新火種
2023-09-26 
彭海青 于坤：人工智能輔助量刑建議的缺陷審思
【作者】彭海青（北京理工大學法學院教授、《北理法學》執行主編）；于坤（北京理工大學法學院碩士研究生）
【來源】北大法寶法學期刊庫《數據法學》2023年第1期（文末附本期期刊目錄）。因篇幅較長，已略去原文注釋。
內容提要：人工智能技術在司法實踐中廣泛應用，對于檢察機關提出量刑建議而言尤為重要。檢察機關對于人工智能量刑輔助系統的開發應用日益深入。目前的人工智能技術仍處于弱人工智能時代，其發展仍處于初始階段，不具有人的思維邏輯，僅能按照提前設計好的程序發揮作用。因此，現階段人工智能在輔助檢察機關提出量刑建議時，存在精準性不足、與量刑建議實踐部分偏離、“算法黑盒”、算法偏見等缺陷，影響其功能的發揮。在弱人工智能時代，必須提升檢察人員的專業素養與能力，完善司法案例數據庫以及相關機制規范等，以促進人工智能輔助量刑建議效能的更好發揮。
關鍵詞：人工智能；量刑建議；算法偏見；智能量刑
目次
引言
一、人工智能輔助量刑建議的實踐考察
二、人工智能輔助量刑建議的缺陷分析
三、人工智能輔助量刑建議的發展設想
四、結語
引言
1956年，約翰·麥卡錫等人在達特茅斯會議上提出了人工智能的概念，認為人工智能是讓機器的行為看起來與常人無異，即智能行為，這被公認為是人工智能的起源。在普遍意義上，可以將人工智能分為弱人工智能與強人工智能。弱人工智能是指無法用人的思想推理、處理問題的智能機器，它們不具有像人一樣的思考方式，只是在機械地、重復地執行命令，并不擁有獨立自主的學習意識，往往只適用于某一特定領域。而強人工智能則能夠進行深入學習，根據經驗知識進行應急處理，在理性知識基礎上進行推理，具有與人類一般的學習、推理和認知解決問題的能力，并且不再局限于解決特定領域中的問題。另外，在未來還可能出現“超人工智能”雖然對人工智能的探索已經過了半個多世紀，但直到現在，人工智能的一舉一動仍是為程序設計者設計的程序所驅動，如果出現特殊情況，也需要程序設計者提出相應方案，再由機器加以執行，因此現階段仍屬于弱人工智能時代。需要明確的是，至少在現階段，對于量刑建議的提出而言，人工智能系統只能處于輔助地位。檢察官不能直接依據人工智能系統得出案件的最終量刑建議，智能量刑系統生成的結果只可以作為檢察官提出量刑建議的一種參考，或是被當作一種量刑建議提出的依據，最終的量刑建議仍應由檢察官把握。所以，本文認為，在量刑建議領域的人工智能系統應被稱為“人工智能量刑輔助系統”。
在檢察機關進行量刑建議的實踐過程中，人工智能技術發揮著愈加重要的作用。因此，應對人工智能在檢察機關對量刑建議探索各階段的作用進行明確。檢察機關對于量刑建議的探索大體可以分為三個階段：第一階段為20世紀90年代末至2010年左右的自由探索階段。其間進行的探索最早可以追溯到北京市東城區檢察院在1999年開始試行的“公訴人當庭發表量刑意見”工作。在此階段，各地對于量刑建議并沒有明確統一的法律規范，對于量刑建議的形式、幅度、效力等也未達成一致。第二階段為2010年左右至2018年的初步成型階段。在此階段的2010年2月，最高人民檢察院公訴廳出臺了《關于開展量刑建議工作的指導意見（試行）》，對量刑建議的概念、范圍、幅度等進行了統一的規定，要求檢察機關所提量刑建議應以相對確定的幅度刑為主，絕對確定的量刑建議和概括性量刑建議只有在極個別情況下才可以提出。第三階段為2018年至今的深入發展階段。2018年《刑事訴訟法》修改，確立了認罪認罰從寬制度，并要求檢察機關在辦理認罪認罰案件過程中提出量刑建議。2019年“兩高三部”聯合發布的《關于適用認罪認罰從寬制度的指導意見》規定，檢察機關對于認罪認罰案件一般應當提出確定刑量刑建議。在量刑建議實踐探索的前兩個階段，由于提出量刑建議的幅度較大，檢察機關仍可滿足其實踐要求，因而檢察機關在量刑建議方面對人工智能技術的需求較低；此外，在這兩個階段，人工智能技術在司法系統中的應用并不成熟，因此檢察機關應用人工智能系統輔助量刑建議的實踐并不豐富。直到認罪認罰從寬制度為《刑事訴訟法》所確立以后，在確定刑量刑建議的要求下，檢察機關對于應用人工智能輔助量刑建議的需求大幅上升。再加上相關人工智能技術在司法領域早已廣泛應用，人工智能輔助量刑建議的實踐不斷涌現。因此，本文對于人工智能輔助檢察機關量刑建議的研究也以量刑建議探索的第三階段為切入點。
