魏 斌，鄭志峰

（西南政法大學(xué)人工智能法律研究院，重慶410020）

刑事案件事實(shí)認(rèn)定是刑事司法理論和實(shí)踐中的難題。案件事實(shí)認(rèn)定不清甚至錯(cuò)誤是直接導(dǎo)致刑事冤假錯(cuò)案的主因。近些年來，我國發(fā)生的呼格吉勒?qǐng)D案、念斌案、張氏叔侄案和趙作海案等都是由錯(cuò)誤的案件事實(shí)認(rèn)定而引發(fā)的。案件事實(shí)認(rèn)定既是法庭科學(xué)的理論問題，更是公安技術(shù)領(lǐng)域的實(shí)務(wù)問題。傳統(tǒng)的刑事案件事實(shí)認(rèn)定多依賴于演繹、歸納和溯因推理，但在疑難刑事案件當(dāng)中僅基于這些方法并不足夠。在實(shí)際認(rèn)定過程中，由于重大刑事案件中證據(jù)等要素的錯(cuò)綜復(fù)雜，犯罪事實(shí)構(gòu)成要件和重要情節(jié)往往不易被厘清，重建案件事實(shí)真相仍然面臨困難，因而亟需開辟新的認(rèn)定方法。隨著人工智能技術(shù)的突破，其應(yīng)用于刑事案件分析逐漸成為世界各國法庭科學(xué)領(lǐng)域的一個(gè)重要研究方向，基于人工智能技術(shù)開展的案件事實(shí)認(rèn)定研究有著重要的理論和應(yīng)用價(jià)值。

刑事案件專家系統(tǒng)開啟了人工智能運(yùn)用于刑事案件事實(shí)認(rèn)定的序幕，隨著人工智能理論和技術(shù)的不斷發(fā)展，刑事案件事實(shí)認(rèn)定的人工智能方法不斷得到優(yōu)化，證據(jù)指向刑事案件事實(shí)愈加精確和清晰。從早期的經(jīng)典邏輯到非經(jīng)典邏輯，認(rèn)定案件事實(shí)的人工智能邏輯基礎(chǔ)不斷得到豐富；貝葉斯模型的衍化使得認(rèn)定案件事實(shí)從定性研究走向定量研究，這為法官或陪審員提供了精確化參考；可計(jì)算論辯模型幫助厘清了刑事案件事實(shí)中證據(jù)論證的結(jié)構(gòu)，使得證據(jù)論證的分析和評(píng)估變得可能。近年來，大數(shù)據(jù)、算法和區(qū)塊鏈技術(shù)的變革又使得案件事實(shí)認(rèn)定有了突破性的進(jìn)展，綜合應(yīng)用多項(xiàng)技術(shù)的人工智能輔助系統(tǒng)開始問世，這標(biāo)志著人工智能方法的應(yīng)用開始向著真正滿足法律實(shí)務(wù)需求的智能化方向邁進(jìn)。

1 傳統(tǒng)計(jì)算機(jī)軟件在刑事案件分析中的應(yīng)用

1.1 證據(jù)管理系統(tǒng)

早期的人工智能技術(shù)主要是數(shù)據(jù)的存儲(chǔ)、整理和分析，刑事證據(jù)管理系統(tǒng)是一類最早的刑事案件分析的計(jì)算機(jī)軟件。澳大利亞Eden技術(shù)公司開發(fā)的“一般證據(jù)管理系統(tǒng)（GEMS）”能夠用于識(shí)別、存儲(chǔ)、標(biāo)注、檢索、展示刑事案件（尤其是詐騙和貪污犯罪）的證據(jù)和信息，同時(shí)兼具電子成像、光學(xué)字符檢索、證據(jù)矢量等功能，能夠幫助偵查人員提高案件事實(shí)調(diào)查的準(zhǔn)確度[1]。證據(jù)管理系統(tǒng)發(fā)展到后來也逐步兼具案件事實(shí)認(rèn)定的功能，中國政法大學(xué)證據(jù)科學(xué)研究院研發(fā)的證據(jù)管理系統(tǒng)由客戶端計(jì)算機(jī)、應(yīng)用服務(wù)器和數(shù)據(jù)庫組成，其中應(yīng)用服務(wù)器包括的軟件功能模塊為：案件信息輸入模塊、案件信息查詢模塊、統(tǒng)計(jì)模塊以及判決書生成模塊，整個(gè)管理系統(tǒng)可以初步做到：輸入案件基本信息—選擇案件性質(zhì)—自動(dòng)生成判決書。在這個(gè)過程中，生成判決書之前無疑要對(duì)案件事實(shí)先加以判定。但是，這類管理系統(tǒng)并不是專門用于確定案件事實(shí)，并沒有清晰地展現(xiàn)證據(jù)導(dǎo)向案件事實(shí)主張的邏輯關(guān)系。

