【重磅】清华大学法学院教授何海波：以数据推动法治（视频+PPT）
【重磅】清华大学法学院教授何海波：以数据推动法治（视频+PPT）
本讲座选自清华大学法学院教授何海波于2018年3月23日在RONG系列——“大数据与司法”专场论坛上所做的题为《以数据推动法治》的演讲。
以下为讲座现场视频，视频时长约20分钟，wifi用户及流量土豪请随意，图文版回顾见下文：
https://v.qq.com/x/page/d0613u5evr6.html
清华大学法学院教授何海波发表“以数据推动法治”的主题演讲，为大家介绍了他本人针对智慧司法所做的研究。何教授呼吁社会各界能够同心推动数据融合、数据开放，发挥数据的价值，为人民造福。
演讲正文：
1、中国裁判文书网
2014年，最高法院建立了全国统一的裁判文书公开评判，把全国各地法院制作的判决书、裁定书和其他的文书都统一上传到中国裁判文书网。截止目前，已经积累了4337万裁判文书。通常一份裁判文书有几页纸，长的有几十页，四千多万裁判文书包含了巨大的信息金库。今天能走到这一步，得益于最高法院，特别是周强院长的大力支持。
2、最高法院的推进在制度上的体现
第一，原来规定主要的裁判文书公开，而现在法院对外发布的裁判文书几乎都公开，这是一个巨大的进步。
第二，在推进机制上，最早规定的是公开的裁判文书要请法院主管领导签字再上传。因为这样很麻烦，大家都不愿意公开，所以公开的成效不显著。后来，规则改为凡是不公开的裁判文书，需要主办法官说明理由，并且请法院的主管领导签字。因此，数量迅速上升。
3、判决书上网
2010年，当我在北大读研究生的时候，发表过一篇文章，叫判决书上网。我曾设想全国的裁判文书都上传到一个统一的网站，使大家都能查阅。当时，我自己都觉得这是很浪漫的想象，没想到今天它在很大程度上已经实现了。不但法院对外的裁判文书公开，而且前几天最高法院发布规定，内部的一些审判流程的文书，今后也要公开。
所以，这个裁判文书公开的数据库会越来越庞大。今天，它已经是世界上最庞大的法律文书的数据库。这也是其他国家难以想象的。
当然，这有我们的制度优势。我们最高法院一声令下，全国就可以干起来。然而，美国的最高法院没有这样的权利。即使国会有这样的权力，最多也只能管联邦系统的，管不了州法院。这也体现了我们的制度优势，也得益于决策者的魄力和雄心。
昨天，我检索了一下，裁判文书网上历年的裁判文书数量从2001年开始算（几乎是忽略不计），到13年、14年迅猛增长。17年做出来的裁判文书数量已经很大，每天以几万的数量在增长，每年以上千万的数量在增长，今后增长的可能是几千万的数量。
如下图所示：
裁判文书的公开对司法的管理，对法学的研究，对法制建设都带来了巨大的影响。原来法院系统搞一点数据，最高法院制发一个统计样表，基层层层填报。你如果看法院的统计表，一张统计表几千个数据，背后不知道要多少人工。
4、统计方式的改进
现在，从理论上来讲，这些数据都可以在法院的数据库里自动生成，而且还有一个好处更迅速。如果等一层一层上报，即使一些单向的统计数据也得一个星期，而现在几分钟就能生成，这在过去完全无法想象。
而且，统计的项目，几千个都算小的。理论上讲，你要几万个，几百万个都能够做到。
如上图所示，我用最高法院统计公布的数据，画了一个刑事诉讼的数据，背后不知道有多少人工的付出。但至少在理论上，今后我们可以用几个小时的时间来实现这种统计的结果。
5、评估司法改革的绩效、法律运转
这种研究还可以用来评估司法改革的绩效，评估法律运转的方式。我们都说法院规定是一回事，实际怎么样又是另一回事。
那么我们怎么样能知道法律的实际运转呢？
（1）统计分析
这方面有不少学者做了一些研究。比如，统计离婚案子，到底离婚的多少是有小孩的，平均结婚多少年，是男方提出多，还是女方孩提出多。根据一个法院的经验，根据纸面上的数字统计是很困难的，而且还有人力的限制。我们有同事找一波学生，统计八千份案件，那是极限。现在我们完全可以实现对几百万几千万的裁判书进行统计分析。
（2）人民陪审员
我自己不久前做了一个小的项目，来评估司法改革的项目，就是人民陪审员。中国坐在法庭上审案子的除了法官，还有一种人叫人民陪审员，理论上讲他就是普通的老百姓。
最近中央有一个要求，随机的抽取老百姓担任陪审员，陪审员随机的参与案子，能做到吗？我对裁判文书分析以后发现并没有做到，有些法院，我看一些陪审员三年里边能审上千个案子，我右边列的都是三年里边审过上千个案子，这还是根据公布的裁判文书做的统计。
实际上，他们审理的案子是翻倍的，可能他审理的案子比法官还多，这样肯定不是随机挑选出来的，他们是职业陪审员。
（3）不忘初心
不管是什么原因，我们司法改革的初衷是没有实现的。这使我们反省我们原来的目标设定是对还是错。这样一种数据对我们改革决策是有意义的。
