黃秋雨

引言

國務院發(fā)布的《新一代人工智能發(fā)展規(guī)劃》設(shè)定了2020 年至2035 年的人工智能發(fā)展目標，其認為人工智能將帶來社會發(fā)展新機遇，人工智能在司法服務等領(lǐng)域的廣泛應用，將極大提高公共服務精準化水平。[1]參見國務院：《國務院關(guān)于印發(fā)新一代人工智能發(fā)展規(guī)劃的通知》，載《中華人民共和國國務院公報》2017年第22 期，第7-21 頁。最高人民法院在2022 年發(fā)布了《關(guān)于規(guī)范和加強人工智能司法應用的意見》，繼續(xù)推動人工智能同司法工作深度融合。[2]參見最高人民法院：《關(guān)于規(guī)范和加強人工智能司法應用的意見》，載《人民法院報》2022 年12 月10 日，第4 版。在刑事司法領(lǐng)域垂直人工智能的高速發(fā)展下，“人工智能入侵刑事司法”的論斷見諸報端。人工智能會對刑事司法領(lǐng)域進行革命性的改造，這將對世界范圍內(nèi)的法律職業(yè)共同體造成重大影響。身處不同法系的法律職業(yè)共同體對待人工智能的態(tài)度各有不同，或仍熱情積極地以人工智能技術(shù)改造原有法律工作方式，或已發(fā)現(xiàn)人工智能的運用存在倫理困境、技術(shù)偏倚的問題而轉(zhuǎn)向?qū)徤鲗Υ?。[3]有學者歸納了人工智能研究和規(guī)制的三種模式，分別是發(fā)展優(yōu)位的中國模式、嚴格監(jiān)管的歐盟模式和漸進規(guī)制的美國模式。參見李訓虎：《刑事司法人工智能的包容性規(guī)制》，載《中國社會科學》2021 年第2 期，第43 頁。

既有學術(shù)研究更關(guān)注法官的人工智能化，對人工智能替代法官裁判的可能路徑、潛在風險等進行了詳細研究，形成了“人工智能難以取代法官但能輔助裁判”的基本共識。[4]有關(guān)法官人工智能化的研究參見吳習彧：《裁判人工智能化的實踐需求及其中國式任務》，載《東方法學》2018 年第2 期，第110-117 頁；左衛(wèi)民：《AI 法官的時代會到來嗎——基于中外司法人工智能的對比與展望》，載《政法論壇》2021 年第5 期，第3-13 頁；雷磊：《司法人工智能能否實現(xiàn)司法公正?》，載《政法論叢》2022 年第4 期，第72-82 頁。既有研究并不關(guān)注辯護律師人工智能化的可能性，這也導致學界更側(cè)重從宏觀層面進行研究，還未關(guān)注到在辯護律師的證據(jù)推理環(huán)節(jié)應用人工智能的問題。[5]研究辯護律師人工智能化的研究較少，代表性的研究更傾向從人工智能對律師行業(yè)產(chǎn)生的影響角度切入并進行宏觀論述，可參見李奮飛、朱夢妮：《大數(shù)據(jù)時代的智慧辯護》，載《浙江工商大學學報》2018 年第3 期，第22-33 頁；楊立民：《律師職業(yè)人工智能化的限度及其影響》，載《深圳大學學報(人文社會科學版)》2018 年第2期，第82-90 頁。在刑事訴訟所對應的法律職業(yè)共同體中，辯護律師在公控審方擁有強大人工智能技術(shù)之時卻缺乏相應的抗衡能力，其應以人工智能融合辯護作為未來發(fā)展目標。

我國學者最早于1995 年研究了西方法學中的法律推理，[6]參見王鴻貌：《論當代西方法學中的法律推理》，載《法律科學（西北政法學院學報）》1995 年第5 期，第92-96 頁。不久之后就有學者開創(chuàng)性地將人工智能結(jié)合法律推理進行了研究，初步闡釋了人工智能模擬法律解釋、適用啟發(fā)性程序以及自然語言模擬會遇到的困難。[7]參見張保生：《人工智能法律系統(tǒng)的法理學思考》，載《法學評論》2001 年第5 期，第11-21 頁。相較于法律推理，證據(jù)推理引起法學界重視的時間較晚。不過，證據(jù)推理在計算機領(lǐng)域首次出現(xiàn)后，法學界很快也開始在研究法律推理的過程中發(fā)現(xiàn)了證據(jù)推理的重要性，[8]參見雷小政：《刑事訴訟法律推理的方法論基礎(chǔ)》，載《中國刑事法雜志》2008 年第5 期，第58-65 頁。學者后續(xù)也強調(diào)了司法證明中證據(jù)推理的重要性、證據(jù)推理模式的轉(zhuǎn)型以及證據(jù)推理中的價值判斷，[9]參見封利強：《司法證明機理：一個亟待開拓的研究領(lǐng)域》，載《法學研究》2012 年第2 期，第143-162頁；陳林林：《證據(jù)推理中的價值判斷》，載《浙江社會科學》2019 年第8 期，第48-54 頁。新近研究則將邏輯學、概率學等知識同人工智能的證據(jù)推理相結(jié)合，對推理的方法和困境進行了初步探究。[10]參見杜文靜：《法律證據(jù)事實的邏輯方法探析》，載《邏輯學研究》2022 年第1 期，第65-81 頁；杜文靜：《法律證據(jù)推理的人工智能建模路徑》，載《山東社會科學》2021 年第5 期，第166-174 頁；熊曉彪：《概率推理：實現(xiàn)審判智能決策的結(jié)構(gòu)化進路》，載《中外法學》2022 年第5 期，第1278-1298 頁。

在法律推理的重心逐漸轉(zhuǎn)向證據(jù)推理的過程中，辯護律師所進行的證據(jù)推理將是實現(xiàn)有效辯護的關(guān)鍵?？剞q失衡的問題不一定要靠科技解決，但科技的發(fā)展和應用確實能夠補充律師的法律智慧，幫助其更好地生成辯護策略。[11]參見邱昭繼：《人工智能、法律解析與未來法律實踐》，載《政法論叢》2022 年第4 期，第83-93 頁。將人工智能運用于辯護律師的證據(jù)推理具備一定的可能性，同時也面臨著挑戰(zhàn)。由此，本文將反思人工智能之于辯護工作的意義，思考如何實現(xiàn)辯護律師證據(jù)推理的人工智能化，輔助提升刑事辯護的力量，使辯護律師更加有效地維護犯罪嫌疑人、被告人之利益，為人工智能融入刑事司法治理提供理論支持和技術(shù)供給，助推刑事訴訟現(xiàn)代化進程中辯護權(quán)的轉(zhuǎn)型升級，更好地實現(xiàn)并維護好科技司法時代下的數(shù)字正義。

