田雨酥*

（本文原载《仲裁与法律》第148期  1 ）

摘要：以人工智能为代表的计算机技术极大地影响了国际商事仲裁法律行业的运转。依托大数据技术和互联网科技的人工智能已经在多方面与国际商事仲裁产生交叉并引起广泛讨论。人工智能的适用为国际商事仲裁带来更低的时间财务成本、更高的效率，也对仲裁透明度、仲裁数据的公开和使用提出了更高的需求。尽管可以成为非常优秀的辅助工具，人工智能因数据偏见、算法的黑匣子属性、对自然正义的缺省和当前法律框架的限制而无法也不应成为仲裁的裁判者。人工智能的广泛适用也在经济学法律市场角度极大地影响着国际商事仲裁参与者的行为模式，使其背离了法治性与专业性。人工智能应当辅助而不是替代人类，应善用而避免滥用，国际商事仲裁制度的公信力和权威性，有赖于含有令人信服说理的裁决而非简单基于历史数据的算法结论。

关键词：人工智能 大数据 互联网 国际商事仲裁

一、法律人工智能的现状与发展

在计算机每天都在变得越来越强大的时代，互联网计算机技术正在覆盖人类工作生活的方方面面，目前，全球约有25亿有线网络用户和60亿无线网络用户。 2  互联网与大数据衍生出的新科技领域就是以机器学习技术为代表的人工智能技术。在人工智能的支持下，曾经需要消耗大量人力的许多工作方式都发生了革命性的改变，人类社会经历了以土地为中心的农业社会、以市场为中心的工业社会、以网络为中心的信息社会后，来到了当下正在转型的以算法为中心的智能社会变革中。 3  国际商事仲裁作为最主要的跨境争议解决方式，也在科技的影响下展现出了新的活力。无论在仲裁实践还是学术研究，发达的互联网络和越来越充分的数据都将国际商事仲裁法律带向了更加自动化、智能化的方向。这一发展变革的现实带来了诸多新问题，也引发了仲裁社会的持续关注。  4

人工智能在影视作品中常常以拟人态的形象出现。代表人工智能的高级机器总是像斯皮尔伯格执导《AI》电影中那样被赋予与人类高度相似的面容、智慧以及感情，尽管是机器，但在外形、思想和情感上已与人类无异。人类对机器的该种期待很符合科学家John McCarthy对人工智能的定义，即“使机器像人一样以智能的方式运转”  5 。而在当前计算机技术水平下，人工智能应用于更多场景且更强调计算机内部的机器学习而非外形的拟人化，在具体仲裁实践场景中多见于利用计算机和互联网技术协助整理分类文档、检索案件相关法律法规、发现关联案例裁判、搜集仲裁员背景信息、统计仲裁员以及仲裁机构裁判结果等。目前人工智能实现的效果并非以技术模拟了人的外形肢体去处理事务，而更像是一个谷歌搜索的完善升级版：用户输入一些条件，由机器内核运转计算后将结果反馈在电脑屏幕上，只不过导出结果的过程要较简单的“图书馆”式检索复杂许多，计算机根据数据训练并自主产生算法以及自我升级就是机器学习的过程。机器学习并不代表人工智能的全部，它是人工智能的一个子集，是使计算机无需进行规则编程就可以完成某件事的科学，从根本上来讲是一种创建问题解决系统的新方法。在机器学习系统中，随着时间的流逝并暴露于训练数据集，计算机系统将变得更加智能。 6  目前广泛应用于仲裁领域的计算机智能化程度相较《牛津词典》对人工智能的定义“能够执行通常需要人类智能的任务（例如视觉感觉，语音识别，决策和语言翻译）的，计算机系统的理论和发展” 7  要狭窄许多。但该阶段的人工智能已经可以完成较检索更加智能的任务，例如语音庭审记录、证人面容验证、仲裁文件翻译以及问题处理解决方案提供等等。

二、人工智能在国际商事仲裁等法律行业的应用

使法律能够自动化的尝试，特别是那些为了改进耗时耗力巨大工作的努力，已经进行了数十年。 8  即便尚不足以模拟资深律师和仲裁员的智慧水平，应用于法律事务性领域的人工智能技术也已经获得了广泛的实现和关注，结合对于科学技术未来在人类想象中所能达到水准。在仲裁领域，选定仲裁员、法律研究、起草以及校对书面文书、文件翻译、成本估算、开庭安排以及裁决书格式化部分的起草，都有人工智能适用的现实案例 。 9 以介入深度递进的角度，人工智能正从四个层面介入法律程序  10 ：

