熊曉彪

一、事實認定數(shù)據(jù)化轉(zhuǎn)型的需求與實踐

隨著大數(shù)據(jù)、人工智能等技術(shù)的不斷興起，現(xiàn)代科技手段對社會各個行業(yè)的發(fā)展已影響至深，司法領(lǐng)域也不例外。這些新興技術(shù)必然會對傳統(tǒng)司法業(yè)務(wù)產(chǎn)生巨大沖擊，引發(fā)司法行為運作方式的深刻變革。(1)參見季衛(wèi)東：《人工智能時代的司法權(quán)之變》，載《東方法學(xué)》2018年第1期，第131-133頁。然而，處于這樣一個新時代的浪潮，庭審事實認定卻裹足于以日常經(jīng)驗和常識推理為基礎(chǔ)的傳統(tǒng)自然認知模式，不但無法應(yīng)對由大量復(fù)雜、高度專業(yè)性證據(jù)信息進入法庭所帶來的挑戰(zhàn)，而且難以為現(xiàn)代信息技術(shù)的發(fā)展適用提供更廣闊的空間。一方面，事實認定者依靠自身感官以及那些經(jīng)由社會積淀形成的經(jīng)驗常識所認識的“事實”，與那些借助技術(shù)性手段揭示的“事實”之間的鴻溝正在不斷擴大。對于司法裁判中的許多重要事實，直接訴諸人類感官已經(jīng)毫無作用，而只能借助先進儀器才能得到證明。人類的感官活動對事實調(diào)查的重要性正在不斷減弱，樸素的蓋然性判斷與統(tǒng)計學(xué)方法之間的一致性已經(jīng)出現(xiàn)某種程度的懷疑，證據(jù)的證明力與可信性評價越來越需要專家的介入。(2)參見[美]米爾吉安·R. 達瑪斯卡：《比較法視野中的證據(jù)制度》，吳宏耀、魏曉娜等譯，中國人民公安大學(xué)出版社2006年版，第224-230頁。例如，對于電子數(shù)據(jù)完整性的判斷，基本上只能通過計算其“哈希值”(hash values)來實現(xiàn)。(3)哈希值可以被形象地理解為電子數(shù)據(jù)的“指紋”或“DNA”，其生成是通過一定的散列算法(MD5、SHA1、SHA2、SHA256等)將任何長度的輸入數(shù)據(jù)映射為固定長度的輸出數(shù)值。哈希值具有唯一性，原始數(shù)據(jù)被改動后，對應(yīng)的哈希值也會發(fā)生改變，因此，數(shù)據(jù)的哈希值常常被用來校驗數(shù)據(jù)的原始性和完整性。參見趙長江：《刑事電子數(shù)據(jù)證據(jù)規(guī)則研究》，法律出版社2018年版，第104頁。另一方面，由于傳統(tǒng)認知模式未能深入至證明結(jié)構(gòu)內(nèi)部，且缺乏穩(wěn)定的證據(jù)分析與評價框架(尤其是符合計算機運行機制的結(jié)構(gòu)模型)，難以與大數(shù)據(jù)、人工智能等新興技術(shù)有效結(jié)合。

有鑒于此，國家層面開始推進審判業(yè)務(wù)的數(shù)據(jù)化轉(zhuǎn)型。所謂數(shù)據(jù)化，是指以數(shù)據(jù)分析為切入點，通過對數(shù)字化的信息進行智能、多維分析，打破傳統(tǒng)的經(jīng)驗驅(qū)動決策方式，實現(xiàn)科學(xué)化與精確化的決策。用舍恩伯格的話說，數(shù)據(jù)化是一種把現(xiàn)象轉(zhuǎn)變?yōu)榭芍票矸治龅牧炕问竭^程。(4)參見[英]維克托·邁爾-舍恩伯格、肯尼思·庫克耶：《大數(shù)據(jù)時代：工作、生活與思維的大變革》，盛楊燕、周濤譯，浙江人民出版社2013年版，第104頁。2016年7月，中央辦公廳和國務(wù)院辦公廳聯(lián)合發(fā)布《國家信息化發(fā)展戰(zhàn)略綱要》，提出“建設(shè)智慧法院，提高案件受理、審判、執(zhí)行、監(jiān)督等各環(huán)節(jié)信息化水平”。因應(yīng)國家層面提出的“智慧法院”頂層設(shè)計，最高人民法院于2017年4月出臺了《關(guān)于加快建設(shè)智慧法院的意見》，并提出“加強前沿技術(shù)和關(guān)鍵技術(shù)研究，緊密結(jié)合審判執(zhí)行工作實際，推進技術(shù)轉(zhuǎn)移和轉(zhuǎn)化應(yīng)用”；2019年4月制定了《人民法院信息化建設(shè)五年發(fā)展規(guī)劃(2019-2023)》，其第四部分“重點任務(wù)”明確強調(diào)：“建設(shè)大數(shù)據(jù)分析系統(tǒng)，構(gòu)建審判業(yè)務(wù)、司法文書、外部數(shù)據(jù)和機器學(xué)習(xí)算法數(shù)據(jù)分析模型；開發(fā)當事人和案件立體信息畫像、智能輔助辦案、審判智能決策，提升文書挖掘工具的智能化程度，支持復(fù)雜案情的挖掘分析準確度?！?/p>

大數(shù)據(jù)技術(shù)是一種數(shù)據(jù)科學(xué)領(lǐng)域的全新技術(shù)架構(gòu)或模式，對數(shù)據(jù)量大、類型復(fù)雜、需要即時處理和價值提純的各類數(shù)據(jù)，綜合運用新的數(shù)據(jù)感知、采集、存儲、處理、分析和可視化等技術(shù)，提取數(shù)據(jù)價值，從數(shù)據(jù)中獲得對自然界和人類社會規(guī)律深刻全面的知識和洞察力。(5)參見張鋒軍：《大數(shù)據(jù)技術(shù)研究綜述》，載《通信技術(shù)》2014年第11期，第1241頁。大數(shù)據(jù)是信息時代的顯著標識，同時也是一種全新的信息處理分析工具，其已經(jīng)被廣泛運用于現(xiàn)代社會各個領(lǐng)域并取得了超乎想象的效果?！按髷?shù)據(jù)時代的來臨使人類第一次有機會和條件，在非常多的領(lǐng)域和非常深入的層次獲得與使用全面數(shù)據(jù)、完整數(shù)據(jù)和系統(tǒng)數(shù)據(jù)，深入探索現(xiàn)實世界的規(guī)律，獲取過去不可能獲取的知識?！?6)同注④，第5頁。因應(yīng)國家的頂層設(shè)計，地方各級人民法院先后投入借助大數(shù)據(jù)技術(shù)打造智慧法院的探索中。2016年3月，貴州省高級人民法院就引入了大數(shù)據(jù)分析團隊對全省三級法院的歷史案件數(shù)據(jù)進行采集，形成案件大數(shù)據(jù)，并通過大量同類案件數(shù)據(jù)的分析，梳理出影響案件判決結(jié)果的要素，建立起案件與對應(yīng)法規(guī)的關(guān)系網(wǎng)絡(luò)，為法官裁判提供智慧支持。(7)參見王?。骸顿F州開啟大數(shù)據(jù)辦案新模式》，中國長安網(wǎng)：http://www.chinapeace.gov.cn/chinapeace/c53712/2017-05/23/content_11660497.shtml，最后訪問時間：2022年3月16日。上海高級人民法院聯(lián)合科大訊飛公司于2017年2月開始研發(fā)的“刑事案件智能輔助辦案系統(tǒng)”(又名“206系統(tǒng)”)，不僅通過大數(shù)據(jù)技術(shù)制定了類案證據(jù)標準指引，而且還實現(xiàn)了單一證據(jù)自動校檢與證據(jù)鏈的審查判斷。(8)參見王川、梁宗：《全國首次！“206系統(tǒng)”現(xiàn)身庭審》，載《上海法治報》2019年1月25日，第B07版。

