人工智能辅助定罪的进展、理论与应用

孙道萃

孙道萃. 人工智能辅助定罪的进展、理论与应用[J]. 华南师范大学学报(社会科学版), 2024, (2): 117-137.
引用本文: 孙道萃. 人工智能辅助定罪的进展、理论与应用[J]. 华南师范大学学报(社会科学版), 2024, (2): 117-137.
SUN Daocui. The Practice Retrospect, Theoretical Destiny and Operation Image of Conviction Assisted by AI[J]. Journal of South China normal University (Social Science Edition), 2024, (2): 117-137.
Citation: SUN Daocui. The Practice Retrospect, Theoretical Destiny and Operation Image of Conviction Assisted by AI[J]. Journal of South China normal University (Social Science Edition), 2024, (2): 117-137.

人工智能辅助定罪的进展、理论与应用

基金项目: 

中国政法大学“青年拔尖人才”项目 2023—2025

最高人民检察院检察理论研究课题“数据要素的刑法规制研究” GJ2023D19

详细信息
  • 中图分类号: D924;TP18

The Practice Retrospect, Theoretical Destiny and Operation Image of Conviction Assisted by AI

  • 摘要:

    刑事司法正经历深度智能化。人工智能辅助定罪办案系统加速迭进,冲击着传统定罪观念的知识禁区。传统定罪理论体系、本质特征、运行机制整体上遭遇挑战,由此孕育专属的人工智能辅助定罪司法知识体系、理论基础。人工智能辅助定罪由经实践检验的理性要素合成其制度本体,为量刑正义赋以新能。经由算法逻辑及其规则,形成科学的理论知识谱系与实践理性模型,并辅以完备的匹配、验证等运行机制,铸成人工智能辅助定罪系统的基本应用原理。人工智能辅助定罪不脱离传统理论。以司法大数据及其蕴含的“活着的”定罪逻辑为实践前提与参照,奠定辅助预测定罪功能的客观性、真实性与可靠性。当前,针对认罪认罚案件的人工智能辅助(确认)定罪,迎来得天独厚的实践优势与探索契机。

    Abstract:

    In the context of AI exploration of criminal justice, the AI conviction prediction accelerates the exclusion of traditional concepts. From the practice of AI conviction prediction, the accurate prediction function is the focus and presents a distinctive feasibility. The traditional conviction theory system and its operational mechanism have been subverted as a whole, and the AI conviction prediction has begun to foster a self-contained knowledge system. The precondition for the practice of AI conviction prediction is judicial big data and its judicial conviction logic. The intelligent decomposition of judicial big data lays the objectivity, authenticity and reliability of AI prediction function. The precise prediction function of AI conviction has successive development forms such as class push and intelligent case push. It establishes its complete prediction mechanism through algorithm logic and rules to form knowledge pedigree and modeling, and configures a complete verification mechanism. In the operation mode of AI conviction prediction, the forecasting of confession and punishment cases has unique advantages and opportunities.

  • 现代信息网络技术、大数据技术以及人工智能技术的应用,正在加速颠覆人类生产生活方式与当代法治文明。刑法作为相对保守的法律板块,无法避开以智能技术应用为主要平台的“刑事司法智能化”动向,人工智能辅助量刑等探索实践正日渐兴起。甚至在传统刑法理论视域内,定罪作为古老而“坚硬”的知识禁区已经开始松动,人工智能辅助定罪(简称智能定罪)的实践探索也纷至沓来。人工智能辅助定罪探索不断“遍地开花”与广泛试验,是刑事司法现代智能化变革的具体体现。人工智能辅助定罪系统的研发与实践探索是一场前所未有的制度改革,正在孕育一种全新的刑事司法(定罪)知识体系,也是对传统定罪理论与实践的渐进式“背离”。在这种新旧定罪知识的博弈过程中,人工智能辅助定罪的探索不能“唯技术论”,成为技术应用的附庸,纵容刑事司法智能化风险的外溢;但要敢于充分释放人工智能技术及其算法的强大动能,拓宽定罪理论体系的发展潜力,提高定罪活动的准确性、科学性。基于此,应从人工智能辅助定罪探索的实践理性与问题出发,针对存在的理论困境与面临的制度挑战,以建构性的立场,对人工智能辅助定罪系统及其知识体系、运行机制予以前瞻。

    人工智能辅助定罪不再是无法触及的“制度禁区”。在刑事领域内,借助人工智能摸索更加科学与准确的辅助定罪,无疑撬动了传统定罪理论体系的“禁区”。这不仅反映了对智能技术应用的高度期待,也是提高司法效率与质量的合理反应。当下,人工智能辅助定罪系统的研发与功能实现已经成为司法改革的既定议程。

    相比人工智能辅助量刑的积极探索与应用成果,人工智能辅助定罪的实践相对薄弱。尽管如此,在政策红利的推动下,仍正在形成一些有代表性、有一定推广价值且试行效果良好的人工智能辅助定罪办案功能模块或专门应用系统。

    该模式的形成可以分为三个阶段:(1)类案指引是初级形态。2015年10月,为完善法律统一适用,统一裁判标准,安徽省高级人民法院研发类案指引项目。以类案同判为目标,以海量裁判文书形成的司法大数据为基础,建立类案指引与类案推送系统。通过构建同类案件的裁判量化分析模型,对相似案件进行智能判断,辅助法官定罪量刑,对异常案件还可以设置自动预警提示。2016年5月,部分法院开始将该系统试用于盗窃罪、诈骗罪、交通肇事罪等,有利于实现类案同判的目标。 (2)类案智能推送系统。2017年,最高人民法院推出“类案智能推送系统”,实现精准高效推送类案,并可以作为定罪量刑的重要参考。2018年1月,最高人民法院正式运行“类案智能推送系统”。它不是传统的关键词检索,而是以海量司法大数据资源为基础,全面采用新一代人工智能技术,构建司法案件知识图谱与案例智能服务产品,可以实现案件的智能认知和分析,使类案剖析更专业、类案识别更智能、推送结果更精准。 (3)类案强制检索制度。2019年10月,最高人民法院印发《进一步加强最高人民法院审判监督管理工作的意见(试行)》,继续全面推行“类案及关联案件强制检索”制度,要求承办法官在办理案件时,对已审结或者正在审理的类案与关联案件进行全面检索,并制作检索报告。2020年7月,《关于统一法律适用加强类案检索的指导意见(试行)》第3条规定,承办法官依托中国裁判文书网、审判案例数据库等进行类案检索,并对检索的真实性、准确性负责。2021年,《最高人民法院统一法律适用工作实施办法》对类案强制检索制度作了进一步规定。这反映出智能类案推送的庞大需求。类案推送是早期探索的雏形,是相对粗糙的应用阶段,虽然直接或间接涉及人工智能辅助定罪问题,但存在深度不够、精准度不足的问题,对辅助定罪的实质作用相对有限。随着智能类案推送以及强制检索的制度化、规范化,其对辅助定罪的作用有所增强。

    2017年2月,上海市高级人民法院正式推出“上海刑事案件智能辅助办案系统”(简称“206系统”)。该系统主要由上海刑事案件大数据资源库、刑事案件智能辅助办案应用软件、刑事案件智能辅助办案系统网络平台组成,重在解决证据标准适用不统一、办案程序不规范等问题。该系统具有校验、把关、监督功能,可以及时发现证据中的瑕疵与矛盾,及时提示办案人补正或作出说明,确保提请逮捕、移送审查起诉的案件符合法律规定的标准。该系统初步实现了对各种证据的要素及形式等的智能识别、定位和信息提取,对单一证据实现了自动校验,具备证据标准指引、单一证据校验、逮捕条件审查、社会危险性评估、证据链和全案证据审查判断、非法言词证据排除等20项功能。同年5月,“206系统”正式在6家法院、6家检察院、13家公安机关试运行。对案件证据进行智能审查,必然涉及定罪的智能化问题,但也导致智能辅助定罪的功能具有依附性,进而使人工智能辅助定罪的实效发挥受限。

