智能一體化：再犯危險性評估的模式選取與體系建構

摘 要：再犯危險性評估在量刑與刑事執行中的應用愈發廣泛，其評估結果是刑罰決策的重要依據。我國的再犯危險性評估呈現出評估機關二元分化、評估模式多元并存的現狀。不同評估模式在二元體系內交叉適用不僅限制刑罰效率，而且影響刑罰公正。基于刑罰效率與公正的考量，宜選取智能化評估作為我國再犯危險性評估的統一模式，促進司法行政資源的重新配置，實現形式公正與實質公正的統一。智能一體化評估模式的生成具有權力邏輯、實踐邏輯與技術邏輯。智能評估體系的構建過程應遵循其生成邏輯，通過建構技術性正當程序規制算法權力，建立“常設+派駐”的組織形式以滿足實踐需求，建置全要素的評估指標體系與評估流程以發揮技術優勢。

關鍵詞：再犯危險性；智能評估；刑事執行一體化；司法行政

中圖分類號： DF 62 文獻標識碼：A 文章編號：2096?9783（2023）05?0001?10

再犯危險性評估貫穿于刑事司法始終，是求刑、量刑、行刑階段做出刑罰決策的重要依據。《中華人民共和國社區矯正法》第十八條規定，社區矯正決定機關根據需要，可以委托社區矯正機構或者有關社會組織對被告人或者罪犯的社會危險性和對所居住社區的影響，進行調查評估，提出意見，供決定社區矯正時參考①。2021年，最高人民檢察院發布《人民檢察院辦理認罪認罰案件開展量刑建議工作的指導意見》第十條規定，調查評估意見是人民檢察院提出判處管制、緩刑量刑建議的重要參考。同年，最高人民法院、最高人民檢察院、公安部、司法部聯合發布的《關于加強減刑、假釋案件實質化審理的意見》第八條指出，要嚴格審查反映罪犯是否有再犯罪危險的材料。可見，在刑事立法活躍化和刑罰輕緩化的趨勢下，對輕刑犯的再犯危險性評估將愈發廣泛且頻繁。

實踐中，我國的再犯危險性評估主要用于輔助刑罰決策，實施主體為司法行政機關，總體呈現出社區矯正機構和監獄管理機關二元評估體系并存、多種評估模式并用的狀態。再犯危險性評估模式不同決定了評估主體和方法的差異，導致體系內部的評估標準不統一、體系外部的評估結果無法銜接適用等難題。學界對再犯危險性評估的研究主要分為兩個方向：其一，技術性探討，提倡評估工具的智能化發展[1]，但對評估模式的建構著墨較少；其二，規范性探討，對社區矯正[2]和監獄[3]評估體系內部進行制度性完善，但缺少對兩機關如何銜接適用的關注。因此，當務之急是選取一套符合司法實踐需要的評估模式并進行體系化建構。筆者擬以刑事執行一體化為視角，對現行評估體系與評估模式進行檢視，以功能實現為目標，探尋再犯危險性評估的最優模式與建構路徑。

一、再犯危險性評估的現狀檢視

目前，再犯危險性評估主要應用于刑事司法領域的量刑與刑事執行階段，具體包括審判前、入矯或入獄、刑罰執行變更、刑罰退出四個階段。由于司法行政資源配置的不均衡性，不同地區之間、不同執行機關之間所適用的評估模式不盡相同，刑事執行體系內總體上處于多種評估模式交叉混用的狀態。

（一）再犯危險性評估的現狀

1.主要評估模式

現階段，我國的再犯危險性評估主要有三種模式：其一，經驗評估模式，即由司法行政工作者依據自己的專業訓練和工作經驗，參考相關因素和個體資料，憑借結構性知識預估再犯可能性的評估模式。其二，信息化評估模式，即通過建設計算機信息系統，將傳統量表評估中的流程和數據通過信息系統處理，將計算機量化技術應用于再犯危險性的評估。其三，智能化評估模式，即具有自主學習、自主編程能力的人工智能再犯危險性評估系統，能夠從大數據中自動獲得較人工抽樣更為豐富的再犯影響因素，通過數據分析生成評估報告。目前，我國出現了智能化評估模式的雛形：貴陽市南明區智能化調查評估系統②；江西監獄依托“司法部物聯網重點實驗室”平臺，設立數據感知與評估技術研究中心，構建罪犯危險性智能評估體系③。

