卫跃宁，袁 博

(1.中国政法大学 刑事司法学院，北京 100088；2.国家“2011计划”司法文明协同创新中心，北京 100088)

方法论问题不仅是对理论的抽象，更关系到现行制度的生成路径，也是评价实践合理性的标尺。而实践中那些不符合刑事法治精神的现象背后，常伴随方法论的缺失或误用。大数据时代的来临，也势必会在刑事诉讼领域引起“数字革命”，继而引发新一轮以大数据为主题的公平与效率反思，还会引申出对预测功能的鼓呼与风险性预警两种立场，也不乏扬弃与折中。[注]以大数据、人工智能与刑事司法为主题的论著各有侧重，或从实践面向展开论述其风险及防范，或从改革面向论证大数据于司法中的各种可能性；或从功能主义视角解析司法人工智能的制度演进，或论证“大数据时代”法律研究必须以全息数据为前提。特别是，还有学者对大数据与正当程序的冲突进行了调和。但仍有可以研讨的空间，本文希望通过“由方法到实践”的思路，以一种续造的态度对“程序正义”的数字内涵进行解读，以连接“数据”与“程序正义”。参见裴炜：《个人信息大数据与刑事正当程序的冲突及其调和》，载《法学研究》2018年第2期；王燃：《以审判为中心的诉讼制度改革：大数据司法路径》，载《暨南学报(哲学社会科学版)》2018年第7期；朱体正：《人工智能辅助刑事裁判的不确定性风险及其防范——美国威斯康星州诉卢米斯案的启示》，载《浙江社会科学》2018年第6期；左卫民：《迈向大数据法律研究》，载《法学研究》2018年第4期等。大数据分析方法的介入应对刑事程序正义有所裨益。程序正义是刑事诉讼的内核，是保障公正与真相价值实现的前提。程序正义与大数据分析方法之间应呈现出一种目的与手段的辩证关系。在当前语境下，务必要警惕对大数据手段的依赖而引起的刑事程序正义克减。厘定大数据分析方法的属性并发掘合理的方法路径才是研究的目的所在，更重要的是，延展大数据时代的刑事程序正义内涵。

一、 刑事诉讼语境中的“大数据”

事物都具有数字化的特性[1]，“数据”是对实践的数字表达与整合，对数据的计算则是以不同组合来展现事物的不同侧面。大数据分析是一种方法，其功能表现为通过统计分析、数据可视化与发掘，实现描述性、校验性和预见性。简言之，即监测、预警、分析与预测功能[2]。大数据分析方法区别于传统数据分析的关键，也即大数据的科学性主要表现在“大”的属性上，可从“质”和“量”两个层面展开：“质”表现在大数据在不同界别之间跨越，数据源不固定于某一特定领域，突破“独立共同分布”的限制并显现出一种高度的开放性；“量”不仅表现在数据基数的庞大，更表现在数据不受人的意志操控而持续增长。也正因如此，有学者在“量”(volume)、“速”(velocity)、“维”(variety)之外，增加大数据的客观性和原真性特征(veridicality)[3]。此外，大数据分析方法与传统数据分析的区别还体现在以下方面：其一，传统数据分析受制于抽样样本的纯度，而大数据是立足于全息分析，面对的数据具有自发性与原始性；其二，传统数据分析立足于结构化数据分析，而大数据同时具备结构化与非结构化双重属性；其三，在方法层面，大数据分析方法将以往数据分析“定性—定量—再定性”的范式进化为“定量—定性”的形式，可见大数据分析方法通过归纳的路径发现规律性，且直观上剥离了观察者的主观预设，在形式上极为接近社科法学所崇尚的“价值无涉”理想形态。