    在这类综合性或专业性办案系统中,智能量刑功能及其效果不断得到验证和完善。同时,针对一些简单案件或认罪认罚案件,通过人工智能辅助定罪也开始变得切实可行,并且具有可靠的精准度。目前,这类系统主要有四种:(1)智能法官系统。2016年底,北京市高级人民法院推出智能研判系统“睿法官”。该系统依托北京三级法院统一的审判信息资源库,依托法律规则库和语义分析模型,运用大数据与云计算等技术充分挖掘分析数据资源,自动推送案情分析、法律条款、相似案例、判决参考等信息,为法官裁判案件提供统一、全面的审理规范和办案指引。 2019年9月,在杭州市上城区人民法院的某法庭,无实体的AI法官助理“小智”上演首秀,实现了由网上审判到智能审判的跨越。 (2)司法办案辅助系统。2016年,贵州省人民检察院逐步创建为司法办案提供智能服务的司法办案辅助系统、为案件监控提供数据分析的案件智能研判系统以及为管理决策提供“智库意见”的数据分析服务系统共3个大数据系统。这套系统运用“实体识别”“数学建模”等大数据技术,通过绘制“犯罪构成知识”图谱,建立各罪案件的数学模型,提供证据审查指引,实现数字化监控和管理。其中,司法办案辅助系统可以自动抓取涉案人员信息、犯罪事实、证据材料等基础信息,根据相关法条提供多项证据审查指引,要求检察官逐一进行审核,并辅以类案推送、量刑建议计算等智能化模块。 (3)全国检察机关统一业务应用系统2.0版。“智慧检务”的全面建设正在加速推进,定罪量刑等核心业务是优先探索范围。 2019年12月,最高人民检察院强化统一业务应用系统2.0版的试点部署与应用工作,着力提升流程管理、智能辅助、数据应用、知识服务等方面,初步实现为检察办案提供量刑辅助等功能。 2020年1月,根据“科学化、智能化、人性化”建设原则,最高人民检察院和贵州、海南两省检察机关正式上线试点运行全国检察机关统一业务应用系统2.0版,全面迎来检察业务应用系统2.0时代。这些举措整体提升了智慧检务的水平。(4)在线刑事诉讼。最高人民法院《人民法院在线诉讼规则》(以下简称《在线诉讼规则》)和《人民法院在线运行规则》(以下简称《在线运行规则》)相继出台,宣告基本建成世界范围内的首个全方位、系统化的互联网司法规则体系,更好地引领和规范智慧法院建设。《在线运行规则》第二部分“系统建设”第4条规定,人民法院应当建设智慧服务、智慧审判、智慧执行、智慧管理、司法公开、司法数据中台和智慧法院大脑、信息基础设施、安全保障、运维保障等智慧法院信息系统,保障人民法院在线运行。这是综合性的智慧法院信息系统。第6条规定,智慧审判系统应当能够为审判人员提供阅卷、裁判辅助等在线服务,支撑构建现代化审判体系。智慧审判系统包括智能裁判辅助系统、量刑规范化系统等,以确保具备案件信息管理、类案智推、量刑辅助等功能。据此,智慧法院信息系统应当包含了人工智能辅助定罪部分。与此同时,《最高人民法院关于规范和加强人工智能司法应用的意见》(以下简称《意见》)第8条、第9条、第12条、第13条等规定,加强人工智能全流程辅助办案与人工智能辅助事务性工作,不断拓宽人工智能司法应用场景和范围,强化应用系统建设,促进智慧审判等系统的应用,支持证据指引与审查、法律法规推送、类案推送、全案由裁判辅助等智能化应用。《在线诉讼规则》《在线运行规则》《意见》等重要政策指导性与实施性文件,对在线刑事诉讼、刑事司法智能化等起到了重要的奠基作用,也给人工智能辅助定罪带来持续发展的新契机。

    一些商业公司相继研发相对独立、专门的人工智能辅助定罪系统,基于定罪原理、司法大数据以及算法等,对认罪认罚案件以及事实与证据简单的其他案件,初步建立智能辅助定罪的办案功能,与人工智能辅助量刑系统相得益彰,如“小包公”智能定罪与量刑预测系统。该系统运用刑法知识体系和大数据引擎技术,通过人工智能技术,对海量法律条文、案例要旨、法律观点、裁判文书等司法数据进行深度加工、科学分类、深度聚合、交叉剖析和关联分析,提供可视化程度高、挖掘层次深、预测能力强、应用价值高、个性化定制的智能定罪量刑预测方案。根据输入的不同定罪条件与量刑条件,可自动生成个性化的专业法律意见书,包括定罪意见、量刑意见、降低刑期建议及类案推送。定罪意见包括是否构成犯罪的分析、结论,并提供法律适用依据。目前,试点运行良好。

    现阶段,人工智能办案辅助系统虽功能定位有别,对应用系统及其功能板块也有不同的安排与设定,但各方均积极尝试通过人工智能技术应用、释放司法大数据的效能等方式,探索、验证智能辅助(预测)定罪活动。不过,受限于技术应用水平,人工智能辅助定罪探索仍遇到一些理论困境与应用难题。

    刑事司法智能化的变革已经势不可挡,但传统刑事司法活动遵循法定性、程序性、亲历性、责任性等规律,法官自由裁量权的自主性、隐性审判经验的专属性、实质正义的终诉性等司法规律的地位根深蒂固。这使得证据取舍、证明力判断等的智能化应用效果与空间仍有待观察。在新旧司法知识体系的较量中,受传统刑事司法理念与运行规律掣肘,刑事司法智能化的探索面临一些难题,包括数据真实性缺乏保障、算法“暗箱”缺乏监督、“法定证据制度”存在认识误区、智能辅助定位与全面发展的平衡、智能技术运行失误的责任承担主体不明、过度依赖智能技术可能破坏法治制度、司法数据库无法满足智能司法需求等。

    诚然,传统刑事司法知识体系在智能化转型过程中,衍生出一系列消极的连锁反应。特别是在一些核心禁区领域启动的刑事司法智能化尝试,容易撼动传统刑事司法体系的根基。刑事司法智能化探索与正确看待传统刑事知识禁区已经相互交错。不乏观点认为,以现有刑事法治的要求与标准为前提,刑事司法智能化的探索禁区至少包括罪刑法定原则下的案例规则、裁判规则、立法解释、司法解释、规范文件明确的制度以及改革试验、地方规范等非正式制度。尽管并未明确将定罪以及证据与事实的判断、法律适用的智能化等作为试验的禁区,但实质而论,在刑事司法智能化问题上,传统定罪活动具有基础性、前提性以及法定性、专属性、严肃性等特征,牵一发而动全身。相比量刑领域的探索,人工智能辅助定罪与理论禁区的碰撞更加剧烈。在实践中,民商事领域更容易接受试行智能裁判(断案)的做法。2016年,深圳市福田区人民法院与阿里巴巴公司合作开发“金融纠纷案件智能裁判”系统。 2017年11月,上海高院正式上线“上海民商事、行政案件智能辅助办案系统”等智能系统。特别是近年来,我国已经陆续在杭州、北京、广州等地设立互联网法院,受案范围仅限于民商事案件。这与刑事定罪应作为“理论禁区”的观点相呼应,一定程度上也反映出当前的政策倾向与实践诉求。而其背后正是对现代民商事审判活动充分追求效率价值的制度体认。

    刑事司法活动的严肃性、法定性、不可裁量性,以及刑事定罪的专属性、定制性、复杂性,使效率与公正之间的博弈,必然侧重于公正一面。这种传统司法的公正价值与功能导向,压制了定罪领域的智能化探索。当前,专门的人工智能辅助定罪系统相对偏少且功能尚不健全等,正是理论“桎梏”掣肘的反映。然而,真实的司法需求才是更客观中立的评判标准。“人工智能裁判的运行逻辑和审判中心主义的内在机理存在显著冲突” 的观点是片面的。这种观点只看到了审判中心主义的要旨,却忽视了如何实现的一面。在“案多人少”的背景下,对认罪认罚案件、类案以及简易案件等试行人工智能辅助定罪办案系统,回应司法诉求,具有可观的司法效益,可弥补传统定罪模式的不足。这不仅是刑事司法智能化改革真正落地的体现,也是智慧司法改革进入“深水区”倒逼的结果,但同时可能隐藏刑事司法异化的新风险。这种风险既包括可能的理论冲突与规范危机,也包括刑事司法智能化伴生的数据不准或失真、应用范围相对狭窄、与司法人员的配合不畅等功能性风险。然而,刑事司法智能化发展是不可阻挡的趋势。应保持不畏“离经叛道之指责”的勇气,保持理性与审慎,在适度的张力与稳定之间寻找自洽点。

    从外部看,人工智能辅助定罪还始终面临技术应用水平的制约。当前,各种探索及应用系统所暴露的短板和缺陷,均与技术、法律之间的有效贯通不足有关。

    第一,人工智能法律适用面临“非对称”难题。在传统定罪活动中,司法人员基于案件事实、证据,依法律规定完成法律适用过程。定罪的合法性与规范性,取决于法律适用。法律适用是极其复杂、始终争议不断的,关系事实、规范、价值之间的相互交错与博弈,应由专业、熟练的司法人员来承担。在不考虑深度学习能力早期需由人工输入的特定情况下,人工智能辅助定罪系统原则上由智能系统自主适用法律,并以算法及其规则作为核心的技术支撑与实现载体形式。然而,人工智能的深度学习离不开法律专家的介入和监督。智能定罪系统与人的智力水平尚有差距,在认识、解释适用法律上,存在能力“不对称”的短板。而且,算法的不可解释性或“黑箱”化,也可能引发数据垄断、数据歧视、数据不公等负面问题。人工智能辅助定罪系统在法律适用问题上,还存在一定的技术认知短板,以及准确理解和依法适用的风险。这是当前功能配置上的“软肋”。法律适用的“意见之不确定性”,与证据、事实的智能化审查判断所隐藏的风险相互交错。算法支持的智能模拟应当包括法律解释和法律议论的规则、程序要求,并纳入智能辅助定罪系统。这是未竟的课题。

