文 | 中南财经政法大学刑事司法学院博士研究生、广西壮族自治区桂林市中级人民法院 容艳
2017年7月20日，国务院发布《新一代人工智能发展规划》（以下简称《规划》），提出了面向2030年我国新一代人工智能发展的指导思想、战略目标、重点任务和保障措施，正式拉开我国人工智能战略部署的序幕。随后，国家又陆续出台一系列重要文件，对人工智能在未来十余年涉及的各领域的发展目标作出规划，要求全国上下抓住人工智能发展的重大机遇。当然，司法审判领域也不例外。
“法律人工智能”（Artificial lIntelligence and Law)属于人工智能的子领域，其主要目标是让法律和法律推理变得可计算。法律人工智能涉及的领域包括法律推理、司法裁量系统、专家系统、信息检索、法律知识与概念分析、规则制定与修订、证据分析等。在《规划》里，国务院提出要建立“智慧法庭”，即“建立集审判、人员、数据应用、司法公开和动态监控于一体的智慧法庭数据平台，促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用，实现法院审判体系和审判能力智能化”。在此背景下，各地开始在司法实践中进行人工智能的有利探索。例如，上海市开发的“206”刑事案件智能辅助办案系统，将法定的统一证据标准嵌入公、检、法三机关的数据化刑事办案系统中，力图从统一证据标准、制定证据规则、构建证据模型三方面入手，让机器来学习人类的法律思维，从而实现证据标准的统一。
由此看来，人工智能在技术上不断实现新的突破，与审判领域的结合初见成效。但是，人工智能能够在多大程度、何种范围内运用于证据分析判断，必须首先解决原理性问题。否则，就可能使人工智能与刑事司法的结合出现偏差，导致荒谬的结果，甚至直接发生失误或错误，即司法实践领域的错案。因此，本文就人工智能用于审判中证据分析的可行性原理、具体应用的诉讼阶段及其将面临的难题等进行探讨，并在此基础上提出实践策略，以尝试为人工智能在刑事司法审判证据分析中的运用提供一些理论参考。
人工智能用于刑事审判证据审查的
可行性分析
依案件涉及法律关系的复杂程度，人工智能嵌入刑事审判的运作逻辑可分为浅层结构和深层结构。浅层结构一般适用于事实清楚、案情简单、证据较少的案件，直接沿“事实”至“法律”的路径展开。其裁判方式类似于“条件”至“结果”的算法运作结构，即根据某一事实是否符合某一法律规定，作出相应的裁判。基于此，人工智能的法律建模通过审判逻辑得出，即将既定的法律文本运用符号学知识编入程序，运用关键词提取、法条自动匹配、类案系统等技术对证据进行分析认定。
与浅层结构相对的是深层结构，用于证据种类和数量较多的复杂案件中。目前，由于人工智能处于“弱人工智能”时代，故深层结构也只限于智慧审判中“最大合理性”框架的建模，即运用人工智能的自我学习系统对大数据进行汇总、分析，通过参数的调整提高证据分析的可靠性。
（一）人工智能对证据规格的审查
针对常设罪名的证据制定有针对性的证据标准和规则指引，并在此基础上构建证据模型，实现单一证据的自动校验。同时，对关键证据进行定位，抽取关键信息点，从而对证据链条的完整性进行判断。仍以上海“206”刑事案件智能辅助办案系统为例，该系统覆盖71个罪名，能将待证事实与现有证据进行智能比对，从而提示证据的实际情况，进行证据的合规性判断。
（二）辅助庭审智能示证
在庭审活动中，人工智能基本实现了音字转换，根据控、辩、审三方的语言指令，自动从预先储存的全案证据中抓取出与提问内容相关的信息，跟随庭审节奏进行示证。智能语音技术与证据链审查功能的结合，实现了示证中的人机语言转录，在法官与人工智能的协作中，达成阅卷与审查的零误差。无纸化示证、质证不仅减少了纸质卷宗查阅的不便，还节约了司法资源，提高了诉讼效率。例如，广西壮族自治区桂林市中级人民法院的讯飞智能语音识别技术，基本实现控辩双方语音同步转录。虽然该项技术目前尚不能完全覆盖证据规则，但随着数据建模的完善和机器学习能力的提升，智能示证将更全面和精确地参与到证据分析判断的程序中来。
（三）为类案检索提供证据认定思路
人工智能辅助司法审判不是传统意义上的“关键词”检索，而是在深度学习的基础上，对案件事实要素进行自动抓取，并从案例数据库中对类案的证据认定模式进行比对，找到最相近的案件向法官推送。比如，智能辅助系统对刑事案件的犯罪主体特征、犯罪行为、犯罪对象等要素进行标注，而后通过深度神经网络，自动抽取与案件相关的法律适用规则及类案指导，用于涉案证据的判断分析。甚至可将数据库中的学术论著、调研报告进行结构化分解，将类似要素的主要证据适用方法与案件对接，为法官的裁判提供证据分析路径。
