5月8日，法社会学研究中心“法的学科交叉沙龙”第二期在凯原法学院举行。本次沙龙由电子信息与电气工程学院金耀辉教授主讲，主题为“司法信息化中的人工智能：历史、挑战、实践与愿景”。凯原法学院季卫东教授主持了本次沙龙，程金华教授和许多奇教授担任评议人。

季卫东教授首先欢迎金耀辉教授主讲本次沙龙。他介绍道，学科交叉沙龙旨在借助交大的优势和特色，推动跨学科交叉研究。金耀辉教授从著名的贝尔实验室回国后参与了多项重大科研和应用项目，近年来对法学交叉研究也有高度关注。

金耀辉教授的讲座分为历史、现实、思考和前瞻四个部分，梳理了人工智能发展历史，介绍了人工智能在司法领域的应用现状，分析了具体的实践应用项目，并展望了未来人工智能与法律研究和应用的远景。

他首先简述了人工智能的三大流派和发展史：以数理逻辑模拟人的心智的符号学派、以仿生学模拟脑的结构的联结学派和以控制论模拟人类行为的行为学派。他还讲解了机器学习的基本概念和原理，认为特征选取是机器学习成败的关键。针对近年来大火的深度学习，金耀辉教授认为尽管深度学习的计算能力和特征刻画能力十分强，但是模型的可解释性也在下降。为此，“可解释性人工智能”（Explainable Artificial Intelligence, XAI）的概念被提出，目的在于突破算法黑箱的限制，为数据处理和运算结果提供逻辑解释。

金耀辉教授回顾了人工智能与法律的结合。他指出，上世纪中叶人工智能诞生之初就有学者设想借助这一技术实现法律的自动化处理，而以1970年Buchanan & Headrick《关于人工智能和法律推理若干问题的考察》一文发表为标志，人工智能与法律作为研究分支正式诞生。当前司法信息化中人工智能的应用十分广泛，美国的Case Crunch对案件结果的预测甚至超过了人类律师。他总结道，人工智能与法律结合的必要性体现在可以提高司法效率、促进司法公正、提升立法质量。

金耀辉教授介绍了自己团队研发的OMNIRank模型。该模型利用人工智能算法预测P2P平台的风险状况。通过5大类118个特征、6种深度学习算法，该模型的准确率可以达到85%。但是正因为人工智能的算法黑箱性质，无法对预测结果提供逻辑解释，因此在实际应用中遇到了困难。金耀辉团队进一步尝试了“元思”系统，通过输入模糊的先验人工逻辑，并在优化迭代中辅以少量人工校验和干预，可以大幅提升算法性能。该系统未来有望在司法实务中用于类案研究。金耀辉教授还以四川眉山的多元化社会调解为例，介绍了社会管理的AI流程。

最后，金耀辉教授展望了人工智能司法应用的远景。他指出，当前人工智能的研究和应用还处于初级阶段，法律具有独特的复杂性和模糊性，这为未来研究提出了挑战，更孕育着广阔的契机。人工智能在法律的深度、实质应用需要面对法律、管理、技术、数据和人才等多方面的挑战。

季卫东教授感谢金耀辉教授精彩的汇报。他总结道，大数据、互联网和人工智能的三元互动是理解人工智能与法的关键因素。未来人工智能的司法应用需要突破算法黑箱，满足可解释性。

评议讨论阶段，程金华教授首先感谢金耀辉教授的分享。他提出，机器学习的运算多是基于回归原理，利用旧有的规律和趋势对未来进行预测，但是法律的发展除了依据以往的规律经验，还需要不断优化调整，将法律实践推向更高更好的层次，这一点在疑难和复杂案件中会尤其突出。季卫东教授也认为，这实际上涉及到了一个重要的法律问题。模糊的先验选择到人工智能需要经过清晰的逻辑处理，其中需要多次的逻辑迭代。但同时法律的发展也需要优化选择。如何平衡二者是需要认真研究的。许多奇教授也指出，对于复杂前沿的法律案例，在法解释学的内部也莫衷一是，对于这类情况人工智能可以发挥怎样的作用？关于P2P平台风险模型，人工智能的模型是利用过往数据对未来预测，但是在当前防范系统性金融风险、政策出台迅速的大背景下，原有方法是否能保持良好的准确度也是值得探讨的问题。

据悉，沙龙的第三讲将于5月22日下午举行，由国际与公共事务学院的樊博教授主讲“大数据、人工智能与城市应急”。