    第二,证据体系的智能化运行仍显不足。定罪过程中的证据审查与判断也尤为复杂,证据能力、证明力、证据标准等内容的判断始终是世界性难题,因为人的认识能力是相对有限的,重返犯罪现场并重构犯罪事实全貌已是人脑思维与能力的极限处。人工智能与证据审查判断的深度结合,可以有效地保障证明标准的统一化,也可以借助算法的计算能力缓解证明的难度。例如,“上海刑事案件智能辅助办案系统”通过证据标准指引、单一证据审查等多项具体功能,为办案人员提供证据指引,对案件的单一证据进行审查、对证据链和全案证据进行判断。这可以很好地促进公检法三机关办案人员执行统一的证据标准。但是,算法完全模拟人对证据判断的逻辑尚存在一定的技术短板。过于追求证据规则细致化、繁密化,可能会使司法官的理性判断窒息,由事物性取代人性,也不利于全面发现案件事实的纵深。严格而论,人工智能辅助定罪系统应当是完整的,证据审查与事实认定是不可或缺的重要内容。当前,智能辅助定罪系统中的证据收集、审查、判断等智能化运行内容,虽在可靠性、准确性上仍有待加强,但正向参考和反向预警的双重作用值得期待和应用。

    目前,人工智能辅助定罪系统处在起步阶段并快速发展,在合法性、操作方便性、精准性、可靠性、正当性等方面,仍存在诸多值得研究、完善与改进之处。这反映出理论储备与知识更新方面的滞后,也折射出应用系统与产品供给的不足。应当从传统定罪理论的修正、人工智能辅助定罪的理论建构与应用等方面着手完善。

    在传统刑法体系下,定罪活动遵循具有共识性的逻辑与运行规律,已成为其本质内涵。这些固化的认识论与知识体系,成为难以撼动的部分。人工智能辅助定罪的探索正在形塑新的司法特征与规律,消解传统定罪的基本理念、认识及模式等。有序并适度走出传统定罪观念设定的理论禁区,是刑事司法智能化变革与传统定罪知识博弈的要求。人工智能辅助定罪办案系统的探索与实践,为传统定罪理论的现代转型注入新动能,无形中加速孕育全新的知识储备与法教义学基础。

    人工智能辅助定罪系统的研发与应用逐渐孕育出独有的知识体系,必然与传统定罪观念“相隔而望”。人工智能辅助定罪的理论根基也由此孕生。通过梳理人工智能辅助定罪的基本逻辑,可以进一步确认其知识体系及专属特性。

    虽然导入人工智能技术后定罪活动的优势更为凸显,但该探索不应止于单纯的技术变革,更应回归法律进化的制度变迁维度。立足传统定罪理论,基于人工智能技术而形塑的人工智能辅助定罪理论的独有品格,由三个基本的制度要素组成。

    首先,司法大数据蕴含的“活着的定罪经验与逻辑”是专属优势。人工智能辅助定罪的最大优势源于技术的加持使其可以超越人的智能以及认识、改造能力。实现人工智能辅助定罪及其可靠性,不仅需借助算法“重构”传统定罪理论,还需根据过往的司法大数据发现、巩固与验证以解决好事实与证据问题。人工智能辅助定罪系统以司法大数据中“活着的”司法逻辑、定罪规律、定罪的真实标准等内容为前提,基于算法的超级计算能力,对过往海量并持续增量的司法大数据进行深度分析,自动获取个别的、类型化的、一般性的司法裁判规律、定罪规则,并用于对新案件的人工智能辅助定罪与输出参考意见。基于司法大数据内在的司法规律对新案件进行定罪,能够达到司法规律的一致性、有序性,更利于实现“类案类判”。这是人工智能辅助定罪的重要技术储备与比较优势。

    其次,类案智能推送为人工智能辅助定罪提供标准化条件。“类案检索”作为对案件进行收集、分析、归类、总结并可以检索的早期简易做法,是大数据时代探索“同案同判”的有益尝试。最高司法机关不断完善和全面推行强制类案检索制度,并实现了从“类案检索”到“类案推送”的技术升级。从技术背景、司法效果等角度看,“类案检索”与智能“类案推送”存在实质差别。智能“类案推送”是以智能技术为基础,通过算法自动识别、抓取、匹配类案,是对司法大数据自动化、精准化、个性化的定制推送。一旦褪去智能技术,“类案推送”与“类案检索”并无实质差异,仍是对类案的粗糙检索,且由人主导完成筛选、识别、比对、匹配等工作,并无智能化的效果。相比于“类案检索”与“类案推送”等早期相对简单和粗糙的应用样态,基于大数据技术与司法大数据建成的智能类案推送制度,是对司法大数据的最优精简分解,具有实现更大规模的统计、整合以及类型化匹配等优势。它依托智能技术的更精准辅助模型,可以提供更直观、精准的定罪意见。特别是可以匹配最接近的个案或类案,从同案同判、类案类判的角度看,就是在辅助正确裁判的过程中最大限度实现定罪标准的统一性。而且,在类案类判的目标牵引下,人工智能推送案例制度可以更好地统一司法裁判尺度,避免司法裁判不公,优化疑难案件的解决途径,甚至成为新型的司法控制手段与审判管理技术。可以说,上述做法是对司法理性的有效回应。

    最后,人工智能辅助定罪仍依托传统的司法“预测”功能。对人工智能辅助定罪与传统定罪加以对比可以发现,二者虽然在技术基础、运行模式、司法人员的定罪地位等方面存在质性的差异,但并不影响其在功能上的同质性。从定罪活动的方法论看,无论是演绎法还是归纳法,都旨在根据法律、事实以及证据,对个案的定罪意见进行“预测”,并最终上升为具有法律效力的定罪(裁判)意见。传统定罪活动的终极目标是依法确定是否构成犯罪、是否需要追究刑事责任,为量刑活动提供前提条件。在个别正义的要求下,个案的定罪必然是专属、定制、个别、精准的,但也可以存在类案化、具有重复性、可复制性的情况。定罪活动需要处理千变万化的个案或类案。为了提高定罪的精准性与可靠性,强化定罪的法定标准统一化,个案的定罪意见必然寻求“精准”功能。传统的定罪做法主要是借助司法经验、法理学说等予以实现,司法人员作为个体总结过往判决的规律,于具体个案中参照适用,但问题不少。人工智能辅助定罪试图跳出单纯的经验量刑模式,克服司法经验的不确定、不统一、失衡性等短板,借助司法大数据以及算法的整合功能,超越司法人员个体经验的局限性,激活和发挥人工智能在司法预测领域的优势,遵循“同案同判、类案类判”的量刑正义要求,提高定罪标准的统一性,同时强化定罪(预测)意见的精准性与可靠性。

    人工智能辅助定罪在颠覆传统定罪理论之际,也生成了一套独立的知识体系与话语结构,支撑起人工智能辅助定罪的特定理论本体。它主要涉及五个部分。

    第一,定罪主体及其司法地位出现更迭的新动向。智能技术及其应用的本质内容,是要实现高度“类人”的智能,从而可以和人一样思维与行动,最终替代或取代人的主体性地位,成为独立的社会主体、法律主体,可以承担社会责任与法律责任。在刑事司法智能化的背景下,智能主体具有高度智能化的特质,加之人工智能辅助定罪系统存在不同的系统形态与形式,其与人(法官)的司法主体地位的关系,可能表现为一般辅助、重大参与、主要负责、基本替代等不同情形。这使得以“人是法定主体”的司法活动观念逐渐被淡化,司法人员的定罪主体地位也受到波及,而智能应用系统的定罪地位不断强化。人工智能辅助定罪对传统定罪主体及其司法地位的冲击无法避免。专业司法人员是法定、唯一的权威传统定罪主体,而人工智能辅助定罪主体具有非唯一性与可替代性。

    第二,定罪本质特征的渐进蜕变。人工智能辅助定罪系统使传统定罪活动的本质特征陷入不可逆转的“离经叛道”之路。传统定罪逻辑具有法定性、单方面性、不可协商性、官方纠错性等特征。在传统刑事司法模式中,在遵循法定规则与要求的基础上所得出的结论具有权威性,利益相关者与社会公众是予以认同的。司法的权威性既源于程序正义的基础,也源于司法人员被视为正义的化身。在智能定罪中,算法主导定罪的核心流程,算法的运行过程及其意见的生成对司法人员和利害关系主体而言,是完全“脱逸”的状态。这直接导致人工智能辅助定罪的意见在公众认同性上大打折扣,也是当下无法被司法人员完全普遍接受的根源。在智能定罪中,权威的非公众认同性与技术独裁性较为明显,继而孕育智能定罪的本质特征。应当克服人工智能辅助定罪的“不可视”等技术难题,使得出的意见的有效性与“法官定罪”实质上无差异;否则,对人工智能辅助定罪的精准性、有效性的担忧会始终存在。而且,人工智能辅助定罪系统为了消解个体司法经验的局限性,更强调定罪规则与程序的标准化、统一化等目标,如果个案的差异过大,意味着很可能丧失对个案正义的充分观照。

