張曉華

（中南財經(jīng)政法大學，湖北 武漢 430070）

大數(shù)據(jù)偵查模式在形成之初就樹立從被動向主動、從經(jīng)驗向標準化轉(zhuǎn)型的遠景目標。近年來隨著人工智能技術(shù)的爆發(fā)式增長，數(shù)據(jù)、算法和算力都有了深度積累與廣泛運用。這也為大數(shù)據(jù)偵查實踐的多維度拓展提供了契機。在刑事司法中，大數(shù)據(jù)偵查不僅可以形成大數(shù)據(jù)證據(jù)、大數(shù)據(jù)監(jiān)控、大數(shù)據(jù)并案等針對已然犯罪的偵查策略，亦可以在預(yù)判未來犯罪上發(fā)揮積極作用。由此，在數(shù)智時代，大數(shù)據(jù)偵查衍生出了由算法支撐的預(yù)測性偵查分支。

一、算法主導：預(yù)測性偵查的興起

（一）算法對預(yù)測性偵查的助力

在算法大規(guī)模運用之前，警察的數(shù)據(jù)分析能力有限，大多集中在對犯罪已經(jīng)發(fā)生后的因果關(guān)系型數(shù)據(jù)分析上，“偵查程序的啟動以犯罪行為已經(jīng)實施乃至后果已經(jīng)發(fā)生為前提，即犯罪行為是偵查行為的動因，犯罪行為和偵查行為之間存在著時序上的先后關(guān)系，偵查機關(guān)不主動發(fā)現(xiàn)犯罪線索或者采取誘惑偵查措施，是一種針對犯罪已經(jīng)發(fā)生情況的偵查啟動方式”［1］。雖然偵查權(quán)從本源上從屬于國家的刑事追訴活動，并以保障訴訟的順利進行作為核心目標，但這并不意味著偵查權(quán)的啟動只能滯后于犯罪行為。隨著風險社會的到來，被動式偵查機制在面臨諸如網(wǎng)絡(luò)犯罪、有組織犯罪、恐怖主義犯罪時無法達到預(yù)期的犯罪治理效果，恐怖主義所奉行的無差別襲擊而造成的巨大政治社會影響是快速反應(yīng)機制所不能消弭的，電信詐騙所帶來的高額經(jīng)濟損失亦是被動反應(yīng)機制所無法填補的被害黑洞。而有組織犯罪天然所具備的非對稱偵查格局，亦會使被動反應(yīng)機制付出巨大的司法成本，并對社會穩(wěn)定產(chǎn)生系統(tǒng)性破壞。這都意味著被動反應(yīng)機制在應(yīng)對風險社會時的乏力。從國家治理體系現(xiàn)代化的角度來看，偵查權(quán)的功用不僅在于事后追訴，更應(yīng)當肩負風險預(yù)測與監(jiān)控的職責。“偵查權(quán)可優(yōu)先察覺到新的犯罪風險源，并以個案為依據(jù)，抽取風險源的特征、分布情況等表象特征，進而傳遞給治安職能部門，以尋求進一步治理。”［2］

另一方面，以大數(shù)據(jù)、人工智能為基礎(chǔ)的智慧時代又為偵查權(quán)的這一轉(zhuǎn)型提供了技術(shù)積累與平臺基礎(chǔ)。在技術(shù)維度上，算法更新了偵查情報分析的思維與界面。除了傳統(tǒng)的“目標驅(qū)動型數(shù)據(jù)挖掘”和“比對驅(qū)動型數(shù)據(jù)挖掘”［3］，算法在相關(guān)性層面可以拓展到“犯罪風險增加的地點和時間”“未來有犯罪風險的個人”，創(chuàng)建“準確匹配可能的罪犯與特定過去犯罪的人的檔案”，或識別有成為犯罪受害者風險的群體或個人［4］。算法的規(guī)格化在平臺維度上，除了公安自建金盾大數(shù)據(jù)平臺外，社會運行所形成的大數(shù)據(jù)正在商業(yè)平臺、政府平臺和社會組織上進行集中儲存，其分析主體除了公安機關(guān)，其他具有“數(shù)字看門人”角色和承擔公共責任的數(shù)字平臺經(jīng)營者亦能在一定范圍內(nèi)依靠算法來建立合規(guī)性內(nèi)控機制，并與公安機關(guān)構(gòu)建犯罪防控聯(lián)動機制［5］。正是在這樣的條件下，以預(yù)測和感知未來犯罪為目標的預(yù)測性偵查日漸勃興?！胺缸镱A(yù)測的手段和方式更加智能化，各種可視化技術(shù)和機器學習算法被運用到犯罪預(yù)測中，從而為犯罪預(yù)防帶來了非常重要的新機遇?！保?］

（二）預(yù)測性算法的運用場景

1.對犯罪人的預(yù)測

立案偵查是偵查機關(guān)常用的偵查手段，其策略通常是在獲取一定線索的情況下，暫不立案，而是將特定人員納入偵查經(jīng)營的對象，通過監(jiān)控其行為活動，得出對“案件黑箱”內(nèi)部情況的推理［7］。由于立線偵查可以具有一定的秘密性質(zhì)，可以避免打草驚蛇，亦可以靈活掌握偵查戰(zhàn)機，因而在毒品犯罪調(diào)查中較為常用。傳統(tǒng)的立線偵查以人力貼靠為主，效率低且存在一定風險。如今則可以通過數(shù)據(jù)手段來監(jiān)控、分析經(jīng)營對象的行蹤、生活數(shù)據(jù)，例如通過語料庫的積累可以對網(wǎng)絡(luò)聊天中出現(xiàn)的毒品犯罪隱語進行預(yù)警，從而將聊天雙方納入偵查經(jīng)營的對象。此外，毒品犯罪中毒品異地交易可能還存在交通工具選擇上的特殊性，①例如銀川市公安局利用嫌疑人去云南乘坐飛機，而返回時開車的交通大數(shù)據(jù)，預(yù)測嫌疑人可能去交易毒品，并通過3年的線索經(jīng)營，完整地獲取了嫌疑人的毒品犯罪網(wǎng)絡(luò)。詳見央視網(wǎng).銀川公安利用經(jīng)營近3年“死線索”破販毒大案［EB/OL］.（2019-06-12）.http://news.cctv.com/2019/06/12/ARTIzlEibvzOVDLYYJmoh3qi190612.shtm,2021-12-28.亦可以通過交通大數(shù)據(jù)的分析，預(yù)測其潛在的毒品交易行為。

