大数据背景下人工智能“嵌入”公安执法办案的探索与展望.docx

《大数据背景下人工智能“嵌入”公安执法办案的探索与展望.docx》由会员分享，可在线阅读，更多相关《大数据背景下人工智能“嵌入”公安执法办案的探索与展望.docx（16页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、大数据背景下人工智能嵌入公安执法办案的探索与展望陈克强孙宇翔内容摘要：总结各地探索，执法办案人工智能在实践中的价值主要 表现在：有利于“管理对象”向“服务对象”转变，有利于“事后监督” 向“智能审核”转变，有利于“侦查为中心”向“审判为中心”转变。 但其进一步发展仍面临着若干亟待解决的难题：“理念”问题认识的 偏差与固化；“燃料”问题数据的来源与结构；“引擎”问题算 法的歧视与黑箱；“人才”问题专业教育与人才的缺乏。当前不是人 工智能要不要介入的问题，而是如何介入、介入程度、融合程度的问题。 应在总体定位、主要功能、建构要素等多方面发力，全面推进大数据背 景下人工智能“嵌入”公安执法办案进程。

2、关键词：公安大数据公安执法办案人工智能伴随“数字中国”战略的深入实施，大数据、人工智能、区块链等技术成为 我国“弯道超车”的战略利刃，在近年来的疫情防控中，健康码、行程码、远程 问诊等应用都体现了大数据、人工智能的强大能量。同样，在司法领域，不论方 兴未艾的理论研究，还是智慧检务、智慧法院等司法实践都在如火如荼进行；在 公安领域，随着智慧警务投向于治安防控体系，很大程度上提升了侦查破案、治 安管控等效能。然而，公安执法办案领域的人工智能至今还处于试点、摸索、探 索阶段，相关理论研究也是凤毛麟角。从2008年公安部正式提出“执法规范化”以来，迄今已十三年之久，在这 过程中，我们付出了艰苦卓绝的努

3、力，不论是执法制度、执法管理还是办案硬件 都日臻完善，执法主体的办案能力与素养也在不断规范中提升，接下来的任务正 如进入改革深水区的中国一样一一必须清晰地界定发展方向与路径。三、远景展望随着人工智能在司法领域的兴起，法律人工智能成为理论界的研究热题，但 笔者查阅世界人工智能法治蓝皮书（2020年、2021年）和中国知网大量的相 关资料，此类研究存在着很大的局限性。正如有学者指出的，“对于这道热题的 回应却是新瓶装旧酒，中国法学理论界对于司法人工智能的研究路径仍局限 在话语层面反复讨论司法人工智能的可能性、风险性等通用、概括的问题，而对 司法人工智能具体运用提之甚少”。3在司法实践中因法律人工智

4、能的运用 效果不够理想，也遭到质疑和诟病。但不管怎样，技术都是经济与社会变革不可 逆转的变量，更何况大数据、人工智能俨然已是下一次技术革命和社会变革最 核心的动力，也是我们推动警务效能特别是执法办案提升的一大驱动。所以，首 先必须明确，当前不是人工智能要不要介入的问题，而是如何介入、介入程度、 融合程度的主题。以当前人工智能大趋势，既需要我们跳出公安看公安，前瞻看 待、主动拥抱人工智能；也需要我们立足当前谋未来，在目前“有多少人工就有 多少智能”的技术水平基础上，综合各方面的技术、人才等条件，集中优势资源 和力量，有层次、有步骤地开展研发探索，为深化执法规范化建设注入强劲动力。（一）总体定位。

5、以人工智能、公安大数据作为主要技术要素的“智慧公安”, 本质是警务体系与警务能力的现代化，核心是“人”的智能现代化。所以发展执 法办案人工智能，不是要以先进技术取代民警的主体地位，替代办案民警独立思 考与判断，也并非以此取代线下侦查与诉讼活动。而是充分发挥人工智能在文书 校对、证据指引、证据审查、程序预警、公检法数据共享等方面的作用，使警力 从大量的重复性劳动中解放出来，让民警集中精力处理核心业务，所以，人工智 能在执法办案领域应当定位在“辅助”办案的角色。（二）主要功能。总体上，法律人工智能嵌入公检法办案系统可以实现受立案 繁简分流、智能笔录、类案推送、证据指引、证据审查、量刑辅助、偏离预警

6、、 数据共享与交换等功能。从目前一些地方的成功做法，可以预见随着未来执法办 案领域人工智能将有很大的发展空间。自动分案 智能笔二/就像法埸哲营家德公番在嗯J著作，写到：“归根到底，唯q谶中港球运鳍的循环意 I炉编政治革命少熟术6,因为的滂七鳌裳W o为了4海时不 神蝮x.代趁雪睡再速燃5、而京H熊菁愈笛臭血心送审柒、照斯德布宵 心1、2015：签/问题的阿信M证据审查 涉案财物共管证据指引卷宗管理图1公安执法办案人工智能系统示意图1 .智能警情分流。针对以往受立案环节不作为、慢作为、乱作为等问题，2015 年公安部关于改革完善受案立案制度的意见出台后，各地主要是通过健全规范、 明确时限、加强审

