預測算法在我國刑事司法程序中的運用與規制

進入新世紀，尤其是2010 年之后，隨著人工智能、大數據時代的快速到來，以大數據為算料的預測算法應用在我們的日常生活中無處不在，而刑事司法領域也不能在算法運用的大潮中“獨善其身”。 目前，預測算法的司法應用主要集中于司法資源的有效分配、潛在危險個體的預警通報、法官的量刑建議與指導等方面

。 刑事司法領域更是由算法技術衍生出了諸如COMPAS

分析預測工具和智能輔助系統

等一系列應用。 盡管如此，算法技術依舊存在諸多爭議，算法黑箱、算法歧視、系統性偏差等問題仍是其目前難以逾越的鴻溝

。 一方面，人們對預測算法的質疑態度、傳統刑事司法模式與數字時代算法技術對接難題以及數據孤島等因素都會阻礙預測算法在刑事司法領域的實際應用，另一方面，隨著人工智能的快速發展，預測算法在刑事司法領域又被期待和賦予了更多的可能性，基于刑事領域的特殊性，算法在此領域的應用理應被投以特別關注。 因此，本文擬分析預測算法在我國刑事司法領域中應用的阻力與痛點，并嘗試提出解決路徑來權衡技術理性與價值理性的天平，協調激勵發展與合理監管的目標。

2.2 分組患者HEART、MEWS評分比較 急診住院者HEART評分及MEWS評分均顯著高于留院觀察者（P＜0.05）；30 d死亡患者 HEART和 MEWS評分分值均較急診住院患者有進一步增高，且兩者分別與存活者比較，差異有統計學意義（P＜0.05）。見表1。

一、預測算法技術在我國刑事司法領域的興起與困境

2016 年是我國的“智慧法院”元年，也是預測算法技術在司法領域運用從構思到落地的重要開端。 2016 年1 月29 日，最高人民法院院長周強在全國法院信息化建設工作會議上首次提出了建設“智慧法院”的新概念。 迎合目前人工智能發展的大趨勢，將5G、大數據、預測算法、區塊鏈等技術融入司法審判，力圖構建智能化、高效化、科學化、公平化、現代化的司法審判體系。 同年7 月，中共中央、國務院辦公廳印發了《國家信息化發展戰略綱要》，提出“科技強檢”，推進檢察工作現代化，并將建設“智慧法院”作為國家信息化發展的重要一環，提高案件受理、審判、執行、監督等各環節智能化水平，推動司法信息公開，保障司法公平正義。 同年11 月的《烏鎮共識》再次明確了“智慧法院”建設的基本宗旨，即將算法技術、司法大數據分析技術、5G技術目標列為司法智能化建設的重要通路。2017 年5 月，全國首個“刑事案件智能輔助辦案系統”在上海誕生，該系統以大數據、預測算法和人工智能為技術內核，具備初步的證據信息抓取、校驗和邏輯分析能力，標志著中國首個預測算法技術在刑事司法領域落地應用。 2022 年3月起正式實施的《互聯網信息服務算法推薦管理規定》，在廣義上對算法歧視、算法黑箱、算法壁壘等問題進行了規范，將道德與法治相結合，既為算法的運用構筑了道德底線，也為算法的實踐設立了法律紅線。 雖然起步較晚，但龐大的運用基數和不斷完善的算法設施基礎建設正在使中國逐步成為算法應用超級大國

。

雖然目前我國的預測算法應用已經粗具規模， 但是其在刑事司法領域的推行依舊阻礙重重。 首先，來源于一種對預測算法的質疑：算法能否取代人類對司法程序進行決定與裁判？ 即便我們能夠證明刑事司法系統中的預測算法能夠產生比人類判斷更公平、 有效和準確的決斷，我們也習慣且傾向于相信這些自然人決策者，并且在很大程度上接受他們決策的合法性。反對預測算法介入刑事司法程序的人指出：盡管沒有任何預測算法會直接將犯罪前科、性別、職業、經濟狀況等作為決策的因素，但在決策和判斷中，使用預測算法仍然可能存在預先的偏差與歧視。 由于許多預測算法依賴于先前的逮捕、定罪或其他前科作為預測未來犯罪活動的一個因素，算法無形中將這種間接性差異永久化，其創造了一種虛幻的“技術科層框架”，即誰是危險的，誰應該受到更大的懲罰