2.對異常行為的預(yù)測

在無被害人的案件中，由于缺乏控告人的直接揭發(fā)，犯罪行為較為隱蔽，并由此形成犯罪黑數(shù)的治理難題。然而在大數(shù)據(jù)留痕的原理下，犯罪行為的形成過程就是一個數(shù)據(jù)痕跡生成過程，犯罪行為的預(yù)備、實施以及犯罪后的反偵查行為都會通過數(shù)據(jù)群的異動而為偵查人員所捕捉。這種對異動數(shù)據(jù)的算法分析可以突破傳統(tǒng)的公安行業(yè)情報分析范疇，通過更大范圍的社會大數(shù)據(jù)比對來預(yù)測異常行為。例如廈門公安機關(guān)通過醫(yī)保大數(shù)據(jù)的開藥量、就診醫(yī)院以及就診人數(shù)的關(guān)聯(lián)性分析，成功預(yù)測一起特大吸食、售賣曲馬多毒品案件。②案件詳情參見吳迪.吃藥吃上癮，虛開麻醉藥［N］.廈門日報，2020-01-11（A9）.而個人大數(shù)據(jù)的異常現(xiàn)象還可以廣泛運用于傳銷、虛開增值稅發(fā)票等犯罪行為的預(yù)測中。③簡單地分析如通過短途頻繁上下車的行為，可以預(yù)測有盜竊行為發(fā)生。同一個人帶不同人員進入同一個小區(qū)，且只進不出，可以預(yù)測有傳銷行為發(fā)生。

3.對犯罪地點的預(yù)測

在系列案件的偵查中，對下一次作案地點的預(yù)測亦有數(shù)據(jù)上的支撐，在系列殺人案件中，通過并案偵查后，可以綜合已獲得案件信息的結(jié)構(gòu)化數(shù)據(jù)，在算法的支持下可以展示出犯罪嫌疑人可能的居住范圍，并提示后續(xù)可能出現(xiàn)的作案地點［8］。而犯罪地理畫像結(jié)合大數(shù)據(jù)已經(jīng)揭示出城市步行街“兩搶一盜”案發(fā)次數(shù)與犯罪嫌疑人居住概率之間的關(guān)系存在空間異質(zhì)性，這可以進一步縮小嫌疑人的查找范圍［9］。

4.對被害風險的預(yù)測

在刑事案件的結(jié)構(gòu)中，不僅通過犯罪人可以推進偵查線索的發(fā)掘，被害人及其被害風險亦可以成為案件預(yù)測的關(guān)鍵節(jié)點。在諸如電信詐騙案件當中，由于犯罪人長居國外，組織嚴密且分散化，對犯罪人的預(yù)測難度較高。但由于電信詐騙存在固定的犯罪規(guī)律與模式，通過對侵害行為的特征歸納，可以反推被害風險的強弱。而當前在反電詐機制中，公安機關(guān)已經(jīng)通過多種大數(shù)據(jù)平臺，聯(lián)合電信部門、網(wǎng)絡(luò)平臺對通訊位置、通訊形式以及通訊時長進行篩選分析，預(yù)測是否存在詐騙行為，并提前加以干預(yù)。

二、算法風險：預(yù)測性偵查的法治挑戰(zhàn)

隨著算法在社會經(jīng)濟生活中的嵌入，算法帶來的風險亦在不同層面得到展現(xiàn)，無論是算法價格歧視還是算法隱私侵犯都引起了公眾的廣泛關(guān)注。在刑事司法領(lǐng)域，預(yù)測性偵查同樣也有犯錯的可能，這既包括算法在設(shè)計時可能產(chǎn)生的錯誤風險，也包括偵查機關(guān)不當使用算法造成的公正風險以及執(zhí)法責任上的倫理風險。

（一）算法設(shè)計缺陷的風險

算法作為一種運算工具，在設(shè)計時既要結(jié)合使用者的需求，又要堅持自身的計算理性，在面對更為復(fù)雜的犯罪治理與偵查場景時，兩者的結(jié)合可能力有不逮，進而在產(chǎn)品開發(fā)階段就存在天然缺陷。第一，所要預(yù)測的犯罪問題可能無法被算法準確定義。算法的一個重要優(yōu)勢是將現(xiàn)實中大量而復(fù)雜的問題以結(jié)構(gòu)化的數(shù)據(jù)類型和特定的運算邏輯加以定義和處理。然而犯罪問題未必能被轉(zhuǎn)化成為結(jié)構(gòu)化的數(shù)據(jù)。這是由于犯罪問題不僅在法律上會形成看似相近但歸責評價差異較大的情況，也會在行為規(guī)律上產(chǎn)生多因一果的情形。如盜竊和搶劫都是一種侵財類犯罪，可能都會有逗留、踩點、尾隨等行為特征。這會導致算法在定義問題時，將兩者混為一談。再比如尋釁滋事和故意傷害可能會互相競合，但其犯罪規(guī)律和空間分布有著較大差異，如果算法設(shè)計者不能明確兩者在行為模式上的差異，僅僅根據(jù)起訴罪名來判定問題，很顯然就不能正確反映治安局勢。而美國預(yù)測性警務(wù)中就出現(xiàn)了證券委員會使用的金融犯罪預(yù)測模型竟然和警察所使用的街面犯罪預(yù)測模型完全一致的情形［10］。第二，數(shù)據(jù)歸類的偏差。算法是以訓練數(shù)據(jù)和測試數(shù)據(jù)為基礎(chǔ)的，每一種機器學習方法都有一套獨特的數(shù)據(jù)參照系。在預(yù)測性偵查中，諸如高危人群（例如吸毒的人更容易實施財產(chǎn)犯罪）等人群標簽就是一個簡單的數(shù)據(jù)歸類。然而算法訓練所需要的數(shù)據(jù)集更為多樣化，數(shù)據(jù)歸類也不局限于高危人群，在涉及更復(fù)雜的相關(guān)性時，如果偵查機關(guān)不能深刻地理解犯罪因素之間的偶然性和必然性，只是從數(shù)據(jù)標簽的直觀性、便利性和可理解性出發(fā)，則這種特征的歸納就蘊含了潛在的歧視風險，例如常見的種族、社區(qū)、性別、年齡都是一種標簽化的反映，這種分類并非經(jīng)過嚴格的犯罪學知識檢驗，而僅僅是因為它是便于警察理解和運用的。一旦這樣的數(shù)據(jù)歸類被用于算法訓練，則極容易產(chǎn)生歧視性算法。第三，算法訓練時的不充分。算法成熟與否取決于算法訓練是否充分、全面。預(yù)測性偵查中的算法同樣需要進行機器學習才能形成特定的預(yù)測邏輯。這意味著算法訓練需要全面、客觀地吸收歷史執(zhí)法數(shù)據(jù)。而當前算法產(chǎn)品多由市場企業(yè)加以開發(fā)，通過政府采購的方式加以引進。我國公安機關(guān)在智慧警務(wù)的建設(shè)過程中亦通過社會化的方式與相關(guān)企業(yè)共同開發(fā)算法工具。①例如2021年廣西南寧市公安局、深圳市騰訊計算機系統(tǒng)有限公司、華為技術(shù)有限公司、中國移動通信集團廣西有限公司、中國電信股份有限公司廣西分公司的代表參加了戰(zhàn)略合作框架協(xié)議簽約儀式。這種社會化的算法設(shè)計方式在訓練過程中對數(shù)據(jù)的吸收可能遭遇壁壘。一方面，出于數(shù)據(jù)安全上的考慮，公安機關(guān)可能不會提供全面性的執(zhí)法數(shù)據(jù)；另一方面，出于警務(wù)工作的秘密，公安機關(guān)無法按照算法訓練的需求提供各類型的代表性執(zhí)法數(shù)據(jù)。這意味著算法訓練無法保證其充分性和可靠性。這可能會導致算法產(chǎn)品本身就具有運算缺陷。

