彭海青于坤：人工智能赞助量刑建议的缺陷审思_人工智能_建议

2024-11-24 01:16:25 智能助手

【来源】北大法宝法学期刊库《数据法学》2023年第1期（文末附本期期刊目录）。
因篇幅较长，已略去原文注释。

彭海青于坤：人工智能赞助量刑建议的缺陷审思_人工智能_建议智能助手

内容提要：人工智能技能在法律实践中广泛运用，对付审查机关提出量刑建议而言尤为主要。
审查机关对付人工智能量刑赞助系统的开拓运用日益深入。
目前的人工智能技能仍处于弱人工智能时期，其发展仍处于初始阶段，不具有人的思维逻辑，仅能按照提前设计好的程序发挥浸染。
因此，现阶段人工智能在赞助审查机关提出量刑建议时，存在精准性不敷、与量刑建议实践部分偏离、“算法黑盒”、算法偏见等毛病，影响其功能的发挥。
在弱人工智能时期，必须提升审查职员的专业素养与能力，完善法律案例数据库以及干系机制规范等，以促进人工智能赞助量刑建议效能的更好发挥。

关键词：人工智能；量刑建议；算法偏见；智能量刑

弁言

一、人工智能赞助量刑建议的实践稽核

二、人工智能赞助量刑建议的毛病剖析

三、人工智能赞助量刑建议的发展设想

四、结语

弁言

1956年，约翰·麦卡锡等人在达特茅斯会议上提出了人工智能的观点，认为人工智能是让机器的行为看起来与凡人无异，即智能行为，这被公认为是人工智能的起源。
在普遍意义上，可以将人工智能分为弱人工智能与强人工智能。
弱人工智能是指无法用人的思想推理、处理问题的智能机器，它们不具有像人一样的思考办法，只是在机器地、重复地实行命令，并不拥有独立自主的学习意识，每每只适用于某一特定领域。
而强人工智能则能够进行深入学习，根据履历知识进行应急处理，在理性知识根本上进行推理，具有与人类一样平常的学习、推理和认知办理问题的能力，并且不再局限于办理特定领域中的问题。
其余，在未来还可能涌现“超人工智能”虽然对人工智能的探索已经由了半个多世纪，但直到现在，人工智能的一举一动仍是为程序设计者设计的程序所驱动，如果涌现分外情形，也须要程序设计者提出相应方案，再由机器加以实行，因此现阶段仍属于弱人工智能时期。
须要明确的是，至少在现阶段，对付量刑建议的提出而言，人工智能系统只能处于赞助地位。
审查官不能直接依据人工智能系统得出案件的终极量刑建议，智能量刑系统天生的结果只可以作为审查官提出量刑建议的一种参考，或是被当作一种量刑建议提出的依据，终极的量刑建议仍应由审查官把握。
以是，本文认为，在量刑建议领域的人工智能系统应被称为“人工智能量刑赞助系统”。

在审查机关进行量刑建议的实践过程中，人工智能技能发挥着愈加主要的浸染。
因此，应对人工智能在审查机关对量刑建议探索各阶段的浸染进行明确。
审查机关对付量刑建议的探索大体可以分为三个阶段：第一阶段为20世纪90年代末至2010年旁边的自由探索阶段。
其间进行的探索最早可以追溯到北京市东城区审查院在1999年开始试行的“公诉人当庭揭橥量刑见地”事情。
在此阶段，各地对付量刑建议并没有明确统一的法律规范，对付量刑建议的形式、幅度、效力等也未达成同等。
第二阶段为2010年旁边至2018年的初步成型阶段。
在此阶段的2010年2月，最高公民审查院公诉厅出台了《关于开展量刑建议事情的辅导见地（试行）》，对量刑建议的观点、范围、幅度等进行了统一的规定，哀求审查机关所提量刑建议应以相对确定的幅度刑为主，绝对确定的量刑建媾和概括性量刑建议只有在极个别情形下才可以提出。
第三阶段为2018年至今的深入发展阶段。
2018年《刑事诉讼法》修正，确立了认罪认罚从宽制度，并哀求审查机关在办理认罪认罚案件过程中提出量刑建议。
2019年“两高三部”联合发布的《关于适用认罪认罚从宽制度的辅导见地》规定，审查机关对付认罪认罚案件一样平常应该提出确定刑量刑建议。
在量刑建议实践探索的前两个阶段，由于提出量刑建议的幅度较大，审查机关仍可知足实在践哀求，因而审查机关在量刑建议方面对人工智能技能的需求较低；此外，在这两个阶段，人工智能技能在法律系统中的运用并不成熟，因此审查机关运用人工智能系统赞助量刑建议的实践并不丰富。
直到认罪认罚从宽制度为《刑事诉讼法》所确立往后，在确定刑量刑建议的哀求下，审查机关对付运用人工智能赞助量刑建议的需求大幅上升。
再加上干系人工智能技能在法律领域早已广泛运用，人工智能赞助量刑建议的实践不断呈现。
因此，本文对付人工智能赞助审查机关量刑建议的研究也以量刑建议探索的第三阶段为切入点。