一、問題的提出

法律推理可分為事實認定與法律適用兩個階段，有關(guān)法律推理的研究卷帙浩繁，其中法律適用階段得到了更多的關(guān)注，而事實認定尤其是其中的證據(jù)推理卻未引起足夠的重視。[12]參見[英]威廉·特文寧：《證據(jù)：跨學科的科目》，王進喜譯，載何家弘主編：《證據(jù)學論壇》（第13 卷），法律出版社2007 年版，第277 頁。另見張保生：《法律推理的理論與方法》，中國政法大學出版社2000 年版，第169頁。事實認定不等于證據(jù)推理，事實認定由證據(jù)調(diào)查、證據(jù)推理和證據(jù)決策構(gòu)成，此為2022 年5 月24 日張保生教授于西藏民族大學“比較法視野下的訴訟與證據(jù)”系列講座所作的“證據(jù)分析的進路”主題發(fā)言中提出的觀點。同時，針對證據(jù)推理的研究缺乏對推理主體的考察，辯護律師作為推理主體的研究更是鮮少有人問津。在刑事訴訟中，辯護律師往往比事實認定者更早接觸到證據(jù)，更主動地根據(jù)既有證據(jù)建構(gòu)出有利于被告方的案件理論（the theory of the case）[13]案件理論是指案件中各請求方當事人所講述的案情版本，通常是一個具體的事件版本，包含實體法所要求的要件。由于持方和立場的不同，在刑事案件中可分為控方理論和辯方理論。See Andrew Palmer,Proof and the Preparation of Trials, Law Book Co.,2003，Ch.5.，更為直接地參與事實調(diào)查及辯論環(huán)節(jié)。律師在對抗式庭審中堪稱證據(jù)推理的主角，而在我國的抗辯式訴訟構(gòu)造下，情況則有所變化。刑事訴訟制度變革意圖基本有賴于立法者理性建構(gòu)的假設(shè)前提，立法者意圖實現(xiàn)“以審判為中心”“庭審實質(zhì)化”以及“控辯平等”，并希望立法思路的理想主義情懷彌漫至刑事司法實踐中，但是其美好理想并未成為現(xiàn)實。[14]參見郭松：《試點改革與刑事訴訟制度發(fā)展》，法律出版社2018 年版，第31 頁。另見左衛(wèi)民：《刑事訴訟中的“人”：一種主體性研究》，載《中國法學》2021 年第5 期，第91 頁。在應然狀態(tài)下，法官與檢察官對被告有利及不利的事項應予以同等注意，在實然層面，這一同等注意義務往往無法得到履行，法官與檢察官更關(guān)注對被告不利的事項。[15]有學者將法官同檢察官的合作超過其應有的限度而致使雙方的獨立地位趨向統(tǒng)一的情況概括為“盟友效應”（Schulterschlusseffekt）.Vgl.Bernd Schünemann,Wohin treibt der deutsche Strafprozess?,Zeitschrift für die gesamte Strafrechtswissenschaft 114 (2002),S.1-62 ff.辯護人的功能由此顯現(xiàn)，即促使國家機關(guān)對有利于被告的方面實踐其應然義務，并努力動搖國家機關(guān)所掌握的不利于被告之事項，以保證無罪推定原則在個案中的實現(xiàn)。[16]參見林鈺雄：《刑事訴訟法》（上冊），新學林出版股份有限公司2017 年版，第211 頁。中國刑事訴訟活動的實然狀態(tài)反映出抗衡國家機關(guān)的辯護力量往往處于缺位或弱勢狀態(tài)，辯護律師往往在證據(jù)推理中難以發(fā)揮其應有的作用，或是無加辨別地刻板重復“請求法院從輕或減輕被告人刑罰”以及“案件事實清楚、證據(jù)確實充分”的辯護詞，忽略有利于被告人的證據(jù)，[17]曾有律師在一年內(nèi)承接了30 余起死刑法律援助案件，在這30 余起案件中，該律師的辯護意見具有同質(zhì)化的特點，“事實清楚，證據(jù)確實充分，定性準確，量刑適當，建議維持原判”的辯護意見大量充斥于其所承辦的死刑案件中。在相當數(shù)量的死刑案件中，辯護人對于關(guān)鍵但基礎(chǔ)的證據(jù)問題均未予以合理注意。參見朱明勇律師于2020年4 月1 日小包公法律大講壇《死刑的有效辯護系列：破解生死的密碼——從會見開始》上的發(fā)言。無法很好地構(gòu)建辯方的案件理論，抑或是無法對控方案件理論作出精準的對抗性回應。與此同時，在法檢工作充分迎合大數(shù)據(jù)和人工智能時代的發(fā)展潮流，開始不斷在審判工作、檢察工作中應用新技術(shù)時，犯罪嫌疑人、被告人的辯護權(quán)仍停滯在原來并不平等的起跑線上，并由此導致刑事訴訟構(gòu)造中控辯關(guān)系的進一步失衡。

人工智能初涉法律場域之時，非專業(yè)的法律人士往往只能基于感性認識對“人工智能好還是不好”作出單純的站邊回應，而無法深入問題核心。[18]參見[美]梅拉妮·米歇爾：《AI3.0：思考人類的指南》，王飛躍等譯，四川科學技術(shù)出版社2021 年版，序。而隨著人工智能研究全面鋪開，在刑事司法領(lǐng)域揭開人工智能神秘面紗之時，在逐步彌合法律和科技之間的信息鴻溝之時，人工智能應用場景下的細節(jié)得到了進一步探索。在人工智能時代下的刑事訴訟中，我國人工智能的應用可分為智能輔助決策應用系統(tǒng)、智能輔助支持系統(tǒng)、案件管理應用系統(tǒng)以及訴訟服務應用系統(tǒng)這四個系統(tǒng)，而這些應用大部分仍處于“弱人工智能應用”階段，還未深入證據(jù)推理的核心。在刑事司法場域人工智能新一輪革命蓄勢待發(fā)之時，我們應該再將目光轉(zhuǎn)回刑事訴訟中的證據(jù)推理，關(guān)注證據(jù)推理中的主體性因素。通過深度學習、大數(shù)據(jù)和算法計算，人工智能能夠復原特定領(lǐng)域下的人類理性，并由于設(shè)計者、使用者的角色分化，推理主體的社會性被傳導至機器之中，人工智能能否實現(xiàn)辯護律師的證據(jù)推理？相較于人類辯護律師的證據(jù)推理，人工智能進行證據(jù)推理會有哪些優(yōu)勢，又面臨哪些困境？其應如何對困境作出回應，從而實現(xiàn)辯護律師證據(jù)推理環(huán)節(jié)的人工智能化？證據(jù)推理人工智能化會帶來哪些風險，我們又應如何面對？本文將嘗試對以上問題進行探索和回應。

二、人工智能輔助辯護律師進行證據(jù)推理的可能性

從理論上說，辯護律師傳統(tǒng)的證據(jù)推理過程可分為“立-駁-立”三階段，各階段涉及的信息輸入、分析及輸出可被核心方法為深度學習的人工智能模仿。從實務上說，自上世紀以來，刑事司法人工智能的應用性研究成果層出不窮，借助科技力量輔助實現(xiàn)證據(jù)推理，可幫助其進行職業(yè)轉(zhuǎn)型。從社會需求和阻力上說，將人工智能應用于辯護律師的證據(jù)推理后能更好地在數(shù)量上保障犯罪嫌疑人、被告人有律師幫助，在質(zhì)量上提升辯護能力和精準度；基于辯護律師的利益偏向性，將人工智能應用于辯護律師的證據(jù)推理僅會受到有限阻力。由此，人工智能輔助辯護律師進行證據(jù)推理具備可能性。