2.刑事執行二元體系下評估模式的交叉適用

嚴格意義上，再犯危險性評估并不屬于的司法活動，而是受其他公權力機關委托，為刑罰決策提供參考依據的司法行政行為。由于評估主體的不同，再犯危險性評估在司法行政機關內部形成社區矯正機構與監獄管理機關的二元化評估體系。社區矯正機構的再犯危險性評估包括審前調查評估和入矯后評估；監獄管理機關則秉承對罪犯“逢變必評、逢入必評、逢出必評”的原則。但至今為止，大部分評估工具沒有形成全國常模并推廣應用。從橫向看，同一地區社區矯正機構和監獄管理機關可能應用不同的評估模式；從縱向看，不同級別的刑事執行機關之間亦可能使用不同的評估模式。

（二）刑事執行一體化視野下評估模式交叉適用的缺陷

刑罰交付執行程序中，法院、社區矯正機構與監獄管理機關之間存在交互性，如圖1所示。刑事執行一體化視野下，二元執行體系內交叉適用不同的評估模式會對刑罰的效率和公正產生一定程度的影響。

1.限制刑罰效率

在刑罰執行過程中，如何降低成本支出，擴大刑罰的有益性結果，成為司法機關、刑罰執行機關所要優先考慮的問題。甚至可以說，如何實現刑罰的效率價值是刑罰執行的首要目標[4]。刑事執行一體化是刑事執行質量和效率的雙重保障[5]，但現行分散化的評估模式會在一定程度上限制刑罰的整體效率。一則會造成評估程序重復。例如，在行刑變更階段，擬假釋的罪犯要經歷不同執行機關的再犯危險性評估，而這兩次評估的對象、內容、目的幾乎相同，重復性的評估增加了司法行政機關的行刑成本。二則會引發執行程序倒流風險。由于評估模式不統一，社區矯正機構和監獄管理機關“各自為戰”，當刑罰決策機關遇到兩個結論相悖的評估意見時，原執行機關將會面臨重新評估或停止變更程序的尷尬境地。三則會導致評估結果無法體系化應用。我國的刑罰執行體系中，監禁刑和非監禁刑可因法定事由轉換。如果罪犯前后應用不同的評估模式，兩個評估結果則難以實現有效銜接與功能互補。在我國的評估體系下，后執行機關無法通過觀測罪犯的再犯危險性變化制定針對性的改造策略，在一定程度上降低了刑罰效率。

2.影響刑罰公正

多元化的再犯危險性評估模式將會對刑罰的形式與實質公正產生影響。首先，不同評估模式下的評估規則和評估標準不同，這將影響再犯危險性評估的形式公正，進而導致刑罰的形式不公。縱觀全國范圍內再犯危險性評估工作的制度依據，立法分散且層級較低，總體處于“內憂外患”的困境。“內憂”是指社區矯正調查評估和監獄罪犯評估在各自體系內部沒有形成統一的評估規范，這將導致危險性相當的犯罪人可能在不同地區得出不同的評估結果；“外患”是指二元評估體系之間也沒有形成統一的評估標準，因而同一犯罪人在接受社區矯正機構和監獄機關雙重評估時也可能得出相悖的評估意見。羅爾斯指出，如果我們認為正義總是表示著某種平等，那么形式的正義就意味著，它要求法律和制度在執行的時候要平等地（即以同樣的方式）適用于那些屬于由其規定的階層的人們[6]。區別化地適用評估規范，違背了形式正義層面的“類似情況類似處理”。

其次，欠缺準確性的評估結果影響刑罰的實質公正。所謂實質公正，是具體個案中體現出的個案正義[7]。再犯危險性評估結果是刑罰決策的重要考量因素。然而，不同評估模式下的結果準確性存在差別。有學者指出，現行司法官直覺式判斷模式存在不規范、不統一、不透明的缺陷，我們有理由懷疑目前犯罪人再犯危險性評估結果的準確性[8]。經驗評估模式和信息化評估模式還停留在依靠經驗或者簡單的評估指標進行定性分析的階段，缺少定量分析和統一的評估標準，這就導致評估結果難以準確反映犯罪人的人身危險性[9]。由于評估模式的不統一，對于再犯危險性相當的犯罪人，在甲地和乙地可能得出不同的評估結果；執行變更過程中，社區矯正機構的評估和監獄機關可能又得出不同的結果。根據準確性成疑的評估結果進行刑罰決策，只會讓再犯危險性評估制度距離法治模式越來越遠。

二、智能一體化模式之提倡：基于效率與公正的價值考量

現階段，多種評估模式在不同地區、不同執行機關之交叉混用的狀態對刑事司法的效率和公正產生了一定影響。基于此，筆者認為，構建智能一體化的評估模式是當前再犯危險性評估的應然選擇。所謂智能一體化模式，是指擺脫再犯危險性評估模式混用的桎梏，選取智能化的評估方式，并實現刑事執行系統內的一體化適用。

