大数据司法的学术观察.docx

网眼观法】大数据司法的学术观察作者：刘品新，中国人民大学刑事法律科学研究中心副 主任、法学教授本文发表于《人民检察》2017 年第 23 期， 系根据作者于 2017年10月12日在中国人民大学法学院第 91 届教授沙龙上所做演讲及其他相关讲座整合而成2014 年是中国的大数据应用元年自此以后，“司法+大数据”就很 快跃升为中国法治领域的一个大热门近三年来，司法部门 的许多重要会议都与大数据司法相关人们不论是采取主动 还是被动的态度待之，它都对法治生活的方方面面产生了潜 移默化的巨大影响一、为什么为什么现在司法领域特别强 调大数据呢？有些人被表面现象所迷住，单纯以为是因为受 政法系统大领导的重视；有些人则错误地认为主要是时代的 原因，在“大数据”与“人工智能”等成为热词的环境下，也理所 应当地要强调大数据实际上，我们可以从以下两个角度进 行更深刻的分析：首先，紧密把握法治领域的体制机制创新 与科技创新之间的关系当前的讨论表明，大数据司法与司 法改革之间的关系有四种看法：（1）司法改革与大数据司法 是车之两轮、鸟之双翼，都是实现让每一个人民群众在司法 中感受到公平正义的手段；（2）大数据司法是司法改革的一 部分，与员额制改革、司法责任制改革等共同构成司法改革 的整体；（3）司法改革是大数据司法的一部分，司法改革为 科技应用到司法领域做了准备，比如以审判为中心的刑事诉 讼制度的改革；（4）大数据司法促进了司法改革，如运用大 数据来改变办案过程中的“审批制”，以达到司法责任制的确 立。

因此，我们如何认识大数据司法，需要结合对司法改革 的理解要认识大数据司法的价值，必须厘清其与司法改革 之间难以界定的关系从目前来看，大数据司法具有与司法 改革同等甚至更加重要的地位其次，我国的大数据司法应 用是在为全球治理探索和贡献中国方案、中国经验有一种 说法是，在当前中国法治的现代化转型的过程中，如果中国 能将司法与大数据进行深度结合，就可以实现“换道超车” 从技术上看，我国与发达国家之间的发展是同步的，但在大 数据与司法结合的应用上看，我国已经较为领先，主要原因 在于我们能够掌握更多的数据在我国，掌握大数据的主体 主要包括政府、企业、公安司法机关等，它们掌握了海量的 数据信息，通过利用这些数据也实现了许多成就，比如近年 来我国法院系统“智慧法院”和检察院系统“智慧检务”的建设 同时，我国大数据司法这一方案还具有更加重要的价值，即 它回避了是否必须依靠西方法治模式来实现司法公正的问 题司法的最终目的是要实现每个案件的公平，让人民群众 感受到公平正义西方国家声称其依靠三权分立做到公平与 正义，而我们不可能实行于西方一样的法治模式，但就当前 来看我们完全可以通过“科技+司法”来实现司法公正。

比如通 过实现“类案推送”功能，可能就相当于产生了一种“现代新型 的判例法”这是将总书记“科技创新”思想深刻地应用于司法 领域的生动实践，它能为全球治理提供中国智慧总之，当 前我国开展大数据司法实验和大数据司法研究，都恰逢其时 二、是什么什么是大数据司法？是“大数据+司法”吗？我认为 不能够这样简单的理解目前来看，大数据司法应当是与“智 慧法院”、“智慧检务”相关的概念，强调数据的运用应当产生 智慧今年5 月在济南召开的全国法院第四次信息化工作会 议上，周强院长对“智慧法院”的作出了如下定义：智慧法院 是建立在信息化基础上人民法院工作的一种形态，具有网络 化、阳光化和智能化的特征，并以是否达到“全业务、全流程、 全方位”作为评价智慧法院的基本标准和主要依据同时要求 准确把握智慧法院与人民法院信息化 3.0 版的关系，深刻认 识到信息化是人民法院组织、管理和建设的运行载体随后 最高检 9 月在苏州召开的全国智慧检务工作会议上，曹建明 检察长将“智慧检务”解读为：是依托大数据、人工智能等技 术手段，进一步发展检察信息化建设的更高形态；是遵循司 法工作规律和检察权运行规律，从科技保障到科技支撑到进 一步上升为科技引领，实现检察工作全局性变革的战略转型； 也是影响深远的检察工作方式和管理方式的重大革命。