7、核监督等做法加以解决。笔者认为，这些“系统外”的要求在 基层还是存在“可操作”的空间，可以在现有统一执法办案平台基础上，建立以 “受立案管理中心”为中枢，打通并整合警情处理、执法办案、执法监督等平台, 建立统一的智能受立案系统，将“机上、点上、端上、网上、纸上”各类报警全 部纳入该系统，由系统自动识别警情归属地的公安机关，同步短信推送至值班领 导和民警，所有警情处理网上留痕，对有警不接、有案不立等情况系统自动预警 并派员监督。通过“智能分案一系统推送一网上留痕一预警监督”智能化、流程 化工序，把好警情处置的第一道关。2 .智能笔录制作。笔录在案件中占据着举足轻重的地位，有经验的老民警在 制作一

8、些团伙案件、主要案犯的笔录前都会有自己的审讯策略、讯问要点，在目 前基层整体办案力量不足、经验不足、办案质效不高的情况下，可以通过技术来 弥补短板。目前，市面上推广的智能笔录云软件已具备法定程序提醒、字块提取 分析、联网快速核查、笔录质量检验等功能。笔者认为，可以在这些功能基础上 进行深度开发，由系统根据案件类型和历史同类案件的笔录数据，生成相应的审 讯策略、笔录模板，并开展全案、同案关联分析。特别是电诈、涉黑涉恶、涉众 型经济犯罪等团伙类案件，不仅需要加强全案统筹，而且由系统提取同类关键字 分析研判，挖掘笔录隐含的案件信息，有助于提升侦审的实质效能。3 .智能证据指引。证据的极端重要性不言而

9、喻，以审判为中心强调对证据合 法性的审查并确立非法证据排除规则，意在切断非法取证行为与案件实体处理结 果之间的关联。血但目前基层很多办案人员对证据的收集和使用存在两大难点： 一是不知道收集哪些证据才能达到证据确实充分的标准；二是对收集的证据如何 满足证据“三性”要求。可以针对办案取证环节中易发、多发和常见问题，根据 以往证据收集与采信的经验、教训，结合法律及司法解释的程序性、合法性规定和要求，将共适性判断规则和证据标准嵌入人工智能的模块中，明确不同诉讼阶 段合法、规范的证据要求，指引办案人员依法、全面的收集证据，既防止证据遗 漏，也防止人为恣意。皿4 .智能证据审查。尽管当前人工智能水平只能在

10、单一证据校验、证据之间是 否矛盾等层面发挥作用，即便如此，也已经大幅缩减办案人员证据审查的时间。 笔者认为，可以按照证据合法性、客观性、关联性，梯次、逐层对证据进行审查。 第一步：合法审查，通过图文识别、机器学习等智能技术抓取、识别、比对、判 断每一份证据材料的时间、人员等证据合法性的必备要素，对问题与瑕疵的证据, 由系统提示补正或作出解释；第二步：客观判断，由系统按照犯罪构成要件要素 将证据进行结构化组合，通过对案件必备要件、非必备要件的数据检索，自动判 断证据缺失状态；第三步：关联展现，通过系统设计一个思维导图，将案件的 重要事实与关键环节加以标示，当侦查员对某个待证的关键事实进行点击时，

11、系 统自动展现哪些证据共同指向某一待证事实，且清晰的标注证据所在的卷宗位 置，让侦查员对证据间的逻辑与相互印证能够一目了然。5 .智能卷宗管理。当前，案件纸质卷宗的制作、装订、移送、归档、查阅等 环节，耗费了大量的办案时间和精力，而且在卷宗形成过程中，由于缺乏有效的 流程指引和实时校验，时常出现返工、超期甚至卷宗遗失等严重问题。在现有人 工智能技术下，可以研发卷宗智能管理功能。（1）电子化转换。在立案立卷中， 通过图像识别技术对各类纸质材料进行高速批量扫描，转化为电子材料并自动分 配“身份”识别编码，实现纸质原件与电子卷宗的身份关联，这一功能，目前很 多地方办案中心已加载这一功能。（2）实时化

12、更新。由系统通过对电子材料的智 能识别、分析、匹配，按照立卷规范自动分类和排序卷宗材料，并生成配套组卷 信息，并根据卷内材料变化进行实时跟新。（3）辅助化审批。在案件提交审批后, 系统根据法制民警和分管领导的需求，提供卷宗浏览、卷宗批注、法条索引、关 联案件查询、案例推送等辅助审批服务。（4）自动化流转。在案件侦查终结后， 利用该功能通过公检法数据共享平台，实现诉讼卷随案移送和侦查工作卷自动归 档，并可随时根据需要一键查询调用。6 .智能共享平台。浙江、北京、贵州等地的公检法数据共享平台主要分为公 安、检察院、法院三个业务模块，建立统一数据规格和交换标准，实现网上阅卷、 网上流转、网上换押等等