    第三,定罪程序与过程的结构性异动。传统定罪程序所坚守的理论阵地与程序配套等内容,正在遭受人工智能辅助定罪的各种轮番冲击。传统定罪具有程序正义性、结论的唯一性等鲜明属性,而人工智能辅助定罪全流程的“去人类中心化”现象日益显现。一是定罪过程的非可视化与算法主导。在以法官等司法人员为绝对核心的定罪活动中,基于定罪活动的程序正义性,涉案各方都可以不同程度参与定罪,但司法人员才是唯一且法定的裁决主体。这使传统定罪过程具有显著的可视化特质,裁判结果及其形成过程具有“一般预期性”。司法的可预测性是裁判结果具有共识性、接受度的基础。但在人工智能辅助定罪系统中,算法作为核心要素及其运行规则,是肉眼无法看到的,“自然语言”控制下的算法及其逻辑组合,也相对不易被认识和理解。定罪活动在“瞬间”智能地完成,便形成“非可视化”的程序“黑箱”区域。智能定罪活动一旦给人们留下了“非可视化”的外部印象,容易引发司法公正可能被忽视的隐忧。AI司法的复杂性与隐秘性共存。 AI司法过程的不可还原性,可能导致黑箱效应。数据与算法作为AI司法的重大内容,也并非无懈可击。二是人工智能辅助定罪意见的辅助性与非决定性。智能技术及其应用的发展水平、刑事司法智能化的程度与覆盖面、审判工作的系统性、法官的职业性和经验性等因素,决定了人工智能辅助定罪系统主要发挥辅助作用。目前,应用辅助系统不是替代传统刑事诉讼活动和司法人员独立判断,也不是直接全面取代法官的工作。它作为辅助法官定罪的技术手段,意见是参考性的而非决定性的。刑事司法领域的智能辅助办案系统,目前主要是为公检法相互配合、相互制约提供新载体,为线下办案活动规范化提供助推器,为司法人员依法独立判断提供帮助。在人工智能辅助定罪系统应用初期,其辅助性也体现在应用范围主要以证据简单、事实明确的刑事案件为主,如盗窃、抢劫、酒驾等。职务犯罪、杀人、故意伤害等恶性案件因证据甄别、审查的复杂性等,不便率先应用。随着智能技术的发展和辅助功能的增强,人工智能辅助定罪的“去人类中心化”效应也会有所显现。

    第四,定罪原理的构造演变。传统定罪对象是证据、事实与规范,并以刑事归责为目的,构成其基本原理及实施流程。但是,人工智能辅助定罪的内部运行结构趋于全新,并具体表现为不同的内容与形式。一是定罪的规范性下降与适法依据不明确性。依法定罪是传统定罪活动最基本的要求。它是指依照法律规定,在实体、程序上,围绕事实、证据、法律等要素,明确行为是否构成犯罪的问题。“依法”主要是指遵循《中华人民共和国刑法》(以下简称《刑法》)和《中华人民共和国刑事诉讼法》(以下简称《刑事诉讼法》)的规定,主要表现为适法的正确与有效。这决定了在适法问题上,定罪具有鲜明的规范性。适法依据是法定的,强化了定罪活动的依法性、规范性,夯实了定罪活动的合法性基础。在人工智能辅助定罪系统中,适法依据问题被明显“虚化”,适法过程所呈现的规范特质也被极大弱化。按照智能定罪的基本运行模式,定罪中的适法环节已经被算法、深度学习等智能因素替代,适法的过程与规范性要求都难以通过固有的方式体现。二是定罪意见的说理非透明性与说理机制非公开性。在传统定罪活动中,定罪结论是以可视化的多方参与过程、司法说理等内容予以展现的。事实、证据、规范是否高度合一,直接决定定罪活动的说理充分性,也成为检验或验证说理是否真实、有效的重要依据。但是,在人工智能辅助定罪系统中,说理的逻辑、依据及其过程,部分或基本上被算法及其规则的计算逻辑取代。相应地,说理并非以可视化的方式进行,在理解与认知上存在明显的“语言类型”差异等问题。这诱发了人工智能辅助定罪说理的非透明性等问题。它不仅侵蚀着定罪预测的学理之正当性,也模糊了依法科学定罪的规范基础,更引发了对定罪意见“非唯一性”的不确定隐忧。这些问题对人工智能辅助定罪功能的科学性而言,无疑是不可控的风险。

    第五,定罪司法规律的质性迁移。传统定罪有独特的司法规律,特别表现为高度专业性与司法责任制等内容,人工智能辅助定罪则出现了法定专属性与司法责任制急速弱化等迹象。司法亲历性是以审判为中心的诉讼制度改革的基本精神。然而,人工智能技术被导入刑事司法过程后,暂时无法同等地承受可视化的司法亲历性、责任性等要求,传统司法的亲历性被压缩,甚至出现了消失的潜在迹象。这既会冲击定罪活动的法定专属性,也使司法责任制流于形式的风险骤增。按照人工智能辅助定罪系统的运行模式,尽管司法人员仍然主导定罪活动,智能技术的深度参与也实质扩大了司法责任主体的“参与范围”,要求人工智能辅助定罪系统承担司法责任又不切实际。譬如,司法工作者作为使用者,比软件开发者和设备制造者更直接、密切地联系智能司法系统,使用时负有监督审核等义务。因此,可适用过错推定原则,由使用人工智能的司法工作者优先承担相关责任。“谁使用、谁负责”的归责做法看似简单和便于操作,且有一定的合理性,但完全忽视了人工智能系统的研发者、设计者的安全保障义务及其应负的法律责任。在人工智能主体地位不明的情况下,上述做法可能异化为司法“替代”的责任模式。优先要求司法人员承担智能定罪错误引发的司法责任,也有制造“替罪羊”的不公正风险。

    人工智能辅助定罪的探索不仅输出实践理性,也为理论建构供给制度基础与知识要素。尽管人工智能辅助定罪理论体系仍在发展,但已具有独特的理论特质。

    与传统定罪的生成逻辑相比,人工智能辅助定罪必然以技术应用、技术依赖、技术优势乃至技术崇拜为内在的发生逻辑以及功能本源。这冲击着树立并遵从司法人员在定罪活动中的主体地位、主导责任、权威性、可信度等最为核心的传统定罪理论前提。定罪方法或模式的分化与差异所撬动的“命门”,正是定罪的规范化。通过总结和归纳人工智能定罪的实践支点可知,它并未背离定罪的规范要求和一般原理,而是为了更好地辅助定罪活动走向更优的规范轨道。

    首先,立足合乎法律的立场。与传统定罪理论和实践以司法人员为主导的基本逻辑相比,人工智能辅助定罪系统不仅是技术合成的先进产品,也是法律体系框架内的自洽物,而非脱离法治框架的纯粹技术产品。这要求人工智能辅助定罪的探索,必须贴合刑事法治的理念。尤其是在微观运行层面,应当积极契合定罪活动的基本特征、属性及规律,确保人工智能辅助定罪的探索在规范层面可以做到规则的自洽与结果的正当。人工智能辅助定罪的积极试点,并非为了消极地对待传统定罪的本体内容与实然作用,而是为了更好地服务于定罪。只有密切联系传统定罪原理及其在新时代的需求,才能通过智能系统实现规范化的改革预期。

    其次,超越传统定罪的规范“难点”。人工智能辅助定罪的探索正是遵循依法、规范的宗旨而展开的。无论是对司法大数据的全面运用,还是对类案推送制度的相对侧重,以及对“预测”功能的司法锚定,甚至对证据审查、法律适用的延伸,均旨在更好地辅助定罪,超越传统定罪活动的某些弊端或不足,包括定罪标准尚不统一、定罪的非理性外因介入、司法人员的定罪主体地位过于单向化等。在证据、事实以及法律适用的全流程上实行智能化运行,有助于构建更全面的智能定罪系统。但限于技术应用水平,开始便将其设定为“辅助”办案系统,在很大程度上卸下了外界的各种担忧,也摆正了技术导入法律的应用立场的合理维度。

    最后,人工智能技术对定罪规范化的重塑能力。在探索的过渡期,断然将人工智能辅助定罪与传统定罪理论完全割裂并不可取。确保人工智能辅助定罪系统合乎刑事司法逻辑的立场预设,并通过广泛实践予以验证,方可裨益于传统定罪理论体系的发展。以渐进式的变革与渗透,有序扬弃传统定罪理论体系的缺陷,是相对合理的司法改革理念,可以促进定罪活动的理性发展。人工智能辅助定罪的理论发展也应重视日渐夯实其规范属性和规范的立法化等,以妥帖的规则融入司法应用,经由实践优化的方式推动定罪理论进化和立法完善。

