数字经济时代人工智能司法中的利益衡量

毛春泉 钱 烨

江苏新天伦（吴江）律师事务所，江苏 苏州 215200

《中国互联网发展报告2021》指出，2020 年我国数字经济的总体规模高达39.2 万亿元，占GDP 的比重达到38.6%；美国、英国、德国数字经济占GDP 的比重均已超过60%，数字经济在国民经济中的地位不断提升。在此背景下，人工智能作为数字经济的重要组成部分成为各国发展的重点。利益衡量作为法官常用的法律方法，其必然会被纳入司法人工智能的应用范围内。

一、国内人工智能司法中的应用概述

21 世纪，我国司法领域掀起了人工智能热。起初是为了应对法院“案多人少”的难题。随着浙江省在线法院的成功，国家开始推动“智慧法院”建设，于是全国各地法院开始运用人工智能技术。例如安徽高院的“类案指引项目”、最高法的“法信——中国法律应用数字网络服务平台”。［1］这些应用虽然提高了法院裁判效率，但依然处于“互联网+法律”的简单模式下。随着技术进步，司法人工智能开始向“人工智能+法律”模式转变，如北京高院的“睿法官”、上海刑事案件“206 系统”、重庆江北区的金融案件“类案智能专审平台”、江苏苏州中院的“智慧法院”模式等等。

由此可看出虽然各地司法人工智能项目名称不同、应用方向不同，但其功能均涵盖在类案推送、裁量预测模块中。［2］并且各地探索司法人工智能时均以一类案件作为研究方向，如上海“206系统”以及北京“睿法官”主要应用于刑事案件，重庆则以金融案件为突破口。此外这些司法人工智能的辅助方向主要在裁量结果上，其作用均是结论性的、直接性的，但司法人工智能应用于审判中的过程性行为（如个案中的利益衡量）研究较少。

二、利益衡量与法律适用时人工智能的角色定位

随着人工智能技术日趋成熟，与司法审判结合愈发紧密，势必会带来一个问题：人工智能在司法中的利益衡量与法律适用能否作为裁判依据？笔者认为在较长一段时间内，司法中涉及利益衡量与法律适用时，人工智能应当处于辅助地位——即建立“人主智辅”的庭审模式。

（一）人工智能难以模仿法官进行利益衡量

利益衡量是指法官在司法过程中所采用的一种法律方法，这种法律方法要求法官在查明案情后，需要综合把握案件实质，找出案件利益冲突，结合经济状况、生活经验、社会环境、价值观念、宗教信仰等，按照特定的且符合法律或法律之精神的价值标准，对利害关系比较衡量，最终做出利益抉择。［3］可以看到法官进行利益衡量时的核心是其内心存在一个价值判断标准，因此人工智能独立完成利益衡量的关键是模拟法官内心的价值位阶。

一方面，现阶段的司法人工智能主要通过法律大数据和算法对案件进行预测裁判，没有自我意识，无法突破算法模型框架进行自我进化，仍属于弱人工智能。弱人工智能虽然具有超强的运算能力，但因严重脱离社会生活且受制于算法，弱人工智能得到的利益衡量标准较为单一、僵化。

另一方面，司法人工智能应用模式与利益衡量方法的受案范围并不兼容。法官在适用利益衡量时需具备前提条件：第一，案件中须有两个及两个以上的利益发生冲突，且每种利益均是法律所保护的；第二，这些利益之间是非此即彼的关系，法官无法通过现有的法律作出合理判决，使这些利益都得到一定的满足；第三，一般情况下只有出现不确定概念、一般条款或法律漏洞时需要补充解释的，才会运用到利益衡量方法。可以看到，利益衡量方法多数应用于复杂疑难案件，对于一般的常规案件利益衡量方法运用空间较为狭隘，利益衡量方法更多关注的是案件的“个性”。反观司法人工智能，其在司法中的应用模式主要以大数据积累为前提，通过机器算法对海量的裁判文书进行分析学习，最后获取法官集体审判经验，因此司法人工智能更多关注的是案件的“共性”。由此可见，人工智能司法中的一般应用模式与利益衡量方法的受案范围有着明显的矛盾。

