人工智能会不会成为司法过程的主角呢?一个大胆的预期是，机器人法官会替代人类法官，机器人法官所面临的技术性难题必将随着人工智能技术的发展而消解。这里的技术发展，不只是大数据处理能力的进步，更是强调深度学习能力的提升。

“司法不是自动售货机。”法律人耳熟能详的这句话，源于马克思·韦伯“自动售货机”的隐喻，常常被用来批评司法过程的机械主义——一端输入案件事实，另一端根据法律条文就能吐出判决。这样的判决，忽略了司法过程中多重因素及其相互关系，只是简单地把法官定义为一种“纯粹逻辑制造的无生命的存在”。

不过，随着人工智能的兴起和发展，“自动售货机”会不会在不停地技术赋能和更新迭代后，产生足够的智慧与能力，生成权威的司法判决，并替代法官呢?

在匆忙给出答案之前，我们可以先分析一下人工智能的两个前提条件：大数据和深度学习。

大数据，顾名思义，也叫大规模数据。其实，这个说法并不准确。大规模只是从外在的规模上标识了大数据的“量”，并没有揭示大数据信息交换、信息存储、信息处理的“质”。目前，源于中国裁判文书网、中国审判流程信息网、中国庭审公开网等平台的数据，已经初步建构起一个司法大数据系统，这是信息交换与信息存储的伟大进步。同时，司法大数据的整理、分析、转换能力的提升，也给司法审判带来了有益帮助。就现阶段来说，不仅可以给法官判决提供参考，为实现“类案同判”、统一裁判尺度带来可能，而且可以积极挖掘案件规律，服务国家治理，生成司法大数据深度应用新模式。

近年来，部分法院和研究机构还依托司法大数据，研制出具备大数据辅助定罪量刑系统的各种法律机器人。所谓大数据辅助定罪量刑系统，就是借助文本相似度分析技术，挖掘隐藏在过往司法判决中法官、检察官定罪量刑的集体经验，计算出各种情节对刑罚的影响程度，赋予各情节不同的影像系数，从而使判决更具个性化、精准化和合理化。从实施的效果来看，这类法律机器人已经能够帮助法官从简单重复劳动和数据计算中解脱出来。当然，在这里，人工智能还只是一个客体的辅助系统，并不具有主体性。

进一步来说，人工智能会不会成为司法过程的主角呢?一个大胆的预期是，机器人法官会替代人类法官，机器人法官所面临的技术性难题必将随着人工智能技术的发展而消解。这里的技术发展，不只是大数据处理能力的进步，更是强调深度学习能力的提升。

深度学习是人工智能从“弱阶段”向“强阶段”转型的重要工具。和传统的人工智能希望“机器像人一样思考以获取智能”的路径不同，现代的人工智能更强调运用数据驱动的力量。它的目标依然是解决人脑所能解决的问题，比如判决，但它不一定非得采取和人类思考一样的方式。现阶段的深度学习，主要是把计算机需要学习的东西，比如一个案件的犯罪事实、犯罪手段、量刑情节、刑法、法院、地区、相关法条等多种关联因素，丢进一个复杂的，包含多个层级的数据处理网络(深度神经网络)，然后检查经过这个网络处理得到的数据是否符合要求——如果符合公平正义，就保留这个网络作为目标模型;如果不符合公平正义，就继续处理，以调整网络的参数设置，直到输出满足要求为止。

不夸张地说，深度学习的概念和过程会让许多法官抓狂，也会让许多非理工科的普通人摸不着头脑。通行的理论认为，深度学习大致是一个运用人类的数学知识与计算机算法建构框架，再结合尽可能多的训练数据以及计算机的大规模运算能力去调节内部参数，尽可能逼近问题目标的半理论、半经验的建模方式。其中的“尽可能”，也说明了人工智能司法公平正义的相对性，因为很难说哪一个判决是完全公平正义和满足所有人期待的。

霍姆斯大法官说，法律的生命不在于逻辑而在于经验。那么，深度学习就是基于大量的司法经验，在不断的逻辑尝试、运算和寻找中，产生的符合正义价值的一种方法。卡拉玛德雷说，司法过程的典型体貌不是程序法赋予的，而是那些实施它的人的心灵习惯赋予的。成文法只是框架;它的形貌、连同色彩和明暗度，是由习惯和常例构成的。在这个意义上，深度学习就是糅合了成文法、习惯和常例，通过经验和逻辑的力量，尽可能构成司法过程的形貌、色彩和明暗度。

无疑，这是一种进步，一种我们需要以开放的心态来面对的时代进步。