目次
　　一、智能司法辅助决策模型的理论工具转型
　　二、智能司法辅助决策模型的建构路径
　　三、智能司法辅助决策模型的应用机理
　　四、结语
摘要 辅助裁判模型是智能司法基础理论的核心内容。智能司法辅助裁判模型的理论工具应实现由“法律逻辑+人工智能”向“法律逻辑+诉讼法哲学+人工智能”的转变，使智能司法辅助裁判可真正融入司法实践。司法人工智能遵循“法律本体库—要件解构与标注—自然语义识别与深度学习—司法人工智能”的生成路径。智能司法辅助裁判模型是以要件事实论为指引建立待决案件信息与法律本体库的匹配关系，达致匹配度要求后输出裁判结果的过程。法律选择及解释模型、诉讼证明模型、证据能力评价模型与证据推理模型具有不同的作用机理、功能定位与适用范围，需进行精细化构建，为法官裁判提供新的分析工具与辅助参考。
关键词 智能辅助裁判模型 法律本体库 认知案件 要件事实论 诉讼法哲学
　　在科技强国、网络强国、数字中国、智能社会建设的国家战略背景下，以及司法体制改革与现代科技深度融合的司法体制改革政策驱动下，我国智能司法建设进入快速发展期。但应当看到，我国智能司法建设实践存在理论根基不实、原理把握不准等问题；我国智能司法研究仍处在起步阶段，尚未形成系统理论体系。智能司法作为司法裁判的新分析工具，对于司法裁判具有辅助功能，辅助决策模型研究是智能司法基础理论研究的核心内容。智能司法辅助决策模型中的“模型”，并不代表司法裁判可机械定义为若干模型，本文并不持司法裁判模型化观点，而是主要指向人工智能辅助司法决策的内在逻辑、基本方式、作用机理等原理性问题。之所以使用“模型”概念，原因在于构建可在计算机程序中实现的法律推理及论证模型并有效模拟人类裁判，是智能司法的理想目标；尽管此目标实则难以实现，也希望通过机器智能模型更好地洞见司法过程。智能司法系统存在两个模型：智能司法辅助决策的逻辑模型、实现辅助裁判目标的计算模型。前者为人工智能与法的交叉领域，后者归属技术领域。本研究主要关注前者，试图建立智能司法辅助决策模型，厘清司法人工智能的生成规律及模拟司法决策的逻辑、机理、路径及应用，构建符合法律实践的智能司法算法，形塑我国智能司法基础理论体系，用于辅助司法裁判、指引智慧法院实践、助推司法体制改革，使我国智能司法建设符合未来法治发展的方向。另外，以智能司法辅助决策模型的构建推动智能司法理论学理化，探究法律逻辑、法理学、诉讼法哲学、人工智能原理的内在关联，力求促进司法信息学、智能司法学等新兴学科发展，探索学科融合发展的可行路径。
一、智能司法辅助决策模型的理论工具转型
　　法律逻辑、认知科学、人工智能理论均可为智能司法辅助裁判模型提供理论工具，鉴于智能司法理论极大的学科与知识跨越性，相关理论如何互联互通形成有机整体便成为理论工具构建的重要问题。智能司法系统需融入诉讼实践与过程之中，那么要件事实论、新证据学等与诉讼法哲学相关的理论工具的引入便具有必要性与迫切性，从而重构更具生命力的智能司法辅助决策模型的理论工具。
（一）“法律逻辑+人工智能”的理论工具
　　1.法律逻辑理论
