多举措推进项目前期工作 力争早日开工建设

尽管基层的司法部门还不是基层社会纠纷解决的最主要或者最权威的部门，甚至也不是唯一的部门，但是正如苏力所言，中国最重大的案件也许都发生在中级以上的法院，但是对中国老百姓的日常生活最重要的案件却是发生在基层法院。

结语 世界正在发生翻天覆地的变化。就契约而论，在以太坊区块链平台上广泛应用的智慧契约本身就是运算代码的一种反应。

尽管政府用纳税人的钱支持商家开发人工智能的做法是否正确很值得怀疑，但这种事情往往会以冠冕堂皇的借口证成，比如国家战略、民族大计等。如果人真的只是由算法构成的，那人工智能超越人是毫无疑问的，因为人不会比机器算得更快。合理性的行为是排除非理性因素干扰的行为。人工智能武器不仅指杀人的机器人，或者用机器人代替人去当兵，而且更重要的是人工智能对网络系统和其他智能系统的瘫痪性的攻击。人的伦理、职业伦理、生物研究的伦理、机器人的伦理、人工智能的伦理等都与法律密切相关。

就互联网而论，生意人关注的是网上的商机，自由主义者关注的是网上的权利，政府工作人员则对网上内容的治理更感兴趣。现在人工智能还处于弱人工智能阶段，机器人还不能自己思考。[43] 参见〔美〕佩德罗•多明戈斯：《终极算法机器学习和人工智能如何重塑世界》，黄芳萍译，中信出版集团2017年版，第66页。

[34] 参见罗书臻：挖掘‘富矿‘反哺审判——运用裁判文书大数据促进司法公正的地方经验，载《人民法院报》2017年9月1日，第1版。但正如前文所指出的那样，我们目前既没有人工，更没有好人工，又怎么会生产出好的人工智能呢？特别是当机器学习者被要求对新知数据进行分类时，分类设计必然会引入一些归纳偏见，即机器学习者在清洗数据时，设计何种假设及验证都不可避免地存在偏差。很多时候，机器归纳的裁判模式可能连操控主体也难以理解，就如人类时常无法理解阿尔法狗的围棋招式一样。[14] See Christopher Slobogin, Risk Assessment, The Oxford Handbook Of Sentencing And Corrections, Oxford Universiry Press, pp.196,203～205（Joan Petersilia Kevin R.Reitz eds.,2012）.at 200. [15] 同上，at 204。

因此，在这种开放而非封闭的裁判场合下，信息时时流动且变化，这是一种信息非充分条件下的博弈，不同于围棋这种信息充分、公开的充分博弈。[21] 分别参见吴汉东：人工智能时代的制度安排与法律规制、易继明：人工智能创作物是作品吗？、王迁：论人工智能生成的内容在著作权法中的定性、梁志文：论人工智能创造物的法律保护、司晓、曹建峰：论人工智能的民事责任：以自动驾驶汽车和智能机器人为切入点，《法律科学》2017年第5期，第128～173页。

（三）薄弱的人才 法律人工智能的发展，不仅取决于法律数据与具体算法，还要求有既懂技术又知晓法律的复合型人才作为支撑。其中，或者对算法的描述语焉不详，或者过高评价，算法究竟是什么以及效果怎样，我们难以得知。这使得很多法律人工智能产品无法达到法律人所设想的预期，实际产生的作用较为有限，目前，法律人工智能的发展表面上轰轰烈烈，但真正了解、掌握人工智能技术、机器学习算法的人才其实寥寥可数，有些甚至并未投身于法律人工智能这一专业领域。这不仅需要精细的法律推理与法律解释，更牵扯到法律背后法官的主观意志与价值判断。

这意味着，如果没有人类为数据打标签，机器无法主动进行学习。如同阿法狗适用于围棋这样规则清楚、边界明确、信息充分的场域，却至今未能击败信息不完全条件下人机互动的电脑游戏高手一样，法律人工智能的运用领域应当是信息客观性强、事实清楚、证据客观真实的简单案件，而对复杂、模糊案件的裁判仍需倚重法官们的专业智慧。只有当法官的行为模式与决策信息被充分获得并数据化时，法律人工智能或许才会迎来灿烂曙光，否则在信息不充分的条件下，我们无法期待法律人工智能为我们稳定地提供一个真实、全面而非残缺、虚假的司法决策与行为的全息图景模式。[32] 参见应雨轩、卢燕、颜敏丹：为法官‘减负裁判文书一键生成，载《台州日报》2017年3月21日，第4版。

中国政府在2017年的两会上明确提出，加快培育壮大新兴产业，全面实施战略性新兴产业发展规划，加快新材料、人工智能、集成电路、生物制药、第五代移动通信等技术研发和转化，做大做强产业集群。从这一点来看，如何让人工智能理解当下的社会共识，理解时代共识下的观念差异并预判这一差异未来的可能变化是摆在所有法律人工智能面前的大难题。

