全要素且可解释智能化再犯风险评估指标体系的理论架构

狄小华

自从犯罪实证学派提出人身危险性概念以来的一百多年，西方国家的再犯预测经历了从人身危险性评估到再犯风险评估的转向(1)风险可以分为纯粹风险和投机风险。人身危险性评估强调的只有危害机会而无获利机会的纯粹风险，而再犯风险评估则重视再犯既有危害可能也有获利机会的投机风险。与依据人身危险评估决定假释和缓刑不同，再犯风险评估的重点在通过刑罚个别化对再犯风险进行有效管理，以追求降低甚至消除再犯风险的目标。。而再犯风险评估技术也经历了由经验性评估到精算评估，由精算静态因素的评估到兼有动态因素的评估，由服务缓刑、假释等单一目的评估到服务量刑、行刑处遇等整个再犯预防的多元目的评估的历史演进，形成了四代成熟的再犯风险评估工具(2)何川、马皑：《罪犯危险性评估研究综述》，《河北北方学院学报(社会科学版)》2014年第2期。，而通过检测脑电及人体多巴胺、血清等物质变化评估再犯风险的第五代评估工具也已经出现(3)David Nussbaum：《主题报告概述》，中国心理学会法律心理学专业委员会：《服刑、戒毒及社区矫正人员危险评估与矫正项目研发学术研讨会论文集》，2017年，第10页。。随着信息技术特别是人工智能的快速发展，依托网络、大数据、物联网和人工智能等技术，能动实行再犯风险预测与管理，即实现再犯风险评估的智能化已经成为一种趋势。美国是再犯风险评估智能化最早的国家，该国学者Sarah L. Desmarais和Jay P. Singh 2013年受州政府委员会司法中心(the Council of State Governments Justice Center)的资助(4)州政府委员会(the Council of State Governments)是一个非营利组织，1933年成立于科罗拉多州，现总部在肯塔基州莱克星顿，在亚特兰大、纽约、萨克拉门托等城市设有分部，为政府机构提供决策咨询服务。，对美国广泛使用的19种再犯风险评估工具的智能化进行调研并评估，发现有12种属于第四代，4种属于第三代，3种属于第二代，再犯风险评估工具的“智能化”趋势明显(5)Sarah L. Desmarais, Jay P. Singh, Risk Assessment Instruments Validated and Implemented in Correctional Settings in the United States,27 March 2013, available at: http://csgjusticecenter.org/wp-content/uploads/2014/07/Risk-Assessment-Instruments-Validated-and-Implemented-in-Correctional-Settings-in-the-United-States.pdf.最后访问时间：2019-04-20。。

再犯风险评估智能化尽管不是指称新的一代再犯风险评估工具，但它通过新技术的应用可以极大地提高既有评估工具的准确性和便捷性，因此有力地促进了评估结论在刑事司法领域的广泛应用。以美国为例，目前智能化再犯风险评估在刑事司法领域的应用，具体表现在三个方面：一是判决、假释等司法指南的编制与应用；二是偏离判决指南范围判处刑罚、缓刑、审前释放决定等；三是广泛用于罪犯管理分级及个别化的循证矫正(6)曾赟：《风险评估技术在刑事司法领域中的应用》，陈兴良主编：《刑事法评论》(第32卷)，北京：北京大学出版社，2013年，第495～510页。。我国的再犯风险评估研究始于1994年，中国心理学会法制心理专业委员会与司法部监狱管理局合作进行的COPA评估量表研制，进入21世纪COPA在全国监狱系统被广泛推广使用。随着司法改革的深入，特别是宽严相济刑事司法政策的法律化，如何公正确定罪犯的预防刑、科学决定罪犯的处遇，已经成为落实我国兼顾报应与功利的“一体刑”立法、追求良好刑事司法效果之必然。而信息技术特别是人工智能的发展，又为我国再犯风险评估智能化研发和应用创造了条件。

智能化再犯风险评估能够从大数据中自动获得较人工抽样研究更为丰富的影响再犯因素，因此可以不断提高再犯风险评估的准确性和应用性。但再犯风险评估的智能化是一个过程，尚处于早期的智能化再犯风险评估，尽管评估结论要较非智能化评估更加可靠，但在应用过程中仍面临司法所需要的准确性和可解释性难题。而建立科学的、符合司法规律的再犯风险评估理论模型，又是解决这些难题的关键所在。本文试图从理论上提出全要素且可解释的再犯风险评估指标体系架构，以期破解智能化再犯风险评估的难题。

一、构建全要素且可解释再犯风险评估指标体系的必要性

公正是司法的灵魂！智能化再犯风险评估虽然提高了评估结论的确定性，但要广泛应用于刑事司法，仍需要从技术层面、规范层面和应用层面破解评估结论的可靠性、评估指标的普适性和评估结论的可解释性等难题。而要破解这些难题离不开全要素且可解释的再犯风险评估指标体系的理论架构。

