潘 金 贵,熊 用 坪
(西南政法大学 法学院,重庆 401120)
自20世纪70年代人工智能与法律的结合研究诞生以来,陆续已有探索人工智能在法律推理、法律裁量模型、信息检索和查询、法律本体等方面的研究与实践。目前,人工智能可在立法、知法守法、司法等领域充分应用。在刑事审判中,诉讼证据的审查判断是核心内容。随着人工智能技术在司法领域应用的深入,国内外已开发出相应的智能系统应用于刑事证据的审查判断,司法人员可借助人工智能对涉案证据进行分析,对证据审查应满足的条件及结果进行推理预测。
在司法证明领域,科学技术发展使痕迹检验、指纹鉴定、DNA鉴定等科技手段的运用与证据制度紧密结合,提高了司法证明的效率,增强了司法证明的客观性和确定性,科学证据在现代司法证明中发挥着越来越重要的作用。但囿于其他学科与法学专业的知识壁垒,法庭上的证据裁判者对科学证据传统的审查判断往往需要依赖行业专家,法官对以鉴定意见或结论的形式呈现的科学证据无法实质有效地判断其可靠性,作为证据审查判断“守门人”的权力受到科学知识权力的侵蚀,如何实现对科学证据实质有效地审查判断是司法证明场域的重点与难点。人工智能在刑事证据判断领域的研究与实践为化解这样的困境提供了契机,域外已有研究探讨人工智能被应用于协助法官判断专家证据可采性的可行性与具体方式。但在我国,人工智能介入证据的审查判断理论与实践还处于探索期,已有研究多从宏观层面的视角出发,探索人工智能在刑事证据判断中的运用原则、运用方式,以及人工智能在刑事证明领域的证据标准及规则指引、证据及证据链的校验、审查等方面的原理及作用问题,而微观层面视角下的人工智能对某一类具体证据的运用问题却鲜有探究。科学证据与刑事诉讼中其他证据不同的是,其涉及跨学科的理论和知识,司法人员很难借助个人一般经验进行判断。因此可对其进行结构分析,使其具有数据化特性。人工智能通过将包含社会科学、自然科学知识与信息的数据库进行系统化,运用于科学证据的审查判断之中,为证据裁判者客观高效地审查科学证据的证据能力及证明力提供了可能。科学证据由于其复杂性和专业性,在证据审查判断中有更多的难点,对人工智能介入科学证据审查判断的研究也有助于为人工智能介入其他类型的证据运用提供借鉴和参考。
在刑事诉讼中,证据裁判者在审查判断证据时的理想状态是运用自身的知识储备及借助经验、逻辑思维理解证据内容,感知证据与事实之间的关系,但在对科学证据进行审查判断时,收集与分析科学证据需借助各学科领域知识、方法、技术和仪器等,因此不得不依靠某领域的专家来对证据或事实作出判断或解释。证据裁判者在没有掌握某项科学技术知识与经验时,只能遵从领域内专家的解释和分析,而科学证据本身并不绝对是客观的、正确的,如果盲目遵从专家证人的意见,则可能导致事实认定错误。
一般认为,科学是经过理论和实践反复检验才形成的真理,因此人们认为通过科学技术分析与收集的证据客观性、稳定性强,科学证据由此被赋予了很强的证明力。但许多科学技术仍处在理论发展与实践检验阶段,某些新技术及新理论尚未被普遍接受,依据某一理论成立的科学技术可能会在另一研究与实践中被颠覆。正如波普尔所说:“科学理论是可证伪的——科学知识的增长永远是始于问题,终于问题——越来越深化的问题,越来越启发新问题的问题。”在司法领域,对证据进行收集与分析的科学技术也在不断发展变化,科学证据具有不确定性。如果过度依赖某学科传统的理论及技术方法,则有可能产生对科学证据使用不当、认识错误的情况。例如,DNA证据一直以来被认为是“黄金证据”,在刑事司法同一认定时具有极高的可靠性与极低的错误率,深受证据裁判者的信赖。但随着科技的发展,DNA分析技术灵敏度提高,发现低于阙值的样本成为可能,每一个接触者都有可能通过直接接触或者间接接触留下DNA,在任何环境中,都可能存在微量DNA。微量DNA证据使得犯罪现场分析更为复杂,超越了传统DNA鉴定知识的界限,如果证据裁判者仍然依据传统的DNA证据同一认定理论对证据进行分析判断,则可能导致司法误判。而目前法庭对科学证据的审查判断集中于鉴定过程、鉴定材料的规范等程序问题,如果不关注科学技术本身的变化与发展,则难以正确认识科学证据本身可能存在的阴暗面,在运用科学证据进行案件事实认定时则可能发生错误。