    在实践逻辑上,人工智能辅助定罪系统与传统定罪活动及其基本原理、运行方式等相比,已经开始显现差异。这是其日渐独立的现实基础。这种知识结构的渐进式转型,是人工智能辅助定罪探索的司法谱系养成路径。知识体系的转变既是为了迎合技术的需要,也是为了更科学地定罪。人工智能辅助定罪知识体系的养成,不仅保留了传统定罪的原理结构与合理成分,也遵循定罪活动的基本目标和任务设定,旨在借助技术的手段消解传统定罪的误区与司法痛点。

    首先,传统定罪活动的司法痛点。在以司法人员为中心的传统定罪活动中,最令人忌惮的是定罪这一司法裁判权的恣意行使,并引发冤假错案等问题。同时,定罪标准的随意性也常受诟病,表现为同案不同判、类案的定罪结果差异过大等司法不公现象。而且,定罪过程的外部干扰问题愈演愈烈,民意介入等非理性、非法律因素的渗透,降低了定罪的统一规范性,也破坏了定罪结论的权威性和可接受性。此外,定罪的低效也是司法痛点之一。繁琐的定罪程序、漫长的诉讼过程,无形中增加了诉累。概言之,在司法人员的主体性地位与外部力量干预及其合理度上,传统定罪活动处于失衡的状态,主客观相统一的动态达成存在偏差。

    其次,智能定罪系统的比较优势。遵循传统定罪的规范基础、司法运行体系以及外部支撑要素,对传统定罪的司法痛点所启动的司法改革,往往很难取得实质性的改良成果。这是因为,传统司法话语体系会束缚改革的张力。更本质的问题是,仍然依靠司法人员的“大脑”及其情感、理性、司法经验,以及司法人员的外部环境,在根源上难以获得突破性的进展,最多是“修修补补”,不能直击痛点的本源。允许人工智能技术有序消解定罪领域坚固的知识禁区,是为了打破司法的不理性“平衡”。通过技术优势的外力,可消除部分长期存在的负面因素(既包括司法人员主体性地位的负面作用外溢问题,也包括外部因素干扰定罪公正的问题),在有限的司法资源与精力下,进一步释放司法人员的专业潜能,明显解放一般“事务性”的司法工作,屏蔽外部的非理性干扰因素,聚焦准确定罪工作。

    最后,合法公正的基本导向。人工智能技术及其应用具有可观的相对优势,在运算能力上,明显优于人脑的智力极限。在算法的支持下,可以对复杂的案件、海量的司法数据进行快速、精细的处理,抽取已决案件中“活着的”定罪逻辑与规律。进而,可以建立成熟的类推强制适用制度,更好地实现定罪标准的统一化、规范化和流程化。此外,借助技术的中立性,可建立一套屏蔽外部干预的良性机制,在定罪意见的科学性和司法效率上获得实质的提升。上述预期目标的达成,不仅是人工智能辅助定罪办案系统的应然归宿,也是确保定罪合法公正的根本,还可使这场司法知识的转型具有司法意义与理论价值。

    在现有司法体制改革与人工智能技术水平的背景下,人工智能辅助定罪的探索,主要服务于以审判为中心的诉讼制度改革、认罪认罚案件的精准适用。它试图提高司法的集约化、模块化效率,减少具有重复性、可复制性的简单司法活动,旨在解放司法办案中的冗余生产力,并最终提高办案效率与质量。刑事司法智能化的诸多尝试,暂时还无法直接全面取代传统刑事司法模式及其主导地位,主要扮演的仍是辅助的角色。“206”系统设计者与使用单位指出,目前该系统无法全面模拟创造性思维,只是辅助办案,可以作为提示与指引,法官享有最终的决定权。法官可以使用技术手段帮助判断,但不可能被技术替代。 《意见》明确了“辅助审判原则”,现阶段人工智能的司法应用仅可作为相关审判工作的参考,不得代替法官裁判。尽管如此,相比过往的辅助措施,对于人工智能辅助定罪系统的功能定位应当有更智能化、更可靠与高效的期待。而且,随着人工智能技术与算法规则的发展,人工智能辅助定罪的功能会变得更加丰富和强大,对刑事司法审判工作的辅助效果与力度也会变得更强,定罪活动也在其内。

    人工智能辅助定罪的落脚点是应用及其司法效果。基于司法大数据的基础意义、算法及其规则的内部贯通,可以形成完整的人工智能辅助定罪应用原理体系。人工智能辅助定罪系统以一般定罪理论为基础,通过充分挖掘司法大数据的实际定罪经验与逻辑,可以更加科学精准地预测定罪结论,进一步辅助司法人员智能定罪并输出更为科学的定罪意见。认罪认罚案件可以是最好的“试验田”。

    人工智能辅助定罪探索的司法目的与传统定罪活动无异,旨在兼顾司法公正与办案效率。但其优势在于:根据定罪的理论学说与刑法规定,同时基于对司法大数据的定罪经验进行大规模回溯性分析,可智能匹配并输出更可靠的“定罪建议”,缓解“人遵循定罪理论与司法经验”定罪模式的司法痛点。由此,基本上勾勒出了人工智能辅助定罪系统的核心要素及其应用原理的生成框架。

    相比于由司法人员及其智力主导的“经验性”传统定罪活动,人工智能辅助定罪很好地统合了算法与司法大数据,在辅助科学定罪的应用层面激发新动能。

    (1) 算法及规则的基础地位。算法是人工智能技术的核心要素。它真正支撑智能程度与行为能力等,决定包括计算、决策与认知等在内的逻辑方法、结构及功能属性,对自主决策的过程和结果具有不可忽视的主导作用。相比人脑及其形成的经验理性等,当前借助“人工神经网络”、深度学习的支持,算法在计算、分析、学习、判断等智能化运行能力方面,既蕴含无法预估的潜能,也始终保持不断优化与升级,持续逼近甚至超越人的智力“极点”。基于算法的智能优势,在导入定罪活动后,以定罪的基本理论和司法大数据作为前提条件,可使人工智能辅助定罪系统具备最大限度实现“同案判决”或“类案判决”精神的能力。根据演绎法或归纳法,提炼过往司法实践中已经形成的一般性、普适性定罪逻辑,而后针对每个具体案件,通过对证据与事实以及法律适用的智能分析,判断、匹配二者的共性与差异,再经过定罪理论验证无误后,自动输出最适宜的定罪意见。但人工智能辅助系统在算法逻辑的设定、数据的使用方法、算法规则的实施等方面,可能被植入设计者、开发者的主观价值选择及其偏见、垄断等因素,并非是完全客观和中立的,甚至可能导致独裁、极端化、不透明等问题。这需要通过更加规范的程序方式,确保数据的司法应用是合法、正当的。

    (2) 司法大数据的应用价值。司法数据与人工智能全面结合,可以重塑司法公正。这是人工智能辅助定罪系统的优势。人工智能技术与定罪活动的良性互动,既需要海量数据、模拟算法、深度学习、算法规则等因素,也取决于司法大数据的准确性、客观性、全面性等。然而,我国司法数据库建设与数据鉴真机制等配套措施相对落后,司法数据的可持续性、可靠性、完整性、准确性仍有“盲区”与不足,对数据的整理与提取也存在急功近利的粗糙化现象,如串案套改、重复案号、数据冗余等。概言之,司法大数据的残缺性和来源的局限性等,会弱化其作为算法的训练数据的适宜性和精准性。这不仅降低了司法大数据及其所蕴含的司法经验的准确性、真实性与可靠性,也使司法大数据在实现人工智能辅助定罪的功能上变得“不确定(准确)”。鉴于我国司法大数据现阶段存在数据总量偏低、真实性不足与鉴定规则不完善等问题,应持续推动司法大数据制度的建设,不断扩大数据来源、提升数据可靠性,推动人工智能辅助定罪系统在数据上的优化与升级。其中,最高司法机关发布的指导案例和典型案例等可作为训练数据。

    在充分全面激活司法大数据的前提下,依据《刑法》《刑事诉讼法》的规定,参照最高人民法院《在线诉讼规则》《在线运行规则》《意见》等相关文件精神、具体规定,人工智能辅助定罪的应用系统主要包括四大模块,形成了一个闭环,可覆盖定罪活动的基本事项,整体地针对定罪活动进行智能辅助。

    (1) 理论模块。人工智能辅助定罪是法治化的产物,其规范化基础是遵循定罪的一般理论体系,并以罪刑法定原则等为依据,在合法性的前提下进行。这是理论模块的规范定位。根据定罪的规范依据、理论学说等,通过算法及其规则进行对接和导入,构建一套面向理论层面的人工智能辅助定罪机制,发挥一般性的参考作用。相比通过传统人力方式进行积累、总结的做法,智能解构并重构而成的理论模块,最大限度地集成定罪的一般理论及其知识要素,可以明显超越个体性、经验式的传统定罪模式,更加夯实理论理性的深度、厚度与广度。当然,建立健全具有公正性、透明性和负责性的定罪算法模型不会一蹴而就。

