人工智能量刑公正的困境與出路

摘要：在數(shù)字司法時(shí)代，人工智能量刑作為智慧法院的關(guān)鍵組成部分，重新詮釋了量刑公正的時(shí)代內(nèi)涵。人工智能量刑在有效增進(jìn)司法效率的同時(shí)，其公正性也受到數(shù)據(jù)偏差、算法黑箱、技術(shù)壁壘和倫理沖突等因素的影響。為此，應(yīng)在人工智能量刑建設(shè)過程中保障量刑數(shù)據(jù)的規(guī)范性，增加量刑技術(shù)的透明性，提高量刑工具的精準(zhǔn)性，化解倫理與技術(shù)的沖突性，進(jìn)而發(fā)揮人工智能量刑推動(dòng)智慧司法建設(shè)和促進(jìn)量刑公正的積極作用。

關(guān)鍵詞：量刑公正" 人工智能量刑" 量刑規(guī)范化" 司法倫理

中圖分類號(hào)：D924.13；TP18" 文獻(xiàn)標(biāo)識(shí)碼：A" 文章編號(hào)：1674-8557（2024）06-0107-14

【基金項(xiàng)目】浙江省知識(shí)產(chǎn)權(quán)軟科學(xué)研究項(xiàng)目“人工智能生成物權(quán)屬及保護(hù)研究”（項(xiàng)目編號(hào)：ZI202431）；浙江省人民檢察院專題調(diào)研重點(diǎn)課題“司法責(zé)任制背景下檢察官權(quán)力運(yùn)行監(jiān)督機(jī)制完善研究”（項(xiàng)目編號(hào)：ZJDY202439）。

【作者簡介】浙江省金華市人民檢察院課題組：姚娜，中南財(cái)經(jīng)政法大學(xué)與馬克斯·普朗克創(chuàng)新與競爭研究所聯(lián)合培養(yǎng)博士研究生；鄭旭江，浙江理工大學(xué)副教授，數(shù)據(jù)法治研究院副院長，武義縣人民檢察院副檢察長（掛職）；黃東泳，永康市人民檢察院檢察長；胡婷婷，永康市人民檢察院辦公室主任。

①參見左衛(wèi)民：《邁向數(shù)字訴訟法：一種新趨勢？》，載《法律科學(xué)》2023年第3期。

量刑是刑事案件裁判過程的關(guān)鍵環(huán)節(jié)，其公正性直接影響公眾對裁判結(jié)果的認(rèn)可?！蹲罡呷嗣穹ㄔ汗ぷ鲌?bào)告》多次強(qiáng)調(diào)要“全面建設(shè)智慧法院”，推動(dòng)以人工智能量刑系統(tǒng)促進(jìn)量刑公正。智能量刑作為司法審判的新動(dòng)力，代表智慧法院的核心實(shí)踐，通過信息技術(shù)與司法實(shí)務(wù)的融合，重塑了傳統(tǒng)訴訟模式，打破了訴訟必須在實(shí)體“法庭”內(nèi)進(jìn)行的既定局限。①最高人民檢察院要求各級檢察機(jī)關(guān)深入推進(jìn)量刑建議工作有效開展，朝著“精準(zhǔn)化、規(guī)范化、智能化”目標(biāo)努力。在全國檢察業(yè)務(wù)應(yīng)用系統(tǒng)2.0版中，智能量刑輔助系統(tǒng)也已作為檢察官的辦案輔助工具成為重要的功能板塊。人工智能量刑通過算法減少量刑的隨意性、遲延性和差異性，實(shí)現(xiàn)更規(guī)范、高效和公正的司法量刑，但也面臨數(shù)據(jù)偏見、算法黑箱、技術(shù)壁壘和倫理沖突等困境。因此，我們撰文探討人工智能量刑在司法實(shí)踐中的定位，識(shí)別妨礙人工智能量刑公正的難題，并尋找實(shí)現(xiàn)人工智能量刑公正的有效路徑。

一、人工智能量刑的司法實(shí)踐定位

（一）歷史回溯：中國人工智能量刑的司法實(shí)踐

1955年，弗蘭克·萊利（Frank Riley）在《賽博和霍姆斯法官》（The Cyber and Justice Holmes）一書中先驅(qū)性地構(gòu)想了機(jī)器人法官的形象，設(shè)想了人工智能量刑的具體場景；而今，中國智慧司法承繼這一構(gòu)思，將其落地為現(xiàn)實(shí)。如表1所示，在發(fā)軔階段（1983—2007年），龔祥瑞、李克強(qiáng)等開啟了對該領(lǐng)域的建設(shè)性討論，法學(xué)家與計(jì)算機(jī)科學(xué)家共同為人工智能量刑的理論框架奠定了基礎(chǔ)。參見龔祥瑞、李克強(qiáng)：《法律工作的計(jì)算機(jī)化》，載《法學(xué)雜志》1983年第3期。錢學(xué)森、趙廷光等開始討論可行性和實(shí)操性問題。在探索時(shí)期（2008—2019年），人工智能量刑從理論正式走向司法實(shí)踐，地方法院在國家政策和最高人民法院的指導(dǎo)下開始積極部署一體化人工智能量刑系統(tǒng)。這一階段總體呈現(xiàn)由上到下的推動(dòng)。具體而言，一方面，近幾年國家和部委層級推出多項(xiàng)文件作為人工智能量刑的頂層指引。與域外國家戰(zhàn)略規(guī)劃普遍缺位不同，我國政法部門是智慧司法創(chuàng)新的絕對主力軍。參見劉品新：《智慧司法的中國創(chuàng)新》，載《國家檢察官學(xué)院學(xué)報(bào)》2021年第3期。另一方面，在最高人民法院的指導(dǎo)下，地方法院致力于積極開發(fā)和應(yīng)用一體式智能量刑系統(tǒng)，通過人工智能技術(shù)科學(xué)計(jì)算出量刑范圍，從而提供更精準(zhǔn)的量刑建議。此項(xiàng)技術(shù)的應(yīng)用不僅有助于解放司法勞動(dòng)力、節(jié)約司法成本，并且進(jìn)一步推動(dòng)我國量刑建設(shè)朝著精準(zhǔn)化方向升級。在發(fā)展階段（2020—2023年），我國人工智能量刑發(fā)展是創(chuàng)新與優(yōu)化實(shí)現(xiàn)“戰(zhàn)略指導(dǎo)實(shí)踐應(yīng)用，實(shí)踐反哺政策不足”的雙贏局面。具體而言，人工智能量刑不再拘泥于上級下發(fā)文件式的“按部就班”，展現(xiàn)出明顯的自主性與能動(dòng)性。從國家政策層面來看，人工智能量刑已經(jīng)納入了《中華人民共和國國民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要》《人民法院信息化建設(shè)五年發(fā)展規(guī)劃（2021-2025）》等長期國家戰(zhàn)略性規(guī)劃文件的部署之中，正式確立了建設(shè)人工智能量刑的必要性和必然性。與政策同步落實(shí)的還有各層級法院和檢察院，甚至私有數(shù)據(jù)庫在智能量刑技術(shù)上的研發(fā)與優(yōu)化。各方不再拘泥于由上到下的被動(dòng)改革，正式邁入自主研發(fā)與優(yōu)化系統(tǒng)的階段。