（一）增進刑罰效率：司法行政資源的“帕累托改進”

效率是刑罰應當考慮的價值之一，張文顯教授認為，在整個法律價值體系中，效率價值居于優先位階，是配置社會資源的首要價值標準[10]。刑罰效率價值是指刑罰實施所產生的效益與執行刑罰所消耗的成本之比，即單位刑罰所產生的刑罰效益量。進行再犯危險性評估不但意味著刑罰成本的付出，而且其評估結果還將作為刑罰決策的重要依據，對刑罰效率的自變量（刑罰成本）和因變量（刑罰效益）均會產生影響。智能一體化的評估模式可以實現司法行政資源的“帕累托改進”④，通過重新配置刑罰資源的方式降低刑罰成本，促進刑事執行交付或變更程序的順暢銜接，提升刑罰效率。

智能一體化評估模式通過以下三種方式重新配置司法行政資源：其一，整合評估程序。實踐中，不同執行機關在同一階段內進行的評估具有大量重合要素，在一定程度上造成了司法行政資源的浪費。如果二元體系可以統一評估模式，以智能化評估逐步替代交叉混合評估，不但可以簡化評估程序、實現數據共享，還能避免因評估結論相悖而引發的程序倒流。其二，評估工具的智能化可以節省人力成本。有學者提出，引入智能再犯風險評估工具是對傳統司法資源的重新整合，可以帶來更優化的法律效果[11]。通過機器的深度學習訓練可以實現傳統評估工具的智能化轉型。智能評估通常分為數據喂飼、數據吞吐、結論輸出三個階段[12]。除了數據喂飼階段需要評估人員輸入與罪犯有關的數據，在數據吞吐和結論輸出階段均由系統或機器自動操控，省去了繁瑣的人工評議、歸納總結的過程。其三，體系化應用智能評估結果。評估模式交叉混用導致了社區矯正機構和監獄管理機關做出的評估結果無法轉換適用。美國的再犯風險評估貫穿羈押審查、緩刑、假釋、刑滿釋放、強制醫療等刑事程序，懲戒機關可以通過智能評估報告評判相對人的再犯可能性高低，實現犯罪懲治與犯罪矯治的有效銜接[13]。智能評估結果在不同執行主體間系統化應用，可以將先前的改造經驗與罪犯信息通過評估報告傳遞給后執行機關，有利于社區矯正機關與監獄管理機關之間的工作銜接。

（二）促進刑罰公正：形式正義與實質正義的統一

1.形式正義：通過法律規范代碼化滿足評估標準普適性之要求

關于再犯危險性評估的法律規定，立法目的是獲取較為客觀的評估或預測，避免流于司法行政工作人員的主觀臆測或恣意獨斷。在我國，再犯危險性評估的性質類似于英美法系中的“人格證據”。在量刑中使用品格證據，英美法系構建的統一化評估規則是其依法獲得證據資格的依據[14]。但我國各地遵循的評估規則截然不同，尚未形成普適性的評估規范，統一評估規范是實現刑罰形式公正的關鍵。相較于提升司法效率這一直接動力，司法人工智能因其模型化、代碼化的技術秉性，提升了人們對于司法在統一適用法律、同案同判等方面的期待[15]。智能化評估可以通過算法設置統一評估的規則、程序和標準，實現評估規范代碼化。評估規范被代碼化之后作為自動化評估的依據，建立一套具有普適性的評估規則，并統一適用于各地的再犯危險性評估，確保其作為刑罰決策依據在形式側面的公正。

2.實質正義：通過提高評估結果的準確性適應刑罰個別化之需求

實質公正體現在個案正義之中，因而刑事案件的實質公正在于實現刑罰的個別化。再犯危險性評估的功能定位為提供準確有效的信息，輔助法官或執行機關做出與犯罪人危險性相適應的刑罰決策。因此，再犯危險性評估結果的準確性是實現刑罰實質性公正的關鍵。但是，經驗評估和信息化評估模式因結論的準確性不足導致其在刑罰個別化進程中的功能減損，使得個案中的刑罰實質性公正無法得到保證。域外實踐中，COMPAS評估系統的預測準確性與有效性已在不同地理區域、不同刑事司法機構以及不同性別和種族類別中得到驗證。美國密歇根州懲教局（MDOC）等評估機構，通過跨種族、跨性群體的數據檢驗，反復證實了智能評估模型的預測準確性。弗洛雷斯等人研究發現，COMPAS模型的一般累犯風險模型和暴力累犯風險模型對任何逮捕均具有良好的預測指標，并且對黑人和白人被告的預測同樣優秀[16]。可見，智能評估的預測準確性已經在美國懲戒系統中得到充分的驗證。智能評估對于結果準確性的提升，更能滿足刑罰個別化的實踐需求。

