人工智能在刑事证明标准判断中的运用问题探讨

赵艳红

（安徽财经大学管理科学与工程学院,安徽 蚌埠 233000）

人工智能是智能机器所执行的通常与人类智能有关的行为,如判断、推理、证明、识别、感知、理解、通信、设计、思考、规划、学习和问题求解等思维活动。①贲可荣,张彦铎.人工智能（第2版）[M].北京：清华大学出版社,2013：2.人工智能是计算机科学的一个重要分支,其发展经历了20世纪50至60年代以“推理和搜索”为特征的第一轮热潮,20世纪80年代以“知识利用和专家系统”为特征的第二轮热潮,2000年至今以“机器学习”为特征的第三轮热潮。②[日]松尾丰.人工智能狂潮：机器人会超越人类吗？[M].赵函宏,高华彬译.北京：机械工业出版社,2016：40.为抓住人工智能发展的历史机遇,2017年7月,国务院印发《新一代人工智能发展规划》,对我国未来十余年人工智能发展的三步战略目标作出规划,要求加快建设创新型国家和世界科技强国。

在《新一代人工智能发展规划》中的“建设安全便捷的智能社会”部分,国务院要求加强智慧法庭建设,“促进人工智能在证据收集、案例分析、法律文件阅读与分析中的应用,实现法院审判体系和审判能力智能化”。而在司法实践中,不仅地方法院在此之前已经开始进行智慧法庭建设的探索,检察机关、公安机关也已经开始尝试在案件处理中运用人工智能和大数据,并且已经取得了初步成果,如上海市高级人民法院牵头开发的贯穿刑事诉讼流程的“上海刑事案件智能辅助办案系统”已经投入使用,随着该系统的完善,该系统将具备证据标准指引、单一证据校验、证据链和全案证据审查判断、非法言词证据排除等20项功能；③严剑漪.揭秘“206工程”：法院未来的人工智能图景[J].上海人大,2017（8）：41.贵州省司法机关合力打造的“贵州省刑事审判智能辅助系统与政法大数据办案系统”也具有类似的证据指引、证据审查预警等功能。④李波,吴万相.完善司法责任制,着力打造“智慧检务”,办案质效明显提升——“贵州答卷”让人眼前一亮[N].检察日报,2017-07-09（1）.

从目前各地司法机关将人工智能运用于刑事司法的探索来看,证据判断是一个重要运用领域,因为将人工智能运用于刑事司法本来就是为了“将统一的证据标准镶嵌到数据化的程序中,减少司法任意性,推进以审判为中心的刑事诉讼制度改革的目标”。⑤汤瑜.“人工智能”办案,防范错诉错判——上海首个刑事案件智能辅助办案系统成功运行[N].民主与法制时报,2017-07-16（5）.而从人工智能运用于刑事证据判断的发展趋势来看,除了证据指引、单一证据的校验之外,司法机关还在努力尝试使人工智能具有判断证明标准的功能。目前,人工智能主要是对证据规格（报道中称之为“证据标准”）的判断,也即基于大数据统计而归纳出的定罪量刑所需的一般证据,但证据规格和证明标准是完全不同的概念,证据规格是对证据数量的外在要求,侧重于说明应当收集哪些证据；而证明标准是司法人员内心裁量的标准,侧重于所收集证据的证明程度。⑥陈骞.运用大数据防范冤假错案[N].中国社会科学报,2017-11-22（5）.因此,满足了证据规格未必就能达到证明标准,而未满足证据规格也未必达不到证明标准。问题在于,人工智能真的能够用于判断证明标准吗？这是否意味着人工智能未来可以取代法官进行事实认定？本文拟从刑事证明标准判断的特征和人工智能的技术发展阶段出发,对人工智能运用于刑事证明标准判断的可能性问题进行既具有现实性又有一定前瞻性的探讨,为司法实践中的探索提供一些理论和技术层面的参考。本文认为,基于如下几个方面的限制,人工智能在刑事证明标准判断中只能发挥有限的作用,即便未来人工智能技术达到更高的水平,也不可能完全由人工智能承担证明标准判断的重任,必须为人工智能在刑事证明标准判断中的运用设定界限。