一
人工智能輔助量刑建議的實踐考察
（一）人工智能輔助量刑建議的必要性
檢察機關應用人工智能輔助量刑建議，在現階段對于司法實踐而言是不可或缺的。首先，“同案不同判”的現象一直被長期詬病，司法裁判的公信力也因此而受到損害。而檢察系統對于量刑經驗標準的把握較之法院系統而言更弱，所提量刑建議與法院的實際量刑仍具有一定差距。人工智能量刑輔助系統以大數據為基礎，其量刑建議是借助深度學習訓練模型得出的，因此對類案提出的量刑建議結果較為相似，與量刑標準差距較小。這可以提高量刑建議的說服力，保證司法決策的一致性，進而提升司法公信力。其次，在認罪認罰從寬制度被確立以后，量刑建議在性質上發生了根本轉變，不僅承載了檢察官、被害人及其代理人、犯罪嫌疑人及其辯護人或者值班律師等各方對量刑的態度和意見，成為凝聚控辯合意的重要載體，還體現了我國刑事訴訟模式從對抗到合作的根本變遷，推動了協商式新型辯護模式的產生。據統計，2020年全國認罪認罰從寬制度適用率超過85%，量刑建議采納率接近95%。這意味著在刑事案件辯護方面，控辯量刑協商的形式已占據主導地位，協商式辯護的出現也讓刑事審前程序中的辯護，尤其是審查起訴環節的辯護更具有決定性意義。因而通過在認罪認罰案件中應用人工智能技術提出量刑建議，可以為辯護人提供一個明確的量刑建議標準，更好地與檢察機關進行量刑協商，從而推動協商式刑事訴訟模式的良性發展。最后，2021年全國檢察機關共辦理各類案件363.7萬件，同比上升20.9%。在此背景下，廣泛應用智能技術輔助量刑建議可以提高檢察機關辦案效率，極大地緩解“案多人少”的矛盾，在短時間內彌補檢察系統量刑建議工作的短板。并且通過人工智能量刑系統得出量刑建議結果，可以減少司法人員對量刑建議提出的參與過程，限制司法人員提出量刑建議的范圍幅度，進而減少司法腐敗現象。
（二）人工智能輔助量刑建議的具體實踐
檢察機關應用人工智能輔助量刑建議是隨著量刑建議的實踐以及檢察信息化工作的開展而進行的，相關具體實踐主要集中在“智慧檢務”部分。2017年5月22日，最高人民檢察院黨組會審議通過了《關于智能語音與人工智能應用的報告》，正式提出出“智慧檢務4.0”的概念。2018年，檢察信息化正式進入‘“智慧檢務”階段，強調利用人工智能技術實現量刑建議精準化。地方檢察院利用智能系統提出精準化量刑建議的實踐不斷涌現：2018年，上海市虹口區檢察院建立“量刑過程可視化系統”，勾選案件在各個量刑因素上的表現即可生成量刑結果。2019年4月28日，全國檢察機關在“量刑建議精準化、規范化、智能化”網絡培訓中強調，各級檢察機關要深入推進量刑建議工作有效開展，朝著“精準化、規范化、智能化”的目標努力，并充分發揮大數據智能輔助系統的作用，采取多種措施全面提升檢察官量刑建議的能力和水平。2019年，河北省保定市檢察院開發“智能比對系統”，通過智能抓取并對比文書中的關鍵詞，呈現出既判類案中的刑期、緩刑適用比例，罰金數額等裁判結果，供法官參考。2020年1月2日，全國檢察機關統一業務應用系統2.0版在最高人民檢察院以及貴州、海南兩省檢察機關上線試點運行。自此，檢察機關步入檢察業務應用系統2.0版。相較于之前的1.0版，檢察業務應用系統2.0版增加了量刑輔助系統等智能輔助辦案工具，并實現與法院系統的數據互通，從而更有助于完善檢察機關量刑建議輔助系統的數據庫，促進量刑建議精準化、規范化。2020年，安徽省懷寧縣檢察院引進“小包公智能量刑輔助系統”，通過選擇區域和罪名、敲定量刑情節，即可生成量刑預測報告。