（二）算法使用時的風險

1.算法篡權(quán)

算法在預(yù)測性偵查中的角色絕非只是傳統(tǒng)的科技輔助設(shè)備。傳統(tǒng)的情報分析雖然有計算機系統(tǒng)的輔助決策，但其分析過程仍然依靠偵查人員的個人經(jīng)驗和隱性知識，對分析結(jié)果的可解釋性也較強。但算法對犯罪是否發(fā)生的預(yù)測以及是否需要進一步查證都需要人機互動才能加以完整判斷，且算法的運算過程極為隱蔽和技術(shù)化，可視化和可解釋化程度都較低。這意味著偵查程序的重要節(jié)點已經(jīng)不完全由警察自己來決策和控制，算法正在不斷嵌入到警察的決策結(jié)構(gòu)中?！耙坏﹩⒂盟惴Q策，其決策能力全然依賴于系統(tǒng)開發(fā)者的設(shè)計構(gòu)建與系統(tǒng)自身的機器學習?！保?1］這使得算法不再是警察工作中的客體，而成了警察的“戰(zhàn)術(shù)伙伴”。而警察在程序節(jié)點上的決策權(quán)被部分讓渡給了算法。這種決策結(jié)構(gòu)的變化可能會對正當程序產(chǎn)生挑戰(zhàn)。雖然我國刑事訴訟法限制了偵查機關(guān)在立案以后才能采取強制措施，但預(yù)測性偵查仍然會形塑出“犯罪嫌疑人”。而為了避免偵查權(quán)的濫用，各國都會對犯罪嫌疑規(guī)定警察心證上的門檻。如在美國法上，截停和盤查需要有合理懷疑，搜查則需要有相當?shù)睦碛伞Ｎ覈缎淌略V訟法》雖沒有證明門檻的具體表述，但犯罪嫌疑仍然需要基于個案的事實、時空和罪名要件而加以判斷［12］。這種基于個案的個別化決策方式，可以保證該偵查決策“具體問題具體分析”，即根據(jù)案件中的具體線索按照因果關(guān)系邏輯來判斷每個公民的行為舉止的合理性，而不是建立在諸如刻板印象、有罪偏見之上。然而由于預(yù)測性算法是建立在機器學習的基礎(chǔ)之上，這意味著人類無法和算法同步學習、共享知識，也就不能準確及時地在決策過程中發(fā)現(xiàn)偏見之所在。由于天生的透明度不夠，專業(yè)壁壘強，算法其與個案之間的決策邏輯可能無法為普通偵查人員所理解，警察在未進行個別化調(diào)查的情況下，算法即已給出了犯罪“嫌疑”的程度大小，使得正當程序中的個別化決策方式被算法的批量化決策所遮蔽，嫌疑人的認定條件將變得極為寬泛。

2.算法權(quán)能認識的偏差

按照法律保留原則的精神，偵查強制措施必須要由立法予以明確授權(quán)，尤其是涉及基本權(quán)利干預(yù)構(gòu)成要件的事項還需要接受絕對法律保留原則的檢驗。正是法律保留原則維持了基本權(quán)利的雙重屬性，從而起到規(guī)制偵查強制措施的規(guī)范功用。同傳統(tǒng)的物理強制力不同，在進入大數(shù)據(jù)時代后，以隱私權(quán)和個人信息權(quán)為核心的新型基本權(quán)利正在不斷拓展偵查強制措施的評判標準，預(yù)測性算法在數(shù)據(jù)分析的過程中，既會針對不同的數(shù)據(jù)類型，也會使用到不同的計算方式。就前者而言，預(yù)測性算法不僅會對一般的執(zhí)法數(shù)據(jù)和檔案進行分析，也會對涉?zhèn)€人住宿記錄、交通數(shù)據(jù)甚至是通訊情況進行數(shù)據(jù)比對和挖掘，這直接涉及到對個人信息的干預(yù)。就后者而言，隨著算法、算力的精進，即使公開的數(shù)據(jù)也可以被統(tǒng)合分析，從而計算出個人隱私的種種面相。算法的這一特性對我國偵查程序產(chǎn)生了挑戰(zhàn)：一方面，我國刑事訴訟法堅持以立案來作為偵查強制措施適用的前置程序，立案前的初查不能適用強制措施；另一方面，算法所具備的權(quán)利干預(yù)性已經(jīng)顯現(xiàn)，如果偵查機關(guān)仍然將算法視為一種內(nèi)部的情報工作，不從權(quán)能上加以辨識，則預(yù)測性偵查會逐漸將立案程序架空，不僅會使不破不立的現(xiàn)象回潮，還會涉嫌觸犯初查不得使用強制措施的規(guī)定，并帶來初查權(quán)力秩序的混亂。

