算法裁判的理论建构及路径选择——基于若干人工智能实验的启示

摘要/Abstract

摘要：

智能裁判是智能社会治理的重要组成部分。然而,对于人工智能是否适用于司法裁判以及能否进一步强化公平正义,还存在强化说与弱化说二种学说。为了准确把握人工智能应用于司法裁判的困境根源及应对策略,实验团组进行了系列人工智能应用于证据审查、法律事实认定以及法律适用的试验,并以此为基础建构智能裁判的理论体系,包括计算正义理论、机器裁判权理论和算法可辩论理论;其中,计算正义理论强调算法对于推动司法裁判正义具有不可替代的价值,机器裁判权理论则强调以法官为主导、以机器为辅助的裁判格局,算法可辩论理论则强调算法的可辩论性为当事人的权利救济提供有效保障。以智能裁判理论为基础,寻求裁判未来发展的路径:从裁判数字化向裁判智能化转变系总体方向;寻找法官与算法模型的黄金分割点,实现人工智能精准应用系核心所在;构建AI裁判模型算法审查制度则成为智能裁判体系建设的根本保障。

关键词: 人工智能, 裁判, 算法, 数据, 实验

Abstract:

Judgment is an important part of intelligent social governance.There are two theories about whether artificial intelligence is applicable to judicial judgment and whether it can further strengthen fairness and justice.To grasp the causes of the problem and find solutions, we conducted a series of experiments to evidence review, legal fact determination, and legal application.The theoretical system of intelligent adjudication has been constructed; it includes the theory of computational justice, the theory of machine jurisdiction, and the theory of algorithmic arguability.The theory of computational justice emphasizes the value of algorithms in promoting judicial justice.The theory of machine jurisdiction emphasizes that judgment shall be controlled by human judges but assisted by machines.The theory of algorithmic arguability focuses on the review and questioning of the algorithms in use, which provides effective protection for the rights of the parties.This paper describes the future of intelligent judgment: its transformation from digital to intelligent, the collaboration between judges and algorithmic models, and the construction of an algorithmic model review system.

Key words: artificial intelligence, judgment, algorithm, data, experiment

中图分类号:

D926.2
TP18

杨延超. 算法裁判的理论建构及路径选择——基于若干人工智能实验的启示[J]. 治理研究, 2022, 38(4): 108-122.

Yang Yanchao. The Theoretical Construction and Path Selection of Algorithmic Judgment——Enlightenment through Artificial Intelligence Experiments[J]. Governance Studies, 2022, 38(4): 108-122.

序号	实验名称	神经网络	搭建框架	训练样本	样本来源	试验目的	实验过程
1	实验一:AI模型对于单一证据的认定	CNN	Tensor Flow	200人真实签名数据	实验志愿者	测试机器模型对签名真实性认定的准确率	120份真实签名与80份临摹签名混合,进行测试。
2	实验二:AI模型基于多项证据完成事实认定的准确率	Bert	Keras	2000例合同欺诈案件,以其中的1500件作为训练样本,另外500件作为测试数据	中国裁判文书网	测试机器基于多项证据对于案件事实认定的准确率	采用分类算法(0表示构成欺诈,1表示不构成欺诈)进行模型训练,样本中原被告主张的事实及证据系机器学习的主要事项。
3	实验三:AI模型在离婚案件中法律定性的准确率	Bert	Keras	离婚案件500件	中国裁判文书网	A:在已知法律事实的情况下,测试AI模型选择适用法律的准确率 B:针对不同类型案件,测试AI模型选择法律适用准确率方面的区别	将法院认定的案件事实输入到模型中,由模型对其法律定性。具体而言,在商标侵权类件中,将已知的事实输入模型,由模型来确定是否会构成侵权;在离婚案件中,将已知的事实输入模型,由模型来确定是否会构成“夫妻感情破裂”。
4	实验四:AI模型在图形商标是否构成近似性侵权问题的准确率	CNN	Keras	商标侵权案例 500 件	中国裁判文书网、中国商标网	A:在已知法律事实的情况下,测试AI模型选择适用法律的准确率 B:针对不同类型案件,测试AI模型选择法律适用准确率方面的区别	将法院认定的案件事实输入到模型中,由模型对其法律定性。具体而言,在商标侵权类案件中,将既有判例中的侵权商标图案与被侵权商标图案作为训练数据来训练模型,进而在测试数据中来测试侵权判断的准确率。
5	实验五:AI模型在法律适用问题上的表现	BPNN	Keras	图片类版权侵权案件1000件	中国裁判文书网	测试AI模型在计算图片类版权侵权案件赔偿额方面的准确率	基于对已知图片类版权侵权案件的学习,进而在测试数据中来测试计算赔偿数额的准确率。

