專利糾紛案件判決結果預測系統（Lex Machina）[7]，并非是人工智能司法論證技術研發成功，而是基于大數據的簡單分析預測。

2.實現證據推理與法律解釋指日可待

有學者認為，人工智能無法實現對證據的取舍和證明力大小的判斷。理由是“人工智能是線性的，不具有思維的跳躍性和創造性。因此，人工智能只能對海量證據進行初步篩查、提取和判斷，卻無法做到證據的深加工和有機組合;更不用說達到法官依據審判經驗對證據證明力的有無和大小的判斷和取舍”[8]113。同意這一觀點的學者，進一步提出人工智能用于證據判斷應遵循輔助性原則[9]62-63。不過，這兩位學者混淆了證據推理與司法論證所用方法的邊界。司法論證無疑需要經驗，法律推理（包括證據推理）本身并不需要經驗。既然是推理，就可以通過“If…then…”的規則處理[10]。這種“思維方式”的過程可以通過嚴格的規則體系來實現[11]。至于應用人工智能進行法律解釋能否研發成功，質疑主要集中在人工智能沒有七情六欲和價值觀，而法官解釋法律需要考慮人情和良知[2]34。不過，現代法治觀念中，對于人治和法治的區分，本就將法官設想成機器（概念法學的經典命題：法官自動售貨機論）[12]。在美國，只有最高法院的案件審理才會以政策（價值觀）為主[7]。所以，這一問題實則為偽命題。實際上，運用人工智能證據推理和法律解釋，真正困難的是如何把法律推理中已經存在的若干種知識（前提）精確地表述為機器語言。“語言問題”是人和機器相互適應的一個過程，需要實踐的緩慢積累。不過，可喜的是，在如何教機器學會理解人類語言文本這方面，近年來在科研上取得了突破性的進展①。

3.不僅包括邏輯，同樣蘊含“經驗”

“法律的生命不在于邏輯，而在于經驗”，霍姆斯大法官這句名言可以說是很多人拿來質問人工智能推崇者的最有力武器。不過，他們這樣認為的前提是人工智能只有邏輯、沒有“經驗”[8]114。但正是這一前提存在問題。弱人工智能與應用人工智能的區別就在于，它不是一個封閉的系統，而是通過深度學習，攝取“經驗”來不斷完善自身。以名噪一時的柯潔與阿爾法狗人機大戰來看，人工智能通過學習數以萬計人類專業選手的現存棋譜以及自我對弈提升棋藝[13]。國外學者也指出，人工智能并非一定依賴于使用形式邏輯作為推理工具，其可以通過案例訓練從而產生“經驗”[11]。易言之，在法律層面，人工智能通過觀察學習案例和不斷演練裁判不僅可以建立與人類相似的“司法經驗”，而且積累的速度和數量級是人類不可與之匹敵的。

（三）道德與政治的雙重合法性

人工智能司法建立在龐大的司法數據之上，可以為絕大多數案件提供作為參考的先例、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， 人工智能司法就符合社會演進規律和法律信念[14]34-35。這種觀點從大數據是道德與倫理觀念之反映出發，指出人工智能司法的道德合法性。不僅如此，由于大數據所能搜集的法律信息更為廣泛，相較于人類來說，對于某一案件的評估更為公允。例如部門法之間有可能發生沖突，不同的指導案例之間也完全可能發生矛盾。利用人工智能對于大規模數據的分析對比，則很容易發現其中的不同之處，從而作出客觀中立的評估。而這種對于法官裁判不偏不倚的評估考核，本身又構成了一種社會公意的執行。

有觀點指出，司法人工智能興盛的起因是市場與官方的雙重驅動。一方面，我國司法資源嚴重不足，司法人工智能的需求被激發出來，非官方的公司與律所出于市場利益投入研發。另一方面，最高層意識到人工智能的戰略意義之后，在政法體制下，中央的布置與頂級司法系統的接受，以及地方的迎合，形成共識。國家政治系統的發動迅速轉變為司法系統的核心任務[15]。筆者同意這種觀點，并且認為，人工智能究其本質是一種世界性的、革命性的技術，法學界既不能視若無睹，也不必談虎色變，而是應該提前布局、搶占先機，在當前我國自上而下推行試驗人工智能之際，乘天時地利人和之便，緊抓機遇、進步司法。