一是逐步替代人力从事法条查询、案例检索、案件分类、庭审录入等相对简单、重复性高的工作，这在律师事务所以及仲裁机构已经得到了广泛的应用。例如LexisNexis的LegalAdvance线上服务，本身就是一系列包含人工智能工具的搜索引擎集合；电子发现门户Everlaw，能够使用人工智能根据文件核心内容数据进行先进的文档分类。

二是作为主力，完成司法咨询、合同审核、证据获取、裁判文书辅助生成等辅助性任务。例如合同分析平台Kirasystems可以通过人工智能技术自动进行合同条款审查以及尽职调查，能够自动为用户抓取合同核心条款以及相关法律，在其官网中其声称“可以提供比初级律师更完善的尽职调查服务”，由美国最大的人力资源律所提供技术支持的ComplianceHR平台，可通过评估约1,400个案例和80个权重因子来评估全美国辖区用户的就业状况 。 11

三是对海量裁判文书进行统计分析并作出预测，而为法官裁判提供参考信息。例如IBM公司的Ross Intelligence用人工智能技术读取美国联邦和州案例的数据库，并在用书面自然语言表达机器对法律争议点、案件事实以及案件程序的理解和解释后，为用户推荐和当前问题最相关的判例和法条。

第四个层面是人们期待人工智能发展的能力和方向，即人工智能直接参与决策或进行布局裁判，比如民商事领域进行事实判断争议解决结果推演，刑事领域进行再犯风险评估、嫌疑人逃脱可能性判断、合理量刑测算等。起源于哈佛大学法学院的Arbilex，已经为价值超过30亿美元的国际仲裁案件提供量化的结果分析、减少可能发生的错误并最大化案件收益； 12  荷兰国家法律援助服务中心使用了人工智能技术的“争议解决机器人”，可以就离婚、租赁、劳动雇佣、消费者事务等方面的纠纷提供全面调解服务。 13  美国法院已经在刑事程序的保释和假释决策中使用了人工智能工具，并依据人工智能得出的结论拒绝了一位嫌疑人假释的申请，并依据其累犯的经历作出判处其有期徒刑六年的处罚。  14

人工智能逐渐在法律行业中获得了更高的权限，在法律领域的应用可能性已经由“协助”提升到了“决定”的定位，目前，人工智能的法律决策过程主要仍然依赖机器学习的过程：将一个案例中的多种指标通过向量化方法变成数值，将数值转化为算法，该算法随着数据的丰富和增加逐渐提高准召率，从而向更“智能”的方向改进，以期待计算机能够像一个法律专业人士一样思考并作出决策。

三、国际商事仲裁由人工智能技术所带来的改变

人工智能为国际商事仲裁带来的改变在前文所述四个层面均有体现，并已经在国内外得到了广泛的评论。一些改变是显而易见的改进，例如节约时间与金钱成本，而另一些改变如推动国际商事仲裁信息的公开化，在不同判断条件以及语境下很难单一评判其为优点还是缺点。无论好坏，人工智能的应用已经对国际商事仲裁的当下以及未来产生了巨大的影响。

（一）提高仲裁效率以及降低成本

在当前技术水平下，人工智能已经能够成功地执行定制的法律任务并协助法律从业者，它彻底改革了电子搜索等功能，并极大地提升了程序效率。用计算机承担较人类脑力数千万倍的数据处理工作，是人们不断开发推进计算机技术向前的现实需求。人工智能在进行文档数据整理、法条检索及生成分析报告方面有很成熟的算法经验，在人工智能进入仲裁领域大众视野之前很久，追求效率又忙碌的律师们早已开始付费使用高级便利的信息自动化电子系统 15  。如何根据合同定制对己有利的仲裁条款  16 ，在仲裁程序中如何选定适合的仲裁员，这些已经越来越多地由人工智能技术给出合适的结论。人工智能极大地降低了发生在初级的法条及判例检索、事实比较、文档整理等方面的人力财力消耗，仲裁律师、仲裁员以及仲裁机构都由此受益。仲裁律师和仲裁员从初级工作中节约出的时间可以更多地投入到仲裁本身中，在单位时间内可以处理的案件数量也由此上升。尽管出现了多种数据库及人工智能辅助工具，目前的技术水平仍不足以支撑一个复杂的国际商事仲裁争议全部提交人工智能进行系统地解决，所以就现有应用程度而言，国际商事仲裁领域的资深律师、仲裁员和仲裁机构理论上是人工智能技术受益最大的群体，其使用人工智能减少了成本，同时并未因为人工智能的适用而减少工作机会。