1.2 刑事案件專家輔助系統(tǒng)

隨著上世紀(jì)80年代人工智能專家系統(tǒng)的興起，刑事案件專家輔助系統(tǒng)也應(yīng)運(yùn)而生。我國趙廷光教授于1993年主持研發(fā)了實(shí)用刑法專家系統(tǒng)，該系統(tǒng)包含了咨詢檢索系統(tǒng)、輔助定性系統(tǒng)和輔助量刑系統(tǒng)。咨詢檢索系統(tǒng)能夠檢索現(xiàn)行刑法和司法解釋，輔助定性系統(tǒng)能夠識(shí)別犯罪的形態(tài)、罪數(shù)和是否共同犯罪，最為核心的輔助量刑系統(tǒng)能夠?qū)蝹€(gè)罪名和數(shù)罪給出量刑結(jié)果。該系統(tǒng)的量刑是一種模糊決策，首先通過兩個(gè)步驟達(dá)到定量分析的目的：第一步是正確認(rèn)定每個(gè)量刑情節(jié)的分量“等級(jí)”；第二步是正確評(píng)價(jià)量刑情節(jié)從輕或者從重處罰的程度。最后再通過這兩次定量分析來判定該情節(jié)的積分=分量等級(jí)×輕重檔次[2]。

國外的法律專家系統(tǒng)分為基于規(guī)則（rule）的和基于先例（case）的專家系統(tǒng)，大陸法系和英美法系國家各有側(cè)重。由Ashley開發(fā)的HYPO系統(tǒng)是第一個(gè)基于法律先例的法律專家系統(tǒng)[3]，它使用固定的案例事實(shí)集合作為前提構(gòu)造三方論證，如果當(dāng)前案例與數(shù)據(jù)庫中的先例足夠相似，那么按照援例原則將支持得到同樣的結(jié)論。盡管Ashley只是討論了HYPO在商業(yè)秘密法的應(yīng)用，但基于案例的專家系統(tǒng)已經(jīng)被用于輔助刑事案件分析[4]。法律專家系統(tǒng)有適用性強(qiáng)、可靠性強(qiáng)、能夠解釋說明推導(dǎo)過程等特點(diǎn)，但是法律是一個(gè)開放的體系，它并不是封閉不變的，法律概念和法律推理都是可廢止的，而法律專家系統(tǒng)自主更新能力弱且實(shí)效性差，因而難以應(yīng)對(duì)新出現(xiàn)的法律問題，而且法律專家系統(tǒng)還面臨“知識(shí)接收瓶頸”的難題。

2 基于貝葉斯模型的人工智能方法

2.1 貝葉斯模型應(yīng)用于認(rèn)定案件事實(shí)

