京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、人工智能助力攻克司改难题 将成为司法运行新模式
在今年的全国司法体制改革推进会上,记者深切感受到,即将来临的大数据、人工智能新时代,给司法体制改革带来了广阔的发展前景,为全国政法机关探索司法运行新模式,提升司法质量效率和公信力提供了强有力的支撑。
这其中最具代表性的是上海、贵州两地,他们在推进以审判为中心的刑事诉讼制度改革中,创造性地运用大数据、人工智能破解难题,探索了一条司法体制改革和现代科技应用融合的新路子。
人情因素在机器面前停步 公检法都在“一把尺子”下办案
以审判为中心的刑事诉讼制度改革,涉及到公检法三机关司法职权配置,事关人权保障和有效打击犯罪,而当前制约此项改革推进的因素有三个方面:一是对证据标准理解不统一,公检法各有自己的证据标准;二是受传统司法理念和人情因素影响,证据的收集、审查、运用缺乏刚性;三是法官、检察官、警官个体认知和经验水平的差异,导致办案存在主观性倾向。
大数据和人工智能则可以有效攻克这三道难题。“它通过全样本收集、储存、分析,从‘以偏概全’跨越到‘以全概全’,通过数据的无偏好增强了法官的中立性,通过对流程进行刚性再造,实现办案责任结果和过程的统一。”贵州省高级人民法院院长孙潮在会上说到,“人情因素在不为所动的机器面前停步,选择性执法、通融性规避、偏好性执纪得以避免。”
由于公检法三家对什么案件需要达到什么样的证据标准,没有统一认识,缺乏统一的证据标准指引,补查补证有一定的任意性。要改变这一状况,制定公检法三家统一的证据标准指引势在必行。
为了获得有针对性的证据标准指引,贵州省公安厅依托大数据技术,通过抽样、建模等手段,对五年以来60余万件常见多发的盗窃、抢劫、故意伤害、故意杀人和毒品等五类案件进行分析研判,总结出刑事案件受立案、侦查取证、文书制作三个环节总计67项常见问题。
与此同时,贵州省检察院成立专门研发小组,集合案管、公诉等业务部门与技术部门一道,依据刑法、刑诉法等法律规定,梳理影响定罪量刑的法定或酌定的事项、行为、情节等,形成案件要素,通过分析案件要素与证据材料的关联关系,根据案件定罪要素、量刑要素、证据材料、证据要求构建了犯罪构成的知识图谱。
以大数据梳理的常见问题为司法实践基础,以犯罪构成知识图谱为理论基础,贵州省法院、检察院、公安厅共同研究出台了“贵州省五类案件证据标准指引”。
“把这个统一的证据要求,在侦查、检察、审判机关里面拆分,结合各自的职能职责,侦查机关做侦查机关的,检察机关做检察机关的,审判机关做审判机关的,他们是同一套要求,同一套标准,但是侧重点不一样。”贵州省人民检察院信息中心主任冯涛告诉记者。
构建共享共用的跨部门大数据办案平台 成为办案“好助手”
大数据、人工智能新时代,连接比拥有、共享比分担更有意义。2017年1月,嵌入了证据标准指引模块的政法大数据办案系统在贵阳市花溪区正式运行,要求公检法三家应用该系统进行案件流转,在系统中嵌入证据标准指引应用模块,如果不符合证据标准指引的要求,案件将无法流转至下一环节。
半年多的实践证明,这套系统不仅能够提高办案效能,而且提升了办案质量。
“政法大数据办案系统的运用,给我们启发很大,现在我们办案子不仅仅要破案、审讯,还得注重案子后续的程序。给我最大的帮助就是能够提供更多的证据性的标准,相当于给我一个老师,这个老师是非常公正,非常客观的。从一开始就去注重证据,或者时效性的东西,操作起来也会比较简单。”贵阳市公安局花溪分局民警王练说到。
通过政法大数据办案系统,诉辩双方都对案件事实证据进行了充分的审查分析,案件到了法院,庭审的质量和效率就得到了很大提高。
目前,贵州省刑事审判智能辅助系统与政法大数据办案系统也已实现数据交互,法官在自己的业务系统中即可办理案件。
2017年2月,上海也同样开始研发刑事案件智能辅助办案系统。目前已具备证据标准指引、单一证据合法、合规性校验以及证据链完整性审查判断等多项功能。
那么,飞速发展的人工智能技术,能不能取代办案人员决定案情?
上海市高级人民法院院长崔亚东这样回答,“机器可以挑出案件的矛盾点,可以找出案件的瑕疵,但是机器对什么样的证据可以用,什么样的证据不能用,目前机器是做不到的。所以必须要法官通过庭审,通过对整个案件的事实的综合来进行判断。”
贵州和上海的大胆探索启示我们,现代科技应用迈出一小步,可以推动刑事司法文明前进一大步。全国政法机关只要坚持从我国国情出发,遵循司法规律,善于把制度优势和技术优势结合起来,我们就能走出一条社会主义刑事司法文明发展之路。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化运营中,“凭感觉做决策” 早已成为过去式 —— 运营指标作为业务增长的 “晴雨表” 与 “导航仪”,直接决定了运营动作 ...
2025-10-24在卷积神经网络(CNN)的训练中,“卷积层(Conv)后是否添加归一化(如 BN、LN)和激活函数(如 ReLU、GELU)” 是每个开发者都 ...
2025-10-24在数据决策链条中,“统计分析” 是挖掘数据规律的核心,“可视化” 是呈现规律的桥梁 ——CDA(Certified Data Analyst)数据分 ...
2025-10-24在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16