　　20世纪以降，现代逻辑广泛运用于法律知识表达、描述司法判决等方面，并与人工智能理论整合发展，形成“人工智能+法律逻辑”交叉学科，重点探讨基于人工智能原理的法律论证建模，尤其是非单调逻辑与可废止推理理论为智能司法开启了新空间。非单调逻辑与可废止推理是基于事物的复杂性、人类认知的不完全性、自然语言的模糊性等带来的不确定性，对不确定性知识的运用与处理方式。〔1〕严格的司法演绎推理体现为单调逻辑与不可废止推理，而法律大前提的解释与修正、新证据的加入、小前提事实认定的不确定性，使前提集随时的增减变化可能导致结论的变化，使得司法推理本质上具有非单调性与可废止性，具体体现在基于反驳和削弱两种论证冲突，引入破坏攻击直接指出论证前提不成立，从而废止原论证。〔2〕人工智能将司法推理视作对不同陈述、论据、规范假设加以选择的活动，正好与非单调逻辑及可废止推理相契合，对裁判结果、事实认定、证据推理的推论等可通过非单调逻辑与可废止推理来进行分析。
　　同时，法律论证理论的新发展为人工智能法律模型构建提供了分析框架。法律论证理论是现代逻辑学、语用学、论辩学、修辞学等融合演进的产物，图尔敏论证模型、佩雷尔曼新修辞学等将逻辑、修辞和对话相交织，形成各具特色的法律论证理论。〔3〕法律论证与人工智能法律系统的契合之处在于：法律论证图式是法律知识的表达方式，且具有开放性可不断修正，与人工智能对法律本体库的深度学习相一致；法律论证具有非单调性和可废止性，从法律适用、事实认定到证据认定与推理，允许反驳性或削弱性观点存在；诉讼中的对审机制及程序规则为法律论证的对话与论辩提供了难得的条件；法律论证中的证明与诉讼活动中的证明责任、证明方法、证明标准具有逻辑上的关联。
　　论辩模型理论的兴起则为法律论辩及对话式司法创造了智能化场景。法律推理与论证具有论辩本质，包括主张、反主张与论证、反论证，人工智能法律系统的目的是让这种对话结构清晰起来，并开发能控制或调停对立各方之间对话的系统，从而模型化管控这种争议的程序。〔4〕20世纪90年代以来，对话博弈开始应用于法律推理，构建两方轮流参与论辩的对话模型，对话过程以多元向量动态表示，通过确立前提集并且使前提集在对话各阶段保持更新，用以约束双方之后的对话，通过对话和承诺集相互作用的方式直至证成某个有争议的陈述。〔5〕戈登的诉讼博弈模型是针对普通法系民事诉讼设立的法律论证计算模型，原告提出法律及事实主张后，被告或予以承认或引入某论证来对抗原告的主张及论证，双方均可引入新的规则与事实，通过寻找双方存在分歧的前提，保持下来的分歧成为案件审理的议题，并对双方关于案例结果的不同观点作出解释。〔6〕
　　2.法律专家系统理论
　　法律专家系统由法律知识库和推理机组成，法律知识库储存法律专家的知识，推理机用于记忆所采用的规则和控制策略的程序，负责调度和运用知识进行推理并给出推理结果，从而模拟法律专家推理。〔7〕两大法系基于各自法律传统分别形成基于规则、案例的法律专家系统。基于规则的法律专家系统是用专家系统模拟与规则相关的法律、司法解释、地方法规等内容，建立复数的规则与相应权重的连接，从而预测裁判结果。在基于规则的法律专家系统中，具有代表性的是被誉为“人工智能与法之父”的麦卡迪所创建的TAXMAN系统，法概念、法律规则和事实均是初始元，逻辑推理采演绎推理模式。〔8〕基于案例的法律专家系统的发展，既是英美法系判例法传统与人工智能融合发展的产物，也是对基于规则的法律专家系统缺陷的弥补，即知识表示不仅是法律规则的简单选择，而应提取要素结合案例予以表达。具有代表性的如美国学者阿什利和里斯兰设计的HYPO法律专家系统，根据案件要素的相关性与重合程度建立索引系统从而发现类似案例，作为本案裁判参考。〔9〕应当看到，基于案例的法律专家系统建立在法律要素类比的逻辑之上，存在法律要素难以完备、要素匹配数量高却并不一定具有法律上的决定意义等局限，较之基于规则的法律专家系统，实则需要更高的智能化程度，具有更大的构建难度。囿于以上局限，基于规则与案例的法律专家系统的实践效果并不理想。