三、智能一體化評估模式的生成邏輯

近年來，由于科技的長足進步，許多國家已經開始在刑事評估程序中引入人工智能。有學者指出，伴隨著再犯風險評估的智能化發展，我國刑事司法及其再犯預防將迎來新的機遇，我們應抓住機遇全力發展我國的再犯風險評估理論與技術，實現后來者居上[17]。但若想探索本土的智能評估模式以服務于司法實踐，首先應當厘清其生成邏輯，為最終的體系化構建勾勒理論框架。

（一）權力邏輯：數字社會背景下公權力領域算法權力的形成

智能評估作為一種定義他人人格并對他人刑罰裁決產生重要影響的活動，應當明確其權力性質以及形成過程。有學者認為，審前調查評估是司法行政機關代表國家意志對被告人或罪犯所做的調查和評估，具有公權力性質[18]。兩高兩部發布的《關于加強減刑、假釋案件實質化審理的意見》也指出，要嚴格審查反映監獄罪犯是否有再犯罪危險的材料。在此層面上，再犯危險性評估與公安機關、檢察機關的偵查行為類似，具有明確的要求和目的指向，而不是僅限于可有可無的形式審查，因而應當屬于公權力行為。數字社會背景下，代碼規制與算法決策成為塑造社會秩序的重要力量，常常可以更高效地組織各方行動[19]。算法自動化決策本身是一種技術，當該決策開始影響或控制人的想法或行為時，算法就從單純的技術轉化為一種實質意義上的權力，即算法權力[20]。智能再犯危險性評估即是通過算法模型對個體數據的分析得出結論，經由司法行政機關確認而產生的一種算法權力。公權力領域的算法權力間接作用于當事人，經過公權力機關認可后，算法決策才能以公權力的形態影響當事人[21]。因此，智能評估的算法權力形成過程可以概括為：算法決策→司法行政機關認可→算法權力。

（二）實踐邏輯：功能主義視角下智能評估結果的一體化適用

我國的刑事執行體系是一個復雜的系統，服務于刑罰決策的再犯危險性評估不能照搬域外評估的固有套路，而是應立足于中國本土的法治需求，以評估功能的多元化、評估模式的現代化推進刑事執行一體化建設。因此，應當明確再犯危險性評估的功能與定位，構建一套符合我國司法實踐的評估模式與適用機制。智能一體化的評估模式可以避免評估結論相悖、評估結果無法體系化適用等難題，最大程度發揮再犯危險性評估在刑事司法中的功能與作用。構建刑罰統一執行體制，不僅能解決現行分散型刑罰執行體制帶來的積弊，更是中共中央對司法體制改革的頂層設計[22]。因此，應當以刑事執行體制一體化為指引，選取一種可以貫通適用于不同執行機關的評估模式，以促進各執行機關之間的工作銜接。

智能評估模式能夠實現在二元執行體系內的一體化適用，原因在于依托于大數據的智能評估可以打破不同地域、不同機關之間的信息壁壘，評估依據的代碼化可以統一不同執行體系間的評估標準。相較于經驗評估與信息化評估模式，智能化評估不但能夠滿足個案在某一階段的評估需求，而且可以實現偵查、審查起訴、審判、執行乃至安置幫教各個刑事環節的有效銜接。在域外，美國應用COMPAS 系統最主要的目的之一即避免評估、裁判結果和犯罪改造之間的各種脫節[16]。COMPAS系統基于網絡的設計及其集成數據庫實現了犯罪因果理論、風險/需求評估、治療目標、犯罪改造以及短期和長期結果監測之間的無縫連接，這種連通性可以為各環節的司法決策提供參考依據。實踐中，江蘇省通過云計算、大數據和人工智能等新一代信息技術實現了刑事執行體系與檢察機關的外部互聯。利用大數據與人工智能技術構建刑事執行體系內部互通的一體化評估系統亦具有可行性與實操性。

