【择要】在人工智能技能不断发展确当下，人工智能与法律领域的结合度日益紧密。
在人工智能法律化的过程中，人工智能发挥着帮忙证据开示、促进规范量刑与开释法律活力等浸染。
然而，人工智能在法律适用时也面临着一些困境，范例如引发民众对法律公道的质疑、冲击法律人的主体地位、法律数据的透露隐患等。
对此，可从算法公开与算法监管、人工智能法律适用的二元分割以及强化数据管理等层面进行优化，进而提高人工智能的法律适用效能。

【关键词】人工智能；法律适用；算法监管

聪慧法院的培植离不开人工智能与法律审判的领悟，二者的结合得益于两股力量的内外驱动，分别是法院内部的培植需求与人工智能在法律领域的渗透。
前者表示在，随着公民权利意识的增强与民商事交易的频繁，公民法院的受案压力随之激增，“案多人少”逐渐成为了困扰法院培植的现实问题。
根据国家统计局公布的数据可知，公民法院一审收案数量从2011年759.61万件起激增至至2021年的1822.69万件，收案数量呈现稳步增长趋势。
此外，根据全国法院法律统计公报显示，我国法院尚未审结案件的数量从2020年的210.02万件上升到了2022年的289.36万件，涨幅近40%。
审案压力激增的背后，还伴随着备案登记制对受案条件的放宽、员额制对法官人数的限定等影响成分，传统的法院审案构造已然无法跟进群众的诉讼需求。
后者则表示在，人工智能的法律化趋势已然成为了不可阻挡的年夜水，从最初的悲观适用转移至如今的积极面向。
人工智能的法律代价最初是在个案适用中所创造，它能够在数据剖析、类案检索等层面极大提高法律职员的审案效率，因而在审案职员中广受欢迎。
人工智能法律化走向“积极面向”的标志在于，最高公民法院于2017年颁布的《最高公民法院关于加快培植聪慧法院的见地》，该见地明确公民法院要利用大数据和人工智能技能，为法律职员的办案需求供应精准做事，以减轻法律职员的办案压力。
见地出台后，各地法院随即开始了聪慧法院的培植探索，并取得了不错的成效，初步实现了对法律大数据的搜集与利用，互联网法庭、审判赞助系统也受到了广泛推广，公民法院的审理效率得到加强。

信息技能与法律实务的深度领悟不仅冲破了诉讼必须在“法庭”这一场域内进行的固有模式，还在审判环节与法律管理环节进行了技能改造。
在备案阶段，人工智能可对供应的文书样本进行格式化检索，并供应相应的审查报告与修正见地，便宜当事人提起诉讼。
在审前环节，人工智能可依据案件类型进行案由确定与案件分配，并为法律职员制订个性化的开庭关照与庭审期限。
在审判阶段，人工智能可根据案件事实提炼争议焦点，制作庭审提要与庭审笔录，并赞助法官进行法律适用、供应量刑参考等。
总而言之，人工智能在法律领域的适用前景极为可不雅观，理论界多数学者对其持有赞许态度，乃至有学者认为它能够帮助人类文明实现当代跃迁，但也有学者认为这冲破了常规的审判办法与法律程序，易产生智能法律与现存法律制度不相折衷的状况。
而过于追求对法律效率的诉求，忽略我们所立足的法治土壤，易引发对法律公道代价的质疑。
诚然，在深化法律系统编制改革、实行高效法律的背景下，人工智能法律化能够迎合现阶段的法律诉求，但如何规避因此可能导致的法律工具主义方向值得寻思。
本文旨在对人工智能的法律适用前景进行剖析，并对其可能引发的法律风险进行解构，以期在“捉住机遇”与“风险戒备”间探求到一个奇妙的平衡点，推进人工智能法律化的运行效益。

（一）帮忙证据开示：“示意证据”的天生

“示意证据”是指为讲授原证据或案件情形而出示的证据材料，它通过图片、模型、动画等可视性材料对案创造场的环境或事实加以仿照，对言辞证据或实物证据的证明目的加以补强。
由于“示意证据”并不是来源于案件的“原始材料”，实在质上属于对其它证据内容的补充或阐释，因而并不属于法定的证据种类。
正如有学者指出的，既然证据的展示办法不即是证据本身，对证明案件事实的赞助性浸染亦不等同于证明本身，那么就不应当将示意证据理解为作为案件事实证明材料的“证据”。