　　基于规则或案例的法律专家系统，均是知识工程与人工智能结合的产物，是一种法律知识工程。知识工程以知识为处理对象，包括知识的获取、表达和推理，通过机器进行知识应用。〔10〕由于以法律专家系统为代表的法律知识工程在知识获取上依赖人工，专家知识库的知识结构不清晰且仅是无规则放置在机器中用于检索，面临法律解释难题、难以解决规则冲突及缺失等问题。尤其对于案件要素的相关性由何种方法确定这个法律专家系统的最核心问题，法律专家系统理论始终未给出有效回答，自20世纪90年代后传统的法律专家系统渐入低潮。
　　3.“法律逻辑+人工智能”的局限性
　　法律人工智能理论以“法律逻辑+人工智能”为理论框架，已形成一定的理论基础，但仍存在薄弱环节，智能司法系统适用性不强、难以大范围推广是全球智能司法建设面临的共同难题。究其缘由，理论框架的缺陷是根本原因。
　　缺陷之一，人工智能法律专家系统理论已具相当规模，但知识更新能力弱，面临知识接收瓶颈，人工神经网络、深度学习等新兴人工智能技术与法律理论相结合程度严重不足。人工智能已由以推理和搜索的首轮热潮，发展到专家系统为标志的第二波热潮，再到21世纪由机器学习推动的第三轮热潮。〔11〕深度学习系基于知识图谱数据特征的学习，通过深度学习提升对待决事项预测的准确度。〔12〕以人工神经网络为核心的深度学习等新兴人工智能技术，如何突破传统知识工程理论的瓶颈，仍然方兴未艾，现有的“法律逻辑+人工智能”理论工具难以对智能司法辅助裁判模型作出有效指引。缺陷之二，英美法系国家就“法律逻辑+人工智能”实现多学科融合研究，但研究主体集中于法律逻辑学家与法理学家，诉讼法学家参与较少，与诉讼法学的融合不够精进，人工智能法律本体库研究成果较少，法律逻辑理论虽为智能司法提供了顶层理论工具与设计模型，但欠缺与诉讼实践的深度融合，仅是“云端”的理论工具，而不是指导实践的理论工具，或许是英美法系法律专家系统实践运用欠佳的原因之一。缺陷之三，基于诉讼法学等部门法学在法律人工智能研究中参与不足，导致法律人工智能中的法律概念化难以实现。法律专家系统的构建依托于法律的概念化、规则化、符号化，法律概念化过程不仅需要法律逻辑学者、法理学者发挥作用，也需要诉讼法学、实体法学等部门法学者来推动具体法律领域的概念化、规则化。由于法律逻辑学者与法理学者势单力孤，人工智能法律系统的构建很大程度由人工智能学者主导，存在技术性有余、法律性不足等问题。人工法律智能实践迫切需要法律逻辑学者、法理学者与诉讼法学者等部门法学者形成法学学科合力，继而同人工智能学者形成整体研究合力。
（二）“法律逻辑+诉讼法哲学+人工智能”的新理论工具
　　1.诉讼法哲学理论的引入
　　其一，要件事实论作为具有诉讼法哲学意义的裁判方法论，对于智能司法建模具有基础性价值。受德国刑法学犯罪构成要件理论的影响和启发，日本司法研修机构对法律职业人开展要件事实教育和培训，形成要件事实理论，并逐渐成为基本的裁判思维和方法。要件事实论是与法律构成要件对应的具体案件事实，是依实体法对生活事实进行裁剪后形成的法律化的具体事实。〔13〕可认为要件事实论是将法律构成要件与案件具体事实、实体法与程序法有效连结并将实体法规范通过诉讼程序得以适用的裁判方法论。〔14〕在成文法背景下，三大诉讼的裁判路径在于将实体法规范适用于具体案件，从而使该规范所确定的法律后果得以实现。