。 我們已經看到預測算法有可能徹底改變刑事司法系統，但他們必須盡量減少其使用數據的歧視所造成的影響，這將需要更大的透明度，以便警察、檢察官、法官等司法決策者能夠評估算法是否符合這些標準

。 但是，即使預測算法克服了這些

《殘疾人康復服務“十三五”實施方案》中指出到2020年，有需求的殘疾兒童和持證殘疾人接受基本康復服務的比例達80%以上。為實現這一目標，提出了“實施殘疾人精準康復服務、提升殘疾人康復服務專業化水平”等措施。同時提出“加強康復醫院、康復醫學科規范化建設”。在《殘疾人精準康復服務行動實施方案》中也指出為每個社區(村)配備一名社區康復協調員，與社區(村)醫生共同組成殘疾人精準康復服務小組。可見，康復醫學將在當前推進殘疾人小康進程中發揮著不可替代的作用，在基層康復服務實踐其重要意義也不可或缺。

在程序正義領域，信賴可以通過兩種方式建立。 第一種方式是：參與者可以感受到與決策者的個人聯系。 例如，參與者可能認為決策者與參與者來自同一個群體。 第二種方式是：決策者能夠清晰透徹地解釋自己的決策。 大數據算法很少會依靠個人連接來獲得可信度，因為大多數被告不會感覺到與計算機程序有任何親緣關系。 因此，想要實現算法體系的程序正義，必須使被告能夠理解推算原理并支持預測算法。 與人際尊重因素一樣，對于預測算法來說，這個因素比人類決策者更難實現。“心理理論”（theory of mind）的概念

揭示了人類如何理解心理狀態，從而理解他人的決定和行為。 因此，只有當刑事被告理解并證明算法達到了它的決定時，它才會顯得可信。 這將意味著人類決策者需要向被告解釋算法背后的推理，這反過來意味著人類決策者必須能夠理解算法是如何工作的。 因此，與人際尊重和中立因素一樣，算法的更大透明度對于確保被告相信程序是公平的至關重要。

二、預測算法應用困境疏解的價值遵從

本文重點研究了社會福利政策質量標準、社會福利政策質量評價的原則及其評價體系建設，但筆者認為對于保證社會福利政策質量來說，這只是技術問題，如何將這些技術真正能夠服務于提高社會福利政策質量，更重要的是實現社會福利政策質量評價的制度化，這是有效地進行政策評價的保障。

（一）堅守尊重與可信賴之底線

數據算料作為預測算法刑事司法運用的基礎性元素， 對于預測算法的應用與普及起著根本性的支撐作用。 預測算法應用效果的好壞、分析研判結果的正確與否、偵控審各個環節的智能化開展都是與基礎數據算料安全密切相關。 因此，保障數據算料安全是預測算法決策與運用的前提。 隨著以大數據為基礎的算法方式不斷普及，相對應的數據安全問題所帶來的風險也會與日俱增。 如果基于錯誤或是被篡改的數據進行算法分析，在刑事司法領域，很可能會造成嚴重的司法事故，延伸到智慧醫療、自動駕駛等民生領域，則會對人的生命安全造成重大威脅。 因此，推廣預測算法在刑事司法中運用的首要任務就是針對數據的源頭收集、過濾篩查、分門別類、應用落地、后期維護做好扁平化鏈條式的監管與保護，可以仿效區塊鏈技術，對基礎數據進行可溯源、不可篡改、條條上鏈的優化與改造。 與《數據安全法》《個人信息保護法》《網絡安全法》相對接，保證數據收集、篩選、使用過程的透明度，將“公開”與“必要”“有限”原則相融合的基本宗旨貫徹始終。 對于數據的生成流程改造要求大致如此，但是不可忽視的是在自然人的操控環節同樣要受到重視，通過上文美國COMPAS 對于黑人與白人犯罪率的差異化分析，可以看到，算法歧視的根源來自人的歧視，在這種歧視之下就會扭曲篡改數據算料的原本樣態，給別有用心之人以可乘之機，那么此時無論是數據還是算法都將變得不再客觀。 因此，更應該防范在數據采集與抓取過程中人的過錯風險，防范本應客觀的數據源頭被不該有的主觀價值偏好所污染。 “智慧司法”也好，“互聯網法院”也好，大數據算法無論怎樣應用都是離不開人的基礎性作用和專業的剛性隊伍建設