（二）增加小金额案件以及低财务能力仲裁使用者数量

基于人工智能出色的文件信息整理、法条搜索以及处理多种文件的能力，很多原本需要依靠人类律师书写仲裁申请书、推进仲裁立案等程序工作都可以经由人工智能方便快捷地进行处理。这使得当事人进入国际商事仲裁程序的门槛大大降低，从而理论上增加了原本由于专业和成本限制而无法进入仲裁程序的当事人数量，并相应提升了该部分仲裁案件的数量。增加的仲裁案件属性为争议标的额较低，所涉主体商业体量较小，当事人在成本比例上无法或不愿投入较多财务和时间精力。在该部分案件中，争议类型也倾向为事实清楚、法律关系简单的案件，例如民间小额借贷合同、消费者购买合同、互联网服务合同等。

（三）提升仲裁透明度以及仲裁裁决公开化

仲裁制度的传统特征之一是保密性，因此获得了注重商业机密的跨境商事主体的青睐，商人们期待隐秘快速地解决争议，并尽快开展新的交易。而人工智能机器学习数据样本的广泛和充分程度直接影响了算法结论的准确程度，精准性的基础是大量充足数据的喂养和训练，需要大量的裁决内容、程序指令、临时措施内容数据进行训练和学习。在人工智能广为人知之前，互联网作为计算机技术的代表，带来了信息的全球化和大数据概念的产生，也使得仲裁数据即使在保密制度下，依然在全球范围内变得更加易于获得，国际商事仲裁的人工智能也因此获得了得以训练的数据基础。在其自己得以发展后，已经开始在应用阶段的人工智能以及相关产业又对仲裁信息和数据的公开、流动性和可获得性提出了更高要求。近年来国内外各知名仲裁机构均将各自年度总结报告作为定期发行的公开文件  17 ，一方面得以于计算机对多种数据强大的归纳处理能力，这同样也是对外界期待的回应。国际商会仲裁院在数年前就对仲裁裁决的公开化表明了态度，以“公开”为默认，除非当事人表示反对，其作出的仲裁裁决将在发送当事人的两年后进行公开。  18  2021年4月1日后，国际商会仲裁院与法国法律科技公司Jus Mundi合作，逐步系统地公开其作出的仲裁裁决，这种做法被认为“不仅有助于提高国际商会仲裁的透明度，也能够提升国际商会仲裁院的决策机制，也将更广泛地确保和加强仲裁作为全球性审判机制的合法性”。 19  其他国际知名仲裁机构中国国际经济贸易仲裁委员会、新加坡国际仲裁中心、香港国际仲裁中心、瑞典斯德哥尔摩商会仲裁院等亦有公开发布经过匿名、消密等处理的裁决。 20  仲裁透明度和公开化问题在近年来被反复探讨，无论反对或支持的声音如何，它已经成为现代仲裁制度不可逆转的趋势之一。人工智能对数据的强大管理处理能力使得仲裁数据愈加易于获得，另一方面其自身的发展内在需求又要求仲裁社会不断进行更多更深入的信息发送，以供给其作为继续训练的数据基础。在两方面的驱动下，人工智能在提升仲裁透明度以及仲裁裁决公开化方面起到了巨大的作用。