人工智能在刑事审判证据审查中的
运用限缩
目前，运用于证据审查的人工智能，主要是基于数理逻辑的智能识别算法，即通过人工输入、机器学习、大数据技术，将某类案件的证据要求转化为数学模型，再将这种模型嵌入办案辅助系统，从而实现对证据有无及完整性的审查。
笔者认为，人工智能在刑事审判中对证据判断需要秉承辅助性原则，这是算法和思维之间不同质的特性所致。尽管在证据审查判断中，涉及数学计算、逻辑思维等人工智能擅长的一部分，但更多的是形象思维和法律方法。而对单个证据证明能力的判断，对证据证明力大小的权衡，对全案证据的证明标准、证明责任的分配与倒置的判断等，都需依赖人类感官来进行复杂的判断，是现阶段的人工智能尚无法企及的。
为拉近人工智能和人脑的距离，专家们正在通过模糊数学、概率方法、可信度推理等途径研究人工智能的不确定性问题。在未取得实质性突破之前，人工智能在司法审判中的运用只能持有限性原则。否则，过度依赖人工智能，必然会产生所谓的“错误”。同时，应承认对结果的可反驳性，即人工智能对证据的判断结果不是“绝对精准”的，须经人类思维检验和校正；若异议成立，是可被反驳和废止的。
人工智能证据辅助系统的限缩性，体现在对证据规格而非证明标准的审查上。证据规格是指按照构建完整证据链条要求所必须收集的证据，也即定罪量刑所必须收集的证据，其侧重于从证据数量及形式等外部标准进行要求。而证明标准是在证据规格的基础上，法官对证据是否达到法定要求，即证据是否具备确实充分的主客观统一性作出判断。对证据规格的审查主要适用于庭前阶段。该阶段的主要任务是确定案件争议焦点并进行程序性审查，并不涉及庭审阶段的实体事实认定问题。人工智能通过大数据及自我学习，实现对证据规格的判断，帮助法官判断证据是否收集全面。同时，智能分析证据之间的关联，发现矛盾，排除虚假证据，甄别虚假诉讼。
人工智能在刑事审判证据审查中的
运用难题
“以审判为中心”，最主要的在于强调庭审实质化，即法官的心证来自于庭审过程中对案件事实的查实，在诉辩双方或当事人的诉辩过程中，通过直接言词方式进行事实证据的调查。从目前人工智能发展的现状看，完全通过人工智能进行证明标准的判断是不现实的，因为有如下难题尚无法逾越：
（一）人类经验的庞杂性
“法律的生命在于经验”。生活经验法则在审判中的作用非常重要，而经验的特性导致其并不能被人工智能的算法进行完全归纳。比如，经验的知识库会随着社会的多元和分层、不同主体年龄层次及生活背景、时间和地点的迁移而不断变化，不可能被完全固化，且数量无穷。又因为在证据判断的过程中，较难辨别经验的真伪，如各种偏见、种族歧视或性别呆板印象都可能伪装成经验。在现阶段，人工智能无法将人类运用于审判中的经验全部植入计算机系统或对该经验进行模拟，而技术意义上经验的有限性与生活经验的无限性之间存在距离。目前，第三方商业平台收集的也只是用户个人的浏览页面、访问习惯等简单数据，而司法审判所需要的，综合人文、历史、地理、国家、价值观、习惯等因素的混合经验，都是人工智能学习能力无法达到的。
（二）非理性思维的存在
在对刑事案件的证据进行分析判断时，理性思维的运用固然非常重要，但非理性思维同样必不可少。非理性思维是人类特有的，经过长期的社会实践和认知活动形成的一种在一刹那就能够将现象和本质、个别和一般、部分和整体等认知素材相互统一起来的创造能力。非理性思维包括但不限于直觉、灵感、想象力。人工智能虽可分为主要借用经典数学模型的行为智能和表现人类思维过程的思维智能，但即便是后者与人类智能相比，也仍是远远不够的。因为在对证据进行分析判断的过程中，如若不能完全确定证据的真实性、关联性、合法性，需用数学算法或数理模型解决非理性思维的问题时，人工智能几乎是无能为力的。比如，根据言词证据对案发经过进行重现，并判断其中的不合理之处，便需要用到人工智能难以模拟的人类形象思维。
（三）刑事证明标准与算法论证标准的差异