一、证明标准判断是否可以设计为算法

所谓人工智能,实际上是人类智能的计算机模拟,人类最主要的智力活动在于逻辑推理方面,所以人工智能就是将各种事物以逻辑符号和公式进行知识表示,然后再转化为计算机语言,由计算机通过计算和推理而进行规划和决策。因此,无论是人工智能的结构主义学派、连接主义学派还是行为主义学派,都将人工智能的研究内容界定为通过计算机程序模拟人类的智能活动,只不过达到这一目的的路径不同而已。⑦贲可荣,张彦铎.人工智能（第2版）[M].北京：清华大学出版社,2013：8-10.无论是哪种方法,计算机程序和算法都是构建人工智能的基础,因为当前的计算机仍然没有摆脱冯·诺依曼型的范畴,它由运算器、控制器、存储器和输入/输出设备组成,输入设备将数据和指令传送到存储器中,控制器负责在存储器中找出待执行的下一条指令进行译码然后根据译码的结果执行一种操作；⑧钱铁云.人工智能是否可以超越人类智能？——计算机和人脑、算法和思维的关系[J].科学技术与辩证法,2004（5）：45.算法则构建了人工智能的计算框架,具体问题必须通过算法来解决。对于人工智能来说,要实现对问题的解决,就要将现实问题的解决方式设计成计算机能够理解和执行的算法。然而,刑事证明标准判断能够完全设计为算法吗？

刑事证明标准的判断是一个主客观要素交叉融合的过程,客观要素是指证据的客观属性,主观要素则是指人对证据的主观判断和认定事实的心理过程。根据我国2012年《刑事诉讼法》对刑事证明标准的规定,定罪的证明标准为“（一）定罪量刑的事实都有证据证明；（二）据以定案的证据均经法定程序查证属实；（三）综合全案证据,对所认定事实已排除合理怀疑”,这是对“证据确实、充分”标准的细化,其中第一项是对证据“量”的要求,第二项是对证据“质”的要求,第三项则是对主客观统一下司法人员的内心确信程度的要求,因此,主要是第三项要求体现了证明标准判断的决定性要素。

在证明标准的这些子项中,有的是可以设计成算法的,而且比较容易实现,如现在地方司法机关将各类案件的证据予以“标准化”,实际上就是证明标准第一项对证据“数量”的要求,也即将这些案件的证据规格的判断设计成一种简单的算法。但有的子项是难以甚至不可能模型化的,如在证据的“质”也即证明力判断方面,少数情况下的证明力判断问题可以通过算法解决,如通过图文识别技术而发现伪造的签名、印章等,但大多数情况下证明力判断问题难以用算法解决,如孤立的言辞证据,就难以设计判断其真伪的算法,因为人类自己对此问题也并无固定且可靠的解决方法。而对于我国证明标准的核心“排除合理怀疑”的判断来说,更难以全部通过算法解决,因为“排除合理怀疑”主要是一个主观判断的结果,是“在原来客观化的证明标准中注入了一种带有主观性的证明要求”,⑨陈瑞华.刑事证明标准中主客观要素的关系[J].中国法学,2014（3）：178.由于这种主观判断因人因事而异,并无一般性可言,而且有无穷的因素和变量会影响判断的结果,所以根本无法将其转化为算法。那么通过计算机的深度学习,是否能够学会如何判断“排除合理怀疑”呢？答案依然是“很难”,因为相对于“排除合理怀疑”的判断可能包含的无穷可能性来说,即便将古今中外的各类案件汇总成大数据,依然是不够的,因为总会有大数据尚未涵盖的新情况、新问题,所以深度学习也不足以教会计算机掌握如何判断“排除合理怀疑”。