面对大数据的科学性和有效性，国家在顶层设计层面启动“大数据行动”，并进入刑事司法领域：2016年7月，中共中央办公厅、国务院办公厅发布《国家信息化发展战略纲要》，对“智慧法院”和“科技强检”提出原则性指引，涉及“审判、执行与监督”等环节。2017年7月，国务院发布《新一代人工智能发展规划》进一步对智慧法庭建设提出要求，重点落脚在智慧法庭数据平台建设，也涉及了“审判、人员、数据应用”等环节，并且提出，人工智能将借助大数据技术平台进入“证据收集、案例分析”等关键环节。然而，大数据分析方法应在何种程度与刑事审判相结合，如何划定范围，仍需进一步完善和明确。值得肯定的是，2017年4月20日，最高人民法院发布《关于加快建设智慧法院的意见》，理性地选择了技术“辅助”的立场，并强调了大数据应用的重点在于“非审判性事务”，且落脚点在于实现“类案同判”和“量刑规范化”，展现了审判机关的审慎理智立场。2018年7月，最高人民检察院发布《全国检察机关智慧检务行动指南(2018—2020年)》，除提升大数据在检务公开、便民与监督层面的应用之外，也进一步明确了“辅助办案”的态度。

可见，针对大数据分析方法在司法环节的应用，我国司法机关在充分肯定其科学性与有效性的同时，保持了一份必要的“冷思考”，这是出于对刑事程序正义的尊重，也是出于对司法公信力的考量，但这种理念层面的思考还需进一步深入：虽然强调大数据分析方法仅涉及“非审判性事务”，但“类案同判”却会影响到判决的最终形成。当前以大数据实现“类案同判”的制度愿景与现实之间还存在着诸多技术上的障碍，如识别不够精准、信息质量良莠不齐、时间与地域差异等[4]。然而，我们可能忽视了一个重要的问题——当事人与辩护人在司法大数据系统面前“缺席”。暂且不论大数据分析方法能不能辅助检索参考、辅助定罪量刑，亦或是风险预警，如果当事人及其辩护人不能以行使权利的方式平等参与进来，势必会形成新的“信息不对称”或加剧控辩失衡。或者说，在没有解决好出发点与立场的问题之前便试图解决技术问题，其实是一种舍本逐末。这些问题背后隐含的根源是方法论问题。我们认为，应该坚持一种从刑事诉讼自身价值出发的方法路径，再去追求制度的技术可能性，如此才能更好地调动控辩审多方的积极性，激发大数据司法的制度活力。究竟如何更加准确地为大数据分析方法划定制度界限和应用范围，还需要从大数据对刑事诉讼可能带来的挑战来加以反思。

二、 大数据分析方法介入刑事诉讼的问题反思

没有任何一项制度像刑事诉讼一样，一旦程序偏离公正与真相，将导致公平正义的最后一道防线失守。因此，必须以审慎的态度对大数据分析方法可能带来的风险进行考量。

(一) 大数据分析方法自身的局限性

首先，大数据分析方法具有实证主义的特点，从海量数据中将某种特质进行抽离，注重“在个性中发现共性”，却容易忽视个性。但矛盾的是，刑事诉讼中案件的个性其实意味着个案的正义，形成法律规则的经典例案(Leading Case)其实都是个性的体现，如“米兰达案”塑造了沉默权，[注]Miranda v. Arizona, 384 U.S. 436 (1966).又如“吉迪恩案”将普遍获得辩护的权利引入美国宪法修正案，[注]Gideon v. Wainwright, 372 U.S. 335 (1963).再如“布莱迪案”强化了检察官全面收集、开示证据的义务，[注]Brady v. Maryland, 373 U.S. 83 (1963).等等。这些都是个别判例引发了司法者对刑事程序正义的思考，才有了规则的确立、传承与赓续。其次，大数据分析需要通过非结构化的数据来克服数据来源的主观性，但刑事诉讼本身对真实性和精确性的要求极高，无论是研究还是实践层面，都要担心数据误差导致的结论错误[5]。再者，大数据分析方法在犯罪预防、侦查方面发挥预测与预警作用，值得肯定。但数据本身对其产生的时空环境具有高度依赖性，其分析思路不免陷入一种“对过去的延续”，如果在刑事诉讼中适用就必须有所取舍，特别是刑事审判的定罪环节，这一环节仅聚焦对已然事实的判断，而超出特定犯罪时空的事实或材料，如品格证据，原则上不能作为裁判依据，那么通过案外海量数据形成的大数据分析工具就难以匹配上述时空要求。另外，在计量方法上，大数据分析依旧保持着传统概率统计方法，最大似然估计与多元回归分析方法在大数据分析中也得到了保留与延续。而如何开发数据、应用数据、建构算法，仍离不开人的主观价值选择，这都会使大数据分析方法的科学性大打折扣。最后，还应当警惕大数据的失控——“不存在没有风险的科学技术”。当代的科技风险源于人类社会内部，科技的过度泛化可能导致一种“有组织的不负责”[6]。总之，“简化”向来是科技进步的代名词，但刑事法治进步从来都是程序的艰难分化与细化。