13、，并在数据共享平台中添加“涉案财物管理”模块，当 涉案财物需要随案流转时,通过共享平台直接进行网上移交，做到“移单不移物”。 同时，应用机器人仓储管理、RFID射频标签、二维码等技术，对入库物品实行 一物一码，实现对涉案财物自动存取、动态跟踪。所以，公检法智能共享平台应 成为发展法律人工智能的一个重要方向和选择，将更充分地发挥检、法部门对公 安侦查、取证的制约与引导作用，节约办案时间和成本，优化涉案财物管理，为 智能执法办案的构建提供重要基础。（三）建构要素。上海、贵州等地研发的智能辅助办案系统应用的深度神经 网络模型是法律人工智能走在前沿的技术。为确保这一新生“幼体”茁壮成长， 前期需要将大

14、量人工分类、标注的精细化数据“喂养”和“训练”幼体，待其成 长后才具备自我学习、关联学习和智能识别、分析、判断等强大能力。可参照人 类的感知与思维，建构一个如图2的逻辑导图展示执法办案人工智能模型。图2公安执法办案人工智能要素模型示意图1 .数据层面。小数据时代，受理念与技术的限制，不论公安信息化还是司法 信息化建设，均呈现明显的“管理本位”，缺乏统一规划实施，造成数据资源壁 垒根深蒂固。大数据时代，任何人工智能“机器”，都离不开数据这一 “燃料”, 所以，我们期待科技强警战略在大数据库建构方面能有更大建树。具体到执法办 案大数据的建立，可从以下三方面入手：（1）内部整合。公安大数据面广多样、

15、 载体不一，打通壁垒、整合应用，短期内难度显而易见。但诉讼活动中的执法办 案类数据不存在接口、标准等太多技术上的障碍，也不存在太多的涉密问题，具 备整合、汇聚这块数据的可操作性。（2）外部打通。由于各部门都面临着法院 结案率和上诉率、检察机关起诉率、公安机关破案率等行政化的司法政绩考评， 因此在开放本部门数据时都忧心忡忡，在缺乏相关法律法规直接规定的情况下， 不约而同地都选择数据封闭阴。可见，要打通司法机关的数据壁垒，还得自上而 下、高位推动、明文规定各部门数据整合与共享的义务。（3）统一标准。统一的 元数据标准是在技术层面实现各部门信息共享的前提，司法大数据的元数据建元数据主要是描述数据属性

16、的信息，用来指示数据存储位置、历史数据、资源查找、 设应包括题名、单一标识、类别、描述、数据预览、修订历史、许可项、标签、 API授权项、附属项等内容的。因此，应通过制定统一的技术标准手册，对执法 办案类的数据起止时间、种类、内容、存储、信息交换与利用等环节的技术操作 进行详细规范，以此推动数据共享机制的建立。2 .算法层面。人工智能本质上是建立在大数据基础上学习、分析、判断的算 法，司法的公平公正对法律人工智能算法提出了要更加精准和稳定可靠的要求。（1）训练数据的全面性。算法歧视的根源之一在于用过去不准确或有偏见的数 据去训练算法，其结果自然有偏见；再以输出产生的“问题”数据回馈系统，使偏

17、见得到巩固和加深,这就是“自我实现的歧视性反馈循环”。2所以，应当尽可 能用全面、真实的法律数据进行算法训练；同时，应用数据挖掘技术加以检测和 矫正，最大程度防止其“污染”算法。（2）知识图谱的精细化。法律知识模型化、 标准化是开发法律人工智能的前提，特别是“知识图谱+深度学习”为主的算法, 对数据、模型的颗粒化、精细化程度越高，得出的答案越接近现实、预测的结果 越加准确。所以，目前的人工智能存在“有多少人工，就有多少智能”的明显特 点，需要法律专业团队更加精准化、体系化地建构、重构和表述法律知识。（3） 法律算法的可解释性。深度学习算法的不可解释性就是机器仅提供一个决策结 果，不提供一个决策

18、过程和决策解释。致使执法办案人员对机器直接给出的答案, 无从判断它的参考价值有多大。但目前的技术发展程度不代表未来也是如此，可 以通过政策、法律或一些明确的需求去影响技术的发展；并考虑建立面向一定法 律人群体的适当开放审查和意见反馈的机制，促进算法本身正确性的提高.3 .应用层面。人工智能嵌入执法办案的各个环节，在具体应用上需要相应技 术的支撑与拓展。（1）图片识别（OCR）技术。这项技术是目前法律人工智能比 较常用的技术，可以对各种卷宗材料的印刷体文字、手写文字、签名、手印、签 章、表格、图片进行智能识别、定位和信息提取、比对，实现对单一证据的校验。 应用该技术可辨识“多胞胎” “早产儿”“