。

技術問題，它們仍將面臨最后一個挑戰：它們是否會被接受為刑事司法系統的合法決策者，或者它們的運用是否會破壞程序正義？ 如果預測算法的支持者希望看到這些程序被法院和執法機構廣泛采用，他們必須做的不僅僅是提高其公平性和透明度。 他們還必須使普通民眾，甚至是受這些算法影響的被告去接受司法刑事系統算法應用的合法性。 其次，我國傳統的刑法規制模式與現代智能化的算法技術對接難題，傳統的刑法規制模式在面對現代智能化社會層出不窮的“新型”犯罪時顯現出了明顯的僵硬和滯后性，以新型網絡犯罪為例：舊有的刑事司法模式針對傳統的網絡犯罪治理已經顯得捉襟見肘，那種“頭痛醫頭，腳痛醫腳”的治理模式使得其在面對“日新月異”的犯罪時疲于奔命，處理犯罪的方式往往都是采取亡羊補牢的“補救模式”，先出問題，再想辦法治理，理想化的“預防模式”遠遠沒有達到。 而在面對被人工智能、大數據、算法催生強化后的“網絡犯罪2.0”時，舊有的刑事司法模式更是對其“聞所未聞，見所未見”，這就很難對“數字時代”的新型犯罪進行及時有效的治理。 相較于傳統的刑事司法手段，經過人工智能與算法技術賦能加強的刑事司法程序在技術層面擁有了更科學的信息抓取與分析方式和更強大的數據篩查與運算能力。 當技術不斷革新，手段不斷豐富的同時，就難免出現舊有的刑事司法程序與之脫節的情況。 我國目前“智慧司法”推行相對較好僅有浙江、上海、北京等幾個經濟相對發達的省市，而這些省市對于算法技術也僅僅是處于一種探索和局部應用的階段，沒有與舊有的刑事司法程序形成有效完整的對接體系

。 其余省份的“智慧司法”，大多數僅是將紙質辦公升級為網上辦公而已。 因此，想改變舊有的刑事司法程序與模式更需要強大的耐心與必要的時間，二者的磨合與適應注定是一個無法省略的過程。 當我國的智慧法院、人工智能、預測算法在短短幾年間不斷從1.0 升級到2.0，從2.0 升級到3.0 時，傳統的公安偵查模式、檢察公訴模式與法院審判模式想要追趕并與之對接就需要更長的時間和更多的精力來進行適應與彌合。最后，數據孤島現象嚴重。各地區、各部門、各環節的算法應用呈現點狀碎片化分布，與智能互聯的構想相比，我國的預測算法在刑事司法中的運用并沒有形成系統網絡，超前的制度設計與系統化的全面實施還有相當距離

。縱觀我國近些年的數據預算法在司法領域的實踐與應用，無論是吉林法院的“智能司法服務平臺”，還是四川成都中院創建的“‘和合智解’多元化解紛平臺”，抑或是天津法院“審判信息化平臺”都僅是停留在較為粗淺的技術層面，并且這些平臺、模塊、技術都是停留在辦案的具體某個局部環節，或訴種分類，或所前調解，或案后執行，非常零散，遠遠沒有達到“智能化，全覆蓋”的深層次構想要求。 案件的“智能化”運用還處于對數據的收集和簡單分類階段，沒有將更具實效的分析結果系統全覆蓋地應用， 程序與應用之間的數據大多數情況下是不能進行互通的，“各自為政”現象嚴重，這就造成了數據孤島與數據浪費，進而導致算法技術的異化。 誠然，大數據預測算法的系統化應用可以提高司法效率，但是如果各個系統與環節達不到統一，各種程序與應用之間沒有固定標準，各類數據與算法運用無法系統互聯，那么這種冗余、重復、孤立的數據算法“智能化”反而會對正常的刑事司法程序運行造成不必要的阻礙。