一

人工智能赞助量刑建议的实践稽核

（一）人工智能赞助量刑建议的必要性

审查机关运用人工智能赞助量刑建议，在现阶段对付法律实践而言是不可或缺的。
首先，“同案不同判”的征象一贯被长期诟病，法律裁判的公信力也因此而受到危害。
而审查系统对付量刑履历标准的把握较之法院系统而言更弱，所提量刑建议与法院的实际量刑仍具有一定差距。
人工智能量刑赞助系统以大数据为根本，其量刑建议是借助深度学习演习模型得出的，因此对类案提出的量刑建议结果较为相似，与量刑标准差距较小。
这可以提高量刑建议的说服力，担保法律决策的同等性，进而提升法律公信力。
其次，在认罪认罚从宽制度被确立往后，量刑建议在性子上发生了根本转变，不仅承载了审查官、被害人及其代理人、犯罪嫌疑人及其辩解人或者值班状师等各方对量刑的态度和见地，成为凝聚控辩合意的主要载体，还表示了我国刑事诉讼模式从对抗到互助的根本变迁，推动了协商式新型辩解模式的产生。
据统计，2020年全国认罪认罚从宽制度适用率超过85%，量刑建议采纳率靠近95%。
这意味着在刑事案件辩解方面，控辩量刑协商的形式已霸占主导地位，协商式辩解的涌现也让刑事审出路序中的辩解，尤其是审查起诉环节的辩解更具有决定性意义。
因而通过在认罪认罚案件中运用人工智能技能提出量刑建议，可以为辩解人供应一个明确的量刑建议标准，更好地与审查机关进行量刑协商，从而推动协商式刑事诉讼模式的良性发展。
末了，2021年全国审查机关共办理各种案件363.7万件，同比上升20.9%。
在此背景下，广泛运用智能技能赞助量刑建议可以提高审查机关办案效率，极大地缓解“案多人少”的抵牾，在短韶光内填补审查系统量刑建议事情的短板。
并且通过人工智能量刑系统得出量刑建议结果，可以减少法律职员对量刑建议提出的参与过程，限定法律职员提出量刑建议的范围幅度，进而减少法律腐败征象。

