郭文靜

(中南財(cái)經(jīng)政法大學(xué) 法學(xué)院，湖北 武漢 430073)

一、問(wèn)題緣起：“案多人少”的現(xiàn)實(shí)沖突與人工智能的司法適用

“案多人少”的現(xiàn)實(shí)沖突，迫使民事訴訟法不斷尋求新的方式來(lái)提高訴訟糾紛解決的效率[1]。然而，制度的內(nèi)生性改革對(duì)于緩解法官的審判壓力具有局限性，無(wú)法同時(shí)兼顧訴訟經(jīng)濟(jì)和程序保障兩個(gè)目標(biāo)。近年來(lái)，人工智能技術(shù)發(fā)展不斷沖擊著社會(huì)生活，國(guó)家也積極保障人工智能技術(shù)在司法中的適用，以期實(shí)現(xiàn)法律服務(wù)的現(xiàn)代化、科技化轉(zhuǎn)型。2016年，周強(qiáng)院長(zhǎng)在第十二屆全國(guó)人大五次會(huì)議中提出司法改革與司法信息化并駕齊驅(qū)、雙管齊下的戰(zhàn)略，以減輕我國(guó)法院的審判壓力、保障訴訟法律服務(wù)的完善。2017年，最高人民法院印發(fā)《最高人民法院關(guān)于加快建設(shè)智慧法院的意見(jiàn)》，指引法院管理信息系統(tǒng)的智能平臺(tái)建設(shè)工作。2020年，最高人民法院頒布《關(guān)于深化司法責(zé)任制綜合配套改革的實(shí)施意見(jiàn)》，指示各高級(jí)人民法院依托智慧法院建設(shè)，大力推進(jìn)轄區(qū)法院區(qū)塊鏈技術(shù)應(yīng)用，積極探索法律人工智能的深度應(yīng)用。此外，最高人民法院在其他諸多文件中也多次提到要加強(qiáng)大數(shù)據(jù)、區(qū)塊鏈、云計(jì)算、人工智能等技術(shù)在審判領(lǐng)域中的應(yīng)用，為當(dāng)事人提供訴訟便利。人工智能與司法裁判的融合是大勢(shì)所趨，依托人工智能替代法官的簡(jiǎn)單勞動(dòng)和重復(fù)勞動(dòng)，可以緩解法官在審判中的壓力，也可以幫助當(dāng)事人更好地觸達(dá)司法，獲得依據(jù)法律的實(shí)質(zhì)正義[2]。

就事實(shí)認(rèn)定領(lǐng)域而言，需要解決人工智能與民事事實(shí)認(rèn)定融合的法律需求問(wèn)題。具體而言，解決該項(xiàng)法律需求至少需要思考以下三個(gè)問(wèn)題：第一，“自動(dòng)售貨機(jī)式的AI法官”[3]是否可以成為現(xiàn)實(shí)，法律人工智能是否真的能夠替代法官進(jìn)行事實(shí)認(rèn)定。通過(guò)探究人工智能技術(shù)的原理“深度學(xué)習(xí)”，則可發(fā)現(xiàn)這一想象在目前的技術(shù)條件下基本不可能實(shí)現(xiàn)。第二，人工智能介入事實(shí)認(rèn)定將會(huì)面臨何種困境，對(duì)于當(dāng)事人提出的訴訟資料和證據(jù)資料，人工智能是否可以通過(guò)技術(shù)實(shí)現(xiàn)完全的理解和綜合地判定。從裁判資料和事實(shí)認(rèn)定過(guò)程兩個(gè)方面，對(duì)比分析人工智能事實(shí)認(rèn)定和法官事實(shí)認(rèn)定過(guò)程，可發(fā)現(xiàn)人工智能介入事實(shí)認(rèn)定領(lǐng)域的雙重困境。第三，人工智能的學(xué)習(xí)能力是否可以替代法官認(rèn)定某些類型案件的事實(shí)。通過(guò)對(duì)案件事實(shí)的類型化分析，將人工智能適用于事實(shí)認(rèn)定相對(duì)簡(jiǎn)單的案件，從而實(shí)現(xiàn)人工智能替代法官進(jìn)行事實(shí)認(rèn)定。因此，本文立足于上述問(wèn)題，通過(guò)解構(gòu)事實(shí)認(rèn)定的裁判資料來(lái)源和事實(shí)認(rèn)定的方法，審慎地分析人工智能在民事事實(shí)認(rèn)定中的適用，以尋求人工智能法律產(chǎn)品的功能指向，期待達(dá)成可以解決民事事實(shí)認(rèn)定問(wèn)題的司法智能系統(tǒng)。

二、問(wèn)題根源：基于深度學(xué)習(xí)原理的人工智能司法適用具有機(jī)械性

人工智能輔助事實(shí)認(rèn)定面臨困境的根源在于全球人工智能技術(shù)發(fā)展條件仍處于“弱人工智能”(1)強(qiáng)人工智能可以高度模仿人腦的神經(jīng)認(rèn)知規(guī)則，不需要人工標(biāo)注的信息，可以自動(dòng)對(duì)數(shù)據(jù)進(jìn)行提煉、分析和分類，輸出數(shù)據(jù)分析的結(jié)果。弱人工智能的輸出結(jié)果取決于輸入信息的計(jì)算機(jī)指令，不僅無(wú)法超越人類智能，而且只是人類思維的復(fù)制。參見(jiàn)莫宏偉：《強(qiáng)人工智能與弱人工智能的倫理問(wèn)題思考》，載《科學(xué)與社會(huì)》2018年第1期，第14-24頁(yè)。階段。因此，人工智能依然遵循深度學(xué)習(xí)的技術(shù)原理，在司法適用中有其固有的結(jié)構(gòu)缺陷；同時(shí)，受深度學(xué)習(xí)原理的制約，人工智能在輸入語(yǔ)料、模型建構(gòu)、信息輸出三個(gè)維度也都體現(xiàn)出了其適用的單調(diào)性、機(jī)械性。

