【摘要】预测性司法是以系统论与运筹学为底色，以风险防控为导向的算法预测实践，遵循数据驱动的经验主义认识论。在安全治理需要、国家顶层推动以及政法科技创新的交叠影响下，我国预测性司法迅速发展，在引发刑事司法联结社会、治理社会、组织业务、决策理性等运行逻辑结构嬗变的同时，也与刑事司法价值形成内生冲突。基于良法善治的要求，应以“规制—认知—规范”总体合法性为切入点，基于比例原则确保预测性司法的合规部署和严格适用；按照司法价值敏感设计推动算法与数据二元治理，破除透明度与准确性悖论；围绕数字资本的均衡分布，以轻推为限度确保司法人员决策自主性、以关系伦理学强化诉讼参与人的有效参与。
【关键字】司法；算法；预测性司法；自动化司法；精算司法
从全球范围看，预测性算法以及承载它的统计模型与软件程序已经日益渗透到整个刑事司法程序中，从诉讼启动前通过预测性警务来优化资源部署，到立案后通过预测性检察和预测性审判来辅助审查羁押必要性与适用缓刑，再到刑罚执行阶段将预测性算法用于辅助假释、暂予监外执行的决策。我国法学界熟知的再犯风险评估工具COMPAS就是典型。在此背景下，域外学术界开始围绕“预测性司法”（predictive justice）的概念框架观察上述算法预测实践。2022年出版的《数字词典》（Digital Dictionary）正式收入该词条，用于概括2010年以来新一轮人工智能预测算法在法律中的应用浪潮。支持者强调预测性司法的时代意义，认为它可以提高司法决策的可预测性和一致性。反对者则认为预测性司法准确性存疑，担心其无法处理更加基本的司法价值追求，并可能唤起反乌托邦的未来。2024年3月欧洲议会通过的《人工智能法》部分禁止预测性警务的规定，及立法围绕该议题的持续争议可以被视作上述矛盾态度的时代注脚。
近年来，我国法学界和实务界围绕预测性司法形成了系列研究成果，但多附带于大数据侦查、智慧法治等研究之中。相关观点可以概括为：第一，预测性司法具有提升司法质量、规范司法运行流程等多重功能和效果。第二，预测性司法在赋能的同时也因为数据和算法层面准确性、透明性等问题，既与无罪推定、平等保护等原则冲突，又与立案、辩护等制度不相兼容。第三，对于前述困境，学者们提出包括明确辅助性地位、建立算法透明制度等建议。目前相关研究未能从总体视角归纳预测性司法将面向预测的证据标准与证据方法纳入刑事司法决策过程的本质特征，也未能有效预见未来可能引发的重大治理问题并提出一体化解决方案。本文尝试将刑事司法领域预测性算法运用的多元实践归入预测性司法的理论框架下，分析其推动我国刑事司法逻辑嬗变以及与我国刑事司法的价值冲突，并基于良法善治的总体要求提出兼顾法律、文化、伦理的协同治理方案。
一、预测性司法的历史生成
（一）预测性司法概念的生成
预测性司法是借助预测性算法挖掘数据之间的联系或模式，自动化预测刑事司法中初犯可能性、人身危险性、再犯风险性等各类具有法律意义的风险事项，支撑司法人员作出逮捕、起诉、缓刑等决策的司法实践总称。相较于回溯证明“已然之害”的传统刑事司法而言，预测性司法是贯穿于刑事司法全过程的围绕“未然之害”预测展开的算法决策机制。由于预测性司法主要在刑事司法中运用，因此也被称作“预测性刑事司法”。