（四）人工智能裁判“客观性”与人类裁判“主观偏见”的辩证

在前沿化的理论假设中，人工智能有能力根据机器学习进行法律决策，也即以仲裁员的身份作出裁决结论。有观点认为人工智能进行仲裁裁判的优势之一是可以降低或消除人类仲裁员的主观偏见因素，从而产生更公正、客观、完美的仲裁法律决策。表面看来，基于数据训练而进行的机器学习的确排除了人类仲裁员在审理案件中所带有的主观偏见，因为主观因素是深藏在人类仲裁员的文化、政治、生活背景中，这种主观常常是带有偏见而不自知的，更遑论人类仲裁员生活环境中复杂的人际关系因素。但人工智能作出的裁决结论是从提供给它的数据训练集中自我训练而来，这些原始的数据训练集正是这些带有“主观偏见”的人类仲裁员所作出的，甚至可以说，人工智能在基于人类的主观偏见上进行学习。不仅初始数据集合中的元数据是人类仲裁员“主观偏见”后的产物，如何选择数据以及选择何种数据进行机器学习和训练，依然受到人工挑选的影响，人工智能机器学习优化的方向也是带有偏见的人类所确定的。任何人工智能的训练都不会单纯基于世界上每天产生的新闻内容而完全自主自动改进，它时时刻刻受到人类监管者社会政策导向以及价值取向的影响。举例而言，一个人工智能仲裁员总是倾向于主动降低其认为过高的、申请人主张的违约金金额，该人工智能的人类监管者因此降低了违约金因素在算法中的权重使其更少地对利息数值进行更改。这种优化也正是处于该人类监管者“违约金问题不应被仲裁员主动调低”的主观偏见而开启的，该人工智能算法的优化方向就会朝向人类的主观偏见而发展。正如仲裁界广为流传的名言“仲裁的好坏取决于仲裁员的好坏”，人工智能算法的好坏亦取决于制造者提供的数据集的好坏  21 。算法的自我学习和改进可以放大并永久保留初始嵌入的偏差，并生成更多受到偏差污染的数据，并在算法内部形成一个恶性循环。 22  在这个角度，计算机算法并但没有消除人类主观偏见，反而在复制着这些偏见，而为了消除偏见进行的优化改进，也是基于一个新的偏见而产生。算法本身虽然是一个客观存在的事物，但其本身隐藏着价值偏好，偏好的复制和扩大产生的是法律决策的单一化及裁判的机械化。实际上，人工智能一直在各种领域都因为存在结论偏见而遭受质疑  23 ，而在仲裁制度发达地区，人类仲裁员反而并非经常出现关于主观偏见的批评。

（五）巩固增强既有仲裁裁决和规范的影响力

人工智能的发展对于大数据产生的需求，结合国际商事仲裁因保密性而产生的高度数据稀缺性，使得现有可查询仲裁裁决以及仲裁规范的地位和影响力，在人工智能机器学习的前中期大大提升。人工智能机器学习在从无到有的训练中，提供给它的数据集是一切机器学习和数据训练的基础，因此在相当长一段时间内，仲裁人工智能的结果，都将复制那些现有仲裁裁决的结论并遵守现有仲裁规范和仲裁法律文化，直至人工监管者为其提供新的不同数据或针对性地优化改变人工智能算法对具体数值的判断权重。仲裁发达地区和制度下的仲裁参与者将成为人工智能所依赖数据集的主要提供者，人工智能算法的改进和适用推动也主要由相同主体完成，这将不断巩固既有影响力的仲裁裁决、仲裁规范和仲裁法律文化的权威性。

（六）算法“黑匣子”属性导致仲裁裁判结果的非解释性

人工智能算法核心依赖于从数据中挖掘隐藏的因素或模式，由计算机从大量数据自我训练并提取算法，而非人工编制算法输入到计算机中。 24  但在机器学习中，人们很难以指令或其他精确的方式形容或定义这种自动训练出来的算法 25  ，这也就是算法的“黑匣子”属性，人们只能看到输入的条件和得出的结果，而无法得知为何、如何得出相应的结果。以垃圾邮件筛选的算法为例，人们将已判定为垃圾邮件和非垃圾邮件的海量邮件范例提供给计算机，由其自行提取邮件范例转化为的计算机符号并自我训练形成算法，在该算法中，下一封投入的邮件被决定为“垃圾邮件”或“非垃圾邮件”。依照过往提供的数据，一封带有彩色背景、标记“促销”“打折”“商城”等信息的邮件将极大概率会被判定为垃圾邮件。这看起来是天衣无缝的逻辑，但现实中算机还是会时常将某些邮件进行错误的定义，人们总在反复从邮箱的垃圾箱中寻回重要的邮件，且无法从计算机算法中获取具体的原因，只能人工将某发件人设定为白名单而解决该问题。仲裁法律人工智能也面临相似而且更艰难的处境：基于同样逻辑的算法，人工智能无法就其判定仲裁一方违约或未违约（类比“垃圾邮件”和“非垃圾邮件”）给出解释或说明。更遑论仲裁领域可提供数据的数量几千万倍少于现存的电子邮件数量，人工智能算法的训练精准性将大打折扣。