（二）人工智能赞助量刑建议的详细实践

审查机关运用人工智能赞助量刑建议是随着量刑建议的实践以及审查信息化事情的开展而进行的，干系详细实践紧张集中在“聪慧检务”部分。
2017年5月22日，最高公民审查院党组会审议通过了《关于智能语音与人工智能运用的报告》，正式提出出“聪慧检务4.0”的观点。
2018年，审查信息化正式进入‘“聪慧检务”阶段，强调利用人工智能技能实现量刑建议精准化。
地方审查院利用智能系统提出精准化量刑建议的实践不断呈现：2018年，上海市虹口区审查院建立“量刑过程可视化系统”，勾选案件在各个量刑成分上的表现即可天生量刑结果。
2019年4月28日，全国审查机关在“量刑建议精准化、规范化、智能化”网络培训中强调，各级审查机关要深入推进量刑建议事情有效开展，朝着“精准化、规范化、智能化”的目标努力，并充分发挥大数据智能赞助系统的浸染，采纳多种方法全面提升审查官量刑建议的能力和水平。
2019年，河北省保定市审查院开拓“智能比对系统”，通过智能抓取并比拟文书中的关键词，呈现出既判类案中的刑期、缓刑适用比例，罚金数额等裁判结果，供法官参考。
2020年1月2日，全国审查机关统一业务运用系统2.0版在最高公民审查院以及贵州、海南两省检察机关上线试点运行。
自此，审查机关步入审查业务运用系统2.0版。
相较于之前的1.0版，审查业务运用系统2.0版增加了量刑赞助系统等智能赞助办案工具，并实现与法院系统的数据互通，从而更有助于完善审查机关量刑建议赞助系统的数据库，促进量刑建议精准化、规范化。
2020年，安徽省怀宁县审查院引进“小包公智能量刑赞助系统”，通过选择区域和罪名、敲定量刑情节，即可天生量刑预测报告。
该系统由广东博维创远科技有限公司研发与设计，创始了理论量刑预测和实际量刑剖析“双系统”，在刑期预测过程中可以实现刑期展示和法律法规、法律阐明等法律依据及辅导案例、刑事审判参考等法律不雅观点的推送，供应同地区类案智能推送及大数据可视化剖析。
并通过量刑规范化表格呈现出量刑打算过程，可以充分考虑个案的法定情节、酌定情节和审查官的裁量权，从而助力量刑建议的提出。
2020年以来，重庆市审查机关在提高量刑建议精准化水平的过程中坚持做到风雅化、规范化、智能化，研发了涵盖31个常见罪名的智能办案赞助系统；重庆市武隆区审查院积极利用25个常见罪名量刑建议智能赞助系统，合理利用量刑建议赞助、本地类案优先推送、量刑偏离度剖析等智能技能，助力量刑建议精准化。
2020年7月20日，上海市虹口区审查院“聪慧量刑”小程序上线，涵盖交通闹事罪、故意侵害罪、职务侵略罪等12类罪名。
在小程序上输入“罪名”和“核心量刑情节”后即可直达“量刑可视化图表”，图表中清晰地显示出适用认罪认罚和未适用认罪认罚两种情形下各种量刑的比拟情形。
可见，随着审查信息化培植的开展，量刑赞助系统已在审查系统中逐步推进，尤其是进入“聪慧检务”阶段，智能量刑赞助系统已经成为各地审查机关智能化的重点研究开拓领域。

（三）人工智能赞助量刑建议的类型划分

按照案件情节输入办法的不同对人工智能量刑赞助系统进行分类，可以将上述详细实践中的干系赞助系统分为“类案推送”型、“量刑成分”型、“常见罪名”型、“罪名与量刑成分综合”型四大类（见表1）。

通过表1对审查机关所运用的智能量刑赞助系统四大种别进行剖析，可以创造：对付“类案推送”型而言，一方面，其紧张依据“自动抓取”与大数据的“类案推送”技能快捷地输入案件信息，审查官在类案的指引下能较为充分地发挥自由裁量权作出终极决定；另一方面，由于现阶段法律文书中的笔墨表述并不一致，且人工智能技能灵巧性较低，因此极易遗漏干系情节，进而影响终极结果的准确性，并且所得结果只是类案讯断，较为粗略。
对付“量刑成分”型而言，一方面，其通过人工直接对量刑成分进行勾选，能够较为精确地录入案件干系信息，并且系统“输出”的是一种直不雅观、精确的结果，能够更为精准地指引审查机关提出量刑建议；另一方面，其紧张依赖审查官手动将案件干系量刑情选录入系统之中，此过程较为啰嗦，且对审查官主不雅观能动性的依赖程度较高，易受到人为成分的影响。
此外，该系统所依据的量刑建议天生逻辑也较为单一，较难适应繁芜的案件情形。
对付“常见罪名”型而言，一方面，其根据案件所属罪名的不同而运用不同的量刑建议天生逻辑，依据干系量刑辅导见地的指引，所得结果较为合理；另一方面，其只依据罪名不同而天生量刑建议，导致量刑建议的天生过程较为大略，并且在“输入”端紧张也依赖审查官手动将案件干系量刑情节进行录人，仍易受到人为成分的影响。
对付“罪名与量刑成分综合”型而言，一方面，其对“量刑成分”型和“常见罪名”型进行了综合，丰富了天生量刑建议所依据的要素，所得量刑建议结果更为合理、精确；另一方面，其仍未避免“输入”端紧张依赖审查官手动录入案件干系量刑情节的毛病。

从总体上看，随着审查机关对人工智能技能研发与运用的不断推进，智能量刑赞助系统运算所依据的要素逐步从单一走向复合，所得结果也从较为粗略变得更为细致，运算逻辑更为严密清晰，所得量刑建议更为科学、合理。
但毋庸置疑的是，现阶段审查机关对人工智能量刑赞助系统的探索仍处于初期阶段，其不可避免地存在一定的毛病，尤其是在干系案件信息的输入过程中（“输入”端），现有智能量刑赞助系统均存在较大毛病。