然而，目前我國地方各級人民法院在審判階段對大數(shù)據(jù)技術(shù)的引入與應(yīng)用，還停留在對過往同類型(或類似)案件證據(jù)與裁判結(jié)果的檢索、比對及參照層面，尚未深入證據(jù)分析與證據(jù)評價之機理。即便上海市高級人民法院的“206系統(tǒng)”對單項證據(jù)與證據(jù)鏈的審查有所涉及，其外殼還是檢索與比對。就此而言，各級法院對于大數(shù)據(jù)技術(shù)的使用，在某種意義上僅是促進了訴訟或?qū)徟谐绦虻男识?。實際上，大數(shù)據(jù)具有體量大、速度快、模態(tài)多、價值大、密度低等特點，據(jù)此發(fā)展形成的大數(shù)據(jù)技術(shù)作為一種快速收集、存儲、統(tǒng)計、分析、處理海量數(shù)據(jù)的新型認知工具，在證據(jù)分析與評價方面有著更為深層次的作用與價值。對這些意涵進行揭示論證，不僅能夠為正在積極推進的“智慧法院”建設(shè)提供智識上的貢獻，而且有助于構(gòu)建事實認定數(shù)據(jù)化轉(zhuǎn)型的具體進路與基本框架。

二、大數(shù)據(jù)技術(shù)在證據(jù)分析環(huán)節(jié)的應(yīng)用探索

審判主要包括事實認定與法律適用兩個階段，事實認定是法律適用的前提和基礎(chǔ)，是正確判決的核心與關(guān)鍵。事實認定亦可進一步劃分為證據(jù)分析與證據(jù)評價兩個環(huán)節(jié)，它們共同決定了事實認定的準確性。所謂證據(jù)分析，是指事實認定者(法官或陪審團)對進入法庭的證據(jù)與證據(jù)之間、證據(jù)與待證事實之間的邏輯關(guān)系進行梳理判斷，以明晰它們能否形成完整的事實推論鏈條。通常來說，事實認定者主要是借助感知與經(jīng)驗常識，對控辯雙方當庭提出的證據(jù)及主張進行逐個分析判斷。這在簡單的案件中是可行的，然而，對那些有著大量混亂證據(jù)和復(fù)雜爭議事項的案件，事實認定者就難以據(jù)此作出清晰而準確的判斷了。其主要原因在于，他們?nèi)狈σ惶卓茖W(xué)有效的證據(jù)分析方法?？v觀國內(nèi)外審判實踐，證據(jù)分析方法主要有時序法、概要法、敘事和圖示法等，圖示法是其中最為嚴格且融貫的，它能夠使事實認定者建構(gòu)、檢驗和重建關(guān)于事實問題的論證技術(shù)。(9)參見[美]特倫斯·安德森、[美]戴維·舒姆、[英]威廉·特文寧：《證據(jù)分析》，張保生、朱婷、張月波等譯，中國人民大學(xué)出版社2012年版，第123頁。同時，圖示法擁有一套完備精煉的數(shù)字符號系統(tǒng)，迎合了信息時代所具有的特征，能夠為大數(shù)據(jù)技術(shù)的適用發(fā)展提供廣闊空間。

(一)一種融貫的證據(jù)分析方法：改良版威格摩爾圖示法

威格摩爾很早就關(guān)注到，當大量不同類型的證據(jù)需要被“合理協(xié)調(diào)”以便獲得單一結(jié)論之時，反復(fù)發(fā)生的主要困難來源才會產(chǎn)生。換言之，主要的困難與具體案件的復(fù)雜性有關(guān)，而與有關(guān)認識論或所涉及邏輯過程的基本類型與問題無關(guān)。對混合的大量證據(jù)加以分析這樣一項任務(wù)，存在于對所能獲得的每項證據(jù)加以分析，存在于對其加以分門別類并將每一項都置于證明方案的恰當位置，還存在于從一個階段到另一個階段進行詳細的推論之中，最終就主要的待證事實獲得一個令人信服的結(jié)論。(10)參見[英]威廉·特文寧：《證據(jù)理論：邊沁與威格摩爾》，吳洪淇、杜國棟譯，中國人民大學(xué)出版社2015年版，第190頁。在此基礎(chǔ)上，威格摩爾創(chuàng)造了“圖示法”——一種專門用于分析混合證據(jù)群并將相關(guān)邏輯關(guān)系用圖示的形式表現(xiàn)出來的實用方法，被其“自詡”為“唯一貫穿始終且具有科學(xué)性的方法”。威格摩爾圖示法的名稱源于這樣一個事實，即最終的產(chǎn)物是某一具體案件中所有相關(guān)證據(jù)與待證事實之間的圖示展示；構(gòu)成要素是事實的簡明命題，每一個都被羅列出來并在一個“證據(jù)要件列表”中進行編號；命題之間的關(guān)系通過一個套符號系統(tǒng)在圖示中描繪出來。(11)同注⑩，第191頁。它是一種被用于分析復(fù)雜證據(jù)群的特殊技能，其原始版本被表述為：

在某一特定案件或爭議性事實問題中，在一個贊同或反對某一特別結(jié)論(“最終待證事實”)的論證中，所有相關(guān)或潛在有用的數(shù)據(jù)都被解析成為簡明的命題，這些命題可以被吸收進一個“關(guān)鍵事項表”當中，然后，在“關(guān)鍵事項表”中，所有命題之間的關(guān)系將運用提前設(shè)定的一套符號通過圖示形式展現(xiàn)出來，因此，最終的產(chǎn)品將是一個(通常非常復(fù)雜的)論證圖示。(12)同注⑨，第8頁腳注部分。

由于圖示法的最初版本充斥著大量符號，復(fù)雜且難懂，難以被司法實務(wù)人員有效適用。安德森、舒姆和特文寧經(jīng)過長期實踐，從三個方面對其進行了改良：一是分析者只在有限的范圍內(nèi)使用符號和圖示，二是新增了“說明立場”這一基本要素，三是更強調(diào)“案件理論”這種整體觀點。經(jīng)改良后的威格摩爾圖示法可用如下七步規(guī)程來表述：

(1)澄清立場。作為證據(jù)分析工作的開端，分析者必須回答四個基本問題：我是誰？我處在案件的什么過程及階段？什么材料可用于分析？我試圖做什么？

(2)簡述最終待證事實。對每個案件來說，分析者都必須確定將要支配該案的實體法律規(guī)則，并簡述為滿足這些規(guī)則所要求的條件而必須證明的事實主張或命題。

(3)簡述潛在的次終待證事實。次終待證事實即是將復(fù)雜的最終待證事實轉(zhuǎn)化為復(fù)合命題，并將這些復(fù)合命題分割為其組成部分的簡單命題。

(4)簡述案件暫時性理論，并選擇最適合該理論的策略性最終、次終和中間待證事實。

(5)配置關(guān)鍵事項表。關(guān)鍵事項表是三類命題的編號表。其一，宏觀層面已形成和精煉的命題——最終和次終待證事實，以及根據(jù)已采用的暫時性理論需要而確定的命題。其二，從證據(jù)直接推斷出的命題。其三，還包括所有證據(jù)提出者的中間性主張，對方的解釋性、對抗性和否定性命題，以及證據(jù)提出者可用于削弱對方命題、加強己方主張的任何命題。在列出上述命題之后，還需要對它們進行簡述、排序，常用的排序方法是概要分析法或邏輯排序法。

(6)準備圖示。繪制圖示不僅需要符合邏輯，還要回憶正確的符號，并將其全部展現(xiàn)出來。

(7)完善和完成分析。按照分析者的具體目標，開發(fā)一個邏輯上可靠的分析，組織大量證據(jù)，把所有重要相關(guān)數(shù)據(jù)與爭議中的最終命題聯(lián)系起來所必需的推論都展示出來。(13)同注⑨，第157-170頁。

改良后的威格摩爾圖示法更加簡化和完善。與傳統(tǒng)證據(jù)分析方法相比，其具有如下優(yōu)勢：其一，采取一種根據(jù)證據(jù)的推論屬性而非以內(nèi)容為基礎(chǔ)的“實體無涉”方法，允許分析者在不考慮證據(jù)實體或內(nèi)容的情況下描述任何證據(jù)類型的特征，從而清晰地把握證據(jù)與證據(jù)、證據(jù)與案件事實之間的邏輯關(guān)系；其二，能夠使“理性”的思維過程得以外化出來，為形成一個深思熟慮的判斷提供系統(tǒng)協(xié)助，并清晰地反映分析者的內(nèi)在思維過程；其三，擁有一套精煉的數(shù)字符號系統(tǒng)，使得運用一種簡潔(格式化)形式描述復(fù)雜的證據(jù)與證明問題成為可能，有助于分析者對證據(jù)的精確理解和分析；其四，圖示法是一個靈活開放的證據(jù)分析系統(tǒng)，既可以用于圖示法庭論證的有關(guān)事項(不局限于法庭情景)，又迎合了信息時代所具有的發(fā)展特征。(14)參見周洪波、熊曉彪：《改良版威格摩爾圖示法：一種有效的證據(jù)認知分析進路》，載《證據(jù)科學(xué)》2015年第5期，第591—593頁。