《中华人民共和国刑事诉讼法》确定的证明标准是“犯罪事实清楚，证据确实、充分”。前半句指的是，裁判者对于有关定罪量刑的事实已经查清。“证据确实”是对证据提出的质的方面的要求，要求据以定案的证据必须具有证明力。“证据充分”则是对证据量上的要求，指案件事实需有足够的证据加以证明。这是一种客观化的证明标准，即裁判者在认定某一案件事实是否成立时，只需达到某一外在的证明要求，至于举证上需要多大程度达到裁判者的内心确信要求，则不作明确规定，归于裁判者的心证。最高人民法院、最高人民检察院、公安部、国家安全部和司法部联合发布，并于2010年7月1日起施行的《关于办理死刑案件审查判断证据若干问题的规定》中，首次提出了“排除一切合理怀疑”的主观标准。主观证明标准的引入，一定程度上有助于克服原有证明标准过于理想化、客观化的不足。刑事案件证明标准中，主客观因素相互制约，保障司法裁判的独立性和正当性。
人工智能的算法论证是将某一种运作过程固化并进行程序化的智能设计的过程。作为证据审查的工具，算法对于证明标准问题存在明显的不适应性。人工智能通过对既判参考案例的深度学习，可以在数字量化方面做到客观评价，但对实体定性的证明标准无法回应。以故意杀人罪为例，故意包括直接故意和间接故意，间接故意不仅涉及行为人对危害程度和主观过错的判断，还涉及一些免责事由，如正当防卫与紧急避险。这些需要依靠人的生活常识、主观认识等个人因素，以及社会政策、舆论影响、民众接受程度等外部环境因素综合考量，社会关注度较高的“于欢案”“昆山龙哥反杀案”即是如此。又如“排除一切合理怀疑”原则，在具体证明关系中涉及的程度问题，人工智能算法较难实现这种需要人类感官体会的标尺化裁判标准。
因此，尽管在逻辑领域的某些问题上，计算机已能够超过人脑，但作为计算表现形式的算法不可能实现审判所需的人类思维，其具有现阶段尚无法逾越的局限性。
人工智能在刑事审判证据审查中的
运用策略
（一）树立合理化评价思想
从生物学上看，人的感觉一般是嵌套混合的，是一种在刺激下的无意识感知。法官必须亲历案件审理的全过程，在回溯案件事实的基础上作出判断，这样才能保证法官在每个案件中做出个性化的决定，实现心证影响下的司法正义。人工智能的深度学习能力确实在一定程度上可以实现证据的分析指引，但如果要涉及法律效果以外的社会效果、政治效果的综合考虑时，就需要把握人工智能介入的尺度，正确处理智能辅助与法官自由裁量权的关系。特别是在涉及生杀予夺的刑事案件领域，更需要向法官充分提示人工智能的潜在风险，明确规定辅助系统的提示预警、评估报告等数据不能作为定罪量刑的唯一标准，使法官对智能系统的准确性保持一种存疑态度，从而综合运用裁判论证，如法律推理、政策参考、价值判断等多种方法作出判断。
（二）加强可视化论证，避免“黑箱效应”
算法和数据的封闭性（不公开性）带来了“黑箱效应”。赋予人工智能辅助系统算法过程的可视化，在从机器语言转成可理解的自然语言过程中，不仅直接给出机器判断结论，并附有论证功能，即说明哪些证据或当事人推理存在合理怀疑或前后不一致的情况，为何该案未达到证明标准，给法官的裁判提供思路清晰、理由充分的依据。法律语境下的可视化论证，是一个知识更新和开放的过程，在可视化论证中不断产生和修正司法判断，得出正确的司法决策。这既增强了司法判决的可接受度，又利于法律论证推理的优化。比如，对于某些社会关注度高的疑难复杂案件，必要情况下，法院有权披露相关智能分析工具算法的代码；对法院网络系统或移动终端，应以开放交互的方式保存对争议焦点、主要事实、证据论证模型的分析结果，并从逻辑、论辩和修辞等视角多方位进行展示，供社会评价。
（三）利用比例原则切分人工智能司法运作阶段
法官应依据诉讼前、诉讼中（细分为庭前、庭审、庭后阶段）案件的难易程度、证据种类及数量、是否涉及价值判断等因素将案件进行分类，通过控制人工智能介入证据分析的程度，坚持效率与公平并举，做到提高审判效率与警惕技术异化的统一。比如，利用智能审判系统，将案件事实转化为可替换、梯度性数据的计算参数；建立法官和智能系统的“二次审核”证据分析机制，人机实现交叉检验，避免算法偏差。
结语
在中国司法系统第四次科技革命的浪潮扑面而来之时，本文要探讨的重点当然不是在审判中人工智能与法官的地位谁主谁辅的问题，而是如何运用传统的人类智慧和新型的智能技术，实现数字时代的司法正义问题。而证据的分析判断是法官在法律规制下，运用自由裁量权的关键技术和艺术。因此，我们应充分认识人工智能辅助司法证据分析系统中人机的协同关系，理清人工智能的利与弊、优越性与有限性，进一步探索司法裁判演绎思维逻辑与机器算法的融合运用。
本期封面及目录