二

人工智能赞助量刑建议的毛病剖析

虽然时常会有人评论辩论人工智能技能可以直接对量刑建议作出一个准确、适当的结果，在未来有极大的可能性取代审查官的事情，并且智能量刑赞助系统在法律实践中已经得到广泛运用，但现在的人工智能仍处于弱人工智能阶段，仍是根据人类预先设定好的程序实行命令，并不具有像人类一样的思考能力。
因此，运用智能技能赞助审查机关提出量刑建议，不可避免地存在一些毛病。

（一）人工智能赞助量刑建议的精准性不敷

2018年《刑事诉讼法》修正，确立了认罪认罚从宽制度，规定审查机关对付认罪认罚案件须要提出量刑建议，公民法院对付审查机关提出的量刑建议一样平常应该采纳；而《关于适用认罪认罚从宽制度的辅导见地》更是规定，审查机关所提量刑建议一样平常应该为确定刑。
虽然法律实践对付量刑建议的效力颇有批驳，但不可否认的是，认罪认罚从宽制度已经形成了协商式法律模式的框架，要想使认罪认罚从宽制度更好地发挥让犯罪嫌疑人认罪服判的效果，就必须让犯罪嫌疑人能够对认罪认罚的法律效果有直不雅观的预期。
因此，量刑建议应该具有法律公信力，原则上法官应该受到量刑建议的约束。
从最高公民审查院公布的量刑建议采纳率来看，量刑建议也确实发挥了此种功能。
为实现这一功能，量刑建议必须具有极高的精准性：一方面，审查机关所提量刑建议应该与案件事实相匹配，为不同案件犯罪嫌疑人供应一个准确的预期结果；另一方面，审查机关所提量刑建议应该与法院量刑标准相契合，符合法院的裁判哀求。

现阶段人工智能对量刑建议进行的赞助因此大数据技能为根本的。
大数据技能虽然可以对海量的数据进行剖析，但在精确性方面较为不敷，因此人工智能赞助量刑建议不可避免地存在相应毛病。
其一，基于大数据而形成的量刑建议每每是总结海量案件的普遍规律和结论而形成的，是一种系统化、标准化的产物。
但完备意义上的同案是不存在的，法律实践中存在的都是类案，不同的案件每每具有独特性。
因此，智能量刑赞助系统只会对案件的一样平常情节进行剖析，而对付每个案件的独特情节很难做到精确且全面地把握。
在现阶段人工智能并不能用人的思想推理、处理问题的情形下，智能量刑赞助系统所提出的量刑建议每每很难实现个案正义。
其二，虽然现在已处于法律大数据时期，但并非与案件有关的所有信息均会被公开。
现阶段仍处于认罪认罚从宽制度全面履行的初期阶段，已决认罪认罚从宽案件的数量相对不敷，大数据剖析的基数达不到“海量”程度，且已决案件的法律文书在数据公开、笔墨表述等方面也存在不全面、不客不雅观乃至遗漏等问题。
其余，我国目前法律领域人工智能技能的数据基本来源于中国裁判文书网上的裁判文书。
但中国裁判文书网2014年才正式启用，上面的裁判文书数量可能只有审结案件的50%。
这些成分导致人工智能赞助量刑系统所依据的大数据不完全，且充斥着大量无效数据，因此人工智能对付量刑建议的赞助浸染并不能达到十分精确的程度，只能为审查机关量刑建议供应一个相对模糊的参考绩果。
其三，我国幅员辽阔，各地经济发展与法治化程度差异较大，这就导致不同地区的量刑标准极为不同。
以“法定刑在三年以下有期徒刑、拘役、牵制、单惩罚金幅度的盗窃罪”量刑为例，广西壮族自治区高等公民法院在其发布的《关于常见犯罪的量刑辅导见地》履行细则中规定，增加相应刑罚量的标准之一为“犯罪数额每增加二千五百元，增加一个月至二个月刑期”；而四川省高等公民法院在其发布的《关于常见犯罪的量刑辅导见地》履行细则中则规定，“犯罪数额每增加一千五百元，增加一至二个月刑期”。
纵然在同一地区，由于不同法官之间的专业知识水平与办案履历等有差异，对量刑的把握也会存在差异，因此通过大数据提出量刑建议的精准性有待考验。