現(xiàn)代大數(shù)據(jù)警務(wù)的發(fā)展趨勢就是數(shù)據(jù)、平臺的高度集中化：在橫向上，所有警種的數(shù)據(jù)資源都向情報中心匯集，借由公安大數(shù)據(jù)平臺統(tǒng)一加以分析研判；在縱向上則形成了較為清晰的收集—儲存—研判—執(zhí)行的四級架構(gòu)?；鶎泳瘎?wù)單位主要負責數(shù)據(jù)的收集;中層警務(wù)單位則主要對數(shù)據(jù)進行匯總、儲存、清晰、溯源等數(shù)據(jù)保真性工作;而高階警務(wù)單位則以對數(shù)據(jù)的分析研判為主，并將分析研判得出的犯罪線索交由基層警務(wù)單位去查證。在這樣的架構(gòu)下，大數(shù)據(jù)警務(wù)進一步強化了警察組織的多層化特征，并由此形成了在數(shù)據(jù)流轉(zhuǎn)環(huán)節(jié)的分工體系。隨著預(yù)測性算法的發(fā)力，偵查活動的時間點逐漸前移，通過強大的運算能力，將原本依賴警察個體經(jīng)驗而啟動的偵查感知能力，變成了基于人、行為、時空而進行的普遍性社會監(jiān)控活動，就算法的運算潛力而言，只要數(shù)據(jù)量足夠多、數(shù)據(jù)類型足夠豐富，預(yù)測性算法可以衍生到所有的犯罪類型，其效能、效度與效益亦是傳統(tǒng)警察個人經(jīng)驗所不能比擬的。這意味著在算法警務(wù)中，算法的高階研判人員與算法科技成為機制核心，一線偵查人員逐漸變成了“數(shù)據(jù)的搬運工”和“算法結(jié)論的執(zhí)行者”。這可能會導致警察忽視偵查活動的其他社會價值，而將社會公眾視為潛在的數(shù)據(jù)供給者，社會公眾成為了偵查活動的手段。更為重要的是，由于預(yù)測性算法具有時空上的無限延展性，如果警察不加以節(jié)制地進行預(yù)測，則預(yù)測性偵查將會邁向預(yù)測性管治，從而超出偵查權(quán)的功能邊界，社會有陷入福柯所描述的“全景敞視監(jiān)控”的風險。

（三）執(zhí)法責任的分散化困境

傳統(tǒng)偵查程序中警察憑借其職業(yè)經(jīng)驗進行決策，決策的結(jié)果也由其個人承擔，決策的自主性較高，執(zhí)法責任的審查主要考慮個人決策的合理性、合法性以及是否有上級命令。但在預(yù)測性偵查中，由于警察決策模式發(fā)生變化，參與主體多樣化以及算法流程的復(fù)雜化，執(zhí)法責任被稀釋，造成了審查上的困難。

1.預(yù)測性算法對偵查決策的制約作用

一旦引入預(yù)測性算法，警察在偵查中的決策流程就會發(fā)生結(jié)構(gòu)性變化。首先，預(yù)測性算法由于表面上有計算理性的加持，其穩(wěn)定性要強于純粹的警察的職業(yè)經(jīng)驗。一線警察面臨著不確定的決策環(huán)境，在信息不充分的情況下，警察采取的行動通常都是有限理性下的決策，充滿了執(zhí)法安全和法律上的風險，而規(guī)避風險是警察決策時重要的心理機制，尤其考慮到我國壓力型體制下嚴苛的錯案責任追究機制，在出現(xiàn)警察個體經(jīng)驗判斷與算法指引不一致的情況下，警察將會依據(jù)算法采取行動，以防止事后以違背算法指令來進行追責。除此之外，警察為了提高工作效率，也會放棄傳統(tǒng)的人力型調(diào)查模式而依賴算法提供的批量情報，采取更有侵略性的偵查手段來提升對犯罪的探查。而對執(zhí)法績效指標比較敏感的警政機關(guān)不僅會鼓勵警察依據(jù)算法決策，也會將對算法結(jié)果的執(zhí)行程度視為警察工作的積極性評價要素。

2.預(yù)測性偵查流程的復(fù)雜化

正如上文所述，預(yù)測性偵查要想大規(guī)模實施，就需要算法和數(shù)據(jù)在偵查運轉(zhuǎn)機制的各個環(huán)節(jié)都得到深度運用，敏銳的信息感知與分析體系、網(wǎng)格化的高效信息作戰(zhàn)體系、全范圍的信息服務(wù)體系、信息轉(zhuǎn)化與加工體系等要素是必不可少的配套機制［13］。如果說預(yù)測性算法的自動化得益于信息技術(shù)的精進，那么預(yù)測性算法的批量化和可持續(xù)化則有賴于偵查機制中各要素的充分參與。在數(shù)據(jù)留存端，社會信息化后的各種數(shù)據(jù)生產(chǎn)者、持有者都成為了偵查的間接參加者。在數(shù)據(jù)輸入端，來源于不同警務(wù)單元的執(zhí)法人員都在成為警務(wù)大數(shù)據(jù)平臺的直接供給者，為算法運行提供基礎(chǔ)性數(shù)據(jù)。在數(shù)據(jù)處理端，高度集成的情報中心正成為警務(wù)的大腦，通過輸出算法結(jié)論來指引具體的執(zhí)法工作。而一些警員則成為算法指引的執(zhí)行者，并將執(zhí)行結(jié)果反饋給情報中心，從而維持算法的運行周期。在這種互相依賴互相影響的警務(wù)流程中，算法只是這種周期循環(huán)的公共產(chǎn)品，這也加劇了算法溯源的困難性。一旦預(yù)測性執(zhí)法出現(xiàn)錯誤或者引發(fā)負面輿論，在追究執(zhí)法責任時很難界定是哪一階段的問題，也就很難具體追究主體責任?！斑@可能會導致問責制上的陷阱，即警察無法理解模型，因此無法推斷出模型中的偏差。換句話說，當完全依賴預(yù)測算法時，就不清楚誰負責決策?！保?4］

3.算法工具供給的市場化

對于待分類的數(shù)據(jù)記錄，計算其和已知數(shù)據(jù)記錄的相似性度量，獲取和待分類記錄中相似度最高的K個記錄，并且按照相似度從大到小的順序降序排列。