法庭上的科学证据是在犯罪现场以适当方式收集到的各种线索和材料,并依靠大量工具仪器才能被分析处理。相对于带有强烈主观因素的言词类证据,科学证据更具价值中立性。然而,科学证据要能被正确认识与理解需要特定的专家根据相关科学理论与技术方法,借助他们自身的知识和技能,为证据裁判者提出相关的参考意见。科学证据实际上是具体实物与鉴定意见的结合,所以科学证据也具有一定的主观性。在对科学进行探究并运用的过程中,人的认知决策活动会受到内外诸多因素变化的影响。而且,专家依据的是有限的信息和材料提出相应的意见,有限的检材信息难以确保科学证据专家得出客观中立的证据分析与解释。受人的主观与客观局限性限制,科学证据的收集与分析难免会产生错误或误差。鉴于科学证据在案件事实发现过程中的重要作用,对科学证据进行解释的专家可能会在相关利益的影响下产生自己的“偏见”。对于同一个科学论断,可能因为某种利益尤其是经济利益的影响出现完全不同的意见。在案件审理过程中,若裁判者不具有实质审查科学证据的能力,那倾向于各自当事人或受利益影响的专家证人可能会成为“收费的枪”,科学证据的价值中立性被破坏,事实认定的客观性及准确性也会受到影响。
通常情况下,证据裁判者可以基于自身法律知识和其他一般经验与生活知识谱系,充分发挥主观能动性对诉讼中的证据进行分析与判断。但在评判以科学理论为基础的科学证据时则是非常困难的,因为科学包括除法学之外的社会科学知识及自然科学知识,学科之间的知识跨度过大。在任何真正的专业领域中,只有通过长期的学习和钻研才能充分掌握某学科的知识。而证据裁判者对科学证据的审查判断证据需在法庭上进行,要求法官运用人脑思维在固定的时间和空间限制下判断根据某一科学原理或技术得出的意见的可靠性具有极大难度。科学证据中的“专门知识”对于司法人员而言是陌生的,因此他们会较多关注科学证据的外在表现,对专家证人想要表达之意无法有效地评估或理解,所以不同的语言表达或是情态也可能表现为知识的运行轨迹,进而造就知识权力的支配关系。若要真正保留法官证据审查判断的终局裁判权力,要求法官以缓慢的、分析的视角对科学证据进行分析,但如此会增加证据裁判者的裁量负担。为了提高诉讼效率,证据裁判者可能会过分迷信某种类型的技术手段而忽视了可能的错误率以及与其他类型证据的权衡。我国没有具体确立判断科学证据的标准,法官通过对专家意见的表现形式以及案件中其他证据与科学证据的印证判断科学证据的证据能力与证明力,而不是通过剖析科学证据本身的原理与方法判断科学证据是否可信可靠。法官倾向以快捷机械的方式接纳科学证据,科学证据审查的形式判断多于实质判断。虽然现行刑事诉讼法已将科学证据的表现形式由“鉴定结论”改为“鉴定意见”,意图表明司法人员拥有审查判断证据的最后决策权力。但这并没有实际改变事实认定者面前的不对等知识情形,“知识—权力”性的话语垄断权仍然存在,专门性知识权力与事实裁判权形成支配与被支配的关系。这样的知识鸿沟导致具备知识优势的专家在不具备专门科学知识的事实认定者面前具有权威,无形中要求事实认定者遵从其意见并作出决策。
刑事诉讼法上的科学证据被定义为“利用某门科学专业知识或者依靠某种专业原理形成的对案件事实具有证明价值的事实或意见”。因此,事实认定者在审查判断科学证据时面对的是两个问题:一是以意见或结论为表现形式的专家证言的可信性问题,二是科学证据所依据的科学原理或科学知识、科学方法本身的可靠性问题。可分别对这两个问题进行结构性分析,提出具体的批判性问题予以解构,科学证据因此具有了大数据特征。人工智能的结构从下往上依次可分为基础设施层、算法层、技术层、应用层,依次具有感知与分析、理解与思考、决策与交互的功能。人工智能的此种层次性结构与功能应用到司法中,便可通过大数据收集和计算、学习算法和高级的感知、分析能力及自然语言处理技术、交互能力的规划决策等不同层次样态实现对刑事证据的审查判断。在此条件下,证据裁判者对科学证据的审查判断更强调数理逻辑思维,与人工智能在司法中的运用结构具有逻辑契合性。