（二）人工智能算法式的衡量方法不符合法官职业属性

虽然法律包含了诸多的内涵，但由于语言和符号的限制，其很难将所有的情感和精神表现出来。抛开其他，记载在纸面上的法律一直处于不圆满的状态，而法官的利益衡量过程就是通过自身理性与智慧的结合，将法律的内涵释放出来，利益衡量中不仅包含了法官的形式推理，还有法官基于价值判断所得出的实质推理，是对案件情况具体问题具体分析，通过自由裁量所得到的其认为最具公平正义的判决。而现阶段的人工智能司法中的利益衡量仅仅是依托大数据和算法模型，结合简单的学习运算得出“2＞1”的结论，法官的利益衡量过程绝不是冷冰冰的符号运算所能代替的。在法官眼中法律是一种价值体系，但在人工智能眼中法律只是一种形式上的规则秩序，人工智能与社会生活的隔离致使其价值判断时仅仅是纯粹的法理推演而缺少情理判断。当人工智能取代法官独立进行利益衡量时，法律只剩下冰冷的逻辑推理，丧失了其内在的温暖、价值。

三、司法中利益衡量与法律适用时人工智能的辅助方向

审判过程中，法官采用利益衡量方法时必定会掺杂个人的价值判断，这种价值判断受到多方面的影响，尤其是法官的意识形态、种族、阅历、宗教信仰等，这些影响因素构成了引导法官价值判断的“前理解”。如果这种“前理解”转变为法官的先入之见，这种情况下法官的利益衡量标准很容易倒向不正义的一方，滥用利益衡量。因此，人工智能需要参与到利益衡量过程中。

（一）人工智能辅助法官分析案件

案件中的冲突利益是法官利益衡量的出发点和基础，法官在遇到疑难案件时的第一步即通过案件事实和当事人具体情况来剖析案件中的利益。因此，分析案件中的利益越详细、越深刻，法官在进行利益衡量时就越容易把握住案件公平公正之脉络。众所周知，人工智能拥有极强的运算能力，其可以通过算法模型来展现案件事实以及当事人具体情况，进而分析案件的利益冲突。案件事实主要通过对证据的判断来认定，当事人的具体情况主要涉及当事人的年龄、性别、民族、生活习惯、宗教信仰等等，这些影响价值判断的因素都可以通过人工智能全方位地展示出来。此外，当证据与案件事实的联系较为模糊，需要法官进行盖然性判断时，可能会因为不准确而偏离事实，人工智能可以通过贝叶斯公式量化案件中的证据要素和证据结论的相关性，直接表现证据与案件事实的关联程度，避免法官在盖然性判断时作出直觉性的处理。［4］人工智能的大数据分析能力可以将当事人在互联网上的信息整合，使法官进一步了解当事人情况。当然，在运用人工智能的同时，也要加强当事人信息的保护，以免侵犯当事人的合法权益。［5］最后，通过人工智能引导法官分析案件事实以及当事人自身情况，将案件事实客观公正地呈现，能够尽可能地降低法官的“前理解”在利益衡量时的负面影响。

（二）人工智能筛选法益并辅助法官利益衡量

法官在处理案件时会遇到纷繁复杂的利益，这些利益并非都受到法律的保护。因此法官需要筛选这些利益，再进行衡量。人工智能拥有强大的计算能力，研发人员只需在研究算法时将受法律保护的利益以及不受法律保护的利益均写入，人工智能就可以迅速将案件中的利益分门别类罗列出来，将法官从机械性的重复劳动中解放出来。

当法官采用利益衡量方法时必然存在一个利益衡量标准，但这个标准是如何确认的？这个标准是否合理？这两个问题都没有标准答案，这也是法官容易滥用利益衡量的直接原因。虽然我们无法获得一个确定的普遍有效且具有权威性的价值位序，但我们可以在一定的抽象层面上对不同的利益按照相应的评价标准作出合理的探索和确认。因此，在设计人工智能算法模型时，可以在其中写入一个大致的价值位阶。因为现实生活中大部分的价值位序短时间内不会发生改变，这个价值位阶并非涵盖所有的价值利益，仅包含一些在较长时间内稳定的价值，例如人的生命权必然大于财产权以及经营权。通过这个宽泛的利益衡量框架使法官在正义的大方向中作出正确的衡量结果。

