在人工智能的沖擊下，法律體系可能需要全面重塑。過去需要花費大量人力、物力才能完成的任務，如今可以在極短時間內完成。有人預測，在線工作、基于信息技術的法院、虛擬法院、在線糾紛解決會成為未來糾紛解決的主流。
人工智能在糾紛解決領域發揮的功能，可以從訴訟與非訴兩個角度來分析。人工智能在智慧法院建設中的運用貫穿整個訴訟過程，主要包括立案、分案、庭審、裁判與執行等階段。人工智能在線糾紛解決機制的應用，并不是簡單地將現代技術應用到傳統糾紛解決模式中，而是以互聯網思維與技術為基礎重新構建一種新的在線糾紛解決機制。
隨著我國多元化糾紛解決機制建設的發展，國內在線糾紛解決平臺主要是以法院為主導，其基本建設思路是通過互聯網將糾紛與解決糾紛的人集合起來進行配置。目前國內在線糾紛解決平臺主要有兩大類，且兩類平臺的發展態勢迅猛，成效顯著。一類是以浙江省為代表的“矛盾糾紛多元化解平臺”（https://yundr. gov.cn）；另一類是以法院為主建設的“人民法院在線調解平臺”（tiaojie. court.gov.cn)。但人工智能在糾紛解決領域的應用仍存在以下難點與困惑：法律大數據的不充分、不客觀、結構化不足，導致人工智能的基礎不牢；在線糾紛解決平臺解紛功能還較簡單；在線糾紛解決機制的承載前提是互聯網平臺；過度依賴人工智能可能導致審判程序異化；偏重“算法”和機器評價可能導致裁判失正。
人工智能在糾紛解決平臺的技術路徑
人工智能應當具備認知與判斷的功能。將其運用在法律領域。一方面，可以作為邏輯的定向指南，實現若干邏輯關系的證成過程，即推理過程；另一方面，可以提供海量的糾紛解決數據，從數據的采集識別，到數據結論的輸出，全都是在一定邏輯模型中完成數理演算。因此，人工智能在糾紛解決過程中應當包括四個重要的模型，即識別模型、定義模型、鏈接/關系模型、輸出模型，才可以實現理想化的人工智能解鎖法律事實、提供信息指引，以及尋找適合糾紛解決方式的目標。這也是構建“人工智能+糾紛解決機制”模式的核心要義。
1.識別模型：對識別對象進行要素化概括。人工智能必須具有將對象進行數據化識別的能力，這是人工智能運行的前提。無論是通過人工符號化模式，還是神經網絡自學模式，都需要對識別對象進行要素化概括，并建立相應的數據采集規則。識別模型的運算規則，其實是對不同載體進行數據解碼與轉碼，因識別對象不同而有所差異，如識別圖像、文本、數據，所需要的數據輸入與轉化方式均有所不同。從法院審判系統和在線糾紛解決平臺的信息處理模式來看，識別模型或識別技術的優化，可以改變現有填制式案件處理模式。浙江ODR平臺的語音識別功能，通過識別用戶的聲音將其轉為文本形式輸入系統，減輕了用戶和調解員文字輸入的工作量；在一定程度上，也避免了人為輸入錯誤。對于圖片，該平臺運用OCR（Optical CharacterRecognition），即光學字符識別技術，可以識別圖像中的文字信息。調解員或者糾紛當事人只需手機拍下需要識別的文件，并將該圖片上傳至系統，系統即可自動查詢并推送相關法規、案例等信息，大大減輕了檢索信息的工作量。這些人工智能識別模型的引入，幫助當事人與糾紛處理人員進行數據提取與信息分類管理，使得糾紛的信息化再現內容更為全面充分，是對構成糾紛個案的具體信息進行機器識別的重大技術突破。另外，該平臺還應用流程機器人，實現信息一次輸入多平臺自動填報，免除了信息重復錄入的負擔，同時也減少了人為錯誤。
2.定義模型：對數據編碼轉換賦予法律定義。人工智能的運轉可以理解為通過識別對非電子化的信息及數據編碼進行轉換，并對各個轉換環節的單元數據進行比對和除謬，賦予準確意義，包括數理意義和代碼意義，最終完成具體與抽象互換的過程。因此，人工智能的識別模型，需要解決的不僅僅是數據與代碼之間的比較匹配問題，還有“具體概念抽象化定義”和“抽象概念具體化定義”的數據定義問題。另外，糾紛解決機制本身又涉及糾紛事實、解決糾紛實體規則與程序規則三方面內容單元的定義模型建立。因此，現有的計算機技術還不能獨立完成按照高度抽象的規則賦予繁復的生活事實以法律定義，但這并不意味著人工智能的定義模型對在線糾紛解決平臺的技術突破沒有現實意義。定義模型在目前糾紛解決平臺的使用過程中，即當事人及糾紛處理人錄入、交換數據階段，至少可以作為提示誤差的篩檢工具，提高人工數據核對的效率。在具體糾紛個案信息輸入過程中，如果出現違背定義模型預設規則的信息，就會提示矛盾信息的具體內容和誤差原因，再由人工進一步分辨該信息項是否正確，并加以修正。