（二）堅持算法中立

基于技術理性與價值理性相平衡的目標，激勵發展與合理監管相協調的追求，刑事司法程序中的算法運用更應該堅守法律紅線，釋放技術紅利。 根據我國《新一代人工智能發展規劃》提出的技術問責與應用監督并舉的要求，結合算法技術的實際發展與運用，實行全面化覆蓋、系統性嵌套與及時性革新。

在式(5)兩邊同時乘以QH，由于正定矩陣具有保范性，因此，當Nt ≤ Nr時，經典球形譯碼檢測可以轉換為Tx-SD，其描述如下：

如前所述，實現真正中立決策的唯一方法是從預測算法中刪除各種“標簽”，或從人類決策者中刪除所有隱含的偏見。 但前者一定比后者容易，因為從理論上講，算法可以被編程來消除任何先前種族歧視所帶來的因素。例如，假設一項研究表明，黑人居民和白人居民犯下某種類型的罪行的頻率相同，但由于制度上的不公平，黑人居民更有可能被判有罪。 因此，如果使用未經調整的先前定罪數字，黑人被告的累犯率將不準確（不公平）地高于白人。 一旦這一事實被證實，程序員就可以改變他們的算法來消除先前存在的不公平，對黑人被告來說，通過適當的數量來減少這一罪行的先前定罪的數量，或者對白人被告來說，通過適當的數量來增加先前定罪的數量。這種調整可以針對記錄了過去種族偏見的所有因素進行，并可以納入各級決策過程，從確定逮捕的原因到選擇量刑幅度，再到形成適當的判決。 即使我們可以相信每一位人類法官都知道這些先前存在的種族偏見的例子，即使我們可以相信每一位法官都會同情適當調整裁判的必要性，但任何人都不可能考慮到所有這些潛在的折扣，只有預測算法才能有效地做到這一點

。因此，如果它們被設計得適當，預測算法至少有可能實現比人類更優的中立性。

3.3 發枝促花劑對幼樹骨干枝側芽萌發及新梢類型的影響 從表3看出，處理顯著提高了分枝側芽萌發率，達到825.1%，比對照提高27.3%；并且抽生的新梢多為中短枝，比例占83.3%，比對照提高166.1%，說明處理能夠有效促進中短枝的形成，為花芽孕育做好準備。

（三）保障數據算料安全

決定一個人是否會認為程序公平的首要因素是程序是否被有尊嚴地尊重或對待。 這存在于在偵查期間與警察的互動，公訴階段與檢察官的溝通，以及在審判過程中與法官交流的各個階段。 然而，在評估大數據算法的感知合法性時，這個重要因素往往被忽略掉，因為服從算法決策的個體不會直接與算法或其設計者交互。 相反，當事人將與根據算法建議行事的人類警察、檢察官和法官進行交流。 不管這些行為人是否使用預測算法來指導他們的決定，為了實現程序正義，他們必須要堅持有尊嚴地對待被告。 但是，伴隨著預測算法在刑事司法中的不斷滲透與普及， 依賴于預測算法的司法人員趨向于將刑事被告僅僅視為數字和概率的集合，他們更像是流水線上的物體，而不是自然人

。 如果做出的決定部分是基于預測算法，當局應該向被告解釋算法的細節，而不是僅僅解釋為機器強制做出的決定。 這將要求算法本身是透明的，以便警察、檢察官和法官了解導致算法決定的因素，并要求當局做出額外努力，向被告努力解釋這些因素，這種額外的努力也將有助于建立信任，這是另一個程序公正實現所需要的至關重要的因素。

程序正義是一種法律技術得以施行的前提條件。 它更關注感知的公平， 而不是實體的公平。 人們遵守法律不僅僅是因為他們害怕違反法律會受到制裁，主因還是他們相信法律是更為公平且合理的。 所以，預測算法在刑事司法程序中的平順嵌入不能僅依靠制裁的恫嚇，它必須是根植于民眾內心的自愿認可。