    (2) 数据模块。已决案件形成了海量的司法大数据,但是,过往限于技术水平和人类的认识能力,对已决判决的深度挖掘、分析、适用并不充分。应当明确的是,已决案件所形成的司法大数据,蕴含“活着的”定罪逻辑、规则等。这些经验理性不仅是对过往定罪规律的客观总结与反映,更是被反复验证、重复检验和不断修复的“进化型”司法知识。通过对这些定罪规律的大数据分析,可以获取类型化、典型化、合法化的定罪经验与逻辑。而且,智能技术还可以将司法大数据中的定罪逻辑、规律予以分解与再集成,进而浓缩为类型化的数据,并以算法及其规则可以识别的形式对外呈现。这些最基础的数据“清洗”“筛选”,旨在最大程度“透析”司法大数据中蕴含的“活着的”定罪逻辑,用于辅助对其他案件的定罪。

    (3) 运行模块。理论模块与数据模块是相互独立、相互合作、相互制约的辩证统一体,旨在对个案进行智能化的辅助定罪。这就是运行模块的存在意义和基本功能。只有将理论模块与数据模块高度融合为互动的整体,才能最大限度发挥人工智能技术在算法上的能力和优势。也即通过将一般定罪理论与“活着的”定罪规律进行精准匹配与校准,反复适用于新出现的个案或类案,并提高类案类判效果。进言之,一般的运行流程是对新的个案及其证据、事实、法律适用问题进行自动分解,自动抓取关键信息与相似要素。这些基础性的数据分析工作,也为类案的智能匹配提供了科学依据。根据由设定的算法逻辑、深度学习能力等组成的算法及其规则体系,对两种定罪经验与个案的定罪问题进行智能匹配,基于“同案同判、类案类判”的要求,个别性、定制化或类型化自动推送定罪意见。而且,每次运行的数据以及得出的意见,都会成为深度学习的新素材,为今后更智能的辅助定罪蓄力。这也是运行模块最值得期待的司法潜质。

    (4) 司法说理模块。人工智能辅助定罪系统的优势不仅表现为对技术、理论与实践经验进行深度统合,也表现为内在的科学性,包括智能要素的全面性、规则的严谨性,特别是司法的说理性。在传统刑事司法活动中,定罪活动的说理机制主要通过庭审的质证与辩论予以过程性体现,再通过裁判文书的说理部分进行结论性展示。然而,上述做法仍不足以提供完整的说理机制。因为只有官方说理是不够的,也难以令人信服。人工智能辅助定罪系统是以技术中立为前提的第三方,具有显著的司法“避险”优势。它可以在算法的支撑下,提供兼具过程性、结论性的司法说理平台与方式,供利益攸关方公开检验。人工智能辅助定罪系统中的司法说理机制,是对传统定罪说理机制的重要补充。根据罪刑法定原则与程序正义原则,人工智能辅助定罪系统应当配备完整的释法、说理、论证等机制,对算法过程、意见形成等环节予以可视化的阐释与说明。以算法、深度学习为支撑的智能技术,使智能定罪具有高度的专属性、数据可靠性、回溯性、模块化、可复制性等优势。

    从适用的可靠性看,针对人工智能辅助定罪系统得出的(参考)意见或结论,尚需设立配套的验证机制,检验并修正该意见或结论的准确性与科学性,以便最大限度提高辅助办案效果的定制性与正当性。这也是刑事司法智能化的纠错机制。

    在人工智能辅助定罪系统中,可靠的验证机制主要包括三个部分。一是理论模块与数据模块的验证。理论模块与数据模块作为人工智能辅助定罪的双轨,分别依托理论学说与数据理性。二者相互验证,是确保定罪意见可靠的首要方式。人工智能辅助定罪的知识谱系与理论模型首先就是理论模块,其作为验证定罪意见是否科学与正当的要素,主要根据理论模型的一般性演绎方式,对具体的定罪意见进行“一般性”匹配。同时,基于数据模块得出的大数据意见,以相互对比的方式,动态、具体地判断是否明显或严重超出理论或数据的“峰值”。这是基础的验证机制。二是实体法与程序法的验证。定罪是融合证据、事实、规范和价值的综合性司法活动。人工智能辅助定罪应当遵照刑事一体化精神,接受两方的验证。定罪的合法性是前提。应当根据刑法规范的内容,在法律适用的层面,对得出的意见进行规范性、合法性的验证。同时,基于程序正义的要求,根据案件证据与事实等定罪的基本要素,定罪的程序过程应当具有可检验性,以确保意见的精准性。借此,可以通过强化遵循算法规则的正当性,以正当、透明、民主的方式,凸显程序的公开性和意见的公正性。三是人工修正与自主修正的模式互补。当前,仍需以司法人员行使裁判权与裁量权为主,经过验证或对比,认为意见不够精准的,司法人员可以自主修正。未来可以在智能技术完全成熟的情况下,由智能定罪系统自行识别、验证并修正,实现全流程的智能应用模式。

    在一般定罪原理的基础上,借助智能技术的优势条件以及司法大数据制度的建设与发展,通过整合司法大数据与智能技术,不仅能从本源上孕育人工智能辅助定罪的内在基础及其可行性,还可促成人工智能预测定罪的“精准”功能。

    传统定罪的一般理论是司法人员根据法律规定,就个案的证据、事实与法律适用进行综合判断,决定是否符合法定的犯罪构成以及是否需要承担刑事责任。这是演绎法在定罪理论中的典型体现。但是,定罪的过程是动态的,需要同时处理好证据、事实、法律适用以及法律之外的因素(刑事政策等)。刑事司法中的定罪不完全受制于演绎法,也不是简单的理论分析与规范确认,而应当是一项多重复杂的裁判工作。司法人员(法官)聚焦个案的定罪问题时,就是基于个体的“前见”,作出个别性、具体性以及专属性的裁判,最终给定“预测”的定罪意见。它主要分为行为符合犯罪构成与(因事实不清、证据不足且未排除合理怀疑等)行为不符合犯罪构成两种情形。任何针对个案的裁判,都是司法主体试图“最接近正义”的决定,其本质都是“预测”的意见,而不是绝对的“既定”且“不得更改”的意见。因此,定罪活动在司法品格上具有“预测”的本质属性。其检验标准不仅包括“内心确信”的主观层面,也包括“同案同判、类案类判”“社会认同感”的客观层面。定罪的“预测”司法品格很容易使传统定罪活动陷入定罪标准不统一等司法痛点。导入人工智能技术,并对司法大数据中蕴藏的“活着的”定罪逻辑与经验进行提取、分析、展示、运用,可以更好地实现定罪规范与标准的统一化、中立化以及规范化。

    大数据时代的到来,不仅意味着海量数据池的形成与无限递增,也意味着数据的诸多价值逐步被发掘和释放。大数据技术被设计为从大规模多样化的数据中通过高速捕获、发现和分析技术提取数据的价值,它描述了一个技术和体系的新时代。大数据技术具有强大的批量数据分析能力,能实现将过往“活着的”司法规律与逻辑“显名”,并逐一释放和整合司法大数据背后隐藏的一系列价值与规律。这是司法大数据应用于法律的巨大价值与潜能。司法大数据与智能技术的深度“联姻”,使人工智能辅助定罪及其预测功能具备了可靠且稳定的司法规律与经验基础,也为其提供了可持续性的数据基础,可以作为验证定罪意见的支撑。

    (1) 人的“经验性”定罪脱离于司法大数据。传统以人为主导的“经验性”定罪机制,存在“人的不确定性或恣意性”缺陷,预测功能并不理想,往往以“经验估堆”等为主,缺乏统一性、标准化,容易造成量刑失衡等问题。其原因在于,基于人的智力及经验性司法而形成的定罪逻辑,是以“人可以掌握定罪活动”的预设为前提而存在的。但事实证明,人的智能与经验是相对有限的,难以对过往的海量案件进行大规模的分析、总结、归纳,也难以建立“放之四海而皆准”的普适性、标准化规则或原则。对于不断出现的新类案、个案,通过已有做法难以与已决案件实现高度接近的“匹配”,可能降低“同案同判、类案类判”的预期效果,出现“定罪标准”的不统一性、差异性或不公正等问题。

    (2) 司法大数据供给智能预测定罪的可行性与有效性基础。定罪活动在既有司法规律与具体个案之间不断往返。刑事司法中形成的定罪规律,是对新的个案进行定罪预测的首要依据与认识基础。这既是传统定罪的主要司法逻辑,即个体经验性定罪的来源,也是智能预测定罪的核心依据,毕竟实然的定罪标准更值得倚重。司法大数据蕴含的比较优势,与智能预测定罪的司法诉求完全不谋而合。为了充分发挥司法大数据的潜能,必须释放司法大数据的容量、真实客观性以及处理技术的先进优势。通过对海量的司法数据进行智能化处理,可以在既定的先例数据库与待决的新案件之间实现精准识别、归类和匹配,充分发挥实然情境下定罪规律的适法指导意义,超越传统司法模式的不确定性。