（一）證據(jù)推理的可模仿性

辯護律師的證據(jù)推理是指辯護律師分析并運用證據(jù)構(gòu)建辯方案件理論的推理過程。辯護律師進行證據(jù)推理，首先要在具備專業(yè)知識的基礎(chǔ)上，通過閱卷和會見當事人獲取案件信息，了解控方的案件理論，發(fā)現(xiàn)、提取和分析與犯罪構(gòu)成要件相對應的證據(jù)。其次，針對控方理論（prosecution’s theory）所依據(jù)的證據(jù)，結(jié)合從閱卷與會見中獲取的其他案件信息，分析不利于和有利于被追訴人的證據(jù)，根據(jù)證據(jù)規(guī)則剔除以非法方式獲得的證據(jù)，刪除基于不具備確實、充分的證據(jù)所構(gòu)建的控方事實，構(gòu)建有利于被追訴人利益的辯方事實版本，必要時補充證據(jù)，形成辯方理論（defense’s theory）?？梢园l(fā)現(xiàn)，辯護律師的證據(jù)推理實際上包含“立-駁-立”兩個階段，具有內(nèi)在的邏輯，流程感較為明顯，即先建立起對控方理論的理解，深析其證據(jù)推理邏輯，再針對性地對控方的證據(jù)推理進行反駁，以篩選、補充后的證據(jù)進行推理，建立起辯方理論。

統(tǒng)稱為深度學習的人工智能方法已經(jīng)成了主流的人工智能范式，而其可通過深度學習，利用數(shù)據(jù)、算法、模型模仿辯護律師證據(jù)推理的過程。首先，其能夠快速了解所有的法律法規(guī)，通過自然語言處理等技術(shù)獲得案件信息來源，將控方指控的邏輯與證據(jù)、法律規(guī)定相對應。從效率上說，律師人工閱卷需要耗費大量的人力、物力，而人工智能閱卷和提取證據(jù)的速度遠高于人類辯護律師的閱卷信息處理速度，并能夠幫助辯護律師快速調(diào)取證據(jù)檔案，避免遺漏細節(jié)。而反駁控方證據(jù)推理邏輯則需充分把握規(guī)則、判例等，人工智能可以針對前一階段中獲取的信息與現(xiàn)有規(guī)則進行精密比對，分析并提示現(xiàn)有證據(jù)是否足以支撐法律所要求具備的犯罪構(gòu)成要件、是否有證據(jù)被排除的可能性。在完成前兩階段的工作后，人工智能可以協(xié)助辯護律師了解類案的辯方證據(jù)推理邏輯，結(jié)合本案具體情況，提取出有利于被追訴人的證據(jù)鏈條，確定辯方證據(jù)推理邏輯和辯方理論。需注意，辯護律師的證據(jù)推理雖然有可能被人工智能所模仿，但基于現(xiàn)有人工智能的數(shù)據(jù)來源有滯后性，人工智能更適宜輔助辯護律師進行證據(jù)推理。利用人工智能進行證據(jù)推理曾受到來自實務界和理論界的質(zhì)疑，認為事實認定過程并非機械的流程，而是充滿價值判斷和選擇過程，[19]參見李訓虎：《刑事司法人工智能的包容性規(guī)制》，載《中國社會科學》2021 年第2 期，第50 頁。現(xiàn)有技術(shù)難以實現(xiàn)這一推理過程。但是，與時俱進的研究成果預示著理論期待成為實際運用的可能性。

（二）與時俱進的研究成果

1970 年，布坎南（Bruce G.Buchanan）與黑德里克（Thomas E.Headrick）最先對法律推理與人工智能開展了學術(shù)研究。[20]See Buchanan &Headrick,Some Speculation About Artificial Intelligence and Legal Reasoning,23 Stanford Law Review 40,40-62 (1970).國外的學者和律師群體最先對研制“法律診斷系統(tǒng)”以及律師系統(tǒng)提出了設(shè)想并進行了廣泛的應用實踐，人工智能證據(jù)推理的論證方法隨機被提出。[21]See Buchanan &Headrick,Some Speculation About Artificial Intelligence and Legal Reasoning,23 Stanford Law Review 40,40-62 (1970);Chris Chambers Goodman, AI/Esq.: Impacts of Artificial Intelligence in Lawyer-Client Relationships,72 Oklahoma Law Review 149,149-154 (2019);Lutomski,L.S.,“The Design of an Attorney’s Statistical Consultant”, in Proceedings of the Second International Conference of Artificial Intelligence and Law,ACM Press,2019,p.224-233.1979 年，科學家錢學森提出了建設(shè)法治系統(tǒng)工程的建議。[22]參見錢學森等：《論系統(tǒng)工程》（新世紀版），上海交通大學出版社2007 年版，第207-215 頁。自20 世紀80 年代始，我國學界正式開始對法律專家系統(tǒng)進行研究，[23]參見錢學森：《論法治系統(tǒng)工程的任務與方法》，載《科技管理研究》1981 年第4 期，第35 頁。值得注意的是，學界主要是針對刑事案件展開了研究。1986 年，華東政法學院和上海社科院法學研究所的專家對量刑綜合平衡與電腦輔助量刑專家系統(tǒng)進行了研究，并初步研制出全國第一個盜竊罪電腦輔助量刑專家系統(tǒng)。隨后，湖南大學也研制出了貪污罪量刑模型。[24]參見蘇惠漁、張國全、史建三：《未來的“電腦法官”——電腦輔助量刑專家系統(tǒng)論》，載《中國法學》1988年第4 期，第92-93 頁。1993 年，武漢大學趙廷光教授研發(fā)了實用刑法專家系統(tǒng)，其可對刑事個案進行推理判斷。[25]參見趙廷光等：《實用刑法專家系統(tǒng)用戶手冊》，北京新概念軟件研究所1993 年版，第344-349 頁。轉(zhuǎn)引自張保生：《證據(jù)法的理念》，法律出版社2021 年版，第101 頁；另見趙廷光：《論“電腦量刑”的基本原理》，載《湖北警官學院學報》2007 年第2 期，第8 頁。對于辯護律師來說，以電子卷宗歸檔、會見OCR 應用等技術(shù)為主的“弱人工智能”已經(jīng)提升了重復性工作的效率，而根據(jù)案件大數(shù)據(jù)可對證據(jù)進行智能校驗、進行案件證據(jù)推理、分析案件的信息的“強人工智能”將為其工作模式帶來新的革命。

湖南真澤律師事務所推出了“刑期預測系統(tǒng)”，各類如深圳領(lǐng)絡科技有限公司的“互聯(lián)網(wǎng)+法律”服務平臺融合AI 技術(shù)，也相繼推出了“云端律所”等產(chǎn)品，創(chuàng)造了“理脈”“牛法網(wǎng)”“法狗狗”等法律AI 技術(shù)系統(tǒng)。2022 年底橫空出世的ChatGPT 人工智能對話機器人可以說明特定罪名的構(gòu)成要件，并針對輸入的案情與證據(jù)列明辯護觀點、寫出辯護詞并提出控方可能會用以指控的證據(jù)，其在言語交互、邏輯連貫性方面比既往的AI 工具都有了長足的進步。2023 年3 月，由美國律師團隊研發(fā)的CoCounsel 人工智能法律助理已經(jīng)可以在3 分鐘內(nèi)分析、歸納美國調(diào)查委員會845 頁報告中可能被用以指控前總統(tǒng)唐納德·特朗普妨礙官方程序、共謀虛假陳述等犯罪的證據(jù)，指出指控邏輯的證據(jù)不足之處，并標注有助于其脫罪的證據(jù)。