三、人工智能應用于法官考核之優勢所在

法官績效考核本質是，通過復核案件相關事實的認定以及法律適用情況來評價審判質量。人工考核劣勢在于，考核者本身對于每起案件的事實認定與法律適用難以維系標準的統一，存在過多主觀性，而評估案件的客觀性恰恰也是人工智能的優勢所在。

（一）克服既有法官考核與審級制度之缺陷

1.摒除既有法官考核制度之弊病

“當法官們為著完成那些諸如結案率、上訴率、發改率、撤訴率等各種指標而作出裁判的時候，他們就不可能只服從法律和良心，他便有可能為這些指標而遷就某些力量和因素。”[16]13-14以結案率考核法官之弊病是一個飽受詬病的老問題，并不新鮮。現實當中，各地法院還常常結合上訪率輔助考核（純粹認為只要結案率高、上訪率低等于法官裁判質量高）。不過，筆者仍然想從因果性和相關性兩方面提出邏輯上的批判。其一，當事人是否采取上訪和案件裁判結果公正沒有因果關系，即使案件審判錯誤、存在不公，當事人未必上訪;案件裁判正確公正，當事人也可能上訪。其二，退一步說，哪怕上訪率與錯案率有微不足道的間接關系，這種考核方式仍然受到截訪這一普遍現象的干擾，上訪率低可能完全是攔訪截訪的結果，相關性大打折扣。近些年以上海、重慶、武漢、南京為首的國內一些中級人民法院，也開始探索實踐考核方式多元化。其中，重慶一中院和武漢中院走的是兩條不同的路，前者研發了復雜維度案件質效分析系統，在考核方法上以定性考核為主、定量考核為輔;后者設計了龐雜的量化考核體系，由一級指標、二級指標總共數十個指標組成[17]124。不過，單純量化考核的方式應用在評價司法行為上是弊大于利的。這種考核方式至少用在考核司法行為和學術造詣上，是弊大于利的。但是在方法上，利用人工智能模擬司法論證來考核法官相對來說客觀公平。這是因為，以司法論證來評估司法論證，無疑是最佳方式。

2.解決既有法院審級制度之悖論

審級制度設計的初衷，無疑是在一審錯判時能實現及時發現并糾錯之功能。對于這一點，國內外的教科書都鮮有質疑。然而，只要我們承認兩個常識，便會發現這一制度的效果幾何，并非完全不可懷疑。一是，存在第一審裁判正確，第二審改判錯誤的情況。審級制度的悖論在于：多年來我國二審案件90%以上維持原判[18]，對于不到10%的改判案件，“錯改對”是否多于“對改錯”，在實證上很難研究。于是，審級制度糾錯之功能，多半是人們出于希望公平正義多一份保障的臆想。二審真正的意義在于阻隔當事人不滿判決或敗訴以后極端情緒的瞬間爆發，使之通過二次審理的心理適應期慢慢接受不滿訴訟之現實。或有人質疑，我國二審采取續審主義觀點，允許二審提交新證據材料。但是，更多信息，同時意味著更多虛假信息，法官就面臨更多的判斷。二是，雖然中院案件少，但是二審審限更短，二審法官并不因此擁有比一審更充分的時間來審判。三是，通常認為審級制度能起到監督的作用，易言之，由于當事人申請二審有可能推翻一審，故原審才會謹慎為之。然而，恰恰由于二審90%以上維持原判這一大數據的公開，反過來給一審法官吃了定心丸，令其相信一審被推翻只是小概率事件。

3.以裁判之道評估裁判

用人工智能評估法官裁判的本質是：以人工智能作出的司法論證評估法官的司法論證，或者說以人工智能裁判評估人類裁判，是一種直接評估方法。如此，它便比以結案率為主的間接評估方法可靠。這種可靠源自司法行為與行政行為性質上的區別。對于行政績效的考核，通過量化其履行程度來評估是可靠的，因行政行為的性質本就是按時按量執行政治任務。但司法行為的性質是判斷，若是用量化的方法考核裁判績效，相當于不論判斷對錯，只要做出判斷的數量多，績效便越高，這顯然荒誕無稽。審級制度實際上是兩個級別法官之間的判斷效力問題，與對錯無關，唯一確定的是高級別法官之判斷最終生效。但上文已述，生效的未必是正確的。多數情況下，這兩個級別的法官，業務能力、時間充裕度皆相差無幾，其做出的又都是主觀判斷，恐難說究竟誰對誰錯。而人工智能做出的司法論證具有客觀性，二審法官以人工智能對一審法官判斷之分析判斷作為參照，具備主客觀結合之優勢。

