规范智能风险评估系统在刑事司法中的运用

发布时间：2024-09-04    来源: 最高人民检察院    作者：佚名

　　智能风险评估系统的研发已取得初步进展，该系统在司法实践中的运用涵盖再犯预防、逮捕和羁押措施的适用、量刑辅助、社区矫正等领域。作为一项综合工程，还应结合实践中存在的问题予以规范和优化。

　　规范智能风险评估系统在刑事司法中的运用

　　

　　

　　向燕

　　在刑事司法中，风险评估是开展犯罪预防、科学量刑及罪犯矫正的关键。随着我国信息科学技术的不断发展，风险评估逐步开始了智能化演进。人工智能技术融合大数据、互联网、云计算等多项现代信息科学技术，在应用上具有广泛性、科学性、准确性等特点。目前，我国一些地方的检察机关已开始应用人工智能技术自主研发智能风险评估工具，但尚未形成规范的智能风险评估系统运用路径。

　　人工智能应用于风险评估的作用机理

　　在风险评估中运用具有自主学习、自主编程能力的智能风险评估系统，能够从大数据中自动获得较人工抽样更为丰富的风险影响因素，并可以进行数据分析生成评估报告。在刑事司法中，智能风险评估系统的运行主要包含以下流程：模型建置—数据采集—数据分析。具体而言，第一，司法机关将刑事案件的历史数据作为基础数据，通过大数据挖掘与机器学习建构智能风险评估系统，整合出风险评估标准。第二，根据风险评估标准，司法机关与相关机关合作，收集有关犯罪嫌疑人、被告人或服刑人员的相关数据。第三，将收集的评估对象个人数据输入智能风险评估系统，该系统利用已构建的模型分析处理数据，最终形成风险评估报告。

　　以逮捕、羁押必要性审查的社会危险性量化评估模型为例。北京市通州区检察院利用检察业务应用系统，通过筛查案卡、检索关键词等方式收集审查逮捕案件相关数据信息，整合出人身危险性、社会危害性、诉讼可控性三大评估类别，包含户籍在外地、患有严重疾病或为怀孕妇女、被害人过错、持械、伤情等级、妨碍诉讼经历、同案犯在逃等25项风险评估因素。数据归集后运用相关统计软件进行分析，计算出各项风险评估因素的系数值及风险等级的临界点，生成逮捕强制措施、羁押必要性审查社会危险性量化评估模型。该模型将犯罪嫌疑人的社会危险性风险分为高、中、低三个等级，根据风险评估等级作出是否采取逮捕强制措施的决定。具体运用时，检察官将犯罪嫌疑人的再犯罪风险、逃避侦查风险和妨害刑事诉讼顺利进行风险三类评估因素代入模型，即可输出犯罪嫌疑人的风险值及风险等级，若犯罪嫌疑人的风险值处于高、中等级，需考虑采取逮捕措施；若风险值低，可考虑作出不批捕的决定。

　　智能风险评估系统的运用及可能存在的问题

　　在我国司法实践中，智能风险评估系统的运用涵盖再犯预防、逮捕和羁押措施的适用、量刑辅助、社区矫正等领域。当前，一些地方检察机关正在积极利用大数据、人工智能等技术开展数字建模智能化的探索，智能风险评估系统的研发已取得初步进展。

　　司法实践中，智能风险评估系统的运用可能存在如下问题，需要予以重视和解决。第一，可能导致司法人员对智能风险评估系统的过度依赖。智能风险评估系统能够通过算法和大数据分析，较为迅速地导出风险评估结果，在一定程度上减轻司法人员的工作负担。然而，如果过度依赖智能风险评估系统所导出的评估结果，忽略评估因素之外犯罪嫌疑人、被告人的个体差异，可能导致司法决策的机械化和片面化。第二，执法司法机关之间缺少有效的信息整合路径，处理数据信息的效率较低，影响对社会风险的综合分析评估。随着数字化和信息化时代的到来，数据信息呈现海量化特点。目前，执法司法机关之间尚存在信息壁垒和信息孤岛现象，各部门、各单位数据信息系统相互独立，缺乏有效的数据共享和互通机制，导致司法机关在风险评估时，难以及时获取全面、准确的数据信息。第三，各地区构建的智能风险评估系统缺乏统一的量化风险因子标准，容易造成类案裁判差异化。具体来说，由于缺乏统一的量化风险因子标准，各地区在评估风险时往往只能依据自身经验和理解，导致评估结果的差异性较大，致使类似案件在不同地区呈现不同的处理结果，对司法公信力造成一定影响。