近年来，预测性司法应用在全球范围内不断拓展，并可以细分为预测性警务、预测性检察和预测性审判三大场景。预测性警务通常意指通过分析现有数据来预测某一特定时间窗口内可能发生犯罪的地点或人，并指导警务部署和刑事侦查的司法实践。预测性检察包括各类识别嫌疑人未来严重犯罪活动风险并支撑提起指控和参与量刑辩论等检察决策。预测性审判是指基于数据模型对刑事司法中被告人再犯风险、人身危险性等事项进行可能性预测，辅助法官作出缓刑等决策。狭义的预测性司法特指预测性审判。有数据显示，美国有73%的司法区使用包括COMPAS在内的风险预测工具。此外，预测性司法还在英国、法国、德国、意大利、加拿大、荷兰、西班牙、澳大利亚、乌克兰等多国得到应用。
尽管预测性司法作为学术术语与实践话语是当代的新概念，但在刑事司法系统内部，预测却并非全新事物，比如基于人身危险性的预测确定强制措施。然而，传统刑事司法中的预测更大程度是一种“临床”方法，依赖个体化的、不受预先确定变量控制的专家经验。随着20世纪中期法律计量学（jurimetrics）的提出，法学界开始日益聚焦对司法行为的定量分析以及设置法律可预测性的计算。其后，精算意义上的刑事司法预测技术开始逐步发展，并推动了从20世纪80年代起刑事司法中风险预测的由“临床”向“循证”的转型。从技术逻辑看，精算预测使用可重复的预测指标体系，通过数据分析验证变量与风险的相关性，从而产生风险的量化概率。刑事司法场景中精算预测的发展与流行反映出莱布尼茨与韦伯意义上的法律可计算性与可预测性结合的尝试。可见，在“预测性司法”的概念流行之前，基于数据评估的各类风险预测工具已经在各国刑事司法环境中使用了数十年。随着大数据、人工智能技术的发展，各类量化预测工具的可靠性得到实质增强。自此，“预测性司法”逐步作为一个专有的司法术语得以生成。它代表着刑事司法预测跳出精算预测后的最新算法预测实例。
（二）预测性司法的犯罪学与刑罚学基础
从刑事司法制度总体性变迁的深层结构来看，预测性司法是以系统论与运筹学为底色，以失能理论为正当依据，以风险预防为导向的精算司法实践在大数据与人工智能时代的延续与进化。相较于传统犯罪治理理念，它呈现出以下特征。
其一，新犯罪治理观将犯罪视作一种不可避免的日常风险。在20世纪70年代之前，西方主流刑事司法理念深受社会犯罪学的影响，认为犯罪与社会结构层面的不平等紧密关联。与之对应的犯罪治理表现为通过改善一般社会条件降低犯罪可能。随着风险社会理念的兴起以及传统犯罪治理成效不彰，犯罪在本体论层面逐步被视作一种剥离道德内涵的、正常的、不可避免的社会风险，其与一般社会条件改善的关系被弱化甚至剥离。在此背景下，刑罚的主要目的就由恢复社会结构转向让被告人受到应有的惩罚。进入20世纪80年代，以“新刑罚学”为代表的犯罪治理理念进一步将刑罚的重点由回溯性惩罚转向预测性控制。自此，传统的刑罚福利主义者的改造话语转向基于犯罪风险治理的惩罚话语。
其二，新犯罪治理观将基于风险评估的差异处置视作更高效、无偏见的方案。上述理念以“选择性失能”（selective incapacitation）理论为正当依据，认为“一小部分惯犯要对大多数犯罪负责，而剥夺这一小部分惯犯的行为能力将使整体犯罪率产生指数级收益”。这就要求从刑事司法机构与特定群体之间的互动关系来考虑犯罪治理，强调刑事司法机构对犯罪风险的精准评估与精准管理。对于高风险群体适用高强度治理措施，如长期监禁刑；对于低风险群体则采用低侵入性的治理方案，如社区矫正。