(一)深度學(xué)習(xí)理論和生成式人工智能的適用缺陷

探究事實(shí)認(rèn)定領(lǐng)域人工智能的司法適用，最重要的是厘定人工智能算法學(xué)習(xí)的理論本質(zhì)。實(shí)際上，人工智能的算法學(xué)習(xí)包括傳統(tǒng)的算法學(xué)習(xí)、遷移學(xué)習(xí)、深度學(xué)習(xí)等不同算法，但深度學(xué)習(xí)是機(jī)器學(xué)習(xí)方法中最高效的算法。這是因?yàn)樯疃葘W(xué)習(xí)的算法模式主要是對(duì)數(shù)據(jù)的特征進(jìn)行提取和處理，與人腦學(xué)習(xí)模式類同而又超出人腦的計(jì)算能力，可以替代人類進(jìn)行大量的數(shù)據(jù)運(yùn)算和信息處理?？傮w上，深度學(xué)習(xí)算法模式的具體內(nèi)涵可概括為：機(jī)器模擬人腦的學(xué)習(xí)模式，從輸入端獲取輸入信息，在此基礎(chǔ)上構(gòu)建不同類型的神經(jīng)網(wǎng)絡(luò)模型，最后通過(guò)模型的建構(gòu)和數(shù)據(jù)的運(yùn)算完成輸出端的目標(biāo)信息。

具體來(lái)說(shuō)，深度學(xué)習(xí)的技術(shù)原理可以在三個(gè)維度上進(jìn)行解讀：一是人工進(jìn)行特征提取和標(biāo)注，并輸入海量數(shù)據(jù)。在這一維度上，輸入數(shù)據(jù)的特征提取和標(biāo)注須源自法學(xué)界的理論共識(shí)，并需要轉(zhuǎn)化成機(jī)器可理解的“0-1”知識(shí)圖譜[4]。二是神經(jīng)網(wǎng)絡(luò)模型的建構(gòu)和參數(shù)調(diào)試。在這一維度上，循環(huán)神經(jīng)網(wǎng)絡(luò)模型的建構(gòu)依賴編程技術(shù)以及計(jì)算機(jī)GPU處理器配置高、算力強(qiáng)的技術(shù)設(shè)備[5]。三是通過(guò)超級(jí)計(jì)算輸出運(yùn)算的數(shù)據(jù)。在這一維度上，數(shù)據(jù)輸出的結(jié)果是否為真，需要通過(guò)顯著性檢驗(yàn)方法，測(cè)試深度學(xué)習(xí)模型建構(gòu)的合理程度[6]。當(dāng)然，此項(xiàng)調(diào)參任務(wù)尚需法官、律師等的后驗(yàn)判斷。由上觀之，輸入數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)模型的建構(gòu)、輸出數(shù)據(jù)三個(gè)層次上都需要人工參與。所謂人工智能，毋寧說(shuō)有多大程度的智能表現(xiàn)就有多大程度的人工參與。

近來(lái)生成式人工智能引起學(xué)界的廣泛關(guān)注，但生成式人工智能與真正意義上的通用人工智能或強(qiáng)人工智能還有較大差距。與初代人工智能相較，生成式人工智能的優(yōu)越性體現(xiàn)在以下三個(gè)方面：一是采取了上下文相關(guān)技術(shù)，實(shí)現(xiàn)了一詞多義的語(yǔ)義區(qū)分，人工智能在自然語(yǔ)言技術(shù)領(lǐng)域?qū)崿F(xiàn)了語(yǔ)義理解能力的提升[7]；二是采取Transformer模型，人工智能的長(zhǎng)文本生成能力得到大幅提升[8]；三是機(jī)器學(xué)習(xí)內(nèi)容的來(lái)源開(kāi)放。它的學(xué)習(xí)數(shù)據(jù)不只局限于計(jì)算機(jī)程序的直接指令，還可以從與使用者的互動(dòng)和交流中學(xué)習(xí)新的知識(shí)。

不過(guò)，從生成式人工智能產(chǎn)品在我國(guó)的現(xiàn)實(shí)發(fā)展來(lái)看，其具體適用面臨三個(gè)問(wèn)題：第一，ChatGPT是源自美國(guó)人工智能研究公司推出的生成式人工智能，其程序指令不是中立的意識(shí)形態(tài)和知識(shí)系統(tǒng)。實(shí)現(xiàn)我國(guó)生成式人工智能的應(yīng)用和發(fā)展，還需要完成對(duì)上述Transformer模型的突破和發(fā)展。第二，生成式人工智能的技術(shù)原理仍然是深度學(xué)習(xí)，其互動(dòng)式能力的提升源于計(jì)算機(jī)長(zhǎng)文本生成能力的提高，但其對(duì)抽象知識(shí)的學(xué)習(xí)仍然局限于數(shù)理等自然科學(xué)領(lǐng)域，對(duì)于哲學(xué)、倫理等人文學(xué)科中抽象知識(shí)的學(xué)習(xí)能力尚有不足。第三，不能保證生成式人工智能在與使用者的互動(dòng)中獲得的新知識(shí)是正確的，其可能在上下文相關(guān)的理解中獲取錯(cuò)誤的知識(shí)。

(二)基于深度學(xué)習(xí)原理人工智能運(yùn)用的機(jī)械性

深度學(xué)習(xí)的技術(shù)原理可以從輸入語(yǔ)料、神經(jīng)網(wǎng)絡(luò)模型建構(gòu)、輸出結(jié)果三個(gè)維度進(jìn)行理解。相應(yīng)地，人工智能適用的機(jī)械性也可從此三個(gè)維度進(jìn)行進(jìn)一步闡述。