該系統由廣東博維創遠科技有限公司研發與設計，首創了理論量刑預測和實際量刑分析“雙系統”，在刑期預測過程中可以實現刑期展示和法律法規、司法解釋等法律依據及指導案例、刑事審判參考等司法觀點的推送，提供同地區類案智能推送及大數據可視化分析。并通過量刑規范化表格呈現出量刑計算過程，可以充分考慮個案的法定情節、酌定情節和檢察官的裁量權，從而助力量刑建議的提出。2020年以來，重慶市檢察機關在提高量刑建議精準化水平的過程中堅持做到精細化、規范化、智能化，研發了涵蓋31個常見罪名的智能辦案輔助系統；重慶市武隆區檢察院積極利用25個常見罪名量刑建議智能輔助系統，合理利用量刑建議輔助、本地類案優先推送、量刑偏離度分析等智能技術，助力量刑建議精準化。2020年7月20日，上海市虹口區檢察院“智慧量刑”小程序上線，涵蓋交通肇事罪、故意傷害罪、職務侵占罪等12類罪名。在小程序上輸入“罪名”和“核心量刑情節”后即可直達“量刑可視化圖表”，圖表中清晰地顯示出適用認罪認罰和未適用認罪認罰兩種情況下各類量刑的對比情況。可見，隨著檢察信息化建設的開展，量刑輔助系統已在檢察系統中逐步推進，尤其是進入“智慧檢務”階段，智能量刑輔助系統已經成為各地檢察機關智能化的重點研究開發領域。
（三）人工智能輔助量刑建議的類型劃分
按照案件情節輸入方式的不同對人工智能量刑輔助系統進行分類，可以將上述具體實踐中的相關輔助系統分為“類案推送”型、“量刑因素”型、“常見罪名”型、“罪名與量刑因素綜合”型四大類（見表1）。
通過表1對檢察機關所應用的智能量刑輔助系統四大類別進行分析，可以發現：對于“類案推送”型而言，一方面，其主要依據“自動抓取”與大數據的“類案推送”技術快捷地輸入案件信息，檢察官在類案的指引下能較為充分地發揮自由裁量權作出最終決定；另一方面，由于現階段法律文書中的文字表述并不一致，且人工智能技術靈活性較低，因此極易遺漏相關情節，進而影響最終結果的準確性，并且所得結果只是類案判決，較為粗略。對于“量刑因素”型而言，一方面，其通過人工直接對量刑因素進行勾選，能夠較為精確地錄入案件相關信息，并且系統“輸出”的是一種直觀、精確的結果，能夠更為精準地指引檢察機關提出量刑建議；另一方面，其主要依靠檢察官手動將案件相關量刑情節錄入系統之中，此過程較為煩瑣，且對檢察官主觀能動性的依賴程度較高，易受到人為因素的影響。此外，該系統所依據的量刑建議生成邏輯也較為單一，較難適應復雜的案件情況。對于“常見罪名”型而言，一方面，其根據案件所屬罪名的不同而應用不同的量刑建議生成邏輯，依據相關量刑指導意見的指引，所得結果較為合理；另一方面，其只依據罪名不同而生成量刑建議，導致量刑建議的生成過程較為簡單，并且在“輸入”端主要也依靠檢察官手動將案件相關量刑情節進行錄人，仍易受到人為因素的影響。對于“罪名與量刑因素綜合”型而言，一方面，其對“量刑因素”型和“常見罪名”型進行了綜合，豐富了生成量刑建議所依據的要素，所得量刑建議結果更為合理、精確；另一方面，其仍未避免“輸入”端主要依靠檢察官手動錄入案件相關量刑情節的缺陷。
從總體上看，隨著檢察機關對人工智能技術研發與應用的不斷推進，智能量刑輔助系統運算所依據的要素逐步從單一走向復合，所得結果也從較為粗略變得更為細致，運算邏輯更為嚴密清晰，所得量刑建議更為科學、合理。但毋庸置疑的是，現階段檢察機關對人工智能量刑輔助系統的探索仍處于初期階段，其不可避免地存在一定的缺陷，尤其是在相關案件信息的輸入過程中（“輸入”端），現有智能量刑輔助系統均存在較大缺陷。
二
人工智能輔助量刑建議的缺陷分析
雖然時常會有人談論人工智能技術可以直接對量刑建議作出一個準確、適當的結果，在未來有極大的可能性取代檢察官的工作，并且智能量刑輔助系統在司法實踐中已經得到廣泛應用，但現在的人工智能仍處于弱人工智能階段，仍是根據人類預先設定好的程序執行命令，并不具有像人類一樣的思考能力。因此，應用智能技術輔助檢察機關提出量刑建議，不可避免地存在一些缺陷。