三、預測算法在我國刑事司法程序中規范運用的路徑探索

預測算法對于提高決策者的實際中立性和感知中立性具有良好的應用效果， 因為算法的每一個決策都遵循相同的規則

。 然而，正如本文第一部分所討論的，預測算法目前在我國刑事司法領域的應用依舊面臨著巨大的挑戰，我們在運用該項技術的同時也在不斷深化固有的歧視與偏見。 社會中的特定群體更有可能因其犯罪前科、經濟狀況、甚至是性別而被定罪。 一個算法判決若將犯罪前科、自身經濟狀況、性別等作為定罪量刑的關鍵數據，將加劇現有的不平等，破壞法律所追求的中立性。 以美國的一項數據調查為例，即使算法避免使用前科或者種族作為確定行為風險的因素，其結果仍可能對黑人被告產生一定的影響。 事實上，對這些預測算法最常見的批評是，他們預測黑人被告比白人被告有更高的累犯率，COMPAS 算法評估數千名被告的風險得分，結果顯示，黑人被告的假陽性率是白人被告的兩倍

。 評估預測算法中立性的部分問題在于，不同的人可能對什么是“中立”有不同的定義。 在風險評分相同的被告中，黑人被告和白人被告的實際累犯率是相同的。 這有力地證明了算法是“中立的”，因為它的結果在種族間是相同的。 然而，由于黑人被告的總體累犯率確實是高于白人被告，因此從統計學上說，若想為了在結果上保持所謂的“種族中立”，預測系統就必須進行“調整”，對黑人的誤報率必須高于白人。 很難說這兩個相互對立和不相容的價值觀——結果“中立”與相同的假陽性率——是如何轉化為程序正義的。 從實質正義上講，中立的結果應該是最重要的因素，也就是說，必須使黑人被告相信，系統給定的預測分數是中立且平等的。 但基于假陽性率的差異，加上低收入水平或犯罪前科記錄增加了其被告評估的風險得分，極有可能會導致黑人被告認為這些算法對他們的種族不“中立”，存在嚴重的種族歧視。

（一）對算法進行可視化改造，打破信任危機

2018 年7 月，《人工智能深度學習算法評估規范》將“深度學習（Deep Learning）”

認定作為算法真實性的考量因素，并針對預測算法形成了一套較為完整的評估體系。 在算法應用與監管的體系構建中，結合不同算法目的、運用場景、效果分類、程度要求等因素的場景化、系統化、精細化的算法治理機制正在不斷生根發芽。 隨著預測算法在刑事司法領域應用的不斷深入，黑箱裁判、算法歧視的問題也愈演愈烈。 目前，出于對算法商業秘密的考量，預測算法的推演過程往往是不會被公開的。 算法應當堅持權利本位，堅持人的主體性地位，人在算法的審核中必須起到不可替代的作用。 想要規制算法，就必須去發現預測算法問題出處，并以人為主體進行最后的核查。 算法立法的核心原則是透明性原則，也就意味著我們需要知道算法是如何運作的？ 算法體系接受哪些數據輸入？ 具體的數據算料是什么？ 算法在決策中所占的權重幾何？ 我們可以將不同的分析事項進行細化與分類，完全市場化的商業大數據算法推演可以采用黑箱算法模式，但是涉及司法程序、社會公益、政務服務等關涉民眾基本權利義務之事就必須提高算法公開性、透明度及可解釋性。 與上述領域相關的算法系統投入使用之前必須進行嚴格的公共審計，大量的算法測試，逐漸形成一整套集合大數據采集、預測算法選用、結果輸出、問責響應的完備體系，保障正當程序的實現。基于此，可以引用馬克思·韋伯（Max Weber）“價值理性”與“工具理性”的觀點來看，司法裁判并不存在非彼即此、非黑即白的二分法，他既需要對目的、手段、后果進行功利性的考量，也要有對司法公正、正直等價值的關懷。“工具理性”使得司法裁判具有客觀、規范、可預測的特征，而“價值理性”使得司法追求真與善的統一，具有人性的溫度，二者應在司法裁判的場域內實現微妙的平衡。 可以在刑事司法程序啟動之前設置算法的解釋說明的前置程序，從算法的角度而言，“深度學習”算法的優點在于推演與預測，但其在解釋力方面存在短板。與“深度學習”相比，“知識圖譜”（Knowledge Graph）

雖然無法精準在紛繁復雜的案件中給出完全正確的結果，但卻擁有“深度學習”無法具備的優勢，即高度的透明性。 我們不妨嘗試通過交互式的方式分析預測算法模塊的運行狀況，將“深度學習”與“知識圖譜”相結合，真實重現該決策結果所做出的計算過程與該過程的執行情況