除了流程復(fù)雜外，算法工具的特殊性質(zhì)也造就了預(yù)測性警務(wù)主體的多元化。由于當前算法技術(shù)多由市場企業(yè)加以開發(fā)，這意味著預(yù)測性偵查中私主體參與的深度與廣度都不可同日而語。在這樣的格局下，算法的生成與使用不完全由公安機關(guān)掌握，雖然公法上公安機關(guān)可以監(jiān)督私主體的參與，但畢竟技術(shù)問題涉及專家意見、財政經(jīng)費以及更上一層的政府行政指導等，在算法黑箱不能被完全揭開的情形下，一旦因為算法錯誤而出現(xiàn)追責情形，私主體和公安機關(guān)之間如何分配責任，現(xiàn)行立法亦不能給與明確回應(yīng)?！案顚哟蔚囊话阈詥栴}是：算法設(shè)計者責任、算法應(yīng)用開發(fā)者責任、算法用戶責任、算法應(yīng)用平臺責任及監(jiān)管部門的責任應(yīng)當如何合理分配，至今未有清晰的總體原則?！保?5］

三、傳統(tǒng)法律框架的應(yīng)對局限

算法需要規(guī)制，算法可以被規(guī)制已經(jīng)成為學界的共識，然而算法規(guī)制并非專屬于某個部門法，無論是《個人信息保護法》還是《數(shù)據(jù)安全法》都具有強烈的領(lǐng)域法特征，其在規(guī)制路徑上仍然面臨著與具體部門法的對接問題。預(yù)測性偵查中的算法規(guī)制同樣面臨部門法化與場景化的問題，然而當前的偵查規(guī)范體系既存在著規(guī)制空白，也存在規(guī)制上的矛盾。

（一）忽視數(shù)據(jù)分析型職權(quán)

算法的本質(zhì)是一種數(shù)據(jù)分析，無論是德國警察法上的前沿措施還是美國法上圍繞隱私合理期待的判例，均將目光聚焦到逐漸膨脹的數(shù)據(jù)分析型職權(quán)。美國2018年通過卡朋特案繼承了過往的馬賽克理論，確立了數(shù)據(jù)分析對隱私合理期待的決定性影響。德國則在《刑事訴訟法典》98條B和C條款直接規(guī)定了信息排查措施，并在2008年的線上秘密搜索案中，反對警察基于預(yù)防性目的在無犯罪嫌疑人的情況下就大規(guī)模收集和分析個人計算機中的信息［16］。然而我國《刑事訴訟法》中的偵查職權(quán)體系卻滯后于算法時代。一直以來，《刑事訴訟法》中僅有“證據(jù)調(diào)取”和“技術(shù)偵查”的規(guī)定，“證據(jù)調(diào)取”顯然不包括大數(shù)據(jù)的分析，而技術(shù)偵查的內(nèi)涵和范疇又過于概括，在實踐中有被隨意解釋的現(xiàn)象。雖然2016年“兩高一部”①分別為2016年“兩高一部”《辦理刑事案件收集提取和審查判斷電子數(shù)據(jù)若干問題的規(guī)定》和2019年《公安機關(guān)辦理刑事案件電子數(shù)據(jù)取證規(guī)則》。和2019年公安部陸續(xù)出臺了電子數(shù)據(jù)取證的規(guī)范性文件。但其中的重點仍在于數(shù)據(jù)是如何被收集的，而不涉及數(shù)據(jù)如何被分析的。在觀念上，數(shù)據(jù)分析一直被看成是警察機關(guān)的內(nèi)部事務(wù)，是偵查工作的策略、方法而不是法定的偵查措施。所以，立法上的忽略造成了《刑事訴訟法》對算法這種新型技術(shù)的規(guī)制空白。

（二）偵查強制措施啟動要件的寬松

預(yù)測性算法與警察決策的關(guān)系不僅在美國引起了爭議，在我國同樣也需要進行謹慎對待。相比較于美國法上的合理懷疑或者相當理由等層級化門檻設(shè)置，我國《刑事訴訟法》對強制措施啟動門檻規(guī)定得較為粗疏。只要有辦案需要，就可以啟動拘傳。刑事拘留雖然有現(xiàn)行犯的表述，但在重大嫌疑要件上仍然沒有證據(jù)和心證門檻上的體現(xiàn)。②刑事拘留措施中的“犯罪后企圖自殺、逃跑或者在逃的;有毀滅、偽造證據(jù)或者串供可能的;不講真實姓名、住址，身份不明的；有流竄作案、多次作案、結(jié)伙作案重大嫌疑的”在性質(zhì)上類似于社會危險性要件，而不是嫌疑事實的要件。這樣的立法粗疏既不能體現(xiàn)出個別化決策的正當程序要求，亦不能在算法和人工決策之間劃分邊界。此外，預(yù)測性偵查還會借助盤查等方式進行查證犯罪，我國《人民警察法》和《公安機關(guān)辦理行政案件程序規(guī)定》雖然對盤查措施的啟動有犯罪嫌疑上的要求，但什么是犯罪嫌疑，如何確立具體的心證標準，仍未有規(guī)范和判例上的權(quán)威指引?！凹偃鐚τ羞`法犯罪嫌疑缺少解釋，則意味著它是一個沒有確定標準與規(guī)范約束的概念,意味著我們還沒有建立起足以規(guī)范自由裁量權(quán)行使的具體邏輯結(jié)構(gòu)?！保?7］這種立法基礎(chǔ)增加了我國處理算法與警察決策之間關(guān)系的難度。一旦大規(guī)模引入預(yù)測性算法，在決策過程不透明、決策過程無法實質(zhì)審查的情況下，究竟算法有沒有篡權(quán)、算法有沒有濫用，可能更難澄清。

（三）偵查規(guī)范與數(shù)據(jù)規(guī)范的斷聯(lián)

