行政处罚数字化裁量的合法性风险及其危机控制

杨 成，陈 昊

(昆明理工大学 法学院, 云南 昆明 650500)

随着人工智能和大数据等技术迅猛发展，行政法治信息化、数字化逐渐成为新发展方向，传统行政法治的发展正在转向以网络信息技术、人工智能算法为辅助工具的行政法治。数字化裁量在当下的行政处罚领域应用较多，在一定程度上提高了行政处罚的效率，防范了行政处罚中裁量权的滥用，维护了行政处罚结果的统一性。但是，由于数字化行政裁量方式天生的自动性和程式性，不能很好地满足行政处罚裁量对于个案正义的需要，甚至产生一些合法性风险。因此，我们应当对数字化裁量在行政处罚中的实践应用加以关注，探讨行政处罚数字化裁量的合法性风险并对其危机进行控制，是本文的主旨所在。

一、行政处罚中数字化裁量的运作机理及其实践应用

行政处罚数字化裁量通过技术将法律规范转译为代码，将裁量基准以数字的方式应用在行政处罚中，缩减了行政主体直接适用法律的过程，提高了行政效率。基于半自动化行政的理论视角，在以人工裁量为主导的行政裁量方式中，将数字化裁量定位为辅助工具更符合行政执法的实践情况。在行政执法者的主导下，借助人工智能完成法律适用和一定程度的价值判断是行政处罚数字化裁量的内核。

(一)行政处罚中数字化裁量的运作机理

裁量行为本身诞生于适用法律规范的过程中，其基本过程大致如下：首先，确定案件事实查找证据，其次，寻找相应法律规范进行适用，并对该法律规范进行解释，然后，将案件事实代入法律进行法律要件的判断，最终做出裁量决策[1]。在违法案件的事实认定方面，行政主体发挥着主要作用，违法事实属于客观层面的数据信息，行政主体需要经过调查取证等程序确定。这一过程需依靠人工完成，且不存在裁量余地，仅仅是基于客观事实的是与否的选择性判断。行政处罚中数字化裁量要完成的工作是在确定案件事实以后将数字化裁量需要的裁量因子作为数据输入系统，实现系统内的法律要件判断，并将违法事实代入法律规范进行适用得出裁量结果。

行政处罚中数字化裁量主要是通过借助信息技术手段，构建数学模型等方式建立一套合适的算法机制，替代和帮助执法人员对事实案件进行裁量的方法。这种方法对人的裁量方式进行模仿，通过机器算法对违法案件进行计算以得出处罚结果。数字化裁量从程序上看可以分为两个部分：一是搭建已有裁量案例的数据库，将裁量基准转译为数字化算法规则，形成自动计算的数字裁量函数模型，此阶段是将法律适用通过计算机语言表达出来；二是在具体案件中筛选出裁量因子输入数字化裁量系统得出处罚结果，此阶段为个案适用的过程。

行政处罚应用数字化裁量要确保处罚结果的合理性必须保证具体的违法事实与抽象的法律规范在数字技术的涵射中能够相对应，要完成这种从法律规范到算法规则的精准转译离不开技术的支持。传统人工裁量对执法者的价值判断标准要求较高，裁量基准细化了违法事实的具体裁量要素，执法者需要对相关裁量要素进行评判。传统人工裁量程序是以人为中心构建的，执法者作出处罚决定时需考虑相关因素、遵循罚责相当原则，在程序上也受到较多制约以减少执法者主观意志因素对裁量结果的干预。而依赖数字化裁量的行政处罚活动中，算法规则是核心，计算机通过系统内置的算法函数对违法案件进行计算，裁量因子内置在算法函数中，执法者需要对违法案件进行解析，并将裁量因子需要的数据输入计算系统中，经由算法函数计算得出最后裁量结果。数字化裁量本质是对算法的应用，其规则内设置的分析推理模块尤为重要，这是确保裁量结果是否合理、合法的基础。从技术上看，数字化裁量内置的算法规则通过借助机器的智能学习技术可以不断优化算法科学性，数字化裁量的算法规则建立在动态神经网络结构之上[2]，借助神经网络的推理功能进行法律适用的训练可以提升计算结果合理性，机器内设置的符合法律逻辑的分析推理规则能够在大量的计算下进一步优化，使处罚裁量结果更加智能。