在某些批量的、法律关系及适用高度成熟化的类型案件中（例如互联网小额借贷案件），当事双方似乎不需要详细说理只要快速获得裁判结果即可。对于此类案件，人工智能的特别改进优化是否可以使人们基于对效率和正确结论的快速获取而无视过程原因，答案也许依然是否定的。这种否定性存在于人们对仅得出结论的信赖度会快速被结果的偏差性所击败。例如当发现人工智能倾向于将黑人当事人裁定为违约者时，人们基于政治正确性要求降低算法中对种族因素的权重，但该因素可能关联着当事人所在地、经济能力、财务背景等多种因素，该调整未必使得人工智能裁判向着更“正确”方向改进。人工智能算法是复杂且无法解释的，为了优化而进行的人工干预可能会使人工智能向另一个错误的方向变动。另一部分认为大数据和互联网技术可以实现人工智能裁判的观点，基于认为裁判者应严格地遵循先例，即严格的“判例”规则，但现实法律系统的判例使用尚需要法官对判例作出区分，确定先例的判决理由再决定是否遵循，核心依然是裁判者对先例的判断。退一步而言，过往案例生成数据显示的结果可以简单等于法律决策的规律性这个连接仍然是存疑的，裁判正义的规律很难通过大数据进行体现，因为裁判的经验与知识很多是默示的、隐含的，未必体现在裁判文书的数据中。 26  这使得人工智能真正从过往案例提取出“正确”裁判结果的成本进一步提高，可能性进一步降低。

（七）人工智能作出仲裁裁决的道德伦理以及法律限制

前述数据获取及筛选的困难性、技术水平限制、算法结果的不可解释性等因素，在推崇人工智能可以全面取代人类的观点中都是可以解决的，人工智能的全面支持者将希望寄托于国际商事仲裁社会未来逐步披露出的足够多的案件信息数据、信息全球化所带来的人工智能在法律法规方面的全能、以及技术发展到足够先进的程度，必将产生可以解读人工智能算法理据的另一种算法从而使人们能够获知人工智能仲裁员裁判案件的真实逻辑等“用科技解决科技问题”的方法。但除却前述技术问题，由人工智能取代人类作为仲裁员还面临着道德伦理以及法律双重限制。正如存在“瑕不掩瑜”的逻辑一样，一个完全由人工智能推进并裁判的国际商事仲裁，何为“瑜”何为“瑕”的确定，指向了人们选择国际商事仲裁作为争议解决方式的价值取向问题。在对争议解决效率有着极端追求的情况，例如仅仅要求机器测算出一个金钱给付金额的结果，人们可以选择一个人工智能系统进行“胜率”的测算并选择以何种金额进行和解--这也正是一些第三方机构所提供的服务。但在当事人选择进入一个案件的仲裁程序并进行数月乃至数年的抗辩时，即使将效率价值取向看待如此之重的国际商事仲裁中，人们永远不会放弃的还是对自然正义的追求，而追求自然正义的非常重要一点就是实现正义的过程。结合国际商事仲裁商人法的起源以及仲裁裁决跨境可执行性的要求，仲裁的灵魂在于对法治正义性和商业专业性的兼得。法治是法律规则和法理的规范，而非历史规律的规范，商事行业的专业知识更非仅仅对于过去知识的重复，而在随着实践不断变化更新。由于人工智能机器学习算法只能从大数据的特征或规律中建构模型并得出结果，那么将该结果作为裁判结论，理论上就不是一个依照法律和专业知识得出的裁判结果。在人工智能的裁判中，理由不再重要，重要的是历史统计数据，论证和说理不再重要，重要的是对过去的模仿和重复。 27  在对裁判说理缺省的情况下，仲裁对案涉当事人的公开性和透明性都将遭到严重损毁。缺失的、不充分的或偏离人们内心自然正义的说理，都会对仲裁公信力造成极大伤害。许多法域内仲裁制度采一裁终局制，仲裁裁决结果在大多数情况下都无法被当事人以上诉等形式进行更改。在这种环境下，裁判使用无法说理的人工智能来完成，无疑将使当事人对仲裁裁决进一步产生不确定及质疑。