综上,因为证明标准判断过程中内容繁杂,而其子项中的内容又无法全然通过算法解决,所以在将人工智能运用于证明标准判断时,就只能在那些能够转化为算法的子项内容上实现,而在那些无法用算法解决的领域,人工智能就无法运用。因此,从人工智能的基础技术层面来说,人工智能是无法单独进行“排除合理怀疑”的判断的。但对于证明标准判断中可以用算法解决的方面,如单个证据的校验、证据之间的外在矛盾、科学证据的审查、相关概率的计算等方面,人工智能可以发挥有效的辅助作用。

二、人工智能是否可以具备判断证明标准所需的人类经验

对于证明标准的判断来说,日常经验的运用是必不可少的。近年来,我国学术界对印证讨论的较多,甚至将其作为我国的刑事证明模式。⑩龙宗智.印证与自由心证——我国刑事诉讼证明模式[J].法学研究,2004（2）：107-115.印证只能作为一种证明方法,不能仅靠印证解决证明标准的判断问题,实践中已经发现的冤假错案很多在最初也是证据相互印证的,但最终却发现是虚假印证导致的,就是最明显的例证。印证甚至不能解决所有的单个证据的证明力判断问题,如对于鉴定意见的准确性问题,就无法通过印证解决。因此,对待印证的正确态度是将其作为一种基于司法理性主义的方法和规则,而不是将其作为“模式”。①李建明.刑事证据相互印证的合理性与合理限度[J].法学研究,2005（6）：21-24.既然如此,在证明标准的判断中,就不能单靠印证,还需根据证据进行推理,其中必然要运用经验,经验是进行证据推理的逻辑前提。②纵博.论诉讼证明中的逻辑和经验[J].新疆大学学报（哲学·人文社会科学版）,2016（2）：77.在单个证据证明力的判断、综合全案证据的事实认定、对事实认定结果是否足以排除合理怀疑的判断等方面,都离不开经验的运用。那么,若要将人工智能用于证明标准的判断,人工智能是否能够具备证明标准判断所需的人类经验呢？

计算机不可能天生具备人类经验,所以有两种方式让计算机拥有人类经验,其一是将人类经验全部输入计算机；其二是通过机器学习而让计算机自行拥有人类经验。

第一种方法早在1984年就已经由美国人工智能研究者道格拉斯·勒奈（Douglas Lenat）启动的“Cyc计划”进行尝试,该计划的目的是将所有的人类一般性知识都以逻辑语言的表示方式输入到计算机,至今已经过去30多年,但该计划仍在进行中,因为人类的一般性知识太多,将其表示为逻辑语言是一项浩大的工程。③[日]松尾丰.人工智能狂潮：机器人会超越人类吗？[M].赵函宏,高华彬译.北京：机械工业出版社,2016：65-67,100,125.当人们发现描述知识并非易事之后,便产生了关于如何在计算机中描述知识的研究——本体论工程,也即研究如何创建关于行动、时间、物理对象以及信度这样的通用概念的表示。④[美]Stuart Russell,Peter Norvig.人工智能：一种现代方法[M].姜哲等译.北京：人民邮电出版社,2010：244.但时至今日,尚没有任何一个项目能够成功地将人类经验全部输入计算机。实际上,这种想法本身可能就完全不具有现实性,因为人类经验本来就是近乎无穷的,而且随着时间的推移、空间的转变而不断增加、变化,所以设想由少数人将这些人类经验采取人工输入的方式输入计算机,基本上是不可能实现的。

