近幾年，大數(shù)據風靡全球。大數(shù)據的研發(fā)與應用，已在商業(yè)、公共管理等領域取得好成績。雖然從績效層面來看，大數(shù)據產品堪稱“里程碑式發(fā)展”的案例并不多，但在不少人眼中，大數(shù)據即將帶來的，不是里程碑，而是顛覆。當下，各行各業(yè)熱炒大數(shù)據，我國法律領域亦不例外。

一、我國法律大數(shù)據正處于數(shù)據準備階段

大數(shù)據的研發(fā)與應用，一般需經5個階段：數(shù)據準備、數(shù)據存儲與管理、計算處理、數(shù)據分析和知識展現(xiàn)。數(shù)據準備是大數(shù)據應用的起點，是對數(shù)據進行清洗和整理的過程。主流觀點認為，數(shù)據準備和知識展現(xiàn)只是量上的積累，不需要根本性變革，當前和未來一段時間，大數(shù)據技術創(chuàng)新的焦點在于存儲、計算和分析等3個環(huán)節(jié)。但這并不說明，數(shù)據準備階段就可輕松拿下。以產銷速溶咖啡著稱的某跨國公司，其在中國的某一大數(shù)據研發(fā)計劃就流產于數(shù)據準備階段。

法律大數(shù)據的數(shù)據準備具體是，創(chuàng)建各類法律數(shù)據庫并共享，外接行政管理數(shù)據庫，甚至涵蓋互聯(lián)網、物聯(lián)網等，實現(xiàn)全方位、多角度的數(shù)據抓取。這是一個較為圓滿的數(shù)據準備狀態(tài)，短期內不可能全部實現(xiàn)，需分階段進行。但依據階段性的數(shù)據準備，同樣可嘗試數(shù)據處理與分析，這可視為一種“邊準備，邊分析”的發(fā)展模式。“邊準備，邊分析”，似乎是法律大數(shù)據發(fā)展的必然模式，一方面可及時研發(fā)、應用階段性成果，另一方面可為后續(xù)的研發(fā)與應用積累經驗。

當下，我國法律大數(shù)據主要處于數(shù)據準備階段。首先，公檢法三機關已依托各自的執(zhí)法司法職能，成功地開發(fā)出信息化業(yè)務應用平臺，并在全國范圍內鋪開使用，這基本完成了系統(tǒng)內的數(shù)據準備工作。但目前，這些信息化平臺主要用于實現(xiàn)傳統(tǒng)事務型數(shù)據庫功能，比如增加、刪除、修改、查詢、統(tǒng)計等，尚未全面開展數(shù)據挖掘工作，而且基本處于閉鎖狀態(tài)，屬于一種自給自足的小農經濟模式。其次，依托裁判文書數(shù)據庫進行更為精準的案例檢索，是當下法律服務業(yè)正在攻克的主要課題。比如CaseShare、無訟案例、OpenLaw等。這與商業(yè)大數(shù)據的發(fā)展軌跡十分類似：“谷歌等公司率先建立了覆蓋數(shù)十億網頁的索引庫，開始提供較為精確的搜索服務，大大提升了人們使用互聯(lián)網的效率，這是大數(shù)據應用的起點。”值得一提，我國法律大數(shù)據已呈現(xiàn)出“邊準備，邊分析”的發(fā)展模式。比如，華宇軟件在司法專項大數(shù)據研發(fā)中，“持續(xù)研究文本挖掘技術和多媒體數(shù)據分析技術，逐步建立了司法領域法律文書智能化分析與數(shù)據挖掘方面的優(yōu)勢地位”。比如，Rouse旗下的CIELA(China IP Litigation Analysis)，可對我國主要法院的知識產權案件進行初步統(tǒng)計分析。

二、我國法律大數(shù)據的瓶頸在于數(shù)據分析階段

與其他領域數(shù)據結構不同，法律數(shù)據，尤其公檢法系統(tǒng)內數(shù)據，主要是結構化和半結構化數(shù)據。這對數(shù)據的存儲與管理、計算處理等方面提出的要求均不高，近階段，我國法律大數(shù)據的瓶頸在于數(shù)據分析階段。

數(shù)據分析是指，或通過人工構建數(shù)學模型，或建立人工智能系統(tǒng)，分析數(shù)據，挖掘隱藏在數(shù)據背后的隱性知識。數(shù)據分析是大數(shù)據研發(fā)應用中的關鍵一環(huán)，是大數(shù)據施展預測功能的實現(xiàn)方式。大數(shù)據之父維克托爾認為，大數(shù)據的核心是預測，而實現(xiàn)預測的途徑是通過挖掘不同變量間的相關關系，揭示數(shù)據背后的隱性知識。比如，沃爾瑪超市通過分析顧客的購物清單發(fā)現(xiàn)，購買啤酒的人通常還會購買尿不濕，颶風季節(jié)POP-Tarts蛋撻的銷量也隨之增加，所以，沃爾瑪將啤酒和尿不濕、颶風用品和蛋撻放在一起銷售，方便顧客，從而增加銷量。