此外，法官的利益衡量标准主要来自法官的“生活经验”，这种“生活经验”并非法官日常生活中的个人经历所带来的，而是法官共同体的生活和职业经历，也可称之为法官的集体理性。人工智能的到来，可以通过类案推送的方式，将相同或相似案件传递至法官面前，从中获取先前法官裁判的经验和方法，为自己个案裁判寻求启发。不仅如此，法官甚至可以依靠人工智能的大数据技术通过对相同或相似案件信息和判决结果之间的相关关系的分析，对利益衡量结果进行预测，使其在集体理性下作出价值判断。这种预测结果虽然不能代替法官个人的利益衡量判断，但能为法官提供参考信息，使其遵从集体理性，限制法官个人偏见或偏好对衡量结果的影响。

（三）检验利益衡量结果

法官在作出利益衡量结果后，通常会结合法律法规进行自我论证。在心理学上，每个人都有自我合理化倾向，人们在检验自己答案时总会自然而然地寻找倾向答案的论据自我说服。因此，法官的利益衡量结果在自我检验时也会受到直觉偏见的影响。目前，研究人员已经研制出司法人工智能偏离预警系统，用以将法官作出或拟作出的裁判结果同人工智能根据算法预测出的裁判结果进行对比，得出两者间的偏离等级，若偏离等级高就会触发自动预警机制。［6］笔者认为偏离预警系统也可以运用到利益衡量中，代替法官来检验其利益衡量结果。利益衡量偏离预警系统可以在大数据分析技术下，将法官作出的结果与所有同案或类案中法官利益衡量结果的“平均值”进行对比，并将偏离程度按照等级划分。对于偏离等级高的利益衡量结果，法官可以通过人工智能查看偏离高的原因，与“平均值”的差距在哪里，这样可以有效地检验法官的利益衡量结果，规范法官利益衡量过程。一言以蔽之，利益衡量偏离预警系统的核心即是将法官从对自己结果的论证转变为对他人结果的论证。

四、利益衡量中司法辅助人工智能的局限性及隐患

不可否认，利益衡量过程中人工智能的加入能够显著提高法官司法审判效率，限制法官滥用利益衡量，在人工智能与法官的良性互动中促进司法公正。但凡事皆有两面性，司法人工智能在辅助法官利益衡量的同时，因为自身因素在实践中存在一定的局限性，也带来一些隐患。

（一）司法大数据限制人工智能的辅助作用

人工智能辅助法官进行利益衡量的基础是司法大数据，其辅助作用的质量完全依赖大数据的完整性以及真实性。人工智能一般只会对数据进行比对，并不会思考数据间的因果联系，所以当数据本身不具备真实性且不完整时，人工智能通过分析该数据所得出的结论也是片面的。我国的司法大数据主要来自法律法规、司法解释以及各个法院公开的裁判文书，其中裁判文书是人工智能运算的主要依据。目前我国司法大数据的缺陷已经阻碍了人工智能在司法领域的发展。

第一，司法大数据的数据基数不足以支撑人工智能辅助法官利益衡量。虽然至今已有海量的裁判文书公开，但公开的文件数量与全国案件总量相差甚远，且公开的案件类型也不够全面。［7］当法官遇到新型案件时，可能会寻找相同或相似案例，由于此类案例基数太小，法官容易受到小样本数据统计结果的影响，反而导致司法不公。第二，司法大数据中的裁判文书不具备案件完整性。任何一份裁判文书都不可能原原本本地将整个裁判过程记录下来，特别是法官进行利益衡量的过程。这将导致人工智能在偏离预警系统中分析相同或类案结果的“平均值”时，缺少数据的支撑。类案识别技术主要通过对案件情节加以分析，并在数据库中以情节相同或类似的标准进行匹配，这种识别方式在一些情况下无法发挥作用。两个案件具有相同或相似性并非仅仅取决于案件之情节要素是否一致或类似，更重要的是法官对案件的法律评价。［8］这种法律评价是由法官结合具体案情作出的主观评价，以目前的人工智能技术无法通过一套稳定的算法表现出来。