（二）宏觀定位：智慧法院建設(shè)的效率提升利器

案多人少、同案不同判和量刑耗時(shí)長等司法問題催生了人工智能量刑技術(shù)的發(fā)展。智慧法院建設(shè)意在推進(jìn)法院信息化轉(zhuǎn)型升級，人工智能量刑成為其網(wǎng)絡(luò)化和具象化的體現(xiàn)。參見鄭旭江：《互聯(lián)網(wǎng)法院建設(shè)對民事訴訟制度的挑戰(zhàn)及應(yīng)對》，載《法律適用》2018年第3期。人工智能技術(shù)有著人類無法比擬的高效優(yōu)勢，它能以設(shè)置的代碼和邏輯體系為基礎(chǔ)，依賴海量數(shù)據(jù)立刻檢索出相似關(guān)鍵詞，搜索出同類案件并加以對比，得出量刑結(jié)果，為法官自由裁量提供輔助。案件處理的及時(shí)性是衡量量刑公正的關(guān)鍵指標(biāo)，參見郝艷兵：《從決定論到互動(dòng)論：罪刑關(guān)系模式的反思與調(diào)整》，載《海峽法學(xué)》2015年第4期；黃春燕：《法官量刑的自由裁量權(quán)與量刑公正的實(shí)現(xiàn)——兼論人工智能在量刑中的定位與邊界》，載《山東師范大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2021年第3期。而人工智能量刑工具在信息處理和集成方面、量刑建議方面和文書自動(dòng)生成方面的優(yōu)勢，為提高司法系統(tǒng)的質(zhì)效提供了可靠支持。

首先，人工智能量刑在信息處理方面展現(xiàn)出高效和精確的特點(diǎn)。它們能迅速處理大量的案件數(shù)據(jù)，提煉關(guān)鍵信息并進(jìn)行關(guān)聯(lián)分析，以減少主觀因素的干擾，提升處理的準(zhǔn)確性和一致性。在信息集成方面，人工智能量刑工具可以整合多源信息，構(gòu)建全面準(zhǔn)確的案件數(shù)據(jù)庫，為法官提供廣闊審判視角和精準(zhǔn)判斷依據(jù)，突顯案件間的相似性和差異性。其次，在量刑建議方面，人工智能量刑工具根據(jù)案件的特征和相關(guān)法律規(guī)定基于大數(shù)據(jù)和算法模型預(yù)測不同量刑方案的結(jié)果，為法官提供決策參考。盡管在現(xiàn)階段價(jià)值判斷仍需法官人力為之，但智能量刑工具有效提升了大多數(shù)情節(jié)和判決內(nèi)容處理的效率和精確度。最后，人工智能量刑工具可以根據(jù)案件的事實(shí)和法律規(guī)定自動(dòng)填充法律文書，確保文書格式和內(nèi)容的準(zhǔn)確性。

（三）微觀定位：個(gè)案分析的理性量刑輔助工具

在智慧法院建設(shè)時(shí)代，人工智能量刑的核心追求不僅是效率，更在于落實(shí)法律的根本宗旨——公平正義。這一追求響應(yīng)了“努力讓人民群眾在每一個(gè)司法案件中感受到公平正義”的司法建設(shè)改革目標(biāo)，強(qiáng)調(diào)通過人工智能量刑的規(guī)范統(tǒng)一性實(shí)現(xiàn)全方位、高水準(zhǔn)的量刑公正。數(shù)字理性在法律手段和程序的可計(jì)算性以及法律結(jié)果的可預(yù)測性上得以體現(xiàn)。參見王譯、朱琳：《人工智能輔助量刑的現(xiàn)實(shí)風(fēng)險(xiǎn)與完善路徑》，載《昆明理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2023第3期。人工智能量刑的規(guī)范統(tǒng)一性得益于其數(shù)字理性的特征，參見李立豐、齊弋博：《數(shù)字算法時(shí)代的量刑公正及其構(gòu)建》，載《學(xué)術(shù)探索》2022年第4期。體現(xiàn)了量刑規(guī)范化改革的價(jià)值內(nèi)涵和司法要義。

一方面，數(shù)字理性得益于海量量刑數(shù)據(jù)的支持。智能量刑系統(tǒng)利用客觀案例數(shù)據(jù)和法律條文的廣泛存儲(chǔ)，進(jìn)行事實(shí)與法規(guī)的匹配，確立適用援引的法律。相比之下，法官的量刑裁判可能會(huì)受到自身對法律的理解、自身價(jià)值觀和自身經(jīng)驗(yàn)等的影響，偏于保守或者激進(jìn)。經(jīng)由大數(shù)據(jù)分析所獲取的經(jīng)驗(yàn)值可以從雜亂的海量數(shù)據(jù)中發(fā)掘出隱藏的知識(shí)與客觀規(guī)律，克服人為判斷的隨意性，使量刑更具中立性與科學(xué)性。參見蔡星月：《算法正義：一種經(jīng)由算法的法治》，載《北方法學(xué)》2021年第2期。

另一方面，數(shù)字理性還得益于日益精細(xì)化的算法技術(shù)。人工智能量刑系統(tǒng)按照設(shè)計(jì)好的算法模型，對具有共性的類案量刑數(shù)據(jù)高度整合并對法官量刑提供精確的參考依據(jù)，是具有“共性”屬性的階段性量刑，能夠在此基礎(chǔ)上形成個(gè)罪的量刑基準(zhǔn)。甄航：《人工智能介入量刑機(jī)制：困境、定位與解構(gòu)》，載《重慶大學(xué)學(xué)報(bào)（社會(huì)科學(xué)報(bào)）》2020年第12期。人工智能量刑還能為法官依據(jù)裁量權(quán)得出具有“個(gè)性”屬性的量刑結(jié)果，如個(gè)案的責(zé)任刑、宣告刑等提供數(shù)據(jù)參考，為量刑精準(zhǔn)化提供有力支撐。