本世紀(jì)初，在人工智能與法庭科學(xué)交叉發(fā)展的推動(dòng)下，貝葉斯模型（Bayesian model）開始被應(yīng)用于案件事實(shí)認(rèn)定。Finklestein和Fairley[5]就曾在《哈佛法學(xué)評(píng)論》上發(fā)表《鑒定證據(jù)的一種貝葉斯方法》，這是最早將貝葉斯理論應(yīng)用于研究證據(jù)概率的文獻(xiàn)。英國科學(xué)家Fenton[6]曾在《自然》雜志上發(fā)文論證了貝葉斯模型應(yīng)用于法律領(lǐng)域的科學(xué)性，他指出人們認(rèn)定案件事實(shí)的信念會(huì)隨著法庭上不斷給出的證據(jù)而發(fā)生變化，對(duì)某個(gè)證據(jù)的信念變化會(huì)影響它所支持或反對(duì)的案件事實(shí)的信念，而這樣的變化恰是貝葉斯模型所擅長的。貝葉斯模型的應(yīng)用已經(jīng)受到歐美國家法院的關(guān)注，如英國上訴法院裁定DNA證據(jù)領(lǐng)域和“存在扎實(shí)統(tǒng)計(jì)基礎(chǔ)的領(lǐng)域”都允許使用貝葉斯模型來評(píng)價(jià)證據(jù)。

基于貝葉斯模型的人工智能原理符合人們認(rèn)識(shí)案件事實(shí)的規(guī)律，這是由于多數(shù)時(shí)候人們難以還原絕對(duì)的真相，而是蓋然性的概率。顯然，刑事案件事實(shí)認(rèn)定中的證據(jù)不是以絕對(duì)的確定性來表達(dá)的，而是一種蓋然性的非絕對(duì)性的表達(dá)。Anderson等[7]就認(rèn)為基于證據(jù)的結(jié)論在本質(zhì)上必然是蓋然性的，這是因?yàn)椋?）證據(jù)總是不完全的；2）證據(jù)一般是非結(jié)論性的；3）人們擁有的證據(jù)通常是模糊的；4）證據(jù)體往往是不協(xié)調(diào)的，某個(gè)證據(jù)可能支持一個(gè)命題，而另一個(gè)證據(jù)則支持其他命題；5）證據(jù)來源于人們并不完美的可信度級(jí)別。證據(jù)的蓋然性容易使得案件事實(shí)認(rèn)定呈現(xiàn)出不確定性，貝葉斯模型為法官的精準(zhǔn)裁量提供了科學(xué)工具。

2.2 似然比法的應(yīng)用

貝葉斯模型演化出一種基于似然比（likelihood ratio）的驗(yàn)證方法，已經(jīng)被應(yīng)用在物證理化檢驗(yàn)等領(lǐng)域， Zadora和Martyna等[8]學(xué)者就提了一種基于似然比法對(duì)物證理化檢驗(yàn)的結(jié)果進(jìn)行評(píng)估，他們認(rèn)為當(dāng)出現(xiàn)兩種對(duì)立的案件事實(shí)假設(shè)時(shí)，就有必要采用似然比法來評(píng)估證據(jù)，適用的具體方法是采用經(jīng)驗(yàn)交叉熵方法說明如何對(duì)似然比法進(jìn)行校驗(yàn)。

假定檢方（prosecution）的案件事實(shí)主張是Hp，辯方（defender）相對(duì)立的事實(shí)主張是Hd，條件概率P（E|Hp）和P（E|Hd）分別表示Hp和Hd的似然性，它們指的是Hp和Hd發(fā)生下的證據(jù)E發(fā)生的概率，似然比LR指的是P（E|Hp）與P（E|Hd）的比值。通常來說，如果P（E|Hp）＞P（E|Hd），那么檢方的主張Hp得到證據(jù)E的支持，反之則是辯方的主張得到支持。根據(jù)貝葉斯定理，似然比也可以表達(dá)為以下公式：