（一）人工智能輔助量刑建議的精準性不足
2018年《刑事訴訟法》修改，確立了認罪認罰從寬制度，規定檢察機關對于認罪認罰案件需要提出量刑建議，人民法院對于檢察機關提出的量刑建議一般應當采納；而《關于適用認罪認罰從寬制度的指導意見》更是規定，檢察機關所提量刑建議一般應當為確定刑。雖然司法實踐對于量刑建議的效力頗有批判，但不可否認的是，認罪認罰從寬制度已經形成了協商式司法模式的框架，要想使認罪認罰從寬制度更好地發揮讓犯罪嫌疑人認罪服判的效果，就必須讓犯罪嫌疑人能夠對認罪認罰的法律效果有直觀的預期。因此，量刑建議應當具有司法公信力，原則上法官應當受到量刑建議的約束。從最高人民檢察院公布的量刑建議采納率來看，量刑建議也確實發揮了此種功能。為實現這一功能，量刑建議必須具有極高的精準性：一方面，檢察機關所提量刑建議應當與案件事實相匹配，為不同案件犯罪嫌疑人提供一個準確的預期結果；另一方面，檢察機關所提量刑建議應當與法院量刑標準相契合，符合法院的裁判要求。
現階段人工智能對量刑建議進行的輔助是以大數據技術為基礎的。大數據技術雖然可以對海量的數據進行分析，但在精確性方面較為不足，因此人工智能輔助量刑建議不可避免地存在相應缺陷。其一，基于大數據而形成的量刑建議往往是總結海量案件的普遍規律和結論而形成的，是一種系統化、標準化的產物。但完全意義上的同案是不存在的，司法實踐中存在的都是類案，不同的案件往往具有獨特性。因此，智能量刑輔助系統只會對案件的一般情節進行分析，而對于每個案件的獨特情節很難做到精確且全面地把握。在現階段人工智能并不能用人的思想推理、處理問題的情況下，智能量刑輔助系統所提出的量刑建議往往很難實現個案正義。其二，雖然現在已處于司法大數據時代，但并非與案件有關的所有信息均會被公開。現階段仍處于認罪認罰從寬制度全面實施的初期階段，已決認罪認罰從寬案件的數量相對不足，大數據分析的基數達不到“海量”程度，且已決案件的司法文書在數據公開、文字表述等方面也存在不全面、不客觀甚至遺漏等問題。另外，我國目前司法領域人工智能技術的數據基本來源于中國裁判文書網上的裁判文書。但中國裁判文書網2014年才正式啟用，上面的裁判文書數量可能只有審結案件的50%。這些因素導致人工智能輔助量刑系統所依據的大數據不完整，且充斥著大量無效數據，因此人工智能對于量刑建議的輔助作用并不能達到十分精確的程度，只能為檢察機關量刑建議提供一個相對模糊的參考結果。其三，我國幅員遼闊，各地經濟發展與法治化程度差異較大，這就導致不同地區的量刑標準極為不同。以“法定刑在三年以下有期徒刑、拘役、管制、單處罰金幅度的盜竊罪”量刑為例，廣西壯族自治區高級人民法院在其發布的《關于常見犯罪的量刑指導意見》實施細則中規定，增加相應刑罰量的標準之一為“犯罪數額每增加二千五百元，增加一個月至二個月刑期”；而四川省高級人民法院在其發布的《關于常見犯罪的量刑指導意見》實施細則中則規定，“犯罪數額每增加一千五百元，增加一至二個月刑期”。即使在同一地區，由于不同法官之間的專業知識水平與辦案經驗等有差異，對量刑的把握也會存在差異，因此通過大數據提出量刑建議的精準性有待檢驗。
（二）人工智能輔助量刑建議與實踐存在部分偏離
其一，人工智能輔助量刑建議與檢察機關的實踐需求脫節。量刑建議的司法實踐主要集中于認罪認罰從寬制度中。2019年6月至12月，適用認罪認罰從寬制度并提出量刑建議的案件適用率僅用半年時間就從 38.4%提高到82.9%；2019年1月至9月，認罪認罰案件適用普通程序審理占比為14.5%，而適用簡易程序審理占比為49.8%，適用速裁程序審理占比為35.6%。可見，適用認罪認罰從寬制度并提出量刑建議的案件大部分是輕罪案件，重大疑難復雜案件占比很低，這使得關于重大疑難或者新型案件提出量刑建議的數量較少，輕罪案件數量較多。而檢察官對于常見的輕罪案件，因為辦理的案件數量極為豐富，因此對于法院處理輕罪案件的量刑標準已相當熟悉，并由此形成輕罪案件量刑建議標準。所以在現階段，檢察機關借助智能量刑輔助系統對輕罪案件提出量刑建議的需求并不高，往往最需要借助智能量刑輔助系統對新型、疑難案件進行處理。但此類案件數量較少，對弱人工智能時代的量刑建議輔助系統而言，大數據作用發揮不充分，最終導致智能量刑輔助系統很難針對新型、疑難案件為檢察機關提供相對準確的量刑建議。