（二）規范訴訟，同案同判

1.對于訴訟程序的監督規范

依托于大數據和快速分析的優勢，人工智能在評估訴訟程序的得失方面大有用武之地。以立案階段為例，目前有許多復雜的情況造成重復起訴問題。比如，原告公司P起訴其員工D借錢不還，唯一的證據是一張收條。因收條不能證明債務關系，法院判決P敗訴。之后P又以不當得利起訴，同一法院判決P勝訴。同一法院，同一事實，前后裁判結果竟然完全相反，這顯然是不合理的！不過，倒也不能全怪立案庭的法官，這里面有立法上關于“訴訟標的”界定模糊的問題，有舉證責任的問題，也有既判力的問題，可以說十分龐雜。況且，處理前后案的可能不是同一法官。再者，即便是同一法官受理，人腦畢竟不是電腦，在案多人少的大環境下，面對各種復雜的案情，實屬強人所難。可人工智能卻很容易瞬間識別出哪些案件涉及重復起訴。這還只是立案階段，在評估一審、二審的常規性程序、訴訟標的識別、證據規則、既判力的時間界限以及程序法與實體法的交叉領域，人工智能評估系統同樣大有可為。從而可實現整體上評估我國案件程序對錯與否，保證法律統一適用、同案同判。

2.對于法律適用的監督規范

人工智能評估系統除了可以發現案件程序錯誤以外，還能夠有效評估法律適用，法律適用錯誤在刑事訴訟和民事訴訟中都極為常見。在刑法實務中，有為數不少的正當防衛案件原本符合無罪成立要件，實務中卻被認定為犯罪。檢索案例庫，類似“昆山反殺案”“淶源反殺案”等案件，在以往被定性為正當防衛的寥寥無幾。主要原因有兩方面：一方面正當防衛的適用條件拿捏不好;另一方面是怕施害一方上訪，為平衡雙方利益，不惜違背正當防衛立法之精神，將正當防衛一方入罪，同時從輕處理。結果常常是行政干預的做法占據主導地位。通過鐵面無私、沒有“人情”的人工智能來對案件進行評估，就不難發現“和稀泥”的問題。司法實踐中，有時極為簡單的法律關系判斷也可能出錯。例如有法官將單位丟失員工檔案的糾紛（侵權法律關系）誤判為勞動爭議關系，認為丟失檔案行為不由侵權實體法規范。總之，用人工智能評估法官裁判，可以協助法院發現案件中的法律適用錯誤。

3.對于參照指導案例的監督規范

首先，對待指導案例的態度，本文認為應該盡力遵循，哪怕指導案例是錯的。如果指導案例本身存在錯誤，因其對所有人公開，故法學家、律師、甚至法官群體自身早晚能夠發現錯誤之處，然后各自可憑借公開質疑（如學術期刊的發表、社會新聞輿論），促使指導案例編選者通過“頂層設計”取舍抉擇。可如果置指導案例于不顧，勢必造成法律適用不統一、同案不同判之后果。實務中，法官常以手中案件與指導案例不完全一樣而拒絕參照。可是這個理由卻站不住腳，全世界沒有兩個完全一模一樣的案件。如果以兩個案件完全一樣為標準決定參照與否，那世界上就不會有判例法國家的存在，我國指導案例制度也就全然失去了意義。時至今日，人工智能類案推送功能早已在現實中使用，就是前文所說的應用人工智能。不過，這還不夠，弱人工智能可以進一步評估法官對于指導案例的參照與遵循情況。筆者以為，人工智能運用指導案例評估法官裁判的工作原理可以設計為：首先，通過對于大量案件的篩選，找出案件事實與該案事實基本相符（可供參照）的指導案例;然后，通過自身司法論證功能，推演該案結果是否與指導案例結果一致，如果一致，則證明該指導案例很大程度上值得參照。無論是最高院編選，還是外省高院編選，有參照價值的指導案例都應該遵循，二者的區別只在于位階效力上。