“示意证据”是英美法系上的观点，因而在英美法系中适用比较广泛。
例如，在英国审理的一起刑事案件中，控诉方通过对受害人的头部进行X光扫描，并利用3D打印技能对其头颅的受损状况用模型展现出来，以此使法官能直不雅观的把稳到受害人的危害事实。
我国法律领域也有类似的运用，如北京一中院于2018年3月1日审理的一起故意***案中，北京市检一分院利用“出庭示证可视化系统”进行了证据展示，哀求眼见证人戴上VR眼镜，通过操纵手柄还原凶案现场情形。
毋庸置疑，这种办法能够加强法官对证人证言的直不雅观感想熏染，使案件证据从零散化、碎片化的散乱状态呈现为整体化、链条式的有机整体。

人工智能法律化的过程能进一步促进“示意证据”的天生，拓宽“示意证据”的天生办法与适用类型，从而开释法律活力与提升证据审查的科学性。
“示意证据”冲破了传统的从“口对口”“书面对书面”的质证模式，不问证据类型便可通过可视化模型加以立体化、多维度的呈现到法庭上，使法律职员可通过情景代入得到切实直不雅观的感想熏染。
“示意证据”在法律领域的利用包括但不限于以下几点：其一、以文本的形式对待证事实进行解释。
例如通过对证明材料加以网络与整合，天生特定的格式文本，赞助法律职员理解案件事实。
其二、以雕塑、模型等形式还原特定有机物的受损状态。
如前文所述“示意证据”可通过X光扫描、3D打印等办法对受害人的受损状况进行立体展示，从而达到说服法官的目的。
“示意证据”同样也可以利用到人身危害、医疗危害轇轕等民事案件上来。
毕竟，对付审理案件的法官而言，相对付向其供应一堆病历资料，其说服力可能也远不如直不雅观呈现在他面前的“事实”有效。
其三、以图形、表格等形式对案件进行梳理、整合、排列。
例如针对待证事实或法律适用问题，制作与案情同步的思维导图、流程图、轻维表、特定关系图等，

（二）赞助规范量刑：“量刑幅度”的参照

法律公道离不开裁判尺度的统一，裁判尺度的统一有赖于量刑规范化的实现。
量刑规范化作为深化法律系统编制改革的主要组成部分，其核心内容在于限定法官自由裁量权，减少行政机关、社会舆论等法外成分的滋扰，追逐量刑的风雅化、准确化，确保作出量刑公道、公民满意的讯断。
“量刑规范化”并不是一个全新的观点，本文也并非“往事重提”，而是试图在人工智能法律化的语境下授予其独特的时期内涵。

事实上，人工智能对量刑的赞助浸染并非理论设想，而是早有实践支撑。
例如湖北省检察机关自2018年以来，持续研发聪慧刑检办案系统的子系统——智能量刑赞助系统，致力于实现“规范打算+态势剖析”的整体功能设计，以期办理审查官所面临的提出精准化量刑建议的难点问题。
人工智能赞助量刑的基本逻辑表示在：法律职员输入案件基本信息→人工智能对案件事实进行甄别、索引、剖析→天生量刑建议的参考范围→承办职员进行选择。

此外，诸如海南省的“量刑规范化智能赞助系统”、贵州省的“法镜系统”、上海市的“智能赞助办案系统”等都包含了人工智能赞助量刑的核心功能。
考虑到各地法院在探索过程中取得了一系列有效的积极成果，最高公民法院于2022年出台《关于规范和加强人工智能法律运用的见地》，该见地指出了在2023年之前全面建玉成阶段高水平智能赞助支持的宏伟愿景。
与此同时，《刑事诉讼法》确立的认罪认罚从宽制度对量刑规范化提出了更高的质量哀求。
为了落实认罪认罚从宽制度，审查机关加快推进“量刑建议精准化、规范化、智能化”事情，充分利用人工智能提升量刑建议的精准度。

