徐暾

• 1:中国计量大学法学院

• 
  

摘要(Abstract)：

数字赋能逮捕社会危险性评估有助于解决评估数据容量较小及质量不高、结果缺乏检验等问题。其逻辑在于,利用数字技术收集反映逮捕社会危险性的各项证据并转化成计算机可理解的结构化数据,再通过算法测算出风险等级并输出人类可理解的司法建议。从效果来看,数字赋能逮捕社会危险性评估在增强评估模型专业性、保障评估模型客观性和提高评估结果准确性等方面优势明显,但同时也面临着“僵尸预测”、算法歧视、算法黑盒等方面的质疑。未来改革需要进一步调整思路,强调在构建专业评估模型的基础上确保评估数据的数量与质量,并建立动态的校准机制,以不断优化评估的模型;同时,还应当强化评估算法的公开、算法歧视的治理、算法的审核与问责,完善评估算法的治理模式;此外,还需保障评估过程中犯罪嫌疑人的参与权、隐私权和救济权,确保评估程序的公正,以此实现数字赋能逮捕社会危险性评估的预期目标。

关键词(KeyWords)：数字赋能;逮捕条件;社会危险性;算法

基金项目(Foundation):2023年国家社会科学基金项目“刑事诉讼中羁押审查的分级量化评估研究”(项目编号：23BFX172)的阶段性成果

作者(Author):徐暾

参考文献(References)：

• [1]陈卫东.三重维度下刑事诉讼法修改重点问题研究[J].中国刑事法杂志，2024(4):28.

• [2]周翔.逮捕审查判断中犯罪嫌疑人社会危险性的量化评估[J].法学研究，2024(3):205.

• [3]张琳.逮捕羁押审查中社会危险性的证明问题研究[J].中国刑事法杂志，2023(5):125.

• [4][70]陈光中，路旸.我国逮捕与羁押制度改革若干问题探讨[J].中国法学，2023(5):11-12,19.

• [5]秦宗文.羁押必要性判断中的“一贯表现”证据研究[J].法学研究，2023(6):191.

• [6][7][51]张吉喜.逮捕社会危险性条件中犯罪嫌疑人逃跑风险评估研究[J].中国法学，2023(4):296-301,191,288-295.

• [8]Laura and John Arnold Foundation.Developing a National Model for Pretrial Risk Assessment [EB/OL].[2024-02-20].https://core.ac.uk/reader/71363668.

• [9]Philip D.Howard,Louise Dixon.The Construction and Validation of the OASys Violence Predictor:Advancing Violence Risk Assessment in the English and Welsh Correctional Services[J].Criminal Justice and Behavior,2012(39):289-290.

• [10][35][57]John Logan Koepke,David G.Robinson.Danger Ahead:Risk Assessment and the Future of Bail Reform[J].Washington Law Review,2018(93):1725-1789,1730-1750,1735-1795.

• [11]曾赟.法治评估的有效性和准确性：以中国八项法治评估为检验分析对象[J].法律科学，2020(2):8.

• [12]Megan Stevenson.Assessing Risk Assessment in Action[J].Minnesota Law Review,2018(103):303-375.

• [13]赵梦雪，杨波，陈奕帆，等.暴力风险评估工具HCR-20量表的发展与应用[J].犯罪与改造研究，2017(12):55-61.

• [14]孙长永.少捕慎诉慎押刑事司法政策与人身强制措施制度的完善[J].中国刑事法杂志，2022(2):127.

• [15][18][30][43]钟亚雅，招阳.审查逮捕如何做到更客观精准：广州南沙：探索建立社会危险性量化评估机制[N].检察日报，2020-10-10(02).

• [16]高通.数字时代逮捕制度的变革[J].中国政法大学学报，2024(5):229-232.

• [17][29]毛丽君.代号“206”:上海刑事案件智能辅助办案系统正式“解密”[EB/OL].[2024-03-23].http://listen.eastday.com/node2/n112/n114/u1ai911442_t92.html.

• [19]舒洪水.司法大数据文本挖掘与量刑预测模型的研究[J].法学，2020(7):117-123.

• [20][45]狄小华.智能化再犯风险评估司法应用的法律风险及其防范[J].学术界，2020(5):71,70.

• [21]高通.逮捕社会危险性量化评估研究：以自动化决策与算法规制为视角[J].北方法学，2021(6):134-135.

• [22]最高人民检察院侦查监督厅.刑事案件审查逮捕指引[M].北京：中国检察出版社，2015:20-24.