(一)提高评估结论准确性的需要

再犯风险评估的司法应用，涉及嫌疑人、被告人或罪犯人身自由的剥夺与限制，因此评估结论的准确性直接关乎司法的公正。与由已经实施的犯罪行为决定报应刑罚具有客观性不同，根据再犯风险评估形成的再犯风险高低决定预防之刑，一直面临准确性和可靠性难以保障的难题：一方面，基于不同目的，在受限条件下，通过抽样调查研究获得的再犯评估的指标因素越是不完整，那么依此得出的评估结论就越不确定或具有越高的或然性；另一方面，根据过去影响再犯的群体因素衡量现在的个体的风险高低，由于难以兼顾影响再犯的个体的且变化着的因素，因此必然影响评估的准确性和可靠性。也正因为如此，再犯风险评估虽经百年发展、五代演进，但在智能化前，司法应用并不普遍。

依赖大数据的智能化评估，由于影响再犯风险的指标因素的确定不再依赖于时空、对象等受限的实证研究，而是通过大数据这种超时空、大样本、多要素分析确定的，因此能够发现更为完整和更加可靠的指标因素。不仅如此，随着反映罪犯、刑释人员特征的数据的不断积累，通过数据挖掘，在不断丰富影响再犯的共性指标因素的同时，还可以找到更多个别化的影响再犯因素。而影响再犯的指标因素越是丰富，体系越是完善，那么依据这些因素所做出的再犯风险评估结论也就越是准确和可靠。

然而，要提高智能化评估结论的准确性和可靠性，首先需要从技术上突破两方面的难题：一方面，需要解决算法的适合性难题。算法是人工智能最为核心的技术，也是智能化再犯风险评估系统的大脑。算法既有先进与落后之分，也有适合与不适合之别。算法越是先进就越能从数据中挖掘出有价值的信息，就越是能够能动满足人们再犯风险评估和风险管理的需要。但智能化再犯风险评估的应用涉及公民的基本人权，因此在追求算法先进的同时，还要求算法符合司法规律。算法虽然是一种技术，但技术并非必然“中立”而公正，“算法是由人类来编写完成的，那么人类的价值观会嵌入到这些软件当中。他们经常也必然在使用数据的过程中带入人类的偏见”(7)Frank Pasquale, The Black Box Society: The Secret Algorithms that Control Money and Information, Cambridge, MA: Harvard University Press, 2015, p. 38.。而避免算法引起的偏见和歧视，则需要给算法立“规矩”，即以更为科学的理论模型，对各种影响再犯的相关因素加以功能分类。如果算法不仅能够确定影响再犯因素，还能够对这些因素进行功能性归类，那么既可以避免将相关关系误读为因果关系而产生的偏见和歧视，也可以增强评估结论的可解释性以适应正当程序质证和解释的要求。

另一方面，要解决数据的有效性难题。大数据是算法的饲料，能够客观、真实反映罪犯服刑生活、改造及其效果的有效数据数量越大，则算法得出的结论就越准确和可靠(8)杨延超：《机器人法——构建人类未来新秩序》，北京：法律出版社，2019年，第108～109页。。反之，大数据中的有效数据不大，或本身存在偏见和歧视甚至错误，那么算法会因数据问题而产生偏见和歧视。影响再犯的因素有的源自其社会生活，更多则与对再犯的干预有关。为此，积累更多有证据证明为有效的干预的数据，对智能化评估尤其重要。根据司法部《社矫管理系统数据采集结构规范》(简称《规范》)，目前社区矫正部门采集的社区矫正数据尽管多达37大类510项，但再犯风险评估所需要的数据项却严重缺失。如精神心理状态类因素在各国再犯风险评估中被排在犯罪情况之后，属于第二位影响再犯，且是涉及具体项最多的一类因素(9)冯卫国、王超：《中外社区矫正风险评估因素结构差异研究》，《法学杂志》2014年第7期。，但在《规范》中却只涉及“对社会的心态”“对生活是否有信心”“心理健康状况”。在有效数据严重缺失的情况下，最先进的算法也不可能得出准确和可靠的评估结论。又如在监狱或社区矫正中，存在大量未经科学验证，甚至违背文明管理、科学矫正要求的所谓监管改造经验，这些存在错误的数据若成为算法的饲料同样会得出不准确的结论。为此，监管改造本身的规范是产生有效数据的关键。监管改造数据的采集规范由于既具有规范采集的作用，更有促进监管改造规范的作用，而建立数据采集规范又离不开科学的智能化再犯风险评估的指标体系。