在一般法学上，由于一定的法律效果的发生，而将法律上所必要的事实条件的总体称为法律上的构成要件。〔15〕法律上的构成要件对应于实体法规范的识别、分析与解构，具有抽象化特征，涵摄于各构成要件之下的具体事实，则是诉讼中的证明对象，从而形成抽象性法律构成要件与具体性要件事实的区分。案件具体事实的内容极其繁复，只有实体法构成要件范围之内的案件具体事实才是诉讼中需要证明的要件事实。尽管我国距离要件事实论的体系化全面适用仍有距离，体现在请求权基础体系尚不完善、要件事实论在实践有所应用但还未有效推广、实体法与诉讼法的对接还较为欠缺、主要仅适用于民事诉讼领域等。但也应看到随着民法典的实施以及实务界开始推动要件审判九步法的具体实践，〔16〕刑事诉讼研究领域开始关注要件事实与犯罪构成的关系问题，〔17〕行政诉讼研究领域开始关注要件事实论在行政诉讼中的引入，〔18〕要件事实论正在立法、学界及实务界产生越来越深的影响。要件事实论“主张—抗辩—再抗辩”的诉讼攻防结构契合法律人工智能的论辩原理，案件攻防得以标准化呈现，符合智能司法的对话式论辩原理。要件事实论在智能司法中被引入后，将以其自身裁判逻辑构建法律专家系统的推理原理，解决案件要素的相关性由何种方法确定这个法律专家系统的最大缺陷。
　　其二，英美法系以司法证明机理为内核的新证据学理论，与智能司法中的证据推理建模具有原理共通性。边沁、威格摩尔推动了英美新证据学的发展，威格摩尔认为诉讼证明与事实认定最重要的并非证据可采性，而是解决可采性问题后对证据进行评价的自然过程。〔19〕此自然过程包括依据直接证据认定事实以及依经验法则从间接事实推认事实两种路径。之后，英美法系引入概率学、图表分析法、话语学、计算机科学、法律叙事学等新证据学方法，涌现出贝叶斯定理、故事模型理论等证据评价或事实认定模型，通过发现证据之间、证据与事实间的逻辑联系构建事实图景。〔20〕新证据学的交叉学科属性为引入人工智能创造了条件，不仅贝叶斯定理、故事模型理论模型等与人工智能联系密切，计算机科学与法律专家系统本身也是新证据学的分支之一，因其更依赖于数学模型与计算机模型，甚至被称为“第二种类型的新证据学”。〔21〕
　　其三，人工智能与证明的融合发展揭示了智能司法建模不仅是静态法律推理与论证，而且涉及与诉讼证明等过程性司法行为的动态结合。尽管人工智能与司法证明的融合研究尚处起步阶段，但具有广阔空间；甚至可认为，人工智能与证明的融合将带来新证据学的再次革命，证明的逻辑框架可能会被智能司法模型框架所设计。法律论辩模型中，主张某个句子的博弈方有责任去证明该句子是被证成的，提出方与反对方在博弈中可以转换，这与诉讼证明极为类似。〔22〕诉讼证明中证明责任分配的内部结构、本证、反证，与人工智能法律论辩模型中的交替提出论辩主张、反驳与削弱观点的提出具有内在联系；冲突论证中两个相互反驳的论证强度的大小，则与诉讼中的证明标准理论具有共通性。
　　2.理论工具转型之于智能司法辅助决策建模的意义
　　在“法律逻辑+人工智能”基础上，新理论工具融入诉讼法哲学考量，形成诉讼法哲学对“法律逻辑+人工智能”的有益补充，构建“法律逻辑+诉讼法哲学+人工智能”的新理论工具，对于智能司法辅助决策的模型建构至少具有三方面意义。