4.對于訴訟費用的監督規范

雖然訴訟費用有明確的計算標準，實務中的失誤仍然在所難免，這種失誤有時甚至達到非常離奇的程度。在一起75名員工與所在單位的股權轉讓糾紛中（代表人訴訟），由于立案庭錯將該案的法律關系理解為勞動爭議糾紛，爭議標的額為1 900多萬元的案件，最終只收取了80元訴訟費（本應收取約10萬元左右）①。當時未參加代表人訴訟登記的一名員工，之后于訴訟時效內起訴，爭議標的額僅為31.33萬，卻被法院要求收取訴訟費用6 000多元。對于同類案件（普通共同訴訟）的收費，后者爭議標的額只是前者的1.6%，但是訴訟費用反而多出75倍！這種失誤明顯超出了可容忍的范圍。應用人工智能核算訴訟費用，能夠避免因法官失誤而造成的法院或當事人損失。

（三）給予自由心證必要約束與輔助

同時適用于兩大法系的自由心證制度，其共性在于尊重法官的裁判權威，但是這種尊重不代表法官心證可以完全不受限制。否則，曾經舉國哀痛的呼格吉勒圖案件會反復發生（案件唯一“有力”的證據就是呼格指甲里的被害人血跡）。有學者將大陸法系自由心證制度的特點概括為“相對自由型”，將英美法系歸納為“嚴格約束型”。重要區別之一是，“嚴格約束型”，法官對于證據證明力的權衡受到嚴格限制;“相對自由型”，法官則很少受到限制[19]。日本現行《刑事訴訟法》中規定證據的證明力由法官自由判斷。我國雖立法上未對自由心證作出系統規定，但張衛平教授認為：民事訴訟中證據證明力的判斷交由法官自由心證沒有爭議，存在爭議的是關于證據方法（證據資格、證據適格）的判斷[20]。觀察刑訴實踐，基本與之相同。盡管從淵源、體例和方法上說，我國（社會主義法系或中華法系）更接近于大陸法系，但在自由心證制度的取向問題上，筆者更傾向于“嚴格約束型”。體現在人工智能評估裁判的應用上，可以在制度上作出設計：無論是權衡證據證明力還是判斷證據方法，一旦發生人類法官判決與人工智能完全抵觸的情況，應提交審委會討論決定。如果是人命關天的死刑案件，甚至應該暫緩中院或高院判決的效力，由最高人民法院審理（防止地方利益集團勾結），而非簡單的死刑復核。

人工智能還可以輔助法官自由心證。在證據認定方面，例如2020年的“騰訊訴老干媽案”，法官在案件裁判過程中未發現第三人冒用老干媽公章，以致作出了錯誤的財產保全裁定。在這類案件中，人工智能可以隨時聯網獲取大數據，通過比較與鑒別公章在公安部門的備案信息，及時發現“蘿卜章”問題，并在對法官的裁判評估中指出，幫助法官在自由心證方面彌補其能力之外的問題。

（四）復核難于計算的損失數額

法官不是會計師，卻又要經常面對會計方面的問題。在民事訴訟中，并非所有的財產關系涉案金額都如合同關系般相對容易計算。在侵權關系、勞動關系、商事關系中，涉及賠償數額的計算相當專業，如股權置換金、養老金的計算，對于當事人提出的損失數額及其計算依據，在不具備會計專業基礎的法官看來簡直是無從下手，法官根據其“樸素的代數知識”判決之數額，當事人也往往不會認同。而涉及復雜會計方法的裁判，多集中在固定的某幾種案件類型中。會計專家與法律專家完全可以開展合作，讓會計專家也加入人工智能司法論證系統的開發中。通過跨學科的研討，給人工智能系統建立一些常見的疑難損失額計算模型。為防止法官因缺乏會計知識而錯判，涉及復雜損失數額計算的案件，人工智能在評估法官裁判的同時，能夠評估法官判決金額的合理程度。比如設定20%以內為合理誤差，一旦出現人工智能評估損失數額與法官之判決超出20%，則相差巨大，應當提請其他法官或審委會作出復核處置。