似然比能夠反映出證據(jù)對(duì)事實(shí)主張的支持程度（如表1）[9]，這為法官或陪審員認(rèn)定案件事實(shí)提供了直觀的參考。

表1 似然比與支持程度對(duì)照Table 1 Likelihood ratio and the relevant supporting strength

2.3 貝葉斯網(wǎng)絡(luò)的應(yīng)用

貝葉斯網(wǎng)絡(luò)（Bayesian network）在深度學(xué)習(xí)算法中得到普遍應(yīng)用，它是一種概率圖式模型，其本質(zhì)是一種不確定推理，已經(jīng)被廣泛應(yīng)用于預(yù)測(cè)、異常檢測(cè)、診療和自動(dòng)化測(cè)試等多個(gè)領(lǐng)域。貝葉斯網(wǎng)絡(luò)建立在一個(gè)由點(diǎn)和鏈接點(diǎn)構(gòu)成的有向鏈之上，這種有向鏈不能形成閉環(huán)，因而貝葉斯模型是一種無環(huán)圖。貝葉斯網(wǎng)絡(luò)已經(jīng)被用于確定案件事實(shí)，網(wǎng)絡(luò)結(jié)構(gòu)能夠表明案件當(dāng)中兩個(gè)變量之間的相關(guān)性或獨(dú)立性，圖解結(jié)構(gòu)通常包括一個(gè)或一個(gè)以上的假設(shè)節(jié)點(diǎn)（如犯罪嫌疑人有罪）、證據(jù)節(jié)點(diǎn)（如發(fā)現(xiàn)與犯罪嫌疑人的指紋相匹配的指紋）以及一些中間節(jié)點(diǎn)（如犯罪嫌疑人在犯罪現(xiàn)場(chǎng)）。當(dāng)兩個(gè)變量之間存在某種概率相關(guān)性時(shí)，這兩個(gè)節(jié)點(diǎn)在圖解結(jié)構(gòu)中就用箭頭連接起來。這種箭頭聯(lián)系起來的關(guān)系是一種因果相關(guān)性，在貝葉斯網(wǎng)絡(luò)中，每個(gè)節(jié)點(diǎn)都有真和假兩個(gè)值，每個(gè)值都有一個(gè)條件概率表，它包含了所有能夠獲得的先驗(yàn)概率，由這些條件概率表組合就構(gòu)成了一個(gè)聯(lián)合概率分布。某個(gè)節(jié)點(diǎn)的先驗(yàn)概率發(fā)生變化，由該節(jié)點(diǎn)所指向的所有節(jié)點(diǎn)的后驗(yàn)概率也隨之發(fā)生變化[10]。貝葉斯網(wǎng)絡(luò)模型的特點(diǎn)在于能夠直觀地展示案件事實(shí)中證據(jù)和事實(shí)主張之間的因果關(guān)系，準(zhǔn)確地評(píng)估事件發(fā)生的概率，作為判定案件事實(shí)是否成立的科學(xué)參考。

然而，貝葉斯網(wǎng)絡(luò)仍然要面臨主觀概率理論的三個(gè)難題：首先，當(dāng)多個(gè)獨(dú)立證據(jù)同時(shí)支持一個(gè)待證事實(shí)時(shí)，根據(jù)主觀概率演算的乘法公式，它們共同支持的結(jié)論的概率將比任何一個(gè)獨(dú)立證據(jù)所支持的概率要低，這顯然是違反直觀的；其次，主觀概率理論無法處理反對(duì)證據(jù)或反論證對(duì)目標(biāo)證據(jù)的概率的影響。由于證據(jù)的強(qiáng)度會(huì)受到反證據(jù)的影響，如果某個(gè)證據(jù)能在與反證據(jù)的競(jìng)爭下獲勝，那么該證據(jù)是可以被接受的。在認(rèn)定案件事實(shí)過程中，審判方需要判斷一個(gè)證據(jù)是如何影響其他證據(jù)的，而這是主觀概率理論所不能刻畫的；最后，人們對(duì)某個(gè)證據(jù)或論證的可信度不必然要求滿足可加性原則，這是因?yàn)樵谡J(rèn)定案件事實(shí)的過程中，即使確定某個(gè)命題Q的概率為P，也不能令人相信非Q的概率為1-P，因?yàn)檫€可能存在不能確信的情況。這表明以可加性原則為基本原則的主觀概率理論不能很好地刻畫證據(jù)評(píng)估的這一特性。這些缺陷意味著貝葉斯模型是一種不完美的人工智能方法，它需要與其他方法合作來彌補(bǔ)這些缺陷。