遺憾的是，改良版威格摩爾圖示法的復(fù)雜性與高門檻，還是嚴重阻礙了其在司法實務(wù)部門的推廣應(yīng)用。至今很少有法官對此方法予以掌握并實際使用，只有一些職業(yè)律師會把它作為說服法官相信其主張的輔助工具。不過，隨著現(xiàn)代科技手段尤其是大數(shù)據(jù)技術(shù)與人工智能的興起，這一情形可能會得到改善。圖示法與算法類似，它是為解決某一充分界定的問題的一套精確符號指令系統(tǒng)，能夠通過圖示的方式展現(xiàn)出來。對經(jīng)濟和技術(shù)性的考量，以及對什么是重要的或恰當?shù)呐袛啵及谑占幚頂?shù)據(jù)的過程之中。“與算法一樣，(圖示法)這種方法似乎為用來與新的信息技術(shù)相連接提供了客觀的可能性。這在很大程度上還是一個尚未被開發(fā)的領(lǐng)域，但看起來威格摩爾的方法相當有可能在計算機時代占據(jù)一席之地。”(15)同注⑩，第204頁。

(二)大數(shù)據(jù)技術(shù)與改良版威格摩爾圖示法的融合發(fā)展

大數(shù)據(jù)是一種為更高效地從不同結(jié)構(gòu)和類型的海量數(shù)據(jù)中獲取價值，通過數(shù)據(jù)交換、整合分析發(fā)現(xiàn)新知識的新一代架構(gòu)和技術(shù)。(16)參見涂子沛：《大數(shù)據(jù)》，廣西師范大學(xué)出版社2012年版，第54—58頁。其處理數(shù)據(jù)的基本流程，包括數(shù)據(jù)采集、數(shù)據(jù)處理與集成、數(shù)據(jù)分析以及數(shù)據(jù)解釋四個環(huán)節(jié)，最后將分析結(jié)果通過可視化等方式展現(xiàn)給用戶。上述過程涉及云計算和MapReduce、分布式文件系統(tǒng)、分布式并行數(shù)據(jù)庫、開源實現(xiàn)平臺Hadoop和數(shù)據(jù)可視化等關(guān)鍵技術(shù)，能夠?qū)崿F(xiàn)海量數(shù)據(jù)的快速挖掘獲取、高效處理運算，從中提取有價值的信息并將之轉(zhuǎn)化成知識，再運用這些知識促成正確的決策和行動。(17)參見劉智慧、張靈泉：《大數(shù)據(jù)技術(shù)研究綜述》，載《浙江大學(xué)學(xué)報(工學(xué)版)》2014年第6期，第957—969頁。證據(jù)與待證事實相關(guān)，用于證明當事人所主張事實之存在可能性的信息，具有信息表征特性。(18)參見張保生主編：《證據(jù)法學(xué)》，中國政法大學(xué)出版社2018年版，第11頁。證據(jù)的信息性使得大數(shù)據(jù)技術(shù)在事實認定領(lǐng)域的適用成為可能。到證據(jù)分析環(huán)節(jié)，引入大數(shù)據(jù)技術(shù)，能夠與改良版威格摩爾圖示法進行有效融合，從而促進證據(jù)分析的技術(shù)化轉(zhuǎn)型與發(fā)展。

1.大數(shù)據(jù)技術(shù)有助于要件事實(分類)數(shù)據(jù)庫構(gòu)建

在威格摩爾圖示法的七步規(guī)程中，規(guī)程三為“簡述案件次終待證事實”，要實現(xiàn)這個規(guī)程，關(guān)鍵在于明晰犯罪的構(gòu)成要件。以刑事案件為例，案件次終待證事實實際上等同于犯罪構(gòu)成要件事實。一般而言，犯罪構(gòu)成要件由刑事實體法明確規(guī)定。然而，我國刑法雖然在分則部分對各項罪名做了一般規(guī)定，但對很多罪名的構(gòu)成要件的規(guī)定卻不夠具體明確，以致刑法學(xué)界為此爭論不休，審判實務(wù)中也時常陷入理解與適用上的困難。對此問題，兩高相繼出臺了多部司法解釋，但多是在語詞界定、標準明晰、情形列舉等方面進行補足。并且，對于許多開放性、新型犯罪，其構(gòu)成要件也難以預(yù)先作出明確規(guī)定。另外，犯罪構(gòu)成四要件理論雖然能夠在整體上解構(gòu)所有犯罪的構(gòu)成要件，但其高度抽象性顯然與具體事實命題相距甚遠。實際的犯罪證明過程，是對某項所控罪名在刑事實體法規(guī)定的各項構(gòu)成要件之相應(yīng)事實進行證成，而非直接對這些抽象復(fù)合的犯罪構(gòu)成要件進行證明。例如，我國現(xiàn)行《刑法》(2020年修正)第266條將詐騙罪規(guī)定為“詐騙公私財物，數(shù)額較大的”。這是一個特別抽象的復(fù)合命題，通過犯罪構(gòu)成四要件理論可以將其解構(gòu)成：犯罪主體是一般主體；犯罪客體是侵犯公私財物的所有權(quán)；主觀要件表現(xiàn)為直接故意，并且具有非法占有公私財物的目的；客觀要件表現(xiàn)為使用欺詐方法騙取數(shù)額較大的公私財物。然而，其中的欺詐方法該如何理解，哪些事實與該項構(gòu)成要件有關(guān)，對其證明需要哪些事實？對于這些問題，不但刑事實體法無法予以具體明確，而且建立在人工簡單列舉之上的傳統(tǒng)事實分類學(xué)也難以給予全面解答。

大數(shù)據(jù)技術(shù)的引入，為此提供了新的契機，使要件事實(分類)數(shù)據(jù)庫的構(gòu)建成為可能。我國司法實務(wù)部門多年來積累形成了豐富的審判實踐經(jīng)驗，加之裁判文書的上網(wǎng)提供了全面而豐富的案件判決信息；對這些信息進行大數(shù)據(jù)技術(shù)分析處理，能夠?qū)γ糠N類型犯罪的構(gòu)成要件事實作出全量式歸納、整理，最終形成犯罪構(gòu)成要件數(shù)據(jù)庫。犯罪構(gòu)成要件事實數(shù)據(jù)庫的另一個更重要的功能在于：能夠?qū)λ信c構(gòu)成要件相關(guān)的事實進行分門別類式整理，最終形成全面且體系性的事實分類數(shù)據(jù)庫，從而實現(xiàn)人類犯罪行為事實分類之目標。事實分類學(xué)的研究能夠全面揭示人類認知對象的確切特征，進而使庭審事實認定的精確性成為可能。正如有學(xué)者所言：“只要對證明對象所具有的千絲萬縷的復(fù)雜性還沒有完全弄清，那么，對于司法裁判活動中事實結(jié)果的確切特征，也就難以做出精確的確定。而且，只有出現(xiàn)了關(guān)于事實的適當分類學(xué)，將其他學(xué)科的洞識用于這一問題才會變得不那么棘手?！?19)同注②， 第59頁。分析者只需在建成的數(shù)據(jù)庫中輸入案件關(guān)鍵詞，就能夠迅速獲取該類案件構(gòu)成要件及所對應(yīng)的相關(guān)事實，并且以可視化的方式進行顯示。

2.大數(shù)據(jù)技術(shù)能夠促進關(guān)鍵事項表的高效配置

配置關(guān)鍵事項表(規(guī)程五)是改良版威格摩爾圖示法的關(guān)鍵步驟，也是最為復(fù)雜、煩瑣的環(huán)節(jié)。配置關(guān)鍵事項表的第一步是確定命題，包括在宏觀層面已形成和精煉的命題——最終和次終待證事實，根據(jù)暫時性理論需要而確定的命題，根據(jù)現(xiàn)有證據(jù)直接推出的命題，還包括所有證據(jù)提出者的中間性主張，對方的解釋性、對抗性和否定性命題，以及證據(jù)提出者可用于削弱對方命題的任何命題，或根據(jù)對方的攻擊而加強己方主張的任何命題。然后再根據(jù)證據(jù)與命題之間的邏輯關(guān)系，就能夠根據(jù)現(xiàn)有訴訟信息確定出各種命題，我們稱這些由證據(jù)直接推論出的命題為證據(jù)性事實。證據(jù)性事實、最終和次終待證事實、根據(jù)暫時性理論需要而確定的命題、所有證據(jù)提出者的中間性主張，對方的解釋性、對抗性和否定性命題，以及證據(jù)提出者可用于削弱對方命題的任何命題，或根據(jù)對方的攻擊而加強己方主張的任何命題所組成的命題構(gòu)成一個復(fù)雜的命題群。