（三）社會需求與微弱阻力

帕克教授提煉出了刑事訴訟的兩種模式，在追求效率、刑事訴訟過程行政化的犯罪控制模式中，辯護律師僅是一種奢侈品，其可有可無，甚至只有在極少部分的案件中，辯護律師才成為一種“可以忍受的存在”。與之相反的是，在強調(diào)對抗性、以裁判為中心的正當程序模式中，辯護律師自始至終均是關(guān)鍵角色。[26]參見[美]赫伯特·L·帕克：《刑事訴訟的兩種模式》，梁根林譯，載[美]虞平、郭志媛編譯：《爭鳴與思辨：刑事訴訟模式經(jīng)典論文選譯》，北京大學出版社2013 年版，第45 頁。在中國的刑事訴訟實踐中，似乎辯護律師已經(jīng)成為了一種推進“訴訟流水線”更為順利運行的附庸，其通過證據(jù)推理等途徑“動搖國家機關(guān)所掌握的不利于被告之事項”的能力總被選擇性地忽略，“跨欄比賽”中最重要的障礙一開始就被清出賽道。[27]參見[美]赫伯特·L·帕克：《刑事訴訟的兩種模式》，梁根林譯，載[美]虞平、郭志媛編譯：《爭鳴與思辨：刑事訴訟模式經(jīng)典論文選譯》，北京大學出版社2013 年版，第12 頁。帕克將正當程序比喻為跨欄比賽，法律為國家打擊犯罪設(shè)定了障礙。在2017 年前，我國刑事辯護律師參與率僅維持在30%左右。[28]參見劉子陽：《刑辯律師全覆蓋 實現(xiàn)質(zhì)變尚需克難》，載《法制日報》2019 年1 月28 日，第7 版。自2017 年開始，為改善犯罪嫌疑人、被告人辯護權(quán)難以得到保障以及辯護律師資源稀缺的問題，司法部與最高人民法院部署開展了刑事案件律師辯護全覆蓋的試點工作。截至2021 年，全國刑事案件律師辯護率有了大幅度的提升，在數(shù)值上達到了66%，[29]參見蔡長春、張晨：《深入學習貫徹習近平法治思想 奮力譜寫律師事業(yè)發(fā)展新篇章》，載《法治日報》2021年10 月11 日，第1 版。但從微觀層面看，數(shù)值的大幅度提升并沒有讓具體案件中的辯護質(zhì)量得到同步提升，仍有大量犯罪嫌疑人、被告人的辯護權(quán)尚未得到保障，其自身又不具備針對證據(jù)進行推理的能力，指派的法律援助律師也存在敷衍了事，在庭審中進行“配合性表演”[30]參見李奮飛：《論“表演性辯護”——中國律師法庭辯護功能的異化及其矯正》，載《政法論壇》2015 年第2 期，第78-80 頁。的情況，同時不同區(qū)域的辯護律師辯護水平差異大，完全遵從控方所指控的案件事實，不對控方指控事實中的證據(jù)推理邏輯斷裂點進行對抗，不積極尋找新的有利于被告人的量刑證據(jù)，難以達到有效辯護的效果。在公檢法不斷實現(xiàn)偵查高科技化、檢察高科技化以及審判高科技化的同時，控辯雙方難以實現(xiàn)平等武裝。對刑事案件律師辯護全覆蓋以及有效辯護的追求呈現(xiàn)出刑事司法“既要又要”的特點，既要數(shù)量，又要質(zhì)量，而人工智能應用于證據(jù)推理能夠很大程度緩解當前辯護律師數(shù)量滿足不了刑事訴訟需要的問題，而在辯護質(zhì)量上，依托大數(shù)據(jù)對比等技術(shù)，人工智能可以迅速根據(jù)案卷信息找到證言矛盾點、材料瑕疵等，減少了人力資源損耗，這一探索可以增加辯方的對抗力量。

作為無利害關(guān)系第三方，司法被賦予了“無偏倚性”的認同假設(shè)，[31]參見陳洪杰：《司法認同的期望象征：反思“無偏倚性”程序策略》，載《中外法學》2022 年第3 期，第747 頁。而人工智能法官的“算法黑箱”問題與這一假設(shè)背道而馳，算法無法保證法官中立性的問題使得人工智能在裁判中的應用受到了頗多阻力。[32]參見謝澍：《人工智能如何“無偏見”地助力刑事司法——由“證據(jù)指引”轉(zhuǎn)向“證明輔助”》，載《法律科學（西北政法大學學報）》2020 年第5 期，第110 頁。但是，對于辯護律師來說，辯方理論具有傾向性，證據(jù)推理也可具有偏向性，其所對應的證據(jù)推理算法也可具有偏向性，可以通過既有證據(jù)或新證據(jù)構(gòu)建出有利于被告人的案件理論。審判的實質(zhì)是哪一方案件理論更為真實的競賽。[33]See Thomas A.Mauet,Trial Techniques,Aspen Publishers,2010,p.12.案件理論說明了訴訟各方在法庭中所出示的“事實”并非真正的事實，而是根據(jù)證據(jù)構(gòu)建出來的己方事實版本。即便人工智能有偏向性，其在輔助辯護律師進行證據(jù)推理也不會實質(zhì)上危及司法裁判的公正性，反而有助于實現(xiàn)人工智能時代下形式上的控辯平等，這一嘗試并不會受到與排斥人工智能法官相同的阻力。

三、辯護律師應用人工智能進行證據(jù)推理的困境

保證犯罪嫌疑人、被告人得到辯護幫助只是一項基本要求，辯護律師如何與犯罪嫌疑人、被告人進行良好溝通，如何與控方進行良性互動，在庭審中如何表現(xiàn)才是律師與犯罪嫌疑人、被告人之關(guān)系的重要方面。[34]See Chris Chambers Goodman,AI/Esq.: Impacts of Artificial Intelligence in Lawyer-Client Relationships,72 Oklahoma Law Review 169 (2019).人工智能如何構(gòu)建好辯方的案件理論，如何表達好己方的案件理論以及如何對抗好控方的案件理論是其證據(jù)推理中的重點，而人工智能將在辯方證據(jù)推理的過程中遭遇閱卷與會見中的信息輸入限制、抗辯式訴訟中的信息權(quán)衡困境難題以及規(guī)則查取用中的信息輸出窘境。