。 從公權力的指引角度來看，如果公權力能夠設置涉及公共事務算法的準入門檻，鼓勵企業對算法的計算過程與所做出的具體決策進行詳細釋明，偵查、公訴、審判等各個階段在辦理案件的同時能夠抵制無法做出合理解釋且不透明的算法技術，賦予公眾對預測算法所做出的決策提出質疑并獲得救濟的權利，那么預測算法的透明度乃至算法適用環境將得到巨大 改 善

。

（二）自我革新升級數據權利，創造對接接口

刑事司法裁判中的預測算法運用可能對既有的訴訟結構造成沖擊， 公權力機關的力量會由此大幅度提升，進而破壞訴訟環境的生態平衡，因此，在當前人工智能、預測算法不斷應用與發展的大趨勢下，可以嘗試對當事人訴訟權利進行補強，來應對因科技導致的公權力漫溢，實現訴訟結構的重新穩定。 要想保障當事人訴訟權利，首先，要擴大訴訟中的信息獲取能力，將

刑事訴訟中的閱卷權逐漸升級為“數據查閱權”。 就刑事閱卷權而言，基于保障被告受辯護以及自我辯護權的要求，公訴機關、審判機關在刑事訴訟的全過程都被要求向辯方進行證據公示，并為辯方查閱、復制、摘抄證據材料提供必要的便利條件。 隨著大數據時代的不斷發展，證據形式也在不斷更新迭代，公權力機關不論在偵查、公訴抑或是審判階段，其所能獲取的相關數據遠遠超過了傳統意義上的“案卷材料”，針對如此海量的數據，有很大一部分數據是不會被隨卷移送的，使得辯方在傳統閱卷權模式之下出現了“查閱空白”的現象，這就有違法律規定的初衷，很難從真正意義上保障被告人的合法權益。 基于此種脫節現象，我們應該適時考慮將傳統的閱卷權升級成“數據查閱權”，顧名思義，該項權能即賦予數據主體及其辯護人查閱其涉案數據是否被正確解讀、是否被擴大適用、是否對于案情具有重要影響，等等。 如此一來，數據查閱權既可以運用預測算法體系明確數據權利主體，進一步保障當事人合法權益，又可以擴大被告人獲得數據的范圍，超越原有“案卷材料”的范圍限制，作用于刑事訴訟的各個階段乃至法官的自由心證。 其次，應當為當事人提供技術層面專業的幫助，建立“專業保障權”。術業有專攻，面對預測算法、人工智能飛速發展所帶來的刑事司法裁判的變革，無論是當事人抑或是其辯護人、代理律師都無法從容應對紛繁復雜的算法程序和浩如煙海的司法數據。 為了保障當事人的訴訟權利，推進預測算法的司法應用，急需專業人士來幫助當事人進行算法開示與數據甄別

。 從經驗論的角度來講，法律規定專業人士提供幫助早有制度基礎，我國刑事、民事訴訟法均有規定“有專門知識的人出庭”制度，為專家輔助人參與訴訟提供了法律依據。 故而可以據此對該制度進行擴大解釋，允許當事人及其辯護人、代理人向專業人員尋求算法分析或數據篩選等方面的幫助，從而為預測算法等技術的司法運用減少適用阻力。 最后，大數據時代背景下國家成為個人信息最大的收集、處理、存儲和利用者，迫使隱私權保護走向個人信息保護成為必然的社會和法治變遷過程