在机器完成法律适用方面，需要首先对法律规范进行关键要素的解构，厘清各要素与违法行为、违法后果之间的对应关系；其次，从违法行为中解析出算法系统需输入的裁量因子，进而在裁量因子、法律规范与案件事实之间构建算法模型[3]。由于行政处罚需要依照严格的法律程序，数字化裁量系统需要对这些程序进行模仿并记忆，从而完成将已发生的违法事实涵射于法律规范的法律适用任务，给出最后的裁量结果[4]。此外，裁量基准作为行使裁量权的重要辅助工具，在数字化裁量的发展趋势下，也有逐步从文本语言转向计算机语言的变化。借助计算机语言将文字表达的法律规范转译为代码、将法律适用中的裁量过程转译为数字化裁量中的算法执行程序，以机器的算法思维代替人脑的价值判断思维，进而完成处罚裁量决策。

人工智能技术为机器学习提供了可能，构建智能数字化裁量辅助系统可以模仿人的大脑进行学习，借助数字裁量系统丰富的数据库不断优化算法规则。机器的智能学习模式可以利用已经建立的处罚案件数据库来不断优化数字化裁量的算法，并扩大到人们难以感知的案件隐蔽性和关联性要素，进而确保行政处罚中数字化裁量尽可能实现个案公正。

(二)数字化裁量在行政处罚中的实践应用

近年来，数字化裁量在我国行政处罚领域得到了较为广泛的应用。在交通执法领域数字化裁量的应用已是常态。“电子警察”作为集监督、判断、处罚等职能为一体的智能处罚方式，给行政活动带来极大便利，但是，其对人工裁量的阻断程度也较高。经由电子监控的交通违法行为作为信号传递至处罚系统，再由系统判定作出处罚决定，最后送达行政相对人。该处罚裁量属于整体的数字化闭环，该闭环包括了从取证到处罚，电子监控抓拍到违法行为后自动进入数据库进行处理。在基于交通违法行为的一般类型化分类处理，将机器识别的违法行为依照处罚标准进行处罚，较大程度压缩了相对人的权利，如陈述申辩、说理、听证等权利，但是，也提高了行政效率，减轻了行政执法负担。

环保行政执法领域较为广泛应用了数字化裁量。例如，南京市环保局较早应用了行政处罚裁量辅助决策系统，该系统是以二维数组为基础的裁量辅助决策系统，执法人员通过数字化模型将所调查的违法事实设置为各种初始参数，作为裁量因子的数值输入到裁量辅助系统中，根据内置的算法程序进行计算，最终得出裁量结果，法律后果也细分为“无、轻微、一般、较重、严重和特别严重”六个等级[5]114-124。从行政行为过程的视角来看，利用该系统计算出来的结果并不会直接作为处罚结果，仍需通过执法人员的审核认定程序才能作出最终的处罚决定。该裁量辅助系统需要执法人员对案件违法情节各种要素进行筛选，将算法系统需要的裁量因子筛选出来，经由系统计算得出裁量结果，若经审核认定未通过则需重新提出处罚意见，不能二次更改违法情节的初始数据要素。

在市场监督管理执法领域，广州市市场监督管理局也较早应用了行政处罚自由裁量权智能化规制模式。该模式依托行政处罚案件的数字化管理系统，将行政处罚中的裁量过程全部纳入数字化系统内。该模式通过建立智能化法规库，拆解市场监督管理领域行政处罚涉及的法律规范，将相应法律法规涉及的诸多违法行为的处罚规定进行分档定级，在进行处罚时经由数字化系统判别，提示执法人员在处罚中需要考虑的裁量因素，再由执法人员输入相应的裁量因素和处罚等级，经过数字系统的内置算法计算得出最终处罚结果[6]。

在城市管理行政执法领域，安徽省亳州市城管局于2019年开发并应用了电子综合执法系统。该系统依托信息技术建立城管执法案件数据库、档案信息库等，通过多个子系统实现城市综合管理。执法人员通过对违法行为进行现场记录或者非现场监控等手段，将信息录入数字执法系统中，经过系统数据库的分析类比得出相应的处罚结果。该系统对相应的法律法规进行拆解，如《亳州市城市管理行政执法局行政处罚目录和自由裁量标准》《亳州市城市市容和环境卫生管理条例》等，在系统内建立相应的算法规则，在实际执法过程中，实现罚管分离，将处罚工作交由机器完成，并建立事后监督机制，由人工对处罚结果进行审查。城管电子综合执法通过数字裁量将自由裁量权基准进一步统一，为避免裁量权滥用而用数字裁量代替人工裁量，一定程度上遏制了传统执法乱象[7]。