接著，需要對這些命題進行排序，常用的排序方法是邏輯排序法或概要分析法，這是一個相當煩瑣的過程。在此方面，大數(shù)據(jù)信息分析與處理技術(shù)能夠?qū)υ撨^程進行簡化，促進其效率。最終待證事實是實體法已經(jīng)規(guī)定了的，因此，一項犯罪的犯罪構(gòu)成要件通常而言是不會改變的，即一項犯罪的次終待證事實是穩(wěn)定不變的。前面已經(jīng)論述過，大數(shù)據(jù)能夠根據(jù)歷年司法實踐和裁判文書等數(shù)據(jù)信息建立犯罪構(gòu)成要件數(shù)據(jù)庫，這使得次終待證事實的確立變得輕而易舉。由于事物之間的關(guān)聯(lián)總是恒常的，所以固定的次終待證事實能夠確定與之相應(yīng)的中間待證事實的基本類型，以及支持、證成或者削弱、否定這些中間待證事實的命題類型?；诖耍诜缸飿?gòu)成要件數(shù)據(jù)庫基礎(chǔ)上，大數(shù)據(jù)技術(shù)能夠通過對裁判信息進行全量式分析處理，建立中間待證事實及其支持、證成或者削弱、否定的命題類型數(shù)據(jù)庫。如此一來，確立與中間待證事實相關(guān)的命題將不再困難，只需對號入座即可。那么，要實現(xiàn)對混雜證據(jù)和命題群的分門別類，繼而完成關(guān)鍵事項表的配置將變得機械簡單。例如，故意殺人罪的一項犯罪構(gòu)成要件是被告人實施了殺害被害人的行為，通過大數(shù)據(jù)對歷年裁判信息的全量式分析，得到了與該構(gòu)成要件相關(guān)的中間待證事實及其支持、證成或者削弱、否定的命題類型。中間待證事實命題類型可能會有：徒手攻擊型、手持工具攻擊型、通過投放危險物質(zhì)毒害型、通過危險方式致死型等。相應(yīng)地，與這些命題相關(guān)的支持、證成或者削弱、否定命題類型及相關(guān)證據(jù)也就不難列出了。

3.大數(shù)據(jù)技術(shù)使得社會知識庫構(gòu)建成為可能

社會知識庫是裁判者據(jù)以作出推理的前提，也是圖示法中連接各個關(guān)鍵事項的橋梁。然而，由于個體之間存在知識背景與認知能力上的局限與差異，人們難以全面掌握社會知識庫，且每個裁判者所掌握的社會知識庫都因人而異，以至于所配置的關(guān)鍵事項表和繪制的圖示參差不齊，據(jù)以作出的證據(jù)分析與事實推論良莠差別甚大。倘若能夠構(gòu)建出統(tǒng)一適用的社會知識庫，就可以有效消解這一問題。在此方面，大數(shù)據(jù)的批量處理技術(shù)和分布式并行數(shù)據(jù)庫，有助于快速挖掘和集成某一社會共同體所共享的全量式背景知識，并構(gòu)建可以為證據(jù)分析者(事實裁判者)統(tǒng)一適用的社會知識庫。

在法律推理中，命題與命題之間的邏輯結(jié)構(gòu)類型常見的有序列結(jié)構(gòu)、收斂結(jié)構(gòu)和閉合結(jié)構(gòu)。在此三種邏輯結(jié)構(gòu)類型的基礎(chǔ)上，安德森、舒姆、特文寧等學(xué)者總結(jié)出命題與命題之間存在的六種邏輯關(guān)系，分別是：合取、復(fù)合、聚合、補強、耦合推論和整合。(20)同注⑨，第133-140頁。通過這些關(guān)系，我們就能夠形成從證據(jù)到次終待證事實的邏輯推論鏈條，以系列結(jié)構(gòu)為例，如圖1所示：

圖1 系列結(jié)構(gòu)式的證據(jù)到次終待證事實邏輯推論鏈條

由圖1可以看出，從證據(jù)到次終待證事實的每一步推論，都需要一種被稱為概括(Generalization，圖中用“G”表示)的普遍命題介入。由證據(jù)到待證事實是一種演繹推理(演繹推理的實質(zhì)其實是歸納(21)無論是什么思維活動，只要真正的前提是特定命題，無論我們從特定命題得出通則的結(jié)論，還是依據(jù)那個通則從特定命題得出特定的結(jié)論，這個思維活動都是歸納。參見[英]約翰·斯圖亞特·穆勒：《邏輯體系》(一)，郭武軍、楊航譯，上海交通大學(xué)出版社2014年版，第201頁。)，概括在該過程中作為推理的大前提，其實質(zhì)是通過對事物與事物之間的關(guān)聯(lián)進行經(jīng)驗歸納所得出的普遍命題或通則。借助概括，人們可以一勞永逸地作出歸納，對這些普遍知識盡括隨取，并通過三段論形式進行推理得出特定命題。而無須再次勞心費力地通過無盡的觀察、繁復(fù)的科學(xué)工作去探尋事物之間的內(nèi)在關(guān)聯(lián)，也不必擔心人類記憶能力的有限性和衰退性、知識的缺失及索引困難。(22)同注，穆勒書，第185—198頁。舒姆、特文寧把這種概括稱作“社會知識庫”，他們按照普遍性、可靠性、來源及共性四個軸，將其具體分為六類：具體情況概括、背景概括、科學(xué)知識和專家意見、一般知識、基于經(jīng)驗的概括、綜合直覺概括(信念概括)。(23)同注⑨，第350—359頁。

作為每一步推理的大前提，概括的真值性或確定程度決定了推論的強度。邏輯學(xué)家沃爾頓指出，推理是使得或接受假設(shè)作為前提，通過保證從這些假設(shè)移動到結(jié)論的過程。(24)Douglas Walton, “What ls Reasoning? What ls an Argument?”，87 Journal of Philosophy 399 (1990), pp. 339—419.他此處所說的保證，即為概括的真值性。沃爾頓認為作為大前提的概括從本質(zhì)上是有例外的，而且這種例外不能事先考慮到。因此，他提出了似真推理，其特征為：如果前提真，則結(jié)論似然為真。但是似真推論是可廢止的，這意味著它能被新引入的前提所推翻。(25)參見[美]道格拉斯·沃爾頓：《法律論證與證據(jù)》，梁慶寅、熊明輝等譯，中國政法大學(xué)出版社2010年版，第110—116頁。據(jù)此，為了確保推論的似真性，我們需要獲得盡可能似真的概括。概括是一個非常龐大的社會知識庫，然而具體的事實認定者是個人，其顯然難以窮盡地熟悉社會知識庫的內(nèi)容，而只能基于自身經(jīng)驗、知識和有限的認知能力去盡量把握其中的部分內(nèi)容。這就很容易導(dǎo)致其所獲得的概括之似真性極低，需要相應(yīng)的輔助證據(jù)予以支持或補強。安德森、舒姆、特文寧等學(xué)者進一步指出了概括的具體危險：①作為常識而通過的內(nèi)容，常常很容易證明是不真實的；②在一個多元或分層的社會中，認知共識的程度，隨時間和地點而變化；③價值判斷(包括偏見、種族或性別刻板印象)可能會偽裝成經(jīng)驗命題；④法院準備作為“常識”認知的官方內(nèi)容，可能不符合特定社會中大多數(shù)人實際上所相信的東西。(26)同注⑨，第363—365頁。