從輸入語(yǔ)料的角度看，機(jī)器學(xué)習(xí)無(wú)法理解復(fù)雜的語(yǔ)言、語(yǔ)義，其學(xué)習(xí)模式與人類差距較大。首先，自然語(yǔ)言的表達(dá)常具有多種含義甚至歧義。人類可以通過(guò)復(fù)雜的推理和直覺(jué)對(duì)模糊的表達(dá)和碎片化的知識(shí)進(jìn)行綜合地整理和判斷。但機(jī)器學(xué)習(xí)需要基于嚴(yán)格的形式邏輯，輸入邏輯單調(diào)的語(yǔ)詞。法律語(yǔ)言的適用尚常存在混亂，霍菲爾德對(duì)司法推理中所運(yùn)用基本法律概念的歧義進(jìn)行了批判，并對(duì)其具體內(nèi)容進(jìn)行了嚴(yán)格的界定[9]。在人工智能的司法適用中，機(jī)器學(xué)習(xí)還需要厘清生活語(yǔ)言中適用基本概念的含混問(wèn)題和歧義問(wèn)題。然而，生活語(yǔ)言的語(yǔ)義分析較之法律語(yǔ)言的語(yǔ)義分析更為靈活，現(xiàn)階段自然語(yǔ)言技術(shù)尚無(wú)法很好地解決某些特定生活語(yǔ)言的語(yǔ)義分析問(wèn)題。其次，當(dāng)事人辯論內(nèi)容中自然語(yǔ)言的邏輯可能會(huì)出現(xiàn)前后矛盾的問(wèn)題。法官可以基于審判經(jīng)驗(yàn)和法理邏輯進(jìn)行綜合判斷，但人工智能卻只能對(duì)單一的目標(biāo)函數(shù)尋求最優(yōu)值，無(wú)法對(duì)多元的目標(biāo)函數(shù)進(jìn)行綜合地判斷。再次，語(yǔ)料輸入的前提應(yīng)當(dāng)是理論界不容爭(zhēng)議的普遍共識(shí)。理論界及實(shí)務(wù)界尚有爭(zhēng)議的情形及問(wèn)題，人工智能無(wú)法替代人類作出更加明智的決策。這是因?yàn)樯疃葘W(xué)習(xí)原理的本質(zhì)是復(fù)制人類的經(jīng)驗(yàn)和知識(shí)，而非對(duì)人類心智的超越。

從神經(jīng)網(wǎng)絡(luò)模型建構(gòu)的角度看，循環(huán)神經(jīng)網(wǎng)絡(luò)模型是一個(gè)處理信息的中間處理器，它由無(wú)數(shù)的數(shù)據(jù)節(jié)點(diǎn)組成，不斷地進(jìn)行運(yùn)算。機(jī)器學(xué)習(xí)是對(duì)海量的數(shù)據(jù)進(jìn)行分析輸出數(shù)據(jù)分析的結(jié)果，是一種歸納性的學(xué)習(xí)，需要人工提取“知識(shí)表達(dá)”的具體邏輯[10]。從事實(shí)認(rèn)定的結(jié)構(gòu)要素反向觀之，事實(shí)認(rèn)定知識(shí)表達(dá)的邏輯與機(jī)器學(xué)習(xí)形式邏輯的特性不同。具體來(lái)說(shuō)，事實(shí)認(rèn)定的整個(gè)過(guò)程包括三個(gè)步驟：一是獲取當(dāng)事人提出的訴訟資料和證據(jù)資料；二是法官通過(guò)自由心證，獲得對(duì)整個(gè)案件事實(shí)的內(nèi)心確信；三是法官無(wú)法達(dá)成內(nèi)心確信時(shí)適用證明責(zé)任這一事實(shí)認(rèn)定的輔助方法。上述三個(gè)步驟中均體現(xiàn)了事實(shí)認(rèn)定中知識(shí)表達(dá)的非單調(diào)性。首先，訴訟資料和證據(jù)資料的整理，并非簡(jiǎn)單的線性邏輯，而是綜合的、整體的判斷。其次，法官自由心證需要利用法律推理、經(jīng)驗(yàn)法則等多元知識(shí)要素。再次，證明責(zé)任之適用則更是需要借助實(shí)定法規(guī)范(規(guī)范說(shuō))和利益衡量理論(反規(guī)范說(shuō))[11]。概而言之，人工智能在事實(shí)認(rèn)定領(lǐng)域的司法適用面臨多重困境，神經(jīng)網(wǎng)絡(luò)模型的建構(gòu)是重點(diǎn)所在。

從人工智能輸出結(jié)果的角度看，神經(jīng)網(wǎng)絡(luò)模型只能對(duì)于輸入語(yǔ)料按照具體指令輸出內(nèi)容。換言之，人工智能只能基于海量數(shù)據(jù)作為學(xué)習(xí)基礎(chǔ)，在沒(méi)有海量數(shù)據(jù)的情形下，機(jī)器無(wú)法完成處理信息和預(yù)測(cè)信息的任務(wù)。例如，在小數(shù)據(jù)集合的特征提取和預(yù)測(cè)問(wèn)題上，由于機(jī)器學(xué)習(xí)缺乏對(duì)抽象知識(shí)的學(xué)習(xí)能力，因而無(wú)法完成對(duì)小數(shù)據(jù)集合的信息預(yù)測(cè)。對(duì)此，有算法專家提出運(yùn)用遷移學(xué)習(xí)法，旨在以較少的學(xué)習(xí)數(shù)據(jù)完成特征提取和信息預(yù)測(cè)，從而解決深度學(xué)習(xí)這一算法模式數(shù)據(jù)量需求高的弊端，但該算法模式尚在研究中[12]。因此，機(jī)器無(wú)法有效面對(duì)法律變更后事實(shí)構(gòu)成要素的變化，由于缺乏抽象知識(shí)表示的算法[13]，在法官裁判案件數(shù)量亦較少的情形下，深度學(xué)習(xí)無(wú)法完成對(duì)新類型案件的事實(shí)認(rèn)定工作。換言之，對(duì)于法律條文變化導(dǎo)致的事實(shí)判斷因素的改變，機(jī)器需要在法官判定相當(dāng)數(shù)量的案件以及人工對(duì)事實(shí)判斷因素進(jìn)行提取和標(biāo)注后，再高效地完成輸出預(yù)測(cè)信息的任務(wù)。