（三）技術邏輯：大數據與機器學習應用下評估模型與指標體系的建立

建立科學、要素全面且有針對性的指標體系是智能再犯危險性評估的基礎，指標體系的構建決定了評估模型的準確度和合理性。智能再犯危險性評估的機理在于利用人工智能技術對大數據進行機器學習，通過數據收集、數據清洗、特征工程、模型訓練等步驟建立評估模型，進而實現對個體再犯危險性程度的評估。評估指標體系的構建來源于機器學習的特征工程階段。經過數據預處理階段，犯罪個體各類高維數據處于混合的狀態。此時，機器學習在第三階段會對基于特征選擇的關鍵指標進行篩選，提取出與個體再犯危險性有強關聯性的指標，形成評估指標體系。

現階段，我國尚未運用大數據和機器學習技術建立經過校驗且可投入司法實踐的評估模型，但依托大數據和機器學習技術形成的評估指標體系，其準確性與有效性已經在域外得到驗證。世界上較為成熟的COMPAS系統，以元分析（meta-analysis）為指導，確定了與再犯強相關的8項核心指標[23]。此后，COMPAS系統將數據分析和機器學習方法用于預測風險模型的構建，最終形成了具有多維性和針對性的評估指標體系，包括2個主要預測模型的評估指標以及多個適用于青少年、累犯、婦女等特殊群體的評估指標。其中，2個的核心COMPAS風險模型已在不同地區、不同刑事司法人群、性別和種族群體中進行了預測有效性測試，并由獨立研究團隊進行了評估，始終保持良好的風險準確性[24]。因此，科學的評估模型與指標體系通過大數據與機器學習的運用得以建立。

四、智能一體化評估模式的構建路徑

再犯危險性評估的體系化建構，不僅涉及宏觀層面制度設計，還涉及中觀層面的組織形式調整和微觀層面的評估指標體系與評估流程的建置。智能一體化的評估模式下，應立足于刑事執行一體化的需要，通過建構技術性正當程序以規制算法權力，建立“常設+派駐”的組織形式以增強評估工作的專業性和高效性，建置本土化的指標體系與評估流程以發揮智能評估的技術優勢。

（一）制度層面：建構技術性正當程序以規制算法權力

在刑事執行系統內部適用一體化的智能評估模式，需要配套的評估制度規范。有學者提出，我們應該慎重對待再犯危險性評估，通過建立統一化、規范化的評估規則與程序細則來矯正現有操作模式中存在的諸多弊端[25]。我國在刑事司法程序中運用的智能評估系統尚處于起步階段，智能評估可能會存在算法黑箱、算法歧視、技術壟斷民主參與等弊端。因此，對算法權力的規制和監督，需要從算法設計的源頭構建“技術性正當程序” [26]。

1.評估系統信息公開

為避免從直覺評估的“人為黑箱”走向智能評估的“算法黑箱”，在刑事程序中使用智能評估系統時，系統的相關事項對外應保持透明性。如此一來，社會公眾才能對系統有一定程度的了解，確保評估系統的使用不會與多數人的價值觀念相沖突。不同于算法公開，信息公開是指將數據來源、評估指標、評估權重、風險群組的界分及結果的事后審查機制等公共資料讓外界知悉。目前，已有地區對公共數據開放進行了相關立法，如《上海市公共數據開放暫行辦法》《浙江省公共數據開放與安全管理暫行辦法》《山東省公共數據開放辦法》等，再犯危險性評估過程中收集和產生的公共數據也應當依法開放。

2.民主參與評估機制

由于智能評估涉及價值判斷及犯罪人的背景因素，并不是單純、客觀的技術或代碼的編寫。因此，智能評估系統的構建應當在運用機器學習和大數據技術的基礎上，保證一定程度的民主參與，以滿足行刑社會化的潮流與趨勢。社會公眾對于評估系統所涉及事項的價值判斷，也應當納入智能評估系統的建置[27]。在刑罰決策過程中法官需要參考智能評估結果，如再犯危險值與何種刑罰、處遇措施或釋放條件相適應，應當由立法人員、社會公眾、學者等群體共同制定，而不是單純由程序員決定，再犯危險性評估系統的建置過程應當由高度的價值判斷與人工智能技術相結合[28]。智能評估系統的民主參與可以采取聽證會、座談會和征求意見等方式聽取公眾的意見，以決定所要使用的評估指標、評估權重等事項。