(二)增强评估指标普适性的需要

刑罚是最为古老、最为严厉的抗制犯罪的手段。为达至预防犯罪的目的，刑罚手段发展出既对立又统一的两种具体方法，即一般预防和特殊预防。一般预防是一种通过制定明确的刑罚规范，对社会一般主体施加抽象的无差别的威慑性影响以减少犯罪的方法，而特殊预防则是通过刑罚个别化，对已经犯罪的个体施加个别化惩罚和改造以减少再犯的方法。在应用刑罚应对犯罪的过程中，尽管我国兼顾报应与功利的“一体刑”，通过以报应限制功利的方式，在一定程度上缓解了特殊预防的个别化逻辑与普适性的刑事法律逻辑之间矛盾(10)李川：《从特殊预防到风险管控:社区矫正之理论嬗变与进路选择》，《法律科学(西北政法大学学报)》2012年第3期。，但依据再犯风险决定嫌疑人、被告人的预防刑、罪犯的个别化处遇等，仍面临着司法或执法人员主观性强或随意性大所造成的司法或执法不公正的问题。而随着再犯风险评估在刑事司法领域应用的日益广泛，这一问题还会变得越发严重。为此，需要从规范层面有效破解制约与监督司法和执法人员自由裁量权的难题。

首先，评估指标的统一性和个别化难题。2.0到5.0再犯风险评估虽然都有明确的评估指标，但不同代或相同代的不同的评估工具的具体指标却存在很大的差异。同样是评估再犯风险高低，不同的评估工具对同一对象的评估结论可能不一样。这种不同可能是因为评估工具的理论根据、评估目的、抽样范围等不同造成的，但由于风险高低的评估结论会影响法官的量刑或行刑官员的罪犯处遇决定，因此，有必要为同一评估目标择优选用和统一使用评估工具以避免可能出现的不公正问题。但这在非智能化再犯风险评估时代却是难以实现的目标。建立全要素且可解释的智能化再犯风险评估指标体系，可以促进再犯群体和评估对象个体有效数据的不断丰富和算法的不断进步，并为最终形成精准的、统一的智能化再犯风险评估系统打下扎实基础。

其次，结论应用的主观性或随意性难题。目前，尽管再犯风险评估将对象的再犯风险进行了明确的分级，但由于评估结论仍达不到公正司法的准确性，因此只是法官适用预防刑的参考因素。既是参考因素，那么应当不应当参考，以及在多大程度上参考这一评估结论，完全取决于法官的主观选择，具有很大的随意性。而要避免这种随意性最有效的办法是在量刑规范或行刑规范中，明确智能化再犯风险评估的风险等级与预防刑和罪犯分类、分级及个别化处遇之间的对应关系。但要实现这种规范必须以智能化再犯风险评估准确性和可靠性达到公正司法的要求为前提，而构建全要素且可解释的再犯风险评估指标体系则是不断提高智能化再犯风险评估准确性和可靠性的必由之路。

最后，处遇落实的动态性和实效性难题。任何犯罪都是个体与环境相互作用的结果，罪犯的再犯风险会随着监管改造、面临新的问题等情况的变化而变化，为此，公正行刑关键在于适应罪犯风险变化对其实行动态管理。非智能化再犯风险评估所确定的再犯风险评估指标是有限的，且多为群体性指标，加上无法适应变化了的情况进行动态评估，因此无法及时根据风险变化调整管理策略和方法。全要素且可解释的再犯风险评估指标体系，可以适应算法所需要的大数据的不断累积，进行动态评估、预警和管理方案推荐，因此有助于通过罪犯处遇的个别化和精准化实现行刑的公正和实效。

(三)实现评估结论可解释的需要

司法作为理性解决纠纷的方式，强调程序的参与性、平等性和交涉性等，并以此增强裁判结果的可接受性。评估结论的可解释性，一方面是对算法进行监督的需要。对算法的监督本质上是对算法背后的开发权力的监督，只有受到监督的权力才不会被滥用，才有可能形成符合司法规律的算法。另一方面也是对结论进行辩驳的需要。司法裁判者根据控辩双方在庭审的质证，以及其他旁听人员对庭审质证的反应，形成案件事实认定和法律适用的内心确信。智能化评估结论若作为量刑和行刑处遇等的依据，则嫌疑人、被告人或罪犯就有权对这一结论进行质疑和辩驳，司法或执法人员也有义务对这一结论进行解释，否则就不符合正当程序的要求。为此，智能化再犯风险评估还需要从应用层面解决评估结论的可解释性难题。