19、分身术”“抱错孩”等程序问题。这些 办案中的常见错误，耗费大量精力审查，但又必须严谨细致，“小”的可能需要 提前补正或做出合理解释，“大”则可致证据链条断裂，最终被视为非法证据予 以排除。（2）智能语音（ASR）技术。智能语音（ASR）技术是识别与转换能使 机器“听懂”和“分辨”不同个体口述的语言并实时转化为文字，这一功能在庭文件记录等，事实上是一种电子式的目录，以便协助数据检索。比如，上海的“206”系统，为了力求模型构建的精准和实用，研发团队收集、分析 2012年至2016年间上海各基层法院审理的盗窃案36779件，再把盗窃模型按照证据数 量和种类的不同，分为当场抓获型、重要线索型和网络犯

20、罪型三种类型，做成不同的证 据模型嵌入办案系统，才能形成证据指引、证据合法性校验、证据之间逻辑判断等功能。 审中已得到推广应用。同样，在办案领域引入该技术，可以区分不同角色，将问 答内容直接转写成文本，让办案人员集中精力做好讯（询）问，缩短笔录制作时 间。（3）自然语言处理（NLP）技术。一直以来，符号机器语义实现是限制人工 智能应用的一大瓶颈。随着GPT、BERT等预训练语言模型的出现，较好地解决上 述问题。预训练语言模型通过在容易获取、无需人工标注的大规模文本数据基础 上，依靠强大算力进行预先训练，获得通用的语言模型和表示形式，然后在目标 自然语言处理任务上结合任务语料对预训练得到的模型进

21、行微调，从而在各种下 游自然语言处理任务中快速收敛以提升准确率。因此，预训练语言模型自面世以 来就得到了迅速发展和广泛应用，并成为当前各类自然语言处理任务的核心技 术。但以目前技术完全处理法律专业术语及案卷资料中的复杂表述仍然具有较大 难度。总之，“人工智能研究关心的是如何操纵符号，而不是如何形成意义”， 而公安执法办案是在准确把握案件事实与证据基础上，综合运用侦审思维、逻辑 规则、经验法则和正义理念，对每一起案件“私人定制”的结果。办案民警与法 律人工智能，就像医生与检验设备的关系，延续两千多年的“望闻问切”仍然行 之有效，但依靠机器作出的病情化验更加细致入微，最终的诊断结论、药物用量、 手

22、术方案与操作必须由医生亲自完成。同样，传统的侦办手段不能丢，应对当期 更高的办案标准要求，还应当主动拥抱技术、借助技术不弃微末地办好每一起案 件。法律人工智能系统只接受物理符号，即计算机语言。因此先要自然语言处理技术先将 生活中的日常语言转换为法律语言，比如“我要告你”转换为“我提起诉讼”，“张三 打伤李四”转换为“张三侵害李四的人身权”等等；其次将法律语言转换成计算机语言 “符号”；再次，根据预设好的算法将输入的一串符号得出另一串符号，再转化为自然 语言或者法律语言表示出来。目前的自然语言处理技术还未达到完全将人类语言转化为 法律专业术语的能力，所以还需人工进行“打标签”。参考文献：1向达.

23、外部视角下公安机关执法规范化问题思考J.湖北警官学院学报，2018 (1) ：73.2习近平出席中央政法工作会议并发表重要讲话EB/0L.新华网(2019-017 6)3郑海洋.全面深化司法改革背景下推进公安执法办案管理中心建设的实践与思考J.北 京警察学院学报，2017 (4) : 11-124陈曦,人工智能技术下的刑事诉讼制度改革以上海“206”刑事案件智能辅助办案系 统为分析样本J.惠州学院学报，2019 (10) : 125谢渴.人工智能如何“无偏见”地助力刑事司法由“证据指引”转向“证明辅助”J .法律科学(西北政法大学学报)，2020 (5) : 1116范跃红，龚婵婵，陈乃锋.9

24、9%以上的刑事案件实现全数字化线上移送 浙江：“政法一体 化”推动信息壁垒等办案顽瘴痼疾常治长效EB/0L.人民网(2021-11-24) . 2022-6-30.7黄其松，邱龙云，胡赣栋.大数据作用于权力监督的案例研究以贵阳市公安交通管理局“数据铁笼”为例J.公共管理学报，2020 (7)： 27-298左卫民.从通用化走向专门化:反思中国司法人工智能的运用J.法学论坛，2020 (3): 209左卫民.热与冷：中国法律人工智能的再思考J.环球法律评论，2019 (2)： 6010季卫东.人工智能时代的司法权之变J.东方法学，2018 (1) :130-132.11左卫民.关于法律人工智能在