3.鏈接/關系模型：建立單元數據間的邏輯關系。人工智能需要建立單元數據之間的鏈接/關系，確定數據之間的邏輯聯系規則，這是對數據進行演算并得出結論的前提之一。在糾紛信息處理中，鏈接/關系模型由兩個層次組成：一是規則的鏈接/關系模型，即實現法律規則或調解規則本身邏輯關系的數理轉化；二是事實與規則的鏈接/關系模型，即實現某一事實屬于或不屬于某一規則邏輯推理小前提的數理轉化。人工智能發展到自主學習階段，可以通過讀取大量的裁判文書，對具體事件與法律后果進行概率判斷，將邏輯推理轉化為一種概率計算規則，以此完成事實與法律判斷之間的鏈接/關系模型的建立。但是，目前依舊存在法律大數據的不充分、不客觀及結構化不足等難點問題。因此，建立以法律邏輯為基礎的“算法裁判”仍是人工智能領域最為復雜的問題。而這也是最為重要的問題，因為它將直接影響裁判預測、類案比對等數據深度運用的準確性。
4.輸出模型：以計量輸出和定性輸出為模式。輸出模型是由數據運用的具體目的所決定的。計量輸出，即通過數值鏈接/關系模型，確定不同類別與屬性數據的分類與集合方式。定性輸出，即按照邏輯鏈接/關系模型，通過特定形式，輸出具體數據進行結論演算。在糾紛解決平臺中，盡管輸出模型智能化實質是以定義模型與鏈接/關系模型的智能化為前提，但輸出模式本身也可以更加“聰明”與多樣化。如以判定糾紛適用某一具體解決程序的方式輸出數據流轉結論，以裁判文書生成的方式輸出裁判結果。浙江ODR平臺甚至以更加智能化的輸出模型與用戶形成交互關系，為用戶提供智能咨詢服務。用戶登錄后，在系統的指引下，可以在智能咨詢頁面點擊所關注問題的關鍵詞。系統抓取用戶輸入的關鍵詞，結合預設的知識圖譜，推送相關的數據、案例、法律法規等信息資訊。
“人工智能+糾紛解決機制”的架構設計
糾紛解決機制微觀上是解決具體權利義務分配的問題，宏觀上是社會治理的重要制度。人工智能技術應當為其提供“解決問題”“機制優化”等方面的技術支撐。因此，理想中的“人工智能+糾紛解決機制”架構上應當囊括三個模塊。一是用戶模塊。即分屬于訴求方、被訴求方與處理糾紛的中立第三方的用戶端，不同用戶端應該有指向不同數據識別與分類的人工智能技術支撐。此時“識別模型”“定義模型”的建立尤為重要。因為訴求方與被訴求方的表達是糾紛解決機制中最重要的基礎信息，準確識別與定義上述信息是界別與判斷具體糾紛的前提。二是流程模塊。這需要通過“鏈接/關系模型”將事先的、既定的糾紛解決程序規范，解讀建立為工作流程規則，再通過“輸出模型”將工作流程轉化為程序進階方式，通過程序運行權的分配，實現糾紛解決程序的程序運轉。三是數據運算模塊。即數據采集、計算與輸出模塊，這一模塊屬于后臺運算組件。“人工智能+糾紛解決機制”的數據運算模塊也是為當事人提供策略指引、裁判預測，為法官提供智能裁判支持等深度數據結論的“生產者”。
突破技術壁壘創新認知推理的發展方向
在國家治理和社會治理領域，技術與法律具有相互替代性。如果在某一社會場景中技術解決方案的成本低于法律解決方案，技術工具便可能取代法律形式成為秩序生成的主要手段。事實上，人工智能離“像人一樣思考”還有一定距離。雖然它在處理比較技術任務方面較為成熟，但是在處理認知推理任務方面還是很薄弱。因此，根據現階段人工智能技術的發展在糾紛解決機制領域的運用，應當主要用于完成技術性任務，或盡量將相關任務轉化為技術性任務，并適當嘗試運用于認知推理任務。
