汪全胜：《法治评估主体的模式探析》，《法治研究》2015年第2期。
洋务运动，洋枪洋炮洋教洋律，涌入中土。人类之生，源自进化，族群渐分黑黄红白之族。
法理发达，法治兴旺之兆。国家与社会协调，善治之依归。程序优于实体，普通法之义。大众民主，常随多数暴政。救亡图存，迻译西法之理，思师夷以制夷。
遵守绝对命令，政治和平之路。民族国家，尊崇科学-法律。三是法律面前人人平等的原则，实际上默认并纵容人们实际上的不平等，这样的形式平等原则有利于强势"经济人"利益，特别有利于资本家发展生产。
在这种法治中，每个人既是立法者又是守法者，规则建立互惠基础之上，禁则是人们自愿忍受的，因而是真正的民主之法。公共权力的腐败主要表现在以下几个方面：一是滥施苛政。例如禁止夜宿街头桥下的法律是一般性的，对所有人适用，但实际上受禁止的对象只能是穷人。但是，民主形式法治仍然是基本的形态，民主实质法治不过是对它的弊端的补救与矫正。
问：谈到法治，便离不开法律，而法律的制定和执行都离不开人，中国古代也有"有治人，无治法"的说法和"徒法不能以自行"观点，从这个意义上来说，法治也是人实行的法治，离不开人的因素，因此是否可这样说，法治说到底还是"人治"? 答：的确，法治像其他任何一种治理社会的治道一样，都是由人所创制和操作，我们讨论法治时，并没有否认人的地位和作用。但区别在与以下几点：一是在民主型法治下，法律须经民众直接制定或由民选机构制定或认受。
如何防止掌权者腐化堕落，一直是不同文化中的人们所思考的重要问题之一。但是，目前的选举制度还很不完善，在很大程度上还未能解决公共权力的来源问题。他的研究结论是，西方现代法治产生得益于两个因素，一是超越实在法并成为衡量实在法合法性准则的自然法观念。第四，形式法治重视程序公正，不追求实际结果公正。
问：现代，依法治国已经成为宪法原则，国内法学界、法律实务界以及各级党政领导都大讲法治话语，试图把法治理论的研究推向一个新的阶段。另外，中国共产党作为执政党，党的各级领导担负做出重大决策和实际上管理公共事务的重要任务，他们行使着重要的公共权力。韦伯将法律分为形式非理性法律、实质非理性法律、形式理性法律和实质理性法律。其次，民主形式法治只强调法律面前的形式平等，对于结果平等不予考虑。
第三，正像民主有不同类型一样，法治也有不同类型，依照是否以民主为基础，可以分为民主型法治和非民主型法治，现代法治通常是民主型法治，古代法治既有非民主型法治，也有民主型法治。正如时下流行民谚所言："黑头文件不如红头文件，红头文件不如白头文件，白头文件不如口头文件"。
目前民众反映最强烈的问题是腐败问题，而公共权力腐败是最大的腐败。我所以突出强调制度机制的建构，意在通过制度的有效运作逐渐输入一种与之相适应的法治观念，因为制度中本身就含有价值观念。
在迄今为止的人类历史发展中，为了使得生活有序，人们探索并尝试了各种治道，其中主要有神治、德治、人治和法治。不同社会和同一社会的不同时期，常常运用不同的治道协调和整合这两对紧张关系中国需要法律人工智能，更需要优秀的法律人工智能，而这一产品需要时间、资本、人力、尤其是优秀的、既擅长人工智能技术（计算机科学、统计学）又精通法律知识的双栖人才的长时间、专注的投入与坚持，绝非一朝一夕可就。[26] 徐骏：智慧法院的法理审思，《法学》2017年第3期，第55～64页。很多时候，一个关键案件事实的不同会使案件的裁判结果迥然不同。目前的人工智能技术主要集中于金融、汽车、互联网等高收益、高薪酬的领域。
如苏州法院的人工智能系统不仅能够统计类案的裁判模式与结果，还能对当下案件根据历史裁判模型模拟裁判，如果法官制作的裁判文书判决结果与之发生重大偏离，系统予以自动预警，方便院庭长行使审判监督管理职权。[48] 杨彤丹：法律大数据是一场研究方式的革命，载《社会科学报》2016年6月2日，第2版。
这一局面或许短期内都无法改变。当面对法律这种非客观存在物时，人工智能领域的主流方法无监督学习效果不甚理想，必须通过人工方式对法律数据进行筛选、清洗与分类。
[33] 三是实体裁判的预测与监督。[31] 二是办案辅助系统的智能化，即指通过智能化手段，实现裁判文书中如当事人信息、诉讼请求等固定格式内容的一键生成，缩短起草文书时间，辅助法官提高办案质效。
这又牵扯到了下一个问题：法律数据的客观性。在商业利益的驱动下，法律科技公司往往将最先进的算法名词搬上自己的宣传手册，而无论其是否真正使用过。也就是说，我们通过机器学习发现的司法规律可能比法律专家所熟悉的规则更为复杂，它们将包含不同的元素，它们的相关性可能不会立即显现出来。其次，适用于民商事应多于刑事、行政案件。
[53]恰恰是在此关键问题上，无论是目前的法律界还是人工智能界，都没有做好充分投入的准备。另外，还值得注意的是，使用这些法律人工智能产品的用户往往也不关注其背后的算法为何，更无动力去学习与研究，他们在乎的只是系统好不好用，能不能提高办案效率。
以酒驾类案件为例，尽管此类案件案由简单，数量庞大，但在知识图谱上的颗粒化程度仍然极高，需要考虑的因素也相当多。或许可以通过人类以知识图谱的贴标签方式来尝试解决上述难题。
[32]例如河北高院历时近一年组织研发了智慧审判支持系统，帮助法官对电子卷宗进行文档化编辑，并按法律要素实现结构化管理，自动引用、排列、归纳和分析全要素案件数据，辅助法官完成文书的撰写。其次，人工智能界的投入有限。
较之全国性的裁判文书网，其数据更接近于全样本、全数据，据此似乎可以构建仅适用于自己的法律人工智能。这其中当然有可理解的客观原因：一方面，出于对公司核心技术成果——算法的保密需要。[48] 这必然改变传统法律行业的工作方式与竞争形态，并进而引发法律思维与研究方法的革命性变革。这与我们熟悉的围棋领域的Alphago Zero式的无监督学习截然不同。
法律经验经由开放的辩论与经年的累积而达至，并以当事人与社会可接受的方式表述。从本质而言，这仍是一种监督学习算法，打标签费时费力，成本非常高。
[17]还有部分学者则没有这么乐观，反而在他们看来，由于目前能够获取的数据可能并不可靠、算法标准模糊且未达到公开透明程度，盲目信任法律人工智能会产生如隐性歧视等新问题、新冲突。这是因为，相对非诉讼事务而言，诉讼是一个开放的过程，信息众多繁杂且真假难辨，在这样的场景中，呈现于法庭之上的案件事实只是真实客观事实的一角，法官需要通过残缺的信息做出判断、决策。
二、法律人工智能的现实困境 面对人工智能的迅猛发展，很多人都认为它在法律领域有着广阔的应用前景，并将成为一种可以起到决定性作用的重要手段。然而，由于法律文书并无定法，其实践表达千奇百怪，种类繁多，这就为打标签制造了巨大的困难。