【中文关键词】 法律人工智能。总之，法律数据不充分是中国目前突出的现象。

[21]值得注意的是，郑戈还展望了人工智能与法律的未来，认为‘现代法律体系能否成功应对人工智能所带来的新的风险和不确定性，能否在人工智能时代继续维持秩序与变革、守护与创新、价值与事实之间的动态平衡，这是今天的法律人所必须面对的紧迫问题。当然，鉴于这些用户大多是法律专业出身，他们也无能力去研究那些复杂的代码与程式。且不说法律专家对特别类型法律知识的审判要素与知识图谱的总结是否正确，仅在处理、应对法律领域在法律知识上越来越精细化划分的趋势，就需要大量的资源。这些脱离人工智能界的幻想常常贻笑大方，让人工智能领域的专家在惊骇之余丧失了进一步对话的兴趣与勇气。既不代表法律数据的全体水平，也不代表法律数据中的高水平。3.法律数据不客观 尽管我们期望法律是客观的，能够代表社会公平正义，但由于法律主体的利益与主张的差异性，法律往往只能代表大多数人所认可的行为标准与模式。

最后，法律界对人工智能缺乏客观的认识。因此，未来我们不仅要从法律人工智能的角度系统培养相关的专门人才，还要推动法律人士与技术人士在知识结构上的深度融合。

第二，人才的培养与融合。[6] 上述事例显示，在域外，随着人工智能与大数据时代的到来，法学家与其他领域的人士已开始探讨如何将人工智能运用于法律裁判领域，但这其实并不新鲜，计算机甫一普及，美国法学界就开始讨论法律推理与思维是否可被机器所取代的问题。

最后，注意算法的歧视性。这个例子正反都能说明，基于充分数据的充分信息是人工智能有用武之地的基本前提。

这就要求我们认识到人工智能得出的判断可能存在错误，需要人的理性判断与解读。彭博社在2017年12月发文称，人工智能将占领华尔街99%的投资机构。法律人工智能仍属一种统计型、经验型、材料准备型、文字模板型的弱人工智能，低效且适用范围窄。这意味着基于裁判文书的人工智能获取的信息其实较为有限，也许最多十中有一。

对于算法问题，首先要考虑的问题是提高算法的准确性与科学性，探索契合中国法律实践的算法。但即使如此，也不要低估法律人工智能做好辅助性事务工作的难度，如语言转换。

在传统意义上文科培养模式下训练出来的法律人更习惯从定性而非定量的视角看待法律问题。北京法院的睿法官系统便是依托北京三级法院统一的审判信息资源库，运用大数据与云计算充分挖掘分析数据资源，并依托法律规则库和语义分析模型，在法官办案过程中自动推送案情分析、法律条款、相似案例、判决参考等信息，为法官判案提供统一、全面的审理规范和办案指引。

这和国外情况也较为类似。在刑事法律领域，人工智能主要运用于一般的警务活动、羁押必要性审查以及量刑后假释等活动中。

这使得我们对法律决策过程中的博弈过程、裁判目的、考虑条件、心证形成等这些影响决策最为关键的因素缺乏普遍、充分的记载与掌握。因此，它适宜作为法官裁判的助手而非完全替代法官。从理论上来说，警方只需经常在这些地区进行巡逻就可以提前阻止犯罪，圣克鲁斯、洛杉矶和亚特兰大等使用该软件的城市都降低了犯罪率。预测指的是人工智能系统对海量裁判文书进行情节特征的自动提取和判决结果的智能学习，建立具体案件裁判模型，根据法官点选的关键词或提供的事实、情节，自动统计、实时展示同类案件裁判情况，预测正在审理案件的实体裁判，同时推送更为精准的相似案例，供法官参考。

[44] 这种做法还可能得到法律的支持。需要着重指出的是，除了对外公布的法律裁判文书，法律决策过程中的关键行为如形成决策的内部讨论往往是高度非文字化、非数据化的。

在刑事案件领域，盗窃、抢劫、酒驾等简单的案件较为适合适用人工智能，职务犯罪，杀人、故意伤害等恶性案件由于需要对证据进行更为仔细的甄别，再加上每个案件都有其特殊性，因此对人工智能的适用需要谨慎。可以说，数据化的法律规范、案例与相关知识正处于爆炸式的增长态势。

然而，司法裁判的过程不仅仅是给出结论的过程，更是以一系列合乎逻辑的声明或通过引用相关的法源得出结论的过程，只有结果无法服众。2.人工智能界对法律行业重视不够 首先，人工智能界对法律行业的感知不深。