西南政法大学新闻传播学院副教授、法学博士、历史学博士后、硕士研究生导师。

“侠客岛”特约作者，在“侠客岛”上撰写的多篇文章阅读量10万+。

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。

图片来源：视觉中国