。 完善預測算法之下數據的使用權能，賦予當事人更全面的數據權利，特別是被“數據遺忘權”顯得尤為重要。 司法裁判中引入預測算法、人工智能等技術，雖然強化了國家通過訴訟收集使用個人信息的能力，增強了訴訟效率，但個人相關數據信息也毫無保留地在公眾面前“裸奔”。 那么，如何疏解此難題？ 以歐盟的《一般數據保護條例》（GDPR）為例，其賦予公民大量相關數據保護權利，即可被視為對此問題的應對。 在各種信息權利中，“數據遺忘權”是防止當事人個人數據信息在預測算法中被濫用的有效救濟途徑。 在刑事司法領域賦予當事人此項權利，允許信息主體在案件審結后的特定情形下，以申請的方式要求封存或刪除涉訴個人信息，會減弱因預測算法的司法運用帶來的公權力對公民個人數據信息的過分侵蝕。 誠然，舊有的刑事司法模式想要完美對接快速發展的算法技術，的確需要一個較長的適配過程，我們可以從各個關鍵節點出發，堅持以權利為本位的基本宗旨，逐步升級舊有的法治運行模式，以點帶面，在刑事司法智能化整體不斷加深的前提下，以權利的更新迭代創造出新技術與舊模式的對接接口。

（三）建立統一互聯的算法應用體系，破除數據孤島

以美國盧米斯案

為首的算法爭議反映出來的對于預測算法刑事司法應用的系統性互聯問題對整個算法生態系統都具有普適性價值

，由此，一整套體系完備、打通數據壁壘、聯通數據孤島的預測算法運用與規制的法律規范體系呼之欲出。 在刑事司法程序各個環節“各自為政”的狀況下，首先要做的就是提高預測算法技術的透明度。 只有在保障預測算法透明度的基礎之上，或者說至少在一定程度上提高算法的公知性，降低技術壁壘才能降低數據孤島帶來的影響度，使算法歧視、算法黑箱等問題充分暴露出來

。 由此，初期的立法可以先嘗試進行原則性的規定，通過在司法實務中的應用與積累，綜合考量預測算法刑事司法應用中不同場景所涉及的利益沖突，預測算法的披露方式、披露對象以及披露范圍，預測算法的披露可能引發的諸多難以控制的后果。 努力平衡權利保護與技術進步之間的沖突，并且，預測算法在刑事司法程序中的應用相較其他程序更為敏感，算法產品涉及重要的人權、個人信息、商業秘密等敏感問題， 應當提高司法程序算法運用的準入門檻， 從算法源頭保障數據的安全與清潔。2021 年9 月29 日，國家互聯網信息辦公室發布了《關于加強互聯網信息服務算法綜合治理的指導意見》，《意見》提出“利用三年左右時間，逐步建立治理機制健全、監管體系完善、算法生態規范的算法安全綜合治理格局”的重要目標，重點強調要“建立健全多方參與的算法安全治理機制”，形成“多元協同、多方參與的治理機制”。 在聯通數據孤島的道路上，技術力量是必不可少的，我國也涌現出很多司法技術產品，阿里的“司法云”、icourt 數據平臺、無訟案例、聚法科技等一系列依托算法技術興起的應用都在反哺著司法程序的高效運行。 基于此，我們可以嘗試引入這些社會技術力量，所謂“高手在民間”，市場經濟之下這些科技企業對于算法的更新迭代是最具前瞻性的，利用這些對算法、數據最敏感的企業來提供技術支持，助力司法系統建立統一互聯的算法應用，聯通數據孤島將是一項有力舉措。 將這些科技公司的智力成果融入刑事司法環節，為技術的更新持續提供支持。 當然，在強調建立統一的算法應用體系的同時，必須要堅守的核心原則是：算法決策工具決不能完全替代法官，歸根到底，其只是對法官的量刑裁判起到輔助性的作用。 運用與解釋法律本身就具有豐富的價值判斷要求，法治需要與德治相融合，法律賦予法官的自由裁量權也是基于此目的。 法律僵化性的弱點需要法官來運用同理心來化解，自由心證的運用在刑事司法審判環節必不可少，算法技術無法應對諸如“藥神案”“掏鳥窩案”“許霆案”等法理與情理交融的特殊案件，司法裁判不能完全訴諸純粹的理性技術，使判決失去人性的溫度。 盡管可以通過編輯、運算、設計等方式使算法識別盡可能多的相關關系，容納盡可能多的數據參量，從而披露影響案件判決的各類個體性特征，但是由于目前數據質量、數量、算力等方面存在著諸多技術性局限，無法完全捕捉到所有個案中不可控的意外因子，必然不能揭示出人類意識中的所有的變量