　　意义之一，新理论工具的结构符合智能司法辅助决策建模的内在规律。智能司法辅助裁判模型包括分析情境、回答法律问题、预测结果或做出法律论证等，对于法律论证、法律推理和法律预测等智能服务模型，知识表示的瓶颈阻碍了其在法律实践领域的应用。法律文本解析技术可以突破知识表示瓶颈问题。法律文本解析又被称为法律文本挖掘，是指使用语言的统计和机器学习的技术发现法律文本数据档案中的知识。〔23〕但法律逻辑学并不能彻底解决法律的知识表示问题，也难以展现诉讼动态攻防的具体过程。而融入诉讼法哲学考量后，可成为法律文本解析技术的重要基础，使智能司法系统所赖以依托的法律知识体系概念化、规则化、符号化，为法律本体库构建提供基本思路，形成法律逻辑解决法律推理与论证的理论问题，诉讼法哲学则将法律逻辑融汇于诉讼实践中，解决法律选择、诉讼证明、证据推理等相对微观问题的内部结构，使“云端”的理论工具成为实用的理论工具，智能司法辅助裁判可真正得以实施。同时，在知识工程理论基础上，新理论工具关注法律逻辑、诉讼法哲学与人工神经网络、深度学习等最新人工智能原理对接，以学科融合的视野、理论互补的方法推进法学与哲学深度对话、人工智能与司法裁判知识深度结合。
　　意义之二，新理论工具有助于破解智能司法的案件认知难题。人工智能机器学习的前提是规则化、要素化和图谱化。智能司法是司法大数据基础上的认知科学实践，构建法律、事实、证据间的动态逻辑关系，使机器具有一定的案件认知能力，进而形成司法人工智能。但对案件非结构化数据的认知是智能司法的首要难题，又是智能司法辅助裁判模型的核心。构建出一个领域的本体，将极大提升机器对该领域的信息处理能力，它已成为知识获取、表示、推理及应用的核心。〔24〕法律本体库又称为法律知识图谱，是司法人工智能生成的逻辑起点，也是机器认知个案进而模拟裁判的前提。法律本体库的构建需要根据法律概念的关联性标记或注解法律文本，厘清非结构化数据的内部结构，提供便于计算机程序处理的知识的概念体系；同时，本体库需要反映人类专家知识，这些专业知识关注哪些概念和关系应该包括进来使智能系统能够执行最终任务。〔25〕诉讼法哲学新理论工具中的要件事实论、新证据学理论及证明理论为法律本体库构建提供了较稳定的方法支撑。要件事实论对于法律本体库的构建具有基础意义。要件事实论是将法律与事实、实体与程序等结构化的理论体系，可有效厘清法律知识图谱的结构关系，实现从案件类型相似、文件相似到要件相似的匹配，有助于机器深度学习。新证据学对证据评价的交叉学科视角，为解决司法人工智能对案件事实的认知难题、证明力判断等提供了新的分析视角，故而诉讼法哲学对于缓解机器智能的案件认知难题有所助益。
　　意义之三，新理论工具有助于有效破除算法“黑箱”。算法“黑箱”是智能司法最值得担忧的问题之一，算法模型的神秘化、技术化，可能导致数据科学家也难以完全理解人工智能预测背后的逻辑，从而具有“黑箱”性质。〔26〕智能司法建设同样存在算法“黑箱”和算法霸权的隐患，数据提取、标注中的主观性因素以及编辑者的逻辑编排、要旨提炼、观点选择，可能具有不确定因素。〔27〕诉讼法哲学新理论工具的引入，可一定程度解决算法“黑箱”的问题，减少智能司法算法形成的不确定性，增强智能司法算法的透明度与可解释性。比如，在要件事实论下，实体法构成要件、要件事实、证据评价构成严谨网络，经机器识别后成为辅助裁判的相关因素，以此形成的智能司法算法与要件事实论的裁判逻辑相匹配，从而使算法具有合法正当性，可避免对智能司法算法“黑箱”的质疑。将要件事实论作为智能司法思维形成的基础不仅不会产生制度冲突，反而暗合人工神经网络的特征。
二、智能司法辅助决策模型的建构路径