（五）快速推進司法質量提升

現行法官績效考核制度存在諸多缺陷是毋庸贅述的，這些缺陷導致司法裁判質量某種程度的下降。雖然這一點早已形成共識，然而部分學者提議完全放棄考核轉而依靠自律，認為法官職業應當高薪養廉[16]18-20。不過，盡管考核方式不盡相同，但是幾乎所有主流國家皆保留了這一制度。不言而喻，針對法官斷案績效考核的最佳方法是，根據所審理案件本身裁判質量的好壞來評判。只不過在弱人工智能技術問世以前，存在三重現實障礙：第一，如果把一位法官的裁判拿來評估，就必須由一位評估人耗費差不多同樣的精力將該案重新司法論證一遍。試想，在本就案多人少的狀況下，誰來充當評估人？第二，假若另一位評估人評估的結果與法官大相徑庭，以孰為準？第三，每位評估人的精力也極其有限，只能評估數量有限的案件。那么，不同的評估人以不同的標準評估，所釀不公能服眾否？而若以人工智能評估法官裁判，能夠輔助法官更好地解決以上三個問題。首先，對比人類，人工智能進行司法論證的速度幾乎可以忽略不計，而且不會額外占用法官這一緊缺司法資源。其次，考慮到國內法官辦案條件所限（案件繁多，分配給每起案件的時間嚴重不足），難免忙里出錯，人工智能進行司法論證通常正確率更高。最后，不言而喻，由人工智能評估案件裁判結果，標準統一、公平客觀，大大提升了司法質量。

四、存在的法理難題及其解決方法

由于運用人工智能評估法官裁判（績效考核）幾乎未被現存文獻討論過，筆者也就只能預估其將會面臨的質疑。

（一）并未突破法官獨立審判的制度框架

與人工智能能否替代法官的質疑（機器可以審判人類嗎？）類似，人們同樣會提出疑問，機器可以評估人類嗎？然而，這兩者畢竟不同 —— 法官裁判是司法過程，而考評法官裁判是行政過程。司法裁判權實質是一種獨立判斷權，不受外界干涉（包括上級）。如果將這一權力完全交由人工智能，人類將無法干預機器裁判，許多學者出于對人類社會失控風險的擔憂是合理的。而評估裁判、考核法官是行政權，不具有獨立性，相反滿足服從性。所以應用人工智能評估裁判、考核法官，正當性源于兩點：一是評估程序由人類編寫，評估方式與方法仍然受到人類意圖支配。二是如果出現超出人類預期的評估結果，績效考核作為行政權，不具有獨立性，評估結果以及最終解釋權則掌握在人類手中，績效考核必須服從人類的復議和處置。

（二）使之不與法官自由裁量權沖突

另一方面的擔心是，利用人工智能評估法官裁判，是否會導致法官在審判時躡手躡腳。法官很可能受制于被人工智能評估打分的顧慮，在其自由裁量權范圍之內亦不敢作出頂格判決，而選擇走中庸路線。這一點有點類似于高考作文閱卷，如果打出滿分或者零分，則會被單獨提出接受閱卷組合議。與其招惹麻煩和非議，不如給個大眾分數安全。對于這種擔憂，中國人民大學陳景輝教授的研究可以作為回應：“人工智能對于司法裁判的介入，基本上是通過建構模型的方式，將自由裁量或價值判斷這個部分排除在外。”[1]41也就是說，大可不必擔心一旦人工智能用作評估裁判質量，法官心理會受到逆向影響而在涉及自由裁量權時集體作出溫和的判決（擔心頂格判決受到人工智能的格外注意）。因為，從一開始，就可以在設計模型的時候使得人工智能在評估裁判時完全摒棄對觸及法官自由裁量部分的評估。

（三）對于算法黑箱與算法偏見的把握

有觀點認為智能司法的邏輯判斷存在“黑箱化”，具有不可控因素[15]35-36。本文并不認同。的確，人類無法還原人工智能的思維過程，不過無須大驚小怪。人類法官的思維過程同樣也不可獲知，但是能夠知道表現于外的證明方法和分析過程。同理，我們只需清楚人工智能給出的證明過程，而不必在意其思維過程。如此看來，用人工智能評估司法裁判仍然在現行制度框架內進行，具有制度連續性與安全可行性。值得一提的是，算法黑箱在某種意義上反映了人類的心靈黑箱，應警惕其與人工智能的算法黑箱所發生的相互作用。警惕以公正的初衷所做的努力實際上卻帶來新的、更為隱秘的支配力量，最終變為了不公正的結果。

人工智能的算法與人類的理性邏輯存在很大的不同，對于任何有學習能力的系統來說，它所輸出的內容是由輸入的數據所決定的，這并不是一個新的觀點。比如，“罪犯再次犯罪概率預測系統”可能會得出評估結論——某省籍的人再次犯罪的概率大于其他省份的人。雖然整體上存在這種可能，但是對于個體而言卻是明顯的歧視。具體到法官績效考核的應用領域，應當將其適用的場景細化，同時注重機器訓練材料的選擇，避免經驗材料造成算法偏見。

