最近，一则有关小编的采访在圈内引发了不同程度的讨论。许多朋友纷纷询问：真的有机器人判案吗？由于询问的人比较多，并引发了一些小误会，小编在此统一回应，和大家聊聊智慧法院、大数据与人工智能之间的关系，并在最后谈谈激烈争议的“机器人法官”。P.S.小编接受采访时只提到了司法大数据与人工智能，对相关法院的具体改革并不知情，特此一并澄清。

▌司法大数据已进入应用阶段

司法大数据在2016年前后已经迈出了从理念到应用的关键一步。这一点，在该年12月17日召开的“司法大数据应用与研究研讨会”上已有体现。

作为会议的主办方，小编邀请了在司法大数据方面取得杰出成果的代表，其中：

江苏高院与贵州高院领导分别介绍了各自司法大数据的整体方案与实践；

安徽高院的代表分享了司法大数据挖掘平台在同案同判研究中的应用、苏州中院的代表推出了他们刚刚上线的智慧审判系统；

此外，有代表分析了检察机关案件侦查过程中如何利用自然语义技术处理海量文本；

还有代表概括了美国司法大数据的最新应用；

当然，到会的并非司法大数据研究的全部主体。据不完全统计，现阶段从事该研究的至少还有北京、河北、山西、吉林、上海、浙江、江西、山东、河南、湖北、广东、重庆、四川、云南、陕西等省市的数十家高、中级法院。

可见，全国已经有不少法院正在尝试利用大数据破解审判难题、提升司法效率、实现司法公正。大数据已经成为推进智慧法院建设的重要抓手之一。

▌AI已进入司法大数据的应用

大家都知道，大数据的关键在于预测，而预测的前提是对海量数据的实时、动态与批量的挖掘。因此从现有的研究看，相当多的司法大数据研究平台已初步具备采用自然语义识别技术对千万量级法律文书自动挖掘的能力。如下图PPT所示，小编所在司法大数据研究基地的“法治实施效果评估系统”就是运用了这种技术。

不过数据挖掘只是大数据的基础应用，对于大数据而言，数据挖掘的意义在于预测。因此，不少大数据研究主体已经开始利用人工智能技术AI来建构行为的预测。

这里涉及到一些法律人比较陌生的名词，诸如最大熵、决策树、随机森林、机器学习、深度学习等。

用大白话来说，就是将法律要素拆解成AI可以识别的图谱。AI依照图谱去抓取海量裁判文书中的要素，从而自我学习形成决策模型，并根据模型做出一个大致的结果预测。小编参与研究的“同案不同判预警系统”正是使用了这一思路。

可以说，AI技术的引入实际上决定了本轮的司法大数据与上世纪末推行的计算机量刑有根本的区别。具体的内容较为专业，在此就不展开了。

一言以蔽之，司法大数据研发中，自然语义识别技术是基础，而人工智能技术则是关键。

▌大数据只能辅助法官决策而无法取代

尽管AI在司法大数据中的应用越发普遍，然而，仅凭这点就认为司法大数据是要搞机器人审判、是要用机器人取代法官则无疑是危言耸听、贻笑大方。

首先，司法大数据研发的终极目标在于为法官提供智能决策参考。所以，与司法大数据的关键词是“服务/辅助”而非“取代”。具体来看，就是(1)通过大数据技术的引入，辅助法官高效处理格式化的简单纠纷；(2)同时，为法官处理复杂纠纷提供足够的支持。比如现在许多研究主体都在着力推动的同案推荐系统的核心就在于培养AI识别与案件结果高度相关的要素，然后深度学习；在法官遇到新的案件的时候，系统能够自动推送最相似的案件供法官参考。同样，大数据还可以批量学习所有缓刑人员的执行情况，从而建构人身危险性的模型为法官是否判处缓刑提供决策。然而，所有的这些功能，其实都只是辅助，最终决策的仍然是法官而不是机器。

其次，司法大数据中的AI仍面临一定的技术瓶颈。人工智能领域有一种奇怪的论调，认为法律是简答的三段论逻辑，是AI可以轻易突破的领域。这种调调不仅是一种技术的傲慢，更是对法律问题的无知。了解司法实践的人都知道，法官判案至少包含认定证据、主持庭审（调解）、做出裁决。对于认定证据、主持庭审、达成调解等法官核心工作而言，现有AI技术尚不具备能力介入。用形象的比喻就是，法官办案就像破案，而现有AI技术显然还没有破案的实力。也许有人会说，阿尔法狗都战胜了围棋九段，难道人工智能还不能充分应对法律问题？对于阿尔法狗而言，它面对的是有边界的围棋盘（19×19），所有的决策都在边界内进行。法律问题的边界不清使得司法AI的开发必然面临比阿尔法狗更复杂的局面。因此，如果简单认为辅助决策就能取代法官，实际上是对法官辛苦工作的不尊重，更是不了解司法实践的“想当然”。

◆ ◆ ◆

快来评论区谈谈你对“大数据”的观点

往期精彩文章  点击图片可阅读

雷洋案不起诉是个啥？潜台词又是啥？