大數(shù)據(jù)技術(shù)的出現(xiàn)，為社會知識庫的體系性構(gòu)建帶來了福音。其能夠運用現(xiàn)代信息分析、處理技術(shù)(如“云計算”和“MapReduce”)，并通過分布式文件系統(tǒng)(如GFS)和分布式數(shù)據(jù)庫(BigTable)將地方性知識、一般經(jīng)驗或常識、科學(xué)知識，以及事物的普遍聯(lián)系、規(guī)律、事理等信息進行歸類整理，形成一個廣泛共享的社會知識庫。借助人工智能技術(shù)(如知識圖譜)，能夠可視化輸出精準的結(jié)構(gòu)性目標知識。事實認定者只需輸入某一關(guān)鍵詞，就能夠獲取到與之相應(yīng)的概括及可能危險，還可以看到可能削弱或補強這些概括的相關(guān)事實。這不但提升了分析者獲取概括的效率，而且對分析者的主觀傾向、認知偏差予以有效規(guī)制，最大限度地降低了概括的可能危險，使其獲得盡可能似真的概括。在此方面，已經(jīng)有實務(wù)部門的人員作出了一些有益探索。例如，楊庭秩、鄭慧媛法官對將大數(shù)據(jù)分析引入司法認知(27)雖然司法認知與概括存在差異，但二者都內(nèi)含通過歸納獲得的普遍知識，因此探討大數(shù)據(jù)在司法認知方面的運用與研究大數(shù)據(jù)對概括的效用機制是相通的。進行了理論探討與實證分析，認為大數(shù)據(jù)能夠?qū)Ａ繑?shù)據(jù)分析和預(yù)測，為眾所周知的事實及規(guī)律、定理的判斷提供了可能，具有優(yōu)化法官認知能力、使法官的心證顯現(xiàn)化的價值，有助于解決實務(wù)中“當認不認”以及“過度認知”的問題。并提出由官方機構(gòu)主導(dǎo)，建立與司法審判系統(tǒng)聯(lián)網(wǎng)的“大數(shù)據(jù)庫”的設(shè)想。(28)參見楊庭秩、鄭慧媛：《從經(jīng)驗依賴到程序規(guī)制——大數(shù)據(jù)分析在司法認知中的運用探索》，載賀榮主編：《深化司法改革與行政審判實踐研究》，人民法院出版社2017年版，第673—680頁。

三、大數(shù)據(jù)技術(shù)在證據(jù)評價中的功能分析

在完成證據(jù)分析之后，只有當案件證據(jù)能夠?qū)λ胤缸锔黜棙?gòu)成事實形成完整的推論鏈條之時，才會進入證據(jù)評價環(huán)節(jié)。這一環(huán)節(jié)主要包括兩方面內(nèi)容：對單個證據(jù)證明力的評價和對全案證據(jù)整體論證強度的判斷。大數(shù)據(jù)技術(shù)在證據(jù)評價環(huán)節(jié)，能夠有效消解證明力概率評價進路的潛在風險，促進證據(jù)標準的數(shù)據(jù)化構(gòu)建與證明標準評價智能化。

(一)消解證明力概率評價進路之潛在風險

對單個證據(jù)證明力的評價，傳統(tǒng)路徑主要是基于直接、言詞原則，同時依靠邏輯規(guī)則、經(jīng)驗法則作出證明力強弱之判斷。然而，其并沒有給出具體的判斷標準和方法，以至于到現(xiàn)在，對證明力作出準確的評價仍是十分棘手的難題。西方證明科學(xué)領(lǐng)域在此方面的研究成果值得借鑒。經(jīng)過長期的努力摸索，英美學(xué)者發(fā)展出了一種評價單一證據(jù)證明力的有效方法，即基于貝葉斯法則之似然率評價法。(29)貝葉斯法則是一項邏輯法則，由18世紀英國教士貝葉斯發(fā)現(xiàn)，該法則能夠揭示一項新證據(jù)對假設(shè)命題成立與否的可能性有多大。具體計算公式為：先驗優(yōu)勢比×似然率=后驗優(yōu)勢比。先驗優(yōu)勢比表示在沒有該新證據(jù)之前一項假設(shè)命題成立的可能性，后驗優(yōu)勢比表示新證據(jù)出現(xiàn)之后該假設(shè)命題成立的可能性，似然率是指假設(shè)一項命題或主張成立時的概率與假設(shè)該命題或主張不成立時一項證據(jù)存在的概率之比。具體可參見[美]伯納德·羅伯遜、G.A.維尼奧：《證據(jù)解釋——庭審過程中科學(xué)證據(jù)的評價》，王元鳳譯，中國政法大學(xué)出版社2015年版，第20—24頁。通過該方法，能夠?qū)ψC據(jù)之于其所指向的直接命題或主張具有多大的強度或分量作出具體判斷。概率邏輯學(xué)領(lǐng)域的貝葉斯法則建立了一項新證據(jù)出現(xiàn)之后對一種假設(shè)或主張發(fā)生的可能性之影響的關(guān)系。證據(jù)的證明力就隱含于這種關(guān)系，羅伯遜和維尼奧從證據(jù)的相關(guān)程度出發(fā)，認為可用似然率的具體數(shù)值來反映科學(xué)證據(jù)的證明力的大小。(30)同注，羅伯遜等書，第28—29頁。似然比是統(tǒng)計學(xué)上的術(shù)語，原本指同一個推測在兩種不同的限定條件下出現(xiàn)的概率之比。(31)參見王元鳳：《論統(tǒng)計學(xué)在科學(xué)證據(jù)報告中的運用》，載《證據(jù)科學(xué)》2016年第4期，第511頁。將其引入證據(jù)學(xué)領(lǐng)域則是指同一個證據(jù)支持某一假設(shè)與另一假設(shè)的概率之比值，其值可通過統(tǒng)計學(xué)或者其他科學(xué)方法具體確定。因此，似然比可以作為證據(jù)分量之具體評價指標。有學(xué)者根據(jù)似然率的范圍將證明力劃分為五個等級：弱、一般、較強、強有力、非常強。(32)同注，羅伯遜等書，第75頁。只要獲取似然率的值，就能夠得出證明力所處的等級。此外，似然率方法還允許我們在運用改良版威格摩爾圖示法進行證據(jù)分析時合并證據(jù)證明力，如此將使更多有價值的證據(jù)信息進入邏輯推理過程之中。

然而，基于貝葉斯法則之似然比評價法存在一個致命問題，即對信息的掌握不完全，繼而導(dǎo)致似然率的分母和分子以及先驗優(yōu)勢比只能依靠分析者(法庭科學(xué)家或者某一領(lǐng)域?qū)＜?主觀賦值。這也是所有試圖概率化庭審事實認定者遇到的最大難題。舉例而言，在一起入室殺人案中，兇手打碎被害人窗戶玻璃進入臥室將其殺害。案發(fā)后，警方逮捕了一名嫌疑人，從他的身上發(fā)現(xiàn)了與被害人窗戶玻璃具有相同折射率的玻璃碎屑。要證明該玻璃碎屑就是被害人窗戶上的玻璃的可能性有多大，首先需要我們作出以下假設(shè)：

H1=是犯罪嫌疑人打碎了玻璃窗。

H2=是其他人打碎了玻璃窗。

E=從犯罪嫌疑人身上提取的玻璃碎屑與案件現(xiàn)場破碎玻璃窗的玻璃一致。

與此同時，還需要設(shè)定其他一些假設(shè)：

C=從犯罪嫌疑人身上可以找到一種玻璃碎屑。

F=一片玻璃碎屑與一扇窗戶上的玻璃折射率一致。

G=從犯罪嫌疑人所穿的衣服上提取到一種因為其他原因附著的玻璃碎屑。

T=犯罪分子的身上有一種附著于其衣物表面的玻璃碎屑。

用P(E|H1)表示犯罪嫌疑人打碎玻璃窗戶時從犯罪嫌疑人身上提取的玻璃碎屑與案件現(xiàn)場破碎玻璃窗的玻璃一致的概率，P(T|H1)表示犯罪嫌疑人打碎玻璃窗戶時其身上有一種附著于其衣物表面的玻璃碎屑的概率，P(G|H1)表示犯罪嫌疑人打碎玻璃窗戶時其身上附著特殊折射率玻璃碎屑的概率，P(E|H2)表示其他人打碎玻璃窗時從犯罪嫌疑人身上提取的玻璃碎屑與案件現(xiàn)場破碎玻璃窗的玻璃一致的概率，P(C|H2)表示普通人身上附著玻璃碎屑的概率，P(F|H2)表示普通人身上附著特殊折射率玻璃碎屑的概率。用Y表示似然率，則它們之間的關(guān)系為：

Y=P(E|H1)/ P(E|H2)

=[ P(T|H1)× P(G|H1)]/ [P(C|H2)×P(F|H2)]

除了P(G|H1)的值為1之外(因為確實在嫌疑人身上提取到與被害人窗戶玻璃折射率相同的玻璃碎屑)，式中的每一項都需要根據(jù)案件具體信息對其主觀賦值，比如：倘若犯罪嫌疑人打碎被害人窗戶并從該窗戶進入被害人臥室，那么其身上附著有玻璃碎屑的概率很高，因此可為P(T|H1)賦值0.95(這是一個主觀值)；如果知道在案發(fā)國具有被害人窗戶上這種折射率的玻璃所占比例，則可對P(F|H2)賦值，假設(shè)具有該種折射率的玻璃在案發(fā)國的占比約等于4%，則P(F|H2)的值為0.04；至于 P(C|H2) 的值，可根據(jù)統(tǒng)計法獲得，即對一定范圍內(nèi)的普通人身上是否附著有玻璃碎屑進行調(diào)查，所選取的范圍不同，獲得的調(diào)查結(jié)果必然存在差異。在此假設(shè)P(C|H2)的值為0.5，則：