對數(shù)據(jù)安全與個人信息保護的重視已經(jīng)從私法層面擴展至公法層面。2021年出臺的《個人信息保護法》亦對公權(quán)力機關(guān)收集、分析數(shù)據(jù)提出了一般性要求。例如第17條規(guī)定了處理個人信息時應(yīng)當告知個人，但第18條又規(guī)定了免于告知的情形。類似于這種“原則性規(guī)定—例外規(guī)定”的立法結(jié)構(gòu)在《個人信息保護法》中有多處展現(xiàn)，體現(xiàn)了個人信息處理活動合法性的多重結(jié)構(gòu)。除此之外，比例原則在《個人信息保護法》中亦有提及，如第34條規(guī)定了“國家機關(guān)為履行法定職責處理個人信息，不得超出履行法定職責所必需的范圍和限度?！痹诔绦蛏?，第24條則規(guī)定了通過自動化決策方式作出對個人權(quán)益有重大影響的決定，個人有權(quán)要求個人信息處理者予以說明，并有權(quán)拒絕個人信息處理者僅通過自動化決策的方式作出決定。但是《個人信息保護法》畢竟具有強烈的領(lǐng)域法色彩，能否落實個人信息保護的一般性規(guī)則還要取決于部門法的對接情況。然而當前偵查規(guī)范體系并沒有體現(xiàn)個人信息保護取向的條款，首先，《刑事訴訟法》并沒有規(guī)定個人信息大數(shù)據(jù)處理時的告知或者同意規(guī)則。無論是證據(jù)調(diào)取條款還是搜查條款，只是細化了能夠擔保證據(jù)真實性的執(zhí)行程序，對于個人信息本身如何處理，是否需要告知，則語焉不詳。其次，預(yù)測性算法在效用上可以拓展到個人隱私的所有領(lǐng)域，在預(yù)測手段上也可以窮盡一切數(shù)據(jù)。而技術(shù)偵查卻沒有對數(shù)據(jù)分析措施進行分級分類，如果用技術(shù)偵查條款來吸收數(shù)據(jù)算法，則本質(zhì)上仍是一種概括性條款，無法體現(xiàn)出比例原則。最后，個人對其個人信息權(quán)利的救濟也缺乏刑事訴訟法的渠道。由于我國刑事訴訟合憲性審查機制尚不成熟，尤其是對具體偵查行為缺乏有效的司法審查渠道和審查標準，除了涉及證據(jù)真實性而不得作為定案根據(jù)外，非法證據(jù)排除規(guī)則的重點也僅限于言詞證據(jù)，對于預(yù)測性算法是否侵犯了個人信息權(quán)的外在價值判斷，法院缺乏制度空間與積極性。這也導致了《個人信息保護法》的權(quán)利保護機制無法融入刑事訴訟法中。

（四）刑事司法領(lǐng)域算法監(jiān)管機制的缺失

預(yù)測性偵查既是一種算法偵查，也是一種算法警務(wù)。從國家治理的角度來說，更是一種算法行政或者算法司法。因此，算法規(guī)制必須要融入國家對于算法規(guī)制的整體規(guī)劃中。相比于私法領(lǐng)域日趨成熟的算法監(jiān)督機制，刑事司法領(lǐng)域內(nèi)的算法監(jiān)督機制幾近闕如。一方面，雖然網(wǎng)信辦是個人信息保護名義上的專責主體，但囿于其機構(gòu)性質(zhì)與功能定位，其專責范圍被限制在了協(xié)調(diào)統(tǒng)籌的層面，實踐中主要負責政策執(zhí)行的協(xié)調(diào)和數(shù)據(jù)安全技術(shù)、制度的開發(fā)與推行，而監(jiān)管職能、執(zhí)法職能缺乏配套機制建設(shè)。“未來的個人信息保護機構(gòu)究竟是整合相關(guān)職能、獨立設(shè)立的個人信息保護機構(gòu)，還是由現(xiàn)有的機構(gòu)作為個人信息保護機構(gòu)其實并未明確?！保?8］這導致了對于刑事司法領(lǐng)域的算法運用缺少實質(zhì)上的監(jiān)管主體與監(jiān)管機制，“自用自管”的現(xiàn)象比較突出。另一方面，刑事司法領(lǐng)域的算法由于涉及具體的警務(wù)數(shù)據(jù)安全、個人信息隱私以及執(zhí)法安全等因素，不能簡單地類推適用私法領(lǐng)域的算法監(jiān)管機制，比如算法透明、算法解釋等路徑，這也加大了刑事司法領(lǐng)域算法監(jiān)管的難度。

四、預(yù)測性偵查的雙重規(guī)制

如上文所述，預(yù)測性偵查中的算法既有一般性的技術(shù)風險，亦有算法融入偵查職權(quán)中的制度性風險。為此，需要在偵查規(guī)范與算法監(jiān)管的雙重維度下對預(yù)測性算法進行綜合性規(guī)制。

（一）偵查規(guī)范下的算法規(guī)制

鑒于預(yù)測性算法已經(jīng)能夠?qū)窕緳?quán)利產(chǎn)生不同程度的影響，因此，偵查規(guī)范下的算法規(guī)制主要指向權(quán)力與權(quán)利之間的平衡，是對數(shù)據(jù)分析型權(quán)力的回應(yīng)。

1.預(yù)測措施的類型化

算法融入偵查職權(quán)首先是影響了強制偵查措施與任意偵查措施的分類。與傳統(tǒng)的有形力標準不同，算法預(yù)測性措施與新興權(quán)利的興起密切相關(guān)。一方面，以個人信息保護為內(nèi)核的權(quán)力約束不斷膨脹，既拓展了基本權(quán)利干預(yù)的類型，也調(diào)整了偵查強制措施的外延。另一方面，算法延展了數(shù)據(jù)型職權(quán)的內(nèi)涵，不僅數(shù)據(jù)收集可能會存在基本權(quán)利干預(yù)的風險，數(shù)據(jù)分析同樣能達到權(quán)利干預(yù)的效果。這意味著強制措施的判斷標準也逐漸動態(tài)化，需要結(jié)合算法的強度和個案加以具體評判。在2018年卡朋特案中，美國聯(lián)邦最高法院既沒有完全拋棄“第三方披露原則”，又拒絕機械適用披露即無隱私合理期待的機械解釋，轉(zhuǎn)而認為個別的手機基站位置數(shù)據(jù)不具有隱私合理期待，但大規(guī)模的長周期的分析，可能會詳盡還原個人行動軌跡［19］。個人對其行動軌跡是有隱私合理期待的，這就將隱私的判斷標準從過去的數(shù)據(jù)收集階段轉(zhuǎn)移到數(shù)據(jù)分析環(huán)節(jié)。我國偵查規(guī)范也應(yīng)當將概括的“證據(jù)調(diào)取”措施拓展到數(shù)據(jù)分析措施，并將實際上具有監(jiān)控效果與還原效果的深度預(yù)測行為納入強制措施行列。其次，還需要進一步區(qū)分預(yù)測措施中的技術(shù)偵查措施與其他數(shù)據(jù)分析措施。當前偵查規(guī)范中只有技術(shù)偵查措施和網(wǎng)絡(luò)遠程勘驗措施涉及數(shù)據(jù)分析型職權(quán)，但技術(shù)偵查措施顯然過于嚴厲，其啟動門檻也較高。而網(wǎng)絡(luò)遠程勘驗措施又局限于犯罪現(xiàn)場，不能提前到犯罪預(yù)測階段。因此，還需要在技術(shù)偵查之外配置一些相對權(quán)能較弱的數(shù)據(jù)分析措施，通過預(yù)測措施的階梯化來適應(yīng)預(yù)測性偵查的常態(tài)化。