其三，新犯罪治理观以系统论与运筹学为底色。在系统论影响下，新犯罪治理观将风险防控作为整个刑事司法系统的共同目标，一体化考量侦查、起诉、审判、执行环节的风险治理。运筹学对统计学、数学模型和算法等方法的强调使得犯罪风险管控任务转化为量化预测犯罪风险。各类精算意义的风险评估工具应运而生，服务于对犯罪群体风险的类型划分并支撑差异化的刑事处遇。概率和风险的语言日益取代临床诊断和报复性处断的话语，刑事司法人员的角色开始由犯罪控制者转变为风险管理者。最终，一种扩张性、侵入性和前瞻性的犯罪治理范式得以产生，以遏制社会不安全感的扩散。随着大数据技术的发展，刑事司法风险预测工具转向新兴的算法分析。从某种程度看，预测性司法是预防性司法在算法时代的实践，是风险社会刑事司法政策对安全和确定性追求的当代延伸。
（三）预测性司法的认识论与方法论发展
传统刑事司法预测采用的临床判断和精算预测尽管存在方法论层面的差异，但均立基于理论驱动的理性主义认识论。其中临床判断方法主要依据各类犯罪学、心理学等理论中对刑事司法风险的因果关系分析筛选风险预测的核心要素，并通过个案式、临床式、专家式的判断予以运用，是基于已有理论的逻辑演绎；精算预测尽管高度依赖数据，但其数据计算的实质仍是基于理论解释与演绎而生成指标体系并复现因果模型的过程。
虽然精算司法和预测性司法对风险的预测都是借助计算来预测，但两者在认识论和方法论上存在本质区别。预测性司法奉行数据驱动的经验主义认识论，通过对给定司法数据集中混杂变量的相关性归纳揭示模式，发现刑事司法风险事件的概率并实现预测，是数据驱动的计算主义给法律治理带来的新范式。其知识以数据而非理论为起点，不关注案件相关要素与人身危险性、再犯风险性之间的因果关系解释。上述认识论在方法论层面的展开便是通过数学结构揭示人身危险性、再犯风险与案件诸多要素之间的同构关系，再将同构关系划归为一种物理意义的方程组。换言之，预测性司法的数据选择、指标确定与模型训练呈现出不受先验理论限制的开放性。相较于小数据时代而言，数据的多样性、穷尽性与细粒度，加上数据计算和分析能力的强化，大数据技术可以实现更加全面、动态和精准的风险分析。随着数据量的提升和算法的优化，预测性司法将可能变得越来越准确。同时，机器学习、深度学习技术也通过其自我强化越来越多地服务于预测性司法的运作。
综上所述，临床判断所采用的理论驱动的理性主义认识论对于在数据稀缺和计算薄弱的条件下理解和预测刑事司法风险具有特殊的实用性。精算预测尽管仍采用理论驱动的认识论，但通过数据的充分运用缓解了临床判断主观、非实证、准确性差的不足。预测性司法的认识论则可以不受理论框架限制展开预测，因此它相较于精算预测而言更适合于探索、提取海量的非结构化数据以应对复杂的问题。
二、预测性司法的中国图景
（一）中国预测性司法的当代实践
在我国现有刑事法律规范体系下，对于再犯可能性等人身危险性、社会危险性的判断贯穿于强制措施、酌定起诉、附条件不起诉、量刑、强制医疗、假释、暂予监外执行等诸多环节。可见，预测也是我国刑事法律制度的重要组成部分。近十余年间，我国刑事司法的量化风险预测工具迅速发展并日益转向预测性司法。这得益于公共安全治理的客观需要、顶层设计的大力推进以及政法领域科技创新的前期积累。首先，一段时间以来，我国公共安全潜在风险和隐患仍然存在，安全治理的任务艰巨。预测性司法面向风险预防的犯罪治理观符合我国公共安全治理由被动应对向主动保障转型的思路，是预防性治理传统在当代的延伸。其次，顶层设计高度重视政法场景运用数智技术。习近平总书记强调，要遵循司法规律，把深化司法体制改革和现代科技应用结合起来，不断完善和发展中国特色社会主义司法制度。习近平总书记还指出，“推动大数据、人工智能等科技创新成果同司法工作深度融合”。