本发明涉及一种用于协助法官的机器人及其工作方法。
背景技术：
法律是用来解决实际问题的，因此在法学理论中，效率价值是法律众多价值取向中不可获取的一环。2015年5月实行立案登记制后，国内法院案件数量一直呈递增状态。同样的，法官员额制改革刚刚在全国完成，全国近20万名法官被缩减至12万余名。也就是说，案多人少目前已成为国内法院的普遍现状，尤其是在沿海及经济发达地区，每个法院的案件动辄年均在万件以上，一线法官工作压力繁重，急需一款审判辅助工具提高工作效率，这也是人工智能进军法律审判领域的直接动因。
因此，特别需要一种用于协助法官的机器人，具备自主学习能力的强人工智能产品，能够协助法官办案，从而大大提升办案效率和质量，以解决现有技术中存在的问题。
技术实现要素：
本发明的目的是为了解决现有技术中的缺陷，提供一种用于协助法官的机器人，具备自主学习能力的强人工智能产品，能够帮助法官分担工作，从而大大提升办案效率和质量，来解决现有技术中存在的问题。
为实现上述目的，本发明的技术方案如下：
一种用于协助法官的机器人，包括软件部分和硬件部分，所述软件部分包括自主学习系统、自然语言处理系统及法律知识图谱，所述硬件部分包括躯干、语音识别装置、图像识别装置、驱动装置和控制器，所述语音识别装置、图像识别装置、驱动装置和控制器均设置在躯干内部，所述语音识别装置、图像识别装置和驱动装置均与控制器连接。
为了进一步实现本发明，所述自主学习系统是在理解语义的基础上，通过机器学习中的双向lstm和gan来训练计算机，从而能够自动地识别和学习每个法律问题的答案，以及每个案例的分析预估。
为了进一步实现本发明，所述自然语言处理系统是基于海量的法律文书、法规法条、法律知识库进行信息抽取，不仅仅是对比关键词，而是真正地让机器理解语义，构建上下文逻辑关系。
为了进一步实现本发明，所述法律知识图谱是针对法律领域特定的逻辑结构，研发的法律知识图谱具有逻辑分析和推理能力，赋予其法官逻辑去分析法律问题，而不是仅仅是套用模板，可以解决复杂多变的法律情形。
为了进一步实现本发明，所述控制器采用包括arm处理器的工控板。
一种用于协助法官办案的机器人的工作方法，包括在每起案件的程序部分和实体部分协助法官办案。
为了进一步实现本发明，所述程序部分协助法官办案的步骤如下：
（1）在庭前准备阶段，法律知识图谱自动梳理出待审事实，自动生成庭审提纲，并推送到庭审系统中。
（2）在庭审过程中，自主学习系统和自动语言处理系统根据诉讼法规定执行庭审程序，将各方内容记录在案，并自动生成庭审记录。
为了进一步实现本发明，所述实体部分协助法官办案的步骤如下：
（1）自主学习系统能对一审判决书、上诉状等材料先期进行分析。
（2）识别出影响案件定罪量刑的实体要素及当事人上诉的理由。
有益效果
众所周知，一起案件的审判分为实体和程序两部分，案件程序内容的审判主要是严格依照程序法规定，对庭审、证据等影响案件审判的因素设立一个具体标准，只要对照标准严格执行即可；而案件实体内容的审判需要结合人伦道德、时机等合理性因素进行判断，这就需要人类特有的价值取向去思考，而目前全世界的人工智能都还做不到这一点，且一旦赋予了机器此种思考能力，那么其就有可能被赋予人格性，就有了替代人类的能力。
因此，本款发明作为具有学习能力的强人工智能，其主要目的不是替代法官，而是成为审判辅助工具，具体来说，本发明能够立足人工智能的当下地位，分别在每起案件的程序部分和实体部分协助法官办案，能够协助法官办案，从而大大提升办案效率和质量。
附图说明
图1为本发明用于协助法官的机器人的电路连接框图。
附图标记说明：
1、躯干；2、语音识别装置；3、图像识别装置；4、驱动装置；5、控制器。
具体实施方式
下面结合附图对本发明作进一步地详细的说明，这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，本具体实施的方向以图1方向为标准。
如图1所示，本发明一种用于协助法官的机器人包括软件部分和硬件部分，软件部分包括自主学习系统、自然语言处理系统及法律知识图谱，硬件部分包括躯干1、语音识别装置2、图像识别装置3、驱动装置4和控制器5，其中：
自主学习系统是在理解语义的基础上，通过机器学习中的双向lstm和gan来训练计算机，从而能够自动地识别和学习每个法律问题的答案，以及每个案例的分析预估。
自然语言处理系统是基于海量的法律文书、法规法条、法律知识库进行信息抽取，不仅仅是对比关键词，而是真正地让机器理解语义，构建上下文逻辑关系。
法律知识图谱是针对法律领域特定的逻辑结构，研发的法律知识图谱具有逻辑分析和推理能力，赋予其法官逻辑去分析法律问题，而不是仅仅是套用模板，可以解决复杂多变的法律情形。
躯干1采用现有技术，其形状不受限制，可以采用任何形状，躯干1主要用于装载各零部件。
语音识别装置2与控制器5信号连接，语音识别装置2属于现有技术范畴，语音识别装置2设置在躯干1内部，语音识别装置2对语音对话各种语音数据进行识别处理，最终得到识别结果，并将最终的识别结果发送到控制器5。
图像识别装置3与控制器5信号连接，图像识别装置3属于现有技术范畴，图像识别装置3设置在躯干1内，图像识别装置3对在实体办案中进行图像识别，例如在当事人的神情，被害人受伤部位的识别等，并将识别结果发送到控制器5内。
驱动装置4与控制器5信号连接，驱动装置4属于现有技术范畴，驱动装置4用于驱动法官机器人移动。
控制器5用于处理所有的信号源，控制器5采用现有技术，控制器5可以采用包括arm处理器的工控板。
一种用于协助法官的机器人的工作方法，包括在每起案件的程序部分和实体部分协助法官办案，程序部分协助法官工作的步骤如下：
（1）在庭前准备阶段，法律知识图谱自动梳理出待审事实，自动生成庭审提纲，并推送到庭审系统中。
（2）在庭审过程中，自主学习系统和自动语言处理系统根据诉讼法规定执行庭审程序，将各方内容记录在案，并自动生成庭审记录。
实体办案如何协助法官工作的步骤如下：
（1）自主学习系统能对一审判决书、上诉状等材料先期进行分析。
（2）识别出影响案件定罪量刑的实体要素及当事人上诉的理由，例如：被害人受伤的部位为面部，受伤程度为重伤，当事人上诉理由为认为自己属于正当防卫，认为被害人受伤程度未达到重伤等信息。在庭审结束后，对案情要素进行进一步提取，根据法官进一步认定的内容，基于大数据库向其推送更为精准的相似案例、裁判尺度、法律法规等服务，并自动统计同类案件不同判决率供法官参考，最终帮助法官完成裁判文书撰写。
以上所述仅为本发明的较佳实施方式，本发明并不局限于上述实施方式，在实施过程中可能存在局部微小的结构改动，如果对本发明的各种改动或变型不脱离本发明的精神和范围，且属于本发明的权利要求和等同技术范围之内，则本发明也意图包含这些改动和变型。