三、雙重困境：機(jī)器學(xué)習(xí)機(jī)械性導(dǎo)致事實(shí)認(rèn)定面臨的困境

理論上，民事事實(shí)認(rèn)定主要通過(guò)事實(shí)認(rèn)定的資料來(lái)源和事實(shí)認(rèn)定的方法兩方面來(lái)獲得最終的事實(shí)認(rèn)定結(jié)果。通過(guò)解構(gòu)裁判資料和事實(shí)認(rèn)定方法這兩個(gè)要素，可知機(jī)器學(xué)習(xí)的機(jī)械性導(dǎo)致了人工智能在事實(shí)認(rèn)定領(lǐng)域的司法適用面臨雙重困境。

(一)一重困境：機(jī)器學(xué)習(xí)機(jī)械性與裁判資料獲取不足

全部的民事裁判資料，即法官心證形成事實(shí)認(rèn)定的原因或資料，包括辯論全趣旨獲得的訴訟資料以及通過(guò)證人的證言內(nèi)容、文書的記載內(nèi)容等證據(jù)方法獲得的證據(jù)資料[14]。從裁判資料形成的角度來(lái)講，法官心證形成的結(jié)果可能會(huì)因弱人工智能的技術(shù)制約而產(chǎn)生預(yù)測(cè)結(jié)果的偏差。

1.受自然語(yǔ)言技術(shù)制約訴訟資料獲取不足。在民事裁判中，訴訟資料的獲取很大程度上來(lái)自當(dāng)事人之間的辯論。除此之外，證據(jù)資料的獲取僅對(duì)要證事實(shí)問(wèn)題的解決發(fā)揮功效。在辯論過(guò)程中，原告一方首先對(duì)案件事實(shí)進(jìn)行權(quán)利主張，使用自然語(yǔ)言對(duì)提起訴訟的本案生活事實(shí)進(jìn)行陳述；接著，當(dāng)事人通過(guò)對(duì)事實(shí)爭(zhēng)點(diǎn)和法律爭(zhēng)點(diǎn)的辯論，依據(jù)請(qǐng)求原因、訴訟時(shí)效、事實(shí)抗辯等方法進(jìn)行攻擊防御。這些程序展開(kāi)的過(guò)程均是依靠當(dāng)事人雙方自然語(yǔ)言的適用。

但人工智能針對(duì)自然語(yǔ)言的技術(shù)尚不成熟。其具體的工作機(jī)理可以大致理解為“自然語(yǔ)言——法律語(yǔ)言——計(jì)算機(jī)語(yǔ)言”三種語(yǔ)言之間的轉(zhuǎn)化[15]。三種語(yǔ)言之間的轉(zhuǎn)化需要高超的算法和程序，形成計(jì)算機(jī)的一種自動(dòng)推理模型。法律人工智能工作涉及自然語(yǔ)言、法律語(yǔ)言和計(jì)算機(jī)語(yǔ)言三種語(yǔ)言之間的遞進(jìn)和轉(zhuǎn)化。人工智能機(jī)器學(xué)習(xí)的語(yǔ)言技術(shù)相當(dāng)復(fù)雜，因?yàn)檎Z(yǔ)言不止承載了文字表面表達(dá)的含義，還包括了語(yǔ)詞、語(yǔ)義、語(yǔ)法[16]。為了促使數(shù)據(jù)信息的準(zhǔn)確，需要人工提煉機(jī)器所能理解的關(guān)鍵信息，將書面語(yǔ)、口頭語(yǔ)進(jìn)行信息提取整合進(jìn)入機(jī)器學(xué)習(xí)的語(yǔ)料庫(kù)，并將該關(guān)鍵信息進(jìn)行向量、矩陣、復(fù)合函數(shù)等的結(jié)構(gòu)化表達(dá)，使得人工智能理解輸入的語(yǔ)料并進(jìn)行信息的輸出。

若機(jī)器學(xué)習(xí)對(duì)于當(dāng)事人辯論全趣旨的資料無(wú)法有效識(shí)別，就喪失了掌握事實(shí)認(rèn)定方法的前提。人工智能應(yīng)用于事實(shí)認(rèn)定存在的主要問(wèn)題可以具體闡述為三個(gè)方面。第一，從技術(shù)角度講，人工智能自然語(yǔ)言技術(shù)尚不成熟。因?yàn)槿斯ぶ悄苷Z(yǔ)言技術(shù)仍不能做到對(duì)生活語(yǔ)言以及語(yǔ)言含括的邏輯思維進(jìn)行迅速反應(yīng)，更不能對(duì)當(dāng)事人的權(quán)利主張作出合乎法律思維的語(yǔ)言回饋。換言之，人工智能對(duì)于證據(jù)信息繁雜的綜合判定，主張—抗辯—再抗辯—再再抗辯的辯論過(guò)程中及時(shí)反饋能力是不足的。第二，從語(yǔ)言精確度講，因缺乏律師強(qiáng)制代理制度而導(dǎo)致生活事實(shí)的陳述缺乏法律語(yǔ)言的精確性。由于我國(guó)法律職業(yè)發(fā)展的歷史特點(diǎn)，目前律師數(shù)量不能滿足法律服務(wù)市場(chǎng)的需求，民事案件中有很大部分案件無(wú)律師代理。因此，當(dāng)事人在法庭中主張事實(shí)的語(yǔ)言不可避免地具有自然語(yǔ)言的屬性。自然語(yǔ)言的模糊性、靈活性與人工智能識(shí)別的機(jī)器語(yǔ)言具有鮮明的差異性。概括而言，律師強(qiáng)制代理制度的缺乏，一定程度上導(dǎo)致了人工智能法律產(chǎn)品無(wú)法有效地識(shí)別當(dāng)事人提出的訴訟資料。第三，就人工智能的發(fā)展階段而言，人工智能對(duì)于法律知識(shí)的理解和轉(zhuǎn)化存在困境。目前，我國(guó)的人工智能技術(shù)尚不足以達(dá)到掌握邏輯思維和進(jìn)行主觀性判斷的強(qiáng)人工智能階段，僅處于能夠深度學(xué)習(xí)、復(fù)制人類思維的弱人工智能階段。而且，復(fù)制人類思維也需要大量的關(guān)鍵信息提取和人工標(biāo)注工作。因此，對(duì)于法律知識(shí)內(nèi)含的法律邏輯和法律論證思維，弱人工智能尚無(wú)法完成高質(zhì)量的認(rèn)知和判斷。具體而言，在事實(shí)認(rèn)定過(guò)程中，事實(shí)的層次是多維度的，法官應(yīng)當(dāng)根據(jù)當(dāng)事人的實(shí)體請(qǐng)求權(quán)，分析當(dāng)事人權(quán)利主張中涉及的要件事實(shí)、主要事實(shí)、間接事實(shí)、輔助事實(shí)。這需要機(jī)器對(duì)法律知識(shí)能夠熟練掌握并準(zhǔn)確運(yùn)用，但人工智能機(jī)器如何用函數(shù)表達(dá)上述抽象的法律概念，是深度學(xué)習(xí)亟需打破的算法困境。

