河北分公司圆满完成2015年职鉴考试工作

[36]参见左卫民、周长军、陆贤刚等：《法院内部权力结构论》，《四川大学学报》（哲学社会科学版）1999年第2期。

紧密联结能够保证和强化国家的统一，巩固中央统一领导，而适度张力则可以改善和优化统一领导，激发地方的主动性和积极性。首先，中央应该确定区域协调发展的基本原则、目标与机制。

发展理念作为依据则体现了修宪后宪法内涵所产生的与时俱进的发展变化。有学者主张，塑造多样化的事权执行机制，淡化中央统一领导的行政色彩并使之转向法律上的中央统一领导，在两个积极性的框架内偏重在全国范围内统一标准，而依辅助性（subsidiarity）原则将事项执行留给地方人大和政府，尊重地方人大和政府对地方事务的自主管理，并容忍一定的地方差异性。事实上，基本权利的实现更多依靠的是客观的制度与社会条件。摘要:  研究区域协调发展应具宪法视野。[17]何华辉：《比较宪法学》，武汉大学出版社1988年版，第11页。

各区域之间发展水平上的较大差异势必影响到国家发展的整体质量，影响到全体人民平等充分享受发展成果。第二，加强省际交界地区城市间交流合作，减少乃至消除行政区经济边界衰竭性的现象。1988年，加州大学洛杉矶分校计算机科学教授珀尔（Judea Pearl）出版《智能系统的概率推理》一书，将贝叶斯网络（Bayesian networks）方法引入AI领域。

概言之，法律智能系统在适用范围上存在限制。3.大数据分析的逻辑基础：复杂问题的初步分析 按照学界通行的定义，大数据（Big Data）泛指海量的数据集。自1970年以后人工智能从对一般思维规律的探讨转向以知识为中心的研究以来，专家系统的研发在多个领域取得了重大突破，各种不同功能、不同类型的专家系统如雨后春笋般建立起来，产生了巨大的经济效益和社会效益。可以合理预见，法律智能系统的发展方向是人机协同。

有关部门也一再强调，要加强行政决定和司法裁判的论证说理。当然，单有以逻辑规则为基础的推理是不够的，知识才是智能的核心和基础。

机器学习和大数据技术与传统的专家系统的结合，使得基于规则和基于案例的专家系统都可以通过学习而实现能力升级。以206系统为例，其类案推送功能即采用机器学习方式，通过深度神经网络自动抽取各类法律文书中的案件信息，构建深度神经网络模型。不过，产生式系统中的知识单位是产生式规则，这种知识单位由于太小而难以处理复杂的问题。2.基于规则的专家系统的底层逻辑：演绎推理及其他推理形式 由于基于规则的专家系统是根据if-then规则进行推理，因此，其底层逻辑属于演绎推理。

当然，该领域还有许多尚待研究的问题，比如在模糊推理中建立隶属函数仍然属于比较困难的工作。如果相似度定义得不好，检索的结果就不理想，也就谈不上应用的成功。而且，由于智能裁判过程是在极短时间内完成的，这就使得整个裁判是个一次性过程。不过，这与前述法律逻辑的特征（很多情况下属于非必然性推理）是并行不悖的。

案例情境由许多属性（事实特征）组成，案例间的相似度需要根据这些属性间的相似性来衡量。以深度学习为代表的新一代机器学习技术的进步，其突出成就是大大提高了计算机分析处理数据的能力，人类社会从此迈入大数据时代。

尤其是，在法律智能系统瞬间即可作出决定，程序的时间和空间要素都被大幅度压缩的情况下，逻辑合理性就成为首当其冲的重要问题。在我们分析智能系统的逻辑之前，首先要弄清楚什么是法律逻辑。