智能量刑赞助系统的上风表示在：其一，可操作性与实用性较强。
法律职员在个案适用中输入案件指令时，赞助系统可在后台运行的过程中针对案件事实进行详尽梳理，针对案件存在的法定或酌定量刑情节，如自首、立功、坦白、退赃退赔情节等进行调配与剖析，依据对应的法律规范智能导出量刑建议书或裁判文书。
法律职员可依据天生的量刑建议样本进行相应裁量与更正，终极确定量刑建议书的内容。
此外，赞助量刑系统还可将量刑幅度的范围与量刑的依据天生格式化文档，帮助法律职员进行质证事情，提升审理效率与节约法律资源。
其二，量刑过程趋于风雅与科学，且具有可视化特色。
量刑赞助系统对量刑建议的天生须要经由以下几个步骤，从确定罪名的基准刑到根据量刑情节调节基准刑再到得出案件的量刑幅度。
期间，量刑过程可通过打算办法与影响因子以可视化的形式显示于界面，法律职员可通过肉眼直不雅观感想熏染到量刑建议得出的全过程，便宜法律职员进行及时纠错与精准校正。
其三、法律裁判尺度得以有效调节。
量刑赞助系统以案件事实为基本依托，通过对互联网公布案例的数据进行剖析与类案参照，减少因地域化所产生的量刑差异的影响。
该系统根据个案的事实与量刑情节自动匹配最高法律机关、各省市审理的相似讯断以及法律文书，为法律职员供应办案指引与量刑参照，有效掩护法秩序的统一性。

（三）开释法律活力：“诉讼办法”的变革

随着人工智能法律化步骤的不断加快，法院内部的行政类事务可逐步由人工智能所取代，诉讼文书的制作办法也在悄然发生变革。
在行政事务层面，由人工智能为技能支撑的“智能导诊”“快捷备案小程序”为各级公民法院所遍及，当事人可以直接通过微信小程序从而“足不出户”完成备案事情。
对付备案材料有所欠缺的，人工智能会通过系统界面奉告其补足。
对付备案材料较为繁芜，人工智能无法进行识别的，系统在及时反馈至后台后由人工办法予以办理。
其次，以人工智能为支撑的备案赞助系统可以及时网络当事人留言，便于发起满意度调查，理解各种案件的分外情形与即时反馈，提升对个案处理的准确度。
人工智能还可在未来逐步替代庭审布告员的事情，通过内置程序与语音识别系统，对庭审现场的发言情形进行详细区分与记录，大幅提升庭审效率。

在诉讼文书制作层面，人工智能可天生的文书类型十分全面，从起诉书到量刑建议书再到裁判文书等等。
例如上海市徐汇区法院引进的“诉状一体机”，当事人可利用这台机器实现常规诉状的自动天生。
广州市南沙区审查院研发的“智能赞助量刑系统”，通过将量刑打算与大数据、云打算等当代科技相领悟，为审查官提出精准型量刑建议供应参考依据。
苏州法院实行的“聪慧审判苏州模式”，智能系统针对案件种别自动区分，提取与制作电子卷宗，一键式天生大略单纯裁判文书类型，提高部分文书的制作效率。

人工智能天生法律文书的逻辑在于，率先对案件事实与证据进行提炼，再到数据库中检索附近似、相匹配的法律法规，参照以往的判例与文书的格式类型，从而天生相应的法律文书。
这种模式不仅能够大幅减轻状师、基层法律做事事情者的事情压力，也能缓解公民法院“案多人少”所引发的文书写作包袱。

三、人工智能的法律适用困境

（一）技能维度：算法难题引发对法律公道的质疑

1、算法黑箱：与法律公开理念背道而驰

法律公道离不开对法律公开的追求，而法律公开则哀求保障诉讼参与人的知情权。
人工智能的设计者出于对技能保护、商业保密等成分的考量，其算法每每是封闭且不为人所知的，这意味着当事人，乃至是法官都无法得知因此所得结论的算法依据与过程。
如此看来，“密闭式”裁判过程暴露了人工智能存在“算法黑箱”的风险，而“算法黑箱”则直接与法律公开相抵牾。