（一）閱卷與會見中的信息輸入

辯護律師構(gòu)建辯方案件理論的基礎(chǔ)是案件信息，人工智能輔助辯護律師進行證據(jù)推理、構(gòu)建辯方理論依托于案件信息的輸入，提取并轉(zhuǎn)化證據(jù)信息是進行證據(jù)推理的必要條件。[35]參見卓翔、崔世群：《論人工智能在證據(jù)推理中的輔助性定位》，載《治理研究》2023 年第1 期，第145頁。相較于事實認定者，對于辯護律師來說，閱卷與會見是最主要的信息來源。人工智能依托大數(shù)據(jù)可以存儲案卷的大量數(shù)據(jù)和細節(jié)，但對其而言，理解卷宗和會見中的信息并非易事。人工智能機器對其數(shù)據(jù)庫中被置入答案的提問對答如流，但其無法將既有答案中的單獨字符塊排成別的樣式以回答其未準備過的問題，張鈸院士也曾根據(jù)索菲亞機器人對準備和未準備問題的不同回答狀態(tài)，提出目前的問答系統(tǒng)并非真正的人工智能。[36]參見王輝：《人工智能，從過去到未來——記中國科學院院士、清華大學人工智能研究院名譽院長張鈸》，載《科學中國人》2021 年第25 期，第16 頁。在輔助閱卷和會見中，人工智能主要利用的技術(shù)為自然語言處理技術(shù)（NLP），自然語言處理技術(shù)對于實現(xiàn)人工智能同文本進行交流（如刑事案卷）、與人類進行口語語言交流（如會見犯罪嫌疑人、被告人）具有重要作用。[37]See Michael Legg &Felicity Bell,Artificial Intelligence and the Legal Profession: Becoming the AI-Enhanced Lawyer,38 University of Tasmania Law Review 41 (2019).以會見為例，自然語言處理技術(shù)首先要將會見目的定位于通過會見了解案情，并形成初步的辯護意見。其次，人工智能要與犯罪嫌疑人、被告人進行多輪對案情以及相關(guān)信息的溝通，其主要形式為人工智能針對案情主動發(fā)問，犯罪嫌疑人、被告人予以回答，人工智能根據(jù)相關(guān)程度、詳細程度對回答中的細節(jié)部分進行追問，犯罪嫌疑人、被告人再針對追問部分進行回答。最后，根據(jù)多輪人機溝通的結(jié)果，形成會見筆錄，并根據(jù)案情關(guān)鍵點進行證據(jù)提取，有助于梳理出初步的辯護思路。在計算機內(nèi)部運行條件語句并非難事，但對于不具有專業(yè)的法律知識或者對證據(jù)并無概念的普通人來說，其陳述很容易成為天馬行空的敘事，混雜大量無關(guān)信息噪點，人工智能難以對犯罪嫌疑人、被告人的陳述準確劃分“無關(guān)信息”“有關(guān)信息”以及“關(guān)鍵信息”?！胺ü饭贰比斯ぶ悄艿男麄髦刑峒捌淠軌?qū)崿F(xiàn)自然語言處理、機器人流程自動化等功能，但其目前應用的Logic Q 智能對話系統(tǒng)仍只能對咨詢者的單句提問做出回應，所作的聯(lián)想提問情境也較為局限，更無法結(jié)合聯(lián)系自然語言所形成的上下文提供法律咨詢服務。

（二）抗辯式訴訟中的信息權(quán)衡

有律師認為，在復雜案件中，大數(shù)據(jù)可以加強辯護說理的論證，通過參考類案可以提供出罪證據(jù)、輕罪證據(jù)的案件理論思路。[38]參見祁建建：《“現(xiàn)代科技在刑事訴訟中的運用與律師辯護”研討會綜述》，載《中國司法》2018 年第7 期，第32 頁。有律師在被告因職務犯罪一審被判死緩后，運用大數(shù)據(jù)收集對比了300 件以上的同類案例判決書，就犯罪數(shù)額、犯罪情節(jié)等因素構(gòu)建該案的輕罪辯護思路，成功獲得二審減輕改判。但在實踐中，人工智能所被喂養(yǎng)的數(shù)據(jù)往往并不全面，基于數(shù)據(jù)壟斷、數(shù)據(jù)壁壘等問題，人工智能的研發(fā)者無法像公檢法機關(guān)一樣擁有海量的案例數(shù)據(jù)庫和強大算法、算力的支持，辯護數(shù)據(jù)庫的數(shù)據(jù)支撐力非常弱。[39]參見裴煒：《個人信息大數(shù)據(jù)與刑事正當程序的沖突及其調(diào)和》，載《法學研究》2018 年第2 期，第52-54頁。例如，上海的“206”智能輔助辦案系統(tǒng)擁有一套“6 環(huán)節(jié)式”的證據(jù)模型，其根據(jù)設(shè)定算法和大數(shù)據(jù)自動進行證據(jù)審查，并對案情進行分析，進行三段論的推演，而這種證據(jù)模型主要服務于檢方和事實認定者。[40]參見熊秋紅：《人工智能在刑事證明中的應用》，載《當代法學》2020 年第3 期，第82 頁。實務中將這種證據(jù)模型進一步細化，被稱為“7 環(huán)13 段”證據(jù)模型。人工智能的應用呈現(xiàn)出“數(shù)據(jù)驅(qū)動”的特點，其理論預設(shè)在于以海量數(shù)據(jù)，通過科學算法，從而確保結(jié)果公正。[41]參見聶友倫：《人工智能司法的三重矛盾》，載《浙江工商大學學報》2022 年第2 期，第66-67 頁。聶友倫將此種理論預設(shè)僅設(shè)定在人工智能司法范圍內(nèi)，但實際上“數(shù)據(jù)—算法—結(jié)果”的理論假設(shè)存在于所有人工智能的應用場景中。根據(jù)香農(nóng)信息論，信息是確定性的增加。雖然海量的信息思維判斷提供了數(shù)據(jù)基礎(chǔ)，但也有可能會暫時增加不確定性。隨著數(shù)據(jù)的數(shù)量增加和判斷路徑不斷修正并趨于穩(wěn)定與強大，信息量將與人工智能的判斷準確性呈正相關(guān)關(guān)系?？剞q雙方的技術(shù)差異導致了人工智能用于比對的案件數(shù)據(jù)庫達不到充分聯(lián)系個案的要求，控方理論往往比辯方的案件理論更為可信。

以張那木拉正當防衛(wèi)案為例，控方指控張那木拉犯有故意傷害罪的案件理論與辯方辯護張那木拉系正當防衛(wèi)的案件理論并不相同。在張那木拉正當防衛(wèi)案中，周某因?qū)埬悄纠粷M而糾集陳某等三人，攜帶砍刀至張那木拉處，意圖教訓張那木拉。周某等四人中兩人各持一把砍刀，另外一人持鐵制農(nóng)具進入張那木拉住處，并拖拽其出屋，后周某與陳某見張那木拉不愿意出屋，即用砍刀砍向張那木拉后腦勺，張那木拉為保護自我，抓一把尖刀捅刺陳某胸部，期間四人中的一人持鐵锨擊打張那木拉后腦勺。后張那木拉發(fā)現(xiàn)其兄張某還在與四人中的一人廝打，遂拿起鐵锨將周某打入魚塘，后者爬上岸后，張那木拉再次將其打落，致周某左尺骨近段粉碎性骨折。陳某被送往醫(yī)院后，因單刃銳器刺破心臟而死亡。[42]天津市第一中級人民法院（2018）津01 刑終326 號刑事判決書。該案件為張那木拉正當防衛(wèi)案，系最高人民法院指導案例144 號。一審被告人張那木拉被判犯有故意傷害罪，二審認為張那木拉行為系正當防衛(wèi)行為，不構(gòu)成犯罪，但認為張那木拉正當防衛(wèi)過當。其中控方指控張那木拉犯有故意傷害罪的案件理論如圖一。[43]張那木拉正當防衛(wèi)案的二審中，控方提出“原審判定張那木拉構(gòu)成故意傷害罪定罪準確，但是未認定張那木拉系防衛(wèi)過當有誤”