• [23]白建军.犯罪轻重是如何被定义的[J].中国法学，2010(6):111.

• [24]栗峥.人工智能与事实认定[J].法学研究，2020(1):125.

• [25]Sandra G.Mayson.Dangerous Defendants[J].The Yale Law Journal,2018(127):490-513.

• [26]Marie VanNostrand,Gena Keebler.Rretrial Risk Assessment in the Federal Court[J].Federal Probation,2009(73):3-29.

• [27]向燕，刘秀华.规范智能风险评估系统在刑事司法中的运用[N].检察日报，2024-08-29(03).

• [28]Matthew DeMichele,Peter Baumgartner,Michael Wenger,et al.Public Safety Assessment:Predictive Utility and Differential Prediction by Race in Kentucky[J].Criminology & Public Policy,2020(19):409-414.

• [31]白建军.论刑法教义学与实证研究[J].法学研究，2021(3):119-127.

• [32]吴进娥.法院“不当逮捕”的数字检察监督转型[J].华东政法大学学报，2024(5):65-67.

• [33]何挺，张丽霞.未成年人司法社会支持体系之思考：基于风险控制理论范式的视角[J].中国应用法学，2020(2):95-102.

• [34]魏斌.司法人工智能融入司法改革的难题与路径[J].现代法学，2021(3):20-21.

• [36][68]李成.人工智能歧视的法律治理[J].中国法学，2021(2):131,145.

• [37]Sonja B.Starr.Evidence-Based Sentencing and the Scientific Rationalization of Discrimination[J].Stanford Law Review,2014(66):803-806.

• [38]Jeff Larson,Surya Mattu,Lauren Kirchner,et al.How We Analyzed the COMPAS Recidivism Algorithm[EB/OL].[2024-02-25].https://www.propublica.org/article/how-we-analyzed-the-compas-recidivism-algorithm.

• [39]Brian Resnick.How Artificial Intelligence Learns to Be Racist[EB/OL].[2024-02-26].https://www.vox.com/science-and-health/2017/4/17/15322378/how-artificial-intelligence-learns-how-to-be-racist.

• [40]左卫民.关于法律人工智能在中国运用前景的若干思考[J].清华法学，2018(2):119.

• [41]Katherine Freeman.Algorithmic Injustice:How the Wisconsin Supreme Court Failed to Protect Due Process Rights in State v.Loomis[J].North Carolina Journal of Law & Technology,2016(18):75-106.

• [42][63]李训虎.刑事司法人工智能的包容性规制[J].中国社会科学，2021(2):52-53,58.

• [44]乌尔里希·贝克.风险社会学[M].何博闻，译.南京：译林出版社，2004:39.

• [46]聂友伦.逮捕的实质化审查与诉讼化改革[J].中国人民大学学报，2023(4):81-82.

• [47][67]Richard F.Lowden.Risk Assessment Algorithms:The Answer to an Inequitable Bail System?[J].North Carolina Journal of Law & Technology,2018(19):221-230,235-236.

• [48]孙长永.未决羁押的合理期限及其法律规制[J].交大法学，2024(1):24.

• [49]宋伟卫.人身危险性罪刑功能的规范依据与司法适用[J].南京社会科学，2023(9):90.

• [50]狄小华.全要素且可解释智能化再犯风险评估指标体系的理论架构[J].安徽大学学报(哲学社会科学版),2020(5):92-93.

• [52]聂友伦，孔维汉.少捕慎诉慎押政策下逮捕审查的合宪性调控[J].山东大学学报(哲学社会科学版),2023(2):148-150.

• [53]王贞会.审查逮捕社会危险性评估量化模型的原理与建构[J].政法论坛，2016(2):75-76.

• [54]王康庆.犯罪记录数据治理的系统化路径：从标准构建到智能应用[J].法学论坛，2024(6):123-125.

• [55]徐暾.轻罪案件认罪认罚与未决羁押影响关系的实证分析[J].清华法学，2024(6):89.

• [56]葛少卫.基于多元聚类分析的一流大学建设投入模式研究[J].研究生教育研究，2024(5):1-3.

• [58]严剑漪.揭秘“206”:法院未来的人工智能图景：上海刑事案件智能辅助办案系统164天研发实录[J].人民法治，2018(20):40.

• [59]罗付伟.政法大数据办案系统”试运行，办案时间缩短三成[EB/OL].[2024-03-05].http://gz.sina.cn/news/2017-07-09/detail-ifyhwehx5391327.d.html.