綜上所述，受自然語(yǔ)言技術(shù)制約，人工智能對(duì)辯論全趣旨獲得的訴訟資料有所欠缺。一方面，由于自然語(yǔ)言欠缺精確性，人工智能在事實(shí)認(rèn)定技術(shù)環(huán)節(jié)存在重要不足；另一方面，則是由于人工智能對(duì)法律知識(shí)的理解能力存在欠缺，人工智能對(duì)事實(shí)的認(rèn)定尚不能完成法律意義上的解讀。

2.受自然語(yǔ)言技術(shù)、圖像識(shí)別技術(shù)制約證據(jù)資料獲取不足。依照當(dāng)事人是否爭(zhēng)執(zhí)，完整的本案事實(shí)可分為非爭(zhēng)執(zhí)事實(shí)和爭(zhēng)執(zhí)事實(shí)。非爭(zhēng)執(zhí)事實(shí)和爭(zhēng)執(zhí)事實(shí)在人工智能司法適用中事實(shí)認(rèn)定的地位不同。非爭(zhēng)執(zhí)事實(shí)通過(guò)辯論主義可以消解，即與上文自然語(yǔ)言技術(shù)的分析類似，下文不再進(jìn)行重復(fù)論證。爭(zhēng)執(zhí)事實(shí)(要證事實(shí))則需要當(dāng)事人主張不同的證據(jù)資料進(jìn)行證明，需要法官通過(guò)證據(jù)資料進(jìn)行綜合的判斷和考量，從而對(duì)待證事實(shí)形成內(nèi)心確信。關(guān)于證據(jù)資料的獲取限度則涉及自然語(yǔ)言技術(shù)和圖像識(shí)別技術(shù)兩類。

為分析人工智能法律產(chǎn)品下證據(jù)資料可獲得限度的方便，采納按照證據(jù)共通點(diǎn)和差異性進(jìn)行證據(jù)類型分類，即將證據(jù)類型分為實(shí)物證據(jù)、言辭證據(jù)和過(guò)程性證據(jù)三類(2)實(shí)物證據(jù)分為書證、物證、視聽(tīng)資料、電子數(shù)據(jù)四種；過(guò)程性證據(jù)分為鑒定意見(jiàn)、勘驗(yàn)筆錄兩種；言辭證據(jù)分為當(dāng)事人陳述、證人證言兩種。參見(jiàn)王亞新、陳杭平、劉君博:《中國(guó)民事訴訟法重點(diǎn)講義》，高等教育出版社，2021年，第100頁(yè)。。由于采取線上虛擬法律空間，證據(jù)資料的信息載量必然因人工智能技術(shù)的發(fā)展現(xiàn)狀受到制約，其信息減損程度由高到低依次為：言詞證據(jù)、實(shí)物證據(jù)、過(guò)程性證據(jù)。

第一，證人證言、當(dāng)事人陳述等言詞證據(jù)的信息可獲得性，如同上述辯論全趣旨提供的訴訟資料分析相同，均因?yàn)樽匀徽Z(yǔ)言技術(shù)無(wú)法精確識(shí)別生活語(yǔ)言的內(nèi)涵和邏輯而無(wú)法發(fā)揮應(yīng)有的功能。

第二，實(shí)物證據(jù)由于其記載信息、形狀外觀等物理特性，同樣在人工智能法律產(chǎn)品服務(wù)中獲得的信息受到減損。因?yàn)樵谌斯ぶ悄苓m用事實(shí)認(rèn)定領(lǐng)域時(shí)，實(shí)際上是采虛擬空間中的識(shí)別，由于必須采取攝像、傳輸?shù)染W(wǎng)絡(luò)信息技術(shù)提交人工智能法律產(chǎn)品。盡管不存在自然語(yǔ)言技術(shù)領(lǐng)域的識(shí)別問(wèn)題，但卻存在著攝像聚焦角度、清晰度分辨率等專業(yè)的技術(shù)問(wèn)題，對(duì)于實(shí)物證據(jù)內(nèi)含的信息識(shí)別和提取存在較大問(wèn)題。總體來(lái)說(shuō)，實(shí)物證據(jù)中涉及的實(shí)體識(shí)別技術(shù)：圖像識(shí)別技術(shù)，采用相似度算法，較之自然語(yǔ)言中的語(yǔ)義理解發(fā)展更為成熟[17]。

第三，過(guò)程性證據(jù)中的鑒定意見(jiàn)和勘驗(yàn)筆錄也受到減損。因?yàn)殍b定意見(jiàn)和勘驗(yàn)筆錄是交由專業(yè)的技術(shù)人員或法官進(jìn)行證據(jù)證明事實(shí)的分析和論證，其證據(jù)信息可以表述為邏輯性強(qiáng)的算法學(xué)習(xí)可獲知的知識(shí)圖譜。較之言辭證據(jù)和實(shí)物證據(jù)，過(guò)程性證據(jù)因其專業(yè)性的表達(dá)、清晰的是非判斷，而較易被機(jī)器數(shù)據(jù)化表達(dá)和識(shí)別。因此，鑒定意見(jiàn)和勘驗(yàn)筆錄的證據(jù)信息可獲得性最高。