我自己也参与一些司法改革过程的讨论，我原来感觉我们法学院的学者对现实太无知。我们坐在那里尽管名义上是专家，我们都在拍脑袋说话，但是有这些数据支撑以后，局面稍微改观一些。
6、增强可预见性，实现同案同判
当然，裁判文书还有更多的意义。我们对海淀的裁判文书进行分析以后，能够得出一个结论：当一个案子到了以后，能预测法官未来怎么判案，以及过去某一个案子判法是不是有点离奇。
尽管法院不是说必须跟绝大多数案子判决保持一致，但是在法治社会，只有同类的案子做到同样的判决，才符合这样的要求。
那么对这种海量的裁判文书怎么保证同类同判？
我们原来搜索关键词，比如杀人罪，什么时候被该判死刑，什么时候不该判死刑。但是它的缺点是什么，必须找到一个关键词。如果关键词找不到，不确定，就没法进行是否是同类的甄别。
我跟清华大学计算机的老师、博士生一起合作，试图利用人工语言的识别来确定同类案子。比如我们日常语言里面，我在公交车上丢了一个手机，有人捡走不还我，他是不是构成盗窃罪或者什么犯罪？如果用这样的语言去检索，他识别不了。法律说的是我在公家车上丢失了一个财物，人家拾到不还，是不是构成盗窃罪？就是有一个特定场景的交通工具，这需要自然语言识别。
我这个课题只做了一半，我希望人工智能的发展能帮助我们法律界实现这样的梦想。
7、存在的问题
第一，裁判文书公开存在的问题
（1）裁判文书公开尽管取得了过去难以想象的巨大进步，但是它改进的空间仍然是非常大。还有许多应当公开的裁判文书没有公开。
原因是多方面的，其中一个可能是技术原因。如果一个法官办结的案子，法官一点击自动就能上传，以后就有更多的裁判文书可以上传。现在法官交给审管办，审管办再省管办，经过层层转折，而且也有在上传的过程中丢失数据。
公开不到位还可能有制度原因。如果我们把裁判文书公开作为法官结案的程序之一，那肯定做到该上传的都上传，现在没有这样的要求。
（2）文书的关联性还有待改进
现在都是按照文书来上传，就没有建立关联。一个案子除了一审还有二审，有的还有再审，怎么样能把这些文书关联起来，让我们知道这都是一个案子的裁判文书。现在还没有解决这个问题。
（3）文书中敏感信息的处理不规范
我们裁判文书不是把内容百分之百的都公开，如果涉及到敏感信息，比如离婚案子几乎不公开，还有一些涉及到应当公开的裁判文书。但是有些信息不公开，比如涉及到个人隐私的，还有身份证号码是不公开的。
现在网上公开有两个相反的情况，有一些是应当做隐蔽处理的没有隐蔽，把人家的隐私公开了，还有的是过分的隐蔽，把何海波变成了某某某，他住在北京市海淀区哪里，这些信息也都去掉了，这对文书的利用带来了很大的影响。
比如，我要做一个课题——地方保护，如果把当事人的地址都隐掉了，我都没法判断他跟法院是不是同一个地方，这对我们的研究带来很大的影响。
第二,使用中的问题
网速不稳定，经常进不去。检索也有待改进。
8、建议
第一，进一步推动裁判文书的上传工作
把法院内部的硬件建设和制度建设同步推进，除了以内部考评促进法官公开，还要引入外部测评机制。
第二，加强法院与数据公司的合作
现在去看法院的裁判文书，禁止为了商业目的去复制，法院的意思是说大家都用我的，你们自己不许用。但是，法院又挡不住那么多的数据公司利用爬虫去爬这个数据。
我参与法院讨论的时候，我认为裁判文书是公共的信息，免费提供。现在我改变了观念，一般的老百姓自己在裁判文书网检索是可以免费使用，但是对数据公司可以收一点费用，人家也不用爬虫了，把能够公开的数据整体给人家，数据公司也能够公开的竞争。
法院主要是汇集裁判文书进行初步的检索，然后把数据给数据公司，让数据公司进行深加工，法院不要跟数据公司去竞争，法院做法院的，数据公司不管是在界面上，检索能力上都可以比法院做的更深入，更漂亮。法院自己去做这样的事情吃力不讨好，而且很难真正做好。
第三，建立法院和学者、数据公司的全面合作
公开的裁判文书有很多局限，我们想利用全数据进行研究，但是就会碰到很多的阻碍，你这个学者是不是可靠？何海波是什么人？你想干什么？利用这个研究是不是要做对法院和政府形象不利的事情？他就有很多顾虑。
顾虑不是没有道理，但是要有适当的界限。我们建立一个机制，让学者和法院融洽的合作。如果让学者参与，我们可以做更多更好的数据。因为我们有更鲜明的问题意识，我们也有更具体专业的法律知识，我们有更充裕的时间，我们可以花几个月甚至几年时间做一个课题，这是法院的同志做不到的。法院他们能做的就是领导要什么赶紧给什么。这方面法院建立一个更良好的机制，跟学界，跟数据公司建立合作关系。
9、想法
建立法制需要几样东西。
第一，需要人，法制靠人来运作；
第二，需要制度，需要一些规则；
第三，法律除了硬件之外，法律也需要数据。这种数据的挖掘提取，为我们中国正在成长的法制提供一个强大的助推力量。如果我们能够把数据建设搞好，我想对中国法制的推进功劳应当是不小的。
谢谢大家！
整理：杜佳豪