(二) 基于刑事诉讼方法论问题的反思

大数据分析本身是一种方法，这种方法的介入也引起我们对刑事诉讼方法论问题的现状反思。实际上，教义法学方法和社科法学方法的实践价值都未得到充分发挥。

首先，刑事诉讼教义法学方法缺失。拉伦茨认为，“教义法学是将现行实在法秩序作为其坚定信奉而不加怀疑的前提，并以此为出发点开展体系化与解释工作的一门规范科学。”[7]教义法学侧重对法律文本以及其中所附载的价值进行诠释与发掘，对法秩序加以维系：对法律如教义般的尊重与“理解”是其首要的内在要求，而狭义的“解释”则是其外化的一种表现。换言之，教义法学的意义重在以共同的“理解”约束司法者思维，而“解释”则是实践表现。教义法学方法的缺失引发了多个层面的问题：在宏观层面，由于缺乏对程序正义的尊重与理解，立法的“留白”成了任意解释的空间，于是相关司法解释或因部门利益而分化，或因利益趋同而同质化[8]。在微观层面，地方性指导文件、刑事政策等“法外因素”对司法者产生的影响也不能忽视，具体化的内部考评指标甚至产生了架空立法的效果，毕竟内部考评指标决定着成绩排名，也决定着工作重心的迁移。如果大数据分析方法的运用也进入考核指标，极易引起泛化的趋势。动态的司法实践也因缺乏对程序正义的尊重而出现了刻意曲解法律的问题，甚至涉及人身自由的底线也被突破。例如，指定居所监视居住制度在实践中曾出现通过指定管辖，刻意创造“无固定住所”的情形[9]。在一种程序正义价值阙如的现实语境中贸然引入大数据分析方法，可能加剧程序的不安定性。

其次，社科法学方法的误用。社科法学方法最宝贵的价值在于，以“证伪”的逆向思维方式打破“想当然”的思维定式。所谓“误用”，实际上是将社科法学方法误作为发现有效性的工具而进行刻意“证实”，用以支撑观察者预先设定的判断。在制度实践与理论研究的互动过程中，不乏因“证实”而引发的问题：其一，“证实”极具主观性。以数据作为“证实”的论据加以使用，会引起同组数据展现不同结论的尴尬——从批判视角看来，截取审前羁押率、起诉率和有罪判决率，能够展现审前羁押对起诉和审判的捆绑，证实“构罪即捕”“有捕必诉”“诉必有罪”的流水作业模式背离“审判中心”；但从实务角度看来，审前羁押率、公诉率与有罪判决率的高度一致性，则又仿佛证实了审前羁押的正当性和办案质量。其二，“证实”最大的问题是以“量”的优势替代“质”的要求。有学者指出，“大数据机器研判与人的判断符合度达90%以上便可用于定罪辅助”[10]，但在严防冤假错案的制度语境中作出如此判断，不免有失偏颇。毕竟，细节中的真相和少数中的真理是最值得珍视的。并且，“让人民群众在每一个司法案件中都能感受到公平正义”是司法工作追求的目标，审判结果正确并不一定能符合社会公众对公平正义的真实体认，大数据在定罪层面的辅助，可能引起对司法亲历性的忽视，令司法公信力缺失；而当事人无法进入算法，则意味着司法参与原则的克减，这也会降低司法的品质。总之，如果仅强调大数据分析的“证实”功能，将极大程度上迎合某种效率需求，那么大数据分析极可能基于其直观的有效性而成为影响刑事程序正义的推手。

