編者按：

為落實(shí)中共中央宣傳部 教育部 科技部印發(fā)《關(guān)于推動(dòng)學(xué)術(shù)期刊繁榮發(fā)展的意見》精神，順應(yīng)媒體融合發(fā)展趨勢(shì)，積極適應(yīng)移動(dòng)化、智能化發(fā)展方向，《中國(guó)法學(xué)》推出網(wǎng)絡(luò)優(yōu)先出版等新型出版模式。目前，已于“中國(guó)知網(wǎng)”上線2024年第5期《中國(guó)法學(xué)》知網(wǎng)首發(fā)文章，并于微信公眾平臺(tái)同步推出，敬請(qǐng)關(guān)注！

大數(shù)據(jù)預(yù)測(cè)警務(wù)的運(yùn)作機(jī)理、風(fēng)險(xiǎn)與法律規(guī)制

陳永生

北京大學(xué)法學(xué)院教授

本文發(fā)表于《中國(guó)法學(xué)》2024年第5期，因篇幅限制，注釋省略。作者身份信息為發(fā)文時(shí)信息。

內(nèi)容提要

大數(shù)據(jù)預(yù)測(cè)警務(wù)的出現(xiàn)使警方偵查破案、預(yù)防和打擊犯罪的能力獲得突破性提升，但同時(shí)也會(huì)產(chǎn)生一些風(fēng)險(xiǎn)，須對(duì)其予以規(guī)制。域外預(yù)測(cè)警務(wù)已經(jīng)過1.0、2.0、3.0三個(gè)階段，預(yù)測(cè)能力不斷提升，運(yùn)作機(jī)理逐步優(yōu)化。大數(shù)據(jù)預(yù)測(cè)警務(wù)的發(fā)展面臨雙重風(fēng)險(xiǎn)：一是數(shù)據(jù)的準(zhǔn)確性、完整性和新鮮性難以保證；二是算法的錯(cuò)誤、歧視難以避免和糾正。應(yīng)當(dāng)從三個(gè)方面對(duì)大數(shù)據(jù)預(yù)測(cè)警務(wù)進(jìn)行規(guī)范：一是規(guī)范數(shù)據(jù)采集和處理的程序，確保數(shù)據(jù)的質(zhì)量；二是建立算法審核機(jī)制，對(duì)算法的準(zhǔn)確性和風(fēng)險(xiǎn)進(jìn)行監(jiān)督和評(píng)估；三是規(guī)制預(yù)測(cè)警務(wù)系統(tǒng)的設(shè)置與使用，確保對(duì)公民權(quán)利的保障。

關(guān)鍵詞

大數(shù)據(jù) 預(yù)測(cè)警務(wù) 算法 法律規(guī)制

目 次

一、問題的提出

二、大數(shù)據(jù)預(yù)測(cè)警務(wù)的運(yùn)作機(jī)理

三、大數(shù)據(jù)預(yù)測(cè)警務(wù)存在的風(fēng)險(xiǎn)

四、大數(shù)據(jù)預(yù)測(cè)警務(wù)的法律規(guī)制

一、問題的提出

隨著信息、網(wǎng)絡(luò)技術(shù)的迅猛發(fā)展，大數(shù)據(jù)、人工智能越來越廣泛地應(yīng)用于各個(gè)行業(yè)。刑事訴訟處于國(guó)家與犯罪作斗爭(zhēng)的最前沿，刑事偵查更應(yīng)該充分利用科技發(fā)展帶來的技術(shù)紅利，提高偵查人員偵查破案、調(diào)查收集證據(jù)的能力。以美國(guó)為代表的域外國(guó)家大都重視利用大數(shù)據(jù)、人工智能的最新成果提高警方偵查和控制犯罪的能力。美國(guó)自20世紀(jì)末就開始使用犯罪繪圖（Crime Mapping）和地理信息系統(tǒng)（Geographic Information System）來測(cè)繪和分析犯罪信息的空間分布。執(zhí)法機(jī)構(gòu)可以使用犯罪地圖通知犯罪信息，作出資源分配決定，進(jìn)行犯罪評(píng)估分析，甚至進(jìn)行犯罪預(yù)測(cè)，以及對(duì)正在進(jìn)行的系列犯罪進(jìn)行地理畫像（geographic profiling）。2019年，荷蘭在全國(guó)范圍內(nèi)推廣一項(xiàng)預(yù)測(cè)警務(wù)系統(tǒng)——“犯罪預(yù)測(cè)系統(tǒng)”（Crime Anticipation System），該系統(tǒng)可以根據(jù)一張犯罪“熱度地圖”（heat map）預(yù)測(cè)出不同區(qū)域（每個(gè)區(qū)域的面積為125米×125米）未來兩周內(nèi)的犯罪風(fēng)險(xiǎn)值。荷蘭也因此成為世界上第一個(gè)在全國(guó)范圍內(nèi)部署預(yù)測(cè)警務(wù)系統(tǒng)的國(guó)家。