　　推进智能风险评估系统的规范运用

　　规范智能风险评估系统的运用是一项综合工程，不能仅依靠检察机关独自发力，应与其他司法、行政执法等各单位达成共识，共同推进智能风险评估系统的规范运用。具体而言，规范智能风险评估系统运用应从五个方面展开。

　　第一，明确人工智能在风险评估中的辅助地位。司法人员是风险评估的最终判断者，人工智能技术可以在一定程度上辅助司法人员准确预测、科学决策，但人工智能的介入并非毫无界限，人工智能也并非全能。司法决策中之所以有“自由裁量权”的存在空间，就是为了避免机械司法。如果将人工智能得出的结论奉为圭臬，则可能产生新的机械司法陷阱。风险评估除了需要通过评估对象的历史罪过行为及行为后的表现来判断，还需要检察官、法官、社区工作者等评估者结合经验、社会伦理、价值判断、社情民意等主观和动态因素进行综合考量。在风险评估中，人工智能无法全面涵盖和考量犯罪嫌疑人、被告人及矫正对象的风险因素，只能用于辅助预测、判断，最终的风险评估结果还是需要司法人员结合具体案情综合判定。

　　第二，打通执法司法机关之间的信息壁垒，加强数据资源的整合利用。任何预测模型的基础都由算法模型和数据样本组成，如果基础数据样本存在缺陷，将导致输出结果的错误。算法决策的准确率取决于输入的数据是否真实、全面。中央政法委2021年印发的《关于充分运用智能化手段推进政法系统顽瘴痼疾常治长效的指导意见》，明确要求“完善执法司法数据跨部门共享机制”，提出加快推动跨部门大数据办案平台建设等打破数据壁垒的创新举措。在构建智能风险评估系统时，应进一步强化数据共享平台的建设。执法司法机关可逐步开放除涉密数据之外的内部数据提取权限，将其归集到数据共享平台，由评估系统自动抓取关联数据，保障关联数据的完整与全面，并减轻工作人员重复录入数据信息的压力。

　　第三，确定统一的风险因子标准，并根据社会发展及时引入影响风险的新标准。将风险因子进行类型化管理，区分物理、事理、人理因素。物理因素包括遗传负因、年龄、性别、神经生理、生物化学、人体生物节律等生物学因素，如罪犯的生理状况、心理状态、有无精神疾病等；事理因素是除罪犯自身因素外的外在因素，诸如司法政策、教育情况、社区监管、心理疏导、行为矫正等；人理因素包括家庭关系、社交关系等社会因素。随着社会的发展变化，影响风险评估结果的风险因子也可能出现相应的变化，在智能风险评估系统的使用过程中应捕捉可能影响风险评估结果的新因素，并及时将其引入风险评估系统。

　　第四，量化风险因子对犯罪行为产生的影响，重视个案情况研判。保证风险评估工具科学性、透明性的重要举措是量化风险因子，将风险评估理论转换为可量化标准，合理确定各项标准的权重。另外，除系统自动生成的分数及风险等级外，司法人员等还应关注个案的特殊情况，通过主观上的分析、辨别、研判作出综合评价，以弥补智能系统无法实现情感分析的缺陷。

　　第五，定期监管、规范机器学习更新，提高风险预测准确率。风险评估是预测发生某种行为的可能性，建立在过往经验的基础之上，而经验知识的累积是一个动态过程，只有持续更新才能应对复杂多变的社会现象，进而提高风险预测的准确率。如前所述，智能风险评估系统是通过收集已办理案件的相关数据信息作为模型数据，再通过算法计算出风险等级。其中，模型数据是历史经验的总结与归纳，需定期进行更新。另外，算法技术是智能风险评估系统的核心，应当对技术的快速迭代予以持续关注，以便及时更新。

　　[作者分别为西南政法大学法学院教授、刑事检察研究中心执行主任，博士研究生、刑事检察研究中心助理研究员。本文系2024年度重庆市教委科学技术研究计划项目《大数据时代人工智能赋能社会危险性评估体系研究（项目编号KJZD-K202400303）》的阶段性研究成果]

原文链接：https://www.spp.gov.cn/spp/llyj/202408/t20240829_664575.shtml
[免责声明] 本文来源于网络转载，仅供学习交流使用，不构成商业目的。版权归原作者所有，如涉及作品内容、版权和其它问题，请在30日内与本网联系，我们将在第一时间处理。