Y=(1×0.95)/(0.5×0.04)=47.5

顯而易見，這是一個相當繁復(fù)的過程。大數(shù)據(jù)技術(shù)可對似然比的計算進行優(yōu)化。首先，諸如玻璃折射率占比這樣的數(shù)據(jù)可通過大數(shù)據(jù)技術(shù)直接從互聯(lián)網(wǎng)提取，類似現(xiàn)成的數(shù)據(jù)庫有纖維數(shù)據(jù)庫、人類基因庫、血型數(shù)據(jù)庫、指紋數(shù)據(jù)庫、槍械彈痕數(shù)據(jù)庫等。運用大數(shù)據(jù)技術(shù)還可以通過對裁判文書的海量信息進行提取，識別和判斷在庭審中哪些信息需要基于數(shù)據(jù)庫獲取，并在此基礎(chǔ)上建立系統(tǒng)的知識庫。此后一旦需要用到其中某些信息，即可從通過該知識庫直接進行關(guān)聯(lián)性推送(知識圖譜)或檢索。其次，類似于普通人身上附著有玻璃碎屑的概率這樣的統(tǒng)計調(diào)查數(shù)據(jù)，也可借助大數(shù)據(jù)技術(shù)獲取而無須耗費大量時間和精力去實際統(tǒng)計。當然，其前提是有人之前就已經(jīng)做過類似統(tǒng)計并共享于網(wǎng)絡(luò)。最后，大數(shù)據(jù)技術(shù)使人類對現(xiàn)實世界信息的全量式掌握成為可能，有助于消解分析者(法庭工作者或?qū)＜?對許多事項發(fā)生概率賦值的主觀性因素。主觀性緣于人類的局限性、知識掌握不全面或信息獲取的不完整，基于海量數(shù)據(jù)的獲取、存儲、運算、分析及整理的大數(shù)據(jù)技術(shù)正好針對性地進行了彌補和解決。

此外，將數(shù)字化概率運用于審判還存在其他風險。數(shù)字化概率運用于審判的實質(zhì)是“標準的概率邏輯是否應(yīng)該與司法事實認定相一致”，圍繞該問題產(chǎn)生的激烈爭論，在西方自20世紀70年代以來愈演愈烈，目前仍在持續(xù)。(33)同注⑨，第329—333頁；參見[美]羅杰·帕克、邁克爾·薩克斯：《證據(jù)法學(xué)反思：跨學(xué)科視角的轉(zhuǎn)型》，吳洪淇譯，中國政法大學(xué)出版社2015年版，第68—84頁。自帕斯卡提出將概率演算作為歸納推論的規(guī)則系統(tǒng)的數(shù)學(xué)結(jié)構(gòu)之后，似乎就存在一種流行假定：不僅科學(xué)證據(jù)而且法律證據(jù)都應(yīng)該建立在用概率演算表達的推理規(guī)則基礎(chǔ)之上。但是，科恩已經(jīng)表明，如果根據(jù)可能性的數(shù)學(xué)演算來分析英美法庭中的證明，那么所產(chǎn)生的異常和悖論將是非常多和非常嚴重的。(34)同注，第112頁。特賴布教授列舉出反對任何數(shù)字化概率運用于審判過程的三個主要理由：

其一，從交流角度說，只要法官和陪審團成員可被假定為不精通數(shù)學(xué)，他們就不應(yīng)當用自己無法理解的語言接受信息；其二，數(shù)學(xué)論證很可能過于具有誘導(dǎo)性或產(chǎn)生偏見，因為，那些貌似“硬”的量化變數(shù)，非常容易排擠那些“軟”的非量化變數(shù)；其三，在諸如給無辜者定罪風險之可接受水平等問題上，對特定事務(wù)的量化，在政治上是不適當?shù)摹?35)同注⑨，第332頁。

然而，隨著大數(shù)據(jù)技術(shù)的出現(xiàn)，將數(shù)字化概率應(yīng)用于庭審事實認定的上述風險和弊端極有可能在不同程度上得到消解。以似然比方法對科學(xué)證據(jù)的證明力評價為例，首先，如前所述，大數(shù)據(jù)使獲取用于計算科學(xué)證據(jù)似然比的相關(guān)完全信息成為可能。大數(shù)據(jù)分析避免主觀概率的初始賦值行為，對全量數(shù)據(jù)進行分析而非抽樣分析，以一種全量歸納邏輯形式對事件進行客觀描述。(36)參見周蔚：《大數(shù)據(jù)在事實認定中的作用機制分析》，載《中國政法大學(xué)學(xué)報》2015年第6期，第80頁。其次，大數(shù)據(jù)在一定程度上消除了傳統(tǒng)司法事實認定與標準化概率之間的不一致性。大數(shù)據(jù)本身是關(guān)于數(shù)據(jù)量化分析的技術(shù)，其出現(xiàn)已經(jīng)在實質(zhì)上改變了傳統(tǒng)人文社會科學(xué)的思維方式和知識體系，愈來愈多的傳統(tǒng)上非數(shù)字化的思維和概念正在向數(shù)字化方向轉(zhuǎn)變，現(xiàn)代社會的生活方式即為明證。無形中，人們已經(jīng)逐漸對數(shù)字化習(xí)以為常，甚至“言必談數(shù)”。在此背景下，司法事實認定者對數(shù)字化概率的認知與理解將會越來越趨于熟識，而不再像以往一樣將其視為“異己之物”。

(二)實現(xiàn)證據(jù)標準的數(shù)據(jù)化構(gòu)建與自動校檢

對于全案證據(jù)的整體論證強度評價，屬于證明標準是否達成的判斷問題。不過，在進行證明標準評價之前，需要對證據(jù)標準是否具備予以審查。所謂證據(jù)標準，是指對于允許進入審判的案件而言，其證據(jù)需要具備證據(jù)能力且滿足各項構(gòu)成要件事實對要件證據(jù)及其必要附屬證據(jù)的最低要求——相應(yīng)要件證據(jù)和附屬證據(jù)對各項要件事實的支持已經(jīng)能夠形成完整推論鏈條。(37)參見熊曉彪：《刑事證據(jù)標準與證明標準之異同》，載《法學(xué)研究》2019年第4期，第201頁。證據(jù)標準是證明標準的下位概念，(38)參見董坤：《證據(jù)標準：內(nèi)涵重釋與路徑展望》，載《當代法學(xué)》2020年第1期，第113頁。屬于證明標準的第一項評價事項，只有當其已經(jīng)達成之后，才能進行證明標準其他事項的評價。在此方面，大數(shù)據(jù)技術(shù)能夠促進證據(jù)標準的數(shù)據(jù)化與自動校檢。

對于證據(jù)標準的審查判斷，大數(shù)據(jù)技術(shù)首先能夠有效實現(xiàn)類案證據(jù)標準的模塊化構(gòu)建。有學(xué)者從理論層面對類罪證據(jù)收集指引進行總結(jié)、歸納、分析與提煉，得出證據(jù)分布具有如下規(guī)律性：其一，不同犯罪構(gòu)成要件之下，個罪案件中的證據(jù)分布存在較大差異；其二，同一犯罪構(gòu)成要件之下，個罪案件中的證據(jù)分布呈現(xiàn)規(guī)律性的特點。(39)參見馮俊偉：《刑事證據(jù)分布理論及其運用》，載《法學(xué)研究》2019年第4期，第177—189頁。在此基礎(chǔ)上，結(jié)合證明的內(nèi)部結(jié)構(gòu)可以得出關(guān)于證據(jù)標準的要件事實完整推論鏈條圖示(見圖2)：