1.科学证据的外部结构:专家的中立性及权威性问题。 在法庭上,科学证据对案件事实的证明是基于专业人士对理论或方法的论证过程。科学证据要被法庭采纳,需要专家是中立的且在行业内具有权威。在20世纪以前,法庭确定科学证据可采性的主要依据是看专家在某一专业领域或行业内是否具有权威,这被称为“商业市场测试”标准。在该标准的要求下,法官需要调查专家证人是否在市场上的某一行业或领域获得普遍认可。1923 年Frye案确立了在专家对科学证据进行评价与解释所依据的科学理论或技术必须要已被充分接受与认可。1993年Daubert案确定了法院在确定科学证据的有效性时,要审查专家用于可得的经验数据和推理是否能使专家准确得出其准备就此作证的推论,即考虑有关理论或技术方法是否能被复现或检验、是否经过了同行审议并有学术成果发表、特定技术是否存在已知或潜在的误差率及是否有具体的技术操作标准。从科学证据判断标准的演变历程可见,专家的中立性和权威性是影响事实认定者心证的重要因素。与对普通证人的审查不同,事实认定者确定专家是否具有权威性的调查不是根据专家在法庭上的表现,而是依据一系列外在标准。具体包括审查专家证人的姓名、工作或者法定资格、工作地点以及雇主如何,专家证人的学历、资格证书、相关的同行评价,专家证人的从业记录,专家证人在领域内的技能及贡献、成果等。对上述问题进行问题设计,将每个问题分化为多个方面,如设计为专家是否有认证机构颁发的专业资格证书、是否有相关经验证明的实践技能等,并分别进行数据赋值,帮助事实认定者判断专家在领域内的地位以及与本案的关联度,判断专家个人作为证据来源是否可靠。
2.科学证据的内部结构:科学理论及方法的可靠性问题。 随着社会的发展,对科学证据的可采性标准进行了更严格的修正,要求法官采纳专家证言必须要基于充足的事实或数据、科学可靠的理论和成熟技术,且专家能将可靠原理和方法应用于特定案件。基于专家对科学证据所作的论证,可从内部视角对科学证据进行结构性分析。通过对涉及科学证据可信性、可靠性问题的批判性评价,包括涉案的科学技术是否有新的发展变化;专家证人论证的前提与结论及推论过程是如何实现的;如果以命题A为结论的推论基于多个前提,那么前提之间是否可以来自不同专家等。具体而言,审查案件中的不同证据时,证据裁判者对一般不涉及科学原理及技术的证据倾向采用基于经验性分析的实质论证,而对科学证据的分析更加依赖数据化的科学理论内部证成。因此,可将科学证据理论依据设计为支持类问题与攻击类问题,并分别进行数据赋值,以便通过计量方法对其可靠性进行判断。可从以下几个方面提出批判性问题:(1)科学证据所依据科学原理的确定性大小;(2)科学原理的实验重复率大小;(3)科学方法或技术的误差率大小;(4)科学技术或方法的数据标准;等等。例如在判断指纹检测原理的可靠性时可对几个问题进行列明:检测图像与参照图像间的差异解释率大小、采集的皮肤的状态等级、遗留物对指纹成像的影响概率等。对以上问题进行分析,在同一证据的支持类证据与攻击类证据分别进行赋值,再通过数理逻辑判断对科学证据进行解释,说明理论和技术能否被检验及检验程度如何,关于该技术操作的标准是否存在及维护如何,关于某项技术已知或者潜在的误差率对案件事实认定的影响如何。
