对智能辅助办案系统的分析及建议

张啸远 张 晴

(宿州市人民检察院 安徽·宿州 234000)

对智能辅助办案系统的分析及建议

张啸远 张 晴

(宿州市人民检察院 安徽·宿州 234000)

对司法机关使用的智能辅助办案系统进行了研究，以上海和贵州的智能辅助办案系统为样本分析、对比两者的工作模式，指出其核心皆为证据标准和证据规则。结合司法实践展望智能辅助办案系统未来的四个发展趋势。并在此基础上提出智能辅助办案系统可能引发的四个问题，并提出相应的对策建议，期待智能辅助办案系统能够健康发展。

人工智能；大数据；智能辅助办案系统

习近平总书记指出,要遵循司法规律,把深化司法体制改革和现代科技应用结合起来,不断完善和发展中国特色社会主义司法制度。2016年10月21日、2017年6月9日，中央政法委先后邀请马云和马化腾为全国152万政法干警作了题为《科技创新在未来社会治理中的作用》和《现代科技发展带来的机遇和挑战》的两次讲座。7月10日，全国司法体制改革推进会上，孟建柱书记把上海的“刑事案件智能辅助办案系统”和贵州的“政法大数据办案系统”作为重要改革成果隆重推出。种种迹象表明，我国的司法工作模式已经迈入新的时代，大数据、人工智能等前沿科技将在其中发挥越来越重要的作用。

一、司法工作进入智能时代

大数据的本质是指海量的、多维度、多形式的数据。人工智能则是一种数据分析技术，与以前的众多数据分析技术相比，人工智能立足于神经网络，能够构造多层神经网络，从而可以进行深度机器学习。而特定领域的大数据，是训练该领域“智能”的前提。

2016年3月到2017年5月，人工智能围棋程序阿尔法狗AlphaGo及升级版Master对决人类60胜，使人工智能走入公众视野。而司法实践的智能之路，其实远早于阿尔法狗的诞生。 1970 年布坎南(B·Buchanan)和黑德里克(T·Headrick)发表了《关于人工智能与法律推理的思考》，揭开了探索人工智能与法律这一学科交叉领域的序幕。1981年D.沃特曼(D·Whatman)和M.皮特森 （M·Peterson）开发的法律判决辅助系统（LDS），是智能法律系统在实践中的第一次应用。该系统运用责任区分、行为后果和损失赔偿等模型,计算出侵权案件的赔偿数额,并输出模拟法律专家的论证过程，对美国民事侵权纠纷案件进行检测。智能法律系统的最新成果是2017年美国黑石探索（Blackstone Discovery）科技公司刚研发成功的“电子探索”（e-discovery）系统，该系统主要提供法律分析服务,工作高效，同时收费极为低廉。“电子探索”花费数天时间，分析150万份卷宗处理一个大宗案件，服务费仅为10万美元。如果聘请律师做同样的工作，时间要长达数星期，花费更要达到数百万美元。

通过人工智能技术在法律领域的发展可以看出，人工智能更像是人的左脑，通过挖掘、学习来模仿人的理性思维，可以达到甚至超过人的水平，但是，它无法像人的右脑那样具备感性思维，也就是无法进行“非线性思考”。这一点，目前是无法超越人类的。

二、智能辅助办案系统的工作模式

2016年以来，上海、贵州、江苏等地不约而同的开始研发部署智能办案系统，说明当前的司法实践中有些难题亟待通过技术的手段加以解决。归纳起来有以下三类：一是案多人少的压力有增无减。二是同案不同判的现象屡次遭受舆论压力。三是司法改革后如何保障案件质量稳中有升。笔者试以上海的“刑事案件智能辅助办案系统”和贵州的 “政法大数据办案系统”为样本，分析智能辅助办案系统如何解决上述三个难题。