3 基于非經(jīng)典邏輯的人工智能方法

3.1 從經(jīng)典邏輯到非經(jīng)典邏輯

哥德爾之后現(xiàn)代邏輯的發(fā)展為案件事實(shí)的認(rèn)定提供了新的工具。在司法判決階段，法律推理使清晰的三段論推理成為法律證成的必要條件，經(jīng)典邏輯在檢驗(yàn)法律推理的有效性方面發(fā)揮了重要作用。應(yīng)用經(jīng)典邏輯能夠通過謂詞表達(dá)式處理較為復(fù)雜的法律語言的內(nèi)部結(jié)構(gòu)，這是傳統(tǒng)非經(jīng)典邏輯難以做到的，但經(jīng)典邏輯的單調(diào)性使得其無法處理法律推理的非單調(diào)屬性，非單調(diào)推理的實(shí)質(zhì)是前提集的擴(kuò)充能夠?qū)е陆Y(jié)論的改變，而這種擴(kuò)充是法律開放結(jié)構(gòu)所允許的。在案件事實(shí)認(rèn)定的過程中，隨著法律規(guī)則不斷修正和新證據(jù)的加入，案件的法律事實(shí)也會(huì)隨之改變，從而使得原來的結(jié)論發(fā)生改變甚至遭到反駁。為刻畫案件事實(shí)認(rèn)定的非單調(diào)屬性，邏輯學(xué)家發(fā)展出以缺省邏輯和可廢止邏輯為代表的非經(jīng)典邏輯分支，例如，Hage[11]發(fā)展的理由邏輯（reason based logic）就是一種非單調(diào)邏輯，這種邏輯能夠刻畫“基于缺省而進(jìn)行的推理”，適用于表達(dá)法律推理的非單調(diào)屬性。應(yīng)用于案件事實(shí)認(rèn)定，理由能夠表示不同類型的法律事實(shí)，對(duì)于因理由而產(chǎn)生的事實(shí)則被稱為結(jié)論或事實(shí)主張，而法律規(guī)則被建模為理由邏輯中的規(guī)則，理由邏輯是通過定性的比較推理來證明案件事實(shí)。然而，傳統(tǒng)非經(jīng)典邏輯在法律論證和對(duì)話中無法表達(dá)人們對(duì)某個(gè)證據(jù)或案件事實(shí)主張的可信度或可接受性的變化，這使得傳統(tǒng)非經(jīng)典邏輯并不完全適用于案件事實(shí)的認(rèn)定。

3.2 可計(jì)算論辯模型的應(yīng)用

為克服傳統(tǒng)非經(jīng)典邏輯和貝葉斯模型的缺陷，基于可計(jì)算論辯（argumentation）模型的應(yīng)用開始在法庭科學(xué)中嶄露頭角。可計(jì)算論辯模型是近年來在人工智能領(lǐng)域快速興起的一個(gè)新非經(jīng)典邏輯分支，它能夠克服多個(gè)證據(jù)支持一個(gè)結(jié)論而導(dǎo)致結(jié)論的可信度降低的問題，也能夠很好地表達(dá)反證據(jù)對(duì)目標(biāo)證據(jù)的減弱或擊敗影響，同時(shí)不必遵守可加性原則。除此之外，它的特點(diǎn)在于能夠避免人工智能普遍面臨的“知識(shí)接收瓶頸”的問題，因?yàn)樗恍枰邮諔?yīng)用于解決問題的知識(shí)，而是直接與較為完備的背景法律知識(shí)檔案來源相聯(lián)系，通過構(gòu)造論證的方法使問題直觀化，幫助系統(tǒng)使用者厘清并解決問題，它同樣支持案件事實(shí)認(rèn)定中的可廢止論證和在不同觀點(diǎn)分歧下的庭審對(duì)話。