(三) 大数据分析方法对具体制度的挑战

不可否认的是，大数据分析方法具有鲜明的功利主义色彩。大数据分析的兴起也是因其有用性契合了特定需求，即便“数据中立”，却也无法避免驾驭数据的“人”存在着价值立场的差异。当前，大数据在用途上更多地侧重于权力运行，而非权利的保障，如“大数据辅助定罪”“数据化的证明标准”“类案信息推送”等设计[11]，多是为了满足数字化办案的需要或是解决“案多人少”的矛盾，而当事人一方却因物力、财力、精力的差距，难以实现技术平等。在此基础上，又引发了新的问题：一是“辩护难”。大数据时代的到来与人工智能技术的推广也为证据开示、有效辩护等制度带来了新的冲击。在当前“会见难、阅卷难、采纳意见难”的问题尚未彻底解决的前提下，大数据辅助定罪量刑可能会使得辩护“难上加难”——辩护人难以进入大数据分析方法的核心算法，并对其科学性和有效性进行质疑。这一问题并非空穴来风，2017年，被称为“美国大数据审判第一案”的威斯康辛诉卢米斯案(State v. Loomis)尘埃落定，卢米斯不服原审判决申请司法复核的请求被否决。[注]案情介绍：威斯康辛州检察部门以驱车持枪射击为由指控被告人埃里克·卢米斯触犯五项罪名，经辩诉交易，被告人卢米斯否认持枪射击，仅对其中企图脱逃和盗窃车辆(未经所有者允许而操作机动车)两项轻罪认罪。但在量刑方面，检方提供了根据“COMPAS”软件得出的《风险评估报告》。检察官称，这项报告显示了当事人具有很高的暴力、再犯与审前妨碍诉讼的风险。法官同意并采纳了检察官的意见，认定卢米斯对社区具有较高的危险性，处以被告人卢米斯六年监禁。该案中，卢米斯称其正当程序权利受到了侵害，理由就是原审在量刑时依据的“COMPAS”软件算法密不公开，被告人无法进行检视与质证。可见，如何建立一套系统性规则解决大数据分析方法运用层面的辩护问题，是回避不了的问题。二是“追责难”。司法责任制改革是新一轮司法体制改革的牛鼻子，重点突出“让审理者裁判，让裁判者负责”。然而，将大数据分析方法引入审判环节作为定罪的辅助工具，则可能会导致责任的错位，甚至引起司法责任制被架空的危险。一个问题是，大数据分析方法辅助定罪引起了误判，能否追究司法者的责任？显然，司法责任制无法对数据分析系统进行主观层面的归责。但进一步讲，如果说司法者对大数据应用有审慎和把关的义务，那么，引入大数据是否又“多此一举”呢？可见，大数据分析方法的引入不仅是制度问题，还关系到思维方法与立场的选择。

三、 完善路径：刑事程序正义与大数据分析方法的融合

刑事程序正义与大数据分析方法之间应实现融会贯通，一方面为“大数据”增加程序正义的属性，另一方面延展大数据时代的程序正义内涵。

(一) 守定：重视刑事诉讼教义法学方法的运用

强调刑事诉讼教义法学方法是为了防止任意的解释法律或者故意曲解法律，必须将刑事诉讼的价值列在思维逻辑的最前端。正如阿斯特所言，解释要面向三个维度，“精神”、文字本身与意义[12]。其实，这在我国律学方法中也有一定的体现，而非绝对的“舶来品”：《唐律疏议》体现了律学与训诂学的方法融合。这种注解是一种以音、韵、义为对象的学问，但也不是纯粹的技巧，延循的是“注不驳经，疏不驳注，不取异义，专宗一家”的路径[13]。沈家本在《重刻唐律疏议序》中讲：“其用甚重，而其义至精”。从中也能看出，这种思路不仅包括对唐律文本的严循，更对包括对文本背后儒家思想价值的尊重[14]。刑事诉讼中的教义法学不仅应重视文本，更在于动态过程中秉持一种发展程序正义的态度，对法秩序进行维系与展开，这也是动态平衡理念的一种体现[15]。“要像作者一样好地理解文本，然后甚至要比作者更好地理解文本”，对法的“诚挚理解”不可或缺[16]。