1.初阶样态:人工智能对证据信息的收集整合。 根据人工智能的结构与功能层次,人工智能在证据审查领域的初阶样态是基于计算机的超强计算能力以及利用大数据和算法的优势进行证据信息收集的。人工智能可经由设定的指令对证据进行特征提取与选择,然后进行简单识别与预测,对证据进行形式上的筛选和把关,发现证据之间的明显矛盾或形态,对证据规格进行判断,辅助办案人员尽可能全面地收集审查证据。我国目前的证据辅助系统已开发出通过大数据运算分析区分不同的案件信息,在证据链条不够完整或薄弱时提醒司法人员收集满足相关条件的证据,减少因个人主观偏见或工作疏忽引起的错误判断,提高司法效率。借助镶嵌于系统内部智能化的算法,将刑事案件规定的证据标准转化为数字化模型,通过数据具象化事实与证据之间的联系,对证据进行校验与把关,监督、协助事实认定者对证据的审查判断,促进办案质效的提升,避免冤假错案,推进司法改革。从目前已开发出的证据辅助系统看,人工智能介入刑事证据的审查判断基本都还处于初阶样态。
2.高阶样态:人工智能对证据的推理解释。 人工智能介入刑事证据判断的高阶样态是基于计算机感知、分析能力的视觉和语音技术,提供理解、思考能力的自然语言处理技术以及提供决策、交互能力的规划决策系统实现对证据的推理与解释。计算机能够对自然语言表达的法律问题进行理解及归类分析,通过计算机上层技术设计,使证据实现认定案件事实的功能并最终作出裁判。已有研究显示借助人工智能顶层结构与功能介入证据审查具有可行性,有学者认为可借助人工智能算法的复杂度、容错性、确定性与统一性上的优势实现对证据证明力的评判。人工智能可将证据转化为一系列概率值,影响裁判心证的证据以数字形式呈现,这种概率值反映证据的证明力以及事实认定者的认可度,指向事实证成,证据实现数据化。证据与事实认定之间的信息转换为数字后,人工智能将赋予每项证据以证成案件事实的贡献度,最后再通过某种加权计算公式计算结果,帮助事实认定者加深对证据的理解,对案件与证据进行整体评价。人工智能甚至还可以直接作出证据推理供证据裁判者参考。智能系统借助计算机的高级功能,构建自主识别学习的算法,将其适用于特定证据与案件事实之间,建制或模拟证据裁判、分析思维活动的程序,在计算机中运行已分析出的某种思维程序,检验证据的证据能力与证明力,使证据裁判者借助人工智能系统的敏锐透镜去考察证据分析的微观机制,减少人为主观因素不一致引起的差异。
近年来,人工智能技术的自身发展、诉讼案件数量激增以及司法体制改革,使司法裁判中引入人工智能具有了技术、现实及体制几方面的动因。当前的人工智能以大数据为前提和基础,通过强大的运算能力和深度学习模式等技术支撑,对大数据信息进行系统升级及逻辑化,为人类提供解决问题的最佳路径选择。威格摩尔认为,在诉讼证明与事实认定中证据的可采性问题并不是最重要的,对证据的自然评价过程才是重要的。英美法系国家在证据法学研究中引入概率学、心理学、法律论证、法律叙事学等新证据学方法,使贝叶斯定理、故事模型理论等证据评价或事实认定模型在事实认定中发挥作用,上述证据评价或理论模型等与人工智能联系密切。同时,计算机科学与法律专家系统因其更依赖于数学模型与计算机模型,也成为新证据学的分支。证据学的交叉学科属性发展,为人工智能介入证据运用提供了前提条件。
对科学证据的解构使得科学证据具有了大数据特征,且跨越大量学科门类,这些大数据信息是复杂的、海量的、多样的,具有网状结构特性。但人类思维是以线性结构运作的,人脑对数据化的科学证据无法有效审查判断,人工智能因其强大的大数据收集和分析技术功能便可以弥补人类面对浩瀚数据时对证据实质性的认知不足问题。一方面,人工智能介入科学证据的审查判断可以节省人力、物力,提高诉讼效率,应对社会发展带来的案件激增压力。另一方面,人工智能介入科学证据的审查可以增强证据审查的实质效果。大数据的量化实证研究促进了事实研究的客观性及普遍性,当基于大数据方法进行的法学研究所提供的知识体系将客观性和普遍性进行融合的时候,法学知识体系的科学性将会达到前所未有的历史高度。因此,科学证据结构性分析与人工智能在刑事证据领域的应用具有逻辑契合性,构建有助于证据裁判者实质审查科学证据的人工智能专家系统成为可能,给予证据裁判者参与科学证据评估的机会。
当科学技术与法律相交叉给事实认定者带来一定的困难时,为确保科学证据审查判断的效率性与公正性,引入人工智能是纾解困境的有效方式。人工智能介入刑事证据审查判断的两种形态可分别对应科学证据审查判断的两层结构,可以借助人工智能的初阶功能从外部视角审视为科学证据作出解释和分析的专家证人是否具有中立权威,借助人工智能高阶功能从内部视角审视科学证据依据的理论及方法是否有效可靠。