案件事實(shí)認(rèn)定研究的核心問題是如何分析和評(píng)估證據(jù)支持案件事實(shí)主張的論證，包括事實(shí)主張是否被證明滿足了排除合理懷疑的標(biāo)準(zhǔn)（BRD）。這就需要解決好兩個(gè)問題：一是案件事實(shí)的分析需要清楚和明確證據(jù)支持事實(shí)主張（結(jié)論）的方式和結(jié)構(gòu)，二是案件事實(shí)的評(píng)估需要評(píng)價(jià)證據(jù)對(duì)案件事實(shí)主張的支持程度等。由法國計(jì)算機(jī)科學(xué)家Amgoud[12]領(lǐng)銜的歐洲自然科學(xué)項(xiàng)目“帶集成組件的論辯服務(wù)平臺(tái)”是一種基于知識(shí)的服務(wù)平臺(tái)，該服務(wù)平臺(tái)已經(jīng)被應(yīng)用于刑事案件中的事實(shí)認(rèn)定研究，其核心部分是一種結(jié)構(gòu)化論辯框架，這種框架的特點(diǎn)在于能夠遞歸定義論證概念，進(jìn)而表達(dá)論證的內(nèi)部結(jié)構(gòu)，而且能夠明確論證間的攻擊類型和擊敗關(guān)系，還能依賴前提和推論規(guī)則的偏好來比較和評(píng)估論證。Prakken[13]在該框架的基礎(chǔ)上改進(jìn)得到了一種新的ASPCI+，這種改進(jìn)型模型在原來的基礎(chǔ)上加入了質(zhì)疑證據(jù)作為新的攻擊類型，并且將其應(yīng)用于研究一個(gè)真實(shí)的案例（Popov訴Hayashi案）。

3.3 可計(jì)算論辯模型的可視化軟件

對(duì)于可計(jì)算論辯模型的方法，人工智能學(xué)家不僅關(guān)注它的理論模型，而且更注重基于理論模型生成的可視化軟件，這就推動(dòng)了可計(jì)算論辯模型的應(yīng)用系統(tǒng)的發(fā)展。這類應(yīng)用系統(tǒng)能夠直觀地表達(dá)抽象論辯特點(diǎn)，是一類利用可視化編程技術(shù)生成的輔助論辯軟件，也被稱為構(gòu)造化論辯系統(tǒng)。例如，Braak[14]開發(fā)的Aver系統(tǒng)是一款專門用于認(rèn)定刑事案件事實(shí)的軟件，該軟件的算法模型結(jié)合論證（argument）與故事（story）模型得到了一種復(fù)合模型，其中論證模型基于案例中的證據(jù)庫，而故事模型則是用事件（event）的溯因網(wǎng)絡(luò)來表達(dá)。Aver系統(tǒng)將這種復(fù)合模型翻譯為一種能夠表達(dá)和定義證據(jù)論證和故事的本體（ontology），這個(gè)本體區(qū)分了不同類型的關(guān)系，其中解釋關(guān)系包含用于連接事件到故事的溯因可廢止推論，而指示關(guān)系包含用于連接證據(jù)到事件的證據(jù)性可廢止規(guī)則。Aver系統(tǒng)應(yīng)用該本體創(chuàng)建了復(fù)合模型的可視化平臺(tái)，再通過一個(gè)網(wǎng)絡(luò)界面幫助系統(tǒng)使用者分析和比較案件中的論證和故事，達(dá)到認(rèn)定案件事實(shí)的目的。