序号	实验名称	神经网络	搭建框架	训练样本	样本来源	试验目的	实验过程
1	实验一:AI模型对于单一证据的认定	CNN	Tensor Flow	200人真实签名数据	实验志愿者	测试机器模型对签名真实性认定的准确率	120份真实签名与80份临摹签名混合,进行测试。
2	实验二:AI模型基于多项证据完成事实认定的准确率	Bert	Keras	2000例合同欺诈案件,以其中的1500件作为训练样本,另外500件作为测试数据	中国裁判文书网	测试机器基于多项证据对于案件事实认定的准确率	采用分类算法(0表示构成欺诈,1表示不构成欺诈)进行模型训练,样本中原被告主张的事实及证据系机器学习的主要事项。
3	实验三:AI模型在离婚案件中法律定性的准确率	Bert	Keras	离婚案件500件	中国裁判文书网	A:在已知法律事实的情况下,测试AI模型选择适用法律的准确率 B:针对不同类型案件,测试AI模型选择法律适用准确率方面的区别	将法院认定的案件事实输入到模型中,由模型对其法律定性。具体而言,在商标侵权类件中,将已知的事实输入模型,由模型来确定是否会构成侵权;在离婚案件中,将已知的事实输入模型,由模型来确定是否会构成“夫妻感情破裂”。
4	实验四:AI模型在图形商标是否构成近似性侵权问题的准确率	CNN	Keras	商标侵权案例 500 件	中国裁判文书网、中国商标网	A:在已知法律事实的情况下,测试AI模型选择适用法律的准确率 B:针对不同类型案件,测试AI模型选择法律适用准确率方面的区别	将法院认定的案件事实输入到模型中,由模型对其法律定性。具体而言,在商标侵权类案件中,将既有判例中的侵权商标图案与被侵权商标图案作为训练数据来训练模型,进而在测试数据中来测试侵权判断的准确率。
5	实验五:AI模型在法律适用问题上的表现	BPNN	Keras	图片类版权侵权案件1000件	中国裁判文书网	测试AI模型在计算图片类版权侵权案件赔偿额方面的准确率	基于对已知图片类版权侵权案件的学习,进而在测试数据中来测试计算赔偿数额的准确率。

[1]	杨延超. 元宇宙中数字财产权的制度建构——以若干NFT科学实验为基础[J]. 治理研究, 2023, 39(2): 139-156.
[2]	凌卯亮, 徐林. 社会规范策略对居民垃圾分类的助推效应：一个田野实验[J]. 治理研究, 2023, 39(1): 108-124.
[3]	卓翔, 崔世群. 论人工智能在证据推理中的辅助性定位[J]. 治理研究, 2023, 39(1): 136-156.
[4]	陈畴镛. 数字化改革的时代价值与推进机理[J]. 治理研究, 2022, 38(4): 18-26.
[5]	曾粤兴, 高正旭. 论人工智能技术的刑法归责路径[J]. 治理研究, 2022, 38(3): 113-123.
[6]	张会平, 顾勤. 政府数据流动:方式、实践困境与协同治理[J]. 治理研究, 2022, 38(3): 59-69.
[7]	高翔. 超越政府中心主义:公共数据治理中的市民授权机制[J]. 治理研究, 2022, 38(2): 15-23.
[8]	何大安. 中国数字经济现状及未来发展[J]. 治理研究, 2021, 37(3): 5-15.
[9]	柳建坤. 腐败治理与中国社会秩序的巩固——来自准实验研究的证据[J]. 治理研究, 2020, 36(6): 23-30.
[10]	刘露；杨晓雷. 新基建背景下的数据治理体系研究——以数据生命周期为总线的治理[J]. 治理研究, 2020, 36(4): 59-66.
[11]	黄璜. 数字政府：政策、特征与概念[J]. 治理研究, 2020, 36(3): 6-15.
[12]	胡重明. “政府即平台”是可能的吗？——一个协同治理数字化实践的案例研究[J]. 治理研究, 2020, 36(3): 16-25.
[13]	彭宗超；黄昊；吴洪涛；谢起慧. 新冠肺炎疫情前期应急防控的“五情”大数据分析[J]. 治理研究, 2020, 36(2): 6-20.
[14]	郑戈. 国际竞争语境下智能化平台的治理结构[J]. 治理研究, 2020, 36(1): 121-128.
[15]	孟天广王翔. 国家社会关系视角下的非诉行政执行制度：基于司法大数据的分析[J]. 治理研究, 2019, 35(6): 12-23.

算法裁判的理论建构及路径选择——基于若干人工智能实验的启示

The Theoretical Construction and Path Selection of Algorithmic Judgment——Enlightenment through Artificial Intelligence Experiments

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 2

参考文献

相关文章 15

编辑推荐

Metrics