目前，智能化2.0—4.0再犯风险评估的结论之所以难以解释，一方面是因为评估的指标因素虽然与再犯具有很高的相关性，但这些因素在犯罪中究竟发挥怎样的作用是无法解释的；另一方面还在于大数据的挖掘或算法的运行过程是一个无法知晓的黑箱。不仅如此，作为一种技术的算法一旦获得专利保护，就会因不能公开而难以受到监督，并可能导致只考虑商业利益的算法霸权。即使智能化的评估最准确、可靠，如果只能看到一组风险高低的数据，却无法知道支撑这一结论的证据，或难以解释风险高低的原因，那么，不仅应用评估结论的法官和行刑官员会心存疑虑，而且评估对象对不利于自己的评估结论也会心有不服。例如，美国经过智能化的第四代再犯风险评估系统(COMPAS)，通过量表测算出一个人的得分是4(十分制)，则会将这一得分与(美国)同类罪犯的特征进行比较，给出60%的同类罪犯再犯风险比他高、30%同类罪犯再犯风险比他低的报告(11)Northpointe，Practitioners Guide to COMPAS, 17 Aug. 2012, available at: http://www.northpointeinc.com/files/technical_documents/FieldGuide2_081412.pdf.最后访问时间：2019-04-20。。而被称为智能化再犯风险评估在刑事司法应用第一案的美国威斯康星州诉艾瑞克·卢米斯(Eric Loomis)案，正是由此引起的(12)Supreme Court of the United States. Eric L Loomis, Petitioner v Wisconsin, 26 June 2017, available at: https://www.supremecourt.gov/search.aspx?filename=/docketfiles/16-6387.htm.最后访问时间：2019-09-08。。根据犯罪形成和发展变化的规律，将影响再犯的因素加以功能分类，既可以适应智能化再犯风险评估不断发现新的影响再犯因子的需要，而且可以通过对再犯因子的功用性分类，解释具体影响因素在犯罪中的作用和作用程度。

二、全要素且可解释再犯风险评估指标体系的理论架构

再犯风险评估经历了从无指标到有指标、由静态指标到兼有动态指标的演进，指标因素虽因评估工具的不同而不完全相同，但总体数量呈现出不断增加的趋势。事物之间的联系是普遍的，那么与再犯相关的因素也是普遍的。智能化再犯风险评估正是基于这种普遍性联系，可以不断发现影响再犯风险的因素，并因此不断提高评估的准确性和可靠性。全要素且可解释的再犯风险评估指标体系，正是为满足我国再犯风险评估智能化开发和应用的需要而构建的。

(一)构建全要素且可解释指标体系的理论依据

再犯风险评估经历了依据犯罪心理学、犯罪学等单一学科理论建立评估模型，到依据多学科知识形成综合的专门再犯风险理论建立评估模型的发展。

1.行为主义S-R理论的不足

再犯风险评估从1.0到4.0的发展，虽然经历了由经验到精算、静态到动态、个别到综合的演进，但都是根据行为主义“刺激—反应”(S-R)理论所确立的评估模型。1.0经验性评估，通常由心理学家或临床精神病医生，凭借个人知识和临床经验对罪犯进行个别化评估。这种评估不仅评估指标不固定，会因评估者和案件不同而不同，而且指标对风险影响的权重也是由评估专家凭借经验主观确定的，且常用“有可能”“不可能”这样模糊概念描述风险程度。与1.0经验性评估不同，2.0到4.0评估工具都有固定的评估指标。不同代或同代的不同的评估工具尽管因用途不同、依据的理论和抽样方法等不一样，指标因素也不完全相同，但指标因素及其影响权重都是通过对罪犯的回顾性研究确定的。如要研制社区矫正对象再犯风险评估工具，可通过抽样调查，比较研究研究对象第一次犯罪出狱后没有再犯和再犯情况，找到与再犯相关因素，并根据卡方检验的结果确定影响再犯指标因素。卡方检验的结果显著水平小于0.01，即发生误差的概率为1%以下，或者说有99.9%的置信度，表明存在重新犯罪与未重新犯罪有显著差异的因素。然后，再通过精算确定指标因素的权重。确定因素的权重通常有两种方法：即相同权重与不同权重。根据有关研究，两者的预测结果由于相差不大，因此，在没有方法可确定那一因素比其他因素更为重要的情况下，可采用相同权重法。相同权重的计算方法是：在各因素的子类别中，重新犯罪占所在类别的百分比，乘以100，所得分即为各子类别应得的失败点数(见表1)。

表1 失败点数计算方法

以上算出常居住地这一因素各子类别的得分，其得分依其重新犯罪危险性大小而不同，得分较大者，表示其重新犯罪的危险性较大；得分较小者，表示其重新犯罪的危险性较小。根据影响因素得分高低依次排列，即可形成不同等级的评估工具或预测量表。

依据这种行为主义理论所确定的再犯风险评估指标，一方面，会因选择的评估维度不同而产生不完全相同的指标因素，且任何一种评估工具的指标因素，由于抽样研究的原因，不管数量多或少都是不完整的且不成体系的，所以必然影响评估的准确性和可靠性；另一方面，根据“刺激—反应”理论所确定的指标因素，虽然确能对一个人的再犯风险做出较为准确的预测(13)McGrath A., Thompson A. P., The Relative Predictive Validity of the Static and Dynamic Domain Scores in Risk-need Assessment of Juvenile Offenders, Criminal Justice and Behavior, vol. 39, no. 3, 2012, pp. 250-263.，但是这些指标因素都是根据其与再犯的相关程度确定的，因此不仅难以对评估结论进行解释，而且无法满足预防再犯的风险管理需要，不能对罪犯或刑满释放人员实施精准评估和精准施策。