（二）人工智能赞助量刑建议与实践存在部分偏离

其一，人工智能赞助量刑建议与审查机关的实践需求脱节。
量刑建议的法律实践紧张集中于认罪认罚从宽制度中。
2019年6月至12月，适用认罪认罚从宽制度并提出量刑建议的案件适用率仅用半年韶光就从 38.4%提高到82.9%；2019年1月至9月，认罪认罚案件适用普通程序审理占比为14.5%，而适用大略单纯程序审理占比为49.8%，适用速裁程序审理占比为35.6%。
可见，适用认罪认罚从宽制度并提出量刑建议的案件大部分是轻罪案件，重大疑难繁芜案件占比很低，这使得关于重大疑难或者新型案件提出量刑建议的数量较少，轻罪案件数量较多。
而审查官对付常见的轻罪案件，由于办理的案件数量极为丰富，因此对付法院处理轻罪案件的量刑标准已相称熟习，并由此形成轻罪案件量刑建议标准。
以是在现阶段，审查机关借助智能量刑赞助系统对轻罪案件提出量刑建议的需求并不高，每每最须要借助智能量刑赞助系统对新型、疑难案件进行处理。
但此类案件数量较少，对弱人工智能时期的量刑建议赞助系统而言，大数据浸染发挥不充分，终极导致智能量刑赞助系统很难针对新型、疑难案件为审查机关供应相对准确的量刑建议。

其二，人工智能技能的开拓运用不完善。
一方面，审查系统对付人工智能技能存在一定的僵化追求，在一定程度上一味追求量刑建议科技化而非科学化，这不符合量刑规范化的哀求，存在机器主义的方向。
审查系统在进入“聪慧检务”阶段后，就大力提倡对人工智能技能在办案领域的开拓运用。
2017年12月22日，《最高公民审查院关于深化聪慧检务培植的见地》发布，对深化聪慧检务的培植目标进行了明确；2018年7月，最高公民审查院发布《全国审查机关聪慧检务行动指南（2018—2020年）》，细化了2018年至2020年聪慧检务的培植任务，不仅强调要推进大数据、人工智能等前沿科技在审查事情中的运用，而且对审查系统完成各项聪慧培植任务的韶光作出了统一安排。
加之法律任务制的影响，基层审查系统及其事情职员随意马虎涌现“唯科技论”，尤其是在量刑建议提出的过程中，极易依赖于人工智能技能所产出的结果。
但科技化并不即是科学化，过度迷信人工智能技能会使得科技代替审查机关作出法律决策。
而人工智能技能正处于初始发展阶段，无法替代审查官本身进行量刑建议事情。
另一方面，现阶段智能量刑系统的数据兼容性不敷，各地审查机关之间以及审查机关与公安、法院之间的智能系统信息对接度不高，难以实现互联互通。
人工智能技能不仅在审查系统内部进行运用，公安系统、法院系统均在大力培植，乃至各地律所的智能化培植也在大力推进。
就量刑赞助系统而言，虽然审查系统的运用已较为广泛，但最早对其进行研发探索的是法院系统。
山东省淄博市淄川区公民法院从2003年就开始设计审判系统，以期将电脑量刑运用于法律实践之中。
2006年3月，淄川区公民法院与科技公司正式推出了共同研制的电脑量刑软件，之后法院系统运用技能赞助量刑的实践不断呈现。
其余，当下各地律所也正在对量刑预测系统进行大力开拓。
然而这些探索研发基本均是各自进行，各个别系之间彼此独立，数据兼容性不敷，难以进行对接与整合；加上不同地区的量刑参数不同，建立统一的智能量刑赞助系统困难重重。
在认罪认罚从宽制度全面履行的背景下，审查机关所提量刑建议需与全国各地相似案例大体均衡，但干系数据资源尚不能实现整合，因此该哀求难以实现。

其余，我国人工智能与法学相结合的复合型人才数量远远不敷，紧张由单一学科背景的技能职员对系统进行研发。
研发职员法学背景的缺少使得智能量刑系统较为僵化，无法与法学专业理论相匹配，进而阻碍智能量刑赞助系统效能的发挥。
审查机关对审查事情职员所进行的人工智能技能运用培训也不尽规范，尚未形成一套完全的培训体系，在实践中常常涌现各级审查机关重复培训以及部分领域培训空缺的情形，这种征象也制约了人工智能时期量刑赞助系统的运用。
智能量刑赞助系统紧张依据法律案例库的大数据发挥浸染，而我国是成文法国家，判例在我国并不具有正式的法律效力。
再加之法律也并非一成不变，每每会跟随实践的发展而变革，因此当法律涌现变革，乃至前后法律规范之间涌现完备相反的立法状况时，人工智能技能由于没有可以依赖的精确案例加以支持，进而难以对量刑建议的提出发挥浸染。