其二，人工智能技術的開發應用不完善。一方面，檢察系統對于人工智能技術存在一定的僵化追求，在一定程度上一味追求量刑建議科技化而非科學化，這不符合量刑規范化的要求，存在機械主義的傾向。檢察系統在進入“智慧檢務”階段后，就大力提倡對人工智能技術在辦案領域的開發應用。2017年12月22日，《最高人民檢察院關于深化智慧檢務建設的意見》發布，對深化智慧檢務的建設目標進行了明確；2018年7月，最高人民檢察院發布《全國檢察機關智慧檢務行動指南（2018—2020年）》，細化了2018年至2020年智慧檢務的建設任務，不僅強調要推進大數據、人工智能等前沿科技在檢察工作中的應用，而且對檢察系統完成各項智慧建設任務的時間作出了統一安排。加之司法責任制的影響，基層檢察系統及其工作人員容易出現“唯科技論”，尤其是在量刑建議提出的過程中，極易依賴于人工智能技術所產出的結果。但科技化并不等于科學化，過度迷信人工智能技術會使得科技代替檢察機關作出司法決策。而人工智能技術正處于初始成長階段，無法替代檢察官本身進行量刑建議工作。另一方面，現階段智能量刑系統的數據兼容性不足，各地檢察機關之間以及檢察機關與公安、法院之間的智能系統信息對接度不高，難以實現互聯互通。人工智能技術不僅在檢察系統內部進行應用，公安系統、法院系統均在大力建設，甚至各地律所的智能化建設也在大力推進。就量刑輔助系統而言，雖然檢察系統的應用已較為廣泛，但最早對其進行研發探索的是法院系統。山東省淄博市淄川區人民法院從2003年就開始設計審判系統，以期將電腦量刑應用于司法實踐之中。2006年3月，淄川區人民法院與科技公司正式推出了共同研制的電腦量刑軟件，之后法院系統應用技術輔助量刑的實踐不斷涌現。另外，當下各地律所也正在對量刑預測系統進行大力開發。然而這些探索研發基本均是各自進行，各個系統之間彼此獨立，數據兼容性不足，難以進行對接與整合；加上不同地區的量刑參數不同，建立統一的智能量刑輔助系統困難重重。在認罪認罰從寬制度全面實施的背景下，檢察機關所提量刑建議需與全國各地相似案例大體均衡，但相關數據資源尚不能實現整合，因此該要求難以實現。
另外，我國人工智能與法學相結合的復合型人才數量遠遠不足，主要由單一學科背景的技術人員對系統進行研發。研發人員法學背景的缺乏使得智能量刑系統較為僵化，無法與法學專業理論相匹配，進而阻礙智能量刑輔助系統效能的發揮。檢察機關對檢察工作人員所進行的人工智能技術應用培訓也不盡規范，尚未形成一套完整的培訓體系，在實踐中經常出現各級檢察機關重復培訓以及部分領域培訓空白的情況，這種現象也制約了人工智能時代量刑輔助系統的應用。智能量刑輔助系統主要依據司法案例庫的大數據發揮作用，而我國是成文法國家，判例在我國并不具有正式的法律效力。再加之法律也并非一成不變，往往會跟隨實踐的發展而變化，因此當法律出現變化，甚至前后法律規范之間出現完全相反的立法狀況時，人工智能技術由于沒有可以依賴的正確案例加以支持，進而難以對量刑建議的提出發揮作用。
（三）人工智能輔助量刑建議自身存在缺陷