2.新行为主义S-O-R理论的优势

世上从来就没有天生的罪犯，“任何一个具体犯罪的产生均有两个方面的因素共同使然，一个是犯罪人的个人因素，一个是犯罪人的外界的、社会的，尤其是经济因素”(14)[德]李斯特：《德国刑法教科书》，徐久生译，北京：法律出版社，2000年，第9页。。那么，个人因素和个体外的因素又是如何相互作用形成犯罪的呢？对此，新行为主义的“刺激—内因—反应”即“S-O-R”理论，可以作出很好的解释。与一般动物行为的刺激—反应不同，人类行为的发生有着更为复杂的机制，正如菲利在《法国犯罪研究》一书中指出：“考虑到人类行为，无论是诚实的还是不诚实的，是社会性的还是反社会性的，都是一个自然心理机制和生理状态及周围生活环境相互作用的结果。”(15)[意]菲利：《犯罪社会学》，郭建安译，北京：中国人民公安大学出版社，1990年，第41页。根据心理是行为的内在根据，行为是心理的外在表现这一心理学原理，结合新行为主义理论，一个人犯罪要经历不良环境因素内化为犯罪心理和犯罪心理外化为犯罪行为两个阶段。在这一过程中，外部不良环境既是导致犯罪心理形成的原因，也是诱发犯罪心理外化的原因。而犯罪心理是在不良环境刺激和生物因素及已经形成的不良心理相互作用的产物。由此，根据新行为主义的S-O-R理论，对影响再犯的因素进行功能性分类，并以此构建全要素且可解释指标体系，既可构建起满足智能化再犯风险评估需要的开放的全要素指标体系，又可根据指标因素在犯罪中的作用而使智能化评估具有可解释的功能。

(二)影响犯罪的犯因指标体系

世界万物之间联系既然具有普遍性，那么从相关性的角度看，影响再犯的相关因素具有无穷性。现有再犯风险评估所确定的或多或少的有限的相关影响因素，既受制于“刺激—反应”(S-R)理论，也受制于有限的时间和空间的实证研究。与此不同，以大数据为依托的智能化再犯风险评估，所能找到的影响再犯指标因素会随着有效数据的增加而增加。大数据是对过去社会运行的记录，本质上是社会的一种镜像。从理论上讲，倘若能够收集到每名罪犯、刑满释放人员的所有数据，那么，通过智能化评估就可以找到所有影响他们再犯的共性和个性因素。但值得注意的是，智能化评估算法中的概率方法会对数据的分布进行假设，对概率密度函数进行估计，并使用这个概率密度函数进行决策，即会通过概率计算获得与再犯相关的指标因素及其权重。由于通过算法获得的是影响再犯的相关因素，而相关关系不等同于因果关系，因此，智能化再犯风险评估尽管可以获得数量日益庞大、内容日益复杂的相关影响因素，并以此提高评估的准确性和可靠性，但却难以满足对抗性司法对评估结果进行质辩或进行解释的需要。为解决智能化再犯风险评估结论难以解释的难题，本文尝试按照每一种因素在犯罪中的作用，对纷繁复杂的相关影响因素进行功能性划分，并根据新行为主义的S-O-R理论，构建起全要素且可解释的理论模型。所谓全要素也就是满足依托大数据的智能化评估获得越来越多指标因素的需要，以开放的指标体系吸纳不断增加的指标因素。而可解释也就是将具有相关关系的指标因素，通过功能分类明确其在犯罪中的作用，即转化为可以解释评估结果的具有因果关系的因素。

社会环境极其复杂，既存在符合社会主流文化价值的积极因素，也有与社会主流文化价值相背离的消极因素。每一个人在学习适应社会所需知识、技能和规范的社会化过程中，都可能出现错误社会化，即错误地将外在消极的因素内化为内在不良心理因素。如果这种情况不断反复，内在的不良心理因素则会经过量的积累而发生质的变化，形成足以支配犯罪行为的犯罪心理。但犯罪心理若要外化为犯罪行为，还需要具备一定的外在条件。由此，各种影响犯罪的因素(以下简称“犯因”)，如果根据它们在犯罪中发挥的作用进行划分，则可以分为致因、心因和诱因三类。这种划分既可以将已经通过实证研究发现的指标因素进行功能归类，也可以满足智能化评估不断发现的新的指标因素的归类需求。