此处需要进一步说明的是，“理解”要比“解释”更加平等且普适。伽达默尔认为，“理解”是一种“参与(Geteiltes)”或是共鸣[17]，不存在权力主体的差异性。换言之，“理解”是“六经注我”；而“解释”的实质是一种权力或一致性。“事物一经外化为‘解释’，便进入了解释者的世界”，成了“我注六经”的过程。无论是伽达默尔所言的“解释借语言来实现历史与现代之间不同话语世界的转换”[18]，或是我国“以语言解释语言”的训诂学，均隐含着解释者的权威性。从制度层面来看，刑事诉讼的解释依赖于有权解释，那么影响共性“理解”远比影响“解释”更为现实，也更加有效。如果司法者在“解释”过程中都能够秉持程序正义与人权司法保障的价值前见，权威“解释”便不至于偏离“理解”的共识，刑事司法的同理性和公信力也便由此建立了起来。实际上，“以审判为中心”的诉讼制度改革的意义不仅是制度在形式上的程序构建，更重要的是一种“以审判为中心”的理念坚守与价值秉持，或者说“以审判为中心”的言说本身就是一种不得偏移的“教义”。

刑事诉讼语境中的教义法学要求必须以程序正义与人权司法保障为价值前提，程序正义有多重标准：起点公平、分配公平、机会公平、规则公平等；而人权司法保障要求尊重人的尊严，反对酷刑或有辱人格的对待、公正审判、有效辩护、疑罪从无、证据裁判等，缺失这些宝贵的价值及其外化措施的支撑，刑事诉讼程序或成为一种纯粹的追诉工具。于是，在大数据分析方法的应用层面，同样也需要以程序正义和人权司法保障作为价值前提，在法律共同体中达成共识，以避免为追求某种功利目的而形成片面解释与应用。

(二) 融合：大数据分析方法与刑事程序正义之间的双向互动

大数据分析方法的运用必须接受刑事诉讼价值的约束，以此为前提，设定科学规则令大数据分析方法与刑事程序正义相得益彰。

1. 数据权利进入“程序正义”。数据本身就是刑事审判中不可或缺的构成要素，理当将其纳入“程序正义”的范畴之中。美国刑事诉讼对程序正义极为推崇，数据权利作为正当程序的重要组成部分，也较早进入刑事诉讼的视野：1949年，“威廉姆斯案”(Williams v. New York)判决指出，如果判决存在两方面缺陷，将被视为对正当程序的违背：一者，用以定案的数据存在重大实质性错误；二者，“无救济则无权利”，被告人缺乏有效救济途径对数据进行更正。[注]Williams v. New York, 337 U.S. 241(1949).这一判例意义重大，为刑事诉讼中的数据赋予了权利属性。1963年，“布莱迪案”(Brady v. Maryland)确立布莱迪规则，如果检方未履行充分的证据开示义务，隐匿或者拒不开示“有利于被告人”的实质性证据将被视为对正当程序原则的违背。[注]Brady v. Maryland, 373 U.S. 83 (1963).这一判决的意义在于确保检方遵守开示证据的义务。我们认为，无论是实物形态的证据或是数据，只是证据材料的不同表现形式，这一规则也应当适用于控方掌握的相关数据。1972年，“塔克案”(United States v. Tucker)有预见性地确立了“数据污染规则”。该案判决指出，如果法院所采纳的《风险评估报告》中的数据系源于先前某个违背正当程序原则的判决，则被告人有权纠正被先前误判所“污染”的数据。[注]United States v. Tucker, 404 U.S. 443 (1972).1977年，“贾德诺案”(Gardner v. Florida)判决指出，“不得基于被告人无法得见、无法否认、无法抗辩的秘密量刑报告而判处死刑”，并指出被告人有权完全了解判决所依据的信息。[注]Gardner v. Florida, 430 U.S. 349 (1977).可理解为，可能被判处死刑的被告人对重要数据应享有知情权和质证权，但这一规则并未扩展至非死刑案件。1989年，“斯卡夫案”(State v. Skaff)判决指出，在非死刑案件中拒绝适用前述原则没有任何理由，并强调，如果评估报告信息不完整，那么没有人比被告人更合适对其进行更正、解释或者补充，直至被告人不作任何修改。也即表明，任何刑事案件的被告人都有权享有数据的知情权、质证权和更正权。[注]State v. Skaff, 152 Wis. 2d 48, 55 447 N.W.2d 84 (Ct. App. 1989).