（四）防止“數字控制”，維系“算法信任”

隨著智慧司法系統的應用、中國裁判文書網的大數據公開，確實在某種程度上提高了審判效率和透明度，但公開并不意味著公信力的提升。于當事人個人而言，如果對判決結果不滿意，并不會因為信息公開而信任裁判。于社會公眾而言，公開的裁判文書皆經過法官對于案件細節（包括案件事實、相關證據以及雙方觀點）的裁剪過濾，如若沒有完整的卷宗，不可能判斷法官裁判公正與否。朱景文教授指出，盡管一些官方數據表明司法機關所做出的成績，但是人民群眾如何評價這些成績，與人們的日常感受是否吻合，僅有這些數據是不夠的[21]。而人民的滿意度和司法公信力又是相得益彰、唇齒相依的。司法公信力使得當事人對裁判產生滿意度，滿意度又進一步提升了司法公信力。

司法公信力問題由來已久，人工智能可以破題。這源于現代生活中的“算法信任”觀念。一個可以類比的例子是支付寶的花唄功能。這些技術對人們的信用度進行智能評估，全部交由算法來決定與處理。盡管每個人不知道自己的信用額度是如何計算出的，也不知曉發生還款違約時罰息如何確定，但大多數人對于這種算法是信任的，尤其是年輕一代。同理，鑒于這種“算法信任”的觀念，人工智能評估法官裁判的結果如若公開，比如裁判合格或者裁判良好，會對當事人的心理帶來正面影響，將有助于提升司法裁判公信力，當事人甚至可能會因此放棄上訴。

遺憾的是，隨著人類對于算法越來越多的反思，近年來人們對于算法的信任度急轉直下。這期間，北京大學博士后陳龍關于“算法對于外賣騎手的勞動控制研究”一度引起了全社會的極大關注。他認為，由于外賣平臺公司對控制權重新分配，使平臺系統與消費者取代了平臺公司對騎手進行管理，平臺公司退居幕后，看似放棄了對勞動的直接管理，實則淡化了雇主責任，還把勞資沖突轉嫁到平臺系統與消費者身上[22]。與之類似，法官績效考核的人工智能系統使原本的人類考核部門退居幕后，看似放棄了考核管理權，實則同樣是淡化了相關部門的責任，把沖突轉移到人工智能考核系統與法官個人身上。因而，績效考核的算法源碼需要予以公開以及接受第三方專業機構的監督，才能夠維系民眾對于算法的普遍信任。

五、結論

本文主要探討了運用人工智能技術評估司法裁判，替代現有法官績效考核制度的可行性問題。我國司法現狀不盡如人意，固然有起步晚的歷史因素和人才少的現實困難，然而更多是績效考核制度之固有缺陷導致。這是因為，人工智能應用于司法論證已經具備現實基礎，這一技術真正困難的是如何把法律推理中已經存在的若干種知識前提精確地表述為機器語言。不過，在如何教機器學會理解人類語言文本這方面，近年在科研上取得了突破性的進展。人工智能通過觀察學習案例和不斷演練裁判，不僅可以建立與人類相似的“司法經驗”，而且積累的速度和數量級是人類不可與之匹敵的。運用人工智能對法官進行績效考核，能夠摒除既有法官考核制度之弊病與解決既有法院審級制度之悖論，并且可以從程序監督、法律適用等方面規范訴訟過程。人工智能還能在約束自由心證，以及復核當事人難于計算的財產損失等方面發揮重要作用。同時，大可不必擔心使用人工智能考核法官會影響其自由裁量權。因為，從一開始在設計考核模型時，就可以讓人工智能在評估裁判期間完全摒棄對觸及法官自由裁量部分的評估。也不必過于擔心“算法黑箱”引發的績效考核不可控問題，我們只需清楚人工智能給出的證明過程，而不必在意其思維過程。最后，法官績效考核的人工智能系統的算法源碼需要公開或者接受第三方專業機構的監督。

參考文獻

[1]? 陳景輝.人工智能的法律挑戰：應該從哪里開始？[J].比較法研究，2018（5）：136-148.

[2]? 張保生.人工智能法律系統：兩個難題和一個悖論[J].上海師范大學學報（哲學社會科學版），2018（6）：25-41.

[3]? JORDAN BIGDA. The Legal Profession： From Humans to Robots[J].18 J. High Tech. L，2018：396-409.