　　智能司法辅助决策模型的建构路径包括两个层面，第一个层面是司法人工智能的生成路径，这是智能司法辅助决策模型的首要任务与先决问题，其核心内容是智能司法的认知建模与知识表示。只有依据司法裁判规律生成的司法人工智能才能有效模拟裁判，起到辅助裁判、提供裁判参考的作用，未遵循司法决策内在规律生成的司法人工智能，可能是与司法实践相去甚远的“伪智能”。第二个层面是智能司法如何模拟裁判，厘清智能司法辅助司法决策的逻辑环境及基本方式等问题，其核心内容是智能司法的知识推理与知识应用。
（一）司法人工智能的生成路径
　　不同于法律专家系统中规则固定的知识库与推理机，司法人工智能的生成路径具有法律本体库设计、深度学习、监督学习等特征，具体路径为“法律本体库—要件解构与标注—自然语义识别与深度学习—司法人工智能”。
　　1.以要件事实论为基础的法律本体库的构建
　　本体库是概念化的具有阶层顺序的描述某特定领域假设或公理的集合，可清晰定义和呈现该领域概念、类别、关系、函数、公理及束缚条件。〔28〕与通常意义的知识工程相比，本体库具有更清晰的阶层性，是对该领域知识的系统整理和结构化表达，从而具有结构化数据的特征。相对应，法律本体库是法律概念、法律规则、各法律规则构成要件、证据规则构成的动态关系库。法律本体库对法律整体及内部结构关系的关注，已超越传统法律知识工程对规则和案例的静态关注。
　　就构建法律本体库而言，法律领域的概念化便成为第一步，这是法律本体库的构建应更依凭法学学者之智识而非依赖于人工智能学家抽象建模的缘由。法律本体库通过分析概念间的关系及结构形成概念网络从而构筑知识体系，具有人工智能学中词汇表的功能，为司法人工智能提供正确的分词，从而形成法律语义库，这是智能司法模拟裁判的基础。学界就法律本体库构建形成一定研究成果，如法律论述语言本体库、规范形式主义本体库、法律功能本体库以及以框架为基础的本体库等，但并未找到将概念法学体系转换为法律本体库的妥帖路径。〔29〕我国智能司法实践亦开始关注法律本体库的基础性作用，华宇元典、法信等人工智能法律研发机构均致力于构建法律本体库，但具体的建构路径与方法仍在探索之中。〔30〕法律本体库构建规律的欠缺，亦直接影响我国智能司法辅助裁判系统的运行效果，出现政策热但实践运行效果并不理想的反差。〔31〕
　　法律本体库的构建有自上而下与自下而上两条路径。自上而下路径由法律专家根据法律逻辑构建法律知识图谱，自下而上路径则完全由机器在对司法案例大数据进行深度学习基础上自主构建法律知识图谱。〔32〕由于法律数据尤其是司法案例数据涉及法律解释、价值判断等不确定因素且多为非结构化数据，若采机器对司法案例大数据进行深度学习，自主构建法律知识图谱的自下而上路径，实则难以有效完成实体、关系及属性抽取等任务，因而，采取自上而下路径构建法律本体库系相对合理的选择。
　　在明确路径之后，法律本体库的构建方法系更为关键的问题。构建法律本体库的难题在于如何厘清各法律概念的关系、结构及作用，法律本体库实则是描述符号化的各法律要素之间关系的语义网，并将该语义网作为机器自然语言识别的基础。要件事实论作为具有诉讼法哲学意义的裁判方法论，正是探究法律与事实、法律与事实各概念相互关系及实践方式的基础理论，具有贯通法律与事实、实体与程序的功能，可作为法律本体库构建的基本方法，使司法数据由非结构化转向结构化。由词法、结构、过程等构成的法律本体库与要件事实论具有逻辑共通性，依要件事实论对某法律关系对应的实体法及要件事实进行多层级解构后的要件对应于法律本体库的分词，实体法与事实的关系对应于法律本体库的结构。〔33〕