即是 一种迭代形态，由“科技保障”（IT时代）到“科技支撑”（DT 时代）再到“科技引领”（ DT+AI 时代）总的来说，我认为， 大数据司法主要体现为法官和检察官的决定权中含有相当 科技支撑的成分下面举例说明1. 类案、关联案件（法条） 推送类案推送是探索引入人工智能深度学习技术，在完成要 素信息抽取研究的前提下，实现依据案由、犯罪手段、量刑 情节、刑罚、法院、地区、相关法条等多种关联因素综合检 索同类案件的方法在今年 3 月山东“辱母杀人案”持续发酵 后，我们试着进行了类案搜索具体做法是，对中国裁判文 书网上 100 多万起故意伤害案，选择反映案件独特信息的关 键词如高利贷、辱母、警察在场等等，进行技术搜索结果 共搜索到很多类似的案件（示例如图）研读这些案件发现 审判结果可以归为两类：一类是轻判的，比如保定的一个案 件认定为正当防卫，判了七年；一类是重判的，比如安徽黄 山的一个案件，没有认定为正当防卫，判了死缓两种情况 的差别在于是否认定了正当防卫这样，可以继续使用类案 搜索技术进一步搜索“正当防卫”案件这样的高级搜索功能， 可以快速找到同类案件如此进行推送，就是类案推动，可 以起到促进“同案同判”的作用，使得司法裁判更具有说服力。

从实践来看，有的地方司法机关还可以实现从裁判文书中自 动抽取出可以反映该案特点的关键词，通过类案搜索进而发 现许多类似案例同时，可以对某一类案件使用法条情况进 行大数据分析，统计得出哪些法条使用最多，从而提供参考 2. 大数据定罪基于大数据辅助定罪量刑是借助文本相似度 分析等技术，挖掘隐藏在历史司法文书中的法官、检察官定 罪量刑集体经验，计算出各定罪量刑情节对刑罚的影响程度， 赋予各情节不同的影响系数,从而使定罪量刑方法更具个性 化、合理化我们当前做过对重点罪名裁判文书的辅助定罪 量刑研究，得出的初步经验如下关于盗窃罪与诈骗罪的大 数据定罪我们做了一个实验，选择“盗窃罪”和“诈骗罪”这两 个罪名，各找两万个案件来进行机器学习，截取从关键字“经 审理查明”到关键字“本院认为”之间的文本交给机器，通过分 词的技术进行学习机器在学习了这些样本案件之后，对测 试案件（1000 个）做出的判断结果和人工的结果基本是一 样的，准确率分别达到98.4%和 97.6%这是通过实验数据 测试后对训练效果进行验收，只要与法官做出的结论相比达 到 90% 以上相同，就可以用于辅助定罪了还有另一种验收 方法是将这一系统放在某一检察院内办案三个月，再与实际 的办案结果做对比，也能发现其效果如何。

3. 大数据量刑大 数据量刑的关键点在于能否得出精准的量刑建议？一些地 方检察院的智慧公诉系统目前能够针对交通肇事罪进行精 准量刑系统选取的因素包括：是否造成人员死亡、财产损 失数额（5000 或 5 万）、是否醉驾（醉驾酒精含量多少）， 通过公检法机关人为地制定出一些标准，从而再通过机器进 行量刑相当于将系统变为了一台计算器，计算出具体结果， 从而实现“精准求刑”与以往的辅助量刑相比，精准求刑可 以带来更好的认罪认罚从宽效果，因为可以使被告人看到其 实施的不同行为所可能带来的具体不同后果我们曾对破坏 公用电信设施罪进行过大数据量刑研究我们做了一个实验， 通过对1767 份破坏公用电信设施罪判决书进行初步处理， 抽取出其中触犯相关刑法并判刑的判决书 372份，并提取以 下3个特征：造成财产损失数额（x1 ）造成通信中断用户 数（x2 ）造成网间通信中断时间（x3），上述特征均体现岀了 社会危害性，接着计算这些特征与判处刑期（y ）之间的关 系在机器学习了这部分判决书后，输入各变量值x1 :85000 （元）;x2 : 1365 （人）;x3 : 48 （小时）结果输岀判决期 限39.83 （月）。