系列判例显示了数据作为一种权利进入了刑事程序正义的视野，而且，基于数据的真实性与可知性创设了必要的程序规则，以确保当事人的正当程序权利得到保障，也展现了与时俱进地续造程序正义内涵的教义学方法论立场。

2. 程序正义对大数据分析方法的调适。系列判例呈现了当事人数据权利不断扩张的历程，但前文所述的卢米斯案件却最终以当事人的失败告终，当事人数据方面的权利行使受到了制约。威斯康辛州最高法院驳回了被告人的请求并强调，大数据分析方法在该案中的运用并无不当。但其中一些理由值得商榷：首先，商业秘密优先。软件的专利属于私人公司“Nortpointe”，“COMPAS”软件算法是其核心商业秘密，故不予公开。其次，原判裁判结果的公正性未受到基于软件得出的《风险评估报告》的影响，因为从结果上来看，即便没有《风险评估报告》的辅助，仅以通常因素考量，被告人卢米斯将获得同样的判决(证实)；最后，原判依据的数据真实且准确，《风险评估报告》的数据来源包括被告人既定的过往犯罪历史(保释期间有5次被重新收监；缓刑期间4次再犯新罪；共计12次刑事拘捕)和一些有限的动态变量(如是否有药物滥用、是否共同犯罪等)，且数据不存在“污染”或者篡改。[注]State v. Loomis, 881 N.W. 2d 749(wis.2016)

我们认为，威斯康辛州最高法院的判决有失偏颇：一者，关于商业秘密与获得有效辩护之间的价值权衡。在这一问题上，法院所采立场倾向于保护商业秘密。当事人有权获得有效的辩护，不仅是当事人的一项基本权利，而且是程序正义由形式正义走向实质正义的关键，将这一权利让位于商业秘密显然有失公允。纵然判决称“被告有充分的权利对评估报告进行质证并指明其缺陷”，但对无法知晓软件算法的被告人而言，显然是一种“可望而不可及”。如果辩护权的行使无法对算法进行开示，就意味着无法针对过程的正当性、算法的科学性、结果的正确性进行辩护。质言之，大数据分析引入刑事诉讼最大的风险便是辩护权“形同虚设”。二者，缺乏比例原则的检视。本案所涉及的并不仅仅是价值权衡的问题，更在于“比例原则”的缺失，基于比例原则“最小损害”与必要性的要求，该案启用智能软件进行风险评估并非保障公正审判之必要。而正是由于法院忽略比例原则而引入大数据分析方法，才引发了后续的价值冲突。三者，“算法对法庭和被告人均不公开”[19]。这句话也揭示了另一重要事实，即法官也无法进入算法进行审查，如此，无异于将司法审判权拱手让给了技术的“黑箱”。最后，在方法运用层面还存在着重大缺陷，以正当法定程序的结果来反向“证实”大数据分析方法的结论，显然是一种本末倒置。

前车之鉴，后事之师。我们可以进一步改良大数据分析方法在刑事诉讼中的应用：

(1)刑事程序正义与大数据分析方法的具体融合路径。一方面是对大数据分析方法的属性要求：①非歧视性原则。在美国，一些研究显示了“COMPAS”评估软件存在明显的性别歧视和种族歧视，特别是黑人被告的再犯风险常被误判为远高于白人[19]，这在我国的制度构建过程中应引以为鉴。大数据、人工智能的运用应防止对社会弱势群体产生歧视，无论是否存在肤色、民族、信仰、地区、职业、健康等方面的差异。②知情与同意原则。这不仅是制度伦理的要求，也是数据权利的表现。在量刑等具有司法属性的程序中适用大数据分析方法，须征得被告人知情、同意，如此可以有效地避免因大数据分析方法任意适用而引起的上诉；当事人的数据信息被收集并用于大数据研判，也应确保其充分知晓被收集了那些信息、何时收集、为何收集以及用于何处，并征得同意。③隐私与尊严原则。在知情同意的前提下，还要注重隐私与尊严保护，例如采集性犯罪当事人的信息用作大数据分析，必须隐匿或删除其个人身份信息。④有利于被告原则。当前，“类案同判”是“智慧法院”“智慧检务”追求的目标，目的是更好实现司法人权保障与公平正义。在认罪认罚从宽的制度语境中，应允许有利于被告的“类案不同判”，以防止机械办案。相反，真正需要纠正的是因刑事政策变化而引起的不利于被告的“类案不同判”，或者变相加重被告人刑罚的“类案同判”。