2.算法結(jié)論的有限適用

預(yù)測性偵查中算法的強勢介入與警察個別化決策之間形成了正當程序上的沖突，如果放任算法決策的擴張，則會導致算法篡權(quán)，并加劇算法依賴路徑的形成。因此，盡管預(yù)測性算法具有效能上的助力，但對算法結(jié)論的應(yīng)用仍應(yīng)當有決策上的限制，尤其是算法結(jié)論需要借助強制措施加以查證時，需要有明顯的決策邊界。一方面，當算法結(jié)論指向的是犯罪地點預(yù)測時，算法可以直接啟動強制措施。這主要是由犯罪地點的抽象危害特征所決定。德國警察法曾將犯罪發(fā)生的蓋然性區(qū)分為具體的危害與抽象的危害?！熬唧w危害即符合合理預(yù)測之個案，亦即個案逾越風險而威脅與社會不相應(yīng)之法益，若狀態(tài)或行為為數(shù)眾多，其具有統(tǒng)計上的重要意義而逾越與社會相應(yīng)之風險者，則屬抽象危害?！保?0］抽象危害并不要求精確的空間定位，形成特定區(qū)域與特定危害之間的穩(wěn)定關(guān)聯(lián)即可。而路檢和場所檢查正是因為基于抽象危害而啟動。如德國《標準警察法草案》規(guī)定了在“危害之地或聲名不佳之地”警察可以實施集體盤查［21］。我國臺灣地區(qū)《警察職權(quán)行使法》第6條管制站的設(shè)立以及第10條公共場所監(jiān)控錄影就是基于抽象危害的預(yù)防措施。另一方面，當算法結(jié)論指向的是特定個人的犯罪嫌疑時，則需要人工干預(yù)并達到法律上的心證門檻。雖然就算法程式而言，對人和地點的預(yù)測并沒有本質(zhì)的差別，而對人的預(yù)測則是將危害行為關(guān)聯(lián)到特定人群，本身就存在一種對人的評價與篩選。而在警察法上，對人的懷疑則必須要具體和個別化。例如我國臺灣地區(qū)《警察職權(quán)行使法》第6條明確規(guī)定查證身份需要有“有事實足認為防止其本人或他人生命、身體之具體危害?！泵绹暮侠響岩梢彩且蟆熬俦仨毟鶕?jù)明確的事實，合理地懷疑個人嫌疑人可能參與犯罪，并可能攜帶武器和危險”［22］，而對潛在犯罪人預(yù)測的個別化機制就是要加入對被懷疑對象的具體危害或者嫌疑事實上的論證，而僅僅是抽象的基于算法的特征相關(guān)性并不能形成具體的危害疑慮。在實踐中，算法對犯罪人的預(yù)測可以幫助警察進一步縮小可疑人員的范圍，警察則需要通過人工決策進一步聚焦于那些具有“形跡可疑”的個人，在出現(xiàn)具體的危害疑慮時可以采取強制措施。

3.與《個人信息保護法》的對接

預(yù)測性偵查是一種典型的公權(quán)力處理個人信息的領(lǐng)域。按照個人信息保護法的要求，算法在進行個人信息處理時亦需要遵守比例原則以及履行個人信息保護的一般性程序。就比例原則而言，偵查措施的程序構(gòu)造本來就要考慮“罪有輕重，人有差別，事有緩急”［23］，并實現(xiàn)權(quán)能強弱與程序控制寬嚴的比例化。而個人信息處理的必要性完全可以融入傳統(tǒng)的比例化構(gòu)造中，只需要在原有的理論模型中，將預(yù)測性算法也納入到權(quán)能強弱的評估中。除此之外，為了應(yīng)對《個人信息保護法》中的新興權(quán)利，偵查規(guī)范仍然需要就偵查機關(guān)處理個人信息增加額外的程序要件，不過就個人信息保護的一般性程序而言，由于傳統(tǒng)的偵查程序并沒有樹立諸如知情權(quán)、解釋權(quán)，而《個人信息保護法》亦設(shè)立了許多例外，這就需要結(jié)合算法的內(nèi)容和運用場景進行個案分析。從立法模式上來說，應(yīng)當在《刑事訴訟法》之外就《個人信息保護法》中的個人信息保護例外規(guī)則進行統(tǒng)合性和承接性細化。

（二）算法專門監(jiān)督機制

由于算法和預(yù)測性偵查的高度黏合，僅僅靠偵查規(guī)范還不足以觸及預(yù)測性偵查的所有權(quán)力面相，為了遏制算法本身的技術(shù)風險，以及由此而帶來的問責問題，需要另外搭建算法的專門監(jiān)督機制。

1.建立刑事司法領(lǐng)域的專門算法監(jiān)督機構(gòu)