3.評估結果審核程序

從結論上來說，雖然智能系統可以快速處理大量數據，在機械性、規律性及反復性事務的處理上遠遠超過經驗評估，但系統中仍然可能帶有算法偏見或人為失誤，如代碼的編寫或輸入數據失誤。類似的錯誤若是存在于智能評估過程中，對于受評估者的權利或人身自由就可能造成嚴重的侵害。因此，智能再犯危險性評估結果作為司法決策的重要依據，智能評估系統所使用的資料收集、分析、保存、輸入及使用程序均應接受獨立審核。域外的審核機制包含同行審查和外部檢測，以確保審核機制的公正性及系統運作結果與所使用的資料間的一致性。審核的參與人員、方法、經過及結果應保存一定期限，以供日后的查證及比對之用[29]。我國可以采取派駐評估、總部審核的機制，由同行的評估人員對上傳到云端的評估結果進行審核，審核通過方能產生效力。

4.質證權及其救濟程序

智能再犯危險性評估的結果會影響到被告人、罪犯的量刑或行刑變更決定，因而應當賦予被告人或罪犯對評估結果質疑的權利。首先，應當將智能評估結果納入質證范圍。有學者認為，對于一些“不是證據的證據”，由于可能給被告人定罪量刑帶來重要影響，也應當允許被告人對其質證[30]。智能評估報告雖不屬于法定證據，但實際上發揮著“算法式證明”的作用，也應當允許控辯雙方對其展開質證。其次，保障被評估人的知情權。在完成評估之后，賦予被評估人及其委托律師“電子閱卷權”，只要與案件相關、對于案件處理有影響的數據均應向辯方開放訪問權限[31]。最后，在庭審過程中，由委托方向法庭出示評估報告，當事人有異議的，可以要求評估人員出具書面答復或申請評估人員出庭對算法進行解釋，評估人員應當出庭而拒不出庭的，該智能評估報告不得被法庭采信。此外，如果當事人的質證權在一審中沒有得到充分保障，可以通過上訴向二審法院申請重新組織質證；若發生在執行變更審判中，可以向檢察機關申訴，啟動刑事執行監督，對刑罰決策的依據進行質證。

（二）組織層面：建立“常設+派駐”的組織架構

組織體系是再犯危險性評估在機構和人員方面的保障，智能評估必須由專門的組織體系推進才能得到有效踐行。因此，從組織機構到組織形式，再到具體的人員聘任、分配都應根據智能評估的需要進行設置。現行的評估組織體系總體呈二元分立的形態，評估人員內置于各自的評估機構中，沒有分工與協作的關系。有學者認為，分散的組織形式存在常設性和專業性缺失、工作效率低下、部門內部對結果帶有主觀偏向等弊端，因而應當在司法行政機關設立專門的測評委員會并配置專業的評估人員[32]。筆者認為，在省一級的司法行政機關設置評估委員會并派駐專業評估人員到各刑事執行機關，這種“常設+派駐”的組織形式更有利于智能評估工作的開展，如圖2所示。

其一，在省一級的司法行政機關設置評估委員會，可以通過司法行政機關的統籌，實現智能評估模式在刑事執行過程中的一體化應用。目前，已有監獄機關進行了地方探索，如北京市各押犯監所均已成立罪犯評估矯治中心，建立了符合北京特色的危險性評估模式⑤。但是，在監獄系統或社區矯正機構內部分設評估中心的做法，不利于兩部門之間的資源互通，容易造成司法資源浪費、行刑變更銜接不暢等后果。反觀，在上級司法行政機關設置評估機構，可以充分發揮司法行政機關的統籌作用，將監禁刑與非監禁刑的罪犯均納入評估范圍，實現智能評估結果在刑事執行系統內部的統一適用，進一步推進刑事執行一體化的建設。

其二，將專業評估人員派駐到執行機關，可以在保證評估效率的同時，避免因自身利益而造成的不公正評估。首先，評估人員常駐在司法廳（局）內部不便于實踐，因為在數據收集階段需要評估人員深入執行機關并輔以監管人員的配合。派駐評估人員到執行機關可以減少不必要的評估程序，增加評估效率。其次，評估委員會具有指定評估權，在遇到雙重評估難題時，可以指定更為適宜的執行機關作為評估主體，以節約司法行政資源。最后，由于派駐人員的人事關系隸屬于評估委員會而非某一執行機關，可以在一定程度上避免執行機關內部的暗箱操作，派駐評估更能體現評估過程的客觀中立。