25、中国运用前景的若干思考J.清华法 学，2018, (2) ： 122. 120.12李婕.算法规制如何实现法治公正N .检察日报，2018-7-10(003).13郑戈.算法的法律与法律的算法J.中国法律评论,2018 (2) ： 75.14Richard Susskind, Expert Systems in Law: A Jur i sprudent ia I Approach to Art i f i c i a I InteI I i gence and Lega I n Law Rev i ew ,Vo 1.49 (1986),p.168.15Bennett Moses, Lyr i

26、a, Chan, Big Data for Lega I and Law Enforcement Decisions:Testing he New Too Is J. University of New South WaIes Law JournaI, 2014, 37(2) ：676.16卞建林，谢谢.我国非法证据排除规则的重大发展以严格排除非法证据规定之 颁布为视角J.浙江工商大学学报,2017, (5)： 16.17潘庸鲁.人工智能介入司法领域路径分析J.东方法学，2018 (3) :113.18成懿萍.大数据背景下公诉审查暨出庭一体化平台实务与展望以资阳市人民检察院 实践运用为样本J.

27、中国检察官.2017(8) :40.19高憬宏.司法统计分析与审判实务：(第1辑)M.北京：法律出版社,2014: 1476.20钱晓红，胡芒谷.政府开放数据平台的构建及技术特征J.图书情报知识,2014 (3)： 128.21张吉豫.司法领域人工智能算法可解释性的促进J.中国人工智能学会通讯,2018, (3): 11.22吴飞，阳春华，兰旭光，等.人工智能的回顾与展望J.中国科学基金.2018, (3) :247.2019年1月，习近平总书记在中央政法工作会议上强调：要推动大数据、 人工智能等科技创新成果同司法工作深度融合，让司法人员从大量重复性的劳动 中解脱出来，集中精力处理司法关键业务

28、。着眼当前，随着全国各地执法办案 管理中心的建设和普及，很大程度上提升执法办案效能，但基层依然面临案多人 少、执法能力与社会需求、执法公正与执法效率等现实矛盾。如何把握第四次技 术革命浪潮，以大数据、人工智能助力执法办案提质增效，成为亟待探索与研究 的重要课题。一、探索应用（-）实践探索近年来，全国公安自上而下开展一体化执法办案管理中心建设，很多地方在 此基础上对大数据、人工智能嵌入执法办案进行了大胆探索，北京、上海、浙江、 贵州等地政法公安机关的有益实践成为法律人工智能应用的先驱。1 .北京海淀：一站式执法办案管理中心从2015年10月开始，北京市公安局海淀分局作为试点单位，建成一站式执 法

29、办案管理中心（以下简称办案中心），发挥辅助、支撑、监督办案的三项职能。 在成功试点基础上，2016年北京全面铺开办案中心建设。主要做法是：（1）标 准化统一管理。配备专职民警和辅警负责办案中心日常管理，依托信息化管理系 统实行24小时视频网络巡检，从嫌疑人入区安检到随身物品、涉案财物管理， 形成流程化、标准化、可视化的管理模式。在此基础上，设立跨部门涉案财物管 理中心，实现“实物静止，手续流转”。（2） 一站式办案模式。对询问室、讯 问室、候问室等办案区实行统一登记、管理和调配，办案单位因需入驻，法制、 刑侦等警种前置指导，部分案审警力提前介入。为提升办案实效，2017年2月， 建成全国首家办

30、案中心认罪认罚速裁办公区，建立认罪认罚速裁机制。（3）大 数据支撑办案。构建海云数据库，整合相关警务数据和社会数据资源，保留其他 数据资源接口，实现查询结果深度挖掘、关联分析，最大限度服务一线办案民警。 从办案单位预约时，即开展网络远程交互查询信息等准备工作，待办案民警到达 时一，即可提供综合查询信息，为民警集中审问查证提供基础保障。同时一，依托办 案中心搭建合成作战平台，预审、法制等部门协同作战，以现场指挥、跟进讯问、 研判案情、寻找突破等方式，为办案民警做好后援。（4）反哺一线实战。打造 全区违法犯罪信息“数据库”和“加工厂”，实现全局案件相关信息、涉案笔录 自动导入数据库，供全警实时分析

31、研判；运用信息挖掘、案件串并、综合分析等 手段，动态跟踪辖区警情变化，挖掘案发规律，预测犯罪活动趋势，每日对辖区高危人员、高发案件、高发区域预警提示，对重点社区防范漏洞提出建议。2 .上海：“206”系统自2017年2月6日起，上海市组织了数百名公、检、法、司业务专家和多 家国内顶尖技术公司人员，以33家公、检、法机关为试点，以8个区级司法局 和上海市律协为调研单位，从统一证据标准、制定证据规则、构建证据模型三方 面入手，开展“上海刑事案件智能辅助办案系统”研发工作。同年5月3日上线 运行至2019年年初，一年半时间已汇集2800万条司法数据、具备26项办案辅 助功能、71个罪名证据标准指引，