法律大數(shù)據的數(shù)據分析具體是，通過分析法律相關數(shù)據，挖掘隱藏在數(shù)據背后的司法規(guī)律。比如，史宇航博士認為，通過對裁判文書中的“受理時間”和“落款時間”進行數(shù)據挖掘，“可以計算出來(某一類型)案件審理的時間”，“至少可以幫助評估訴訟的時間成本。”再比如，華宇軟件在“職務犯罪偵查信息化解決方案”中提出：“通過匯集、分析、研究和利用各種信息資料，幫助辦案人員了解和掌握犯罪動向、特點及規(guī)律，通過信息引導偵查，研判偵查方向和偵查重點，實現(xiàn)職務犯罪偵查引導，服務檢察機關的職務犯罪偵查辦案工作，有助于提高偵查效率，拓展偵查思路，提煉偵查方法，促進偵查模式‘由供到證’向‘由證到供’的轉變。實現(xiàn)工作創(chuàng)新、辦案服務與科學技術的深度融合。”

目前，數(shù)據分析主要有兩條技術路線：一是憑借人的先驗知識，人工建模來分析數(shù)據;二是建立人工智能系統(tǒng)，使用大量樣本數(shù)據進行訓練，讓機器獲得從數(shù)據中提取知識的能力。筆者認為，法律大數(shù)據遵循前一技術路線即可。雖然，通過機器學習實現(xiàn)人工智能誘惑力十足，而且近年來深度神經網絡卓有成效，但是，機器學習實現(xiàn)難度大，而且網絡層數(shù)較多時會導致輸出結果風險高，這與法律經濟性、穩(wěn)定性、權威性等方面的要求均相沖突。實際上，法律大數(shù)據以結構化、半結構化數(shù)據居多，通過“先驗知識+人工建模”足可實現(xiàn)司法規(guī)律的充分挖掘。

憑借先驗知識人工建模，需要法律團隊和建模團隊的精誠合作，這并不容易。單從法律團隊方面來說：第一，法律團隊需掌握一定的司法規(guī)律，并能通俗表達，若無司法規(guī)律打底，建模團隊“難為無米之炊”;第二，法律團隊需掌握大數(shù)據的基本原理、主要技術路線、常用技術手段，這樣才能有的放矢，挖掘到更多的“弱相關數(shù)據”，為建模提供更多原料;第三，法律團隊要能對大數(shù)據的輸出結果進行科學合理的篩選，大數(shù)據重相關、輕因果，其輸出的司法規(guī)律是否科學、是否可行，均需法律團隊嚴格把關。

三、法律大數(shù)據的禁區(qū)在于個人隱私和因果推理

首先，“不能任由大數(shù)據運用在法外任性‘裸奔’，……涉及個人隱私的法律保護必須提上議程”，這已引起不少主流媒體的關注。大數(shù)據可能侵犯個人隱私，是因為大數(shù)據在處理大量碎片化、弱相關的數(shù)據時，會產生鑲嵌理論效應，即，“信息拼版的價值高于其組成部分各自價值的總和”。同于其他大數(shù)據，法律大數(shù)據不可侵犯個人隱私，這是法律大數(shù)據在價值層面上的禁區(qū)。

其次，止步于因果推理，應是法律大數(shù)據在技術層面上的禁區(qū)。大數(shù)據能呈現(xiàn)變量相關程度、預測事物發(fā)展趨勢，但這種“相關程度”不代表因果關系，只是一種或然的、間接的關聯(lián);預測趨勢不代表必然走向，只是一種蓋然性的判斷。這與統(tǒng)計概率的局限如出一轍，后者同樣只能呈現(xiàn)相關關系、不能揭示因果關系。這一特性極大限制了法律大數(shù)據——乃至人工智能——在司法領域中的應用，比如，司法審判需謹慎使用大數(shù)據與人工智能。

最后，周濤教授在《大數(shù)據時代》的“譯者序”中引用了蘇珊·朗格的一段話，這值得每一個關注大數(shù)據的人深思：“某些觀念有時會以驚人的力量給知識狀況帶來巨大的沖擊。由于這些觀念能一下子解決許多問題，所以，它們似乎將有希望解決所有基本問題，澄清所有不明了的疑點。每個人都想迅速地抓住它們，作為進入某種新實證科學的法寶，作為可以用來建構一個綜合分析體系的概念軸心。這種‘宏達概念’突然流行起來，一時間把幾乎所有的東西都擠到了一邊。”