上海和贵州的两个系统虽然名称不同，但工作模式基本相同，核心都是各类案件的证据模型。区别在于两者的开发侧重点不同，目前上海研发了命案、盗窃、电信网络诈骗、非法吸收公众存款四类案件的证据模型，而贵州研发了故意杀人、故意伤害、抢劫、盗窃、毒品五类案件的证据模型。从中可以看出，两地首批开发的证据模型选取的应该都是本地高发案件，如上海作为一个高度发达的商业城市，经济犯罪案件高居全国前列，此类案件模型占了一半。

证据模型包含两个部分，一部分是证据标准，另一部分是证据规则。证据标准是各类型案件中据以认定案件事实的证据要求和证明程度；证据规则是指规范证据收集、运用和判断的法律准则。简单来说，证据标准和证据规则分别对应特定类型案件中 “需要收集哪些证据”、“收集的证据是否可以采信”这两个问题。在具体操作中，办案人员在智能辅助办案系统内阅卷时，先按照该类案件的证据标准，从卷宗中标注出证据具体内容；再按照证据规则，标注出证明证据可以采信的内容。如果证据标准存在项目没有被标准任何内容，系统会自动对办案人员进行提醒。这种“踩点得分”式的阅卷方式即提高了办案人员的工作效率，又保障了基本的案件质量，解决了三个难题中的效率难题和质量难题。据统计，贵州的系统上线以来，办理同类案件的时间同比缩短了30%。

而解决同案不同判的难题则要依靠智能辅助办案系统的类案推送及量刑建议功能。在刑事诉讼的每一阶段结束时，系统都会自动计算犯罪嫌疑人的量刑范围并提供类似案件的资料。而且随着刑事案件诉讼流程的进行，证据越来越充实，量刑建议和类案推送也越来越精准。系统还设置了超幅度量刑说明功能，如果检察官求刑和法官量刑超过量刑建议的范围，需要在系统及文书上进行充分的说理，最大程度化解了恣意裁判的风险。截止6月底，上海的系统已录入各类案件信息16.55万条。

三、智能辅助办案系统的发展趋势

从司法实践的需求及人工智能、大数据技术的发展来看，智能辅助办案系统未来的发展会呈现以下四个趋势：

（一）案件证据的全数字化

智能辅助办案系统对案件进行分析的前提条件是能够识别案件的证据材料。2012年新刑诉法将证据的种类由七类增加到八类，其中大部分证据可以以数字化的方式存储。现在主要的难点在于文字识别技术（OCR）对于手写文字的识别率普遍偏低，卷宗中的很多言词证据如被告人供述与辩解、被害人陈述、证人证言等，经常是侦查人员手写而成。偶尔遇到字迹潦草的书写人，办案人员都要联系上下文连蒙带猜，而系统识别的结果基本是错字连篇。要解决这一问题，只能从两个途径入手，一是研发新一代的文字识别算法，提高识别率，二是大力推广电子记录，给侦查人员配置笔记本和便携式打印机，逐步减少手写证据材料的出现。

（二）证据内容的正确理解

对证据的识别是第一步，对证据的理解才是关键。目前的证据绝大部分都是以中文进行记载，但是由于中文的复杂性和中国人的表述习惯，导致同一个句子在不同的语境下表达的意思完全不同，所以中文的语义理解一直是人工智能的前沿课题。例如“乒乓球拍卖完了”，可以理解为“乒乓球/拍卖完了”，也可以理解为“乒乓球拍/卖完了”。又如“张三借了李四一本书”，可以理解为“张三借给李四一本书”，也可以理解为“张三从李四那借了一本书”。要正确理解中文语义，需要对原始文本进行自底向上的分词、词性标注、命名实体识别和句法分析。虽然现在机器还不能像人一样理解证据内容，随着人工智能深度学习算法的发展，突破这一瓶颈指日可待。