人工智能作为仲裁员的制度设计和目前国际商事仲裁制度和许多仲裁地法律都有着明显的不协调。《联合国贸易法委员会仲裁规则》第6条“仲裁员的指定”，要求将仲裁员的国籍纳入指定仲裁员的考虑以保证仲裁员的独立和公正，并在管理规则中使用“人”、“个人”的用词以指代仲裁员；1996年英国《仲裁法》涉及到了仲裁员的“去世”问题；2014年国际律师协会发布的IBA《国际仲裁中的利益冲突指南》第2.3.8条，规定仲裁员不得与当事方有“亲戚”关系；中国《仲裁法》第三十四条将仲裁员与当事方有“亲属”关系、“私自会见”当事方、接受当事方“请客送礼”等情形规定为回避情形。在多个法律领域中，仲裁员的身份都被明示或默示为人类，人工智能作为仲裁员裁判案件在现有法律制度下适用面临多重法律障碍。最新的法国法律已经出台规定，禁止使用数据分析去评估和预测司法判决模式，该法律规定“不能为了实现评估、分析、比较或预测的目的或效果而重复使用法官和司法人员的身份数据” 28  ，尽管在字面上该法律的限制范围仅局限与“司法”人员，是否适用于仲裁尚未可知，但这是一个鲜明的对法律数据分析的倾向性政策反馈。

（八）人工智能对仲裁参与者行为的影响

人工智能在国际商事仲裁中进行应用，不仅反映出了技术、道德伦理和法律层面的影响效果，其算法机制本身也将极大地影响仲裁参与者的行为模式。更多公开的仲裁数据将逐渐增强国际商事仲裁案件胜率、预测信息等方面的人工智能评估报告的权威性和可信度，仲裁当事人以及代理人都将从多种多样的评估报告中获得自身行为选择的指引，尚未开启仲裁程序的当事人会因人工智能产生的评估结论做出选择和解或坚持进行仲裁程序等决策。仲裁代理人也会参考客户提交案件的人工智能评估结论而收取不同标准的费用，或决定是否代理某个国际商事案件。

仲裁参与者的行为不仅将极大地被人工智能报告结论影响，人工智能本身的算法机制就会使作为理性人的仲裁参与者不断“观察”算法的发展并相应调整自身的行为。以针对仲裁员的人工智能分析工具为例，其运作模式是搜集该仲裁员作出的仲裁裁决、公开演讲及出版文书中的观点等信息向量化的数值作为训练数据集合，经由机器学习而得出在某案件条件下该仲裁员可能作出何种结论的报告。一个越资深越有经验的仲裁员，其信息的披露、检索和曝光就会越多，其越有可能在人工智能算法中被生成一个完整的“画像”，并受到仲裁当事人的“挑选”而进行指定。在仲裁员法律市场中，存在其他同类“画像”的多个仲裁员，此时该仲裁员作为经济学理性主体，即有动机试图获取该人工智能算法的逻辑以及不同数值在算法中的权重，并据以调整自己的行为，从而使自身该算法中“得分”更高，“画像”更吸引当事人，继而在仲裁员市场中获得更理想的地位并更多地获得当事人的指定。当仲裁员的行为据计算机算法而调整时，其行为的中立性和专业性必然受到影响。同样的动机也存在于任何一个领域的国际商事仲裁法律市场，仲裁机构、不同的法域、仲裁地等等都是仲裁法律市场中的利益相关主体（仲裁机构可以被称为主体，法域和仲裁地不宜被视为利益主体，请适当调整表述），其有动机为了提升自己在人工智能算法数据集的影响因子而更多地、更有选择性地向外释放可供公开查询的案件信息（即使是隐去涉密部分的） 29  。且根据其本身裁判资源的稀缺性以及市场定位的需要，这些利益相关主体有动机释放经筛选选择后的仲裁数据，以在不同目标算法中“刷分”，并吸引自己倾向的仲裁目标群体。

四、结论

无论好坏，人工智能的时代已经到来，并在不知不觉间散布到国际商事仲裁制度的方方面面。人工智能不是魔术，只是美化了的数据，它本身不能被定义为善或恶，只是一个客观存在的、发展变化着的事物。人们需要的是再多也不为过的谨慎，以提防在享受到人工智能辅助功能的便利后，滥用人工智能乃至影响了仲裁的核心裁判部分，以效率为由取代了正义，进而损害了国际商事仲裁的基础和本质—商事法治性、专业性以及跨境可执行性。法律的基础属性归属于社会和政治  30 ，法律裁判的结果也必须符合社会和政治的要求，因此对仲裁裁决实现自然正义的需要、对裁判过程说理解释的需求将永远存在。人工智能作为人类创造的技术，其存在的意义应当是辅助人而非决定人，以保留其核心优势而规避潜在风险。