在税务行政执法领域，辽宁省国税系统于2021年应用了数字化行政处罚裁量，将部分税务处罚裁量基准内嵌于金税三期税收管理系统，对申报、发票、登记等日常征管类处罚自动计算出处罚结果。该系统涵盖了6大类税收违法违章行为，对处罚规则细化了多个裁量要素，并对各个裁量要素进行分级，包括“轻微、较轻、一般、严重”四个等级，进一步缩减自由裁量空间。以逾期申报为例：法律规定的裁量范围为0～500元，但是，基于该数字裁量系统的算法规则，通过设置逾期天数、违法程度、地区经济标准等考量因素进行计算最终得出处罚结果。这一过程使处罚结果更合理科学，也削弱了人工裁量的空间[8]51-68。

从行政处罚应用数字化裁量的实践来看，数字化裁量更多适合于违法案件类型化较高的行政执法领域，其可以避免个案特殊性在裁量中的问题扩大，确保处罚结果的统一性。从全国一些地方行政处罚数字化裁量系统的名称来看，数字化裁量更倾向于作为辅助工具应用在行政执法活动中。对于较为简单的类型化案件来说数字化裁量系统能够快速地给出反应，但是，行政处罚裁量的内在构造限制了机器规则可以替代的空间。虽然人工智能技术的发展日新月异，机器学习成为可能，但是，行政处罚涉及给相对人施加惩戒制裁，减损相对人权利，需要尽可能避免机器对不确定法律概念进行解释带来的裁量滥用，人工参与是不可或缺的。因此，在行政处罚裁量中将数字化裁量定位为辅助性工具，不能完全摒弃人工行使裁量权更为恰当。

二、行政处罚中数字化裁量的合法性风险

数字化裁量改变了传统行政处罚中的裁量方式，以半自动化行政的视角观察数字化裁量在行政处罚决定中发挥的作用，不难发现算法语言天生的“算法黑箱”特性将机器进行行政裁量的过程隐匿，对行政公开原则造成冲击；且在行政处罚的数字化裁量应用实践中，裁量基准的数字化转译产生的法律语言与计算机语言不对等的技术障碍，引发“代码造法”的风险；以及过度依赖数字化裁量路径致使裁量权让渡给机器从而产生违法裁量的合法性风险。

(一)算法黑箱引发的合法性风险

数字化裁量的本质在于将裁量过程算法化，这也是自动化行政区别于传统行政治理方式的主要特点。通过数字算法的方式实现自动化行政需要依赖数学模型构建，并进行数据分析、信息对比等。这些数据代码的运作是被保护在黑箱内的，算法黑箱在物理世界和数据世界构建了一条屏障，让外界的人无法透过黑箱知晓内部的运算规则。算法黑箱往往与“算法独裁”“算法垄断”等负面评价绑定在一起，未来呈现出一幅颇为暗淡的图景：人类在现实世界中的主体地位开始被架空，算法作为数字世界的主宰正从黑箱中伸出无形之手，控制着人们的生活[9]。算法黑箱的存在让行政处罚决策的过程更具有秘密性，行政处罚裁量决策的做出过程不透明，无法受到社会公众监督，不能有效保障相对人的权利。算法黑箱将裁量决策过程保护起来，如若算法模型运行出现纰漏也很难被发现，裁量过程不透明也加深了社会公众对决策结果的质疑，社会公众只能对数字化裁量被动接受，无法知晓程序运行的错误与否。在被冠以高科技之名的数字化行政下，算法黑箱很容易成为决策者滥用裁量权的保护伞，算法程序不透明也加剧了数字化裁量的合法性风险。