（三）人工智能赞助量刑建议自身存在毛病

其一，人工智能本身存在“算法黑盒”问题。
“算法黑盒”，是指人工智能在数据吞吐阶段，根据既定的语法和句法规则，经由半自动或全自动的自然措辞天生，将输入的数据整理成一定的构造，由于此阶段所涉及的技能繁杂且用户无法理解或得到阐明，故形成“黑盒”对付人工智能赞助量刑建议而言，由于“算法黑盒”缺少透明度，可能会让"大众年夜众对智能量刑系统所输出的结果产生不信赖。
国外审查官与法官运用智能量刑赞助系统对被追诉人进行量刑已引发了较大的社会争议，美国的卢米斯诉威斯康星州案便是范例案例。
在卢米斯诉威斯康星州案中，审查官依据“COMPAS”智能量刑赞助系统的评估报告指控卢米斯具有再犯高风险，法官也依据该评估报告判处卢米斯6年有期徒刑和5年的延期监督。
但由于保护商业秘密的须要，法庭在这一过程中只能得到再犯高风险的评估报告，详细的评估过程则不会被展示。
卢米斯对此提起了缓解动议，情由是法院利用“COMPAS”评估进行量刑讯断陵犯了其得到“个殊化讯断”和基于准确信息得到讯断的权利，但被初审法院驳回，驳回结果也得到威斯康星州上诉法院和州最高法院的坚持。
最高法院认为，虽然风险评估的详细过程没有被公开，但法官利用算法进行风险评估而作出的讯断并没有陵犯到被告人的正当程序权利。
纵然科技公司不考虑商业秘密，志愿将“COMPAS”评估过程所涉及的技能手段进行公开，但作为一种人工智能时期的量刑工具，“COMPAS”本身就存在不愿定性，研发公司也未必可以对该技能的剖析、决策过程作出准确详尽的阐明解释。
同样，人工智能在赞助量刑建议的实践过程中，其“算法黑盒”问题会与法律决策的公开性产生冲突。
尤其是在认罪认罚从宽制度中，量刑建议具有了控辩协商的属性，但由于“算法黑盒”问题的存在，被追诉人及其辩解人无法理解量刑建议的形成过程，进而可能阻碍量刑建议协商的顺利进行。

其二，人工智能可能导致量刑建议存在代价偏见。
在法律实践中，智能量刑赞助系统绝大多数是由科技公司研发设计的，这使得科技公司在一定程度上行使着法律权。
但科技公司并不是法律机关，很难站在公道、中立等代价角度去判断问题，从而导致智能系统在研发过程中极有可能加入研发者的代价判断。
而法律机关中具有打算机、人工智能等技能背景的复合型人才稀少，难以对智能量刑赞助系统进行可视化的审查判断，这就会导致人工智能系统在赞助量刑建议过程中涌现代价偏见。
这种代价偏见，在实质上并非研发者所导致，而是一种社会"大众年夜众普遍存在的代价偏见。
例如，通过对“COMPAS”系统进行独立测试，创造在美国法律实践中，黑人犯罪者比白人犯罪者更有可能根据该系统得到较高的风险等级评估。
黑人被评估出的再犯风险险些是白人的2倍，但实际再犯的比例仅有20%。
纵然不考虑科技公司在研发过程中加入代价偏见的环境，由于以大数据为根本的人工智能系统是通过对之前海量案件进行剖析判断而赞助量刑建议的，而在之前的案例之中不可避免地加入了审查官或者法官可能存在的某一期间或者某一地域的偏见不雅观念，这就会影响到量刑赞助系统终极输出的结果，进而使得这些不雅观念和偏见的影响韶光与范围都在不断地扩大。
这样的后果便是现实社会中原有的量刑本色不平等将不断被复制进而固化，并且不断恶化。
而这种存在于智能量刑赞助系统内的代价偏见与一样平常的代价偏见远远不同，由于其具有不可预测性，其产生是系统程序依据法律大数据库进行推演的结果，在此过程中须要经历“算法黑盒”的部分，而这种推演过程远远不同于人类之间的互动，是人类常日逻辑所不能理解与预测的。
因此，这种不可预测性也不利于被追诉人及其辩解人与审查机关进行量刑协商，进而不利于协商式量刑建议的提出。