注释：

*作者：田雨酥，清华大学法学院2018级博士生，中国国际经济贸易仲裁委员会案件经办人，手机号码：18910814696，通讯地址：北京市西城区桦皮厂胡同2号国际商会大厦6层，邮编：100035，email地址：yusutian@126.com

1.《仲裁与法律》是中国国际经济贸易仲裁委员会、中国海事仲裁委员会和中国国际商会仲裁研究所主办，专门研究仲裁与法律问题的全国性法学读物。本出版物自出版二十多年来，始终贯彻仲裁基本原则，坚持仲裁理论与实践相结合，突出对重大仲裁理论与现实问题的研究，追求学术创新，严守出版宗旨，在仲裁界、法律界和经贸界颇具影响。辟有如下栏目：仲裁动态、理论前沿、实务探析·、·国际视野等。

2.［美］马克·格雷厄姆、威廉·Ｈ·达顿：《另一个地球：互联网＋社会》，胡泳等译，电子工业出版社2015年第1版，前言。

3.张文显：《迎接算法法律秩序时代的到来》，《东方法学》2020年第5期。

4.例如2018年的Vienna Arbitration Days等知名国际仲裁会议

5.See John McCarthy et al., A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence (31 Aug. 1955), in Artificial Intelligence: What Everyone Needs to Know 1 (Jerry Kaplan ed., Oxford University Press 2016), www- formal.stanford.edu/jmc/history/dartmouth/dartmouth.html，转引自Maxi Scherer, 'Artificial Intelligence and Legal Decision-Making: The Wide Open?', in Maxi Scherer (ed), Journal of International Arbitration, (© Kluwer Law International; Kluwer Law International 2019, Volume 36 Issue 5) p.542。

6.See Brad Rosen, ‘Global Experts Keep it Real in Webinar Exploring Artificial Intelligence and its Role in Arbitrations and Legal Practice’, Kluwer Arbitration Blog, December 12 http://arbitrationblog.kluwerarbitration.com/2020/12/12/global-experts-keep-it-real- in-webinar-exploring-artificial-intelligence-and-its-role-in-arbitrations-and-legal-practice/，访问日期：2021年5月10日。

7.Oxford Living Dictionaries, https://en.oxforddictionaries.com/definition/artificial_intelligence访问日期：2021年2月8日。

8.See Aditya Singh Chauhan, ‘Future of AI in Arbitration: The Fine Line Between Fiction and Reality’, Kluwer Arbitration Blog, September 26 2020, http://arbitrationblog.kluwerarbitration.com/2020/09/26/future-of-ai-in-arbitration-the-fine-line-between-fiction-and-reality/Artificial Intelligence，最后访问时间：2021年4月17日。

9.See Maxi Scherer, Artificial Intelligence and Legal Decision-Making: The Wide Open? A Study Examining International Arbitration, Jour. of Int. Arb. 36 no.5, 539, 540 (2019).

10.参见栗峥：《人工智能与事实认定》，载《法学研究》2020年第1期。

11.参见该平台官方网站http://compliancehr.com/，最后访问日期：2020年3月13日。

12.参见Abhilasha Vij, 'Arbitrator-Robot: Is A(I)DR the Future?', in MatthiasScherer (ed), ASA Bulletin,(© Kluwer Law International; Kluwer Law International 2021, Volume 39 Issue 1) pp. 130 – 131.

13.参见Rachael Brown, “Robot Lawyers could make time-consuming, expensive court conflict a thing of the past” <http://www.abc.net.au/news/2016-07-06/robot-lawyers-dutchconflict- resolution-technology-on-its-way/...> ，最后访问日期2019年8月29日。

14.参见 Richard M. Re & Alicia Solow-Niederman, Developing Artificially Intelligent Justice, 22(2) Stan. Tech. L. Rev. 242, 244 (2019). 在Wisconsin v. Loomis案中, 判决法院采用人工智能内核的案件管理和决定支持工具COMPAS得出结论，该人工智能计算结果否定了假释的可能性，法官根据该结果判处嫌犯六年有期徒刑

