AL“法官”——套路贷虚假诉讼克星

能甄别疑似“套路贷”虚假诉讼案件，也能对刑事“同案不同判”的情况进行识别，还能发现刑事案件中的证据漏洞……近日，在“第三届法律大数据研究与应用研讨会”中，人工智能赋能智慧审判、智能庭审的威力正在显现。

“同案不同判”系统助统一裁判尺度

案情大致相同的案子，如何避免判决悬殊过大?目前，东南大学等组织研发的“刑事同案不同判预警系统”已经在江苏部分法院试点应用。

“在训练人工智能之前，它对量刑一无所知。这就必须先对常见的刑事案由，例如盗窃罪、抢夺罪等进行情节解构，建立每种案由的知识体系。这个知识体系告诉人工智能，盗窃罪需要关注每个案件的盗窃金额、盗窃次数、盗窃场所等，并借助自然语义理解技术，对常见罪名进行抽取。”东南大学法学院副院长王禄生介绍，这相当于给每个案件都打上了详细的标签。

比如A案件是盗窃5000元、有自首情节，B案件是盗窃1万元、入室盗窃还是累犯。“当我们抽取案件的数量足够多，比如达到数十万甚至数百万的量级，就可以形成特定罪名、特定情节组合与量刑结果之间的关系，由此就可以训练出不同罪名的量刑模型。”王禄生说，当法官在判处一个新的案件时，“同案不同判预警系统”就可以给出在办案件类似情节案件的量刑推荐，供法官决策参考，从而避免与既有判决明显的偏离。这就在正式判决之前起到了一定的预警作用。

智能预警疑似“套路贷”虚假诉讼

“套路贷”虚假诉讼通常披着民间借贷外衣，作案手法隐蔽、证据组织完备，被害人不敢出庭或抗辩，导致违法事实难以被发现和认定。

“我们在‘套路贷’虚假诉讼智能预警系统中通过构建‘套路贷’虚假诉讼智能算法模型，从当事人和案件两个维度，设置案件信息、当事人信息、证据信息、涉公安信息、市场监督管理等信息，建立36个‘套路贷’虚假诉讼监督点，通过自然语言分析技术，对有关文书进行语义切片处理，在切片段落中抽取相关语义。”江苏省高级人民法院审判管理与信息技术处副处长邢斌说，经过机器训练的要素匹配算法模型，自动给被抽取的语义标注正负向要素标签，再与各类有关结构化数据关联碰撞后作为数据源，输入依据信用评分模型思想构建的案件风险评分模型。

通过对结果数据归一化处理，系统得出案件“套路贷”风险概率，一键生成评估报告。同时，系统还可以基于大数据分析，对“套路贷”案件和人员进行可视化画像分析，锁定风险人员，形成疑似职业放贷人名录。据介绍，下一步，该技术还将用于离婚析产、以物抵债、劳动争议、公司分立(合并)、企业破产等虚假诉讼的识别和预警。

快速识别出卷宗中的瑕疵和矛盾点

“刑法第六条”“打开证人的询问笔录”“打开案发现场视频”……随着指令的发出，“智慧法庭的智·真系统”实时将法条、图文信息和视频推送到屏幕上。法官可以实时查看书记员的笔录操作并进行批注;举证方、质证方语音唤醒展示证据后，还可在显示屏上对展示的证据同步标绘质证。

以往，检察官、法官在审查案件时，需要逐页梳理案件卷宗，该系统利用OCR识别技术，将图片化的文档转化为可以编辑的篇章，再通过语义分析技术，提取案件关键要素，辅助检察官、法官快速梳理案情。

同时，系统还能帮助法官快速识别出卷宗中存在的瑕疵和矛盾点。例如，发现讯问笔录中，同一个被讯问人同时出现在两个地方，或者杀人案中没有死亡证明，系统可以自动预警，并提示检察官和法官。“通过制定证据标准和证据规则模型，系统还能辅助判断证据链中是否有瑕疵、逻辑矛盾。例如可以将嫌疑人在多份笔录中对同类问题的回答统一筛选出来，再由办案人员分析嫌疑人的回答是否前后一致。”科大讯飞政法BG咨询总监孙继超说。

此外，系统针对每一类刑事案件罪名制定了“逮捕条件审查模型”，通过该系统，办案民警和检察官能够快速识别该案件中的嫌疑人是否符合逮捕条件，如果不符合，系统还可以判断存在哪些瑕疵或缺失哪些证据材料。