从上述分析可见,科学证据审查判断的外部结构涉及两个方面:一是选任中立的专家证人,二是考察专家在行业的认可度。人工智能在这两方面发挥的作用具体展开如下:
1.人工智能系统对选任中立专家证人的作用。 选任特定科学领域内的中立性专家或专家小组对减轻科学证据中的主观影响有重要作用,但如何选任中立的专家、如何管理这些专家以及是否将中立专家这一模式应用于涉及专业领域判断的所有案件是需要首先解决的问题。如果由法官人为选任,则又有可能介入人为主观因素。算法中立的人工智能技术为破解这一困境提供了可能,算法中立是运用算法软件以相同的方式遵循相同的规则来作出决策。人工智能系统可根据面向目标、主要特征、指定条件、适用率等优先指令选取合适的目标,按照这样的规则,在选任专家时,人工智能系统设置相应的模式并在大数据系统中储存海量专家证人的信息,包括专家的专业实践经历、已发表文献以及通过与大量的现存的文献、研究相比较来确定专家的实验设计是否受到了相关同行评议等。事实认定者以案件基本事实以及对专家证人的基本要求为条件,人工智能系统根据这些条件随机地、无偏见地为特定案件选任最优专家证人,避免了法官选任的主观性,同时也提高了诉讼效率。
2.人工智能系统对判断专家权威的作用。 专家的权威取决于专家在其领域是否得到了认可及其依据的理论或技术的权威性。人工智能用于构建专家系统的候选领域具有以下特征:它包含大量的领域特定的知识,它允许领域知识遵循某一种分层次序,它可以开发成为存储了若干专家知识的知识库。这种人工智能专家系统判断专家是否在领域内具有权威性或者所引用的论据是否在其所在领域内可靠是通过大数据检索与对比分析数据实现的。域外已有研究表明“专家机器人”系统将被编程检索某个专业领域内己发表的专业文献,并分析它在该学科中阐释的细节、方法及推理过程。以此为基础对专家证言及其科学依据进行系统评估。如在判断专家以命题A为结论的推理基于多个前提,人工智能可通过对比分析前提是否经过了行业内的权威检验,是否有不同的意见分歧,引用的前提的专业领域是否存在技术上的变革或者新知识的快速发展,系统将这些信息以详细生动的形式在事实认定者面前呈现。人工智能也可以通过大数据检索相似的类案,检索专家依据的原理、技术和假设是否被合理地验证,验证是否充分、确实;该原理、假设得出的结论和适用的错误率;该原理被同行审查、检验的程度以及专家在该领域内的资格、经验、成果、出版物等来实现对专家权威的判断。
对科学证据的内部属性解构旨在从科学证据依据的专业原理及科学方法确定科学证据的有效性,从科学证据依据的科学技术可重复率、误差率以及因果关系、确定性概率认识科学证据的可靠性。
1.人工智能助力审查科学证据有效性的作用。 首先,人工智能可以对抽象的科学进行知识性解构,使事实认定者能够理解、处理和思考证据,并得出理性的结论。科学证据的有效性审查要求事实认定者重视科学证据的原理、技术的行业认可及结果的论证,这些原理、技术、方法通常以数据的形式进入法庭,法庭需以数理分析的方法和技术对这些数据信息进行处理,利用收集、获取和凝结变量的信息的方式,挖掘科学证据形成的过程,通过对不同变量的运用和分析来考察科学证据鉴定意见依据的数据是否真实有效。但要求证据裁判者在短时间内对另一个专业领域内的专业知识熟知并运用有相当的难度。且对于证据裁判者来说,要考量这些数据是否真实、充分,能够与事实相关的证据信息越多越好。这种情况下,需要最大限度的统计和计算能力,帮助事实认定者在诉讼过程中挖掘和审定证据,人工智能的测算能力显然是强于自然人的,司法人员可以运用人工智能系统对证据的证据能力、证明力之概率进行测算。人工智能可借助强大的信息统计及分析能力,通过决策系统为证据裁判者提供参考。