所谓算法黑箱，是指存在于人工智能深度学习的输入与输出之间，难以为外界所不雅观察、理解的隐层。
算法黑箱紧张存在于以下几类环境：其一、因公司商业秘密或者国家秘密而产生的不透明性。
其二、因技能文盲而产生的不透明性。
其三、从机器学习算法的特色以及在算法丈量中产生的不透明性。
而我国目前的法律人工智能系统一样平常是由法律机关委托给人工智能公司得以实现的，而人工智能公司研发的算法本身便具有知识产权的属性，无论是出于技能保护或商业秘密的目的，它们每每会将这类算法进行保密。
当人工智能利用至法律裁判活动中时，考虑到其算法利用的是一种黑箱式的办法，它的事情机理无法被阐明或者验证，很难解释该讯断的依据和判断过程，存在“机器所归纳的裁判模式、裁判标准可能连操作主体都难以理解”的窘境。
法律裁判并不是一个唯结果论的过程，真正让讯断产生信服力的每每是法官的释法说理事情。
可以试想，当社会"大众年夜众得知法院的裁判过程不再是基于法律职员严格进行的“三段式”演绎推理，而是基于对所谓算法“隐性决策”的盲目信赖，而这种“隐性决策”的过程既不会公开，更无法接管当事人的质询与申辩，那么法律的公道性与威信性难免会受到侵蚀。

2、算法歧视：与法律公道理念南辕北辙

算法歧视指的是人工智能算法在网络、分类、天生和解释数据时产生的与人类相同的偏见与歧视，包括且不限于种族、性别、年事、就业、弱势群体歧视等征象，更在消费和行为分类上表现出差异对待。
人工智能算法在法律领域的运作机制是基于对在先判例的学习，通过履历总结来进行预测性判断，而算法在汲取裁判履历的过程中难免会受到法官的代价偏见影响，进而在裁判时面对不同群体、不同种族、不同职业等表现出来。

虽然人工智能努力在法律裁判领域扮演着客不雅观中立的角色，但算法歧视来源的多样性使得在算法在设计之初难以进行全部打消。
遑论算法是人所设计的，对算法进行编码的设计职员难免也会将自身的代价取向与偏见带入至算法中。
基于算法黑箱的存在，法律职员在后续算法运作的过程中也难以有效考验算法歧视是否存在，而算法结果便是在这样的质疑过程中所得出。
在人工智能法律化的趋势下，算法歧视的暗藏性使得其在法律裁判领域中难以为人所察觉，而它所暴露的风险却会加剧社会群体间的对立，进而诱发对法律公道的质疑。

（二）意识维度：法律人主体地位的消解

人工智能虽然不能完备替代人类的事情，也不能成为法律意义上的主体，但人类对其产生的过度依赖感可能会导致人类的法律主体性趋于弱化，也可称为自我意识的封闭与自由意志的放弃。

1、思维庸化：自我意识的封闭

我们最初是将人工智能作为赞助手段加以适用的，根本无法遐想到它能代替我们作出决策。
而当我们逐渐收受接管并习气了这种办法后，人类的“惰性”匆匆使着我们放弃自我思考的能力。
长期以往，人类的主不雅观创造力与措辞组织能力都会发生退化。
就像“百度”这样的搜索引擎一样，在最初引进时我们根本无法遐想到其涵摄范围之广、信息获取速率之快，而当我们逐渐习气并对它产生依赖感后，自身的思维空间将会趋于封闭。

对付法律职员而言，这种依赖感将会扼杀法官的主不雅观能动与个案纠错能力。
虽然人工智能可以在法律判例中不断学习和提炼同类案件的处理规则，因此促进所谓裁判统一或类案同判的实现。
但如果把这种遵照先例的做法等同于逼迫责任难免不免会有些恐怖，由于它始终有被其它情由推翻的可能，例如法律条文的变更、同基本原则相抵触、各地区的风尚习气等。
特殊是在法律任务制改革以来，错案深究制好似悬在法律职员头上的“达摩克利斯之剑”，时候让他们心惊肉跳。
而“从众生理”却暗示他们遵照先例无疑会成为规避风险的“最优解”，内外成分的驱动下将进一步致使他们损失自我思考的能力与个案纠错的勇气。

2、道德钝化：自由意志的放弃

法律人的思维中永久充斥着感性色彩和理性色彩的交织，法律实践也时候掺杂着道德代价与法律代价的判断。
法律者的主要职责在于，通过不雅观点论证使民众接管某个合乎情理的不雅观点，并对其它主体提出的基于同一案情的主见进行回应。

人工智能对自由意志的侵损紧张表现在两方面：第一是“信息茧房”效应。
人工智能的入端信息库和语料库中设计的代价判断是单一的，那么将导致其供应的答案也会具有代价单一性。
如此一来，法律人会习气于屈服在先的常规见地，失落去道德判断的能力，进而使得法律适用沦为“僵化”的过程。
第二是“信息随机”效应。
当入段信息库与语料库存在代价不应时，系统输出的文本内容将会面临随机性，而利用者又缺少创造问题的能力，这便会导致法律者陷于将有时等同于一定，将随机等同于客不雅观的偏见之中。