为落实顶层设计的要求，公安司法机关开始在各自智能化中安排预测性司法的建设任务。比如，2017年最高人民检察院启动“人工智能+检察工作”试点工作，其中“智慧侦监”就要求基于大数据辅助计算犯罪嫌疑人的“逮捕必要性”指数。随着预测性司法的发展，国家层面的数字化、信息化建设的一体化规划也开始将其纳入。2022年发布的《国务院关于加强数字政府建设的指导意见》明确提到加强公安大数据平台建设，提高预测预警预防各类风险的能力。最后，预测性司法在我国取得迅速发展还离不开政法领域长期的科技创新积累。“十三五”开始，政法领域有关预测性司法的科技创新被统合在公共安全之下，并纳入围绕数智技术的风险预测创新。2017年科技部发布的《“十三五”公共安全科技创新专项规划》明确提及通过“基于大数据的特异行为分析、犯罪模式挖掘与犯罪预测技术”“社区服刑及刑释解戒人员重新犯罪预防技术”等科技创新大幅提升“各类犯罪的预防、侦破、打击能力”。
从实践看，我国以预测性司法为代表的政法智能化建设带有数字化、网络化与智能化三期叠加和利用智能技术弯道超车的典型特征。在预测性警务方面，“近年来，国内公安机关依托大数据平台建设，利用大数据进行犯罪预测、预警的现象亦非常普遍”。在智慧检务推进过程中，多地检察机关上线了相关的预测性检察智能应用，比如江苏的“羁押必要性审查辅助评估系统”、山东的“相对不起诉量化评估系统”等。在我国智慧法院建设过程中，各类基于预测性算法的量刑辅助系统（含是否缓刑）成为各类智慧办案系统的重要功能模块。截至2019年底，全国支持大数据分析提供量刑参考的法院占73.66%。
（二）中国预测性司法的逻辑嬗变
刑事司法的预测性技术是社会的产物，技术被选择既取决于技术效能，还取决于围绕技术的社会需求、社会评价等共同塑造的总体制度环境。换言之，刑事司法预测性技术在中西方的实践展开势必产生差异化的现实图景。党的十八大以来，中国加快法治领域现代科技应用，智慧法治领域的进展令人瞩目。从长远看，法治与科技的深度融合是中国未来法治的生命逻辑。作为法治智能化的典型代表，预测性司法凭借良好的制度环境和技术的后发优势加速发展。随着结构性变迁的深度推进与均质分布，我国刑事司法的运行逻辑将可能发生根本嬗变，形成与回溯性司法并驾齐驱的预测性司法范式。
1.联结社会方式变迁：从个案控制到泛在联结
传统刑事司法通过“个案控制”联结社会，刑事侦查采用“由案到人”和“由人到案”的原子主义侦查模式，侦查过程以具体化、个案化和现实的嫌疑为前提。预测性司法深受以风险预防为导向的犯罪治理观的影响，其关注点从以嫌疑为基础的具像化个案控制转向以风险为先导的抽象化群体画像。侦查中嫌疑的辐射范围向“预测性怀疑”过渡；治理思路也因应转变为在可能发生的犯罪与不特定群体之间建立联系。因此，预测性司法实质改变刑事司法与社会的联结方式。首先，预测性司法将极大地扩张联结的范围。具体而言，预测性司法在方法论上强调数据集的无限扩张，这就势必要求刑事司法系统实时地与虚拟、现实社会联结，以便动态获取数据。其次，预测性司法模糊了联结的边界，使得一般性社会治理与犯罪治理之间的光谱交叠，刑事诉讼的开始与结束变得不确定和模糊。嫌疑作为一种小数据原则，在大数据时代可能变得无关紧要。最后，在监控数量足够多的情况下，新增联结的边际成本可以忽略不计。作为其结果，刑事司法与社会的联结可以在时间上无限拓展、空间上无限延伸。概而言之，传统刑事司法的启动是基于“小数据”离散事实、有限信息，其与社会单一的、定向的、有限的联结在预测性司法中转变为多元的、泛在的、无限的联结。