• [60]谢添，李洋.刑事诉讼非羁押人员数字监控的实践与探索：以浙江省杭州市西湖区“非羁码”使用为视角[J].中国检察官，2021(7):33.

• [61]高通.轻罪案件中的逮捕社会危险性要件研究：以故意伤害罪为例[J].政法论坛，2021(2):81.

• [62]Timothy P.Cadigan,Christopher T.Lowenkamp.Implementing Risk Assessment in the Federal Pretrial Services System[J].Federal Probation,2011(75):4-5.

• [64]衣俊霖.数字孪生时代的法律与问责：通过技术标准透视算法黑箱[J].东方法学，2021(4):90.

• [65]石颖.算法歧视的发生逻辑与法律规制[J].理论探索，2022(3):126.

• [66]梅傲.积极伦理观下算法歧视治理模式的革新[J].政治与法律，2024(2):125.

• [69][74]马靖云.智慧司法的难题及其破解[J].华东政法大学学报，2019(4):115,116.

• [71]Sarah L.Desmarais,Samantha A.Zottola,Sarahe E.Duhart Clarke,et al.Predictive Validity of Pretrial Risk Assessments:A Systematic Review of the Literature[J].Criminal Justice and Behavior,2021(48):398-420.

• [72]李晓辉.算法商业秘密与算法正义[J].比较法研究，2021(3):110.

• [73]蔡星月.算法决策权的异化及其矫正[J].政法论坛，2021(5):33.

• [75]陈如超.专家参与刑事司法的多元功能及其体系化[J].法学研究，2020(2):94-103.

• [76]李媛.大数据时代个人信息保护研究[M].武汉：华中科技大学出版社，2019:38-40.

• [77]布兰卡·R·瑞兹.电子通信中的隐私权：欧洲法与美国法的比较视角[M].林喜芬，李成，杨帆，等译.上海：上海交通大学出版社，2017:53-62.

• [78]陈卫东，王然.《刑事诉讼法》第四次修改中的强制措施问题研究[J].浙江工商大学学报，2024(4):15.

• [79]郑曦.刑事司法中的数据安全保护问题研究[J].东方法学，2021(5):87-91.

• [80]唐要家.中国个人隐私数据保护的模式选择与监管体制[J].理论学刊，2021(1):69-75.

• [81]孙长永.批准逮捕决定的公开说理问题研究[J].法学，2023(6):130-131.

• [82]刘东亮.技术性正当程序：人工智能时代程序法和算法的双重变奏[J].比较法研究，2020(5):78.

• [83]陈光中，魏家淦.完善我国刑事强制措施若干问题探讨[J].中国刑事法杂志，2024(5):18.

• (1)在域外,运用统计学方法评估审前风险有着较为成熟的实践经验,从1960年左右便开始探索使用风险评估工具辅助刑事审判,并在羁押、缓刑与假释中使用评估工具对犯罪者的危险性进行预测。如今,审前风险评估工具已然成为刑事审判的重要组成部分,并已诞生出多种不同的审前风险评估工具,其中具有代表性的有:美国的公共安全评估工具(PSA)、科罗拉多州审前评估工具(CPAT)、联邦审前风险评估工具(PTRA)、替代性制裁的矫正罪犯管理分析工具(COMPAS),英国的罪犯评估系统(OASys)、青少年司法系统评估和规划工具(AssetPlus),加拿大的暴力风险评估工具(HCR-20)、再犯统计信息评估工具(SIR),等等。

• (2)这9大类评估因素分别为未决指控、以前的轻罪逮捕、以前的重罪逮捕、以前的未出庭情况、就业状况、居住状况、药物滥用、主要指控类别、主要指控类型。参见Marie VanNostrand,Gena Keebler.Rretrial Risk Assessment in the Federal Court,Federal Probation,2009,No.2,p.15.

• (3)2014年美国丹佛市数据显示,评估工具预测有28%的被告人被归类为CAPT3,有20%的被告人被归类为CAPT4;但实际出庭数据显示,被归类为CAPT3的被告人出庭率为84%,被归类为CAPT4的被告人出庭率为77%。参见Colorado Criminal Defense Institute Colorado State Public Defender & National Association of Criminal Defense Lawyers.The Colorado Bail Book:A Defense Practitioner’s Guide to Adult Pretrial Release,网址为“https://bja.ojp.gov/library/publications/colorado-bail-book-defense-practitioners-guide-adult-pretrial-release”,最后访问时间为2024年3月21日。