第二种方法是随着机器学习技术的发展而兴起的。所谓机器学习,即人工智能程序自身进行学习的机理。机器学习可分为有监督学习、无监督学习、强化学习三种类型。其发展背景是文字识别等模式识别领域长年积累的基础技术和不断增加的海量数据,尤其是随着互联网和大数据的发展,机器学习开始向深度学习发展,即由计算机自动生成特征量,而不再需要由人来设计特征量,由此,人工智能由之前必须借助人类的领域向前迈出了一步。⑤[日]松尾丰.人工智能狂潮：机器人会超越人类吗？[M].赵函宏,高华彬译.北京：机械工业出版社,2016：65-67,100,125.但通过机器学习,人工智能就能够具备充分的人类经验数据库吗？基于如下原因,这种可能性很小：其一,人类经验不会全部转化为数据。虽然互联网技术的发展带来了规模巨大到无法想象的大数据,但人类的经验不会全部转化为数据,人们在日常行为、决策中所运用的一些背景性知识不会形成可提取的数据,尤其是那些只可意会不可言传的经验,根本就无法形成数据。其二,即使大数据中已经包含了全部的人类经验,机器学习也很难通过学习而将这些人类经验抽取出来。虽然深度学习是机器学习的一大进步,但在本质上它无非是从数据中发现特征量或概念,然后使用这个聚合块,再去发现更大的聚合块而已。⑥[日]松尾丰.人工智能狂潮：机器人会超越人类吗？[M].赵函宏,高华彬译.北京：机械工业出版社,2016：65-67,100,125.目前深度学习主要是在图像和语音识别领域有所发展,在人工智能的其他领域能否实现同样的突破仍未知,但相对于图像和语音识别来说,人类经验的提取将会面临着更大的难度,因为大数据中即便包含人类经验,也不会有相应的标识,人工智能是否能发现相应的特征量是极不确定的。其三,即便人工智能可以从大数据中提取人类经验,但并非所有的人类经验都可以用于刑事证据判断,正如国外学者所言,证据法学者所谈论的“知识库”（经验的集合）是一种定义不清的信念凝聚体,很像一锅由或多或少的完备信息组成的复杂汤羹,有高级模型、零星记忆、印象、故事、神话、谚语、希望、刻板印象、推测或偏见,事实和价值并不能做泾渭分明的区分。因此,经验是有危险性的,运用于司法时必须经过识别和评价。⑦[美]特伦斯·安德森,戴维·舒姆,[英]威廉·特文宁.证据分析[M].张保生等译.北京：中国人民大学出版社,2012：362-365.但人工智能无法进行这种识别和评价,因为这种识别和评价需要由人们运用其生活经验和价值观,而这在人工智能中是难以实现的。

综上,由于人工智能无法通过人工输入或机器学习而充分掌握判断证明标准所需的人类经验,所以在将人工智能用于证明标准判断时,那些需要运用经验进行证据推理的环节人工智能就难以胜任,尤其是在需要运用间接证据进行推理而认定事实的场合,对于经验丰富的司法人员来说都尚且可能存在诸多的不确定性,更何况对于不能完全掌握人类经验的计算机？所以在证据推理方面必须给人工智能的运用设定一个界限,那些司法实践中常用的、具有高度概然性并被司法界普遍认可的经验,可以采取人工输入或有监督的机器学习方式而赋予人工智能,并由人工智能在判断证据时进行运用。但基于案件事实和证据的复杂性、不确定性,人工智能的算法难以根据具体情况而灵活的运用经验,所以可能会产生错误甚至荒唐的结果。因此,人工智能运用人类经验进行的判断结论只能作为司法人员的辅助和参考,而且是可以反驳或舍弃的。