圖2 要件事實完整推論鏈條示意

例如，貴州省高級人民法院引入專業(yè)大數(shù)據(jù)分析團隊，對全省三級人民法院歷年辦理的大量同類案件的證據(jù)進行分析，提煉出故意殺人、故意傷害案件，搶劫、搶奪、盜竊案件，以及毒品案件這三大類常見多發(fā)案件應(yīng)當收集的證據(jù)種類與形式，取證、固定、保存的方式以及相關(guān)過程證據(jù)等。(40)參見2016年貴州省高院、省檢察院、公安廳聯(lián)合發(fā)布的《刑事案件基本證據(jù)要求》(黔高法〔2016〕47號)。上海市高級人民法院則根據(jù)本地區(qū)常見多發(fā)、重大、新類型刑事案件的歷年辦案經(jīng)驗，分別成立了命案組、盜竊罪組、電信網(wǎng)絡(luò)詐騙類組以及非法吸收公眾存款組，專門對近5年辦理過的四種類型案件具體證據(jù)進行提取，然后按照八種法定證據(jù)種類進行歸類，并明確各種證據(jù)的收集程序、形式要件、內(nèi)容要素和不可采情形，最后形成《命案基本證據(jù)標準(試行)》《盜竊案件基本證據(jù)標準(試行)》《非法集資案件基本證據(jù)標準(試行)》和《電信網(wǎng)絡(luò)詐騙案件基本證據(jù)標準(試行)》。

上述類案證據(jù)標準的建模過程基本上都是借助大數(shù)據(jù)技術(shù)實現(xiàn)的。令人遺憾的是，它們都沒有看到證據(jù)標準的內(nèi)在功能與要件事實完整推論鏈條，因此最后得出的模型淪為對定案證據(jù)在數(shù)量、種類與形式上的機械列舉。未來，應(yīng)在充分運用大數(shù)據(jù)技術(shù)對已結(jié)案件進行海量數(shù)據(jù)提取與處理的基礎(chǔ)上，結(jié)合證據(jù)標準的要件事實完整推論鏈條圖示，制定出更加符合案件準入門檻也更為精煉的層次性類案證據(jù)標準模型。

此外，大數(shù)據(jù)技術(shù)還能夠?qū)崿F(xiàn)證據(jù)標準的自動校檢。一般而言，無論是偵查機關(guān)、檢察機關(guān)還是法院，如要審查案件的相關(guān)證據(jù)是否達到標準，只能通過人工對案件信息進行提煉，然后再與相應(yīng)案件證據(jù)標準進行逐一比對。這是一個十分煩瑣且容易產(chǎn)生紕漏的過程?；诖髷?shù)據(jù)技術(shù)建立的證據(jù)標準自動校檢系統(tǒng)能夠有效解決這些問題。通過大數(shù)據(jù)技術(shù)提煉出各項犯罪的基本證據(jù)要素，將這些要素予以數(shù)據(jù)化建模后，嵌入公、檢、法三機關(guān)的共享網(wǎng)絡(luò)，一個智能化的證據(jù)標準自動校檢系統(tǒng)由此生成。在訴訟的任意階段，司法機關(guān)相關(guān)工作人員只需將其所辦理的案件信息輸入這個系統(tǒng)，該系統(tǒng)就能夠自動識別、判斷該案件是否已滿足相應(yīng)證據(jù)標準。如已滿足，則允許進入下一環(huán)節(jié)并將案件信息傳遞給下一個司法機關(guān)；如未滿足，則反饋缺失內(nèi)容并提醒當前辦案人員繼續(xù)進行完善。

在此方面，貴州省司法系統(tǒng)率先作出了積極探索。其運用大數(shù)據(jù)技術(shù)對歷年刑事案件進行統(tǒng)計分析，提煉出要素化、結(jié)構(gòu)化的證據(jù)標準指引，在此基礎(chǔ)上建立了嵌入證據(jù)標準指引的政法大數(shù)據(jù)辦案系統(tǒng)。該系統(tǒng)覆蓋從提請批準逮捕、偵查、審查起訴，到審判的各項訴訟環(huán)節(jié)。對于關(guān)鍵要素或證據(jù)缺失的案件，計算機控制其不能進入下一個辦案環(huán)節(jié)。該系統(tǒng)能夠有效提高辦案效率，規(guī)范辦案流程，最大限度地減少錯捕、錯訴和錯判案件的發(fā)生。例如，2017年1月，嵌入證據(jù)標準指引模塊的政法大數(shù)據(jù)辦案系統(tǒng)在貴陽市花溪區(qū)正式運行，后推廣運用到白云區(qū)和市級公檢法辦案單位。在短短4個月的時間里，貴陽全市通過該系統(tǒng)辦理案件427起，辦理的刑事案件因證據(jù)不足退回補偵率僅為2.3%，同比下降25.7%；因證據(jù)不足不批準逮捕率同比下降28.8%；同類案件辦理時間同比縮短30%。(41)參見湯瑜、劉國彬：《體制創(chuàng)新與科技創(chuàng)新深度融合：大數(shù)據(jù)成貴州訴訟制度改革“加速器”》，載《民主與法制時報》2017年7月16日，第6版。

(三)推動證明標準朝著智能化評價邁進

案件符合證據(jù)標準的具體要求之后，就可以進行證明標準評價以確信所控案件事實是否為真。證明標準是指在訴訟活動中承擔證明責任的一方對案件事實的證明必須達到的程度或要求。(42)參見龍宗智：《我國刑事訴訟的證明標準》，載《法學(xué)研究》1999年第6期，第119頁。長期以來，我國刑事訴訟一直以“案件事實清楚，證據(jù)確實、充分”作為證明標準。然而，究竟何謂“證據(jù)確實、充分”，其具體尺度是什么，卻沒人能夠說清楚，由此導(dǎo)致了該標準在司法實踐中的適用十分混亂。為此，全國人大于2012年對刑事訴訟法進行再修訂，對此問題專門做了進一步細化，在第53條首次引入“排除合理懷疑”來解釋“證據(jù)確實、充分”，并作為其判斷要素。值得注意的是，“排除合理懷疑”作為英美法系刑事證明標準，無論是在理論界定還是實際適用中都存在諸多問題。一方面，其自身定義模糊且缺乏可操作性，至今沒有一個界定清晰、令人信服的規(guī)范表述，法院也傾向于要求法官不向陪審團解釋“排除合理懷疑”以免誤導(dǎo)。(43)參見[美]拉里·勞丹：《錯案的哲學(xué)：刑事訴訟認識論》，李昌盛譯，北京大學(xué)出版社2015年版，第35—55頁；陳永生：《排除合理懷疑及其面臨的挑戰(zhàn)》，載《中國法學(xué)》2003年第2期，第150—159頁。另一方面，與“排除合理懷疑”相適應(yīng)的確信程度難以具體確定，即使找到這樣一個百分比，也沒有測量的儀器，對其適用只能依靠陪審團的主觀判斷。因此在英美法系國家，實際是通過“陪審團一致決”或“多數(shù)決”制度對其予以取代和規(guī)避。(44)參見[美]約書亞·德雷斯勒、艾倫·C. 邁克爾斯：《美國刑事訴訟法精解》(第2卷·刑事審判)，魏曉娜譯，北京大學(xué)出版社2009年版，第270—277頁；[美]弗洛伊德·菲尼、[德]約阿希姆·赫爾曼、岳禮玲：《一個案例，兩種制度——美德刑事司法比較》，郭志媛譯，中國法制出版社2006年版，第137—157頁。由此觀之，“排除合理懷疑”的引入并沒有進一步解決我國刑事證明標準所面臨的困境。

證明標準具象化一直以來都是十分棘手的問題。有學(xué)者將證明標準劃分為三個層次，認為具象化證明標準屬于第三層次的標準，而且是最有實用價值但也是最難制定的證明標準。(45)參見何家弘：《司法證明與烏托邦——答劉金友兼與張衛(wèi)平、王敏遠商榷》，載《法學(xué)研究》2004年第6期，第104頁。在此基礎(chǔ)上，有學(xué)者提出第三層次證明標準包括兩方面內(nèi)容：證明結(jié)構(gòu)內(nèi)部層面的要件事實證成標準與案件整體層面的總體論證強度標準。整體層面的論證強度標準及評價機制可通過最佳解釋推論進行構(gòu)建；而證明結(jié)構(gòu)內(nèi)部層面的要件事實證成標準，則可基于從證據(jù)到要件事實的融貫性推理獲得。(46)同注，第196頁。對于第三層次證明標準的判斷，具體涉及單項證據(jù)的可信性和相關(guān)性程度(概括和證明力)評價、證據(jù)整體論證強度(證明標準)的把握等事項。在此過程中，大數(shù)據(jù)技術(shù)不僅能夠使法官通過社會知識庫更加快捷、全面地檢索、獲取到相應(yīng)的概括以對相關(guān)性程度予以有效評估，而且還使得基于人工智能技術(shù)研發(fā)的機器人法官進行證明標準評價的深度學(xué)習(xí)與訓(xùn)練成為可能。