算法规则作为一门独立运作的语言规则，是隔离在普通民众的视野之外的。算法黑箱使决策过程变得神秘，而规则之治的内在要求是让公众获知、理解、支持规则的运行方式，“规则如果无人能懂，守法如何行得通”[10]。行政决策的作出通常需要公开以获得公众的支持，并以此引导公民自觉遵守法律。行政处罚裁量的决策规则隐匿于算法黑箱中，将执法者隔绝在社会公众视野之外，行政处罚决策无法得到有效的社会监督，且在算法规则不透明的情况下，受专业能力的限制，执法者也未必完全清楚算法裁量的运算规则，不能对真实情况全面掌握。例如，南京环保行政处罚裁量辅助决策系统建立在二维数组的基础上，通过信息化思考将决策过程和软件相结合。在实际工作中，每个违法案件都有自己的特殊性，现有的算法规则不能满足全部案情需要，易产生处罚结果不合理问题。在算法黑箱的掩盖下，无法证明该处罚过程的正当性，处罚结果出现问题时会加剧公众对数字裁量的质疑。此外，在行政执法活动加强公众参与的趋势下，算法黑箱是诱发合法性风险的重要因素。南京环保行政处罚裁量辅助决策系统的应用通过对大量执法活动的经验分析，建立“行为”和“后果”两个维度要素，形成二维数组的算法，在构造出简单的数学函数之后，通过叠加组合的方式计算出违法等级，最后得出处罚结果。这一过程被保护在算法黑箱内。依据二维数组的计算方式得出的处罚结果是否能够满足处罚结果的合理、合法性要求，还需要在实践中不断验证。但是，不能否认的是，算法黑箱的保护给违法裁量提供了一定的空间。

数字化裁量让行政处罚变得更简便高效，违法行为经过算法规则计算可直接作出处罚决定。算法黑箱加大了决策规则的隐蔽性，外在的表现形式则是简单的指向性规则提供给社会公众，容易导致权力恣意。公开性和清晰性作为法律的内在道德性[5]114-124，应当体现在各个方面，其要求法律必须被颁布，不能够仅以内部文件的形式存在，而且作为法律规范的语言应当清晰，以避免引起歧义，而算法黑箱的存在则让行政处罚裁量违背了这种道德性。当然，随着科技工作者的深入研究，算法黑箱的现状在逐步破解，对数字技术的拆解和法律性解读会使数字化行政可能更符合行政法治未来的发展方向。

(二)裁量基准数字化转译引发的合法性风险

裁量基准作为传统行政裁量的重要依赖手段在行政处罚中发挥着不可或缺的作用，裁量基准通过细化处罚类型和处罚幅度等标准，将上位法赋予行政机关宽泛的裁量权予以规制，进而将裁量空间压缩至分格分档的技术操作中[11]。但是，数字化裁量依赖机器的运作，人工适用的裁量基准难以直接适用于数字化裁量系统，需要将裁量基准内容转译为计算机语言，进而纳入数字化裁量的算法系统中，并对各个裁量因子应用在计算公式内的比重进行分配与赋值。数字化裁量系统的运作模式突出特点是通过规则转码将裁量过程严格羁束化[5]114-124，借助大数据分析，将行政处罚的实践案例搭建在类型化数据库内，适配相应的裁量基准，进而将数字化裁量内部的标准程式化。借由丰富数据库的存在以掩盖机器裁量的僵化性不可取，裁量基准适用于违法案件的规则转译为代码的算法规则一定程度可以提升裁量结果的一致性，但是，实现个案正义需要裁量空间，这种算规则的转译会产生与实现个案正义相冲突的可能性。

裁量基准作为规制裁量权的一种手段，仍属法律规范的范畴，不确定法律概念的存在致使此种制度在适用上存在有一定的模糊空间，与之不同的计算机语言是由代码构建的明确性指令，其消除了裁量基准在传统适用上的模糊空间。人工裁量不可避免带有的主观性在数字化裁量中予以抽离，但作为行政法核心概念的行政裁量不能完全排除意志属性，应在遵循合理的规则的前提下弹性适用，裁量基准则提供了这种规则。过于严格的规则会消解裁量，数字化裁量将这种规则以模型函数的方式固化下来，在函数推理的过程中压缩了行政裁量的空间，通过数字化的技术改写将法律规范涵射至计算机数学模型中，使裁量权的行使受到机器计算程序约束。