（二）司法人工智能使法官产生技术依赖

随着人工智能应用愈来愈广，学界也出现许多反对的声音，他们的担忧大致归纳为两点：人工智能对法官司法权的侵蚀以及算法黑箱问题。这两大问题确实是现实存在的，但为进一步规避这些隐患，还需要进一步分析其内在原因。

第一，关于人工智能侵蚀或控制司法权问题。正如上文提到的，人工智能在利益衡量过程中是以一个辅助者的身份出现的，对于法官来说其有权选择是否参考人工智能的意见结论。所以说，利益衡量的最终结果仍由法官掌控，法律责任的主体依旧是法官，人工智能的辅助行为并不能成为法官逃避审判责任的借口。此外，司法人工智能的运作机制依赖于算法，算法模型的设计直接影响人工智能的作用。而算法模型是由科研公司所掌握的，因此有学者担忧算法控制司法，挤压司法权空间。［9］笔者认为，虽然算法模型的创造者是科研公司，但该模型是科研公司根据法院的要求设计的，法院在使用时必然会加以测试检验，若之后使用时出现错误，法院也可以要求科研公司进行修正。不仅如此，在司法过程中，当事人无疑是最为关心审判结果的，当其认为裁判结果显失公正，当事人可以通过上诉或请求再审的方式维护合法权益。通过以上分析，司法人工智能的加入并不是司法权削弱的直接原因，真正导致司法权受限是法官自身的依赖性以及法官主动放弃审判主体地位。

第二，关于算法黑箱问题。由于算法隐藏在人工智能内部，法官只知其运算结果，而不知其运算过程，因此算法黑箱极易导致算法偏见。确实算法黑箱会产生司法不公，但这种情况的前提是将人工智能在利益衡量时置于主体地位而没有法官的参与。当人工智能作为一个辅助工具出现算法偏见时，法官完全有能力判断人工智能提供的结果是否公正。即使法官受到人工智能的预见性结论指引，造成“锚定效应”（指人们在对某人某事做出判断时，易受第一印象或第一信息支配，就像沉入海底的锚一样把人们的思想固定在某处），法官也可以通过偏离预警系统查看利益衡量结果与法官集体裁量结果的差异。“兼听则明，偏信则暗”，法官正确的做法是将人工智能给出的利益衡量结果与案件情况、社会风俗、政治影响等进行综合考虑后做出公正的裁判结果。即使法官因为算法黑箱而作出错误的利益衡量结果，其仍需要承担司法责任，因为该行为本质上依然是法官滥用利益衡量的行为。

总之，以上隐患的存在确实与司法人工智能的引入有关，但这些隐患成为现实的关键节点却在于法官。司法人工智能作为辅助法官的工具软件，仍然由法官进行控制，因此说司法人工智能操控法官是科技的发达，倒不如说是法官的惰性使然。法律赋予法官自由裁量权的目的是让法官成为司法系统中的活性分子，保持法律的生命力，这恰是司法人工智能所无法替代的，也是法官成为审判主体的原因。

五、结语

数字经济时代司法人工智能与审判程序、审判系统正不断结合。利益衡量作为司法裁判中常见的法律方法，司法人工智能技术的展开也必然会涉及利益衡量。但关于司法人工智能与利益衡量之间的研究依然偏少，笔者通过分析利益衡量的属性及人工智能的运作模式得出在利益衡量中“人主智辅”的模式。虽然根据人工智能的自身问题分析了在利益衡量时引入人工智能可能带来的危害，但关于司法大数据的弊端以及法官的依赖性并没有给出系统的解决方案，这些都是下一步值得探究的方向。