看AI“法官”一键揭开套路贷虚假诉讼外衣

可以识别虚假诉讼中的涉嫌“例行贷款”案件，也可以识别刑事“同案异判”案件，还可以发现刑事案件中的证据漏洞...最近，在“第三届法律大数据研究与应用会议”上，人工智能实现智能审判和智能审判的力量正在出现。

“同案异判”制度有助于统一审判标准

对于大致相同的案例，如何避免判断上的太大差异？目前，东南大学等单位开发了“不同刑期刑事案件预警系统”，并在江苏部分法院试点使用。

“在训练人工智能之前，它对判决一无所知。有必要对盗窃、抢劫等常见刑事案件进行解构，并为每个案件建立一个知识体系。这个知识系统告诉人工智能，盗窃罪需要注意盗窃的数量、盗窃的次数、盗窃的地点等。在每种情况下，借助自然语义理解技术提取常见的犯罪东南大学法学院副院长王路生表示，这相当于详细标注每个案例。

例如，案例A是一个5000元的主动自首的盗窃案，案例B是一个10000元的盗窃案，盗窃或累犯。“当我们抽取足够数量的案件，如数十万甚至数百万的案件，我们可以形成特定罪名、特定情节组合和量刑结果之间的关系，从而可以针对不同罪名训练量刑模型。”王路生表示，在法官对新案件进行量刑时，“同一案件不同判决预警系统”可以为正在审理的类似案件提供量刑建议，供法官决策参考，从而避免明显偏离现有判决。这在正式判决前起到了一定的预警作用。

涉嫌“常规贷款”虚假诉讼的智能预警

“常规贷款”虚假诉讼通常被民间贷款所掩盖，有着隐蔽的作案手法和组织严密的证据。受害者不敢出庭或申辩，这使得难以发现和识别非法事实。

“在“常规贷款”虚假诉讼智能预警系统中，通过构建“常规贷款”虚假诉讼智能算法模型，从当事人和案件两个维度建立案件信息、当事人信息、证据信息、*信息、市场监管和管理信息，并通过自然语言分析技术对相关文档进行语义切片处理，从切片段落中提取相关语义，建立了36个“常规贷款”虚假诉讼监管点。”江苏省高级人民法院司法管理与信息技术司副司长邢斌表示，经过机器训练的因素匹配算法模型将提取的语义自动标注正负因素标签，并在与各种相关结构化数据碰撞后作为数据源，输入基于信用评分模型思想的案件风险评分模型。

通过对结果数据进行归一化，系统获得该案例“常规贷款”的风险概率，并生成一个带有一个关键字的评估报告。同时，系统还可以基于大数据分析对“常规贷款”案例和人员进行可视化纵向分析，锁定风险人员，形成可疑专业贷款人名单。据介绍，下一步，该技术还将用于离婚、分割财产、支付实物债务、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。

快速识别文件中的缺陷和矛盾

《刑法》第六条:“公开讯问证人笔录”、“公开犯罪现场录像”...随着指令的发布，“智能法庭的智慧和真理系统”将法律、图形信息和视频实时推送到屏幕上。法官可以检查书记员的记录并实时做出评论。证据方和质证方醒来显示证据后，还可以同时在显示屏上对显示的证据进行绘图和质证。

过去，检察官和法官在审查案件时需要逐页整理案卷。该系统利用OCR识别技术将图片文档转换成可编辑的章节，然后通过语义分析技术提取案件的关键要素，帮助检察官和法官快速整理案件。

同时，该系统还可以帮助法官快速识别文件中的缺陷和矛盾。例如，如果发现在审讯记录中，同一个被审讯者同时出现在两个地方，或者在谋杀案中没有死亡证明，系统可以自动警告和提示检察官和法官。“通过制定证据标准和证据规则模型，该系统还可以帮助判断证据链中是否存在缺陷和逻辑矛盾。例如，可以用统一的方式筛选出嫌疑人对多个抄本中类似问题的回答，然后调查人员可以分析嫌疑人的回答是否一致。”HKUST迅飞政法大学咨询主任孙继超说。

此外，该系统还为每一类刑事案件开发了一个“逮捕条件审查模型”。通过该系统，办案的警察和检察官可以快速识别案件中的犯罪嫌疑人是否符合逮捕条件。如果没有，系统还可以确定存在哪些缺陷或缺少哪些证据材料。