二、影響人工智能量刑公正的因素

人工智能量刑公正是指利用人工智能和大數(shù)據(jù)分析等技術(shù)手段來輔助量刑決策，以實(shí)現(xiàn)更公正的量刑結(jié)果。然而，該系統(tǒng)的復(fù)雜性和封閉性可能導(dǎo)致公正性受損。確切來說，人工智能量刑的公正性可能受到數(shù)據(jù)偏差、算法黑箱、技術(shù)壁壘和倫理沖突等因素的消極影響。

（一）量刑公正失之于數(shù)據(jù)偏差

量刑數(shù)據(jù)集是在法律領(lǐng)域中使用的具備海量性（volume）、高速性（velocity）、多樣性（variety）、價(jià)值性（value）的“4v”特征的數(shù)據(jù)集。王祿生：《論法律大數(shù)據(jù)“領(lǐng)域理論”的構(gòu)建》，載《中國法學(xué)》2020年第2期。在人工智能量刑中，量刑數(shù)據(jù)本身只是客觀事實(shí)，法官對數(shù)據(jù)的解讀是從一定價(jià)值的視角出發(fā)，與數(shù)據(jù)的產(chǎn)生者的交往帶有價(jià)值傾向的選擇，這種選擇性就是變相的歧視。參見羅洪洋、李相龍：《智能司法中的倫理問題及其應(yīng)對》，載《政法論叢》2021年第1期。若法官在利用人工智能輔助量刑時(shí)受到偏差數(shù)據(jù)影響，其自由心證可能受損。在收集和上傳量刑數(shù)據(jù)集的過程中，數(shù)據(jù)的不足、失實(shí)和結(jié)構(gòu)不完整等問題可能導(dǎo)致數(shù)據(jù)偏誤。

第一，量刑數(shù)據(jù)集的不充分會(huì)帶來數(shù)據(jù)偏差。盡管中國裁判文書網(wǎng)是我國公布公開生效裁判文書的官方渠道，但經(jīng)濟(jì)發(fā)展落后的地區(qū)受限于互聯(lián)網(wǎng)應(yīng)用率低、相關(guān)案件量刑數(shù)據(jù)不完善等現(xiàn)實(shí)情況，同類案件的量刑與經(jīng)濟(jì)發(fā)達(dá)地區(qū)的司法量刑數(shù)據(jù)上傳率存在一定出入，由此也易滋生偏見。

第二，量刑數(shù)據(jù)集的不真實(shí)表現(xiàn)為人為錯(cuò)誤、技術(shù)問題誘發(fā)的數(shù)據(jù)偏差。量刑數(shù)據(jù)集并不必然具有中立性，公開的裁判理由與實(shí)際裁判不一致會(huì)導(dǎo)致識(shí)別困難。參見左衛(wèi)民：《關(guān)于法律人工智能在中國運(yùn)用前景的若干思考》，載《清華法學(xué)》2018年第2期。例如，司法人員可能會(huì)發(fā)生數(shù)字輸入錯(cuò)誤或數(shù)據(jù)字段填寫錯(cuò)誤的情況使文書的裁判內(nèi)容在上傳中出現(xiàn)錯(cuò)誤。數(shù)據(jù)錄入的延遲等技術(shù)問題也可能會(huì)導(dǎo)致數(shù)據(jù)的偏差或不準(zhǔn)確性。

第三，量刑數(shù)據(jù)集的結(jié)構(gòu)化不足既體現(xiàn)為日期、文本、數(shù)字等量刑數(shù)據(jù)格式缺乏統(tǒng)一的標(biāo)準(zhǔn)，還體現(xiàn)在量刑數(shù)據(jù)集中的相同字段可能存在不一致的命名和取值。例如對于有關(guān)“刑期”的字段，有些法院上傳的裁判數(shù)據(jù)中可能會(huì)使用“刑期長度”或“刑期天數(shù)”作為字段名。這些結(jié)構(gòu)化不足可能導(dǎo)致數(shù)據(jù)集的可用性和可解釋性下降，使得數(shù)據(jù)分析和挖掘變得困難。

（二）量刑公正失之于算法黑箱

算法黑箱宛如“黑匣子”，其隱蔽性主要源于算法源代碼或模型構(gòu)建的商業(yè)秘密屬性，參見江溯：《自動(dòng)化決策、刑事司法與算法規(guī)制——由盧米斯引發(fā)的思考》，載《東方法學(xué)》2020年第3期。智能量刑須始終貫徹公開、透明的司法基本原則，這關(guān)乎現(xiàn)代司法的公信力與司法權(quán)威。參見杜宴林、楊學(xué)科：《論人工智能時(shí)代的算法司法與算法司法正義》，載《湖湘論壇》2019年第5期。算法黑箱帶來的量刑風(fēng)險(xiǎn)與司法的公開透明存在嚴(yán)重沖突，可能會(huì)屏蔽對既有案例規(guī)則、案例規(guī)則調(diào)整軌跡及內(nèi)容知悉的可能，導(dǎo)致法官無法掌握規(guī)則調(diào)整的狀況甚至可能使司法機(jī)關(guān)失去對規(guī)則整理、規(guī)則發(fā)展、規(guī)則細(xì)化的控制。參見黃京平：《刑事司法人工智能的負(fù)面清單》，載《探索與爭鳴》2017年第10期。而且，出于對機(jī)器的天然不信任以及相關(guān)決策環(huán)節(jié)的不透明，被告人和相關(guān)利益方無法理解為什么會(huì)被判處特定的刑期，從而無法對量刑決策提出合理的質(zhì)疑或上訴，無形中增加了被告人行使刑事訴訟權(quán)利的經(jīng)濟(jì)成本和時(shí)間成本。

以美國“盧米斯訴威斯康星州案”為例，被告人埃里克·盧米斯（Eric Lommis）因參與駕車槍擊被提起刑事指控。威斯康星州懲戒署官員在量刑階段出具了量刑前調(diào)查報(bào)告，該報(bào)告使用了COMPAS風(fēng)險(xiǎn)評估工具（Correctional Offender Management Profiling for Alternative Sanctions）評定被告人盧米斯再犯風(fēng)險(xiǎn)極高，建議判處6年監(jiān)禁和5年社區(qū)監(jiān)督。COMPAS系統(tǒng)基于研發(fā)公司要保守商業(yè)秘密的要求，相關(guān)具體評估過程記錄無法在法庭上提供而僅給出了評估結(jié)果，由此盧米斯對COMPAS系統(tǒng)的算法隱蔽性提出質(zhì)疑并提起上訴。盡管威斯康星州最高法院最終維持原判，See State v. Loomis： Wisconsin Supreme Court Requires Warning Before Use of Algorithmic Risk Assessments in Sentencing， Harvard Law Review（ Mar.2017 ）， https：//harvardlawreview.org/print/vol-130/state-v-loomis/， 2023年11月30日訪問。但該案中COMPAS系統(tǒng)的原始算法及其過程難以解釋，存在算法黑箱的風(fēng)險(xiǎn)。當(dāng)算法產(chǎn)品被應(yīng)用于司法領(lǐng)域，呈現(xiàn)在司法人員面前的，可能已經(jīng)是被算法固化的偏見性數(shù)據(jù)。參見馬靖云：《智慧司法的難題及其破解》，載《華東政法大學(xué)學(xué)報(bào)》2019年第4期。一旦將不夠公正的智能量刑技術(shù)引入司法第一線，勢必在個(gè)案審理中造成對實(shí)體公正的損害，甚至導(dǎo)致錯(cuò)誤裁判等無法挽回的消極后果，最終影響司法權(quán)威。