按照《個人信息保護法》所倡導的公私一體化保護原則，算法監(jiān)督也不能只存在于私法領(lǐng)域，公權(quán)力機關(guān)不僅是算法的監(jiān)督主體，在其處理個人信息時也應(yīng)當成為算法監(jiān)督的對象。而刑事司法領(lǐng)域的算法監(jiān)督因為涉及公權(quán)力機關(guān)之間的關(guān)系以及警務(wù)秘密而又倍顯特殊。當前的網(wǎng)信辦統(tǒng)籌協(xié)調(diào)，各主體自行監(jiān)管的格局既不適應(yīng)我國刑事司法中的專門機關(guān)依法行使職權(quán)原則，①由于偵查權(quán)只能由偵查機關(guān)依法行使，檢察機關(guān)才能監(jiān)督偵查活動，因而網(wǎng)信辦在憲法體制上是不能干預(yù)刑事偵查活動的，而預(yù)測性算法已與偵查活動深度融合，所以網(wǎng)信辦以算法監(jiān)督名義干預(yù)偵查活動，仍有違憲之嫌。也不符合算法監(jiān)督的透明、公正原則。因此，需要在刑事司法領(lǐng)域建立算法監(jiān)督的專責機構(gòu)。從機構(gòu)要素來看，至少需要包括：算法使用與執(zhí)行的角色——公安機關(guān)；專責偵查監(jiān)督機關(guān)——檢察機關(guān)；算法技術(shù)的標準制定與風險監(jiān)測主體——工信部。其組織形態(tài)可以采取合署辦公的形式，成立專門的算法監(jiān)督委員會。從機構(gòu)職責來看，主要集中在兩個方面：一是對預(yù)測性算法進行事前審查和事后評估;二是受理公民關(guān)于預(yù)測性算法異議的投訴或者申訴，并依職權(quán)調(diào)查和核實偵查機關(guān)使用預(yù)測性算法的合法性與合理性。

2.算法引入的事前審查

警務(wù)中的算法是一個極其專業(yè)的行政領(lǐng)域，普通公眾難以理解其計算方式，這天然地降低了預(yù)測性偵查的透明度。但這并不等于免去了警政機關(guān)對算法的解釋義務(wù)。正是因為算法工具的專業(yè)性以及潛在的風險，而警察的執(zhí)法策略與模式又內(nèi)在地包含了“警政組織對社會分化的價值判斷，以及對社會各階層的利益訴求的協(xié)調(diào)過程”［24］。 因此，在引入算法的時候，就需要進行事前的風險審查，其主要內(nèi)容包括：第一，評估預(yù)測性算法的總體目標以及適用場景。預(yù)測性算法針對的目標不同，適用的場景不同，其運算方式、偏差率亦有所不同，其包含的風險自然有所差異。因而在引入預(yù)測性算法時，應(yīng)當評估算法的適用目標是否符合本地治安局勢，是否存在功能過剩的情形。同時，還要進一步評估算法的適用場景，例如區(qū)分以人為目標的算法和以地點為目標的算法,區(qū)分預(yù)測性偵查場景和犯罪預(yù)防場景，其意義在于防止出現(xiàn)算法濫用以及算法不合規(guī)的情形。第二，算法技術(shù)的分級分類。由于算法強度與預(yù)測性偵查的權(quán)能強弱緊密相連，為了便于算法使用者更直觀地進行合法性審查，有必要在算法技術(shù)參數(shù)中標識出算法的效能等級，包括算法收集的數(shù)據(jù)類型、數(shù)據(jù)量、分析深度、分析廣度、分析對象等，從而展現(xiàn)算法權(quán)能的梯級化結(jié)構(gòu)。

為了達到算法事前評估的目的，有必要配套建立算法清單備案制度，即算法開發(fā)者按照技術(shù)參數(shù)和技術(shù)目標結(jié)合上述審查內(nèi)容來申報算法清單。專門算法監(jiān)督主體可以在備案程序通過建立算法試用期、算法同行外審以及算法認證等方式逐步建立算法的技術(shù)準入門檻。

3.算法的事后評估

即使有算法工具的事前審查，仍然不足以保證預(yù)測性警務(wù)能夠兼顧形式正義和實質(zhì)正義。由于預(yù)測性警務(wù)是個持續(xù)性的數(shù)據(jù)輸入—算法計算—算法輸出—執(zhí)法適用的循環(huán)系統(tǒng)，對預(yù)測性警務(wù)的實時監(jiān)督顯然不切實際，那么對算法使用的事后評估則必不可少。同傳統(tǒng)的行政行為審查不同，對于算法使用的評估并不是以形式合法性為標準，而是包含了準確性、公正性以及反歧視意圖的價值保護系統(tǒng)。因此，對算法使用的事后評估需要引入新的機制和方法。一方面，要豐富和增加警察執(zhí)法的數(shù)據(jù)留痕。大數(shù)據(jù)時代不僅拓寬了公民個人信息留痕的渠道，也便利了警察執(zhí)法的數(shù)據(jù)留痕。警察每一次利用預(yù)測性算法進行執(zhí)法的數(shù)據(jù)都應(yīng)當保留，其數(shù)據(jù)類型至少包括預(yù)測性算法的指令類型、指令內(nèi)容、警察是否適用、適用對象、查證結(jié)果、后續(xù)的處置措施等，豐富的執(zhí)法數(shù)據(jù)可以為后續(xù)的評估打下基礎(chǔ)。例如美國從1964年開始，紐約警察局要求警察在標準表格上記錄截停盤查的數(shù)據(jù)。進入2000年以來，美國44個最大的警察部門約有23個要求警察收集每次攔截搜身的具體數(shù)據(jù)。2008年，紐約州法官命令紐約警方公開其關(guān)于盤查的電子數(shù)據(jù)庫，以回應(yīng)紐約公民自由聯(lián)盟提起的訴訟，但全國范圍內(nèi)的盤查執(zhí)法數(shù)據(jù)庫尚未建立［25］205-207。而我國集中統(tǒng)一的警務(wù)大數(shù)據(jù)的平臺完全可以記錄警察執(zhí)法的操作流程，這也包括了預(yù)測性警務(wù)的實施。另一方面，有了執(zhí)法數(shù)據(jù)的記錄，還需要專門方法來評估預(yù)測性算法。預(yù)測性算法是否產(chǎn)生了歧視性效應(yīng)僅從個案觀察很難得出結(jié)論，所以對預(yù)測性警務(wù)的長期觀察，并找到適合的評估方法就顯得尤為重要。美國一些學者在Floyd V. New York案的基礎(chǔ)上發(fā)展出了“SHR”方法，即所謂截停命中率分析模型，即通過算法結(jié)論、截停理由、截停后的逮捕率三者之間的轉(zhuǎn)化關(guān)系來分析預(yù)測性算法的準確性［25］188-189。這些探索都值得我們借鑒，尤其是在預(yù)測性偵查的問責上，這種事后評估，不需要區(qū)分是算法運行的哪一階段出了問題，而是通過執(zhí)法終端的偏差來及時發(fā)現(xiàn)和糾正算法缺陷，從而將算法運行機制和預(yù)測性偵查機制看成是一個執(zhí)法整體，預(yù)測性偵查的整體責任。