从而，我们可以利用这一方法提供辅助的量 刑建议在这一基础上，还可以实现量刑偏离度分析 4. 案 件偏离度分析通过大数据，还可以进行案件偏离度分析这 最早是由贵州提岀的，但经过我们调研时发现，其所说的案 件偏离度分析是指公检法三家对同一案件的不同判断结果 之间的偏离度分析，但这样的认识是有误解的实际上，我 们可以通过使用案件偏离度分析功能进行监管，比如我们设 置一个偏离度标准（假定 30%），在此范围内的偏离都是可 以接受的，如某一个案件与样本库中案件的偏离度超过了 30%，那么就需要对判决结果进行合理的解释但存在问题 是设定这样的具体数量标准可能过于机械，不同罪名的刑罚 设置不同，重罪与轻罪相比在同一偏离度下的刑罚绝对量的 差异较大因此还需要设置其他标准的偏离度，如罪名偏离 与量刑偏离等从而可以对不同法官、检察官甚至不同部门 进行考核其背后的原理相当于挖掘出了司法人员办案的规 律，再以此规律为标准，测试具体现实中的工作人员办案是 否符合这一规律如我们通过使用北京的检立方系统，针对 海淀区所有批捕人员进行了测试，发现这些人员的不捕率普 遍在 20%以下后发现其中某位人员的不捕率为 90%，且 办案数量很多，因此其就进入了监管视野。

5.数据化的证据 标准时下有一种流行说法，认为冤假错案产生的主要原因之 一是公检法的证据标准不统一如果推行统一的、数据化的 证明标准，就可以避免冤错案件的发生这种观点并非无可 挑剔，但基于大数据技术改造证明标准缺失是一个方向现 行法律对证明标准的规定是诉讼法中的“案件事实清楚，证据 确实充分”，即认定罪与非罪的标准，是给全案证据下结论的 标准这一标准如何进行大数据改造呢？我国司法大数据的 先行地区如贵州、上海进行了宝贵的探索贵州的做法是， 针对故意伤害罪等罪名，按照犯罪构成的四要件、三阶层， 转化为十个证明要件，再进一步看每一个证明要件中通常需 要哪些证据（下图中标绿的部分）来证明这一做法的关键 是构建犯罪构成知识图谱（图8），将案件信息数据化，从而 形成一个统一的标准［图：基于大数据的统一证据标准之贵 州应用-犯罪构成十要件］［图：基于大数据的统一证据标准之 贵州应用-犯罪构成知识图谱］上海政法系统研制了“刑事案件 智能辅助办案”系统，其核心内容同样也是证据的认定在其 证据指引标准中，对于立案、侦查、初查、审查起诉等每个 阶段需要哪些证据，就嵌入进系统，将证据规则的软要求， 变为平台的硬约束，达不到要求就无法进入到下一步。

通过 这种方法，可以解决取证不规范的问题这两个系统的效果 如何，值得特别关注从目前的情况来看，他们研发的是统 一的数据化的证据标准（即应该有什么样证据、证据是否有 效的标准），还不是统一的数据化的证明标准；他们取得的 成绩主要是在证据的数据及合法性规范方面，也遇到了如何 教会机器审查判断证据的关联性、真实性的挑战；他们在证 据合法性自动审查方面取得的进步是形式审查方面，在实质 审查方面还有一些障碍我们的研究表明，基于大数据的证 据审查应当以全案证据的审查评断为主，重点突破反向审查 而非正向审查，即什么情况下案件中的证据还不足以支持做 出肯定性裁判这就需要转变一下思路，比如通过对最高法 院不予核准死刑或者高级法院未判死刑立即执行的案件，进 行机器学习，确定出一个不会被判处死刑的公式通过这样 机器学习得来的辅助办案系统，可以在很大程度上给办案人 员做出提示、进行预警6.自动生成文书在这方面，杭州的 检察院有过一些初步尝试可以基于海量文书，为司法人员 自动产生文书草稿因为所有文书看似不是表格，但实质上 相当于有一个无形的表格，通过将内容部分抽出，再填入到 相应位置上，最终也能以“表格”的形式展现出来。

针对少数 部分机器无法填入的，可以结合智能语音输入功能，未来还 可考虑通过机器学习进行填写目前有多地的自动生成文书 已经做的比较成熟，比如可以通过机器自动生成审查报告、 起诉书、判。