另一方面，数据自身属性也需要程序正义加以保障：①数据的“真实性”要求赋予当事人实现救济的权利。如前述，大数据分析以数据为基础，如果数据存在被污染、篡改等情形，那么结论就难以令人信服。因此，为确保数据的真实性，就必须赋予被告人申请变更、纠正数据的权利。此外，人工智能软件系统所依赖的大数据来源应满足实时性和流动性的要求，实时更新以保持数据鲜活。②数据的“可知性”要求辩护权得到实质性保障。应当赋予被告人及其辩护人针对技术的科学性与有效性进行质证与辩论的权利，也就是要对大数据分析方法的核心算法进行开示，确保控辩双方均可以及时公平地进入算法，以满足程序正义的要求。因此，我们认为，宜由官方主导开发相关软件，而其核心算法应向辩方开示，依申请可向社会公开，也解决了商业秘密与正当程序权利之间的冲突。

(2)大数据分析方法在刑事诉讼中的基本立场。①权利而非权力。人权司法保障是刑事诉讼制度的重要价值，制度的设定应当对当事人的诉讼权利有所侧重。值得一提的是，美国检察部门成立布莱迪规则监督委员会(Brady Complaince Unit)专门收录1997年以来的执法人员的违法失当行为数据，进行科学分析后提前预警，以防止庭审时由于侦查人员当庭作伪证而陷入被动[20]。不仅如此，辩护人也有权第一时间进入数据系统查询侦查人员失当行为档案，并提出异议。可见，即便是在检方的大数据应用系统也可以向当事人一方开放，共同致力于权力的规范运行。此外，还应保障当事人有权进行程序选择：第一，赋予当事人程序适用选择权。在关乎量刑的问题上，是否运用大数据分析方法，务必取决于当事人真实且自愿的选择，并且得到律师的帮助。第二，赋予当事人以实体利益。当事人选择大数据分析方法意味着司法资源的节约，理应获得一定的实体利益。如此，大数据分析方法的运用就与认罪认罚从宽制度的内在逻辑保持了一致，更彰显了一种优于域外法治经验的中国智慧。②定量而非定性。大数据分析方法在刑事诉讼中应止于事实认定的未决环节。首先，不宜应用于定罪辅助。在证据认定和事实真相发现方面，司法者的主体性与理性不能被大数据研究结论形成的种种指标所代替。如果大数据分析方法用于事实发现，意味着大数据分析可能会取代“排除合理怀疑”。而不用于定罪辅助也是出于司法责任制考量，防止大数据成为推卸责任的借口。再者，按照比例原则，用大数据辅助司法者定罪并不是程序正义和保障人权所必需。况且，“卢米斯案”中大数据分析方法的适用前提不能忽视——当事人已经进行了辩诉交易，故该案争议不关乎事实认定。此外，大数据分析方法也不宜用于未然的社会危险性评价。侦查机关运用大数据分析对犯罪嫌疑人进行锁定，对潜在犯罪加以预防是科技与正义的结合，值得充分肯定，毕竟结论的正确与否还可以获得审判的最终校验。但针对逮捕环节的社会危险性评价应当慎用。在我国当前语境下，对逮捕措施的过度依赖仍是核心问题，而如果大数据分析方法形成的指标不够科学，就可能引起逮捕的泛化，进而对“审判中心”造成冲击。需进一步明确的是，美国以曼哈顿保释项目(Manhattan Bail Project)为基础，结合当事人“性别、年龄、家庭、收入、教育、就业、心理健康水平以及是否药物滥用等信息形成评估报告”[21]，但其目的是为了更好地适用保释而非羁押，且仅作为裁判者的一项参考，由此也可见权利保障的价值导向决定了大数据分析方法的准入范围。③辅助而非替代。虽然大数据分析方法有助于实现“类案同判”，但“类案同判”本身就是双刃剑，一面指向自由裁量权滥用，另一面却酝酿忽视个性的机械办案风险，更何况，“类案”的认定与关键词择取也取决于司法权主体的选择。因此，人工智能、大数据分析的结论只能作为加强或削弱结论之用，而非决定性作用，故根据人工智能软件得出的相关报告应是一种“参照”而非“依照”。诚如张军检察长所言，“用好智能手段，而不是依赖智能手段”[22]。④“证伪”而非证实。波普尔认为“科学要么被证伪，要么是假设或者猜想”[23]。通往真理的方法路径是通过错误的不断勘正而形成的动态过程。对我们的制度启发是，纵使通过大数据分析方法得出的规律性结论不断被证实，也不能成为预断当事人未来的正当理由。大数据分析方法是一种建立在更广泛规模上的归纳，不应作为证实的工具，而是发挥“纠偏”的作用，以之作为校验判决定性是否准确、量刑是否适当的标尺。由此推知，“类案同判”的正确逻辑也应该是一种证伪而非证实，具体而言：司法者可用大数据分析方法对亲自办理的案件进行检查校对，发现不足。而如果被告人一方提出其判决未能实现“类案同判”，则意味着司法者需要有足够的理由对判决的正当性加以证成。当然，前提是保障案例信息来源的一致性，以避免信息的不对称。反之，“类案同判”不能作为对抗当事人异议的合理理由。这也是有利于被告人的价值立场选择的必然结果。换言之，大数据分析方法可以作为校验裁判结果正当性与合理性的“试金石”，而不是司法裁判结果的“生成器”。