法律语言本身具有模糊性，不确定法律概念的存在加大了裁量基准数字化转译的难度。在将法律语言转译为计算机语言的过程中，受制于技术层面的限制，代码作为计算机语言需要严格的精确度，是以与法律规范的抽象性、模糊性存在冲突。数字化裁量借由机器实现的法律适用过程必然须遵循机器计算规则，各裁量因子作为输入端应当确定、清晰，这要求在法律规范转译为代码的过程中明晰法律规范指向的行政处罚裁量因子，在违法事实和法律规范之间建立明确的指向。但是，法律的抽象性特征与代码的精确性特征存在天然的冲突，如果技术性改写不规范，会造成数字化裁量系统纳入的裁量因子无法在法律规范和违法事实之间建立一一对应关系，事实的违法行为不能合理纳入数字化裁量的计算中，由此作出的裁量无论是遗漏还是附加处罚，都违反了“罚责相当”的适度原则。例如，在肃北县凯富矿业有限责任公司与酒泉市生态环境局肃北分局行政处罚纠纷一案中，生态环境局通过行政处罚自由裁量辅助决策系统裁量，对凯富矿业有限责任公司作出罚款 4 806 000 元的处罚，其处罚的法律依据是《环境影响评价法》第31条之规定。本案中，凯富矿业的违法行为是在其环评报告未获得批复前即开始施工建设，生态环境局适用的数字化裁量对其进行的处罚则是认定该行为属于未上报环评的严情节重，并据此进行处罚。未报环评与未获批复在程序上应当进行区分，归属于不同的违法情节，而本案的数字化裁量则在处罚的过程中将此种违法行为判定为彼种违法行为的严重情节，实属对该条法律规范立法原意的篡改。本案二审法院最终判决撤销该行政处罚决定并责令重新作出行政行为(1)中国裁判文书网：(2019)甘0982行初23号。https://wenshu.court.gov.cn/website/wenshu/181107ANFZ0B XSK4/index.html?docId=634a9635a66e45888df3ab38008033ed.。由此不难发现，数字化裁量在适用裁量基准过程中存在解读错误的风险，将裁量基准转译为数字化裁量系统内的代码会引发篡改法律等问题。

(三)裁量权让渡予机器引发的合法性风险

数字化裁量是借助机器的运算行使裁量权，其本质与执法者行使立法预留的裁量权并无不同。裁量权的存在要确保个案正义，面对不同情况的违法案件应当做到考虑相关因素，将不同案件的特殊性加以考量。行政裁量的存在为满足复杂多样的行政任务实现法治化提供了必要基础，在多变的案件下达成行政目标需要赋予行政机关裁量权，给予其有弹性的决定空间，从而便于根据案件情况设定行政目的并采取灵活的行政手段达成目的，裨在个别案件中作成最适合于一般行政任务以及维护公共利益要求的决定[12]。但是，由于数字化裁量是依赖在机器内设置的既定运算规则，其在事实认定和价值判断上过于程式化，在考虑相关因素、个案特殊性等方面存在缺失，如果执法者过度依赖数字化裁量则会逐渐沦为技术的奴隶。

数字化裁量的初衷是为提高行政效率，填补人工裁量的疏漏，强化处罚裁量决定合法性。人工裁量常常出现受制主观感情、认知不足的决定偏颇，“人情罚”“关系罚”等情况屡禁不止，数字化裁量在裁量过程中将执法者的主观因素剥离从而在形式上确保处罚结果的合法性，弱化了人工参与裁量的程度，对人工行使裁量权产生排斥。在既定的数字化裁量程序中，执法者对违法案件的调查局限于需要输入数据的裁量因子，怠于调查事实的全方面，且在系统输入数据之后，执法者若发现调查事实发生变化或数据产生错误，无权进行修改撤销[13]，导致数字化裁量对执法者裁量权的限制从效果裁量延伸至行政调查阶段[14]。为追求数字化裁量的普适性，扩充数字化裁量的数据库信息来源，许多领域的行政自动化处罚信息系统由较高权限的行政部门统一部署，基层执法部门无权对处罚的裁量结果进行变更，这也是数字化裁量篡夺人工裁量权的一个方面。执法者对违法事实的调查变更权力、处罚结果变更权力被数字化裁量架空时，违法裁量则有机可乘，加剧了行政处罚的合法性风险。

例如，2017年魏某在内蒙古省道驾车超速行驶被拍摄，经网络信息传输后由长春市朝阳区自动处罚终端作出罚款200元记3分的处罚决定，魏某以违法信息不准确、处罚证据不足为由提起诉讼。本案中，由于存在公安交管综合应用系统记录的违法信息与自动处罚终端违法代码不一致、自动处罚终端生成的处罚决定存在错误裁量导致适用法律与违法事实不一致等情况，二审法院认为长春市交通警察支队朝阳区大队虽无权限修改管理系统数据。但是，在自动处罚终端所作的决定存在明显错误的情况下，应当通过人工录入信息等变更裁量，最终判决撤销行政处罚决定，责令长春市公安局交通警察支队朝阳区大队60日内删除公安交管综合应用平台上记载的违法信息或重新作出行政处罚(2)中国裁判文书网：(2019)吉01行终260号。https://wenshu.court.gov.cn/website/wenshu/181107ANFZ0BX SK4/index.html?docId=d1279dab7acf4b998296aad8009c08b7.。此案例不难发现，人工裁量权被数字化系统架空或者过度依赖数字化裁量时，数字系统对行政机关的变更信息等权力产生限制，违法裁量则无法避免。