更为恐怖的是，当法律职员习气于接管人工智能所天生的“标准答案”时，他们的道德思辨能力逐步降落，最终生成所谓“道德无感”的征象。
相较于直接采纳社会的主流不雅观点，他们不再关注对植根于法规范背后的法理探寻。
相较于个案纠正可能会引发的问题，他们更乐意于盲从对机器讯断的模拟。
终极可能会涌现的征象是：没有人乐意去关注缘故原由，主要的只是结果，法律适用衍变成“唯结果论”的导向。

（三）信息维度：数据透露导致的信赖危急

随着法律信息化改革与人工智能技能的不断成熟，“数字法院”“聪慧审查”的培植取得了可喜的造诣。
法律信息化是顺应时期潮流与缓解办案压力的一定选择，但同时也引发了一系列附随问题，个中数据安全风险便是关键的一环，详细表示在以下方面：

1、法律数据的透露隐患

前文提到，目前法院利用的人工智能系统大多是由外包企业所研发的，而以营利为目标的企业又一定具有自利方向。
在系统的开拓阶段，研发企业一定会向法院索取大量法律数据作为开拓的前期性准备，而在网络、处理信息的过程中，这些数据很有可能因研发企业或研发职员的轻忽或逐利方向发生透露事宜。
在系统的运行阶段，研发企业或研发职员也有可能通过预先植入“木马”“病毒”等办法截取涉案信息，进而以商业贩卖的形式牟取私利。
其次，对付人工智能的利用者而言，他们在利用系统时须要向其上传数据或是展开对话，系统在这过程中便会将这些内容作为其语料来源，并自动进行数据网络、仿照演习等事情。
在法律领域同样如此，法律职员须要将涉案的个人信息、商业信息等输入系统后，系统才会发出下一操作的指令，至于信息网络后的处理办法、数据流向却无人知晓。
而一旦数据安全的保护力度不足或被他人恶意利用进而发生数据透露事宜，公民的隐私安全与国家安全将会面临严厉的寻衅。

2、数据出境的安全风险

出于对数据安全的保护，我国对数据处理采纳了存储本地化的方法。
《网络安全法》第37条规定：关键信息根本方法的运营者在中国境内网络的数据信息应在境内存储，因业务须要确要供应的，应按照网信部门及***干系部门的规定进行安全评估。
《数据出境安全评估办法》规定：数据的境外流利须要经由网信部门的专门审查，适用事前评估和持续监督、风险自评估与安全评估相结合的审查模式。
对付未通过数据安全评估的，申请人应该终止数据出境活动。
由此看来，我国对数据出境管理采纳的是“原则＋例外”的模式，即原则上网络的数据应存储在境内，例外环境下才可向境外供应，但需经由网信部门的安全评估。

但对付人工智能软件，特殊是天生式人工智能而言，基于数据处理的做事用具有跨国性特色，这意味着境内外系统的数据信息库也是共享交互的，数据在天生阶段便有流利境外的风险。
如此看来，人工智能的法律适用难免会使得数据存储、数据分级保护、数据安全评估等保护方法损失效能，进而加大数据造孽出境的风险。

四、人工智能的法律适用优化

（一）技能规制：算法公开与算法监管

人工智能的法律适用前景颇为可不雅观，但算法黑箱与算法歧视却成为其融入法律运转的最大阻碍，如若不建立一套适用于法律领域的算法规制体系，人工智能法律化始终只能是一个“美好的愿景”。
本文认为，人工智能的算法规制体系可从以下几个层面构建：

1、事前监督。
事前监督是指保障法律职员在算法研发阶段的参与权与知情权。
算法开拓流程分为下述阶段：确定研发目标与验收标准→算法预研→算法开拓→算法测试与优化→交付对接。
在法律职员与研发企业对系统运转标准达成初步意向后，研发企业动手制作算法预研报告，制作完成后研发企业需向委托法院递送算法的开拓预期与可行性剖析。
在算法开拓阶段，研发企业需就算法运作的事情机理向委托法院予以释明，并接管专门技能职员的质询与监督。
在算法测试与优化阶段，研发企业需就算法运行存在的风险向委托法院予以解释，并接管法院提出的优化见地与完善建议。