15.这些电子化系统不仅仅包含律所付费使用的多种线上数据库（如LexisNexis，Kluwer等）及内部电子化系统，还包含一些全球化数据库推出的针对仲裁行业的新型服务。例如Kluwer推出的Arbitrator Intelligence付费服务，通过该服务，使用者可花费几百到数千美元获取一位特定仲裁员的分析报告。

16.影响因素包括选定的仲裁地、仲裁机构、仲裁规则、仲裁语言、仲裁员的限定条件等，这些都是在过往案例数据中比较容易获取的信息，因此人工智能分析预测的结果理论上是相对准确的。

17.例如国际商会仲裁院发布的年度数据和报告、中国国际经济贸易仲裁委员会发布的《中国国际商事仲裁年度报告》，伦敦国际仲裁院发布的《年报》、香港国际仲裁中心发布的年度数据等等。

18.Article III(D)(40-46) Publication of Awards, Note to parties and arbitral tribunals on the conduct of the arbitration under the ICC Rules of Arbitration, Jan. 1, 2019 https://iccwbo.org/content/uploads/sites/3/2017/03/icc-note-to-parties-andarbitral-
tribunals-on-the....，最后访问日期：2020年2月26日。

19.参见《国际商会仲裁院2020年数据和年度总结》

20.See Vanessa Naish, The transparency conundrum: Will the ICC’s new pro-publication approach to arbitral awards win over the majority? (Part 1),Thomson Reuters Arbitration Blog (Apr. 15, 2019) http://arbitrationblog.practicallaw.com/thetransparency-conundrum-will-the-iccs-new-pro-publication....，最后访问日期：2020年9月26日。

21.See Christine Sim, Will Artificial Intelligence Take over Arbitration? Academia.edu, https://www.academia.edu/36646259/Will_Artificial_Intelligence_Take_Over_Arbitrators_2018_forthcomin。最后访问日期：2021年2月3日。

22.See Maxi Scherer, Artificial Intelligence and Legal Decision-Making: The Wide Open? A Study Examining International Arbitration, Jour. of Int. Arb. 36 no.5, 539, 541 (2019).

23.例如谷歌的图像识别中经常将有色人种识别为大猩猩，see Abhilasha Vij, 'Arbitrator-Robot: Is A(I)DR the Future?', in Matthias Scherer (ed), ASA Bulletin, (© Kluwer Law International; Kluwer Law International 2021, Volume 39 Issue 1) p.143.

24.See Ethem Alpaydin, Machine Learning 50–52 (MIT Press 2016); Margaret A. Boden, Artificial Intelligence: A Very Short Introduction, p. xi (Oxford University Press 2018).

Artificial Intelligence: A Very Short Introduction 26–28 (Oxford University Press 2018).

25.See Ethem Alpaydin, Machine Learning 50–52 (MIT Press 2016); Margaret A. Boden, Artificial Intelligence: A Very Short Introduction, 26–28 (Oxford University Press 2018), p. xi. Artificial Intelligence: A Very Short Introduction 26–28 (Oxford University Press 2018), p. 94

26.参见宋旭光：《论司法裁判的人工智能化及其限度》，载《比较法研究》2020年第5期，第85页。

27.See Mireille Hildebrandt, Law as Computation in the Era of Artificial Legal Intelligence: Speaking Law to the Power of Statistics, 68 (supplement 1) University of Toronto Law Journal 12, 28 (2018).

28.See Cecilia Carrara, 'Chapter IV: Science and Arbitration, The Impact of Cognitive Science and Artificial Intelligence on Arbitral Proceedings Ethical issues', in Christian Klausegger , Peter Klein , et al. (eds), Austrian Yearbook on International Arbitration 2020, Austrian Yearbook on International Arbitration, Volume 2020 (Manz’sche Verlags- und Universitätsbuchhandlung 2020) p. 521.

29.在人工智能数据库中更有影响力的仲裁机构往往是处理案件数量多并知名的机构，如ICC,LCIA,SIAC,CIETAC等，他们提供的数据将占据一大部分数据库的信息比例，这将使得机器学习的结果更高比例向这些仲裁机构倾斜，无论好坏。

30.See Christine Sim, Will Artificial Intelligence Take over Arbitration, Asian Journal of International Arbitration (2018), https://www.academia.edu/36646259/Will_Artificial_Intelligence_Take_Over_Arbitrators_2018_forthcomin. 最后访问时间：2021年3月1日。