证据法学家达马斯卡说：“科学将持续地改变生活，事实认定的伟大变革摆在了所有司法制度面前，这些变革最终可能与中世纪末期出现的改革一样重要。”今天，大数据、人工智能已经进入司法领域，“智能辅助办案系统”的研发已经在各地如火如荼地开展起来。当前还处于探索阶段，急需对推理模型、知识图谱等基础性问题进行深入研究，需要更充分的理论准备。

　　无论是机器还是机器人都是人类发明的劳动工具，人类从原始社会开始不断地制造工具，每一个工具的出现都体现出相当的进步性。所以，人工智能、机器人进入司法办案领域，从某种意义上来说，是必然趋势。司法工作中有大量繁琐且没有太多智力含量的工作，如法律法规检索、案例检索、制作校对文书、证据摘录，等等，这些可以由机器人去做。另一方面，司法领域中还有一些核心的依赖于人性、理性和良知才能做到的事情，如事实认定、证据采信、此罪与彼罪的区分、主从犯的区别、量刑平衡、案件的智慧裁量处理，等等，这些需依赖于人特有的理性和灵性、情感，所以才会有证据学上的“内心确信”“排除合理怀疑”“自由心证”这些概念。正是在这个意义上，我们说“法律是善良与公正的艺术”，是“衡平与悲悯的艺术”。这样的艺术所需要的人类情感恰恰是机器所不具备的。这是司法工作中最本真的部分，难以被转化为算法而被机器掌握，也是最急需进行基础理论研究的领域。

　　1970年，布坎南和黑德里克发表《关于人工智能和法律推理若干问题的考察》一文，认为人工智能与法律的研究重点是三大方面：法律推理、裁量模型、信息检索和查询，为学界所广泛认可。如何处理三者之间的关系？张保生教授于2001年曾在《人工智能法律系统的法理学思考》一文中提出：先研制推理功能薄弱、检索功能强大的法律专家系统，然后才是推理系统。从国际上，这些系统相当程度上是建立在案例数据库基础之上，基于同案同判这一假定前提，通过访问知识库中过去同类问题的判决从而获得当前问题解决方案的方法。1981年，沃特曼和皮特森开发的法律判决辅助系统，对美国民法制度的某个方面进行检测，分别运用严格责任、相对疏忽和损害赔偿等模型，计算出该案件的赔偿价值。最著名的是2005年贝叶斯网络被用于法庭调査中评估火灾事故的证据。这些智能辅助系统要么以类案检索为根据，要么涉及赔偿等容易量化计算的领域。

　　检索系统与推理系统谁先谁后？笔者认为，这取决于两个方面：一是技术水平。从技术上来说，检索系统能够为智能推理系统、裁量模型提供大数据基础，同时为法律语言转换为计算机语言提供基础和训练的素材。同时检索的技术难度要远低于推理。因此，一般来说检索系统优先，至少要与推理系统和裁量模型同步。二是取决于现实需求，也就是现实最迫切需要机器人做的事情是什么？那就是案多人少。法律法规检索、证据摘录、文书模板自动生成、量刑类案比对、类案查询、非法证据线索发现等是迫切需求。法律适用难点的定性分析、疑难案件证据分析、重大敏感案件智慧处理，这些并不是迫切需要机器人解决的，因为这样的疑难案件实践中只占案件总数的10%左右。

　　人工智能辅助司法办案的最高境界、也是最难领域就是推理系统。推理系统就是致力于让机器模拟人的思维对案件的证据分析、事实认定甚至定性处理进行判断。而要让机器进行判断、预测和推理的前提在于需将法律规定、案例事实、证据规则由自然语言翻译成机器语言，建立知识图谱，形成推理模型。这项工作难度极大，抛开技术层面上的难题，更为重要的是目前国内对证据推理模型缺乏基础理论研究。

　　推理模型知识图谱的建构需要证据法学为基础，以计算机科学为助力，进行交叉学科的研究。没有证据学的支撑，知识图谱建构可能会走错方向、误入歧途，甚至会出现进展越快背离司法规律越远的悲惨结局；没有计算机技术为助力，难以将研究成果转化机器语言。实践中热火朝天的开发急需这样的基础研究予以支撑。证据法大师威格摩尔当年天才般地为证据推理和分析设计了“威氏图示法”。因为其极其复杂，实务人员难以学会，所以“产生之初被礼节性的尊重，到后来被人们所遗忘”，但是英国证据法学家特文宁敏锐地指出，威格摩尔图示在计算机时代可能前景无限光明，因为复杂的证据要件列表和大量的逻辑符合，可以用电脑来做。威格摩尔图示法与人工智能结合，可能会为我们构建证据分析推理的知识图谱提供一个很好的路径，值得研究和探索。同时推理模型的研究过程中，尤其需要注意防止陷入证据法定主义的陷阱。特别要注意的是在证据推理模型建构过程中要防止编写证据事实认定规则时预先设定证据的证明力。

　　（作者为东南大学法学院博士研究生、江苏省南京市建邺区人民检察院副检察长、全国检察业务专家）