三、人工智能是否能运用合理的推理方法

如前所述,在根据证据认定事实的过程中,必须运用证据推理。与传统的法律推理领域不同的是,证据推理在方法上更多地会运用非单调逻辑推理方法,也即第一个推理结论在已知事实增加时会自行撤销,并修改推理的依据,这就是所谓的推理的“非单调性”,是与传统逻辑明显区别之处,因为在传统逻辑推理中,由已知事实推出的逻辑结论绝不会在已知事实增加时反而丧失,所以是“单调性”的推理。非单调推理是由于事物发展的随机性和复杂性而出现的,人类认识的不完全、不可靠、不精确和不一致性,自然语言中存在的模糊性和歧义性,使现实世界中的事物以及事物之间的关系极其复杂,带来了大量的不确定性,如果采取确定性的单调推理方法处理不确定性问题,就需要把知识或思维行为中原本具有的不确定性划归为确定性来处理,这无疑会舍去事物的某些重要属性,造成信息流失,妨碍人们做出最好的决定,甚至可能做出错误的决定。所以,非单调推理就是建立在非经典逻辑上的一种推理,它是对不确定性知识的运用与处理。⑧贲可荣,张彦铎.人工智能（第2版）[M].北京：清华大学出版社,2013：144-147,186.

之所以在证据推理中要更多地运用非单调推理,是因为证据推理面对的是形形色色、千变万化的证据与事实,与法律推理面对的是法律条文的发现、涵摄有着很大不同。在证据推理中,司法人员只能从具有不确定性的若干证据出发,通过运用经验和常识,得出一个似真的结论,但该似真结论是可以废止的,也即它能够被新引入的证据所推翻,因此,这种推理常常被认为是与概然性相同的,⑨[加]道格拉斯·沃尔顿.法律论证与证据[M].梁庆寅,熊明辉等译.北京：中国政法大学出版社,2010：112,113.也引起了英美法系国家证据法学者对于数学上的概率是否可以用于证据判断的“帕斯卡主义”与“培根主义”之间的争执,⑩封利强.司法证明机理——一个亟待开拓的研究领域[J].法学研究,2012（2）：150.但从本质上来看,证据判断中的这种似真性、概然性与数学概率有很大不同,因为似真性并不根据内部数据来指派值,而是根据每个被考虑命题的外部支持来指派值。因此,证据的似真性最好通过“确信值”这种粗糙刻度来衡量,这种刻度看起来足以决定行动但又不同于概率值。①[加]道格拉斯·沃尔顿.法律论证与证据[M].梁庆寅,熊明辉等译.北京：中国政法大学出版社,2010：112,113.所以,处理证据判断中的不确定性问题,应当采用非数值方法,包括古典逻辑方法和非单调推理方法等,正如爱因斯坦所言,“适用于现实世界的数学定律都不具有确定性,具有确定性的数学定律则不适用于现实世界”。②贲可荣,张彦铎.人工智能（第2版）[M].北京：清华大学出版社,2013：144147,186.

在人工智能研究中,已经采取若干推理方法处理不确定性问题,如针对由随机性引起的不确定性问题,有模型方法、控制方法两大类处理方法,模型方法又分为数值方法和非数值方法,数值方法包括概率方法、主观贝叶斯方法、可信度方法、证据理论等,非数值方法包括上述的古典逻辑方法和非单调推理方法。而针对由模糊性引起的不确定性问题,则使用模糊逻辑方法,即一种使用逻辑表达式来描述模糊集合中的隶属关系的推理方法。尽管在人工智能中已经有了这些解决不确定性问题的推理方法,但这是远不足以解决刑事证据判断中的复杂问题的：其一,因为这些人工智能的推理方法本身仍存在很多缺陷,对不确定问题的处理不够严格,使用上也有很多局限性,仅能解决实践中的部分问题,如针对模糊性问题而言,很多来自语言方面的观察和连续量的适当表示的开放问题仍然存在,所以不足以处理证据判断诸多瞬息万变的情形；其二,虽然人工智能中运用的诸多推理方法旨在解决不确定性问题,但这些推理方法与证据推理中所用的方法依然有较大差别。人工智能中的推理方法主要是面向未来的,其目的是做出决策和规划,而证据推理面对的则是过去的事实,所以是一种基于证据的推论；人工智能虽然主要运用的是概率推理方法,但这些概率方法基本上都属于精确概率的范畴,但在证据推理中,使用精确概率却并不合适,因为精确概率不足以解释司法证明的性质,无法完全传递关于信念的丰富内涵,而且还可能会误导裁判者,所以在证据推理中只能运用一种“道德上的确定性”意义上的盖然性方法。③张保生.事实、证据与事实认定[J].中国社会科学,2017（8）：127128.