(二)雙重困境：機(jī)器學(xué)習(xí)機(jī)械性與事實(shí)認(rèn)定的結(jié)構(gòu)性矛盾

一般而言，法官通過(guò)證據(jù)資料或經(jīng)驗(yàn)法則形成心證，完成對(duì)待證事實(shí)的內(nèi)心確信，并在無(wú)法形成確定心證時(shí)采取證明責(zé)任的風(fēng)險(xiǎn)分配法則。因此，法律人工智能必須完成上述兩項(xiàng)事實(shí)認(rèn)定的判斷任務(wù)：自由心證的形成以及證明責(zé)任的適用。

1.機(jī)器學(xué)習(xí)機(jī)械性與法官心證自由的沖突。從人工智能技術(shù)應(yīng)用的現(xiàn)實(shí)角度看，要實(shí)現(xiàn)人工智能對(duì)事實(shí)認(rèn)定的目標(biāo)，至少需要通過(guò)四個(gè)步驟。第一，整理相關(guān)裁判文書，對(duì)陳舊紙質(zhì)裁判文書進(jìn)行電子化掃描以及網(wǎng)絡(luò)化傳輸。第二，提取事實(shí)認(rèn)定材料中的關(guān)鍵信息，人工進(jìn)行識(shí)別和標(biāo)注。第三，剔除錯(cuò)誤的判定結(jié)果、保留正確的判定結(jié)果。這是因?yàn)槿斯ぶ悄軐W(xué)習(xí)信息的能力很強(qiáng)，但重要的問(wèn)題在于它既可以學(xué)習(xí)正確的知識(shí)，也可以學(xué)習(xí)錯(cuò)誤的知識(shí)。因此，在人工智能判定事實(shí)的過(guò)程中應(yīng)當(dāng)重點(diǎn)關(guān)注不正確裁決的剔除。否則，基于學(xué)習(xí)樣本數(shù)量的有限性以及作為學(xué)習(xí)樣本的輸入信息之間沖突，可能會(huì)導(dǎo)致輸出的結(jié)果運(yùn)算不正確。

概而言之，人工智能對(duì)事實(shí)認(rèn)定的結(jié)果與法官心證之間既有聯(lián)系，也有沖突。二者聯(lián)系的基礎(chǔ)在于人工智能對(duì)事實(shí)的認(rèn)定是基于法官對(duì)事實(shí)認(rèn)定的經(jīng)驗(yàn)。因?yàn)樯疃葘W(xué)習(xí)原理下，人工智能的學(xué)習(xí)數(shù)據(jù)是源自法官依照自由心證制作的裁判文書；人工智能的運(yùn)行模式是模擬和分解法官事實(shí)認(rèn)定的思維結(jié)構(gòu)；人工智能算法的調(diào)參和優(yōu)化也需要法官作為法律專家進(jìn)行專業(yè)地評(píng)斷。二者沖突的地方在于：從事實(shí)認(rèn)定方法與人工智能認(rèn)知邏輯比較而言，法官適用的事實(shí)認(rèn)定方法與人工智能認(rèn)知邏輯存在著結(jié)構(gòu)性的矛盾。該矛盾在于人工智能在事實(shí)認(rèn)定中的司法適用是對(duì)待證事實(shí)證明結(jié)果的認(rèn)定，而無(wú)法完全復(fù)制法官進(jìn)行事實(shí)認(rèn)定過(guò)程中的思維結(jié)構(gòu)。具體來(lái)說(shuō)，其可從以下兩個(gè)角度進(jìn)行闡述。

第一，由法官對(duì)事實(shí)認(rèn)定的結(jié)構(gòu)觀之，法官需要在當(dāng)事人主張的生活事實(shí)中依據(jù)法律條文的解釋厘清主要事實(shí)，通過(guò)書證、物證、人證等不同證據(jù)方法獲得重要的證據(jù)資料，與案件裁判有重大影響的重要間接事實(shí)，與判斷證據(jù)是否真實(shí)相關(guān)的輔助事實(shí)。但人工智能對(duì)不同層次的事實(shí)認(rèn)定存在困難。從法官認(rèn)定事實(shí)的方法而言，是依據(jù)法官的自由心證。自由心證是基于對(duì)法定證據(jù)制度僵化適用的修正，外在上體現(xiàn)為法官的論證自由，但其內(nèi)在也受法律準(zhǔn)則、經(jīng)驗(yàn)法則、一般社會(huì)習(xí)慣等的制約[18]，法官應(yīng)當(dāng)根據(jù)內(nèi)心的良知對(duì)案件事實(shí)進(jìn)行認(rèn)定。但人工智能對(duì)于這種內(nèi)在制約的算法表達(dá)存在困難，算法無(wú)法表達(dá)這種高度抽象的知識(shí)和要素。

第二，由人工智能對(duì)事實(shí)認(rèn)定的模型觀之，其對(duì)辯論材料的理解、證據(jù)證明的結(jié)果，均體現(xiàn)為神經(jīng)網(wǎng)絡(luò)模型對(duì)數(shù)據(jù)的處理，而不是對(duì)法律準(zhǔn)則、經(jīng)驗(yàn)法則、一般社會(huì)習(xí)慣等的學(xué)習(xí)。從人工智能事實(shí)認(rèn)定的方法而言，人工智能對(duì)事實(shí)的認(rèn)定重在輸出結(jié)果，而不是論證過(guò)程。因?yàn)槿斯ぶ悄苤荒軐?duì)數(shù)據(jù)本身進(jìn)行復(fù)制學(xué)習(xí)，而無(wú)法依據(jù)抽象的知識(shí)進(jìn)行超出數(shù)據(jù)外的創(chuàng)造性認(rèn)知。從事實(shí)認(rèn)定的分層式論證而言，人工智能需要進(jìn)一步改善事實(shí)認(rèn)定的模型和算法。毋寧說(shuō)這種對(duì)事實(shí)認(rèn)定結(jié)果的判斷完全依賴于數(shù)據(jù)和模型，又重新落入了“人工智能法定證據(jù)”的窠臼，是一種新形式的法定證據(jù)主義。