2.参与社会治理方式变迁：从事后回溯到先发制人
治理犯罪是刑事司法系统整体参与社会治理的重要方式。传统刑事司法参与社会治理主要遵照回溯导向，由犯罪结果追溯犯罪主体并确定犯罪责任。这符合理论驱动的理性主义认识论从结果到原因的推理逻辑，认为每个刑事案件有且只有一种法律上的因果关系是真实的。在以风险预防为导向的犯罪治理观的影响下，刑事司法开始逐步转向，基于预测性司法的先发制人理念日益流行。数据驱动的经验主义认识论与方法论进一步强化基于智能化技术的预测性司法的正当性。由此，刑事司法正在从回溯导向转向预测导向，遵循“从既存结果推展到潜在结果，从过去时推展到将来时”的底层逻辑。该逻辑通过新兴算法来联结、集成和分析全景式的犯罪数据，从中识别数据相关性与犯罪规律的符号表征，并转化为可反复使用的模型以实现犯罪预测。刑事司法的证明模式也从回溯式证明转向预测式证明，呈现出证明对象上的动态性和变化性，以及证明结果的统计盖然性。
3.业务组织方式变迁：从案件驱动到数据驱动
无论是犯罪治理观中对运筹学管理主义的强调，还是数据驱动的经验主义方法论的运用，预测性司法对于数据的强调正在改变刑事司法传统的业务组织形式。复杂的、专业的、动态变化的刑事司法业务与挑战被自动化并打包为数据和工程问题。传统刑事司法依照“案件—证据—人”的思维定式，业务组织方式遵循案件先导路径，证据收集主要由公安司法机关围绕个案搜寻直接相关的线索和证据，较少外溢至其他参与者。大数据立基于联结模式之下的建模计算和数理逻辑，奉行“无数据、无知识”的经验主义认识论。数据作为核心要素，直接参与刑事司法的侦查、起诉、审判等业务过程，并推动刑事司法从案件驱动转向数据驱动。
4.司法决策理性变迁：从价值理性到技术理性
由于法律条文一般存在较大解释空间，因此在很多关键的情景中司法人员需要嵌入价值理性。司法价值的多元性使得价值理性主导下的司法自由裁量权行使存在不一致性与不确定性。在此背景下，工具理性成为跳出司法价值理念的分歧、追寻法律一致性的重要依托。预测性司法在认识论与方法论上强调计算和数学工具在促进理性和高效的刑事司法系统中的作用，本质上是工具理性影响下的技术理性。一方面，预测性司法将决策逻辑从个人判断转变为基于预测工具的算法决策。在此过程中，复杂的刑事风险判断被简化为预先定义的量化分值，以类似于机器的运行逻辑自动产生。另一方面，预测性司法通过预测模型排除与案情无关的因素，为裁量权运行构建约束机制，有利于抵消司法决策中的任意性、偏见与不一致。
5. 司法权力归属变迁：从人力决策到算法决策
尽管在形式上司法工作人员可以仅将预测性司法工具定位为辅助性，然而自我约束、寒蝉效应、锚定效应和自动化偏见等多重因素影响叠加使得这种个人的最终权力被稀释。其一，预测性司法通过风险预测数据化对司法人员进行侦查指导和裁判指引，无异于通过层层嵌套的技术优势削弱司法人员的自主权力，一定程度上会产生决策让渡现象。其二，客观分数的存在本身就会对司法人员的专业判断产生寒蝉效应。其三，司法人员决策可能会受锚定效应的影响，无意识地被预测性司法评估的结果牵引。其四，技术外衣也会使得司法人员对其产生正向偏见，在没有足够信息的情况下，对技术产生天然的信任感。即使司法人员有理由相信技术存在缺陷，他们仍然可能会倾向于依赖自动化决策的判断。
文章来源：本文转自《中国社会科学》2024年第6期(本文为文章摘录版，如需引用，参阅原文)