此外,人工智能还可以增强科学证据认证时的对抗性,以确保其有效性。在审理案件时,事实认定者应能够理解、处理和思考证据,并得出理性的结论。但在涉及专门性证据问题时,却因为知识壁垒的存在,导致事实认定者无法理性理解证据,案件审理变为了一种遵从模式,与常规的审判理想状态相悖。可通过人工智能系统建构一种论辩模式,使科学证据在事实认定者面前呈现对抗性,克服事实认定者单方依赖的模式困境。运用高级人工智能模式将理性的证据推理过程以可视化和量化的形式进行诠释,为质证过程中各种假设条件的变化提供便捷的实现途径,协助事实裁定者清晰地梳理出事实裁定应遵循的流程。人工智能系统将已发生的事实与当前的案件连结,当法律事实认定者缺乏专门领域的知识时,人工智能借助大数据手段实现对事实认定者的科学“教育”,甚至可以进行自主学习和知识重构。
2.人工智能助力审查科学证据可靠性的作用。 人工智能可帮助事实认定者理解以复杂形式表现的科学证据,以透明生动过程确保其可靠性。专家证人要使事实认定者确信证据可靠,不仅要对证据进行论证评价,还需要进行理性说服,而不是基于实验、经验所形成的主观概率、错误率让事实认定者无从判断。目前科学证据以似然比率(Likelihood ratio)为主,包括以匹配频率、来源概率、认定性识别和否定性排除等数字化的表现形式。然而,这样的法庭证据检验评估形式却带来了问题:一是对形成似然比的客观数据的提取与分析存在难度;二是法律事实认定者很难理性认知与解释数值化形式的似然比。科学证据要被事实认定者认定为可靠,则应尽量要求专家证人以可理解的方式阐释数值的原理、由来及其内涵。当科学证据以不透明和难以理解的方式呈现,则无法通过语言、视觉、触觉、声音或者这些组合对事实认定者的感官产生影响,让事实认定者觉得证据可靠则是困难的。人工智能可以借助其超强的计算能力,通过庞大的存储器和极快的处理速度,将知识表示的选择与所需要解决的问题结合在一起,通过形象生动的表示使解决问题的约束和挑战透明化。对于某些类型的问题,人工智能解决方案和所采用的语言用不同的方式,如博弈经常用到搜索树、AI语言LISP使用列表、Prolog使用谓词演算等,可以将复杂的公式通过视觉、语音等法官可接受的方式理解科学证据的原理,对矛盾的相关证据进行权衡,比较之后确定证据的可靠性。
人工智能可帮助法庭排除科学证据相关的多余信息,确保科学证据的可靠性。科学证据的提取与分析要求研究者完全基于庞大的数据库来理解分子序列、结构和数据,在其种类及数量上对研究者造成了重负。在科学证据可能产生不公平损害、混淆争点、不当拖延、浪费时间或者不必要地出示重复问题时,人工智能也可发挥作用帮助事实认定者排除这类不相关的证据。人工智能系统利用冗余性,尽可能将多种多样相关的信息汇集,同时也可实现推理引擎和知识库的分离,使用统一表示防止重复,借助简单的推理引擎保证程序效率。人工智能系统可以以顾问的角色,识别科学证据的问题与观点并且评估可能带来的效果,帮助证据裁判者对不同法庭科学的性质、操控程序进行宏观把控,帮助法庭排除对司法公正产生损害的不相关证据,进一步提高已进入事实认定者视域内的科学证据的可靠性。
人工智能融入科学证据的审查判断是科学技术推动司法改革的新范式,它为提升司法改革质效、促进事实认定准确性提供了智能化解决方案。但同时也要注意证据的审查判断是一个复杂的过程,人工智能介入科学证据的审查判断可能也存在一定的隐患。人工智能介入司法仍处于探索与实验中,法律领域的数据资源开发不足,以算法和模型实现对证据审查和推理的抽象化可能出现数据提取不充分、过程分析不准确等问题。人工智能系统仍需依靠操作主体的认知及信念,也不可避免地涉及主观性问题,在证据审查判断场域过分依赖人工智能可能使法官主体地位被削弱,可能导致司法权被技术权侵蚀与消解。因此需明确人工智能介入科学证据审查判断只能发挥辅助性和形式性的作用,人工智能系统形成的辅助意见并不能终局性地决定科学证据本身成立与否,证据与事实的关系还需交由人类法官作出判断。在未来,人工智能介入科学证据审查判断的限度问题还有待进一步深入研究。