（三）政法机关间的数据共享

上海和贵州的智能辅助办案系统都是在公检法三机关部署，但三家之间互传电子卷宗仍需要通过“光盘摆渡”，即前一阶段的办案人员要将电子卷宗等数据刻录到光盘中，再将光盘送到下一阶段的案件受理人员手中。这样的数据传递不仅效率低，而且导致两个阶段的办案人员沟通不畅。未来的智能辅助办案系统，应覆盖监察委、公安局、检察院、法院等办案单位，与各单位原有的办案系统保持相对独立，仅保留一个数据传输接口。办案人员在本阶段的工作完成后，将需要将传递到下一阶段的证据及卷宗从原系统导入智能辅助办案系统，然后一键送达下一阶段的办案机关。

（四）证据链的校验及审查

现在的智能辅助办案系统并不能真正的发挥智能作用，对证据模型的使用主要依靠办案人员手动打标注。未来的系统，不仅能够自动对证据进行标准，还应能在每一个新证据录入时，会自动对证据的合法性、真实性、关联性进行审查。例如讯问笔录是否是否缺少讯问人、被讯问人签名；与其他证据进行对比，是否具有逻辑上的矛盾，如两份同一时间的讯问笔录为同一讯问人等等。当案件办结时，系统会根据证据模型对全案的证据链进行形式上的分析，例如现场勘验检查笔录中的血迹、脚印是否已经做了DNA及痕迹鉴定；犯罪嫌疑人供述使用的作案工具是否已经提取等等。如果缺少某类证据无法形成证据链，系统会提示办案人员补充证据并列出补充原因。

四、智能辅助办案系统可能引发的问题及对策

智能辅助办案系统作为一种新生事物，必然会对原有的工作模式造成冲击。因此，在推动智能辅助办案系统发展的同时，也要重视以下几方面可能出现的问题。

（一）可能使办案人员形成路径依赖

目前智能辅助办案系统提升的工作效率有限，但随着技术的快速发展，办案人员将彻底告别“案多人少”的压力。呈现在办案人员面前的案件不再是之前那样的一摞卷宗，而是经过系统分析后，层次分明、条分缕析的证据链。这将大大提高办案人员的结案率，但是也可能导致惰性的滋生。既然办案人员可以信赖证据模型构建出证据链，是否还需要阅读全案的卷宗，是否按照系统的提示查看证据就足够了。笔者认为，无论智能辅助办案系统的准确率有多高，办案人员都应亲自阅读全案卷宗。一方面是为了保证案件的正确。毕竟再精密完善的系统也会有出错的时候，如果因为没有发现智能辅助办案系统的错误而酿成冤假错案，那将是追悔莫及之事。另一方面也是为了磨练自己的办案能力。霍姆斯大法官曾说:“法律的生命不在于逻辑,而在于经验”。经验不会凭空而来，长期依赖系统办案，只会使办案技能如逆水行舟一般不进则退。

（二）对同一证据模型可能产生不同的理解

智能辅助办案系统的工作范围覆盖了刑事案件的侦查、起诉、审判三个阶段，有人会提出疑问，三阶段使用同一个证据模型是否会造成起诉阶段和审判阶段被侦查阶段的结论绑架的情况，使本来就稀少的无罪判决彻底消失。应当说，这种担心是大可不必的。首先，公检法三机关本来就一直使用一个共同的标准审查案件，那就是刑诉法中的“事实清楚，证据确实、充分”。对公安机关认为“事实清楚，证据确实、充分”的案件，检察机关依然会作出不起诉决定，同样，法院也会对检察机关认为“事实清楚，证据确实、充分”的案件作出无罪判决。其次，虽然是同一个证据模型，但公检法三机关对其中证据标准和证据规则的理解是不相同的。一般规律为：公安机关相对宽松，检察院较为严格，法院的认定标准最高。看待证据标准要如孟建柱书记说的那样，“侦查、起诉、审判各环节证据标准指引的规则一致，但内涵各有差异和侧重”。最后，智能辅助办案系统的定位是办案人员的工具，不替代司法人员独立判断，认定有罪与否是办案人员依靠经验和内心进行的判断，无论系统的证据模型如何变化不会影响案件的结果。

