促進數字檢察效能發揮

目前，數字檢察的主要實踐路徑包括通過大數據法律監督模型批量挖掘監督線索、通過區塊鏈技術實現數字監管與執行監督、利用生成式人工智能輔助訴訟活動以及利用新技術實現線上個性化檢察服務。數字檢察的發展已初步將技術發展優勢與檢察工作邏輯相結合，實現了場景化應用。但是，在科學技術深度融合的同時，數據壁壘未打通、數據模型融合不夠深入及算法治理、權利救濟保障相對滯后等問題在一定程度上制約了數字檢察效能的充分發揮，應予以重視。

數字檢察實踐面臨的主要問題

一是數據利用問題。數據是檢察業務數字化的核心要素，實踐中，各機關部門間數字壁壘尚未完全打通，檢察數據的存儲和利用仍存在不暢通的問題。現階段，檢察大數據的主要來源有“自上而下”和“自下而上”兩種方式：前者的大數據來源于全國檢察系統數據資源。檢察業務應用系統 2.0就是重要的數據來源平臺。自上而下的數據資源建設能夠最有效解決數據合法性問題。后者的大數據來源于一線檢察機關自行獲取的數據資源。當前，對下級檢察機關獲取數據的基本政策仍是喚醒和盤活現有數據資源。

二是算法技術的應用風險問題。數字檢察的基礎是以數字賦能監督而非以數字技術取代檢察官的監督主體地位。生成式人工智能賦能數字檢察能夠充分發揮其“高擬真度”和“多維度應用能力”的優勢，在學習理解法律語言的基礎上自動生成相應法律文書和推進法律程序，但這也會帶來機械應用生成式人工智能技術導致司法正義失衡的風險。

三是人員和配套機制的問題。實踐中，部分檢察機關和檢察人員不能較好適應數字檢察工作新模式，還沒有充分認識到大數據賦能法律監督的意義和方法。

深化數字檢察的路徑選擇

正確理解數字正義內涵及其實現條件。司法人工智能通過技術理性與司法實踐理性相融合，揭示司法改革的運行規律，其主要特征是，以大數據和人工智能等新科技來提升司法質量、實現公平正義，司法體制改革的成效也以數字化的形式得以呈現，因而其背后的法理表達為一種“數字正義”。數字正義的內涵包括數據正義、算法正義以及程序正義的可視可感。就此，實現數字正義的實質化，需要從以下三方面著手：

首先，實現數據正義的實質化，要進一步打通數據壁壘，充分發揮數據要素對數字檢察的作用，解決數字檢察的“生產資料”問題。數據是支撐數字檢察大廈的基石，充分獲取各項司法數據是數字檢察工作順利開展的前提條件。數字中國戰略的一項重要內容就是促進公權力機關之間數據互聯互通，建立與完善信息公示與共享制度。可以探索通過搭建聯盟鏈的方式實現數據的協同共享。目前，區塊鏈技術根據準入標準可以分為專有鏈、公有鏈和聯盟鏈三種。其中，聯盟鏈可以設置訪問人員的具體權限，在保留分布式存儲和去中心化特點的同時，還能保留一定的中心控制功能，技術人員可以根據數據需求對訪問人員的權限進行設置，在確保數據安全的同時允許相關人員訪問并處理數據。因此，聯盟鏈以其低成本、高可信度和可靠的安全性成為政府間組織搭建數據協同處理平臺的重要技術力量。

其次，實現算法正義的關鍵在于規制算法權力。規制算法權力是數字法治制約監督體系建設的基本路徑，集中體現為對算法輔助、賦能執法司法裁量裁決的規范與制約。立足檢察制度體系實際，著眼于各類監督貫通融合，應迭代推進以下三方面措施：第一，制定數字檢察規制體系，針對數字化司法決策的隨機性及算法的復雜性、不透明性，建構算法程序運行規則，避免數字化道德責任分配困境。第二，以檢察人員為中心，將檢察辦案主體的判斷置于核心地位。大數據技術的研發應用不能突破依法獨立行使檢察權的原則，更不能削弱檢察權。第三，建立算法的可解釋性規則及流程監控規則，實現反算法歧視和算法透明。克服司法算法偏見可從事前預防、過程管理、事后追責三方面著手。就事前預防而言，可以開發消除偏見程序，保證算法程序的公平、透明，以此審查和分類數據；設計偏見修正機制，系統識別偏見后及時進行校正。就過程管理而言，建立算法審查機制，針對算法中的變量因子是否有偏見傾向，運算規則的權重差異是否在合理限度內等問題，由算法專家進行測試，保障算法運行公正。就事后救濟而言，建立責任追究機制，跟進立法。

最后，保障知情權和程序參與權。人工智能介入刑事司法的最大危機是不斷消解當事人參與訴訟的行動空間、影響范圍以及救濟渠道，導致被追訴人享有的知情權、參與權、異議權以及救濟權受到消解，以致影響司法裁判的公信力和實效性。對此，一方面，公檢法機關在使用預警軟件和犯罪風險評估工具時，應根據案件具體情況，在明確自動化司法決策可能出錯的前提下，向被追訴人及其辯護律師詳細說明作出決策時所依賴的計算機生成的事實或法律調查結果。另一方面，對于實體權利和程序權利可能面臨人工智能決策不利影響時，應保障當事人的知情權和提出申訴的合理渠道，若被追訴人對決策結果持有反對意見，認為司法工作人員不當使用或過度依賴智能司法系統，阻礙其依法行使訴訟權利的，可以向同級或者上一級檢察院申訴或者控告。

加強法律監督類數據合法性管理，完善數據安全管理體系。數據安全管理要求檢察辦案人員處理涉案主體信息時遵循邊界規范，包括不同流程節點的二次處理及數據深加工中的權責配置。注重檢察數據的分級分類保護，區分保密內容與公開信息的邊界，保障數據權益安全。探索建立與政務執法機關對接的“四大檢察”辦案系統、建設政法機關一體化辦案系統。一言以蔽之，就是要嚴守數據安全法、個人信息保護法等法律法規，設置針對法律監督數據在調取、存儲和管理等各環節的程序規則，并制定相應的權力清單。同時，建立健全檢察機關數據管理體系，對數據進行依法有序的管理、標識、清潔，嚴格遵守權限要求查詢、使用數據，確保數字檢察的法治化運行。

加快探索完善智能輔助“深度學習”機制，推動數字檢察的技術方案迭代升級，解決數字檢察的“生產技術”問題。以深度學習驅動司法知識圖譜構建，是破解法律監督模型融合創新的關鍵一環，也是數字檢察實現從弱人工智能向強人工智能轉變的技術保障。數據標注是司法知識圖譜構建的重要基礎，要以數據標識、清潔、過濾和歸集為起點，探索建立健全“深度學習”機制。要推動數據清潔與模型參數設置由技術銜接進入法律規范表述的有機統一，并貫穿至智能輔助深度學習的表征（內涵）、實現、評價等環節，融合在模型假設、評價函數和優化算法等模型建構各部分，通過監督辦案要素的代碼化，實現對“法律代碼化”合法性、公正性的監督與保障。同時，要充分發揮技術正當程序的規制功能，有針對性地設置算法矯正模型，監督修正要素式智能裁判、智慧司法等人機協同程序，確保訴訟當事人的參與權、知情權與必要的選擇權，進而發揮技術正當程序的風險控制功能。

（摘自9月2日《檢察日報》。作者分別為中國人民公安大學教授、博士研究生）