（三）量刑公正失之于技術(shù)壁壘

算法是人工智能量刑的核心技術(shù)條件，算法技術(shù)的發(fā)達(dá)程度直接決定了人工智能量刑的智能程度。參見鄭曦：《人工智能技術(shù)在司法裁判中的運(yùn)用及規(guī)制》，載《中外法學(xué)》2020年第3期。目前的人工智能技術(shù)還存在一些技術(shù)限制，一方面是因?yàn)轭惏鸽y被準(zhǔn)確、完全提取以及及時(shí)進(jìn)行歸類，另一方面是由于開發(fā)智能量刑模型的技術(shù)人員往往未能準(zhǔn)確定位一線法官對量刑推薦的實(shí)際需求。參見王祿生：《司法大數(shù)據(jù)與人工智能開發(fā)的技術(shù)障礙》，載《中國法律評論》2018年第2期。

第一，人工智能量刑受限于自然語義處理技術(shù)的局限性，在對量刑數(shù)據(jù)集的提取過程中會(huì)出現(xiàn)犯罪情節(jié)提取不完全、不準(zhǔn)確的情形，影響類案識(shí)別的準(zhǔn)確率。各個(gè)鮮活生動(dòng)的刑事案件均會(huì)涉及法定量刑情節(jié)和酌定量刑情節(jié)，酌定量刑情節(jié)千差萬別也會(huì)影響類案識(shí)別的精準(zhǔn)程度。

第二，目前人工智能量刑技術(shù)仍欠缺對諸多非言詞證據(jù)的有效提取，如何對同類量刑情節(jié)進(jìn)行賦值及應(yīng)用存在現(xiàn)實(shí)困境。例如，作案工具在不同案件中可能成為關(guān)鍵證據(jù)也可能僅作為一個(gè)次要證據(jù)，智能量刑模型應(yīng)該如何科學(xué)賦值與計(jì)算？智能量刑需對可能的法定或酌定量刑情節(jié)進(jìn)行類型化評價(jià)，充分權(quán)衡行為的社會(huì)危害性和人身危險(xiǎn)性，從而將大量量刑情節(jié)轉(zhuǎn)化為算法可公開呈現(xiàn)的具體“維度”，但目前受限于量刑技術(shù)發(fā)展水平仍收效不佳。參見孫道萃：《我國刑事司法智能化的知識(shí)解構(gòu)與應(yīng)對邏輯》，載《當(dāng)代法學(xué)》2019年第3期。

第三，法條背后蘊(yùn)含的思辨性內(nèi)容也是影響量刑的重要因素，而算法的數(shù)字化分析結(jié)構(gòu)難以精準(zhǔn)處理案件中倫理和人情因素。依靠算法驅(qū)動(dòng)的人工智能技術(shù)在沖突性價(jià)值體系中難免受到倫理層面的質(zhì)疑，在人工智能量刑的設(shè)計(jì)中如何衡量此類思辨性內(nèi)容并科學(xué)賦值是智能量刑技術(shù)研發(fā)的關(guān)鍵挑戰(zhàn)。

第四，算法設(shè)計(jì)與一線法官的實(shí)際需求未能實(shí)現(xiàn)真正統(tǒng)一。究其原因主要是被應(yīng)用于人工智能量刑的算法技術(shù)在設(shè)計(jì)與研發(fā)環(huán)節(jié)缺少了一線法官的深度參與。智能量刑技術(shù)需要盡可能滿足其“用戶”——司法人員的辦案需求，算法設(shè)計(jì)離不開研發(fā)者、法學(xué)專家和一線法官的強(qiáng)強(qiáng)聯(lián)合。只有讓多方智慧共同注入算法產(chǎn)品，才能實(shí)現(xiàn)智能量刑算法在司法實(shí)踐中的有效應(yīng)用。

（四）量刑公正失之于倫理沖突

一方面，人工智能量刑系統(tǒng)固然能夠顯著減少司法實(shí)踐中的個(gè)案恣意，但其在情感認(rèn)知和倫理層面存在固有缺陷。美國已經(jīng)提出了“可接受的道德參考框架”，用以指導(dǎo)和規(guī)范人工智能系統(tǒng)的推理、演算與決策均能恰當(dāng)反映道德價(jià)值。See National Science and Technology Council， The National Artificial Intelligence Research and Development Strategic Plan， Networking and Information Technology Research and Development Subcommittee （ Oct， 2016 ） ， http：//large.stanford.edu/courses/2018/ph241/cheng1/docs/ai-eop-oct16.pdf，2022年10月11日訪問。這盡管有一定的參考意義，但道德具有主觀性和不同程度的模糊性，如何將道德評價(jià)等主觀判斷有效轉(zhuǎn)化為精確的系統(tǒng)和算法設(shè)計(jì)是一大難題。智能量刑技術(shù)欠缺法官對于自然法、權(quán)利保障、天理人情等的思辨能力，對政策的調(diào)整更是由于智能量刑系統(tǒng)的程序設(shè)置缺少敏感度。參見季衛(wèi)東：《人工智能時(shí)代的司法權(quán)之變》，載《東方法學(xué)》2018年第1期。

另一方面，智能量刑失誤、錯(cuò)誤的司法責(zé)任歸屬將引發(fā)爭議。量刑決策的公正性受到數(shù)據(jù)偏差、算法黑箱和技術(shù)壁壘帶來的消極影響，存在量刑失誤、錯(cuò)誤的風(fēng)險(xiǎn)。縱觀智能量刑工具設(shè)計(jì)、研發(fā)和應(yīng)用的全過程，智能量刑技術(shù)開發(fā)者的價(jià)值判斷被糅合于智能量刑工具的各個(gè)方面，人為的主觀評斷不可避免地貫穿始終。但是，人工智能量刑應(yīng)用的風(fēng)險(xiǎn)在于，一旦產(chǎn)生偏見，傳統(tǒng)由法官和執(zhí)法者承擔(dān)的責(zé)任可能會(huì)因人工智能的介入而隱匿，使責(zé)任歸屬難以明確。當(dāng)前我國對倫理性、思辨性內(nèi)容的評價(jià)主要依賴于法官的道德評判，但道德會(huì)因文化、宗教和信仰的不同，社會(huì)變化帶來的新行為模式，商業(yè)生態(tài)和司法觀念的變化產(chǎn)生道德內(nèi)容的差異。例如，美國警務(wù)預(yù)測中采用的智能量刑工具如果過分強(qiáng)調(diào)郵政編碼的重要性，則可能導(dǎo)致低收入的黑人社區(qū)與犯罪社區(qū)的關(guān)聯(lián)更大。參見劉培、池忠軍：《算法歧視的倫理反思》，載《自然辯證法通訊》2019年第10期。