。

四、結語

盡管我們力圖通過打造統一互聯的算法刑事司法運用體系、 升級數據權利與算法技術來構建預測算法的規制與實施進路，但需要明確的是，無論預測算法多么精確和公平，我們始終需要一個人作為最終決策者。 法學是一門實踐智慧，司法更是一種人事，司法決策依賴于人的實踐理性，法律案件只能以特定的程序，通過中立的第三人（司法工作者）運用法律規范以及其他的人類的正義標準抑或是道德標尺來進行評判，只要這樣的范式不發生變化，預測算法的刑事司法運用就不會偏離基本軌道。 司法實踐的知識和技能往往是在司法實踐中逐漸學會的，這種學習過程難以被形式化為計算機語言輸入電腦，也無法從大數據中精確地分析得出。技術始終無法取代法律實施中法官、檢察官和律師所擁有的司法知識、訴訟經驗以及專業技術的深度。 法官裁判案件不僅僅需要法律知識，還需要其作為客觀的自然人對社會效果的評價，源生于對基本道德判斷與價值取舍的自由心證。 除了專業的法律知識外，對這些案件或事實進行區分所需要的往往是人類的判斷以及鮮活且自然的同理心，這最重要的一點也恰恰是所有算法都難以模擬的判斷與計量的情感

。

［1］ 馬長山.司法人工智能的重塑效應及其限度［J］.法學研究，2020（4）：23-40.

［2］ 張玉潔.智能量刑算法的司法適用：邏輯、難題與程序法回應［J］.東方法學，2021（3）：187-200.

［3］ 鄭戈.在法律與科技之間——智慧法院與未來司法［J］.中國社會科學評價，2021（1）：80-92.

［4］ 陳銳，孫慶春.人工智能司法決策的合法性辨疑［J］.西安交通大學學報（社會科學版），2021（3）：123-130.

［5］ 吳習彧.司法裁判人工智能化的可能性及問題［J］.浙江社會科學，2017（4）：51-57.

［6］ 劉艷紅.人工智能技術在智慧法院建設中實踐運用與前景展望［J］.比較法研究，2022（1）：1-11.

［7］ 李鑫.智慧法院建設的理論基礎與中國實踐［J］.政法論叢，2021（5）：128-138.

［8］ 杜宴林，楊學科.論人工智能時代的算法司法與算法司法正義［J］.湖湘論壇，2019，32（5）：64-74.

［9］ 侯東德，張麗萍.算法推薦意識形態風險的法律防范［J］.重慶社會科學，2021，No.321（8）：77-90.

［10］ HOWARD ROSENBAUM，PNINA FICHMAN. Algorithmic accountability and digital justice： A critical assessment of technical and sociotechnical approaches［J］. Proceedings of the Association for Information Science and Technology，2019，56（1）.

［11］ 劉東亮.技術性正當程序：人工智能時代程序法和算法的雙重變奏［J］.比較法研究，2020（5）：64-79.

［12］ 杜前.互聯網司法實踐與探索（杭州互聯網法院）［M］.北京：人民法院出版社，2021：31.

［13］ 洪凌嘯.誤區與正道：法律人工智能算法問題的困境、成因與改進［J］.四川師范大學學報（社會科學版），2020（1）：58-70.

［14］ 謝澍.人工智能如何“無偏見”地助力刑事司法——由“證據指引”轉向“證明輔助”［J］.法律科學（西北政法大學學報），2020（5）：109-119.

［15］ 鄭曦.人工智能技術在司法裁判中的運用及規制［J］.中外法學，2020（3）：674-696.

［16］ 李延舜.位置何以成為隱私?——大數據時代位置信息的法律保護［J］.法律科學（西北政法大學學報），2021（2）：107-118.

［17］ 江溯.自動化決策、刑事司法與算法規制——由盧米斯案引發的思考［J］.東方法學，2020（3）：76-88.

［18］ 姜野，李擁軍.破解算法黑箱：算法解釋權的功能證成與適用路徑——以社會信用體系建設為場景［J］.福建師范大學學報（哲學社會科學版），2019（4）：84-92.

［19］ 桑本謙.從要件識別到變量評估：刑事司法如何破解“定性難題”［J］.交大法學，2020（1）：29-46.

［20］ 宋旭光.論司法裁判的人工智能化及其限度［J］.比較法研究，2020（5）：80-92.