此外，基于数字信息技术的信赖，执法者更容易产生心理依赖，对数字化裁量作出让步。数字化裁量更多的功能在于提高处罚结果的合理性和标准性，将裁量权让渡予机器后更易导致执法者专业性被否认，出于行政责任和行政风险的担忧，执法者更倾向于依赖机器以求免责或规避风险，进而缩减人工价值判断。对机器裁量结果缺乏审查，进而产生将执法者异化为呆板遵循算法程序操作员的风险[8]51-68。

三、行政处罚中数字化裁量合法性风险的危机控制

针对半自动化行政的模式下数字化裁量所产生的合法性风险，我们应强化行政主体的释明义务，进一步完善裁量基准并框定数字化裁量的适用边界，构建合理的人机协作裁量机制，从而合理控制数字化裁量所产生的合法性风险危机。

(一)强化行政主体的释明义务

算法透明通常被视作解决算法黑箱最直接有效的方法[15]，通过对算法规则中代码信息的披露来削弱社会公众、执法者和算法规则制定者之间的隔绝程度，填补各主体之间的信息不对等，扩大算法透明度以遏制权力恣意。但是，公开算法代码和算法规则的运算信息或构成国家安全和社会秩序稳定的隐患，且技术层面上能否通过算法透明重现数字化裁量的决策过程仍为未知。完全公开算法系统的代码如何设置有效监督与审查，算法专业领域能否进行问题自纠等难题也接踵而至。因此，基于算法透明反对论的前提，我们认为应当通过强化执法者对数字化裁量处罚结果的解释说明义务来对处罚裁量的合法性进行控制。

行政处罚作为减损公民权利的行政行为，其决定的作出应当遵循正当程序，行政相对人对数字化裁量决策也应当享有知情权，而保障相对人知情权的首要途径就是行政主体进行解释说明。但是，作为执行者的行政主体无法真正了解数字化裁量系统内部是如何运作、法律适用与计算机代码之间如何实现转译的，数字化裁量系统的实际研发者应当作为解释说明义务主体的辅助者协助行政主体履行释明义务。仅公开数字算法系统中的代码很难实现有意义的公开透明，因为诸如深度神经网络之类的最新的人工智能技术通常是没有任何算法输出可以帮助人们了解系统所发现的细微模式的[16]。因而强化行政主体对数字化裁量处罚结果的解释说明义务能更好地避免技术困境产生的尴尬。

数字化裁量在行政处罚中引发的合法性风险本质上是机器在法律适用过程中通过代码转译为算法规则实现裁量而带来的执法过程的不透明，数字技术将需要依赖人的价值判断的法律适用转变为依赖机器的算法操作。这一转换在算法黑箱的保护下变得不可触碰，削弱了法律对其应当具有的约束力。如此，强化行政主体对数字化裁量过程的解释，要求行政主体履行说明义务，提高行政活动中应用的数字化技术的透明度和可解释性。行政主体对数字化裁量背后的算法规则进行解释，有助于破除算法黑箱在社会公众、行政主体、算法制定者之间建立的壁垒。解释说明的内容应当包括对不同类型案件的算法规则的设置、数字化裁量系统与法律规范的嵌合情况，以及法律适用活动转译为计算机语言的合法性解释；同时，个案裁量中对输入算法的裁量因子选取、因果关系、不同裁量因子在算法中所占比重等内容也需要行政主体进行解释。

(二)完善裁量基准、框定数字化裁量适用边界

从行政处罚数字化裁量的行政程序来看，人工裁量在数字化裁量过程中发挥着价值判断的重要功能。但是，经过计算机语言转译的数字化裁量系统对裁量过程的控制也不可小觑，机器算法具有的僵化性会对最终的裁量结果产生相当的作用力。裁量基准在数字化裁量中仍承担着具体分类、计算等功能，数字化裁量也需要依赖解读、分析裁量基准，在此基础上建立数据库和算法规则。通过完善裁量基准，使在实现代码转译的过程中更细致具体，提升算法规则的准确性，进而降低数字化裁量的合法性风险。