其三，評估委員會可以匯總各個執行機關的評估數據，推動我國刑事司法數據庫的建設，確保機器學習可以通過數據分割技術不斷驗證和校準評估指標，為智能評估標準的全國性統一提供數據支撐。從中央布局來看，司法部“數字法治、智慧司法”信息化體系建設應用推進會提出“全面啟動依法治國信息化工作”，實現信息互聯互通、數據資源共享、大數據分析應用三大功能目標。從地方實踐來看，北京市已經初步形成“大平臺共享、大系統共治、大數據慧治”信息化格局；江蘇省司法廳計劃搭建司法行政聯盟鏈的技術架構。隨著區塊鏈技術的不斷發展，智能評估的數據規模會越來越大，不同業務場景區塊鏈的數據融合會進一步擴大數據規模和豐富性，進而實現由地方向中央的數據匯聚。

（三）實施層面：設置全要素的評估指標體系與完整的評估流程

1.設置全要素的評估指標體系

基于大數據技術支撐的再犯危險性評估指標更具全面性和可解釋性，可以在很大程度上彌補經驗評估和信息化評估的缺陷。我國尚未通過機器學習和大數據技術提取出一套完整的指標體系，筆者經過對域外較為成熟的智能評估指標框架進行借鑒并結合我國現有指標體系，初步構設了智能再犯危險評估可能涵蓋的指標，共計包括2個一級指標、8個二級指標以及40個三級指標，如表1所列。

2.構建動態化的評估指標重驗和校準機制

為適應犯罪人口變化，還應構建動態化的評估指標重驗和校準機制，避免智能化產生的標準固化問題。智能化評估系統通過數據挖掘與機器學習，分析提煉出再犯危險性評估的核心要素，并以建模的形式確立結構性評估指標體系。有人質疑智能評估指標體系是否存在標準固化的問題，進而影響評估結果的準確性。的確，智能再犯危險性評估指標是通過對舊有的海量數據樣本挖掘而來，隨著犯罪人口的變化與刑事政策的調整，勢必需要對新的數據樣本進行分析以保證評估指標的科學性與合理性。但可以放心的是，機器學習具備建模數據分割技術，通過對數據的訓練、驗證和測試滿足評估模型的實際需要。具言之，智能化的評估系統會根據較新的樣本定期進行測試，不需要對當前風險模型進行重大更改，只需要對切割點進行微調即可實現評估指標的重新驗證與校準，最大程度地避免指標固化難題。

3.設置完整的評估流程

智能再犯危險性評估尚處于探索階段，總結出一套系統化的再犯危險性評估流程，有助于評估效率的保證與評估功能的實現。因此，筆者基于智能評估的技術特性與上文描述的組織架構，最終形成“模型建置—數據采集—數據分析—評估結果審核—評估結果應用”的評估流程，如圖3所示。第一，評估委員會的技術人員以現有刑事數據為基礎，通過大數據挖掘與機器學習構建再犯危險性評估模型，提取評估指標。第二，根據評估指標，派駐評估人員與執行機關工作人員配合，收集被告人或服刑人員可用于評估的數據，數據來源包括公權力機關數據庫中的記錄、評估人員的結構性采訪以及評估對象的自我報告。第三，向智能再犯危險性評估系統中輸入評估對象的個人數據，智能評估系統通過模型對數據進行分析，形成評估報告。第四，派駐評估人員將評估結果上傳系統云端，由評估委員會進行程序審核。第五，將審核通過的評估結果送達委托評估部門，作為司法決策參考。

五、結語

再犯危險性評估不僅是刑事裁判的重要依據，還對刑事執行的效果起到直接影響，應受到司法行政機關的充分重視。但由于法律性質不明確、評估主體分散、科技資源配置較少等原因，再犯危險性評估的智能化與一體化轉型仍處于發展階段。司法部制定的《“數字法治 智慧司法”信息化體系建設實施方案》已經將“制定統一數據標準”“匯聚、分析全系統數據”“建立全系統普遍適用的業務系統”作為未來的重點建設任務。《法治中國建設規劃（2020－2025年）》也提出“完善刑罰執行制度，統一刑罰執行體制。完善監獄、看守所與社區矯正和安置幫教機構之間的工作對接機制”的改革要求。在“智慧司法”和“刑事執行一體化”的政策指引下，司法行政機關應充分發揮其統籌功能，積極構建智能一體化的再犯危險性評估模式，通過人工智能為刑事司法賦能，維護我國刑事審判與刑事執行工作的效率與公正價值。

參考文獻：

[1] 狄小華. 全要素且可解釋智能化再犯風險評估指標體系的理論架構[J]. 安徽大學學報（哲學社會科學版），2020， 44（5）： 10.

[2] 林瑀. 我國社區矯正風險評估立法的若干問題研究[J]. 福建師范大學學報（哲學社會科學版）， 2017（6）： 123-178.

[3] 劉崇亮. 再犯罪風險評估與中國監禁刑改革的新路徑[J].現代法學， 2018， 40（6）： 125-134.