32、实现了上海常涉案件罪名全覆盖，试点范围 也从上海拓展到七省八市。作为人工智能与司法裁判融合的初步探索，“206” 系统的运作方式以9个大数据资源库为基础，借助于光学字符识别、自然语言理 解、智能语音识别、要素提取以及机器学习等核心技术，建立连通公检法司各机 关的办案统一网络，并开发了镶嵌26项功能的办案应用软件。在短时间内，人 工智能与刑事司法裁判完成了初步融合，并在侦查、审查起诉、审判等阶段均投 入使用。卬尽管“206”系统还有很多方面需要改进，实践中也有办案人员反映 “简易案件不需要，复杂案件不敢用等想法，但都不能否认，“206”系统在 人工智能司法应用领域的大胆探索、突破和创新，其代表了

33、目前国内人工智能在 证据分析领域的最高水平。3 .浙江：“政法机关一体化办案系统”浙江政法机关从2017年2月开始依托浙江省政法数字化协同工程一号示范 项目，建设“政法一体化办案系统”。经过4年探索实践，打通了政法各单位办 案平台，2021年政法队伍教育整顿期间，进一步优化“政法一体化办案系统”。 目前，该系统已集成公安、检察、法院、司法、监察委等单位办案平台，实现全 省三级777家单位全贯通，完成257个业务流程上线，实现全案件、全诉讼流程、 全办案单位覆盖，已开展一体化办案34万余件，99%以上的刑事案件实现全数字 化线上移送。并形成浙江省刑事案件常见罪名证据标准和规则指引刑事诉 讼涉案财

34、物管理处置工作指引浙江省刑事案件数字卷宗管理办法等70余 项理论和制度成果。浙江也成为全国唯一在省域范围内开展单轨制线上协同办案 的省份。4 .贵州贵阳:“数据铁笼”贵州省从2014年起开始进行政法领域人工智能的研发，2015年贵阳交警部 门按照“事的过程”和“时间线”两条逻辑，全面梳理公安交通管理权力行为流 程，以此为基础建立信息采集点，搭建“数据铁笼”。新建音视频系统、接待评 价和信访执法监督系统、GPS和指纹识别考勤系统、PDA执法终端应用系统、血 液检测管理系统等7个子系统。“数据铁笼”通过整合这些系统，并运用传感器、 数据采集设备将基于标准化流程的权力行为数据化、图片化和影像化。比如

35、，贵 阳交警查处酒驾时，使用酒精检测仪对涉嫌酒驾人员进行检查一一检查数据即时 上传一一数据库自动分析并发送报告一一民警现场打印检测报告，实现对民警履 职行为全流程数据跟踪、监管和留痕，形成了 “只对数据不对人”的新型监督机 制。同时，“数据铁笼”还建立数据记录、风险预警、效益分析、诚信评价等的 4个模块为主的民警个人诚信档案；通过“时间银行”记录每位执法人员工作时 长、体能测试等数据，尤其以一线交警健康数据作为岗位调整和工作调休的重要 依据，实现人性化管理。（二）运用价值上述各地积极运用人工智能对公安执法办案进行改造升级，北京海淀分局是 全国首家建成办案中心，以大数据为支撑，实行一站式、流程化

36、、集成化的智能 管理，实现办案效能的提档升级；上海的“206系统”注重在证据指引、证据审 查、类案智推、办案辅助等方面探索人工智能应用；浙江一体化办案系统打通各 政法办案平台，实现业务数字化网上流转；贵阳“数据铁笼”通过对权力运行流 程的智能化加载，实现执法办案数据监管和全程留痕。四个地方各有侧重，在不 同领域取得执法办案人工智能应用的重大突破和创新，其实践意义主要表现在三 个方面：1 .有利于“管理对象”向“服务对象”转变近十三年的执法规范化建设取得明显成效，但仍有很多地方值得我们反思。 通过比较研究可以发现，在大多数的执法规范化理论研究中，言及“执法质量不 高”，必提“执法监督不严二事实上

37、，这种因果关系是未经严格证明但却被普遍 接受的一种“假设”，并且基于此种假设，很多地方的制度设计往往把执法监督 作为重中之重，执法质量考评、执法责任追究被视为拉动质量提升的重要牵引力, 追求一种“全流程、闭环式、可回溯、终身制”的执法监督体系，成为各地普遍 做法。在此理念下，执法主体俨然成为整个执法规范化的“管理对象”，而非“服 务对象”。直至办案中心的创建、推广和普及，才很大程度上改变这一局面，让笔者认为，目前，基层“案多人少”的现状，还未因公安改革的开展而实现根本改变， 这是其一；其二，执法主体的办案能力受自身素质、专业、学历、经验等多要素影响， 绝非通过等级考试、专业培训就能在短期内提升