其一，人工智能本身存在“算法黑盒”問題。“算法黑盒”，是指人工智能在數據吞吐階段，根據既定的語法和句法規則，經過半自動或全自動的自然語言生成，將輸入的數據整理成一定的結構，因為此階段所涉及的技術繁雜且用戶無法了解或得到解釋，故形成“黑盒”對于人工智能輔助量刑建議而言，由于“算法黑盒”缺乏透明度，可能會讓公眾對智能量刑系統所輸出的結果產生不信任。國外檢察官與法官應用智能量刑輔助系統對被追訴人進行量刑已引發了較大的社會爭議，美國的盧米斯訴威斯康星州案就是典型案例。在盧米斯訴威斯康星州案中，檢察官依據“COMPAS”智能量刑輔助系統的評估報告指控盧米斯具有再犯高風險，法官也依據該評估報告判處盧米斯6年有期徒刑和5年的延期監督。但因為保護商業秘密的需要，法庭在這一過程中只能獲得再犯高風險的評估報告，具體的評估過程則不會被展示。盧米斯對此提起了緩解動議，理由是法院使用“COMPAS”評估進行量刑判決侵犯了其獲得“個殊化判決”和基于準確信息獲得判決的權利，但被初審法院駁回，駁回結果也得到威斯康星州上訴法院和州最高法院的維持。最高法院認為，雖然風險評估的具體過程沒有被公開，但法官利用算法進行風險評估而作出的判決并沒有侵犯到被告人的正當程序權利。即使科技公司不考慮商業秘密，自愿將“COMPAS”評估過程所涉及的技術手段進行公開，但作為一種人工智能時代的量刑工具，“COMPAS”本身就存在不確定性，研發公司也未必可以對該技術的分析、決策過程作出準確詳盡的解釋說明。同樣，人工智能在輔助量刑建議的實踐過程中，其“算法黑盒”問題會與司法決策的公開性產生沖突。尤其是在認罪認罰從寬制度中，量刑建議具有了控辯協商的屬性，但由于“算法黑盒”問題的存在，被追訴人及其辯護人無法了解量刑建議的形成過程，進而可能阻礙量刑建議協商的順利進行。
其二，人工智能可能導致量刑建議存在價值偏見。在司法實踐中，智能量刑輔助系統絕大多數是由科技公司研發設計的，這使得科技公司在一定程度上行使著司法權。但科技公司并不是司法機關，很難站在公正、中立等價值角度去判斷問題，從而導致智能系統在研發過程中極有可能加入研發者的價值判斷。而司法機關中具有計算機、人工智能等技術背景的復合型人才稀少，難以對智能量刑輔助系統進行可視化的審查判斷，這就會導致人工智能系統在輔助量刑建議過程中出現價值偏見。這種價值偏見，在本質上并非研發者所導致，而是一種社會公眾普遍存在的價值偏見。例如，通過對“COMPAS”系統進行獨立測試，發現在美國司法實踐中，黑人犯罪者比白人犯罪者更有可能根據該系統獲得較高的風險等級評估。黑人被評估出的再犯風險幾乎是白人的2倍，但實際再犯的比例僅有20%。即使不考慮科技公司在研發過程中加入價值偏見的情形，由于以大數據為基礎的人工智能系統是通過對之前海量案件進行分析判斷而輔助量刑建議的，而在之前的案例之中不可避免地加入了檢察官或者法官可能存在的某一時期或者某一地域的偏見觀念，這就會影響到量刑輔助系統最終輸出的結果，進而使得這些觀念和偏見的影響時間與范圍都在不斷地擴大。這樣的后果就是現實社會中原有的量刑實質不平等將不斷被復制進而固化，并且不斷惡化。而這種存在于智能量刑輔助系統內的價值偏見與一般的價值偏見遠遠不同，因為其具有不可預測性，其產生是系統程序依據司法大數據庫進行推演的結果，在此過程中需要經歷“算法黑盒”的部分，而這種推演過程遠遠不同于人類之間的互動，是人類通常邏輯所不能理解與預測的。因此，這種不可預測性也不利于被追訴人及其辯護人與檢察機關進行量刑協商，進而不利于協商式量刑建議的提出。
其三，現階段人工智能輔助量刑建議可能存在技術“瓶頸”。根據前文對人工智能輔助系統的類型劃分，現階段的人工智能輔助系統在“輸入”端總體上可以分為“手動輸入”與“自動抓取”兩種類型，但這兩種類型的人工智能量刑輔助系統均存在不可避免的缺陷。對于前者而言，其主要依靠檢察官對相關量刑情節的手動錄入。不僅錄入過程較為繁雜、便捷性較低，而且依賴檢察官主觀能動性的發揮，對檢察官專業能力與素養的要求較高，潛藏著“不同檢察人員所錄入量刑信息也會不同”的風險，從而不利于對“同案同判”的追求。對于后者而言，其對相關量刑情節的錄入雖是通過人工智能對關鍵詞的自動抓取技術實現的，但由于現階段的人工智能技術仍處于弱人工智能時代，不具有人類靈活與變通的思維，很難應對現階段法律文書中存在的文字表述不一致的情形，極易遺漏關鍵量刑情節，進而對量刑建議的最終結果產生不利影響。因此，上述兩種類型的人工智能系統在“輸入”端均存在相應缺陷。要想解決上述缺陷，必須借助人工智能技術，實現對相關量刑情節的準確錄入，即一方面需要以人工智能代替檢察官從而實現案件量刑情節的自動抓取與錄入，另一方面又需要賦予人工智能技術準確理解法律文書中文字表述的思維能力。該種設想的實現需要建立在人工智能技術具有較為靈活的思維的基礎之上。這種技術要求只能在強人工智能時代實現，而現階段人工智能技術仍處于弱人工智能階段，并且仍會存在一段相當長的時間。因而對于現階段人工智能在輔助量刑建議領域的發展而言，其已出現技術“瓶頸”，需要一段較長的時間來加以突破。