    传统定罪与智能定罪都包含预测功能。但司法大数据蕴含“活着的”法律,是法律经验的承载样本,是可以充分发挥人工智能技术的功能并实现司法预测的最佳素材。海量且不断更新的司法大数据使司法预测具有可持续性、稳定性以及可靠性。

    (1) 传统定罪预测模式的数据短板。传统刑事司法活动具有鲜明的“经验式”预测性质。司法人员对每个案件的定罪建议或定罪结论,在方法论上实质就是预测。只是预测的主要依据是司法人员的司法经验与知识积累,主要表现为,司法个体人员或司法集体将过往的定罪实践经验总结并上升为定罪规则、原则层面的内容,用于新出现的个案定罪预测。但传统的“经验式”预测定罪,存在个体认识的局限性、司法实践经验的案件基数有限性、司法经验的个体化色彩偏重、司法经验的集体性与标准统一性偏弱等问题,既无法最大限度固化定罪预测的基本规律,也可能忽略个案之间的差异与“类案类判”的基本精神。这正是传统定罪活动可预测性不足的症结所在。智能预测定罪能显著提高可预测性及其精准性、可靠度、公正性,超越传统定罪的“个体经验性”及其裹挟的各种弊端。

    (2) 智能预测定罪的“数据验证”优势。传统定罪活动由司法人员主导,以理论学说、规范体系为必要前提,主要依赖司法人员的经验性认识、积累进行定罪预测。智能预测定罪以一般定罪理论为前提,优势是通过智能技术“发现”隐藏在司法大数据背后的司法规律、定罪逻辑,与理论定罪逻辑保持高度一致,可实现理论、规范与技术的相互验证。通过揭示司法大数据内在的司法审判逻辑,基于算法对理论学说、法律适用的充分吸收与消化,可以实现更“智能”定罪,消除“个体性经验”的不确定性错误。

    (3) 基于司法大数据的智能预测达致精准功能。预测功能是大数据应用追求的核心价值。通过智能分析司法大数据,可以明显缓和“人预测的不精准性”等问题。融合大数据技术与司法大数据的应用,可以形成强大的预测功能:通过对司法大数据进行大规模、持续性的“回溯性”智能归纳、分析、整理以及类型化处理等,可以提炼出与司法实践相匹配的定罪标准;再根据社会发展形势及时调整,可提高个案定罪标准与定罪预测的公正性和科学性。这降低了定罪预测的主观性和任意性,对量刑标准的科学确立有积极的启示意义。依托司法大数据实现智能辅助预测定罪,能够有针对性地克服传统定罪预测模式的困境,不仅可以提高预测的精准度,还可以实现大规模、集约型、模块化、标准化的精准预测。但是,应当警惕精准预测的技术“陷阱”风险。从应然角度看,得益于司法大数据、算法逻辑、智能预测、逻辑验证等要素组成的操作体系,相比传统定罪的“(个体)经验性”预测,智能预测应当更智能与精准。但算法的形成和完善以大量的数据摄入、训练等为基础,算法决策的基本原理是“以过去的数据预测未来的趋势”。因此,司法大数据内在的有效性、准确性,可决定算法决策和预测的准确性;同时,数据偏见也会影响算法的科学性,引发算法偏见,可能误导案件事实的认定、法律的正确适用,造成司法不公。

    人工智能辅助定罪系统的高效运行,应以证据审查、事实认定、法律适用的智能化运作为前提和支持体系。目前,围绕智能审查证据和智能适用法律的争议不少。尽管如此,在认罪认罚从宽制度正式被《刑事诉讼法》(2018年修正)规定为基本制度后,认罪认罚案件将逐渐成为智能定罪系统主要的办案对象。在认罪认罚案件中,自愿性作为适用前提,使传统定罪问题基本解决或基本无争议,显著降低了传统定罪活动的主导性、法定性、复杂性。基于此,可以优先考虑全面启动人工智能辅助定罪办案系统,对该类案件实现可重复、可复制的流程性、规模性办理。

    《刑事诉讼法》(2018年修正)第15条确立了认罪认罚案件与不认罪认罚案件的立法分流。在认罪认罚案件中,认罪认罚的自愿性是最根本的适用条件。自愿认罪认罚的行为,使侦查工作明显“简化”,也使不认罪认罚案件重点关注定罪问题的司法传统不复存在。在认罪认罚从宽协商诉讼程序中,客观上不存在或基本没有定罪争议。审查起诉阶段的控辩协商是最核心的实施环节,庭审的重点是自愿性审查与量刑建议的公正性。概言之,量刑协商成为新的核心内容。

    相比于不认罪认罚案件,认罪认罚案件的定罪问题具有四个显著特征。其一,犯罪嫌疑人、被告人自愿认罪认罚的,直接解决了“口供”这一核心证据的审查认定难题。既然案件的事实清楚、证据确实充分,且排除了合理怀疑,侦查机关的法定任务实质上(被)完成或被极度简化了。其二,认罪与认罚是一体的,是对犯罪事实、犯罪性质、法律适用及其结果等的综合认可或没有异议。定罪与量刑的司法虽仍然相互独立,但内部分工有所变化。其三,在认罪认罚从宽制度的全面实施阶段,认罪认罚案件在全部案件中所占比重居高不下(80%以上),案多人少的矛盾持续加剧,加上办案期限短等要求,办案人员面临巨大的效率压力。这要求办案机关在不侵蚀正义的底线下,必须提高办案效率,探索高效的量刑建议工作机制。尤其需要借助现代科技手段,对认罪认罚案件进行类型化、模块化、集约化的高效办理。其四,认罪认罚案件主要以轻罪为主,大部分是可能判处三年以下有期徒刑的情形。在证据、事实基本无争议的情况下,定罪主要是“依法确认”,而不再是“逐一严格认定”。大量类型化的“程序确认”定罪活动,具有高度的相似性、类案性、流水化等特征,使认罪认罚案件在定罪问题上具备集约化、统一化、标准化的办理条件。如此办理既可以提高办案效率,同时又不会减损公正。基于认罪认罚案件的以上特征,对其优先试行人工智能辅助定罪系统具有合理性。

    目前,认罪认罚案件适用人工智能辅助量刑系统已成共识,也被广泛实践。据上所述,认罪认罚案件应用人工智能辅助定罪办案系统,也具备独特优势,更容易实现和获得公众的信任。其实施要点主要有三个。

    (1) 自愿性的“形式”复核。自愿性是认罪认罚案件应用人工智能辅助定罪系统的前提。在审查自愿性属实后,人工智能辅助定罪系统可以发挥有限的主观能动性,主要负责“形式”复核,完成规范上的“再确认”。“形式”复核不是流于形式的“确认”,而是通过算法及其建立的知识图谱,对涉及自愿性的要素,建立体系化、层级化的智能提取、匹配与确认机制。只要前端的程序审查依法且可靠,人工智能辅助定罪系统对自愿性要件的“形式”复核便具有合法性与稳定性,并不违反《刑事诉讼法》的规定。

    (2)“精准(程序)确认”定罪是主体内容。基于罪刑法定原则与定罪的一般原理,以认罪认罚的自愿性为前提应用智能定罪系统,传统定罪活动中的“实体认定与程序审查”简化为“程序确认”这一新的工作内容。复杂的实体认定不再是实质的必要阶段,主要是程序认定,通过“程序确认”是否有罪成为办理认罪认罚案件的必经程序与主要内容。在程序正义的前提下,与之相关的证据审查、法律适用等定罪活动可以简化,甚至仅予以复核,即以“确认”为主要方式。关于“程序确认”的任务,要围绕“精准”功能展开,做到“类案确认、同案确认”。既应建立健全认罪认罚案件的数据库,总结过往的定罪经验与规律,夯实“预测”的数据基础,也应建立科学的知识图谱、知识模型与确认步骤,赋予“程序确认”必要的实质内容与实施要素,保障办理认罪认罚案件中“定罪确认”活动的程序合法。

    (3) 建立类案智能辅助(预测)定罪办案机制。在认罪认罚案件中,根据所侵犯的法益或犯罪类型等不同要素,可以且有必要建立更精细化的类案(检索)制度,进一步强化认罪认罚案件的类型化、规模化以及结构化、流程化办案要素。建立与完善类案数据库,有助于更充分、立体地挖掘类案中的定罪规律与司法经验,进而养成类型化、精细化的司法参照体系。对具有相似定罪问题的案件,可以实施规模化、集约化、可复制、可重复性的预测,并确保意见的精准性、可靠性与高效性。