2016年，隨著AlphaGo戰(zhàn)勝人類圍棋冠軍，人工智能迅速升溫，在資本市場的強勢推動下，以深度學(xué)習(xí)為主要特征的新一代人工智能成功賦能傳統(tǒng)產(chǎn)業(yè)，并帶來深刻變革。在此背景下，以智能輔助辦案系統(tǒng)為代表的司法人工智能開始出現(xiàn)，并朝著“機器人法官”或“智能裁判”的方向邁進。人工智能要實現(xiàn)像人類法官那樣的事實認定，主要面臨以下難題：一是在證據(jù)分析、社會知識庫建構(gòu)與概括選擇方面陷入困難。(47)參見張保生：《人工智能法律系統(tǒng)：兩個難題和一個悖論》，載《上海師范大學(xué)學(xué)報》2018年第6期，第28—34頁。如前所述，大數(shù)據(jù)技術(shù)在證據(jù)分析環(huán)節(jié)的適用，基本能夠?qū)@些問題予以有效解決。二是機器如何建立與表達信念，即如何根據(jù)庭審證據(jù)和雙方當事人的主張而確信所控犯罪事實為真。(48)參見栗崢：《人工智能與事實認定》，載《法學(xué)研究》2020年第1期，第126—132頁。這就涉及證明標準能否進行智能化評價問題。長期以來，機器被認為只是在機械地執(zhí)行某個動作或指令，不可能像人類那樣進行開放式交流互動，也無法擁有人類的情感與心智。然而，隨著“深度學(xué)習(xí)”(deep learning)尤其是“卷積神經(jīng)網(wǎng)絡(luò)技術(shù)”(CNN)和“深層信念網(wǎng)絡(luò)”(DBN)的出現(xiàn)，賦予了機器近似人類的學(xué)習(xí)思維能力。

深度學(xué)習(xí)是人工智能發(fā)展的新領(lǐng)域，其目的在于建立可以模擬人腦進行分析學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)，形成復(fù)雜算法和優(yōu)勢算法，以實現(xiàn)機器對新知識的獲取和運用。簡言之，就是通過機器學(xué)習(xí)算法，使其有能力從已有的大量數(shù)據(jù)信息中獲取潛在的特征和規(guī)律，以對新事物進行智能識別、分析與決策。(49)Itamar Arel, Derek Rose, Thomas P. Karnowski, “Deep Machine Learning—A New Frontier in Artificial Intelligence Research”, 5 Computational Intelligence Magazine 13 (2010), pp. 13—18.目前，深度學(xué)習(xí)已經(jīng)在圖像分類、語音和人臉識別、自然語言處理等方面得到廣泛應(yīng)用，(50)參見周飛燕、金林鵬、董軍：《卷積神經(jīng)網(wǎng)絡(luò)研究綜述》，載《計算機學(xué)報》2017年第7期，第11—15頁。并在此基礎(chǔ)上發(fā)展了自動駕駛、智能聊天機器人、循證醫(yī)學(xué)機器人以及智能下棋機器人(如AlphaGo)等項目。不過，機器進行深度學(xué)習(xí)需要具備一個前提條件，即海量的數(shù)據(jù)訓(xùn)練。深度學(xué)習(xí)的實質(zhì)，就是通過構(gòu)建具有多層次的深度結(jié)構(gòu)模型(人工神經(jīng)網(wǎng)絡(luò)，典型如CNN、DBN)進行相關(guān)海量數(shù)據(jù)訓(xùn)練學(xué)習(xí)，以此獲得更多有價值的完整特征知識。大數(shù)據(jù)的出現(xiàn)，提供了適用更加復(fù)雜模型來更加有效地表征數(shù)據(jù)、解釋數(shù)據(jù)的機會，(51)參見陳學(xué)旗、靳小龍、王元卓等：《大數(shù)據(jù)系統(tǒng)和分析技術(shù)綜述》，載《軟件學(xué)報》2014年第5期，第1897頁。與人工規(guī)則構(gòu)造特征的方法相比，利用大數(shù)據(jù)來學(xué)習(xí)特征，更能夠刻畫數(shù)據(jù)的豐富內(nèi)在信息。(52)參見余凱、賈磊、陳雨強等：《深度學(xué)習(xí)的昨天、今天和明天》，載《計算機發(fā)展研究》2013年第9期，第1801頁。

有鑒于此，通過構(gòu)建具有深度神經(jīng)網(wǎng)絡(luò)(DNN)的人工智能，對其進行與庭審事實認定(尤其是審判評議過程)有關(guān)的大數(shù)據(jù)訓(xùn)練，即可推動證明標準朝著智能化評價的方向邁進?；谝延泻Ａ颗袥Q文書形成的大數(shù)據(jù)，作為證明標準評價的豐富樣本提供給人工智能進行深度學(xué)習(xí)，使其在不斷的學(xué)習(xí)訓(xùn)練中習(xí)得關(guān)于證明標準評價的系列知識——如證據(jù)如何采信，案件證據(jù)對要件事實的證明達到何種程度方可作出肯定性認定，案件事實滿足哪些具體要求才能形成確信等。這些事項并非人工規(guī)則預(yù)先構(gòu)造，而是機器通過對相關(guān)大數(shù)據(jù)的深度學(xué)習(xí)逐漸獲取而形成的復(fù)雜算法，以此實現(xiàn)對人類法官進行證明標準評價過程的有效模擬。

AlphaGo的運行原理也是如此，谷歌的工程師并沒有預(yù)先編制如何贏棋的具體算法，而是搭建深度神經(jīng)網(wǎng)絡(luò)賦予其深度學(xué)習(xí)能力，隨后將人類過去對弈棋譜形成的大數(shù)據(jù)作為訓(xùn)練樣本，讓它通過不斷學(xué)習(xí)逐漸掌握贏棋的技能。裁判文書大數(shù)據(jù)及其相關(guān)技術(shù)的出現(xiàn)，使得機器通過深度學(xué)習(xí)對人類法官進行證明標準評價過程的完整特征刻畫與模擬成為可能。2016年，由倫敦大學(xué)學(xué)院、謝菲爾德大學(xué)和賓夕法尼亞大學(xué)的科學(xué)家聯(lián)合研發(fā)的深度學(xué)習(xí)人工智能程序，對歐洲人權(quán)法院584個已決案件進行分析，結(jié)果顯示機器作出的裁決與人類法官相同的案件數(shù)量達到了79%。(53)同注，第26頁。隨著人工智能程序通過深度學(xué)習(xí)不斷進化，相信在不久的未來能夠?qū)崿F(xiàn)更加準確的裁決。

結(jié) 語

自2016年以來，我國地方各級法院先后投入“借助大數(shù)據(jù)、人工智能等新興技術(shù)促進審判智能化決策”的探索研發(fā)之中?！爸腔鄯ㄔ骸苯ㄔO(shè)不斷獲得深化發(fā)展，昭示著事實認定數(shù)據(jù)化轉(zhuǎn)型的時代浪潮已經(jīng)到來。作為審判階段的核心所在，事實認定長期以來面臨許多技術(shù)性難題，而傳統(tǒng)理論方法在證據(jù)分析和證據(jù)評價方面又裹足不前，難以為新興技術(shù)的引入適用提供空間?；谧C明科學(xué)發(fā)展形成的改良版威格摩爾圖示法，不僅是一種融貫的證據(jù)分析工具，而且迎合了新時代所具有的發(fā)展特征，卻因其適用的復(fù)雜性與高門檻而難以在司法實踐中落地和推廣。大數(shù)據(jù)技術(shù)的引入，能夠與改良版威格摩爾圖示法進行有效融合，有助于要件事實(分類)數(shù)據(jù)庫和社會知識庫的構(gòu)建、促進關(guān)鍵事項表的高效配置，從而實現(xiàn)證據(jù)分析的技術(shù)化轉(zhuǎn)型。此外，在證據(jù)評價環(huán)節(jié)，大數(shù)據(jù)技術(shù)不僅能夠有效消解證明力概率評價進路的潛在風險，實現(xiàn)證據(jù)標準的數(shù)據(jù)化構(gòu)建與自動校檢，而且還推動了證明標準朝著智能化評價的方向邁進。不過，現(xiàn)階段仍面臨許多問題與挑戰(zhàn)，例如大數(shù)據(jù)的全量性問題、基于裁判文書形成的大數(shù)據(jù)能否真實反映事實認定過程與裁判者的思維機制，以及機器是否可以在開放式庭審中實現(xiàn)與訴訟參與人的有效交流和價值判斷等事項，仍需在未來繼續(xù)探索鉆研。對于事實認定的數(shù)據(jù)化轉(zhuǎn)型而言，大數(shù)據(jù)技術(shù)的引入僅僅是一個開端。