[4] 賈長森. 刑罰效率價值的理論建構及執行優化[J]. 法律科學（西北政法大學學報）， 2020， 38（2）： 11.

[5] 劉奕君. 刑事執行權配置： 理論根基與改革路徑[J]. 華南師范大學學報（社會科學版）， 2022（3）： 164-208.

[6] 約翰·羅爾斯.正義論[M]. 何懷宏， 等譯. 北京： 中國社會科學出版社， 2009： 45.

[7] 雷磊. 司法人工智能能否實現司法公正？[J]. 政法論叢，2022（4）： 72-82.

[8] 勞佳琦. 累犯從嚴量刑適用實證研究[J]. 中國法學，2016（1）： 266.

[9] 申純. 人工智能時代人身危險性評估發展的新機遇及實現路徑[J]. 求索， 2021（6）： 176.

[10] 張文顯. 法的概念[M]. 北京： 法律出版社， 2011： 9.

[11] 閆志開. 人工智能時代司法效率的理論邏輯與實踐模式[J]. 湖南社會科學， 2022（2）： 81-89.

[12] 狄小華. 智能化再犯風險評估司法應用的法律風險及其防范[J]. 學術界， 2020（5）： 13.

[13] MONAHAN J， JENNIFER L， SKEEM J L. Risk assessmentin criminal sentencing[J]. Annual Review of ClinicalPsychology， 2016， 12（1）： 77-94.

[14] 文姬. 人身危險性評估方法研究[M]. 北京： 中國政法大學出版社， 2014： 100-110.

[15] 馬長山. 司法人工智能的重塑效應及其限度[J]. 法學研究， 2020， 42（4）： 18.

[16] SINGH J P， KRONER D G， WORMITH J S， et al. Handbookof recidivism risk/needs assessment tools[M]. NewYork： John Wiley amp; Sons， 2018： 64-66.

[17] 狄小華. 智能化再犯風險評估司法應用的法律風險及其防范[J]. 學術界， 2020（5）： 69-81.

[18] 任文啟. 完善我國社區矯正審前調查評估制度的思考——基于文本和現實的比較分析[J]. 甘肅政法學院學報， 2016（2）： 128-135.

[19] 伊森·凱什， 奧娜·拉比諾維奇·艾尼. 數字正義： 當糾紛解決遇見互聯網科技[M]. 趙蕾， 等譯. 北京： 法律出版社， 2019： 24.

[20] 趙一丁， 陳亮. 算法權力異化及法律規制[J]. 云南社會科學， 2021（5）： 123-132.

[21] 胡晶晶. 破解公權力領域的算法歧視： 權力正當程序的回歸[J]. 知識產權， 2022（4）： 76-95.

[22] 宗會霞. 刑罰執行一體化的基本步驟與風險應對[J].政治與法律， 2018（4）： 11.

[23] GENDREAU P， LITTLE T， GOGGIN C. A metaanalysisof the predictors of adult offender recidivism：what works！[J]. Criminology， 1996（4）： 575-607.

[24] FLORES A W， BECHTEL K， LOWENKAMP C T. Falsepositives， 1 negatives， and 1 analyses： a rejoinderto machine bias： there， software used across the countryto predict future criminals. And it's biased againstblacks[J]. Federal Probation， 2016， 80（2）： 38-46.

[25] 陳偉. 認真對待人身危險性評估[J]. 比較法研究，2014（5）： 59-72.

[26] 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.

[27] MUNTINGH L， FAULL A， REDPATH J， et al. Democraticpolicing： a conceptual framework[J]. LDD-Law，Democracy amp; Development， 2021： 121-155.

[28] NEAL T M S， SLOBOGIN C， SAKS M J， et al. Psychologicalassessments in legal contexts： are courts keeping\"junk science\" out of the courtroom？[J]. PsychologicalScience in the Public Interest， 2019， 20（3）： 135-164.

[29] FERGUSON A G. Policing predictive policing[J]. WashingtonUniversity Law Review， 2017， 1（5）： 1109-1189.

[30] 李思遠. 人工智能時代被告人質證權實現中的隱憂及其消解[J]. 湖南科技大學學報（社會科學版）， 2022，25（1）： 126-136.

[31] 鄭曦. 司法人工智能運用背景下的被告人質證權保障[J]. 政法論壇， 2022， 40（6）： 44-54.

[32] 陳偉. 論人身危險性評估的體系構建[J]. 中國人民公安大學學報（社會科學版）， 2011， 27（1）： 131-140.