三、人工智能量刑公正的實(shí)現(xiàn)路徑

智能量刑公正要實(shí)現(xiàn)用數(shù)據(jù)說話、用數(shù)據(jù)決策，實(shí)現(xiàn)從“解構(gòu)”到“重構(gòu)”，從“觸角”到“大腦”的整體性系統(tǒng)性變革，關(guān)鍵在于認(rèn)識(shí)到人工智能量刑應(yīng)用過程中存在的負(fù)面性，及時(shí)建章立制約束其帶來的消極影響，進(jìn)而建構(gòu)公平公正的數(shù)字秩序。參見董青嶺、朱玥：《人工智能時(shí)代的算法正義與秩序構(gòu)建》，載《探索與爭鳴》2021年第3期。該問題的解決攸關(guān)量刑數(shù)據(jù)的正當(dāng)性、算法技術(shù)的透明性、量刑技術(shù)的精準(zhǔn)性、司法倫理的適當(dāng)性。

（一）量刑數(shù)據(jù)的累進(jìn)與糾正

在量刑改革中，類案比對技術(shù)作為廣泛應(yīng)用的工具，其準(zhǔn)確性極度依賴于基礎(chǔ)數(shù)據(jù)庫的真實(shí)性和可靠性。這種技術(shù)通過生成數(shù)字模塊數(shù)據(jù)，為法官在刑罰裁量上提供參考依據(jù)。參見倪震：《量刑改革時(shí)代人工智能泛化之批判》，載《學(xué)術(shù)前沿》2020年第4期。這一過程是典型的人力推動(dòng)下的“數(shù)據(jù)驅(qū)動(dòng)”。而確保訓(xùn)練數(shù)據(jù)的多樣性和代表性，以及對數(shù)據(jù)進(jìn)行審查和糾正，是確保公正性的關(guān)鍵。

1.推進(jìn)量刑數(shù)據(jù)多樣性的累進(jìn)至關(guān)重要。智能量刑水平的提升需擴(kuò)大量刑數(shù)據(jù)集的基礎(chǔ)，確保數(shù)據(jù)多樣性是實(shí)現(xiàn)量刑公正的基石。海量可供參考的各級法院的已有量刑數(shù)據(jù)能夠進(jìn)一步減少人工智能量刑在數(shù)據(jù)上偏差的可能。中國裁判文書網(wǎng)、庭審公開網(wǎng)的普及應(yīng)用為智能量刑提供了海量數(shù)據(jù)庫并搭建起信息平臺(tái)。就人工智能量刑技術(shù)的應(yīng)用范圍看，我國智能量刑技術(shù)應(yīng)用呈現(xiàn)地區(qū)發(fā)展?fàn)顩r不平衡的現(xiàn)象，智能量刑技術(shù)更多落實(shí)在經(jīng)濟(jì)發(fā)達(dá)地區(qū)，在偏遠(yuǎn)地區(qū)的推廣使用出現(xiàn)明顯的短板。以此為基礎(chǔ)，還需采用更廣泛的數(shù)據(jù)源，包括不同地區(qū)、不同群體的數(shù)據(jù)，以減少對特定地區(qū)、特定群體的偏見。如圖1和圖2所示，2010年和2022年中國裁判文書網(wǎng)收錄的已公開的刑事判決書審理數(shù)量排名前十的地區(qū)和層級分布已經(jīng)產(chǎn)生巨大的差異，由最初集中于數(shù)字法院建設(shè)極為發(fā)達(dá)的浙江省各個(gè)法院分散到各地區(qū)，層級上還出現(xiàn)了縣級人民法院的身影，可見這12年來中國裁判文書網(wǎng)公開數(shù)據(jù)已經(jīng)在進(jìn)一步縮小地區(qū)、經(jīng)濟(jì)帶來的量刑數(shù)據(jù)偏差。

2.應(yīng)及時(shí)對量刑數(shù)據(jù)進(jìn)行糾正。數(shù)據(jù)糾正是指對量刑數(shù)據(jù)庫中已知的案件信息錄入不完整、裁判文書公開不完整、基礎(chǔ)卷宗數(shù)據(jù)片段無效或缺失等缺陷進(jìn)行修正。為此，需要對即將辦理的刑事案件推進(jìn)電子卷宗隨案同步生成和深度應(yīng)用，并對之前可能導(dǎo)致數(shù)據(jù)片段混亂的案件按照人名、地名、身份、證據(jù)列表等分門別類，以避免在提取要素時(shí)引起沖突，保證系統(tǒng)的正常運(yùn)行。同時(shí)，數(shù)據(jù)糾正還需要?jiǎng)澏ú煌撝档慕Y(jié)果輸出影響因子。喻婷、王良友：《偏見與矯正：人機(jī)協(xié)同模式下突破“算法局限”的二元進(jìn)路——以人工智能量刑為考察場域》，載《上海法學(xué)研究集刊》2023年第5卷。通過對案例層級進(jìn)行標(biāo)注，區(qū)分指導(dǎo)性案例與一般案例，在量刑參考中優(yōu)先選擇更優(yōu)層級的案件。另外，還可以考慮推廣庭審語音識(shí)別、文書智能糾錯(cuò)等配套應(yīng)用，多重算法聯(lián)合運(yùn)用，及時(shí)糾正樣本數(shù)據(jù)偏差。通過數(shù)據(jù)糾正，可以提高量刑數(shù)據(jù)庫的準(zhǔn)確性和可靠性，為司法決策提供更有效的支持。

（二）算法黑箱的可視化策略

算法可解釋性是確保人工智能量刑機(jī)制公正的核心。參見林家紅：《人工智能輔助量刑的風(fēng)險(xiǎn)及其防范》，載《河北科技大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2019年第4期；孫陽：《人工智能生成行為的決策標(biāo)準(zhǔn)》，載《海峽法學(xué)》2024年第1期。即便基于復(fù)雜的機(jī)器學(xué)習(xí)模型，人工智能量刑系統(tǒng)也應(yīng)提供適度解釋，是目前切實(shí)提高人工智能量刑可視化的可行路徑。