裁量基准作为细化裁量的法律规范，经过计算机语言的转译能够在数字化裁量系统发挥量罚的计算功能，由法律规范转译为计算机语言的过程越适当，做出的处罚裁量计算结果的准确度与合理性越高。因此，侧重完善裁量基准并对其语言转化的精确性予技术上的改进，完成代码与法律规范之间的合理化对应，避免转译过程演变为“二次立法”，如此，能够更好地确保数字化裁量内置的计算模型全面且合理地涵射法律规范。结构裁量基准设置的处罚裁量要件，转译为数字化裁量的输入端裁量因子，实现范围内的对应关系，确保数字化裁量不超脱合法范畴又赋予机器学习的进步空间。

裁量基准数字化转译严格羁束裁量过程，抽离人工裁量的主观意志因素，为个案裁量提供一般化规则。在半自动化行政的视角下，在裁量过程中应赋予人工裁量更多的主导性地位，以便控制数字化裁量对裁量行为性质更改的问题。通过完善裁量基准，厘定不确定性法律概念的人工解释范围，构建合理的人机协同机制，可避免数字化裁量对裁量过程的过度控制，减轻代码对裁量行为的羁束化，降低人工对数字化裁量方法的过度依赖。

框定数字化裁量的适用边界，从现有技术条件观察，适用数字化裁量的应当是复杂程度较低、行政程序简洁、裁量结果较为确定的行政行为。虽然人工智能技术让机器能够学习的程度越来越深，通过不断丰富数据库可优化机器算法的计算标准，但并不意味着机器本身具备裁量的能力。“算法可以在次要问题上居于主导地位，而人类必须在首要问题上维持自己的权威。”[17]行政行为适用数字化裁量的边界应当由立法进行框定，摒弃行政机关的自由选择，通过法律保留的方式确定数字化裁量的适用范围，可从行政行为是否契合预先设定的算法规则、追求结果统一性的类型化行政处罚等方面框定数字化裁量的适用边界；同时，排除那些法律规范中不确定法律概念较多，在裁量基准转译过程中难以控制合法性的法律规范适用的事项。

类型化区分行政处罚，对复杂程度较高、适用法律位阶较高的行政裁量应用数字化裁量时保留人工裁量的高参与度，可确保个案正义。在简单性、重复性行政处罚中适用数字化裁量可更好地提升裁量标准的统一，其所代表的价值判断标准经数字化裁量程序得到优化，这在价值位阶具有更高的正义性。有学者经过实证研究得出，实践问题的复杂程度较高时，人工裁量做出的决定比算法决策具有更高的程序公正性，实践问题复杂程度较低时，算法决策比人工裁量决策的程序公正性更高[5]114-124。因此，在半自动化裁量的视角下，通过复杂性判断将行政处罚进行类型化区分，在争议不大、处罚数额较小、程序简洁的行政处罚案件中，算法决策更能体现优势，避免人工裁量过多掺杂主观意志引发裁量结果不合法风险；同时，也能扩大数字化裁量的算法数据库，对结果一致性的价值追求指引着算法规则通过学习朝着更优方向发展，也能提升数字化裁量结果的科学性。

(三)构建合理的人机裁量协作机制

构建合理的人机协作机制，强化以人为主导地位，以机器为辅助地位的人机协作数字化裁量机制，这样能够充分发挥人工裁量的作用；同时弱化机器对裁量性质的羁束化改写，进而更好地控制数字化裁量的合法性风险，避免人工过度依赖机器，裁量权被机器过度行使。

在预设算法规则具有足够科学性的前提下，保证数字化裁量的运行必须限制在预先设定的算法规则之内，按照既定的逻辑执行裁量计算规则。保留执法者行政处罚裁量的最终决策权，落实以人为主以机器为辅的裁量权行使程序，建立人机协同的行政裁量机制，才能够从制度层面对机器行使裁量权的合法性进行控制。正当程序在数字化裁量的过程中更具有现实作用，数字化裁量系统本身是纯机器操作，在数字化行政模式下构建新的程序规范，由传统制度控制转向技术控制，通过程序的设计来填补数字化裁量事前与事后的疏漏，更好地发挥人工裁量在裁量过程中的作用，才能避免人工裁量权被机器架空。