2.機(jī)器學(xué)習(xí)機(jī)械性與證明責(zé)任適用的難題。除法官運(yùn)用自由心證認(rèn)定事實(shí)外，實(shí)際上，證明責(zé)任在結(jié)果意義上可以理解為法官在心證無(wú)法得到確信時(shí)判斷本案事實(shí)的一種輔助方法[19]。對(duì)于證據(jù)信息復(fù)雜的案件，法官需要通過(guò)訴訟指揮增進(jìn)當(dāng)事人對(duì)證據(jù)的提出和事實(shí)的主張，以明確案件的要件事實(shí)，確定要件事實(shí)的法律效果。一個(gè)案件的證據(jù)信息，包括間接證據(jù)和輔助證據(jù)等，證據(jù)與證據(jù)之間互相連接、互相印證，形成明確的法律事實(shí)。不過(guò)，當(dāng)事人雙方竭盡全力提出所有的證據(jù)，法官依照經(jīng)驗(yàn)法則和典型事實(shí)仍對(duì)要件事實(shí)的認(rèn)定陷入難以抉擇的困境時(shí)，則需要借助證明責(zé)任的適用進(jìn)行不利法律后果的風(fēng)險(xiǎn)分配從而間接實(shí)現(xiàn)事實(shí)認(rèn)定。

在一定程度上，可以說(shuō)法官心證對(duì)基于證據(jù)證明和辯論全趣旨獲得確定心證的個(gè)體差異不大，尚能為機(jī)器學(xué)習(xí)提供標(biāo)準(zhǔn)統(tǒng)一的海量數(shù)據(jù)。但作為輔助事實(shí)認(rèn)定方法的證明責(zé)任理論，由于其理論移植與本土的差異以及理論適用的復(fù)雜性，在裁判文書中法官應(yīng)用較少，且較為混亂[20]。第一，適用證明責(zé)任理論裁判的文書數(shù)量較少，則機(jī)器可學(xué)習(xí)的樣本數(shù)量較少。如同上文所述，少量的樣本數(shù)據(jù)導(dǎo)致機(jī)器學(xué)習(xí)存在困境，無(wú)法進(jìn)行數(shù)據(jù)的優(yōu)化和精準(zhǔn)地輸出。第二，適用證明責(zé)任理論的裁判文書存在認(rèn)定結(jié)果相反的情形。在類案但非同案中，法官面對(duì)相同的要件事實(shí)無(wú)法獲知真?zhèn)螘r(shí)，可能由于對(duì)實(shí)體法所表達(dá)的證明責(zé)任規(guī)范理解差異而導(dǎo)致不同的結(jié)果責(zé)任分配，從而導(dǎo)致法官對(duì)相同事實(shí)認(rèn)定的結(jié)果完全不同。如此，事實(shí)認(rèn)定的矛盾和沖突會(huì)導(dǎo)致學(xué)習(xí)樣本的不同一。即使裁判文書數(shù)量增加的前提下，由于司法實(shí)踐中證明責(zé)任理論適用不一，機(jī)器學(xué)習(xí)樣本的信息存在沖突，輸入數(shù)據(jù)信息的標(biāo)準(zhǔn)不一，那么，機(jī)器學(xué)習(xí)生成的判決文本也會(huì)存有爭(zhēng)議。此種情形下，首要的問(wèn)題不是人工智能如何精準(zhǔn)地復(fù)制法官的裁判思維，而是裁判文書中法官的判定是否達(dá)到了統(tǒng)一。否則，由于訓(xùn)練集樣本的輸出信息存在矛盾可能導(dǎo)致人工智能學(xué)習(xí)輸出內(nèi)容的沖突。

由于證明責(zé)任理論在法律移植進(jìn)程中未能完全吸收其理論本質(zhì)以及我國(guó)追求法律真實(shí)的訴訟價(jià)值觀，該理論的適用在我國(guó)學(xué)理與實(shí)踐之間產(chǎn)生較大分離[21]。除此之外，我國(guó)計(jì)算機(jī)法學(xué)發(fā)展并不具有優(yōu)勢(shì)地位。因此，理論與實(shí)踐的分離在橫跨了法官個(gè)體經(jīng)驗(yàn)差異的同時(shí)又增加了算法學(xué)習(xí)技術(shù)的優(yōu)劣，兩個(gè)梯度的分離可能會(huì)導(dǎo)致理論與實(shí)踐產(chǎn)生難以逾越的鴻溝。

四、紓解之道：要素式審判方法的引入與層級(jí)式事實(shí)模型的建構(gòu)

目前，人工智能在事實(shí)認(rèn)定領(lǐng)域存在裁判資料獲取不充分和事實(shí)認(rèn)定證明方法之雙重困境。就人工智能在事實(shí)認(rèn)定方面的具體適用而言，首先，可以從司法實(shí)踐中簡(jiǎn)易程序適用的要素式審判法開(kāi)始，探索要素式審判對(duì)人工智能模型建構(gòu)的功能；其次，可以通過(guò)對(duì)事實(shí)進(jìn)行類型劃分，通過(guò)分解“三段論”論證結(jié)構(gòu)形成新的“準(zhǔn)三段論”論證模式，完成人工智能在事實(shí)認(rèn)定領(lǐng)域的進(jìn)階發(fā)展。

(一)借鑒要素式審判法提取主要事實(shí)

所謂要素式審判法，就是圍繞案件的基本要素進(jìn)行庭審并制作裁判文書的一種略式審判方法[21]。具體而言，就是在審理民事案件的過(guò)程中，對(duì)一些能夠概括出固定案情要素的案件，進(jìn)行要素提煉，并對(duì)雙方當(dāng)事人就案件中各種要素是否存在爭(zhēng)議進(jìn)行歸納。這種要素式審判在司法實(shí)踐中簡(jiǎn)便易行，可以明顯提高法官審理案件的效率，促進(jìn)糾紛的迅速解決。