1.致因

致因是指导致一个人犯罪心理形成的生理因素与外在因素。从已有的研究来看，主要涉及生理疾病，如残疾、慢性疾病等；微观环境中的不良因素，如家庭结构、教育方式、经济状况等，学校的管理、教育方式、校风、师生关系等，社区的邻里关系、治安状况、社区风气等，朋友组成、交往频率、互动内容等。家庭、学校(单位)、社区和朋友圈是一个人最主要的微观生活环境，其对一个人的影响不言而喻。致因主要是指影响初次犯罪的生理因素及外在环境因素，在再犯评估中对致因进行分析，一方面可以更好地指导生理疾病治疗和环境治理，提高初犯预防效果；另一方面既可以为分析和教育矫正罪犯心因提供依据，又可以通过管理控制已经存在的致因而为控制再犯创造条件。

2.心因

心因是指支配犯罪行为发生的犯罪心理。根据犯罪心理结构理论，犯罪心理以结构的形式存在，并由五个子系统构成：①动力系统，包括恶性膨胀的私欲、错误的人生观和价值观、不良的兴趣和爱好等；②调控系统，包括扭曲的自我、低下的道德意识、淡薄的法治意识；③特征系统，包括特定的气质、消极的性格特征、适应犯罪的能力等；④潜意识，包括无意识犯罪冲动、无意识犯罪恶习；⑤心境，包括消极或不良的心境、异常的心理状态(16)罗大华、何为民：《犯罪心理学》，北京：中国政法大学出版社，2012年，第87页。。心因是由个体生物因素与外在不良环境相互作用形成的，作为个性心理的亚结构一旦形成，又会成为独立的因素，参与后面的生物因素与社会环境因素的互动，并成为影响一个人继续或再社会化的主要因素。准确掌握犯罪心因及其内在结构状况，不论是对再犯的精准预测，还是通过管理控制、教育矫正、服务帮扶以防治再犯都具有极其重要的意义。人人都可能因错误或滞后的社会化而形成不良心理因素，并经过量变到质变而形成犯罪心理。而犯罪心因是由不良心理因素所组成的系统，且已经达到了足以支配犯罪的程度。

3.诱因

诱因是指诱发犯罪心理外化为犯罪行为的外在因素。同是个体外的环境不良因素，根据其在犯罪中作用的不同而区分为致因和诱因。原为致因因素，在一定条件下也可成为诱发再犯罪发生的诱因。相对于致因导致犯罪心理形成，诱因对犯罪发生的作用更为直接。不同于心因，诱因与致因又都是显性的容易识别的因素。为此，精准识别诱因既可以更好地进行犯罪前预警，也有利于通过诱因的控制或消除来实现对犯罪的控制，并为罪犯的教育矫正和消除或减弱致因的服务帮教赢得时间。

根据犯罪心理形成和外化的犯罪心理机制，将犯因区分为致因、心因和诱因三类因素，而每类因素具体由什么因素构成，可通过对初犯或再犯群体或个体的回顾性实证研究，或依托大数据研究获得。研究越是深入，影响因素就越是丰富。而这种开放性的指标体系，正好能够满足依托大数据的智能评估不断获得新的指标因素的需要。

(三)应对犯因之应因指标体系

再犯风险评估是基础，而在评估基础上的针对性干预或施策则是关键。与初犯预防不同，再犯防治不仅对象明确，而且是在特定的时间和空间中有计划有目的地进行的，因此，完全可以依据再犯风险评估进行更有效的针对性施策。但值得注意的是，由于犯因干预及其效果必然影响到再犯风险，因此如何干预的应因因素也应当成为再犯风险评估的因素(17)根据影响再犯的因素所起的作用是积极的还是消极的，可以将指标因素分为积极的防御再犯的因素和消极的促进犯罪的犯因因素。应因虽然是为防御再犯而采取的措施，但如果缺乏科学性，则不仅作用有限，甚至还会发挥消极的促进犯罪的作用。。再犯风险评估从1.0到5.0的发展，虽然涉及的影响因素逐渐丰富，但对应因因素显然重视不够。1.0到3.0再犯风险评估是对再犯倾向的评估，根本没有涉及应因因素。根据风险理论形成的4.0再犯风险评估，即“风险—需求—回应模式”(18)Key Sun,Correctional Counseling: A Cognitive Growth Perspective, Sudbury, MA: Jones & Bartlett Publishers, Inc., 2012, p. 26.，虽然涉及响应因素，但它主要是服务于干预之决策，且都是作为防御犯罪的因素。即使是通过脑电等生理仪器或采用测量多巴胺、血清素、睾酮、皮质醇等水平，以探求评估对象神经递质、人格等个体差异的第五代再犯风险评估，也不包括干预因素本身。