在构建知识库时，产生式规则是最常用的知识表示方法，专家系统因而又被称为基于规则的系统（rule-based systems）或基于知识的智能系统（intelligent knowledge -based systems）。机器学习可以使机器自动获得知识，从而获得更多的智能，使系统的性能得到改善。这一论断与新一代法律智能系统的研究现状非常切合。而经验知识一般都带有某种程度的不确定性，易言之，经验的成功运用并没有严格的保证。在现阶段，法律智能系统能做的还只是论证检索或称新型概念信息检索，即为论证提供相关信息。但令人失望的是，事实并非如我们所想象。

由于法律推理的大小前提和结论通常都含有价值判断，因而，法律逻辑属于道义逻辑（deontic logic），其评判的对象是伦理行为和规范命题（义务、许可、禁止等），与道德哲学存在密切关系。当然，这并不违反前文所述法律推理是非必然性推理的属性。

不难理解，AI终究是一种服务于法律实践的技术手段，如果对法律实践本身的规律缺乏了解，特别是对法律逻辑的本质特征没有充分认识，人工智能的加入不仅无助于实现法律公正，反而有可能治丝益棼、添堵又添乱。对法律智能系统来说，这些要求属于强人所难。

试运行一年多后，该系统的9个数据库已包含2800万份数据资料。对技术问题的解释，即智能系统是如何作出决定的，如果不能详细说明其推理过程（例如使用了深度神经网络的机器学习技术），至少应当作出局部解释和粗粒度的概括解释，而不能不提供任何理由。

特别是，在法律实践中，虽然模糊推理广泛存在，但现有的法律逻辑学鲜有论及。世界中的模糊性普遍存在。模糊逻辑之父扎德曾经将模糊逻辑称为词语计算（CW-Computing with Words）和软计算在我国的司法改革过程中，各地法院事实上多是改革制度的主要提供者。

（二）改革措施的精耕细作 内卷化风险的第二个表征是改革者对内不断挖掘改革潜能，持续地对已有改革进行调整与修正，改革方案日益细致完备，改革的推进被理解为对已有司法体制与机制的精装修。此后，在复兴期，法官等级与行政职级脱钩改革方案被重提。

改革具体措施呈现特定领域持续精耕细作，改革后的相关司法制度、内部结构、工具手段日益精细。【作者简介】 王禄生，东南大学法学院教授、博士生导师、东南大学人民法院司法大数据研究基地研究员。

[14]参见肖扬：《最高人民法院工作报告——2002年3月11日在第九届全国人民代表大会第五次会议上》，《人民日报》2002年3月20日。（二）竞争倾向：地方试点主义与政治锦标赛叠加 除了角色约束之外，中国的司法改革还呈现鲜明的竞争倾向。

杜赞奇的观点可以概括为：国家政权的扩张应建立在提高效益的基础上，否则其扩张会陷入内卷化。从这种意义上说，整个法院人员分类管理改革的20余年间尽管取得了一定的成效，但却是非均衡成效。[21]2016年《法官助理、检察官助理和书记员职务序列改革试点方案》和2017年《人民法院、人民检察院聘用制书记员管理制度改革方案（试行）》两份改革方案出台之后，复兴期书记员单独序列改革再次以聘用制为核心展开。内卷化风险为我们观察和解释一个较长时间内司法改革的周期变化提供了可行的理论框架。

更为重要的是，受制于老人老办法、新人新办法的改革方式，聘用制书记员与录用制书记员工作内容雷同，但两者在待遇与晋升空间上却有云泥之别。（三）行政主导：领导决策与政治动员结合 我国司法改革的独特性还在于采用领导决策与政治动员相结合的行政主导模式。

角色约束为司法改革的范围设定了严格的约束性框架，型塑并强化了司法改革的内卷化风险。[50]陈卫东：《十八大以来司法体制改革的回顾与展望》，《法学》2017年第10期。

由于他们往往在改革中处于信息垄断的优势地位，因此这种选择性执行更加容易实现。按照公共选择学派的理论框架，改革决策者会在改革中直接或间接、显性或隐性、自觉或不自觉地将自己置于有利位置，并倾向于对不利于自己的改革予以选择性执行。