其三，现阶段人工智能赞助量刑建议可能存在技能“瓶颈”。
根据前文对人工智能赞助系统的类型划分，现阶段的人工智能赞助系统在“输入”端总体上可以分为“手动输入”与“自动抓取”两种类型，但这两种类型的人工智能量刑赞助系统均存在不可避免的毛病。
对付前者而言，其紧张依赖审查官对干系量刑情节的手动录入。
不仅录入过程较为繁杂、便捷性较低，而且依赖审查官主不雅观能动性的发挥，对审查官专业能力与素养的哀求较高，潜藏着“不同审查职员所录入量刑信息也会不同”的风险，从而不利于对“同案同判”的追求。
对付后者而言，其对干系量刑情节的录入虽是通过人工智能对关键词的自动抓取技能实现的，但由于现阶段的人工智能技能仍处于弱人工智能时期，不具有人类灵巧与变通的思维，很难应对现阶段法律文书中存在的笔墨表述不一致的环境，极易遗漏关键量刑情节，进而对量刑建议的终极结果产生不利影响。
因此，上述两种类型的人工智能系统在“输入”端均存在相应毛病。
要想办理上述毛病，必须借助人工智能技能，实现对干系量刑情节的准确录入，即一方面须要以人工智能代替审查官从而实现案件量刑情节的自动抓取与录入，另一方面又须要授予人工智能技能准确理解法律文书中笔墨表述的思维能力。
该种设想的实现须要建立在人工智能技能具有较为灵巧的思维的根本之上。
这种技能哀求只能在强人工智能时期实现，而现阶段人工智能技能仍处于弱人工智能阶段，并且仍会存在一段相称长的韶光。
因而对付现阶段人工智能在赞助量刑建议领域的发展而言，其已涌现技能“瓶颈”，须要一段较长的韶光来加以打破。

三

人工智能赞助量刑建议的发展设想

正如前文所言，现阶段智能量刑赞助系统还处于弱人工智能阶段，虽然已经广泛运用于审查机关量刑建议的提出过程，但其发展仍处于初始阶段，不可避免地存在一些毛病，人工智能在赞助量刑建议领域存在很大的进步空间。

首先，要提升审查事情职员的专业能力与素养，造就精确的科技运用不雅观念。
在科技崇拜确当下，不少审查官、法官由于法律任务制的影响，可能会过度看重智能量刑赞助系统的浸染，但弱人工智能技能并不具有人的判断思考能力，只能按照已经设定好的程序进行推演，不能完备取代审查官提出量刑建议。
因此，应对审查事情职员进行专业培训，帮助其树立精确的科技运用不雅观念，让其清楚地意识到不能一味追求量刑建议提出的科技化，而应该追求量刑建议提出的科学化、规范化。
智能量刑系统所天生的结果只是提出量刑建议的一种参考，或是量刑建议提出的情由支撑，但终极作出何种量刑建议仍应由审查官决定。
审查机关还应定期开展人工智能技能运用的专门培训，提升审查官运用智能量刑系统的专业能力。
尤其要对年事较大的审查官进行专门培训，提升其对智能量刑系统的适应力。

其次，在提高人工智能赞助量刑建议的精准性方面，由于现阶段人工智能量刑赞助系统浸染的发挥紧张依赖于大数据技能，因此大数据的精准性将直接决定人工智能赞助量刑建议的精准性。
而大数据技能精准性与数据库的案件质量有着密切关系。
现阶段，不管是中国裁判文书网还是其他的法律数据库中，均存在大量无效数据和空缺数据，导致人工智能赞助量刑建议难以形成高精准化的结果。
因而，必须要打消智能量刑赞助系统所依据的法律数据库中的无效数据、空缺数据，提升法律数据库的质量。
其余，纵然为了保密须要或者基于其他成分考虑，部分裁判文书不能上网公开，法律机关也应该联合建立一个专门的裁判文书数据库对其进行储存。
裁判文书的内容也不须要全部进行运用，可以把与量刑无关的成分隐蔽，只保留与量刑有关的情节。
这样就可以在提高大数据精准性的根本上，兼顾法律数据安全与个人信息保护。
此外，还须要规范裁判文书的格式。
对付通过“自动抓取”录入案件信息的智能量刑赞助系统而言，其面临的紧张问题便是很难灵巧应对现阶段法律文书中笔墨表述不一致的环境。
对此，技能层面的办理办法可能已碰着“瓶颈”，在较永劫光内无法通过人工智能技能的改进加以办理。
应对裁判文书的格式与笔墨表述等进行规范，帮助智能量刑赞助系统较为准确、全面地捕捉干系量刑信息，进而提升人工智能赞助量刑建议的精准性。