38、；其三，简单的治安、刑事案件办案质 量不高，有民警疏忽大意、过于自信的过失，但一些疑难复杂的案件，办案质量受证据 标准与规格、法律认定与适用等多重影响。所以，尽管执法质量不高有执法监督不严不 力的因素，但绝不是主因，更何况执法监督多为事后监督，事后检查出案件问题或瑕疵 时，再要求补充证据或修补案卷，囿于办案时空要素的限制，很多办案缺漏、瑕疵根本 无法弥补或已丧失诉讼实效。执法主体“回归”本位，以办案中心流水线作业既提升效率、又保证安全，还兼 顾执法监督，真正实现“集中精力处理司法关键业务”。所以，从服务执法主体、 提升办案效能的角度，人工智能的介入应是深化执法规范化建设的最大变量。2 .有利于

39、“事后监督”向“智能审核”转变以近年来福建省公安机关执法监督为例，从最初的日常考评与专项考评，到 2013年实行派驻、专职、兼职法制员制；2016年新增自动化考评，对案件逮捕、 移诉等办案程序实行蓝、黄、红三色预警，2020年全省全面建成93个“五位一 体”的执法办案管理中心；同时，建立信息化办案中心管控平台，案件全程网上 流转、闭环管理，对执法问题实行系统自动分色预警和风险点提示，很大程度上 实现“事后监督”向“事中提醒”转变。但总体上，仍以传统的人工审查、书面 审查、案卷抽查等事后考评监督为主。在目前基层办案能力参差不齐的前提下， 基层更需要的是在办案“过程中”加强证据指引、程序审查和质量

40、把关，而并非 事后考评监督再来校正案件。目前，北京办案中心依托智能办案平台，优化智能 审讯、智能证据审核等基础应用；上海通过人工智能将证据标准与规则指引、证 据智能审查等功能嵌入执法办案系统，实现执法办案程序与实体审查，不失为一 种成功的做法。3 .有利于“侦查为中心”向“审判为中心”转变以审判为中心的根本在于把证据的标准与规格尽可能拉高到法庭审判标准， 所以审前的证据与程序审查显得尤为重要。目前，公、检、法均使用各自内网办 案系统，无法互联互通，案件审查需经过提请逮捕、移送审查起诉等正规程序。 从浙江“政法一体化办案系统”的功能可以看出，其至少发挥了三个作用：第一, 倒逼公安机关以符合法庭审

41、判为标准，在证据规格和标准上把“破案”与“庭审” 要求结合起来，依法规范收集、固定、保存证据；第二，使检察机关有效发挥对 案件侦查的引导，从应对法庭质疑和辩护人挑战的角度，有针对性地引导侦查人 员搜集、提取、固定证据和完善证据链条；第三，使法院充分发挥审判对侦查、 起诉环节的制约和引导作用，防止事实不清、证据不足的案件进入审判程序，最 大限度减少错捕错诉错判案件的发生。二、现实难题尽管目前人工智能在执法办案领域进行了十分有意义的开发和探索，前期开 发也耗费了大量的时间和精力，但总体来讲，嵌入程度还较为有限，远未达到理 想的效果。可以预见，法治化与智能化的结合成为司法体制改革的一条主线，未 来这

42、一趋势还会继续加强，这是深化执法规范化建设的必然选择和关键选择。当 前，它仍面临着若干亟待解决的难题。（一）“理念”问题一一认识的偏差与固化公安执法办案领域的大数据、人工智能的实践探索在目前还处于局部探索阶 段，在理念层面主要有三方面的制约因素。1 .认识偏差。如前所述，目前执法规范化的理论层面局限于执法制度、管理、 监督等等，实务层面在全面建成执法办案管理中心后，如何让办案中心提档升级, 很多地方还缺乏或较少有这方面的认识与考虑。另一方面，很多办案中心的智能 感应、智能采集设备，虽被冠以“智能”称谓，但其是否属于真正意义上的人工 智能还存有争议,尤其是否体现出类人类一般的自主思考能力这一人工

43、智能最为 核心的“拟人性”特征更值得商榷。如2 .视野局限。笔者在调研中发现，很多领导与民警对大数据、云计算、人工 智能等认识处于似懂非懂的状态，大家关注的或能看到的主要是立体化治安防 控、大数据情报等科技应用。对人工智能在司法领域兴起或执法办案领域的探索 则很陌生，甚至在很多人看来，办案中心能够实现人员登记、人身检查、物品暂 存等智能化、流水线作业已经是十分先进的技术了，有限的视野遏制了人工智能 在公安执法办案领域的探索步伐,致使目前公安这方面的成果落后于法、检系统。 事实上，真正的法律人工智能应用在于智能证据指引、证据审查、类案推送等案 件办理的核心环节。3 .思维固化。以往自然科学和社会