综上,由于人工智能所采取的推理方法与司法实践中证据推理所需要的推理方法并不相同,而且人工智能的推理方法本身在解决复杂的现实事物时也存在很多局限,所以人工智能用于判断刑事证明标准时,在推理方法方面难以实现对人类推理方式的模拟,当需要运用推理根据证据（特别是间接证据）推理案件事实时,就很难运用人工智能。

四、人工智能是否能模拟人类的非逻辑思维

非逻辑思维是指无法用通常的逻辑解释和说明的一部分人类思维活动,直觉、想象、灵感、顿悟、假设、创造等是其主要表现形式。非逻辑思维在人类的认知活动中也发挥着重要作用,有时甚至是必不可少的作用。在人类的认知活动中,逻辑思维与非逻辑思维是辩证统一的,非逻辑思维是人类特有的、经过长期的社会实践和认知活动形成的一种在一刹那就能够将现象和本质、个别和一般、部分和整体等认知素材相互统一起来的发明创造能力。④张之沧.当代科技创新中的非理性思维和方法[J].自然辩证法研究,2008（10）：99.认知心理学的研究也证明了这种可能性,如在遇到需要顿悟的问题时,问题一开始看上去是不可能解决的,但随后一种可能的解决方法会突然闯入你的意识中,让你立即认识到这个方法是正确的。⑤[美]玛格丽特·马特林.认知心理学：理论、研究和应用[M].李永娜译.北京：机械工业出版社,2016：191.

在刑事证明标准的判断中,除了要运用逻辑思维外,非逻辑思维也是必不可少的判断方法。我国虽然没有正式确立自由心证原则,但“排除合理怀疑”因素的引入,表明我国的刑事证明标准已经正视证据判断中的主观因素。判断证明标准时的主观因素要求司法人员对所认定的事实应达到内心确信,除了通过逻辑思维获得内心确信外,司法人员在判断证据时所运用的直觉、感觉、良心等非逻辑思维形式同样发挥着重要作用。曾有学者经过研究认为,法官作为不知情者,会采取启发式策略,即顿悟、直觉、想象等,先获得一个具有可能性的结论,然后再回头检测是否能够得到证据支持,最终使证据之间的联系逐渐清晰明朗。⑥胡宇清,李蓉.刑事认证如何进行——以认知心理学为研究进路[J].法学杂志,2012（5）：121122.虽然通过非逻辑思维而形成一个案件事实的假设带有一定的猜测成分,但这种方法能够有效越过证据与事实之间的空白地带,发现证据之间的联系。这种做法也不违反证据裁判原则,因为在通过非逻辑思维形成案件事实的假设之后,证明过程并未结束,而是刚刚开始,司法人员还要对假设进行验证,即通过证据、已有的知识、经验和逻辑推理对假设进行是否合乎规律的检验,只有经过检验认为证据能够达到确实、充分、排除合理怀疑的程度,才完成了证明任务。在证据复杂的案件中,这种通过非逻辑思维形成假设然后再通过逻辑思维进行验证的路径几乎是必然选择,否则就可能陷入事实认定的困境。