第一，在數據識別與處理上開發系統。革新自然語言處理技術、文本分析技術及圖像和視頻識別技術，對糾紛事實的文字、語言、圖像等多種載體進行識別與數據轉化，并按照法律規定的事實要件建立相關數據提取與分析規則，實現對相關載體的評判。同時，借助機器學習各類法律文件文本，類型化開發各類法律文件，如合同、證明、公證書等文本的分析系統，對文件進行標識，最終達成法律文件審閱自動化。另外，通過IVR（Interactive Voice Response）交互語音應答開發智能在線語音調解系統，浙江ODR平臺就對此進行了有益嘗試。其研發的IVR智能在線語音調解系統，能夠模擬人聲自動撥打電話聯系當事人并進行對話。同時，在對話過程中，系統可以完成當事人信息的確認、調解的意向及其他訴求的反饋。該系統通過信息的智能識別和反饋，在一定程度上將平臺的調解員從事務性的工作中剝離，讓其更專注于其他關鍵事項。
第二，在信息精準檢索上比對選擇。對個案糾紛解決指引性極強的裁判預估或類案推送等功能，其本質是同類數據識別與比較檢索。2016年，研究人員利用歐洲人權法院公開的判決書訓練算法系統，構建了模型，來預測案件判決結果，預測的準確性達到了79%。人工智能在信息檢索領域精準度上的突破，將對當事人行為策略選擇與輔助裁判提供有力的數據支撐。例如，浙江ODR平臺的智能評估服務，可以根據當事人輸入的糾紛信息，比對數據庫中類似案例的裁判、調解結果及相關法律法規，為當事人出具一份精準且全面的評估報告，幫助當事人對案件結果形成較為科學的心理預期。事實上，在具體案件中，如果當事人可以事先通過信息檢索或者平臺服務預測出較為可靠的案件結果，就有可能不會冒著訴訟風險繼續推進訴訟或者上訴，而是會選擇和解、調解等方式解決糾紛。
第三，在數據輸出上提供決策參考。數據的輸出不應僅局限于根據用戶的指令和系統的既定規則，輸出相應的文書或信息，如文書自動生成，就是經過比較技術規則對關聯信息的格式化輸出。雖然這有效降低了當事人起草文書的難度，也減輕了法官撰寫文書的工作量，但人工智能的應用必須突破事務性工作范疇，在社會治理中發揮其更深遠的價值。隨著大數據時代的來臨，糾紛解決機制不僅需結合技術，創新傳統解紛方式，還應當充分運用大數據分析，對未來社會矛盾進行預測和預防。對平臺現有的糾紛案例數據、用戶反饋數據、用戶行為數據和平臺運行數據進行集合、比較、挖掘和分析，發現各類高頻數據點與異動數據點，總結社會矛盾的集中區域和未來發展趨勢，從而完善資源配置、填補制度漏洞、提出規則建議，對社會治理提出政策參考等。
第四，在對話和推理模型上實現判斷。糾紛解決機制的核心與關鍵是對具體糾紛作出判斷，這也是最體現“智能”的部分。人工智能對具體糾紛解決結論的輸出，必須經過“生活中的事件”到“制度中的事件”、“制度中的事件”到“制度中的后果”的復雜判斷過程。這不僅需要充分掌握制度規則，還需結合經驗情理。當前人工智能依靠大數據，對于規則數據的把握和分析已經非常精準和全面，但其畢竟是由計算機語言或代碼組合而成的一套套程序，缺乏經驗情理。因此，認知推理任務是當前人工智能的“短板”，應當進一步開發具備一定神經網絡人工智能特點的計算機輔助交涉的解紛模式。例如，Smartsettle智能調解的電子談判系統，結合雙方的主張和策略，通過與爭議雙方不斷互動，將爭議焦點分解成可量化的要素，再利用先進的算法程序，逐步化解雙方的糾紛。
綜上，人工智能要具備解決糾紛的認知推理能力，還需要攻克信息識別上的技術障礙與邏輯推理中的方法障礙。識別中的技術障礙主要是語義識別，這個難題的核心問題是如何從形式與意義的多對多映射中，根據當前語境找到一種最合適的映射。如果我們將糾紛解決的過程解讀為一個“對話”與“結論”的過程，將是法律邏輯模型人工智能化的一個有效方法。糾紛解決過程中，一方提出請求與證據，另一方提出抗辯與反證，對解決結果的現實影響遠大于既定的法律邏輯。因為推理結論會因為各方話語的效力和各方對話的結果而改變。在語意識別技術的基礎上，建立“對話+推理方法”的邏輯模型，將糾紛各方對抗性導致的變量納入推理的前提。根據“對話”場景設計具體推理內容與前提，可以解決場景中推理前提遞進介入推理過程，進而影響推理結果的問題，使既有的推理規則在變量介入的情況下能夠得到公式化的運行。