2、事中审查。
事中审查是指在算法交付审查后的试运行阶段，研发企业还需接管算法的安全审查。
根据《互联网信息做事算法推举管理规定》可知，算法推举行事供应者须要接管定期审查与安全评估，未通过算法安全审查的，须要及时进行整改。
虽然算法天生历经事前监督环节，但该环节紧张因此法律职员监督和技能职员的局部监督为主，在专业性与全面性上存在不敷。
因此，算法规则有必要在系统正式运行前接管法院所聘请的第三方审查组织或算法审查小组进行全面审查与安全评估。
根据算法从研发到终极运用的流程，算法安全评估可依照如下顺序进行判断：算法运行机理、算法设计构造、运行毛病与漏洞、安全风险预测等。

3、事后公开。
事后公开是指在算法正式运行后需向社会公开算法的运行规则。
算法公开虽涉及到研发企业的知识产权与商业秘密，但算法在法律领域扮演的角色具有其分外之处，它不仅涉及法律公开性与讯断威信性的考量，同时也包含法律领域中公民知情权的掩护。
而基于比例原则与社会***的考量，有必要迫使个人利益向公共利益让步。
我国《互联网信息做事算法推举管理规定》规定了算法的适度公开规则，但就算法在何种平台上公示并未昭示。
本文认为，算法的法律适用可依托于法院的政务系统或信息公示平台进行公开。
一方面，公民法院作为算法规则的委托方，对算法的事情机理与运转办法具备初步的理解，便于对公示内容进行解释与阐释。
另一方面，公民法院作为算法规则的利用方，与受该算法调度的诉讼参与人关系更为紧密，便于当事人进行查阅与反馈。

（二）主体定位：人工智能法律化的二元分割

1、基本态度：法官的主体地位

法律推理是基于演绎推理的论证过程，法官须要利用感性认识与理性思维对待证事实与证据材料进行规范剖析与代价判断。
感性成分虽然在推理过程中不占主导地位，但绝对不能缺失落，否则法律适用就成了一个机器适用法条的过程。
人工智能确实能在部分情形下代替法官进行裁判文书制作，但这种“代替”一定是有边界的，且不能以危害法官主体地位为条件。
法官的法律权来源于社会左券与公民主权，而法官对人工智能的权利转让是违背法左券精神，为法律所不容许的。
因此，绝不能以AI裁判代替法官裁判，纵然以人工智能系统天生了裁判文书后，仍须要由法官末了把关，这也是法官任务制的应有之义。

2、角色定位：人工智能的从属地位

前文提到了人工智能存在的致命毛病，但不能因此否定其存在的法律代价。
因此，在明确人工智能的从属地位后，我们可就案件类型进行分割，明晰人工智能的适用边界：

第一是程序性事变。
实体性事变紧张涉及事实判断，感性认识不可或缺，因而不宜由人工智能代替。
而程序性事变紧张是法律规范的探求与适用过程，紧张涉及的是理性判断，如上诉期限、备案统领、造孽证据打消等。
而人工智能在此层面具有人类所无法比拟的上风，可以放手由人工智能承担，让法官将更多的精力投入至繁芜案件与涉及代价判断的案件中去。

第二是速裁程序与大略单纯程序。
由于人工智能面临着“技能—法律锁定效应”的障碍，因此繁芜、疑难、新型案件仍需由法官审理更为适宜，大略案件则可以交由人工智能进行裁判。
根据有关数据显示，地方各级法院与专门法院于2018年至2022年间审理案件共1.47亿件，个中速裁程序与大略单纯程序审理的案件霸占较大比例。
这两类程序的共性在于都适用于案件事实较为清晰、争议不大的案件，并且这些案件的法律适用高度相似、类型化明显，通过人工智能所得出的裁判结论发生的偏差较小。
末了再由法官对天生文书进行本色审查，对付文书存在遗漏或偏差的，及时进行纠正。

第三是法律规范的适用。
演绎推理是一个“三段论”式的论证过程，推理条件由案件事实与法律规范组成。
案件事实的查明是庭审对抗与证据采信的过程，双方主体通过法律论证与举证质证使案件事实逐步明确，终极再经由法官的自由心证进行取舍。
这一环节必须由法官亲历亲为的进行，否则便会陷于“庭审虚无主义”的陷阱，更是对公开审理原则的直接违背。
而法律适用则是在案件事实固定后进行法律检索的过程，既未涉及代价判断也不涉及感性认识，因此可交由人工智能进行。
况且人工智能具有弘大的法律数据库与极强的文书检索能力，在法律适用层面具备法官所无法比拟的上风，探求到的法律规范每每更为精准和更为全面。