1.對數(shù)據(jù)來源、算法模型和訓(xùn)練過程等相關(guān)內(nèi)容提供必要說明，增強(qiáng)系統(tǒng)透明度。法律規(guī)則是司法人員用以解題的“算法”，《人民法院量刑指導(dǎo)意見（試行）》和《關(guān)于規(guī)范量刑程序若干問題的意見（試行）》等司法規(guī)范性文件正是關(guān)于“算法”的使用說明。吳沈括：《以代碼實(shí)現(xiàn)法律規(guī)則 用技術(shù)促進(jìn)司法公正》，載《檢察日報(bào)》2020年8月22日，第3版。人工智能量刑工具研發(fā)者或相關(guān)責(zé)任人負(fù)有必要性解釋的義務(wù)。具體可以從以下方面著手：（1）明確指定數(shù)據(jù)的來源，包括量刑數(shù)據(jù)集的文書編號(hào)、發(fā)布日期等信息；（2）簡要描述數(shù)據(jù)的處理過程，包括量刑數(shù)據(jù)清洗、量刑情節(jié)特征提取、量刑數(shù)據(jù)轉(zhuǎn)換等步驟；（3）明確描述所使用的人工智能量刑模型，包括量刑模型的類型、參數(shù)設(shè)置、損失函數(shù)等，便于專業(yè)人員及社會(huì)公眾的監(jiān)督；（4）簡要描述模型的訓(xùn)練過程，包括數(shù)據(jù)集的劃分、訓(xùn)練集和驗(yàn)證集的選擇等。

2.不盲目放任人工智能量刑技術(shù)發(fā)展，及時(shí)對量刑模型進(jìn)行準(zhǔn)確性評估。See Jason Tashea，Courts are using AI to sentence criminals. That must stop now. Wired （ Sep.18， 2020） ， https：//www.wired.com/2017/04/courts-using-ai-sentence-criminals-must-stop-now/，2022年12月19日訪問。我們需要構(gòu)建量刑模型的合理評估機(jī)制以驗(yàn)證其在實(shí)際司法應(yīng)用中的效果，并對算法過程進(jìn)行簡明扼要的邏輯解析。在人工智能量刑評估中，準(zhǔn)確率和召回率是兩個(gè)重要的評估指標(biāo)。參見譚紅葉、張博文、張虎、李茹：《面向法律文書的量刑預(yù)測方法研究》，載《中文信息學(xué)報(bào)》2020年第3期。準(zhǔn)確率可以衡量模型對于預(yù)測犯罪再發(fā)生的可能性的準(zhǔn)確程度。高準(zhǔn)確率意味著模型能夠準(zhǔn)確地預(yù)測犯罪再發(fā)生的可能性，從而幫助司法系統(tǒng)做出更準(zhǔn)確的量刑決策。召回率是指模型正確預(yù)測為正例的樣本數(shù)占所有正例樣本數(shù)的比例。參見秦永彬、黃輝、王凱：《司法機(jī)器閱讀理解的優(yōu)化策略研究》，載《華中科技大學(xué)學(xué)報(bào)（自然科學(xué)版）》2022年第2期。在量刑評估中，召回率可以衡量模型對于預(yù)測犯罪再發(fā)生的可能性的全面性。高召回率意味著模型能夠較好地捕捉到犯罪再發(fā)生的可能性，從而幫助司法系統(tǒng)盡可能地避免漏判。除了準(zhǔn)確率和召回率，還有一些評估指標(biāo)可以用于人工智能量刑評估，例如精確率、F1值（精確率和召回率的調(diào)和平均值）等。目前針對司法機(jī)器閱讀理解的數(shù)據(jù)集主要為哈爾濱工業(yè)大學(xué)聯(lián)合科大訊飛提出的CJRC（Chinese Judicial Reading Comprehension）數(shù)據(jù)集和后續(xù)的升級版本CAIL 2020，它們均以F1值作為評價(jià)指標(biāo)。參見李瑾晨、李艷玲、葛鳳培、林民：《面向法律領(lǐng)域的智能系統(tǒng)研究綜述》，載《計(jì)算機(jī)工程與應(yīng)用》2023年第7期。

3.建立完善智能量刑的反饋監(jiān)督機(jī)制。在人工智能量刑工具優(yōu)化的研發(fā)階段邀請一線法官參與進(jìn)來，滿足一線法官實(shí)際量刑審判的需求，讓其更加貼合司法實(shí)踐，進(jìn)而保障智能量刑高效運(yùn)行。對此，應(yīng)深入實(shí)施法學(xué)院校與實(shí)務(wù)部門人員互聘計(jì)劃，推動(dòng)骨干教師到實(shí)務(wù)部門進(jìn)行掛職研修、實(shí)踐鍛煉等方面的制度化、規(guī)范化。參見景漢朝：《堅(jiān)持建設(shè)德才兼?zhèn)涞母咚刭|(zhì)法治工作隊(duì)伍》，載《人民日報(bào)》2021年3月22日，第11版。算法研發(fā)者要充分參考專家指導(dǎo)意見，堅(jiān)持以法學(xué)理論為設(shè)計(jì)核心，以“法治”指導(dǎo)“數(shù)治”，用一種“算”出來的客觀決策替代混沌于人腦中的主觀決策，進(jìn)而保證智能量刑算法的司法客觀性。因此，需要相關(guān)技術(shù)專家、法學(xué)專家與公眾代表組成算法審查委員會(huì)進(jìn)行監(jiān)督，必要時(shí)還需要相關(guān)專家公開算法相關(guān)內(nèi)容讓公眾了解并信任。

（三）量刑工具的精準(zhǔn)性升級

智能量刑的精準(zhǔn)性升級要求從大數(shù)據(jù)案例收集到算法計(jì)算建立一套嚴(yán)格的程序規(guī)范，以確保整個(gè)從數(shù)據(jù)積累到編程算法的過程具備客觀公正性。

1.對數(shù)據(jù)集進(jìn)行規(guī)范化、標(biāo)準(zhǔn)化和文檔化處理是提升數(shù)據(jù)結(jié)構(gòu)化程度的關(guān)鍵步驟。人工智能量刑需要對于同類案件的案件事實(shí)、犯罪情節(jié)、案件爭議點(diǎn)及法律關(guān)系進(jìn)行重點(diǎn)提取，全面刻畫出案件的基本特征，為法官推送指導(dǎo)性案例和已結(jié)案件的相關(guān)量刑情節(jié)。之后，可以考慮建立量刑詞庫，利用文本挖掘?qū)α啃虄?nèi)容進(jìn)行分詞、去停用詞、去冗余化等處理，構(gòu)建詞向量，而后挖掘主要的量刑因素。參見于淼、陸嬌、管政翔：《人工智能在司法量刑中的應(yīng)用沿革與技術(shù)演進(jìn)》，載《西北工業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）》2021年第3期。對于在法律案件中經(jīng)常出現(xiàn)的作案時(shí)間、作案空間、相關(guān)人、相關(guān)行為以及相關(guān)物等詞匯進(jìn)行整合，進(jìn)而構(gòu)建和完善案件量刑詞庫的內(nèi)容，方便智能量刑的檢索和預(yù)測。