当将人工智能运用于证明标准判断时,也要面临复杂证据情况下的事实认定问题,仅靠逻辑推理是难以得出认定事实的结论的,必须有一定的直觉、启发或灵感作为黏合剂,才能进行上述的假设——验证过程。但问题在于,人工智能能够模拟人类的非逻辑思维吗？在人工智能研究领域,关于人工智能究竟是否属于“智能”的争论中,反对方提出了一些关键性问题,其中就包括人工智能难以完全模拟人类的直觉思维的问题,例如哲学家休伯特·德雷福斯主张,虽然人类的行为的确包含一些规则知识,但是只是作为人类在其间进行操作的“整体上下文”或者“背景”,人类的行为太过复杂而无法通过任何简单的规则集合捕捉到,由于计算机所能做的不过是遵循规则集合,所以,它们无法产生同人类一样的智能行为,这种能力缺陷被称为“限制问题”。如对于人类来说,一个人显然具有关于“事情是如何完成的以及应该期待什么的直觉”,但计算机是无法通过规则集合的方式模拟这类直觉的。⑦[美]Stuart Russell,Peter Norvig.人工智能：一种现代方法[M].姜哲等译.北京：人民邮电出版社,2010：732.从更根本的层面来看,之所以无法实现计算机对人类非逻辑思维的模拟,是因为在对于人类思维的研究中,对逻辑思维的研究较为成熟,但对于非逻辑思维的研究还远远不足,这就意味着,人类自己尚不清楚非逻辑思维的运作方式,又如何将其转化为计算机能够理解和执行的算法？所以在目前乃至未来相当长一段时间内,人工智能都是难以模拟人类的非逻辑思维的,当然也无法在刑事证据判断中运用非逻辑思维方式。

综上,由于在技术上无法实现人工智能对人类非逻辑思维的模拟,所以在刑事证明标准的判断中,当需要采用非逻辑思维时,就不能依赖人工智能,尤其是在那些缺乏直接证据、需要进行大量主观判断的案件中,否则人工智能就会直接给出“未达到证明标准”的结论,容易导致放纵犯罪的结果。在证据虽暂时未达到证明标准、但司法人员认为被告人犯罪的可能性极大的时候,应先通过检察机关补充证据、法官自行调查取证等方式,填补证据空白,对被告人犯罪的假设进行验证,如果最终无法验证,才可按疑罪从无而宣告无罪。人工智能在这类案件的证明标准判断中只能发挥部分辅助作用,对证据矛盾或证据的完整性进行校验,事实认定结论的假设、验证必须由司法人员自己完成。

五、人工智能是否能够进行证据说理

在证明标准的判断中,证据说理是必不可少的附属制度。完善的证据说理能保障心证公开、防止证据裁量权的滥用,是防止错误认定事实的重要保障措施。在大陆法系,自由心证不包括不受理性推理规则约束的自由,法官必须对其心证的形成进行说理,⑧[美]米尔建·R·达马斯卡.漂移的证据法[M].李学军等译.北京：中国政法大学出版社,2003：214.如在德国,法官必须在判决中记载详细的证据评价（心证）,否则第三审法院将因澄清案件之诉或因主张心证的瑕疵而撤销其判决。⑨[德]克劳思·罗科信.刑事诉讼法[M].吴丽琪译.北京：法律出版社,2003：465.而在英美法系,虽然传统上法官和陪审团都没有对事实裁决进行说理的义务,但近年来也有很多要求法官和陪审团必须进行证据说理的声音。⑩See Michael Csere,“Reasoned Criminal Verdicts in the Netherlands and Spain：Implications for Juries in the United States”,Connecticut Public Interest Law Journal,2013（2）.p.437；See Stephen C.Thaman,“Should Criminal Juries Give Reasons for Their Verdicts？：The Spanish Experience and The Implications of The European Court of Human Rights Decision in Taxquet v.Belgium”,Chicago-Kent Law Review,2011（2）.p.665.证据说理与自由心证并无冲突,在证据判断中,除了可以对逻辑推理进行说理外,即便对于直觉、灵感等非逻辑思维,也可以进行一定的说理,因为这些非逻辑思维可能是建立在情态证据、生活经验、日常情理之上的。对于实行专业法官裁判的我国来说,证据说理是发挥法官主观判断的优势的同时也防止证据裁量权滥用的必要之举。