针对再犯犯因的干预是防治再犯的专门活动，其干预的效果既决定个体再犯的概率，也决定着整体再犯率的高低。将这种应因因素作为影响再犯风险的因素并进行评估，一方面可以为司法裁量、刑罚执行等提供更为可靠的再犯风险评估结论，另一方面还可以为决策者择优选择更具针对性和实效性的管理风险方案和措施提供证据支持。作为应对再犯的因素，根据其作用的方式，我们可以将应因分为管理控制、教育矫正和服务帮教三种(19)狄小华、狄欣怡：《犯因与应因关系下的再犯系统防治研究》，《犯罪与改造研究》2019年第11期。。

1.管理控制

管理控制是指专门机关对处于监狱和社区服刑的罪犯，通过人力、物理或技术等管理控制措施，暂时隔绝或弱化犯因对再犯影响的活动。针对特定对象的管理控制具有国家的强制力，因此，非经法律授权的国家机关和个人不能行使这种权力。在再犯风险管理中，管理控制既有控制再犯的治标作用，又有治本措施落实的保障作用。但相对于治本，治标不仅见效快，而且在眼下的司法实践中，由于更能够满足安全考核指标，实现短期内降低单位和个人的责任风险，因此这种具有治标特点的管理控制仍是我国目前再犯防治的主要措施。而要改变这一状况，则不仅需要确立治本安全观，更要有切实措施解放警力以推动治本措施落实。智能化再犯风险评估由于可以精准识别再犯风险，对于落实标本兼治的再犯防治策略，更好发挥管理控制在防治再犯中的作用具有重要意义。

2.教育矫正

教育矫正是指专业人员采用思想教育、行为训练、心理治疗等专业方法，对罪犯可以改变的心因进行教育矫正的活动。教育矫正既可以由具有国家公职人员身份的专业人员实施，也可以由社会组织的专业人员承担，还可以由专业的志愿人员来完成。教育矫正强调手段的专业化而不是实施人员的公务员化。教育矫正的目的是让罪犯心因得到改善，以利他们更好地融入社会。然而，不同于身体疾病的治疗，心因的改善离不开激发或增强罪犯自身的求变动机。否则，任何外在的教育矫正都难以使罪犯心因得到改善。为此，在罪犯被剥夺或限制人身自由的前提下进行的教育矫正，如何保障罪犯在教育矫正中的主体地位至关重要。如传统罪犯的矫治方案都是由矫治者单方制定，罪犯只是被动的矫治对象。而科学的教育矫治则要求罪犯参与到对自己问题的诊断、治疗方案的确定和实施的全过程中，真正让罪犯成为教育矫正的主体。

3.服务帮教

服务帮教是指社会治安综合治理部门针对引起再犯的外部微观环境因素，以及刑释人员融入社会所面临的困境，而实施的以帮和教为内容的，具有服务性质的综合治理活动。无论是罪犯还是刑满释放人员，也无论是在狱内还是狱外，不良的环境特别是时刻对其产生不良影响的微观环境问题，若得不到有效的控制或解决，再犯防治同样难以收到预期效果。长期以来，再犯预防片面强调罪犯自身的改变或适应能力的提高，而忽视他们融入社会的障碍的消除或社会接纳程度的提高，导致罪犯刑满释放以后，因社会歧视导致找工作难、面临各种困境而重新犯罪。智能化再犯风险评估将罪犯融入社会的环境因素纳入评估的内容，而服务帮教就是为改变可以改变的不良微观环境的一种应因因素。

根据S-O-R理论模型，对影响再犯因素进行功能上的分类，并形成由犯因与应因构成的全要素且可解释的智能化再犯风险评估指标体系，既可以通过规范数据和算法，增强智能化评估的准确性和可靠性，也可以增强评估结论的可解释性和应用的公正性。

三、全要素且可解释智能化再犯风险评估与管理模型

构建包括犯因、应因在内的影响再犯的全要素且可解释指标体系，不仅可以更好地满足再犯风险评估智能化后不断拓展影响再犯因子的需要，而且可以在管理控制、教育矫正、服务帮扶等应因因素与犯因变化及其犯因性需求的满足之间建立互动模型，以构建更为科学的再犯风险预警模型和罪犯改造质量评估模型。

(一)犯因与应因关系动态模型

精确评估的目的在于精准施策。而精准施策就需要根据犯因的不同而采取不一样的应对措施。根据犯因是否可变和可变的难易程度，我们将犯因进一步划分为不变犯因、难变犯因和易变犯因。犯因既包括致因、心因和诱因，那么每一类具体犯因又都可以分为不变、难变与易变三种。犯因是否可变以及可变的难易程度，直接决定采取什么样的干预方式和方法，因此对犯因的分类具有十分重要的意义。所谓不变犯因是指无法通过干预措施使之改变的影响再犯的因素。如犯罪学研究表明：初次犯罪的年龄越小则再犯可能性就越高，然而，罪犯的初次犯罪年龄这一影响其再犯的重要因素是无法通过干预加以控制或改变的。所谓难变因素是指需要通过耗费较多资源的干预才能改变的影响再犯的因素。在再犯防治资源一定的情况下，若将有限的资源投入到干预影响再犯权重不高而又难以产生效果的犯因上去，既容易引起司法和执法的不公，也容易带来防治效率低下。所谓易变因素是指通过干预容易改变的影响再犯的因素。容易改变虽然意味着需要耗费的防治资源也小，但如果不能产生或较少产生防治效益，这种干预也没有太大价值。为此，精准施策或干预必须以最小的投入产生最佳的防治效益。