44、科学遵循的是实验验证、理论推导、科学 计算三种基本认知范式。在大数据时代，以计算为中心的理念转变为以数据为中 心的“第四范式”，不仅对传统治安防控理念、侦查思维都产生重大影响，对法 律研究也产生新的思维和方法。从研究传统上看，域外国家更为重视法律实证研 究，对于法律与科技的交叉研究有着长期的学术传统和坚实的研究基础。反观我 们主流的研究法律方法仍然是诸多人文化、抽象化、思辨化的特征，而缺少实证 化、技术化的研究。总体上，从抽样到全部、从因果到相关等大数据思维，“以 数据说话”的实证研究方法，这点我们明显都准备不足。（二）“燃料”问题一一数据的来源与结构与检、法系统的“司法大数据”相比，公安大数

45、据不论范围、种类、数量 都远大于此，这与公安机关承担的治安防控、刑事侦查、管理服务等职能密切相 关。但目前公安大数据还存在整合度、电子化、标准化、录入率、采集率、共享司法大数据目前没有统一的内涵与外延，通常是指全面反映司法机关以及工作人员依 照法定职权、法定程序处理案件过程中所体现的案件相关人、事、物的数量特征、时空 分布特征以及变化过程的海量、多源的异构数据。参见：单勇，阮丹微.司法大数据的 现状、挑战及应用改进J.净月学刊，2018（3）:67.率、实战转化率不高等一系列现实问题，若将其作为法律人工智能的“燃料”, 还有待于更先进的语言识别、文本抓取等人工智能技术的开发和应用。参照检、 法

46、系统的作法，公安执法办案大数据应以案件卷宗、网上执法办案系统、网上执 法监督平台的数据为主。尽管如此，还存在以下三方面的数据瓶颈。1 .数据来源性不足。在内部数据来源上，以福建省为例，全省公安机关2010 年之后的案件已形成电子卷宗，但2010年之前的卷宗材料，大多还未实现电子 化，很大程度制约了执法办案数据的完整性；在外部数据来源上，公、检、法都 有各自的专网与数据库，出于保密需要未能在各个司法机关之间随意流转，客观 上形成了数据资源壁垒和统计口径的不协调。另外，很容易忽略的一块数据是我 国科研机构的司法数据库，这些知名科研机构的司法数据在建设时间、数据规 范、通用性等方面都具备明显优势，若

47、研发执法办案人工智能系统，这块数据应 是重要组成。2 .数据客观性不足。（1）电子卷宗的不完整，会造成下一步的算法难以充 分、有效开展数据分析与建模；（2）电子卷宗虽已涵盖人、案、物的基本要素 与关联要素，但未涉及一些隐秘性、未有文字记录的侦查、取证工作，执法办案 的全流程信息还欠缺充分性；（3）法律法规、司法解释始终在不断更新，在网 络结构中只要某一事项的重新定义出现过失，就有可能成倍放大误差，引起自动 化处理结果异常皿。总之，数据源的不充分必然影响到人工智能提炼出的数据准 确性、客观性。3 .数据结构化不足。结构化数据是人工智能识别的重要前提,对于机器而言, 识别自然语言已是较大突破，但完

48、全识别法律专业术语还存在很大难度。目前， 从立案到起诉的一套文书对法律主体、案件事实、法律适用等尚能规范书写，但 笔录中还有大量的暗语、黑话等等。此种非结构化的数据，在目前法律人工智能 处理数据能力有限的情况下，造成了很大的转化障碍，必须通过“手工”对数据 进行筛选、清洗、分类和“打标签”。“这种工作量用浩如烟海来形容一点公安信息化建设由于缺少上级部门标准化、全方位、前瞻性的顶层设计，导致出现了 单一警种、单一业务为主的建设模式，形成了各类系统繁多、信息录入重复、数据仅在 各自业务系统内流转，难以实现跨部门、跨警种的自动关联和共享复用等问题，即使部 分地区已经开展跨警种信息系统基础整合，但由于各个系统标准不一、架构不同，融合 程度始终停留在界面整合、数据导入等初级阶段，重复消耗大量人力财力，且整合效果 不理想。我国科研机构司法数据库的建设始于20世纪80年代，北京大学于1985年创建涉外法 规查询系统，并发展为当今知名的中国法律信息检索系统“北大法宝”；1993年武汉 大学法学院赵廷光教授主持开发了实用刑法专家系统，具有检索刑法知识和对刑事个案 进行推理判断的功能，曾经被一百多家法院、检察院、律师事务所采用。参见：张保生. 人工智能法律系统的法理学思考J.法学评论，2001 （5）.