抗辯式訴訟之核心在于尋找構(gòu)成控方理論的關(guān)鍵證據(jù)，從而對應構(gòu)造出辯方的案件理論。在本案中，辯護方要進行辯護需要著重說明張那木拉的行為系為免受正在進行的不法侵害而采取的制止不法侵害的行為，具有正當性，屬于正當防衛(wèi)，并著重說明正當防衛(wèi)并未超過合法限度，辯方理論如圖二。張那木拉導致一死一傷結(jié)果的前提是其先行受到了周某等四人的不法侵害，力量對比上張那木拉明顯弱于周某四人的合力，工具對比上周某等四人各持有具有強大殺傷力的工具，而張那木拉既沒有思想準備也無工具準備，在自身安全受到嚴重威脅并處于高度危險之中，其所面臨的不法侵害具有現(xiàn)實性、緊迫性。而當辯方理論的構(gòu)建主體由人工智能擔任時，對于“是否構(gòu)成正當防衛(wèi)”和“正當防衛(wèi)是否過限”這兩個關(guān)鍵要素進行判斷和論證，需要對控方“被告人構(gòu)成故意傷害罪”或者“被告人行為系正當防衛(wèi)但超過必要限度”的案件理論進行對抗性的證明。在上海206“刑事案件智能輔助辦案系統(tǒng)”的應用中，控方可以通過其實現(xiàn)證據(jù)補足，盡可能避免了案件中證明的斷裂，及時縫合證據(jù)瑕疵處，往往使得控方的案件理論難有可突破點，人工智能難以進行針對性的對抗。

圖二 辯方理論：張那木拉之行為構(gòu)成不過限的正當防衛(wèi)

（三）規(guī)則查取用中的信息輸出

人工智能被認為能夠充分勝任法律適用上的形式推理，但對于證據(jù)規(guī)則的形式推理來講，人工智能也可能遭遇大量困難。人工智能要建立自洽的證據(jù)辯護策略，首先應考慮證據(jù)相關(guān)性、可采性的規(guī)定。相關(guān)性是一種邏輯上的證明力，其包含證明性和實質(zhì)性兩要素。[44]參見張保生主編：《證據(jù)法學》（第3 版），中國政法大學出版社2018 年版，第14 頁。根據(jù)美國聯(lián)邦證據(jù)規(guī)則401的規(guī)定，需要判斷證據(jù)對于待證事實有無證明作用，是否具有使一個事實更可能或者更不可能的任何趨向性（any tendency）。此外，從實質(zhì)性上來說，證據(jù)必須是使得要件事實更可能或者更不可能。國內(nèi)學者將證據(jù)定義為“用于證明案件事實的載體”或“證據(jù)是與待證事實相關(guān)，用于證明當事人所主張事實之存在可能性的信息”[45]參見陳瑞華：《刑事證據(jù)法》，北京大學出版社2021 年版；第95 頁。張保生主編：《證據(jù)法學》（第3 版），中國政法大學出版社2018 年版，第11 頁。，均關(guān)注到了證據(jù)與事實之間的關(guān)系。在刑事案件中，可采性一般關(guān)涉證據(jù)排除規(guī)則。在查找規(guī)則中，人工智能需要重點關(guān)注立法排除，如非法證據(jù)規(guī)則、最佳證據(jù)規(guī)則等。在選取和運用規(guī)則的過程中，兼顧事實認定者對于相關(guān)證據(jù)的自由裁量排除，并相應作出調(diào)整。人工智能的算法首先需要對于證據(jù)規(guī)則中具體的語詞內(nèi)涵作出判斷，聯(lián)系在閱卷與會見中獲取的信息，綜合進行考量，并對于控方案件理論進行針對性回應，形成辯方案件理論。這種規(guī)則的查取用看似同事實認定者的規(guī)則適用無二致，但實際上人工智能對于證據(jù)規(guī)則以及證據(jù)信息的提取的要求更高，其判斷某一證據(jù)是否符合法律規(guī)定的同時，還需要了解這一證據(jù)是否有利于辯方理論的構(gòu)建和輸出，是否能夠?qū)箍胤嚼碚撝械陌⒖α鹚怪?。人工智能進行規(guī)則“查—取—用”的過程是前后連貫、緊密聯(lián)系的，每一階段都在階段內(nèi)部先執(zhí)行條件語句，而前一階段的條件語句結(jié)果會成為下一階段的初始設(shè)定值，在所有的“查—取—用”流程結(jié)束后，與控方理論形成對抗的辯方理論即形成。這種連貫的過程對于系統(tǒng)的準確性要求極高，一旦某一環(huán)節(jié)出現(xiàn)缺陷或者漏洞，則整個證據(jù)推理將陷入僵局。

四、利用人工智能輔助辯護律師證據(jù)推理的進路

有關(guān)“人工智能法官”的學術(shù)研究基本認為人工智能研究并不意圖否定法官的主體地位，進一步來說，人工智能也并不意圖代替人類的主體地位，其初衷仍在于依靠技術(shù)解放人類勞動，代替人類進行簡單重復性的工作。辯護律師不會被人工智能取代，證據(jù)推理的人工智能化主要是在簡單案件中盡可能地減輕辯護律師的壓力。[46]大部分的學者對于人工智能在刑事訴訟中的運用基本持“人工智能僅僅可作為輔助工具”的觀點，參見衛(wèi)晨曙：《刑事審判人工智能的權(quán)力邏輯》，載《西安交通大學學報（社會科學版）》2021 年第3 期，第141-142 頁，該作者認為刑事審判方面人工智能可以在證據(jù)審查、精準量刑、類案推送等方面起到輔助作用；又見縱博：《人工智能在刑事證據(jù)判斷中的運用問題探析》，載《法律科學（西北政法大學學報）》，2019 年第1 期，第62-66 頁，作者認為人工智能在刑事證據(jù)判斷中應遵循輔助性原則、有限性原則；又見熊秋紅：《人工智能在刑事證明中的應用》，載《當代法學》2020 年第3 期，第75-86 頁，作者以國內(nèi)外人工智能適用情況說明實務中人工智能的輔助性質(zhì)。人工智能要實現(xiàn)證據(jù)推理應通過可駁斥性推理模型實現(xiàn)智能推理的方法轉(zhuǎn)型，并在人工智能的目標上，破除原有“實現(xiàn)功能模擬”的自我限制，嘗試設(shè)定有限利益偏向的算法設(shè)定。

（一）實現(xiàn)智能推理的方法轉(zhuǎn)型

在推理過程中使用邏輯的方法或者形式使得人們對確定性和安全感的心理需求得到滿足。[47][美]奧利弗·溫德爾·霍姆斯：《法律的道路》，李俊曄譯，中國法制出版社2018 年版，第37 頁。在人工智能實現(xiàn)證據(jù)推理的過程中，其重點在于將證據(jù)推理形式化，構(gòu)建出能夠用機器語言表達，為機器智能所理解的證據(jù)推理模型。有學者認為，人工智能進行證據(jù)推理可以借鑒威格摩爾圖示法。[48]參見張保生：《人工智能法律系統(tǒng)：兩個難題和一個悖論》，載《上海師范大學學報（哲學社會科學版）》2018 年第6 期，第34 頁。雖然威格摩爾圖示法符合人工智能簡化、精確的代碼思維，可為人工智能證據(jù)推理系統(tǒng)提供建設(shè)思路上的幫助，但要充分解決人工智能實現(xiàn)證據(jù)推理的難題，圖示法仍力有未逮。