三
人工智能輔助量刑建議的發展設想
正如前文所言，現階段智能量刑輔助系統還處于弱人工智能階段，雖然已經廣泛應用于檢察機關量刑建議的提出過程，但其發展仍處于初始階段，不可避免地存在一些缺陷，人工智能在輔助量刑建議領域存在很大的進步空間。
首先，要提升檢察工作人員的專業能力與素養，培育正確的科技應用觀念。在科技崇拜的當下，不少檢察官、法官因為司法責任制的影響，可能會過度注重智能量刑輔助系統的作用，但弱人工智能技術并不具有人的判斷思考能力，只能按照已經設定好的程序進行推演，不能完全取代檢察官提出量刑建議。因此，應對檢察工作人員進行專業培訓，幫助其樹立正確的科技應用觀念，讓其清楚地意識到不能一味追求量刑建議提出的科技化，而應當追求量刑建議提出的科學化、規范化。智能量刑系統所生成的結果只是提出量刑建議的一種參考，或是量刑建議提出的理由支撐，但最終作出何種量刑建議仍應由檢察官決定。檢察機關還應定期開展人工智能技術應用的專門培訓，提升檢察官應用智能量刑系統的專業能力。尤其要對年齡較大的檢察官進行專門培訓，提升其對智能量刑系統的適應力。
其次，在提高人工智能輔助量刑建議的精準性方面，由于現階段人工智能量刑輔助系統作用的發揮主要依賴于大數據技術，因此大數據的精準性將直接決定人工智能輔助量刑建議的精準性。而大數據技術精準性與數據庫的案件質量有著密切關系。現階段，不管是中國裁判文書網還是其他的司法數據庫中，均存在大量無效數據和空白數據，導致人工智能輔助量刑建議難以形成高精準化的結果。因而，必須要清除智能量刑輔助系統所依據的司法數據庫中的無效數據、空白數據，提升司法數據庫的質量。另外，即使為了保密需要或者基于其他因素考慮，部分裁判文書不能上網公開，司法機關也應當聯合建立一個專門的裁判文書數據庫對其進行儲存。裁判文書的內容也不需要全部進行應用，可以把與量刑無關的因素隱藏，只保留與量刑有關的情節。這樣就可以在提高大數據精準性的基礎上，兼顧司法數據安全與個人信息保護。此外，還需要規范裁判文書的格式。對于通過“自動抓取”錄入案件信息的智能量刑輔助系統而言，其面臨的主要問題就是很難靈活應對現階段法律文書中文字表述不一致的情形。對此，技術層面的解決方式可能已遇到“瓶頸”，在較長時間內無法通過人工智能技術的改進加以解決。應對裁判文書的格式與文字表述等進行規范，幫助智能量刑輔助系統較為準確、全面地捕捉相關量刑信息，進而提升人工智能輔助量刑建議的精準性。
再次，針對人工智能與量刑建議司法實踐存在部分偏離的問題。司法機關是司法工作的第一線，能夠及時精準地把握實踐對于人工智能的需求，因此必須由司法機關對智能量刑輔助系統進行開發，這樣可以避免科技公司在一定程度上部分行使司法權的問題。另外，鑒于司法機關各自研發量刑輔助系統、難以實現數據整合的現狀，需要各個司法機關進行聯合研發，這樣既可以擴充司法案例數據以提升大數據應用的質量，還可以集中司法機關的復合型人才以進行更好的研發與后期維護。智能量刑輔助系統的研發必須與量刑理論和邏輯緊密貼合，不能完全憑借技術產生的邏輯進行研發。應將提出量刑建議所需要考慮的相關因素都包括在內，不僅需要考慮法定量刑情節，更應盡量補充酌定量刑情節，還應與司法實踐中存在的其他人工智能技術進行結合，如社會危險性評估技術以及量刑證據識別技術等。再者，由于現階段量刑建議領域的智能量刑輔助系統分為“類案推送”型、“量刑因素”型、“常見罪名”型、“罪名與量刑因素綜合”型四大類，而這四種類型又有各自不同的缺陷，因此司法機關在系統研發過程中應重點把握與規制不同類型所存在的缺陷。雖然其可能在“輸入”端均已出現技術“瓶頸”問題，但現階段仍是人工智能技術飛速發展時期，可以通過引進尚未在量刑領域應用的其他人工智能技術，來對這些缺陷進行一定程度的彌補。