（三）数据保护：强化数据管理，深化数据合规

1、培植高质高量的法律数据系统

人工智能系统以数据为根本，以算法为依托。
倘若缺少足够且高质的数据作为支撑，人工智能的决策准确性将大打折扣。
因此，为促进人工智能在法律领域的高效运行，法律数据系统可环绕以下方面进行：

第一、建立法律大数据库。
我国目前法律数据除了已经公开的以外，还广泛存在于法律部门、状师事务所、法学科研部门以及法律行政部门内部。
而这些机构或部门存储的数据种类与数量是较为可不雅观且准确的，如若可以通过建立统一的大数据库将这些数据予以串联，进行有效整合与分类，便可为人工智能法律适用供应夯实的物质根本，促进人工智能法律化的高效运行。

第二、扩充法律数据数量。
裁判文书公开制度自确立以来取得了不错的社会反响，它为法律职员以及法律做事职员供应了可供借鉴的办案思路，同时也为人工智能系统供应了数据支撑。
但实践中仍有不少法院没有进行文书上网事情，这在一定程度上阻碍了人工智能的法律适用进程。
本文认为，可将裁判文书的公开数量与完成度作为法院内部的考察评价机制，对下级法院未按哀求公开的，上级法院或同级审查院可依法进行批评或审查建议，以此促进法律职员公开文书的积极性。

第三、丰富法律数据的形式。
法律数据除裁判文书外，还应该包含其它过程性法律行为以及公民法院的内部资料。
例如法院的庭审笔录、合议庭见地、审委会记录等。

2、实施法律数据分类分级保护

《中华公民共和国数据安全法》第21条规定，根据数据对社会的主要程度，对数据实施分类分级保护制度。
关乎国家安全、重大社会***等数据属于国家核心数据，应适用更强的保护方法。
法律领域同样可以参照上述划分逻辑对数据进行分类，依据数据类型划分为核心数据与一样平常数据两类。
从宏不雅观角度而言，可将关乎国家安全与公共利益的数据列为核心数据，其它数据认定为一样平常数据。
从微不雅观角度来看，可将关乎法律政务与涉密信息的数据列为核心数据，其它数据认定为一样平常数据。
在确立核心数据与一样平常数据的分类后，我们应对核心数据采纳严格的保护方法。
在研发阶段，委托法院向研发企业供应法律数据时应采纳技能处理方法，如匿名化、采纳加密方法等。
在运用阶段，禁止法律职员向人工智能系统上传核心数据，法律职员须要处理核心数据时应阐明正当用场并经由严格的内部审查程序。
通过上述分类保护方法，可以大幅降落核心数据透露的可能，并且能够缓解数据出境的失落控风险。

3、深化数据合规

数据合规对企业发展起到保驾护航的浸染，它既是法律规定的合规责任，也利于降落企业的运营风险，帮助企业有效监管和应诉，提高企业的合规管理水平和强化企业职员的合规意识。
对付人工智能的研发企业而言，在网络到法院供应的法律数据后，如何对该数据进行合理保护，降落透露风险是维系企业生存的重中之重。
因此，研发企业必须重视数据合规培植，建立完备的合规管理体系。

从宏不雅观角度而言，企业应建立数据的分级分类保护机制，针对数据的主要程度采纳不同力度的保护方法。
其次，企业还应建立相应的风险识别机制与风险预警机制，针对可能存在的数据滥用、数据透露、未经许可的访问等风险做好提前预防与准确识别。
末了，企业还需建立数据安全应警预案与风险处置机制，对识别到的风险类型采纳恰当的应对方法降落危害程度。

从微不雅观角度而言，企业应定期开展数据安全教诲事情，加强企业职员的合规意识。
其次，企业还需强调企业职员特殊是研发职员的保密责任，针对事情过程中打仗到的法律数据、个人隐私、商业秘密等签署相应的保密协议。
末了是开展数据合规培训与考察机制，并设置相应的褒奖与惩戒细则，进一步夯实企业职员的数据合规能力。