部门上周又来了一名法学硕士毕业生，担任岗位是“法律知识工程研究员”，活脱脱清新可爱法学应届毕业生、典型职场小白，青春洋溢的脸庞上透漏着进步与与大展宏图的渴望。小白说，她应聘的岗位是“法务”，对招进来的“法律研究员”岗位，自己一无所知、迷茫困惑，这大概是司法人工智能领域下法学毕业生面临的常态。

据各大高校专业毕业生就业率情况调查报告，法学专业就业率一直很稳定，并多次“荣登”就业难度第一的宝座，法学毕业生的就业困境不仅是简单的职业发展迷茫，更是面对获得与本专业相符的一份体面工作的窘境。

学法学的人都知道，毕业后要么是公检法机关、政府公务员，要么是公司法务，最后没办法也能不计成本的找个律所挂靠进去，为了公平正义、现实生存奋斗一生，“法律知识工程专家”、“司法产品助理”压根不会在法学毕业生的选择范围内，这种岗位匹配的闭塞与误差不能说是谁的错，而是这个时代工程耦合下的当然选择。

自2016年国家将“智慧法院”列入国家信息化发展战略，以信息化推进人民法院审判体系和审判能力现代化，司法领域下的“大数据（Big data）”、“人工智能（Artificial Intelligence）”探索如火如荼地展开，技术与资本的涌入裹挟着对新型法学人才的渴求，催生了一系列建设司法人工智能工程的新需求和新挑战，其中包括知识需求、技术需求、岗位需求。在创新与活力迸发的司法人工智能领域内，对于司法人工智能工程的探索，法学毕业生——准法律人，该如何适应时代与行业的变化，我深有体会。

为了解答内心忐忑茫然的法学毕业生的困惑，我可以尝试从认识事物客观状态出发来解构“司法人工智能”的骨骼与血肉，揭开人工智能在司法领域应用的神秘面纱，希望能够给像自己一样曾经困惑的法学毕业生的职业发展道路提一点切实可行的建议。

2016年是人工智能在中国刮起旋风的一年；2017年是人工智能裹挟资本与技术疯狂占领行业领域制高地的一年；2018年是人工智能产品应用、技术与业务深度融合沉淀的一年。

历时三年，人工智能技术发展与行业应用在中国市场接受了一场彻底的洗牌与战略部署，通过在医疗、通讯、监控安保、快递物流、公共交通、智能汽车、智能语音、金融监管等多领域的跨行业、多方向的融合与应用，政府、企业、民众对人工智能的认知与期待经历了“狂欢—失落—反思—重构”的反反复复，对司法领域的人工智能运用，技术人与法律人依然在探索的道路上，迷茫中坚定地相信着。为了更好的理解“司法人工智能”，我们可以从“司法人工智能”是什么开始。

• 人工智能的缘起

说起人工智能的起源，公认的是1956年的达特茅斯会议，但其实，在这个会议之前还有个前戏：1955年在洛杉矶召开的美国西部计算机联合大会，大会中套小会讨论学习机（Session on Learning Machine），其中参加讨论会的塞弗里奇（OliverSelfridge）和纽厄尔（Allen Newell）也参加了达特茅斯会议，塞弗里奇发表模式识别的文章，纽厄尔探讨了计算机下棋（阿尔法狗的萌芽）。

达特茅斯会议中有6个灵魂人物：会议召集者麦卡锡（John McCarthy）、明斯基、塞弗里奇、信息论创始人香农（Claude Shannon）、纽厄尔、司马贺（Herbert Simon）。会议召集人麦卡锡给达特茅斯会议起了一个当时看来别出心裁的名字：人工智能夏季研讨会（Summer Research Project on Artificial Intelligence），很多人自此认为“人工智能”这个词是麦卡锡提出来的，其实不是。