威格摩爾圖示法設(shè)定了8種圖形符號的復雜符號系統(tǒng)以代表不同類型的證據(jù)，并利用5種以上的不同圖形符號表示對相關(guān)證據(jù)可信性的判斷以及證明關(guān)系，因此，即使是證據(jù)較為簡單、證據(jù)關(guān)系不那么復雜的案件也可能會呈現(xiàn)出復雜的圖示結(jié)果。而特文寧教授以及舒姆教授等對威格摩爾圖示法的改良，[49]See William Twining &René Weis,Reconstructing the Truth about the past,in Edith Thompson,William Twining and Iain Hampsher-monk(ed.),Evidence and inference in history and law: interdisciplinary dialogues,Northwestern University Press,2003,p.69.雖在一定程度上使得原本高高在上的圖示法略微顯得有些平易近人，但改良后的圖示法仍容易讓使用者在漫長的操作步驟以及劃分關(guān)系與符號中迷失重點，陷入證據(jù)推理形式主義的窠臼。從對圖示法的適用來說，目前法學界學者，甚至大多數(shù)證據(jù)法學者也并不了解威格摩爾圖示法，不熟悉圖示法的操作規(guī)程，而圖示法的運用要求人工智能系統(tǒng)的設(shè)計開發(fā)團隊能夠同時擁有對于圖示法熟練的應用能力以及代碼對于圖示法的計算機語言轉(zhuǎn)換能力，更是難上加難。

在清華大學智能法治研究院針對民間借貸案件復雜債權(quán)關(guān)系分析和借貸事實輔助認定技術(shù)研究中，其所研發(fā)的“民間借貸智能化輔助系統(tǒng)”針對借貸事實的構(gòu)建是通過標注既有案件中的關(guān)鍵詞實現(xiàn)的，通過“點狀”的案件標簽實現(xiàn)對案件進行“畫像”。誠然，案件標簽可以最大限度地提取有用信息，并予以清晰、簡單地展現(xiàn)出來，避免噪音對推理過程的干擾，但是人工智能無法遍歷所有的數(shù)據(jù)，標注關(guān)鍵詞的方法可以幫助人工智能判斷案件事實的關(guān)鍵點，但“點狀”標注并不是證據(jù)推理的全部，人工智能所被喂養(yǎng)的數(shù)據(jù)較變動不居的現(xiàn)實情況來說也具有滯后性。

由此，以演繹邏輯為基礎(chǔ)的證據(jù)推理方法難以滿足司法實踐對證據(jù)推理的需要。有學者基于非形式論證理論歸納出“基于論證的可駁斥性推理”之概念，在可駁斥性推理中，基于論證的論辯邏輯，可以在評估各方案件理論的基礎(chǔ)上形成可以證立的結(jié)論，既可以保證人工智能的證據(jù)推理過程不淹沒于大量的流程與符號語言中，又不會局限于閉合的證據(jù)集，且符合人工智能深度學習特征，可以動態(tài)調(diào)整證據(jù)推理策略和案件理論的版本。[50]參見陳坤：《基于可駁斥性邏輯的法律推理研究》，中國社會科學出版社2021 年版，第48-51 頁。作為一種不完全信息推理和不一致信息推理，[51]不完全信息推理是指在缺乏全面信息的情況下進行的推理，不一致信息推理是指從相互沖突的前提出發(fā)進行的推理。在法庭認識論中的四個主體角色中，只有證人對案件事實具備“知識”，而其所掌握的信息并不全面，辯方和控方提供的案件理論往往相互沖突，事實認定過程是基于不完全信息和不一致信息進行的?；谧C據(jù)的事實認定具有蓋然性，[52]事實認定具有蓋然性的理由：（1）證據(jù)不完全，我們無法掌握所有的證據(jù)；（2）證據(jù)一般是非結(jié)論性，同一證據(jù)可以支持不同的事實主張；（3）證據(jù)含義可能是模糊的，不能確定其傳達的信息；（4）證據(jù)實體通常是不和諧的；（5）證據(jù)來源不盡完美的可信性等級。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》（第2 版），張保生、朱婷、張月波等譯，中國人民大學出版社2012 年版，第327-328 頁。由此，不同的主體立場才能建構(gòu)出“一個事實下的對立主張”，其結(jié)論并不唯一，具有非保真性。但是針對辯方自身的證據(jù)推理來說，是邏輯自洽的，具有合理性，且可以通過實體法規(guī)則修改或者擴充證據(jù)推理的前提和案件理論的關(guān)鍵點實現(xiàn)更適應每一訴訟階段的策略動態(tài)調(diào)整。人工智能使用的可駁斥性推理模型不是信息封閉的，其可以實現(xiàn)貝葉斯定律下的概率刷新，具有拓展性（ampliative），隨著證據(jù)搜尋過程中發(fā)現(xiàn)的新證據(jù)，整個證據(jù)推理過程也有可能隨之發(fā)生改變，人工智能所構(gòu)建的辯方理論也會隨之改變。

（二）破除功能模擬的自我限制

2018年，美國國會在關(guān)于人工智能的提案對“人工智能”重新進行了定義，人工智能應具備五個特征：（1）可在多變且不可控的情況下作業(yè)，無需過多人工監(jiān)管，或可自學以往經(jīng)驗、改善表現(xiàn)的人工智能……在其所從事的任務中表現(xiàn)越像人類，就越可稱得上是采用了人工智能；（2）用于解決需要像人類一樣的感知、認知、計劃、學習、溝通等任務；（3）可像人類一樣思考或行動，包括認知結(jié)構(gòu)和神經(jīng)網(wǎng)絡；（4）接近像人類認知的機器學習；（5）理智行事的系統(tǒng)，可進行洞察、計劃、推理、學習、交流、決策等活動。[53]參見《美國陸軍機器人和自主學習、人工智能議會提案》，載美國國會公共服務網(wǎng)，https://crsreports.congr ess.gov/product/pdf/R/R45392。提案所認為的人工智能是“像”人類、“模擬”人類的系統(tǒng)。從人類對于人腦及其思維過程的認識來看，人類對于思維的結(jié)構(gòu)認識并不夠深入，而意圖讓人工智能直接模擬人腦的結(jié)構(gòu)并不現(xiàn)實。在法律推理的過程中，人工智能似乎更可能實現(xiàn)功能模擬，不能實現(xiàn)結(jié)構(gòu)模擬。[54]參見張保生：《人工智能法律系統(tǒng)的法理學思考》，載《法學評論》2001 年第5 期，第14 頁。但是人工智能的設(shè)計和運作思維已經(jīng)不限于讓機器模仿法律專家解決問題，而是對于海量數(shù)據(jù)進行動態(tài)處理和計算，通過深度神經(jīng)網(wǎng)絡（deep neural network,DNN）這一工具，人工智能機器從數(shù)據(jù)和經(jīng)驗中進行學習和應用。[55]參見[英]理查德·薩斯坎德：《法律人的明天會怎樣？：法律職業(yè)的未來》（第2 版），何廣越譯，北京大學出版社2019 年版，第213-216 頁；[美]梅拉妮·米歇爾：《AI3.0：思考人類的指南》，王飛躍等譯，四川科學技術(shù)出版社2021 年版，第25 頁。人工智能建設(shè)與自然語言處理周旋良久，其是功能模擬的重點也是難點，但如果跳出人工智能模擬辯護律師工作模式的思維，從具體案件出發(fā)，針對典型的案件，如故意傷害案件中的正當防衛(wèi)情形或防衛(wèi)過當情形，直接建立法律論點生成器與對應的案件證據(jù)推理模板，就可以跳過復雜的自然語言處理，而直接提取出案件要件。[56]參見[英]理查德·薩斯坎德：《線上法院與未來司法》，何廣越譯，北京大學出版社2021 年版，第152-157頁。通過正確提取符號并合理運行推理程序，依舊可以得出相應的法律結(jié)果。