[4]? SEARLE J R. Minds， Brains and Programs[J]. The Behavioral and Brain Sciences， 1980， 3（3）： 417-424.

[5]? JACK? COPELAND. Strong AI， Applied AI and CS[EB/OL].[2018-12-2].http//www.alanturing.net/turing_

archive/pages/ReferenceArticles/what_is_AI/WhatisAI02.html

[6]? 尼克·波斯特洛姆. 超級智能：路線圖、危險性與應對策略[M].張體偉，張玉青，譯.北京：中信出版社，2015：143.

[7]? SERGIO， DAVID， BECERRA. The Rise of Artificial Intelligence in the Legal Field： Where We Are and Where We Are Going[J]. Journal of Business Entrepreneurship & The Law，2018（11）：27-52.

[8]? 潘庸魯.人工智能介入司法領域路徑分析[J].東方法學，2018（3）：109-118.

[9]? 縱博.人工智能在刑事證據判斷中的運用問題探析[J].法律科學（西北政法大學學報），2019（1）：61-69.

[10]? RISSLAND E L. Artificial Intelligence and Law：Stepping Stones to A Model of Legal Reasoning[J]. Yale L.J.，1990（99）：1957-1981.

[11]? BARNDEN J A， PETERSON D M. Artificial Intelligence， Mindreading，and Reasoning in Law[M]. Physica-Verlag H D， 2002.

[12]? SMITH J C . Machine Intelligence and Legal Reasoning[J]. Chi.-Kent L. Rev，1998（73）：277-347.

[13]? AI，無師自通，自學成才？[J].今日科技，2017（10）：16.

[14]? 李飛. 人工智能與司法的裁判及解釋[J]. 法律科學（西北政法大學學報），2018（5）：32-41.

[15]? 錢大軍.司法人工智能的中國進程：功能替代與結構強化[J].法學評論，2018（5）：138-152.

[16]? 李擁軍，傅愛竹.“規訓”的司法與“被縛”的法官——對法官績效考核制度困境與誤區的深層解讀[J].法律科學（西北政法大學學報），2014（6）：11-20.

[17]? 南京市中級人民法院課題組，胡道才.法官業績考核評價制度研究[J].中國應用法學，2018（1）：121-135.

[18]? 李浩. 民事訴訟法學[M].北京：法律出版社，2016：308.

[19]? 相慶梅.兩大法系民事訴訟自由心證的司法適用及其啟示[J].江西社會科學，2017（3）：188-195.

[20]? 張衛平.自由心證原則的再認識：制約與保障——以民事訴訟的事實認定為中心[J].政法論叢，2017（4）：14-21.

[21]? 朱景文.司法滿意度的社會評價——以 2015-2017年法治評估數據為基礎[J].中國應用法學，2018（3）：1-13.

[22]? 陳龍.“數字控制”下的勞動秩序——外賣騎手的勞動控制研究[J]. 社會學研究，2020（6）：113-135+244.

Application of Artificial Intelligence in JudgesPerformance Evaluation：Centered on the Viewpoint of Procedural Law

Liang Qing1? Han Lishou2? Liu Xinyan3? Zheng Ruchuan4

（1. School of Law， Nanjing University， Nanjing， Jiangsu 210093; 2.School of Law， Hainan University， Haikou， Hainan 570228; 3.School of Law， Renmin University of China， Beijing 100872; 4.Haikou Municipal People's Procuratorate， Haikou， Hainan 570125）

Abstract： Artificial intelligence can be used to evaluate judicial judgments， replacing judges' assessment methods based on the rate of case closure. The essence of this process is to use artificial intelligence to complete legal arguments. Legal argumentation undoubtedly requires experience， but legal reasoning itself does not require experience， and artificial intelligence can establish judicial experience similar to humans' by observing and studying cases aswellas constantly practicing judgments. The administrative nature of the use of artificial intelligence performance appraisal determines that it has not broken through the institutional framework of independent judges. At the same time， artificial intelligence has pre-excluded the part that belongs to the judge's discretion by constructing an algorithm model， and it does not conflict with the discretion of the judge. In short， artificial intelligence can not only overcome the shortcomings of existing judges' assessment， give judges the necessary constraints and assistance in free evaluation， and indirectly regulate Chinese litigation so that they can be judged in the same case， but also help to enhance the credibility of judicial judgments.

Key Words： artificial intelligence; judgment evaluation; judge assessment; standardized litigation; big data

（責任編輯：易曉艷）