再次，针对人工智能与量刑建议法律实践存在部分偏离的问题。
法律机关是法律事情的第一线，能够及时精准地把握实践对付人工智能的需求，因此必须由法律机关对智能量刑赞助系统进行开拓，这样可以避免科技公司在一定程度上部分行使法律权的问题。
其余，鉴于法律机关各自研发量刑赞助系统、难以实现数据整合的现状，须要各个法律机关进行联合研发，这样既可以扩充法律案例数据以提升大数据运用的质量，还可以集中法律机关的复合型人才以进行更好的研发与后期掩护。
智能量刑赞助系统的研发必须与量刑理论和逻辑紧密贴合，不能完备凭借技能产生的逻辑进行研发。
应将提出量刑建议所须要考虑的干系成分都包括在内，不仅须要考虑法定量刑情节，更应只管即便补充酌定量刑情节，还应与法律实践中存在的其他人工智能技能进行结合，如社会危险性评估技能以及量刑证据识别技能等。
再者，由于现阶段量刑建议领域的智能量刑赞助系统分为“类案推送”型、“量刑成分”型、“常见罪名”型、“罪名与量刑成分综合”型四大类，而这四种类型又有各自不同的毛病，因此法律机关在系统研发过程中应重点把握与规制不同类型所存在的毛病。
虽然其可能在“输入”端均已涌现技能“瓶颈”问题，但现阶段仍是人工智能技能飞速发展期间，可以通过引进尚未在量刑领域运用的其他人工智能技能，来对这些毛病进行一定程度的填补。

末了，面对人工智能本身存在的“算法黑箱”，必须提高算法的透明度。
在此过程中，须要建立算法阐明规则，使那些可能受到算法决策不利影响确当事人能够得到合理解释或者寻求人工干预加以纠正。
这就哀求审查机关在利用智能量刑赞助系统提出量刑建议之前，奉告被追诉人及其辩解人该系统的运用以及可能的结果，并搜聚他们的见地。
当被追诉人及其辩解人认为智能量刑赞助系统的运用可能会对量刑建议的提动身生不利影响或者对此存疑时，可以哀求智能系统的研发者对此进行阐明，或者哀求审查机关对量刑建议进行人为更正。
其余，在智能量刑赞助系统投入运行前，该当对其算法规则以及法律数据库进行考验评估，这一过程不仅须要技能职员、法学专家的参加，更该当接管社会"大众年夜众的加入。
唯有如此，才能增强人工智能赞助量刑建议的合理性与公道性，产出的结果也更随意马虎为社会"大众年夜众所接管。

四

结语

近年来，人工智能赞助量刑建议的实践不断呈现，各级各地审查机关都在大力推动人工智能技能与量刑建议的结合。
在此背景下，审查机关所研发和运用的智能量刑赞助系统，不仅是人工智能时期的一定产物，而且与审查机关对量刑建议的探索进程相契合，其发达发展具有一定性。
然而，针对人工智能赞助量刑建议的详细实践进行探析后创造，该技能的运用在精准性、与法律实践的契合程度以及技能本身等方面存在一定毛病，这些毛病的存在直接影响到人工智能在量刑建议领域的详细运用效果。
因此，须要提升审查官的专业能力与素养、提高法律数据库的质量以及算法的透明度、建立相应的算法阐明机制和救援路径等，使审查机关能够运用智能量刑赞助系统得出准确、适当的量刑建议。
鉴于人工智能技能以及审查机关对量刑建议的探索仍存在很大的发展空间，并且作为两者结合的智能量刑赞助系统也是近些年的新兴之物，本文对人工智能赞助量刑建议详细实践所进行的审思，由于能力所限，仅是浅尝辄止，期冀能够引起学界对量刑建议领域人工智能技能的关注，推动人工智能赞助量刑建议的良性发展。

推举阅读

2023年第1卷（总第四卷）要目

【特稿】

1.《个人信息保护法》背景下陵犯公民个人信息行为的罪与非罪认定标准剖析

洪延青（3）

【“数字货币的法律规制”专题】

2.论法天命字货币权利变动中的交付

徐文、李思奇（25）

3.数字公民币对刑法多少罪名适用的影响

陈琦（47）

【“个人信息侵权任务研究”专题】

4.个人信息侵权任务的归责困境与消解路径