但将人工智能用于证明标准的判断时,如何让人工智能进行证据说理就成为一个难题。目前,法律界对于人工智能的一个很大的担忧就是人工智能做出决策的不透明性,人工智能的算法很大程度上是一个“黑盒子”,即便是算法设计者,可能都不知道人工智能的真正运行机制和可能造成的后果,①周维明.对大数据和人工智能的冷思考[N].民主与法制时报,20171-019（6）.更何况,算法也不等于说理,说理是通过自然语言论证的方式将证明标准判断过程中的证据基础、经验前提、推理过程进行公开,而算法则仅是计算机能够理解和执行的逻辑程序而已。因此,人工智能在证据判断中只能给出结论,但无法像人那样对其得出结论的过程进行详细的说理,所以很大程度上是一种暗箱操作式的判断,无法满足证据判断的心证公开要求。当然,人工智能的开发设计者可以赋予人工智能一定的论证功能,但如前所述,在证明标准的判断中,除了传统的逻辑推理外,运用的更多的是非单调逻辑推理,而且还需运用人类经验、非逻辑思维,但人工智能在这些方面要么难以模拟,要么只能发挥有限的作用,所以也难以对形成判断结论的过程进行真正的论证。

因为人工智能在证据说理方面的无能为力,所以如果将证明标准判断全权交由人工智能负责,无异于是将被告人的命运放在无法监督、不受制约的暗箱中,是违背司法公正、公开原则的,这也是法学界对人工智能在司法中运用的普遍担忧之一。同时,人工智能的这一缺陷也决定了其不能单独进行证明标准的判断,而只能给司法人员提供参考性意见,最终的裁决及其论证说理必须也只能由司法人员作出。

六、人工智能可以做什么

通过本文对人工智能运用于刑事证明标准判断中的如上问题的探讨,结论似乎十分悲观,因为人工智能似乎无法发挥多大的作用。但本文的探讨并非纯粹的泼冷水,而是在当前司法界对人工智能抱有一种近乎狂热的态度的背景下,对人工智能引入司法领域后如何保障司法的自治性的一些冷静思考。实际上,域外也早有将人工智能运用于证据判断的探索和尝试,但也一直存在警惕人工智能的过度侵入、保障司法自治性的声音,如英国在1998年时就有在皇家检察署的起诉工作中使用一种证据判断的辅助系统的建议,但同时也特别指出,这种辅助系统是“仆人而非主人”,检察官仍可推翻系统产生的结果。②See Jo Greenfield,“Decision Support within the Criminal Justice System”,one of papers of 13th BILETA Conference：“The Changing Jurisdiction”,Friday,March 27th&Saturday,March 28th,1998,Trinity College,Dublin.本文的探讨旨在说明,人工智能运用于刑事证明标准的判断时,应当为其设定明确的界限。在证明标准判断的部分领域,人工智能依然能够发挥有效的辅助作用,如证据之间是否存在矛盾、全案证据是否符合证据规格的要求、要件事实是否明显的缺乏证据证明等方面,在这些方面,主要的判断方式是对比、列举、校验,而不需要运用人类经验或复杂的推理,所以人工智能可以比人类更有效的发现证据矛盾或缺失,避免因明显的证据问题导致错案。虽然目前司法机关已经在这些方面开始了运用人工智能的尝试,但还仅是初步的探索,尚且存在诸多问题,如标准不统一、重复建设、功能单一等,所以这些方面的运用也是日后人工智能发展的重要方向。但在需要运用人类经验或需要运用非逻辑思维的领域,就不应尝试运用人工智能,也不应在人工智能的设计中尝试开发这种功能,更不可将单独进行刑事证明标准的判断作为人工智能的发展目标,否则注定只能以失败告终。

总之,虽然人工智能在刑事司法中的运用是不可逆转的潮流,但其在刑事司法中的作用应定位为一种有限性、辅助性的手段,唯此才能在充分利用现代科技的同时,保持司法的自治性和公正性。