最后，面對人工智能本身存在的“算法黑箱”，必須提高算法的透明度。在此過程中，需要建立算法解釋規則，使那些可能受到算法決策不利影響的當事人能夠得到合理解釋或者尋求人工干預加以糾正。這就要求檢察機關在使用智能量刑輔助系統提出量刑建議之前，告知被追訴人及其辯護人該系統的應用以及可能的結果，并征求他們的意見。當被追訴人及其辯護人認為智能量刑輔助系統的應用可能會對量刑建議的提出產生不利影響或者對此存疑時，可以要求智能系統的研發者對此進行解釋，或者要求檢察機關對量刑建議進行人為更正。另外，在智能量刑輔助系統投入運行前，應該對其算法規則以及司法數據庫進行檢驗評估，這一過程不僅需要技術人員、法學專家的參加，更應該吸收社會公眾的加入。唯有如此，才能增強人工智能輔助量刑建議的合理性與公正性，產出的結果也更容易為社會公眾所接受。
四
結語
近年來，人工智能輔助量刑建議的實踐不斷涌現，各級各地檢察機關都在大力推動人工智能技術與量刑建議的結合。在此背景下，檢察機關所研發和應用的智能量刑輔助系統，不僅是人工智能時代的必然產物，而且與檢察機關對量刑建議的探索進程相契合，其蓬勃發展具有必然性。然而，針對人工智能輔助量刑建議的具體實踐進行探析后發現，該技術的應用在精準性、與司法實踐的契合程度以及技術本身等方面存在一定缺陷，這些缺陷的存在直接影響到人工智能在量刑建議領域的具體應用效果。因此，需要提升檢察官的專業能力與素養、提高司法數據庫的質量以及算法的透明度、建立相應的算法解釋機制和救濟路徑等，使檢察機關能夠應用智能量刑輔助系統得出準確、適當的量刑建議。鑒于人工智能技術以及檢察機關對量刑建議的探索仍存在很大的發展空間，并且作為兩者結合的智能量刑輔助系統也是近些年的新興之物，本文對人工智能輔助量刑建議具體實踐所進行的審思，由于能力所限，僅是淺嘗輒止，期冀能夠引起學界對量刑建議領域人工智能技術的
推薦閱讀
2023年第1卷（總第四卷）要目
【特稿】
1.《個人信息保護法》背景下侵犯公民個人信息行為的罪與非罪認定標準分析
洪延青（3）
【“數字貨幣的法律規制”專題】
2.論法定數字貨幣權利變動中的交付
徐文、李思奇（25）
3.數字人民幣對刑法若干罪名適用的影響
陳琦（47）
【“個人信息侵權責任研究”專題】
4.個人信息侵權責任的歸責困境與消解路徑
袁俊宇（61）
5.敏感個人信息侵權責任傳統“損害認定”規則的困境和突破
孟思洋（77）
6.敏感個人信息侵權責任的檢視路徑
——
杜冰焱（97）
【專論】
7.個人信息糾紛民事判決之歷時性比較分析
——以《民法典》生效日為界
林凱、張建肖（119）
8.刑事訴訟非羈押人員數字監控實證研究
胡雨晴、羅瀾（141）
9.人工智能輔助量刑建議的缺陷審思
彭海青、于坤（157）
10.論網絡爬蟲的刑事合規
董文蕙、潘鄭偉（175）
11.數字社會時代數字政府的行政法治課題
劉學濤（195）
《數據法學》（半年刊）于2021年正式創辦，是數據法學領域的專業性學術刊物，由中國人民公安大學法學院主辦、李玉華教授擔任主編，向國內外公開發行，邀請國內外有志于研討數據相關法律問題的同仁，合力探索數據法治之道。
-END-
相關推薦
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法，不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險，讀者在采取與本文內容相關的任何行動之前，請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。