应因虽然是应对犯因的防御性因素，但如果应因缺乏科学性，甚至表现为不规范、不文明，那么不仅难以发挥防御再犯的作用，而且可能产生促进再犯的消极影响。犯因是极其复杂的，而应因则需要根据犯因的变化而变化。我国虽然有预防再犯的丰富实践经验，但这些曾经发挥积极作用的经验是否仍有效，都需要通过研究加以验证。而任何新的应因措施要有良好的效果，则必须遵循循证实践的原理(20)杨文登：《循证实践：沟通研究与实践的桥梁》，《中国社会科学报》2010年第9期。。按照循证采取的应因措施，其形式越是多种多样、内容越是丰富多彩，也就越能起到防御再犯的作用，也就越能避免产生消极影响(见图1)。

图1 影响再犯因素分类及相互关系模型

(二)再犯风险动态预警模型

“凡事预则立，不预则废”。在精确评估基础上的风险识别与实时预警，既可以优化预防资源配置，又可以防患于未然，最大限度地减少监管安全事故或降低再犯率。根据全要素且可解释的智能化再犯风险评估指标体系，由于既能知道各影响因素之间的关系，又能够明确每种因素在犯罪中所起的作用，因此可以形成单因素、多因素甚至全要素再犯预警模型。就罪犯和刑满释放人员而言，他们的犯罪心理除少数仍持续地存在着，大多数会因犯罪完成或经改造而瓦解，但构成犯罪心理的消极心理因素依然存在。根据犯罪心理内化和外化的机制，犯罪心理形成以后，要外化为犯罪行为仍需要外在不良诱因，并经历犯罪决策、准备和实施等过程，由此，我们可以形成以特定行为、条件、诱因、行为特征、心理特征和生物数据等为内容的一元、多元再犯预警模型(见图2)。中国科学技术协会推介的2019年前沿领域科技成果“非接触实时动态心理测评系统”，就是一种通过语音、呼吸频率、心率、面温、眼动、表情、肢体活动等数据分析，而对基于循环神经网络的心理状态进行实时评估的具有很好预警功能的系统。

图2 再犯因素互动及动态预警模型

(三)罪犯改造质量评估模型

在监狱或社区矫正中对罪犯实施的监管改造，是再犯预防的最为重要的环节。如何科学评估罪犯改造质量，既涉及单位和个人工作绩效的评价，也关乎罪犯在改造中的实际处遇，及其刑罚执行目标的实现。根据全要素且可解释智能化再犯风险评估指标体系，罪犯改造质量是由罪犯接受监管改造前后发生的变化来衡量的，具体是指施加管理控制、教育改造和服务帮扶等应因措施后，引起罪犯再犯的犯因因素所获得的管控或改变的程度。改造罪犯为守法公民是我国刑罚执行的目的，因此再犯率的高低是评估罪犯改造质量的最重要的指标。但不论是在罪犯服刑期间的再犯，还是刑满释放以后的再犯，都与其犯因存在着密切关系，因此，评估罪犯改造质量可通过比较应因施加前后犯因(一个、多个或全部)受控或改变的情况来评价。为此，先要评测罪犯需要经干预而受控或改变的犯因因素的初始值，然后按循证原理对犯因因素施加针对性的应因措施，接着评估施策后犯因因素受控或改变的情况，最后比较不同时段犯因受控或改变情况，形成改造质量评估的结论(见图3)。

图3 智能化罪犯改造质量评估模型

四、结 语

建立在刑罚个别化基础上的再犯预防，离不开再犯风险评估理论与技术的支撑。相对于国外经历一百多年的发展，并已经形成五代再犯风险评估，我国的再犯风险评估尚处于2.0—3.0版本的研究和应用的起步阶段。伴随着信息技术的发展，能否适应我国刑事法治的需要，依托快速发展的人工智能，在智能化再犯风险评估领域实现研发和应用的后来者居上，有必要深入研究智能化再犯风险评估的利与弊，并以理论先行，突出专业性再犯风险评估理论对我国智能化再犯风险评估的研发和应用的指导。本文提出的全要素且可解释的智能化再犯风险评估指标体系的理论架构，正是为实现我国智能化再犯风险评估由追赶到并跑，并最终实现领跑目标所作的初步尝试，希望它的发表能够起到抛砖引玉的效果。