这中间有英国数学家伍德华（Philip Woodward）和麦卡锡“沟通交流”中的概念获取时间分歧，时间久远，到底是谁先提出“人工智能”的说法，恐怕已成悬案；英国人最早的说法是“机器智能”，主要是与图灵的《计算机与智能》一文有关。人工智能也好，机器智能也罢，总归是一个符号的不同，并不妨碍人们对人工智能形成共识。

美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科——怎样表示知识以及怎样获得知识并使用知识的科学。”美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些不同的概念表述其实都反映了人工智能学科的基本思想和基本内容：人工智能是研究人类智能活动的规律，构造具有一定智能的人工系统，研究如何让计算机去完成以往需要人的智力才能胜任的工作，简单点说是“思维过程机器化”。

人类思维讲究触类旁通、举一反三，靠的是“悟性”，思维过程机器化靠的是机器的“悟性”，考验的就是人的解释能力，机器悟性的边界其实就是人的解释能力的极限。通俗点说，人工智能是人教机器为人类提供更加丰富的生活方式与工作体验。

• 人工智能与司法的结合

为防止人工智能研究缺乏落地根基，同时为人工智能的创新发展提供新的原料与补给，行业应用与人工智能之间的联姻成为当然选择。著名深度学习专家吴恩达坚信，人工智能将成为“新的电力”，法律服务市场的供需矛盾亟需人工智能的技术创新应用从而扩大受众、缓解法律服务人员面临的供需压力。

并且，法律作为人类文明的璀璨代表，其复杂的逻辑推理演绎、精细化的知识结构，自然也成为人工智能技术最佳的试验场。所谓司法人工智能，是两个学科的交叉应用，通过机器学习、自然语言处理技术实现司法理论逻辑推理与审判实务的先验知识总结，建立法律领域专家系统与法律知识智库。

人工智能与司法结合的探索伴随着人工智能学科诞生就已有之，1958年Lucien最早提出了法律科学的信息化处理，即建立法律文献或案例自动检索模型和法官裁量模型，经过六十年司法知识与技术量化思维的交叉渗透，人工智能在司法领域的应用取得了显著的成绩：2008年Riesen以受害人的特点为视角，用贝叶斯信念网络分析美国刑事案件，提高自动分析的效率。基于IBM Watson的世界第一个人工智能法律助理ROSS，是世界第一个利用自然语言处理技术，帮助法律团队迅速、高效搜索海量判例法，找到与手头案件相关内容的法律平台，被誉为法律界的Siri。

在中国，人工智能与司法的结合同样取得了可圈可点的成绩。法狗狗开发的应用于刑事案件的案情预测系统；南京擎盾借助机器学习和法律知识图谱技术开发的公共法律服务平台；北京华宇研发的元典系列法律智库产品；九章研究所在智慧法院领域研发智审系统；科大讯飞联合上海高院研发的刑事案件智能辅助办案系统；

北大英华依托在法律信息化行业近三十年的深耕，借助北大法宝强大的检索与数据体量，利用机器学习、知识图谱、大数据分析技术，研发的法宝智能系列产品：法宝智刑、刑事法宝、法小宝、环境法宝、知产法宝、法律BI大数据分析平台等。政府主导、政策支持、科研研究、企业参与、民众期待，法律与人工智能的交叉融合越加深刻。

不可否认，人工智能在司法领域的应用效果是突出的。然而，伴随着应用实践的探索与落地实用效果的反馈，司法管理者、法官、检察官、律师、司法服务需求人员越来越感受到人工智能与法律之间价值伦理追求与实现方式的风险与冲突。

法律生态群体不禁开始反思：司法人工智能工程的目标是什么？是用机器取代人类做出价值判断、量刑处罚？是将人类文明情怀与伦理的包容交给冰冷的程序？还是人类作为世界的主宰控制机器实现人类对效率与速度的追求？恐怕都不是。司法人工智能工程的目标应包含以下三个方面：