（三）同案同判可能引出新问题

为了解决同案不同判需要向智能辅助办案系统内录入大量的案件数据，但是录入的数据都来自已经办结的案件，因此就造成一个面对过去和现在的系统，在未来的新环境中能否正确运行是一个未知数。具体来说，就是在政治环境、经济环境、文化环境发生变化时，系统依然按照固有模型推演出的结果，能否符合当时的大环境。例如美国联邦最高法院在1940年和1943年，对案情相同的两起“国旗致敬案”，作出了截然相反的两次判决。第一次判决宾夕法尼亚州要求学生向国旗致敬合法；第二次判决西弗吉尼亚州强迫学生向国旗致敬的法律违宪，应当废除。短短三年间发生如此大的转折，就是因为大环境发生了变化，在第一次判决后，很多歧视活动大行其道，最高法院的法官们开始反思自己的立场。像这个例子中的社会大环境变化，智能辅助办案系统是无法感知的。为了防止系统沿着惯性作出错误的判断，我们要随时关注社会大环境的变化、两高发布的指导性案例、最新的司法判决趋势，并将采集到的数据输入系统，矫正其运行轨道。

（四）智能辅助办案系统发展缺乏规划

当前人工智能、大数据、云计算等概念甚嚣尘上，各地纷纷上马各类智能系统，除了上海和贵州，目前媒体报道的智能系统还有北京市法院的“睿法官”、北京市检察院的“检立方”、深圳市公安局的“警务云终端”等等。这种百花齐放的局面当然是好的，但随之而来也产生了两个问题。一是个别达不到智能标准的游戏式系统鱼目混珠。例如某单位在控告申诉窗口安装了表情识别系统，据说可以根据摄像头拍摄的来访人员面部表情，识别出来访人员的心情，并以卡通头像在屏幕上显示出来。且不说电脑识别人的情绪能不能比经验丰富的接待人员更准确，就算能百分之百的识别准确，让一脸怒气的当事人在屏幕上看到愤怒的卡通头像，对接待工作能起到什么有益的帮助呢。二是每个智能辅助办案系统都是由不同的公司针对特定机关研发，这就造成了不同的系统间很难互通互联，像同一个城市的“睿法官”和“检立方”之间就无法直接交换数据。而且各地都投入资金建设智能辅助办案系统，也会造成资源浪费。

针对这两个问题，政法机关要确立需求主导模式，认识到智能辅助办案系统不是宣传工作的噱头，只有落到实处，才能健康良性的发展。各类智能系统立项前需要进行合理评估，真正有生命力的系统，应该是能够切实解决实际问题、提升效率的。要挑选一线办案骨干参与研发工作，因为系统到底好用不好用，实用不实用，他们最有发言权。建议先选取有基础的地区进行试点，试点系统的范围至少要覆盖公检法三机关，在综合各试点地区的经验教训后再向其他地区推广使用。试点地区可以优先选取大型科技公司所在地，如百度所在地北京、阿里巴巴所在地杭州、腾讯所在地深圳、科大讯飞所在地合肥等。

［1］贺倩.人工智能技术发展研究[J].现代电信科技.2016,(2).

［2］林尧瑞,马少平.人工智能导论[M].北京:清华大学出版社.1989:305-340.

［3］苏力.法律与科技问题的法理学重构 [J]，中国社会科学,1999,(5).

［4］张保生.人工智能法律系统的法理学思考[J].法学评论,2001,(5).

［5］马海群.信息法学[M].北京:科学出版社,2002:86-127.

D90－059

A

1009-8534（2017）06-0169-03

张啸远，宿州市人民检察院案管办副主任，二级检察官，法律硕士；张晴，宿州市埇桥区人民检察院民行科科员，法律中文双学士。

刘 芳

审 稿 人：张 勇