我要投搞

标签云

收藏小站

爱尚经典语录、名言、句子、散文、日志、唯美图片

当前位置:六合平特一肖 > 范例检索 >

类案检索是为法官配备最佳智能“办案助手”

归档日期:04-19       文本归类:范例检索      文章编辑:爱尚语录

  类案检索嵌入价值判断的解决路径是在闭合性逻辑原理基础上,通过个案与类案的偏离预警,运用综合价值判断以摆脱法律形式逻辑禁锢,从而实现个案公平正义的过程。

  案件审理是一个综合运用法律知识、经验法则、裁判技巧、解释法律的裁判过程,裁判者虽必须受到法律法规的约束,但并不意味着机械地适用法律而不做任何价值判断。2017年8月1日施行的《最高人民法院司法责任制实施意见(试行)》,明确要求法官审理案件应全面检索类案和关联案并制作检索报告,有利于发挥类案检索在统一裁判标准等方面越来越重要的作用。

  类案检索本质上是为法官配备最佳智能“办案助手”,而绝不是替代法官办案,更不是让机器人“独立办案”。概括来讲,类案检索嵌入价值判断的解决路径是在闭合性逻辑原理基础上,通过个案与类案的偏离预警,运用综合价值判断以摆脱法律形式逻辑禁锢,从而实现个案公平正义的过程。

  首先,类案检索必须遵循闭合性逻辑原理。所谓的闭合性逻辑原理,即先有一个符合法律形式逻辑的大前提(某一类案均符合法律构成要件),然后再有一个案件事实基本接近的小前提(个案与最接近的类案进行识别),在大小前提均符合的情况下,则得出个案应遵循类案先例判决的结论。具体而言,通过研究案例统一司法认定标准,构建闭合的完整证据环以满足法官的内心确定标准。司法认定标准实质是建立在有效判决文书的基础上,归纳、总结司法经验而成。司法认定标准可以基于以下两个步骤。第一步:证据收集和分类。刑事证明标准严苛,相较而言,民事认证标准和行政认证标准属于较低的认证标准。原则上,研究证据链司法认定标准应该根据搜索条件形成的案例类型从案例的最低层次进行研究。在实践中,最具代表性的案件类型可以通过中国裁判文书网收集,可以从每个判决文书中提取具体证据,并根据法律证据的类型进行分类,然后根据判决结合法律解释并澄清各种证据的形式要素、内容要素和不可接受的情况。特别须注意对证据的研究和分析,尤其注重对反证的研究与分析。第二步:统一认定标准。从裁判文书着手,研究各类证据之间的相互核实程度以及证据之间的逻辑关系。根据司法审判实践经验,从裁判的结果出发,比较不同判决之间证据认定标准的差异。

  其次,类案检索必须经历体系化思考。体系化思考不仅可以发挥类似于法解释的作用,而且有助于实现法律的稳定性价值,并且不会错过重要因素的考量,客观上为实现个案公平正义提供更多的法律救济渠道。在刑法解释中,法官常有惯性思维,自觉地遵守先前的理解,这种先前理解包括两个层次:第一个层次是个人对刑法规范含义的理解,是根据自己的生活经验来给予刑法意义的理解。第二个层次是对现有学说和法理学中形成的刑法规范含义的共同看法。在刑法解释中,先前的理解有助于快速建立当前案件与裁判者心中现有意义结构之间的关系。但是,认识到事先理解的必要性并不意味着一定要遵守先前的理解。先前的理解应该放在正义之中理解,如果这种先前的理解符合正义,并且可以公平地处理实际案件并与相关法律规定相协调,才可以维持这种先前的理解,反之则不能。

  再次,类案检索必须辩证看待量刑建议。从类案检索的发展来看,有些开发系统平台可以根据司法处理的内部文书(如起诉书,审判记录)等自动提取情节,从而与案件相匹配并推荐量刑,有些类案检索系统可以根据法官选择情节的方式推荐量刑,还有一些系统同时可以实现这两种功能。从实用角度来看,量刑建议是司法大数据和人工智能发展的核心模块之一,也是开发使用较多的模块。例如,贵州“法律镜像系统”和上海“206工程”开发的“智能辅助案件处理系统”均具有量刑辅助功能模块。人工智能通过数学模型或模拟算法,构造提取情节信息,使用数学模型来描述数据的特征和规律,从而计算最合适的数据,根据规则从情节中推导出量刑结果,而量刑建议的适当与否,依赖于规则、算法的精确性,因此必须辩证看待。

  最后,类案检索必须建立偏离预警。规则与算法是人工智能应用以及自动预警的关键,偏离预警系统通过对大量刑事法律文书的深入学习形成量刑算法。量刑建议是对法官未决案件的辅助,而偏离预警更多地面向已决案件的质量控制,它基于算法的人工智能来估计量刑的大小和裁判的量刑范围,计算两者之间的偏差程度,并对偏差程度给出不同程度的警告。打个比方,就像是电梯的超重警报,它具有防止和控制法官自由裁判风险的功能。在案件推送和量刑辅助系统的支持下,系统可以通过计算获得案件的量刑范围。量刑间隔的准确性取决于系统的成熟度与数据完整性。量刑间隔越小,越准确。法官裁判案件结果与人工智能的量刑范围进行比较,如果偏差特别高,则意味着判断结果可能不具有合理性。类案检索建立偏离预警有三个步骤:第一步构建完善的法律知识图谱,筛选精选案例进行智能推送、归类和识别。第二步导入法律规则,由人工智能系统对案件大数据进行深度学习、精确解构和智能识别。第三步通过偏离预警功能,从个案解构到类案识别再回到个案,解决裁判结果与程序偏离预警的问题。

本文链接:http://prozacraft.com/fanlijiansuo/158.html