• 技术优化流程实现效率提高

法律服务的供需矛盾突出，地域差异、案情复杂、案多人少、纠纷难化解，法律服务的效率提升难点重重。借助于人工智能的分析研判、快速检索、知识积累，司法人员能够从程序性繁琐事务、简单重复性案件中解脱出来，依托智能化自动办公，优化提升侦查、审判、执行等法律流程，辅助人工提升办事效率，让正义不仅能实现，而且可以最快的速度实现，不让正义迟到。

• 智能服务实现司法价值重构

人工智能在司法领域通过提供分析预测、法规检索、类案同判、专家知识、证据搜集与固定、网上办案等智能服务，为当事人提供透明公开的法律办事指南与司法流程可视化，让公正以看得见的方式实现，消弭当事人、律师、司法人员之间因信息偏差造成的信任隔阂；为法官、检察官提供廉洁公正的司法引导；为律师提供便捷权威的法律服务知识帮助，便于营造公开、公正、透明的法律氛围。

• 机器辅助改善法律生态体验

秉承机器处于“辅助”的角色定位，不能利用算法逃避做出艰难的决策，或者推卸我们关心他人的责任。算法不是答案，单靠数字无法解决根深蒂固的社会问题，司法人工智能的目标应是借助机器的便捷来审视司法中的潜在风险，运用数据量化的显性规律预防风险，提升法律人的工作体验、法律服务的价值追求。

面临司法人工智能庞大的工程压力与与技术实现方式的黑盒思维，法律人充满了担忧，而对于将“司法正义追求”作为职业理想的法学毕业生来说，更是困惑而又迷茫的。何去何从的专业选择、各大高校哄哄闹闹的法律人工智能研究实验室的成立在吸引高精尖法学人才涌入的同时，作为还是学习状态的我们这些法学生，对司法人工智能究竟能走到什么样的程度是充满质疑与不安的。

专业理论的追求、职业理想的树立、大数据与人工智能对传统法学理论的挤压，作为法学生，我们不需要急躁、慌乱，我们需要的是坚定自己的追求与信仰。我们更需要市场、政府构建理性的司法人工智能生态。作为新型的法律人，我们可以从以下三个方面来加深对良性司法人工智能生态的认知：

大数据（Big data）是指以多元形式、多源搜集得到的庞大数据组，且具有实时性。人工智能与大数据是须臾不可拆分的一体，虽有所不同但更多的是养料动力与方法创新的关系。司法人工智能工程离不开法律资源的大数据，具体包括：法律法规、案例、期刊、书籍等文本数据；业务系统留存的码表数据；录音录像等音频数据等等。类型繁多、结构化程度不足的法律数据是司法人工智能工程的水源与根本。解析、拆分、抽取司法大数据中潜藏的巨大能量是取得司法人工智能工程阶段性胜利的关键也是第一步。

谈论人工智能，必然离不开机器学习与深度学习，很多时候我们对于机器学习和深度学习的理解停留在跨领域的隔岸，始终找不到思维与知识落地的基础。通俗上说，司法领域的机器学习、深度学习，学习的是千百年来法律领域积累的经验常识与专业知识。

例如：故意杀人，是指故意非法剥夺他人生命的行为；故意杀人的，处死刑、无期徒刑或者十年以上有期徒刑；情节较轻的，处三年以上十年以下有期徒刑。

解构故意杀人罪，包含解构犯罪行为与处罚结果，人需要把判断“杀人行为”的具体表现；法律上的“杀人处罚结果”以机器能够理解的方式告诉机器，机器才能做出科学准确的判断。杀人行为与处罚结果这些司法领域知识可以从法律法规、生活常识中获取，人脑、文本是知识的存储载体，通过技术从载体中获取知识，告诉机器，机器靠人的解释力获得自身的悟性，继而实现人工与智能的动态交互、能动反馈。