2.通過選取優(yōu)質(zhì)的人工智能量刑模型對量刑情節(jié)進(jìn)行科學(xué)賦值，對于各模塊的檢索需求設(shè)置量刑詞庫檢索偏好，以便讓檢索更加精準(zhǔn)、高效。量刑是一道關(guān)于法律規(guī)則與自由裁量的“數(shù)學(xué)題”，應(yīng)不斷改進(jìn)算法和模型，提高系統(tǒng)對復(fù)雜案件和情境的處理能力，以便更全面地考慮各種因素和變量。人工智能量刑模型應(yīng)該精確地捕捉程序要素與刑期長短之間的關(guān)系。See Harry Rodger， Andrew Lensena， Marcin Betkier， Explainable artificial intelligence for assault sentence prediction in New Zealand， 53 Journal of the Royal Society of New Zealand 133， 143-147 （2023）.量刑決定既包括對特定案件的描述，也包括對量刑方法的程序描述，如參考指導(dǎo)案例進(jìn)行量刑。例如，受限玻爾茲曼深度學(xué)習(xí)模型（The Restricted Boltzmann Deep Learning Model）在深度學(xué)習(xí)量刑算法技術(shù)之后，審判結(jié)果的準(zhǔn)確率超過92%，大幅縮短了不同類型案件的審理周期。See Xuan Chen， Deep Learning-Based Intelligent Robot in Sentencing， Frontiers in psychology ， 2022， 13： 901796.在具體的模型設(shè)計(jì)上，量刑詞庫的運(yùn)行過程可以簡單描述為將法律規(guī)定轉(zhuǎn)化為編程代碼，并使用這些代碼對輸入的待判個(gè)案的數(shù)據(jù)信息進(jìn)行計(jì)算，從而得出具體的量刑結(jié)果。

3.將道德和法律價(jià)值納入智能量刑系統(tǒng)設(shè)計(jì)的核心尤為必要。智能量刑要賦予智能量刑技術(shù)合理的司法價(jià)值導(dǎo)向，將道德性原理轉(zhuǎn)化為可識(shí)別性數(shù)據(jù)來“喂養(yǎng)”人工智能量刑技術(shù)，理性提升人工智能量刑技術(shù)的法學(xué)理論價(jià)值。在大數(shù)據(jù)、算法等智能技術(shù)設(shè)計(jì)過程中，應(yīng)當(dāng)通過必要的程序輸送社會(huì)共識(shí)和司法價(jià)值理念，并有意識(shí)地融入智能系統(tǒng)的設(shè)計(jì)中，影響價(jià)值偏好、邏輯規(guī)則的設(shè)置，加強(qiáng)對智能技術(shù)應(yīng)用的法律規(guī)則與倫理約束。See Md. Abdul Malek， Criminal courts’ artificial intelligence： the way it reinforces bias and discrimination， 233 AI and Ethics 241， 245（2022）.對此，我們需要組織建立專業(yè)技術(shù)評估隊(duì)伍定期進(jìn)行倫理評估，參見張真源：《面向人工智能時(shí)代的突發(fā)事件預(yù)警機(jī)制：結(jié)構(gòu)調(diào)整與立法完善》，載《海峽法學(xué)》2023年第2期。核查量刑技術(shù)的設(shè)計(jì)、部署和使用等環(huán)節(jié)的缺陷和漏洞，研判算法應(yīng)用產(chǎn)生的意識(shí)形態(tài)、社會(huì)公平、道德倫理等安全風(fēng)險(xiǎn)，提出針對性的應(yīng)對措施來及時(shí)糾正技術(shù)偏見，從而促成量刑倫理與技術(shù)的融合。

4.人工智能量刑從研發(fā)到應(yīng)用都依賴于司法智慧?！巴椒ú蛔阋宰孕小?，司法智慧的凝結(jié)不再停留于傳統(tǒng)法學(xué)培養(yǎng)單一注重法學(xué)理論的培養(yǎng)模式，而是更加貼合一線司法量刑需求，更加注重法科學(xué)生和一線司法人員的復(fù)合型能力，即具有堅(jiān)實(shí)的法學(xué)專業(yè)儲(chǔ)備、一定基礎(chǔ)的量刑技術(shù)知識(shí)以及熟練運(yùn)用智能量刑工具的應(yīng)用能力和經(jīng)驗(yàn)。See Harry Rodger，Andrew Lensen，Marcin Betkier，Explainable artificial intelligence for assault sentence prediction in New Zealand，53 Journal of the Royal Society of New Zealand 133， 142-147 （2023）.由于收集量刑情節(jié)數(shù)據(jù)的相關(guān)司法人員存在掌握法律語詞結(jié)構(gòu)的專業(yè)程度以及智能量刑結(jié)構(gòu)化提取熟練程度的差異，會(huì)導(dǎo)致熟練運(yùn)用該技能辦理案件的司法人員比未掌握熟練技能的司法人員享有更多的話語權(quán)，產(chǎn)生用戶的“數(shù)字素養(yǎng)”（Digital Literacy）差異。參見林曦、郭蘇建：《算法不正義與大數(shù)據(jù)倫理》，載《社會(huì)科學(xué)》2020年第8期。對此，為深入實(shí)施卓越法治人才教育培養(yǎng)計(jì)劃2.0，可以通過舉辦研討會(huì)、培訓(xùn)課程或在線學(xué)習(xí)平臺(tái)對法律從業(yè)人員繼續(xù)教育，提升一線司法人員的數(shù)字素養(yǎng)，更高效地借助智能量刑技術(shù)助力司法量刑。

（四）倫理沖突的主動(dòng)化解

以算法為代表的人工智能量刑技術(shù)的原初價(jià)值是效率，以追求技術(shù)效用最大化為目標(biāo)，而今技術(shù)價(jià)值觀轉(zhuǎn)向了正義，希望設(shè)計(jì)出在不同的人群中進(jìn)行公正預(yù)測的算法。參見楊學(xué)科：《論智能互聯(lián)網(wǎng)時(shí)代的算法歧視治理與算法公正》，載《山東科技大學(xué)（社會(huì)科學(xué)版）》2019年第4期。對此，我們應(yīng)考慮將法官在量刑過程中對于倫理層面的分析進(jìn)行專業(yè)性提煉，以便讓司法倫理原則融入量刑設(shè)計(jì)；而法學(xué)專家深度參與智能量刑程序的研發(fā)和運(yùn)行是加深量刑理論與算法融合的最優(yōu)路徑，能夠?qū)⒁酝鶎?shí)踐操作中歸納的合理經(jīng)驗(yàn)提升為規(guī)范化準(zhǔn)則，以便其他法官在以后的量刑實(shí)踐中參照使用。參見馮文杰：《人工智能輔助量刑公正取向的雙重構(gòu)建》，載《華東理工大學(xué)（社會(huì)科學(xué)版）》2020年第6期。