    《关于加强新时代法学教育和法学理论研究的意见》要求,优化法学学科体系,加快发展科技法学、数字法学等新兴学科。人工智能与刑事司法的全面、深度融通是当下的趋势,对“人工智能刑法学”的畅想是有依据和意义的前沿探索。需稀释浪漫主义与虚无主义的两个极端,推动人工智能刑法理论研究趋于理性与可行。这以必要的学术“想象力”为前提。实际上,人工智能技术的法律应用正处于前所未有的政策红利期,最高司法机关也积极推动部署各项工作。刑事司法智能化改革已经势不可挡,这是当代刑事法律体系必须面对的现实挑战。即使是传统刑法知识体系中最为坚固与保守的定罪领域,也已经出现了一系列松动的探索迹象。这显现了人工智能辅助定罪的可观前景。然而,对于人工智能辅助定罪的全新议题,目前理论上缺乏必要的关切,更遑论理性的认识与研判。因此,进行前瞻性的研究颇具意义。《在线诉讼规则》《在线运行规则》《意见》相继实施,也宣告了刑事司法智能化改革走向深水区。对迅猛发展的人工智能辅助定罪活动,应从技术与法律的双重维度进行全方位的审视与评估。既要澄清因不同知识体系交互而产生的冲突、不适及其应对之道,也要更具前瞻性地厘清理论发展的脉络与方向,还应从实施层面提升应用的合理性与实效。只有不惧怕、不排斥人工智能辅助定罪的挑战,才能更好地营造知识创新的前景。以认罪认罚案件作为试验样本,可以检验人工智能辅助定罪的技术指标、数据支持等,也推动了相关理论的发展。此外,目前我国已进入轻罪时代和网络犯罪高发阶段,轻罪案件与网络犯罪案件占比升高,二者也可作为优先试行人工智能辅助定罪系统的犯罪类型。

    ① 刘艳红:《人工智能技术在智慧法院建设中实践运用与前景展望》,《比较法研究》2022年第1期。

    ② 孙道萃:《人工智能辅助量刑的实践回视与理论供给》,《学术界》2023年第3期。

    ③ 李忠好、姜浩:《安徽研发类案指引项目并试用》,《人民法院报》2016年6月21日,第1版。

    ④ 罗书臻:《周强:认真学习贯彻党的十九大精神深入推进智慧法院建设》,《人民法院报》2018年1月6日,第1版。

    ⑤ 贵州省高级人民法院:《探索“类案类判”机制确保法律适用统一》,《人民法院报》2018年1月26日,第4版。

    ⑥ 崔亚东:《司法科技梦:上海刑事案件智能辅助办案系统的实践与思考》,《人民法治》2018年第18期。

    ⑦ 罗书臻:《挖掘“富矿” “反哺”审判——运用裁判文书大数据促进司法公正的地方经验》,《人民法院报》2017年9月1日,第1版。

    ⑧ 刘克勤、孟焕良、徐琦:《AI法官助理开启智能审判新模式》,《浙江人大》2019年第11期。

    ⑨ 彭波:《贵州:大数据点亮“智慧检务”》,《人民日报》2017年5月31日,第19版。

    ⑩ 金鸿浩:《智慧检务理论体系的建构探索》,《检察风云》2020年第12期。

    ⑪ 杨帆、金鸿浩:《统一业务应用系统2.0版试点倒计时助力履职能力现代化》,《检察日报》2019年12月10日,第1版。

    ⑫ 戴佳:《检察业务应用步入2.0时代》,《检察日报》2020年1月4日,第1版。

    ⑬ 樊崇义:《关于认罪认罚中量刑建议的几个问题》,《检察日报》2019年7月15日,第2版。

    ⑭ 杨健鸿、杨阳洋:《既各司其职又密切协作》,《检察日报》2020年9月25日,第1版;卢金增、封小萃:《山东潍坊潍城区:大数据助力定罪量刑量刑建议被全部采纳》,《检察日报》2021年3月19日,第1版;章宁旦、李诗涵:《清远清新检察以“数治”提升法律监督质效》,《法治日报》2023年4月26日,第2版。

    ⑮ 卞建林:《人工智能时代我国刑事诉讼制度的机遇与挑战》,《江淮论坛》2020年第4期。

    ⑯ 潘庸鲁:《人工智能介入司法领域的价值与定位》,《探索与争鸣》2017年第10期。

    ⑰ 李训虎:《刑事司法人工智能的包容性规制》,《中国社会科学》2021年第2期。

    ⑱ 孙道萃:《我国刑事司法智能化的知识解构与应对逻辑》,《当代法学》2019年第3期。

    ⑲ 黄京平:《刑事司法人工智能的负面清单》,《探索与争鸣》2017年第10期。

    ⑳ 孙道萃:《人工智能辅助精准预测量刑的中国境遇——以认罪认罚案件为适用场域》,《暨南学报(哲学社会科学版)》2020年第12期。

    ㉑ 蔡长春:《大数据助办案提效确保司法公正》,《法制日报》2017年7月12日,第1版。

    ㉒ 严剑漪:《揭秘“206”:法院未来的人工智能图景——上海刑事案件智能辅助办案系统164天研发实录》,《人民法治》2018年第2期。

    ㉓ 胡铭、张传玺:《人工智能裁判与审判中心主义的冲突及其消解》,《东南学术》2020年第1期。

    ㉔ 王聪:《“共同善”维度下的算法规制》,《法学》2019年第12期。

    ㉕ 孙道萃、王晓杰:《刑法面向人工智能的理论应答》,《学术交流》2022年第12期。

    ㉖ 季卫东:《人工智能时代的法律议论》,《法学研究》2019年第6期。

    ㉗ 王治国、徐盈雁、闫晶晶:《司改要敢于啃下硬骨头——专家学者建言检察机关深化司法体制改革》,《检察日报》2017年7月22日,第1版。

    ㉘ 董坤:《证据标准:内涵重释与路径展望》,《当代法学》2020年第1期。

    ㉙ 陈琨:《类案推送嵌入“智慧法院”办案场景的原理和路径》,《中国应用法学》2018年第4期。

    ㉚ 左卫民:《如何通过人工智能实现类案类判》,《中国法律评论》2018年第2期。

    ㉛ 孙道萃:《人工智能刑法主体地位的积极论——兼与消极论的答谈》,《重庆大学学报(社会科学版)》2022年第4期。

    ㉜ 周洪波:《论定罪的原则》,《首都师范大学学报(社会科学版)》2002年第2期。

    ㉝ 陈兴良:《定罪之研究》,《河南省政法管理干部学院学报》2000年第1期。

    ㉞ 李洁、王志远:《公正定罪实现论纲》,《吉林大学社会科学学报》2006年第3期。

    ㉟ 李飞:《人工智能与司法的裁判及解释》,《法律科学(西北政法大学学报)》2018年第5期。

    ㊱ 左卫民:《关于法律人工智能在中国运用前景的若干思考》,《清华法学》2018年第2期。

    ㊲ 孙道萃:《刑事责任的司法“隐身”与消解》,《学术界》2024年第1期。

    ㊳ 孙道萃:《人工智能犯罪的知识解构与刑法应对》,《青少年犯罪问题》2023年第2期。

    ㊴ 郑军男:《论定罪中的“主客观相统一原则”——解读刑法理论中的主观主义与客观主义》,《法制与社会发展》2005年第4期。

    ㊵ 崔亚东:《司法科技梦:上海刑事案件智能辅助办案系统的实践与思考》,《人民法治》2018年第18期。

    ㊶ 雷震文:《算法偏见对“智慧司法”的影响及其防范》,《法制日报》2017年12月27日,第11版。

    ㊷ 张吉豫:《大数据时代中国司法面临的主要挑战与机遇——兼论大数据时代司法对法学研究及人才培养的需求》,《法制与社会发展》2016年第6期。

    ㊸ 熊秋红:《人工智能在刑事证明中的应用》,《当代法学》2020年第3期。

    ㊹ 孙道萃:《认罪认罚从宽诉讼程序的独立建构》,《南京师大学报(社会科学版)》2022年第6期。

    ㊺ 孙道萃:《认罪认罚从宽制度的再完善:以轻微犯罪治理为场域》,《内蒙古社会科学》2024年第2期。

    ㊻ 孙道萃:《人工智能的刑法立法:场域与演绎》,《数字法治》2023年第3期。

    ㊼ 孙道萃:《人工智能刑法研究的反思与理论迭进》,《学术界》2021年第12期。

  • 期刊类型引用(4)

    1. 罗娟,张邦铺. 数据治理、人工智能安全监管与法治保障——四川省法学会人工智能与大数据法治研究会2024年年会综述. 西华大学学报(哲学社会科学版). 2025(02): 30-36 . 百度学术
    2. 尹华,吴梓浩,柳婷婷,张佳佳,高子千. 法律案件要素识别混合专家大模型. 计算机科学与探索. 2024(12): 3260-3271 . 百度学术
    3. 孙道萃. 网络安全客体的刑法理论展开. 学术交流. 2024(11): 66-80 . 百度学术
    4. 蔡绍刚. 积极探索人工智能辅助执法办案 努力实现更高水平数字正义. 数字法治. 2024(06): 1-8 . 百度学术

    其他类型引用(0)

计量
  • 文章访问数:  46
  • HTML全文浏览量:  66
  • PDF下载量:  43
  • 被引次数: 4
出版历程
  • 收稿日期:  2023-10-03
  • 网络出版日期:  2024-05-14
  • 刊出日期:  2024-03-24

目录

/

返回文章
返回