4 大數(shù)據(jù)、算法和區(qū)塊鏈的技術(shù)變革

當(dāng)前，大數(shù)據(jù)、算法和區(qū)塊鏈技術(shù)的變革使得證據(jù)的分析、存儲(chǔ)和評(píng)估更加智能化，極大地影響了刑事案件事實(shí)認(rèn)定研究的進(jìn)程。大數(shù)據(jù)在數(shù)據(jù)獲取、存儲(chǔ)、管理和應(yīng)用分析方面都遠(yuǎn)超過傳統(tǒng)的數(shù)據(jù)庫，它通過云計(jì)算的分布式挖掘和存儲(chǔ)數(shù)據(jù)，通常要與圖像和語音識(shí)別算法共同發(fā)揮作用。目前大數(shù)據(jù)極大地推動(dòng)了我國刑事案件偵查模型的轉(zhuǎn)型，我國公安機(jī)關(guān)使用的“天網(wǎng)系統(tǒng)”通過視頻圖像識(shí)別系統(tǒng)識(shí)別人的臉部信息，再與數(shù)據(jù)庫中信息相匹配和驗(yàn)證，鎖定犯罪嫌疑人。此外，公安機(jī)關(guān)還使用DNA技術(shù)通過父系親緣關(guān)系排查犯罪嫌疑人，這需要與已經(jīng)建立的大數(shù)據(jù)庫中的數(shù)據(jù)加以比對(duì)，進(jìn)而逐步縮小排查范圍，提高鎖定犯罪嫌疑人的效率，公安機(jī)關(guān)破獲的“白銀殺人案”就是一個(gè)典型的案例。區(qū)塊鏈技術(shù)的作用在于為認(rèn)定案件事實(shí)保存證據(jù)，它不同于普通的電子存證，而是采用分布式存證手段，通過密匙確保證據(jù)的完整性和真實(shí)性，同時(shí)保證證據(jù)不會(huì)被篡改。區(qū)塊鏈技術(shù)使得證據(jù)的提取也高效有序，通過加密算法等技術(shù)對(duì)證據(jù)進(jìn)行識(shí)別和提取，證據(jù)能夠通過事先設(shè)計(jì)的智能合約形成證據(jù)鏈，從而實(shí)現(xiàn)證據(jù)存儲(chǔ)和提取的標(biāo)準(zhǔn)化。

隨著大數(shù)據(jù)、互聯(lián)網(wǎng)和深度學(xué)習(xí)算法的交叉應(yīng)用，綜合多項(xiàng)技術(shù)的人工智能輔助系統(tǒng)得以誕生。2017年，科大訊飛與上海市法院、檢察院和公安機(jī)關(guān)合作開發(fā)了一套“刑事案件智能輔助辦案系統(tǒng)”（又被稱為206工程），該系統(tǒng)不同于基于知識(shí)庫的專家系統(tǒng)，它通過機(jī)器學(xué)習(xí)算法，在大數(shù)據(jù)庫的支持下不斷訓(xùn)練，從而持續(xù)更新和完善。206工程的大數(shù)據(jù)庫包括案例庫、文書庫、法律法規(guī)和司法解釋庫、辦案業(yè)務(wù)文件庫、證據(jù)標(biāo)準(zhǔn)庫和電子卷宗庫，其中案例庫中案例的數(shù)量決定了類案能否得到有效推送。206工程所包含的功能包括證據(jù)標(biāo)準(zhǔn)指引、證據(jù)規(guī)則指引、逮捕條件指引、單一證據(jù)校驗(yàn)、社會(huì)危險(xiǎn)性評(píng)估、非法言辭證據(jù)排除、類案推送、量刑參考和文書生成等功能，該系統(tǒng)還能實(shí)時(shí)顯示案件的錄入情況和系統(tǒng)的功能使用情況。206工程的特點(diǎn)在于它能夠運(yùn)用深度神經(jīng)網(wǎng)絡(luò)模型算法和圖文識(shí)別技術(shù)，對(duì)數(shù)據(jù)庫中的卷宗材料進(jìn)行學(xué)習(xí)，初步實(shí)現(xiàn)對(duì)各種證據(jù)的印刷體文字、手寫體文字、簽名、手印和表格等的智能識(shí)別、定位和信息提取[15]。隨著系統(tǒng)被廣泛推廣與應(yīng)用，法官在使用過程將不斷產(chǎn)生可供學(xué)習(xí)的數(shù)據(jù)，機(jī)器學(xué)習(xí)的素材越來越多，也就使得系統(tǒng)更加成熟和適用。無疑，206工程是近年來我國人工智能技術(shù)在司法領(lǐng)域的集中體現(xiàn)，通過證據(jù)指引來引導(dǎo)錄入證據(jù)，適用恰當(dāng)?shù)淖C據(jù)標(biāo)準(zhǔn)，幫助發(fā)現(xiàn)證明案件事實(shí)的證據(jù)鏈中的缺陷，從而提高案件事實(shí)認(rèn)定的效率和準(zhǔn)確度，減少錯(cuò)案的發(fā)生。