實(shí)際上，要素式審判法是司法實(shí)踐中面對(duì)“案多人少”情形下提煉的法官智慧，通過(guò)對(duì)案件事實(shí)的要素式提取，從而簡(jiǎn)化案件的事實(shí)認(rèn)定過(guò)程。這種審理方式對(duì)事實(shí)進(jìn)行了精確的細(xì)分，從而為人工智能認(rèn)定事實(shí)提供了簡(jiǎn)單的知識(shí)圖譜。人工智能的事實(shí)認(rèn)定借鑒要素式審判法的前提是肯認(rèn)人工智能發(fā)展的技術(shù)階段，并將人工智能事實(shí)認(rèn)定的范圍限縮為“事實(shí)爭(zhēng)議不大、權(quán)利義務(wù)關(guān)系明確”的簡(jiǎn)易案件。這是因?yàn)榇祟惡?jiǎn)易案件的事實(shí)認(rèn)定符合人工智能技術(shù)發(fā)展的現(xiàn)狀。

綜上，要素式審判法提煉了審理案件過(guò)程中法官需要識(shí)別的關(guān)鍵特征和信息提取，為人工智能司法裁判的知識(shí)圖譜提供了建構(gòu)的基礎(chǔ)。在一般情況下，大多數(shù)簡(jiǎn)易案件的庭審，都非常適合運(yùn)用要素式審判法。根據(jù)《中華人民共和國(guó)民事訴訟法》第40條，簡(jiǎn)易案件審理的形式化標(biāo)準(zhǔn)為“權(quán)利義務(wù)關(guān)系明確、案件事實(shí)爭(zhēng)議不大”，而且實(shí)踐中簡(jiǎn)易案件占比高達(dá)80%[22]。可見(jiàn)，實(shí)踐中簡(jiǎn)易案件要素式審判方法適用范圍較大，人工智能在民事案件中的適用范圍廣闊。借鑒要素式審判法，人工智能可以較好地完成民事事實(shí)認(rèn)定的工作。

(二)通過(guò)層級(jí)式事實(shí)模型分層認(rèn)定事實(shí)

簡(jiǎn)易案件的事實(shí)認(rèn)定模式較為簡(jiǎn)單，人工智能借鑒要素式審判法可以較好地建構(gòu)事實(shí)認(rèn)定的模型。不過(guò)對(duì)于事實(shí)認(rèn)定復(fù)雜的案件，事實(shí)認(rèn)定的模型建構(gòu)較為復(fù)雜，人工智能學(xué)習(xí)需要面對(duì)多元的目標(biāo)和任務(wù)，這恰是人工智能無(wú)法克服的弱點(diǎn)。

從案件事實(shí)的復(fù)雜性程度來(lái)講，案件事實(shí)的層次可分為主要事實(shí)、間接事實(shí)、輔助事實(shí)等多個(gè)層次。有學(xué)者提出可以將事實(shí)的層級(jí)進(jìn)行分類，采取選定特征事實(shí)的方法，相應(yīng)地對(duì)法律權(quán)利義務(wù)產(chǎn)生、消滅、抗辯效力的規(guī)范層級(jí)進(jìn)行分類，再將二者進(jìn)行層級(jí)對(duì)應(yīng)[23]。這種微觀的層級(jí)論證模式，拆分主要事實(shí)和法律適用的具體要素，形成了“T1→R1”的“準(zhǔn)三段論”法律論證模型。該模型突破了簡(jiǎn)單三段論中“大前提-小前提-結(jié)論”的論證結(jié)構(gòu)，一定程度上實(shí)現(xiàn)了事實(shí)認(rèn)定模型的多層級(jí)構(gòu)筑。在此基礎(chǔ)上，“準(zhǔn)三段論”法律模型利用形式邏輯模擬證據(jù)、事實(shí)的推理以及其他類型的推理，對(duì)智能輔助決策的模型建構(gòu)具有突破性、啟發(fā)性的意義[24]。盡管該層級(jí)式事實(shí)模型的建構(gòu)需要更為復(fù)雜的算法和模型，但該層級(jí)式模型無(wú)疑拓展了人工智能在事實(shí)認(rèn)定領(lǐng)域的適用空間，為人工智能在事實(shí)認(rèn)定領(lǐng)域中的司法適用指引了理論方向。

綜上而言，要素式審判法中的事實(shí)認(rèn)定模型只能解決簡(jiǎn)易案件的智能化認(rèn)定，多層級(jí)的“準(zhǔn)三段論”論證模型則為人工智能判定相對(duì)復(fù)雜的案件提供了可行的路徑。

五、結(jié)論

適用人工智能產(chǎn)品輔助事實(shí)認(rèn)定工作可以為法官節(jié)省簡(jiǎn)單勞動(dòng)的時(shí)間，譬如書寫格式化的法庭記錄、法律文書。由于人工智能的科技屬性，很多文書錯(cuò)誤可能會(huì)得到及時(shí)的糾正或者直接全部避免，文書的寫作格式也更加規(guī)范統(tǒng)一。在事實(shí)認(rèn)定過(guò)程中，區(qū)分客觀化、標(biāo)準(zhǔn)化、流程化的案件審理類型與主觀性、靈活性、彈性空間較強(qiáng)的案件審理類型。將確定性的案件類型適當(dāng)賦予人工智能負(fù)擔(dān)，減輕法官的審判壓力，將不確定性因素較強(qiáng)的案件類型仍然賦予法官進(jìn)行判斷裁決，形成法官獨(dú)立審判與人工智能輔助參與審判的兩重審判格局。兩重審判格局的形成有助于促進(jìn)社會(huì)糾紛解決的制度效率，保障司法的觸達(dá)和正義的分配，解決法院案多人少的矛盾。