设为首页收藏本站

大数据论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

搜索
查看: 125|回复: 1

人工智能法律知识图谱与要件事实型民事裁判论的内在契合

[复制链接]
发表于 2020-1-6 17:15:42 | 显示全部楼层 |阅读模式

一方面,人工神经网络无需对各裁量因素进行精确的数字化表述,也无需事先设定各裁量因素的权重,神经元节点通过对各裁量因素的拟合来满足裁量因素复杂性的需求;另一方面,它需对裁量因素进行层次性选择,其中最主要的问题是对隐含层数及其神经元数量的选取,它通过定义匹配规则来实现知识转化,通过对裁量因素主要特征的收集和分层来选择隐含层数及神经元节点的数量,并在分类规则基础上进行大数据学习,从而使自己具备预测新数据类型的能力。
1.要件事实型民事裁判论与人工神经网络的契合
人工神经网络对隐含层神经元数量的选取没有严格定律,其主要通过经验训练来获得它们,但其对标准化、要件化、层级化解构却有较强需求。在要件事实型民事裁判论中,民事案件裁判均遵循“请求权基础确定—要件解构—要件证明—事实认定—法律适用”的法规出发型路径而展开,实体法规范、构成要件以及要件事实构成了逻辑严密的网络,经机器识别后,成为辅助裁判的“影响因子”,各要素的影响力与相关性蕴含在法规出发型的民事裁判逻辑中。以事实认定为例,对于主要事实、间接事实与辅助事实的区分,能使机器在面对杂乱无层次的案件事实时作出基本的层次区分。各“影响因子”的权重系数不需要人为对其设置比例,而是由各“影响因子”在要件事实型民事裁判论中的定位所决定,通过机器反复学习后形成其权重。将要件事实型民事裁判论作为人工智能形成的基础,不仅不会产生制度冲突,反而还暗合了人工神经网络的特征。
2.要件解构与分词设置的契合
神经网络分词方法的核心是内部知识库的构造,其中的语境知识应注意分词间的相互依存关系。于是,针对某特定领域建立知识库,就成为分词设置的基础。要件事实型民事裁判论就是一个民事裁判知识库,可被作为分词设置的基础。当然,具体的知识积累必须以本国法为基础,尽管我国的民法请求权基础体系尚不完善,要件解构等民事裁判方法尚在塑形中,但是,被视为我国民事司法现代化重要成果的民事诉讼法司法解释中的证明责任部分却体现了法律要件分类说的基本原理,要件事实论在我国民事诉讼中的地位已经得以初步确立。而且,司法实务界也出现了“要件审判九步法”等具体实践。所以,基于要件事实型民事裁判论在学界、立法界及司法界所产生的深远影响,我们有理由相信,它在未来会成为人工智能分词设置的重要选择。词级设置的基本过程是:对各分词予以属性标注,并对各分词的关系添加关系标记,各部分包含相对规范的分词,以便作为在构造抽取规则时的信息提取点。裁判智能辅助系统的设计思路是:将案件分解成最基础的A、B、C等若干要素,要素对应若干分词,以运算法则生成假设,并将假设与待决案件所包含的要素A、B、C进行对比,如果吻合或类似,则可适用同类规则。要件事实型民事裁判论的核心环节是:法官根据请求权基础规范的构成要件,将待证事实解构为若干要件事实。要件解构是要件事实型民事裁判方法反复进行的基础工作,其与分词设置在一定程度上吻合。人工设置分词特征是目前的一大难题,而且还存在着专家经验感知较为随意、零散等问题。当然,专家经验具有不可代替的作用,只有在专家依据要件事实论完成层级解构和标注以后,机器才可以有效学习。所以,要件事实型民事裁判论将为专家的要素解构工作提供成熟稳定的基本方法,以便形成一种“要件事实型民事裁判论+专家经验”的分词设置方法。
3.要件事实型民事裁判论与人工智能知识建模的契合
由词法、结构、过程等构成的语义网络知识建模与要件事实型民事裁判论在内在逻辑上具有一定的契合性。具体而言,从某种意义上说,对实体法规范进行解构后的要件对应于人工智能知识建模的词法:实体法规范与案件事实的关系对应于人工智能知识建模的结构;“主张—抗辩—再抗辩”的诉讼攻防结构对应于人工智能知识建模的过程。正是这种内在对应关系,使得某类案件的“因子”可以被解构为易于被机器学习的对象。同时,两者均具有抽象基础上的具体化特征。人工智能知识建模一方面以抽象建模为前提,另一方面又需要从一个个具体要素中进行知识积累,也就是说,其是抽象思维与具体建构的结合,易言之,人工智能所追求的具体化乃是高度标准化、类型化后的具体化。而对于要件事实而言,一方面,其首要特征是具体化、特定化;另一方面,其需要根据抽象的实体法规范对生活事实予以选择与评价,这种在具体的案件事实与抽象的实体法规范间往返的特性,正与人工智能思维方式相契合。此外,要件事实型民事裁判论可克服现有的地方法院实践中的生活型建模所存在的周延性与法律性不足问题。要件事实型民事裁判论以请求权基础为起点,以实体法规范得以适用的法效果为终点,分层次、按类别对案件认事用法的各类要素予以采纳,具有简洁、规范、全面的特征。反之,地方法院实践中的生活型建模方法对类案丰富多变的生活事实进行逐一解构,这既增加了机器学习之前的人工分析成本,又难以体系化涵盖与案件认事用法相关的关键要素。同时,要件事实体现着抽象规则对生活事实的法评价,要件事实型解构方法以请求权基础、要件事实、证明责任、抗辩为核心内容,充分体现着要素的法律化特征,因此,机器学习后所形成的人工智能对于司法实践具有参考价值。

回复

使用道具 举报

发表于 2020-1-6 17:15:45 | 显示全部楼层
无论是不是沙发都得回复下
回复 支持 反对

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

QQ|Archiver|手机版|大数据论坛 ( 京ICP备10002193号-4 京公海网安备110108001289号  

GMT+8, 2020-1-21 05:52 , Processed in 0.295180 second(s), 26 queries , Gzip On.

Powered by Discuz! X3.1

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表