5 人工智能方法應(yīng)用的困境與未來

人工智能方法應(yīng)用于案件事實(shí)認(rèn)定面臨多個(gè)方面的困難：

第一，如何將法律語言轉(zhuǎn)化為邏輯語言，將證據(jù)轉(zhuǎn)化為邏輯命題仍然是自然語言翻譯難以突破的瓶頸，如何明確這些邏輯命題之間的因果關(guān)系也需要更多的研究。

第二，證明標(biāo)準(zhǔn)的量化仍然是一個(gè)難題，盡管貝葉斯理論提供了量化方案，但是從定量的角度來認(rèn)定案件事實(shí)的結(jié)果至今備受爭議，需要在定量和定性研究之間尋找平衡。

第三，對(duì)于證據(jù)的可信度強(qiáng)弱的評(píng)估仍然難以找到合適的方案，這涉及到對(duì)證據(jù)的客觀真實(shí)性的評(píng)估問題，證據(jù)對(duì)事實(shí)主張的支持程度的評(píng)估也同樣面臨這個(gè)問題。

第四，在我國，完整的證據(jù)鏈條是刑事證明標(biāo)準(zhǔn)之外的額外標(biāo)準(zhǔn)，如何從人工智能角度界定完整的證據(jù)鏈條是一個(gè)重要的開放式問題。

第五，區(qū)塊鏈存證的合法性和第三方存證平臺(tái)的資質(zhì)備受質(zhì)疑，存儲(chǔ)的證據(jù)是否有司法效力也未有定論。

第六，大陸法系國家、英美法系國家與我國在刑事訴訟實(shí)務(wù)中關(guān)于案件事實(shí)認(rèn)定的相關(guān)制約因素及特點(diǎn)有所差異，如何使人工智能方法真正適用于我國刑事案件事實(shí)認(rèn)定的理論和實(shí)務(wù)是更加迫切的問題。

盡管這些困難在短時(shí)間內(nèi)難以解決，但未來刑事案件事實(shí)認(rèn)定的人工智能應(yīng)用仍將迎來更多發(fā)展機(jī)遇?？梢灶A(yù)見，未來更多的人工智能方法將從理論走向應(yīng)用，智能化應(yīng)用軟件將落地推廣，也必將產(chǎn)生一批經(jīng)過人工智能系統(tǒng)輔助案件事實(shí)認(rèn)定的典型案件。未來我國的“智慧法院”建設(shè)應(yīng)當(dāng)從法庭程序的智能化建設(shè)轉(zhuǎn)向案件事實(shí)的認(rèn)定的智能化建設(shè)，相關(guān)研究和應(yīng)用也應(yīng)當(dāng)緊密結(jié)合我國的刑事司法實(shí)際，圍繞滿足證據(jù)的“三性”展開，即能夠用于證成證據(jù)的客觀性真實(shí)性、能夠用于展示證據(jù)與案件事實(shí)的關(guān)聯(lián)性、能夠確保證據(jù)取得的合法性，進(jìn)一步還應(yīng)當(dāng)探索法官或陪審員認(rèn)定案件事實(shí)的自由心證模式，減少主觀判斷可能出現(xiàn)的失誤和錯(cuò)誤，在此基礎(chǔ)上再逐步回應(yīng)人工智能方法應(yīng)用面臨的諸多難題。還要注意的是，未來人工智能方法還需要注重交叉性研究，或者與其他理論緊密結(jié)合，例如，整合貝葉斯網(wǎng)絡(luò)與可計(jì)算論辯模型已經(jīng)成為當(dāng)前人工智能與法律研究中的新動(dòng)態(tài)[16]，人工智能方法與敘事（narrative）理論的結(jié)合也是一個(gè)重要的研究方向。

無論人工智能發(fā)展到何種程度，應(yīng)當(dāng)保持清醒的是，人工智能的應(yīng)用不可能百分之百地還原刑事案件的事實(shí)真相，它也無法代替法官和陪審員的認(rèn)定。作為一種智能的輔助工具，它的作用在于為法官和陪審員提供科學(xué)的決策建議，幫助提高案件事實(shí)認(rèn)定的效率和準(zhǔn)確度，從而減少司法判決的任意性，盡量避免冤假錯(cuò)案的發(fā)生。