（三）有限利益偏向的算法設(shè)定

辯護律師幫助犯罪嫌疑人、被告人以維護其合法權(quán)益，其在進行證據(jù)推理時可以且實際上本就普遍存在利益偏向，而將人工智能應用于辯護律師的證據(jù)推理，其也會承繼人類辯護律師的立場。[57]參見郭春鎮(zhèn)、黃思晗：《刑事司法人工智能信任及其構(gòu)建》，載《吉林大學社會科學學報》2023 年第2期，第19 頁。但是，要實現(xiàn)人工智能有偏向的證據(jù)推理，其首先需要得到海量的辯護數(shù)據(jù)，使得偏向具備相應的數(shù)據(jù)基礎(chǔ)，在此基礎(chǔ)上才能辨別出“有利于辯方的證據(jù)”及“辯方可能的辯護策略”。因此，目前各主體間的數(shù)據(jù)壁壘應被打通，實現(xiàn)信息互通、數(shù)據(jù)共享。此外，這一偏向也可能會由于接入不同的數(shù)據(jù)和算法，而出現(xiàn)不當?shù)摹⑦^度的利益偏向風險。美國在量刑、審前羈押等程序中曾使用了COMPAS評估系統(tǒng)等算法風險評估工具，但作為不應該有利益偏向的官方評估工具，其實際上存在種族歧視、膚色歧視等問題，由此受到了懷疑與抵制。有限的利益偏向可被允許，但諸如階級歧視、種族歧視等偏向并不屬于“合理的、被允許的利益偏向范圍”。對人工智能的產(chǎn)生和發(fā)展來說，最重要的是數(shù)據(jù)、算法和算力。司法人工智能的發(fā)展逐漸從國家主導、命令為主要驅(qū)動力的模式轉(zhuǎn)變?yōu)槎嘣黧w參與、協(xié)同探索為主要驅(qū)動力的模式，[58]See Urs Gasser &Virgilio A.F.Almeida,A Layered Model for AI Governance,21 IEEE Internet Computing 58,58-62（2017）.國外人工智能發(fā)展的速度和程度遠超我國，故在多元主體借鑒外國人工智能技術(shù)時，需注意去除糟粕，并在自主發(fā)展人工智能的過程中，避免對不同民族、職業(yè)、社會地位的被追訴人做出不利的證據(jù)策略建議。人工智能在證據(jù)推理中的應用不應突破倫理規(guī)則，利益偏向仍有相應限度，在初始端的數(shù)據(jù)輸入以及算法的運行中，設(shè)計者應通過相應技術(shù)管控人工智能的證據(jù)推理過程，[59]See Norbert Wiener,The Human Use of Human Beings: Cybernetics And Society,Doubleday Anchor Bo oks,1954,p.112,163.See Megan T.Stevenson &Jennifer L.Doleac,The Roadblock to Reform (2018),https://ww w.acslaw.org/wp-content/uploads/2018/11/RoadblockToReformReport.pdf.參見左衛(wèi)民：《AI 法官的時代會到來嗎——基于中外司法人工智能的對比與展望》，載《政法論壇》2021 年第5 期，第9 頁。而辯護律師也需要對這一輔助工作所作出的判斷進行審核，避免算法的偏向最終產(chǎn)出對被追訴人不利的無效辯護策略。

結(jié)語

自1956 年人工智能誕生起，至今已歷經(jīng)兩次低潮、三次高潮，潮起潮落間，技術(shù)的更迭帶來整體理念的變遷。[60]第一次高潮是涌現(xiàn)諸多頂級算法，第二次高潮是出現(xiàn)語音識別、專家系統(tǒng)以及類神經(jīng)網(wǎng)絡，第三次高潮是深度學習、大數(shù)據(jù)以及運算速度的顯著提升。第一次低潮是當時的算法難以解決現(xiàn)存問題，算力難以達致發(fā)展目標，第二次低潮是技術(shù)不夠先進，無法超越人類對AI 的發(fā)展預測。習近平指出，人工智能是引領(lǐng)新一輪科技革命和產(chǎn)業(yè)變革的重要驅(qū)動力，將推動人類社會迎來人機協(xié)同、跨界融合、共創(chuàng)分享的智能時代。[61]參見韓緒光：《習近平向國際人工智能與教育大會致賀信》，載《人民日報》2019 年5 月17 日，第1 版。新興科技帶來的司法變革催生出數(shù)字正義的理念，算法將成為一種新且重要的分配正義機制，[62]參見[英]杰米·薩斯坎德：《算法的力量：人類如何共同生存》，李大白譯，北京日報出版社2022 年版，第220、231-247 頁。而數(shù)字辯護是實現(xiàn)刑事司法數(shù)字正義中的重要部分，應盡可能使“權(quán)力—權(quán)利”二者力量不過分失衡，并實現(xiàn)刑事訴訟主體的良性互動。[63]參見裴緯：《數(shù)字正當程序：網(wǎng)絡時代的刑事訴訟》，中國法制出版社2021 年版，第71 頁。人工智能以實現(xiàn)證據(jù)推理為重點，應解決閱卷與會見中的信息輸入限制、抗辯式訴訟中的信息權(quán)衡難題及規(guī)則查取用中的信息輸出窘境，通過建立可駁斥性推理模型，破除功能模擬的自我限制，設(shè)定有限利益偏向的算法，幫助律師實現(xiàn)有效的數(shù)字辯護。對辯護律師證據(jù)推理環(huán)節(jié)人工智能化的探索并非以科技倒逼法律的發(fā)展，而是通過對二者關(guān)系的探索為解決改善力量失衡之局面提供一種解決思路。在以人為本的人工智能時代下，人工智能應用于辯護律師的證據(jù)推理環(huán)節(jié)時仍應注意避免風險，遵循刑事辯護的客觀規(guī)律，避免對人工智能過度依賴、算法不當利益偏向等風險，不以智能技術(shù)的運算代替證據(jù)推理的精巧思考，在證明過程中仍應遵循正當程序等原則。[64]斯坦福大學人工智能研究院院名全稱為Stanford Human-Centered AI Institute(HAI)，強調(diào)人工智能是以人為本的人工智能。劉艷紅教授也提出，人工智能法學始終是面向“人”的研究，人工智能法學研究的實質(zhì)是“AI+HI”（人工智能+人類智慧）。雖然HAI 和AI+HI 縮寫不同，但實質(zhì)上都強調(diào)了人工智能的起點以及最終落腳點均為人本身。參見劉艷紅：《人工智能法學的“時代三問”》，載《東方法學》2021 年第5 期，第41 頁；參見胡銘、錢文杰：《現(xiàn)代科技融入刑事辯護的機遇、挑戰(zhàn)與風險防范》，載《江淮論壇》2019 年第1 期，第144 頁。