2015年5月实行立案登记制后，国内法院案件数量一直呈递增状态。最高人民法院副院长李少平今年7月19日在《人民法院报》撰文介绍，“2016年上半年，全国法院受案1002.9万，同比2015年，上升18.94%，截至今年6月20日，地方各级人民法院受理案件已经突破14287064件，又比去年同期高出12.84%。”
新闻资料图：门庭若市的某区法院立案大厅
可见，如今案件数量增长之迅猛。
办案落到人均会怎么样呢？相对应的，法官员额制刚刚在全国完成，全国近20万名法官被缩减至12万余名。
也就是说，以2017年上半年1400万收案数和法官数12万计算，半年人均需结案数大约为116件。但这个数据还代表不了实际情况。
从空间分布看，案件数量分布差别太大，苦乐不均。沿海及经济发达地区，每个法院的案件年均在万件以上，2016年最多的上海浦东法院12万件，而西部有些欠发达地区，法院的案件在一千件左右，有些还只有几百件。
《法制日报》去年11月报道，2016年7月，广东省深圳市宝安区人民法院民二庭法官贺琼病倒了，怀着二孩的她不得不开始休息。截至她生病休息前，收案约600件，结案300多件，平均每月结案40多件，这是整个宝安法院法官的常态。据悉，2016年1月至9月，宝安法院收案5.8万余件，结案3.5万余件，全院一线法官人均收案466件，人均结案292件。
这个状态是目前经济发达地区法官的常态，“案多人少”矛盾非常突出。所以信息化，乃至人工智能，就是司法迫切需要提上日程的事情。
自动售货机般完美的理性机器：精通法律，同案同判，铁面无私减少司法任意性，防止人工疏失导致的冤假错案也是司法引入人工智能的动因之一。
据何帆介绍，“206”试运行已满两个月。“206”在对上海几万份刑事案件的卷宗、文书数据进行学习后，这个以大数据、云计算和人工智能为技术内核的“小婴儿”，已经具备了初步的证据信息抓取、校验和逻辑分析能力。
新闻图片：206系统界面
其实投入试用的司法“人工智能”不止206工程，2016年12月14日，北京市高级人民法院就将“睿法官”系统正式上线。
“睿法官”能对一审判决书、上诉状等材料先期进行分析，识别出影响案件定罪量刑的相关要素及当事人上诉的理由。如：被害人受伤的部位为面部，受伤程度为重伤，当事人上诉理由为认为自己属于正当防卫，认为被害人受伤程度未达到重伤等信息。
在庭前准备阶段，“睿法官”会自动梳理出待审事实，生成庭审提纲，并推送到庭审系统中。庭审结束后，“睿法官”会对案情要素进行进一步提取，根据法官进一步认定的内容，向其推送更为精准的相似案例、裁判尺度、法律法规等服务，最终帮助法官完成裁判文书撰写。
人们认为这些系统可以将经验判断为主转变为数据参照印证，能有效推进同案同判，统一法律裁判尺度，提升司法权威和司法公信力。
这些系统正符合德国社会学家马克斯·韦伯百年前的设想：“现代的法官是自动售货机，投进去的是诉状和诉讼费，吐出来的是判决和从法典上抄下来的理由。”
这就是韦伯的形式理性思想，形式理性在司法裁判中体现为“三段论”的要求，法律根据作为大前提，从生活事实中分离出的法律事实作为小前提，针对法律事实，法官寻找法律根据，继而作出法律决定。
这个过程太适合人工智能了，法官的自由心证，也是算法。
不通人情世故，拒绝偏见，拒绝个性，看起来，完美。机器人法官，呼之欲出。
人类法官的阅历和直觉也不是天堑：人工智能有迁移学习能力不过事情没有那么简单，法官没有那么好做。比如，为了弥补法律的滞后性和刻板性，法律必须赋予法官自由裁量权，自由裁量权在于“确保判决符合生活智慧”。
所以你看到很多著名法官都不是小年轻，而多是有一定阅历的人。他们需要积累足够多的知识和经验，以便去判断那些随时出现的未知事物，“规则不清晰，逻辑不严谨，需要经验积累的问题”。
美国最高法院首席大法官约翰·罗伯茨（John Roberts），今年在他儿子中学毕业典礼上所做的致辞“我祝你不幸并痛苦”，被《华盛顿邮报》评论认为是首席大法官本年度最好的作品，哪个案子的判决书都比不上
美国大法官霍姆斯有名言：“法律的生命不在于逻辑，而在于经验。对时代需要的感知，流行的道德和政治理论，对公共政策的直觉，不管你承认与否，甚至法官和他的同胞所共有的偏见对人们决定是否遵守规则所起的作用都远远大于三段论。”
“法律固然包含了一个民族经过若干世纪逻辑演化的过程，但是我们不能仅仅将其当作数学教科书中的公理和推论来加以研究。就现状而言，在任何特定的时期，法律的本质基本上是当时被理解为适当的东西，也就是人们所说的经验。”
与大陆法系国家法官严格依法即是美德相比，判例法下的法官有着不一样的要求，法官必须代表发展中的法律，法官不仅要读万卷书，还必须是一个历经世事，善于拿捏分寸，能够创新说理的人。
所以，和人一样，只懂法律的人不是好法官，只有法律知识的AI也不是真正的法律AI。这就涉及一个技术问题，谁能占有那么多领域的大数据？年纪轻轻的人工智能有没有可能突破瓶颈？
这其实正是人工智能的本质要求，真正意义的人工智能就是要来处理那些“规则不清晰，逻辑不严谨，需要经验积累”的问题。
今天人们已经知道了强化学习（Reinforcement Learning）和深度学习（Deep Learning），人工智能可以通过对大数据进行完全的自学习、自我修炼、自我改正，来迭代进步。但是这里存在一个大数据限制问题，如果没有足够的学习资料，学习就难以为继。而迁移学习（Transfer Learning）就能让人工智能得以摆脱对大数据的依赖，触类旁通，把一个领域的知识应用于别的领域。就像学好了英语的人，也能更好的理解汉语本身，提升汉语水平。
在人工智能面前，经验和阅历恐怕也将很快不是障碍。
等待回答的问题仍有很多，但历史转变已经在眼前法律和医学历来被认为是凝聚了最精深知识的两个职业，对从业者的知识、经验以及道德水平都要较高的要求。人工智能进入法律领域，对原有观念的冲击将是天翻地覆式的。人工智能的引入，也有助于人们正确认识法律这个古老的身份和职业。
法律和科技的融合是无法回避的趋势，工程师将学习法官的思维和语言
今天人工智能做到的还只是为人类法官配备了一个智能助理，机器人要真正作为法官出现，问题还很多。
比如，人类法官有资格授予的程序和标准，机器人法官的资格该怎么判断和授予呢？人类法官的工作有不同审级的人来监督。谁来监督算法？出了问题的责任该如何承担。人工智能的权威能获得尊重和信服吗？法律在机器人掌握下，权威是会增强还是减弱？
正如何帆所言，首先需要一部互联网时代的诉讼法。这部诉讼法令人浮想联翩，相信它的产生一定会伴随剧烈的思想碰撞。这意味着拥有千百年历史的旧有的法律体系、生活状态的重建。
发表于 2017-7-31 16:10