事前程序中，构建行政主体参与数字化裁量系统开发的机制。在实现法律规范与代码转换的过程中，保证代码转译的准确性是实现裁量结果公正合法的重要前提，行政机关作为传统裁量权行使的主体，参与开发数字化裁量系统对提升其准确性和实践适应性具有积极意义。数字化裁量依赖算法规则得出结论，作为开发算法系统的主体应当对其公正性负责，算法规则的设计主体也负有确保算法裁量结果公正性的义务。如果开发算法系统的主体和设计算法规则的主体对法律规范的理解存在主观歧视或思想偏差，并将其渗透到算法系统的设计过程中，导致出现数字化裁量系统的设计错误或语言转译的偏差，会造成严重的违法裁量结果。在数字化裁量系统的前端开发程序中，行政主体应当深入参与相应技术性规则的设置，同算法规则开发的技术人员保持密切交流，以实践的经验融入算法设计中，强化代码转译法律规范的准确度，这样的事前参与程序能够很好地将人工裁量经验融入机器裁量系统构建中，规避了行政主体在数字化裁量中的弱项，也从程序上确保了人工在机器行使裁量权的前端参与裁量，直接杜绝了人工裁量权被架空的可能性。

行政主体事中参与裁量决定程序的设置需要以保障行政主体相应的变更权限为主，从数字化裁量的操作系统层面来看，保留执法者调整输入裁量因子、补充遗漏违法事实、适度更改处罚裁量结果的权限，确保执法者的决定权在数字化裁量系统中保有余地，不至于被完全排斥在自动化行政操作之外，这是构建人机协作机制的核心。此外，通过整合专业技术人员、学者专家、行政执法者等各方人员形成审查团体，对数字化裁量系统的应用进行随时观察，在致力于实现机器学习以完善裁量规则的目标下，对机器学习的缺陷不断完善。审查算法规则的科学性已成为当前算法治理的主要议题，实践中已有案例。譬如，德国有以技术专家和资深媒体为主导组成的“监控算法”非营利性组织，通过跟踪算法规则持续运行的情况、监管信息使用合法性等内容实现对算法裁量的审查[18]。国内适用算法审查的机制可借鉴该审查机制，但是，应当发挥多主体参与的审查机制，以减少机器裁量产生偏差的可能性。

事后裁量结果的审查需依赖社会公众的参与，数字化裁量的处罚结果应当纳入监督审查范畴，机器作出的处罚决定不能脱离人的价值评价。对违法事实进行调查的执法者作为数字化裁量系统的前端数据搜集、认定和输入人员，也应当一并纳入审查范围，并对最终的处罚决定承担共同法律责任。经审查认定的违法裁量赋予行政机关变更的权限，杜绝数字化裁量在行政处罚中的一刀切运行模式，程式化裁量会加剧人工裁量权被篡夺的危机，裁量结果的事后监督可有效化解这种危机。此外，执法者对个案中存在争议的违法事实可作出裁量处罚决定，并与数字化裁量结果一同提交审查。违法案件的事前事实认定需要依赖执法者的裁量认定，数字化裁量系统中需要输入的裁量因子等数据也必须依赖人工操作。例如，广州市场监督管理局应用数字化裁量的模式就构建了事后审查机制，设置了实时记录、结果勘误、案件检索等功能对数字化裁量的全过程进行把控，从程序上实现人工参与审查裁量结果的步骤。自案件违法信息的录入开始进行实时记录，并在系统内设置特定的勘误程序，最后对处罚结果保留数据并提供检索功能，提供了人工审查的多个渠道。此种模式下裁量过程在系统内留有痕迹，数字化裁量与人工裁量实现了良性互动，能够很好地优化数字化裁量结果。该经验值得在全国推广。

四、结 语

借助数据算法技术在行政处罚活动中构建裁量系统，实现机器与人工混合行政，提高行政处罚效率的同时也引发行政处罚的合法性风险。数字化裁量改变了传统的行政裁量过程，将人为的价值判断活动进行压缩，借助机器裁量提高了行政裁量结果的统一性，使裁量标准更加规范化，但在数字化裁量这项技术本身的缺陷制约下，行政处罚裁量活动依然会出现违法结果的可能。行政管理活动和自动化技术天然的适配性给数字化裁量应用在行政处罚领域提供了可能，为了进一步发挥数字化裁量的作用，我们更需要对其合法性风险的危机进行控制，规制机器行使裁量权的合理限度，从而确保行政处罚的合法性与合理性。