AI只是助手,裁判就会更客观吗?评谢晖最新长文《论数智分析作为法律方法》

讨论司法AI，最容易滑向两个极端：要么等待“AI法官”取代人，要么把技术挡在裁判之外。谢晖发表于《交大法学》2026年第5期的《论数智分析作为法律方法》换了一种问法：如果智慧体只是辅助法官，它能否被理解为一种法律方法？文章给出肯定回答，并将其定位为对传统方法的升级，而非替代。这个转向值得认真读，因为它把争论从身份奇观拉回裁判说理。不过，论文从“法官保留最终决定”进一步推到数智分析的中立、客观及其助力正义的功能，中间恐怕仍有一道需要填补的论证沟壑。

真正推进之处：不再只问“像不像法官”

文章先区分数智裁判与数智助力裁判。在前一种定位中，智慧体若成为决策主体，就不再是法律方法；在后一种定位中，它经过法官选择、过滤和采信，可以进入证据分析、法律推理与裁判论证，取得方法论意义。主体与方法的区分，构成了全文后续论证的起点。

作者还区分了广义与狭义的数智分析方法。车辆调度、法庭管理等一般事务，只是数字工具在法院管理中的运用；真正进入论文核心的是狭义情形，即法官在个案处理中，以数智分析辅助事实认定、规范查找和裁判说理。这一限定很重要，否则，“法院使用技术”与“技术成为法律方法”就会被混为一谈。

这一划分的价值，不只是给AI安排了“辅助者”的名分。它把问题从机器能否取代法官，转到机器怎样参与法官形成理由。文章借用逻辑、经验与技艺三项要素说明法律方法，再分别寻找数智分析的对应功能。尤其是所谓“复合性”——传统法律方法仍是底座，数智分析提供数据、算力与算法支持。由此，法律解释、论证和利益衡量并不会因技术出现而失效，改变的是它们被调用和组合的方式。数智分析由此不再只是办案设备，而成为法学方法论内部必须解释的对象。

“辅助”不能靠最后签字来保证

文章用以维系辅助定位的关键装置，是法官的自主判断，亦即数智意见必须经过法官研判，最终裁判仍由法官作出。作者还提出三项约束，依赖必须有限且可控，输出必须经过法官加工，数智分析只能充当工具而不能取代人的价值裁断。这些要求说明，作者并非毫无防备的技术乐观主义者。

论文也援引“增强偏误”研究，承认大模型可能固化法官的初始结论，使裁判理由在形式上更有说服力，却让法官更难自我纠偏。这个材料值得停留，因为它触及了全文最吃紧的一环——当系统不仅提供信息，还能组织理由时，法官对系统的使用，也可能同时是被系统引导的过程。

法官拥有最终签字权，不等于始终保有实质判断权。如果法官难以核验信息来源、看不出推理缺口，或者缺少比较相反方案的时间，形式上的选择可能掩盖实际上的依赖。“法官能够过滤数智分析”因此不能作为既定前提，它正是需要制度保障并加以证明的结论。

沿论文自己的思路，辅助地位至少要由可检验的使用过程来支撑，关键来源能否追溯，输出理由能否复核，相反方案能否呈现，法官是否有实质机会拒绝。裁判责任由法官承担，也应以法官有能力理解和控制论证为前提。否则，“思维伙伴”可能成为不易反驳的隐形说服者，最后签字只是为既成判断补上一道形式程序。

中立与客观，是要求还是已有属性？

论文将中立性、客观性列为数智分析的方法特征。作者承认技术设计可能嵌入价值取向，但又认为，设计一旦获得普遍接受，便可取得“可接受的中立性”；相关政策对无歧视、无偏见的要求，也被用来说明这种方法的中立属性。

这里其实有三个不同命题，一种工具能否被不同主体使用，它的输出是否存在系统性偏差，以及它能否帮助形成更公正的裁判。三者可以相互关联，却不能相互替代。普遍接受不等于偏差已经消除，技术要求不等于运行结果已经合规，而输出看似一致，也不当然意味着当事人受到了公平对待。

同样，检索更快、计算更强，可以支持效率判断，却不能直接推出案件事实更真实，更不能直接推出裁判方案更公正。数据库中的既往裁判提供的是经验材料，不是自动正确的答案；类案之间的相似与差异，也仍需法律论证来确认。事实识别与价值选择，必须分别接受检验。

这并不意味着应当撤销文章的核心命题，而是需要把命题说得更紧。中立与客观不是数智分析自带的品质，而是每一次司法运用都要完成的任务。类案推送遗漏了什么，来源错误能否发现，不同输入是否导致结论波动，系统对不同类型当事人的影响是否一致，这些具体检查比“大数据加算法”的一般承诺更能支撑客观性。

效率与正义之间，还隔着说理

文章对简单案件与疑难案件的区分，体现了务实的一面。作者认为，大量简单案件可以较直接地处理；在疑难复杂案件中，数智分析虽不能替代价值判断，仍可通过强制类案检索、说理要素清单、裁判偏离说明和文书智能校验，帮助法官减少偏私、改进权衡。这比笼统宣布“AI实现正义”更有制度内容。

但“简单案件”也不能只按处理速度界定。案件看似常规，可能是因为争议被既有分类提前吸收；输入案情的标签一旦选错，后续生成再快，也只是高效地沿错误方向前进。效率当然具有正义价值，拖延本身会消耗权利，可效率要转化为司法正义，仍需经过事实确认、规范选择和理由公开，不能省略中间环节。

恰好是文章列举的偏离说明与智能校验，提供了一种更可信的论证方向——技术的贡献不一定是给出更正确的终局答案，也可以是留下更多可供复核的痕迹，让法官更难忽略相反案例，让裁判差异更难逃避解释。这样理解，数智分析不是在法官之外另设一个正确答案，而是在裁判过程中增加自我纠偏的机会。

从方法命名走向理由检验

因此，文章的核心主张还可以再推进一步——数智分析并非因为参与司法就天然成为法律方法；只有当它的输出能够被法官理解、复核，并转化为当事人可以质疑、同行可以争辩的裁判理由时，才真正取得方法论意义。

这也为后续研究留下了更具体的任务，不是继续证明AI无所不能或一无是处，而是分别检验它在证据整理、类案检索、规范解释和裁判论证中的可复核性，并为不同环节设置不同强度的使用限制。

所谓“升级”，升级的也不应只是技术速度，而应是司法说理接受检验的能力。司法AI真正需要跨过的门槛，不是它能否给出答案，而是这些答案能否进入一场仍由人负责、向当事人开放的理由之争。