对人工智能技术的去魅，更要法律行业从业者扎扎实实的冷思考，明确人工智能的辅助角色，人工得到技术的辅助高效解析司法知识，实现人工与智能的互惠，获得更好的司法服务体验，这才是理性司法人工智能生态的表现。

为了构建理性的司法人工智能生态，除了清晰的目标追求、坚定的理想信仰，还需要一批又一批新型法律人才储备军——法学毕业生通过踏踏实实的在岗工作与努力奋斗来实现。那么，司法人工智能市场究竟有什么样的岗位能够符合法学毕业生的要求呢？

前文所述，司法大数据是司法人工智能取得阶段性胜利的关键，但司法大数据的现状是：所有司法数据杂乱堆积在一个数据池，隐藏的信息价值需要一部分人工的整理，这也是司法数据标注员岗位的重要价值。做过数据标注工作的人员一定会觉得它枯燥、琐碎、没有技术含量，但恰恰是误解。

试想，标注过后的数据直接是机器学习的材料，换句话说机器学习的好与坏全靠数据标注的质量，这个岗位直接关系着人工智能结果反馈的优劣。更多的时候，司法数据标注员不是机械的重复性劳动，要去思考、要去实验，数据标注的维度、结构该以怎样的形式构建才能尽力辅助机器学到全面的知识，对于模型迭代优化，数据标注可以贡献的程度，这些都是这个岗位的重要职责。

司法人工智能工程不是一场不计成本的科学实验，它必须有所回报，这就要求在行业应用实践中研发切实可用的产品，我想阿尔法狗下围棋的最终目标不是打败人类，而是借助阿尔法狗下围棋的经验研发新型的产品，优化人类生活与服务。这种技术落地与实际应用之间需要懂得司法业务逻辑的法律人通过产品岗位发挥价值。司法产品经理需要考虑的是：产品符合司法业务逻辑、产品交互便捷、用户体验舒适，司法产品经理可实现司法人工智能工程产学研流程的良性闭合，这个岗位亟需法律人的踏入来丰盈司法人工智能产品的功能与需求。

作为一名法学毕业生，很难把自己和“专家”这样的词汇联系在一起，提起“法律专家”，我们能想到的是面容精致、涵养丰富、举止得体、出口成章的学者模样，一个毕业没几年甚至刚毕业的学生，对于法律专家的岗位既陌生又胆怯。就像我们部门刚入职的小白，她说虽然自己是法学硕士毕业生，但对于这样的岗位与领域自己充满了心虚。

放心，在司法人工智能领域，每一位接受过系统法学教育的毕业生都可以说是专家，当然，这里的专家是相对于机器而言的。机器在法律面前像是一个牙牙学语、蹒跚学步的孩童，充足的理论支撑、坚实的审判实务经验的法律人在机器学习领域是亟需也是担得起专家称号的，自然，法律知识工程专家、研究员包括理论和实务两个方面，全方位教导机器学习司法逻辑与推理。

双十一要到了，你有一份免费的福利待领取…

在司法人工智能的追求之路上，我们是认真的；

希望能遇见一样为司法现代化建设纯粹、油菜花的你；

我们不迷信经验、不排斥多元；

只要你足够出色；

欢迎加入北大法宝大数据中心法宝智能团队；

一起为司法人工智能、司法公平正义做点什么；

顺带获得体面的生存回报。

欢迎投递简历，请注明您的毕业院校+应聘岗位投递简历到：

yanglm@chinalawinfo.com

大数据研发团队介绍：

2016年北大法宝成立法律大数据研发部， 2017年与北京大学法学院联手成立法律人工智能实验室，推出北大法宝6.0产品，全面升级智能检索，对海量数据精细化、可视化分析，推出智能立法、智能执法、智能司法、智能法务、智能问答、智能翻译等法宝智能系列产品。

当然，我们也为大家准备了很多好玩儿的产品与服务，双十一，别剁手了，来北大法宝智能产品免费体验吧！

ai.pkulaw.cn