四、 余 论

胡塞尔讲“不可为了时代而放弃永恒”[24]。不能因为大数据分析方法的便捷、高效而忽视刑事诉讼的自身价值。其实，大数据分析方法更适宜在刑事执行程序中推广，以判断何种矫正方法更为有效，一方面当事人此时为已决犯，审前程序中的各种未决因素均已排除；另一方面，数据分析得出何种手段更有利于实现犯罪人的改造与挽救，有利于帮助犯罪人及时返回社会，也有助于实现社会整体利益和个体利益的双重优化。还需提起注意的是，大数据开发必须尊重刑事司法中的“被遗忘权”，[注]源于法国关于赦免或复权的规定，犯罪人的定罪、监禁与服刑的相关信息不被公开。Jeffrey Rosen, The Right to be Forgotten, 64 Stan. L. Rev. Online 88 (2012). “le droit à l’oubli—or the right of oblivion—a right that allows a convicted criminal who has served his time and been rehabilitated to object to the publication of the facts of his conviction and incarceration.”在我国当前刑事诉讼立法中表现为未成年人犯罪记录封存制度，[注]《中华人民共和国刑事诉讼法》第285条规定：“犯罪的时候不满十八周岁，被判处五年有期徒刑以下刑罚的，应当对相关犯罪记录予以封存。犯罪记录被封存的，不得向任何单位和个人提供，但司法机关为办案需要或者有关单位根据国家规定进行查询的除外。依法进行查询的单位，应当对被封存的犯罪记录的情况予以保密。”与域外彻底删除犯罪记录制度还存在一定的差别。[注]《法国刑事诉讼法典》在第770条规定：“对未满18周岁的未成年人做出的裁判决定，在此种决定做出后3年期限届满，如该未成年人已经得到再教育，即使其已经达到成年年龄，少年法庭得应其本人的申请或检察机关申请或依职权，决定从犯罪记录中撤销与前项裁判相关的登记卡；少年法庭做出终审裁判，经宣告撤销登记卡时，有关原决定的记述不得保留在少年犯罪记录中；与此裁判相关的登记卡应予销毁。”参见郑曦：《“被遗忘”的权利：刑事司法视野下被遗忘权的适用》，载《学习与探索》2016年第4期。立法规定“司法机关为办案需要或者有关单位根据国家规定进行查询”情况下，可以启用未成年人犯罪记录。我们认为，有必要对“办案需要”中的“案”进行缩限解释，应理解为“直接关联的案件”而非“其他类似案件”，也就意味着相关大数据软件开发不得以“办案需要”为由，任意启用未成年人犯罪档案进行数据收集。