1.司法人員應(yīng)主動(dòng)化解智能量刑引發(fā)的價(jià)值理性與工具理性的沖突。從司法公正的角度審視人工智能司法應(yīng)用，應(yīng)妥善處理司法價(jià)值功效與技術(shù)中性之間的關(guān)系。參見牛犁耘：《人工智能的司法應(yīng)用與法理審視》，載《人工智能的司法應(yīng)用與法理審視》2023年第5期。就目前的司法現(xiàn)狀而言，人工智能量刑的應(yīng)用不會(huì)破壞司法獨(dú)立性和司法自由裁量權(quán)，因?yàn)樵摿啃坦ぞ邔⑼耆莆赵诜ü偈种?。人工智能量刑在決策過程中可能涉及倫理沖突，而法律責(zé)任承擔(dān)則需要考慮如何解決這些沖突。即便在人工智能輔助的情況下，司法機(jī)關(guān)作出有效力的決定仍然依賴于法官自身的行為，責(zé)任歸屬也應(yīng)由法官承擔(dān)，從而確立“責(zé)無旁貸”的責(zé)任倫理。參見高童非：《數(shù)字時(shí)代司法責(zé)任倫理之守正》，載《法制與社會(huì)發(fā)展》2022年第1期。為了更好地發(fā)揮法官在倫理層面的作用，需對一線司法人員以及未來將要進(jìn)入司法實(shí)踐前線的法學(xué)生進(jìn)行系統(tǒng)性培養(yǎng)。以教育部《人工智能領(lǐng)域研究生指導(dǎo)性培養(yǎng)方案（試行）》的要求為指導(dǎo)，探索法學(xué)界、司法界、實(shí)業(yè)界、期刊界的四界互動(dòng)的人才培養(yǎng)機(jī)制意義重大。參見馬長山：《數(shù)字法學(xué)教育的迭代變革》，載《中國人民大學(xué)學(xué)報(bào)》2022年第6期。

2.在卓越法治人才的培養(yǎng)中應(yīng)探索對話互動(dòng)的科學(xué)教育模式，提升應(yīng)用型法治人才培養(yǎng)質(zhì)量。鑒于人工智能對法律行業(yè)的全面滲透，法學(xué)教育需進(jìn)行根本性變革。參見劉蓓、戚瀚文：《論“AI+法律”背景下法學(xué)教育供給側(cè)改革》，載《河北法學(xué)》2023年第6期。在純理論研學(xué)上，法學(xué)體系應(yīng)超越傳統(tǒng)法條注解，與司法實(shí)踐節(jié)奏相協(xié)調(diào)，聚焦于司法實(shí)際需求。參見李愛君：《論數(shù)據(jù)法學(xué)體系》，載《行政法學(xué)研究》2023年第5期。人工智能法學(xué)尤其要厘清人工智能法學(xué)的內(nèi)涵與外延，加強(qiáng)對人工智能“技術(shù)—法律—倫理—社會(huì)”問題的研究。參見劉艷紅：《人工智能法學(xué)的“時(shí)代三問”》，載《東方法學(xué)》2021年第5期。目前，浙江大學(xué)、中國政法大學(xué)等先后建立數(shù)字/數(shù)據(jù)法治研究院，旨在培養(yǎng)懂法學(xué)又懂技術(shù)的人才。在實(shí)踐學(xué)習(xí)上，對話互動(dòng)的教育模式需要學(xué)術(shù)型導(dǎo)師與實(shí)務(wù)型導(dǎo)師的共同指導(dǎo)。學(xué)術(shù)型導(dǎo)師主要負(fù)責(zé)引導(dǎo)法學(xué)生構(gòu)建系統(tǒng)的法學(xué)理論體系和邏輯性寫作思維；實(shí)務(wù)型導(dǎo)師向法科學(xué)生普及最新最全面的量刑技術(shù)落地情況?？紤]到司法機(jī)關(guān)與高等院校之間的體制因素和制度現(xiàn)狀，可以探索推進(jìn)理論研究、互聘互派、教育培訓(xùn)和實(shí)踐教學(xué)的機(jī)制建設(shè)，加強(qiáng)司法機(jī)關(guān)工作人員與高校導(dǎo)師、學(xué)生的深度交流，讓不同地區(qū)、層級的法院與各大高校進(jìn)行科學(xué)合作。合作內(nèi)容上可以發(fā)展線上模擬辦公體驗(yàn)的形式，實(shí)務(wù)型導(dǎo)師帶領(lǐng)法學(xué)生深度體驗(yàn)量刑全過程。為更好地促成交流互動(dòng)的科學(xué)教育模式，雙導(dǎo)師的教育模式需要合理的正向激勵(lì)，可以考慮將線上模擬量刑納入法院績效評估體系，要讓創(chuàng)新型人才“引得進(jìn)、留得住”，為全面智能量刑提供優(yōu)質(zhì)的司法人才隊(duì)伍。

四、結(jié)語

人工智能量刑的構(gòu)建須深度融合信息技術(shù)與法治原則，其核心目標(biāo)在于促進(jìn)量刑公正。盡管現(xiàn)階段人工智能量刑面臨不少挑戰(zhàn)和局限，但司法與科技結(jié)合是時(shí)代所向、大勢所趨，技術(shù)進(jìn)步和司法實(shí)踐會(huì)不斷優(yōu)化和完善人工智能量刑技術(shù)的總體框架，我國的人工智能量刑也勢必要隨著智慧法院建設(shè)步入新的階段。在量刑活動(dòng)中引進(jìn)以算法為代表的人工智能技術(shù)，一定程度上可以超越人的智力極限和體力極限并有效提高量刑質(zhì)效。與此同時(shí)，在人工智能技術(shù)被熱捧的當(dāng)下，我們應(yīng)保持理性態(tài)度，在實(shí)踐中審慎探索人工智能量刑應(yīng)用的最佳路徑以契合罪責(zé)刑相適應(yīng)原則，讓量刑朝著規(guī)范化、高效化和公正化方向不斷深化，最終實(shí)現(xiàn)量刑正義。

（責(zé)任編輯：陳曉屏）