效率：人工智能進入審判領域的直接動因
當法官，機器人的第一個優勢就是不知疲倦。
法律是用來解決實際問題的。提高解決問題的效率，是人工智能進軍法律審判領域的直接動因。
2015年5月實行立案登記制后，國內法院案件數量一直呈遞增狀態。最高人民法院副院長李少平今年7月19日在《人民法院報》撰文介紹，“2016年上半年，全國法院受案1002.9萬，同比2015年，上升18.94%，截至今年6月20日，地方各級人民法院受理案件已經突破14287064件，又比去年同期高出12.84%。”
新聞資料圖：門庭若市的某區法院立案大廳可見，如今案件數量增長之迅猛。
辦案落到人均會怎么樣呢？相對應的，法官員額制剛剛在全國完成，全國近20萬名法官被縮減至12萬余名。
也就是說，以2017年上半年1400萬收案數和法官數12萬計算，半年人均需結案數大約為116件。但這個數據還代表不了實際情況。
從空間分布看，案件數量分布差別太大，苦樂不均。沿海及經濟發達地區，每個法院的案件年均在萬件以上，2016年最多的上海浦東法院12萬件，而西部有些欠發達地區，法院的案件在一千件左右，有些還只有幾百件。
《法制日報》去年11月報道，2016年7月，廣東省深圳市寶安區人民法院民二庭法官賀瓊病倒了，懷著二孩的她不得不開始休息。截至她生病休息前，收案約600件，結案300多件，平均每月結案40多件，這是整個寶安法院法官的常態。據悉，2016年1月至9月，寶安法院收案5.8萬余件，結案3.5萬余件，全院一線法官人均收案466件，人均結案292件。
這個狀態是目前經濟發達地區法官的常態，“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。
自動售貨機般完美的理性機器：精通法律，同案同判，鐵面無私
減少司法任意性，防止人工疏失導致的冤假錯案也是司法引入人工智能的動因之一。
據何帆介紹，“206”試運行已滿兩個月。“206”在對上海幾萬份刑事案件的卷宗、文書數據進行學習后，這個以大數據、云計算和人工智能為技術內核的“小嬰兒”，已經具備了初步的證據信息抓取、校驗和邏輯分析能力。
新聞圖片：206系統界面其實投入試用的司法“人工智能”不止206工程，2016年12月14日，北京市高級人民法院就將“睿法官”系統正式上線。
“睿法官”能對一審判決書、上訴狀等材料先期進行分析，識別出影響案件定罪量刑的相關要素及當事人上訴的理由。如：被害人受傷的部位為面部，受傷程度為重傷，當事人上訴理由為認為自己屬于正當防衛，認為被害人受傷程度未達到重傷等信息。
在庭前準備階段，“睿法官”會自動梳理出待審事實，生成庭審提綱，并推送到庭審系統中。庭審結束后，“睿法官”會對案情要素進行進一步提取，根據法官進一步認定的內容，向其推送更為精準的相似案例、裁判尺度、法律法規等服務，最終幫助法官完成裁判文書撰寫。
人們認為這些系統可以將經驗判斷為主轉變為數據參照印證，能有效推進同案同判，統一法律裁判尺度，提升司法權威和司法公信力。
這些系統正符合德國社會學家馬克斯·韋伯百年前的設想：“現代的法官是自動售貨機，投進去的是訴狀和訴訟費，吐出來的是判決和從法典上抄下來的理由。”
這就是韋伯的形式理性思想，形式理性在司法裁判中體現為“三段論”的要求，法律根據作為大前提，從生活事實中分離出的法律事實作為小前提，針對法律事實，法官尋找法律根據，繼而作出法律決定。
這個過程太適合人工智能了，法官的自由心證，也是算法。
不通人情世故，拒絕偏見，拒絕個性，看起來，完美。機器人法官，呼之欲出。
人類法官的閱歷和直覺也不是天塹：人工智能有遷移學習能力
不過事情沒有那么簡單，法官沒有那么好做。比如，為了彌補法律的滯后性和刻板性，法律必須賦予法官自由裁量權，自由裁量權在于“確保判決符合生活智慧”。
所以你看到很多著名法官都不是小年輕，而多是有一定閱歷的人。他們需要積累足夠多的知識和經驗，以便去判斷那些隨時出現的未知事物，“規則不清晰，邏輯不嚴謹，需要經驗積累的問題”。
美國最高法院首席大法官約翰·羅伯茨（John Roberts），今年在他兒子中學畢業典禮上所做的致辭“我祝你不幸并痛苦”，被《華盛頓郵報》評論認為是首席大法官本年度最好的作品，哪個案子的判決書都比不上美國大法官霍姆斯有名言：“法律的生命不在于邏輯，而在于經驗。對時代需要的感知，流行的道德和政治理論，對公共政策的直覺，不管你承認與否，甚至法官和他的同胞所共有的偏見對人們決定是否遵守規則所起的作用都遠遠大于三段論。”
“法律固然包含了一個民族經過若干世紀邏輯演化的過程，但是我們不能僅僅將其當作數學教科書中的公理和推論來加以研究。就現狀而言，在任何特定的時期，法律的本質基本上是當時被理解為適當的東西，也就是人們所說的經驗。”
與大陸法系國家法官嚴格依法即是美德相比，判例法下的法官有著不一樣的要求，法官必須代表發展中的法律，法官不僅要讀萬卷書，還必須是一個歷經世事，善于拿捏分寸，能夠創新說理的人。
所以，和人一樣，只懂法律的人不是好法官，只有法律知識的AI也不是真正的法律AI。這就涉及一個技術問題，誰能占有那么多領域的大數據？年紀輕輕的人工智能有沒有可能突破瓶頸？
這其實正是人工智能的本質要求，真正意義的人工智能就是要來處理那些“規則不清晰，邏輯不嚴謹，需要經驗積累”的問題。
今天人們已經知道了強化學習（Reinforcement Learning）和深度學習（Deep Learning），人工智能可以通過對大數據進行完全的自學習、自我修煉、自我改正，來迭代進步。但是這里存在一個大數據限制問題，如果沒有足夠的學習資料，學習就難以為繼。而遷移學習（Transfer Learning）就能讓人工智能得以擺脫對大數據的依賴，觸類旁通，把一個領域的知識應用于別的領域。就像學好了英語的人，也能更好的理解漢語本身，提升漢語水平。
在人工智能面前，經驗和閱歷恐怕也將很快不是障礙。
等待回答的問題仍有很多，但歷史轉變已經在眼前
法律和醫學歷來被認為是凝聚了最精深知識的兩個職業，對從業者的知識、經驗以及道德水平都要較高的要求。人工智能進入法律領域，對原有觀念的沖擊將是天翻地覆式的。人工智能的引入，也有助于人們正確認識法律這個古老的身份和職業。
法律和科技的融合是無法回避的趨勢，工程師將學習法官的思維和語言今天人工智能做到的還只是為人類法官配備了一個智能助理，機器人要真正作為法官出現，問題還很多。
比如，人類法官有資格授予的程序和標準，機器人法官的資格該怎么判斷和授予呢？人類法官的工作有不同審級的人來監督。誰來監督算法？出了問題的責任該如何承擔。人工智能的權威能獲得尊重和信服嗎？法律在機器人掌握下，權威是會增強還是減弱？
正如何帆所言，首先需要一部互聯網時代的訴訟法。這部訴訟法令人浮想聯翩，相信它的產生一定會伴隨劇烈的思想碰撞。這意味著擁有千百年歷史的舊有的法律體系、生活狀態的重建。