近年來，我國(guó)也開始注重利用大數(shù)據(jù)、人工智能提高預(yù)防和打擊犯罪的能力。2019年10月31日，黨的十九屆四中全會(huì)通過《中共中央關(guān)于堅(jiān)持和完善中國(guó)特色社會(huì)主義制度 推進(jìn)國(guó)家治理體系和治理能力現(xiàn)代化若干重大問題的決定》，明確要求“提高預(yù)測(cè)預(yù)警預(yù)防各類風(fēng)險(xiǎn)能力，增強(qiáng)社會(huì)治安防控的整體性、協(xié)同性、精準(zhǔn)性”。同年，公安部成立了情報(bào)指揮中心，承擔(dān)情報(bào)分析、研判預(yù)警、指揮調(diào)度等職責(zé)，并下發(fā)了《情指勤輿一體化實(shí)戰(zhàn)平臺(tái)建設(shè)任務(wù)書》，這標(biāo)志著預(yù)測(cè)警務(wù)正式成為我國(guó)公安機(jī)關(guān)警務(wù)建設(shè)的重要內(nèi)容。

然而，從總體上看，我國(guó)公安機(jī)關(guān)對(duì)大數(shù)據(jù)的運(yùn)用主要側(cè)重于已然之罪，即利用大數(shù)據(jù)查找已經(jīng)發(fā)生的犯罪的實(shí)施者，如利用大數(shù)據(jù)視頻技術(shù)偵查犯罪、利用人臉圖像數(shù)據(jù)庫(kù)抓捕犯罪嫌疑人等。而對(duì)于未然之罪的預(yù)測(cè)和防范，也即預(yù)測(cè)警務(wù)的關(guān)注嚴(yán)重不足，對(duì)作為預(yù)測(cè)警務(wù)制度基石的數(shù)據(jù)收集與管理、算法設(shè)計(jì)與審核等問題都缺乏必要的頂層設(shè)計(jì)。學(xué)界也一直沒有將預(yù)測(cè)警務(wù)作為重要的研究課題。筆者于2024年6月19日在中國(guó)知網(wǎng)上對(duì)標(biāo)題中包含“預(yù)測(cè)警務(wù)”的論文進(jìn)行檢索，一共只能搜索到19篇論文。這些論文基本上都是公安院?；蚬蚕到y(tǒng)的學(xué)者、專業(yè)人士寫作的，發(fā)表在公安類雜志上，主要是介紹和闡述預(yù)測(cè)警務(wù)的概念、在域外主要國(guó)家的應(yīng)用情況、預(yù)測(cè)警務(wù)的主要模型、功能、我國(guó)對(duì)預(yù)測(cè)警務(wù)的探索、存在的不足以及未來完善等問題，對(duì)預(yù)測(cè)警務(wù)的基本原理、可能面臨的風(fēng)險(xiǎn)，尤其是對(duì)公民權(quán)利可能造成的損害，以及防范風(fēng)險(xiǎn)的舉措等深層次問題則關(guān)注不足。

為推動(dòng)預(yù)測(cè)警務(wù)在我國(guó)的發(fā)展，本文擬對(duì)預(yù)測(cè)警務(wù)在域外國(guó)家的產(chǎn)生與沿革進(jìn)行深入考察，剖析其制度機(jī)理，研究其可能存在的風(fēng)險(xiǎn)，尤其是對(duì)公民權(quán)利可能造成的損害，在此基礎(chǔ)上，對(duì)預(yù)測(cè)警務(wù)在我國(guó)的推行與規(guī)范提出建言與設(shè)想。

二、大數(shù)據(jù)預(yù)測(cè)警務(wù)的運(yùn)作機(jī)理

警方控制犯罪能力的高低不僅取決于其在犯罪發(fā)生后準(zhǔn)確查明犯罪事實(shí)的能力，在很大程度上也取決于其在案發(fā)前準(zhǔn)確預(yù)測(cè)犯罪的能力。然而，在大數(shù)據(jù)時(shí)代到來之前，警方預(yù)測(cè)犯罪的能力非常有限。有學(xué)者將大數(shù)據(jù)時(shí)代之前的犯罪預(yù)測(cè)方法稱為“臨床法”（clinical method），這種預(yù)測(cè)方法建立在個(gè)體的直覺、經(jīng)驗(yàn)等主觀判斷的基礎(chǔ)之上，不受預(yù)先設(shè)定的已識(shí)別變量的控制?！芭R床法”預(yù)測(cè)的可靠性一直飽受質(zhì)疑，早期的研究認(rèn)為這種預(yù)測(cè)方法完全不值一提，幾乎跟碰運(yùn)氣差不多。

大數(shù)據(jù)時(shí)代的到來使這一切發(fā)生了改觀。由于收集和處理數(shù)據(jù)的能力大幅提升，大數(shù)據(jù)時(shí)代的預(yù)測(cè)更多地建立在客觀數(shù)據(jù)和科學(xué)方法的基礎(chǔ)之上，這種預(yù)測(cè)又被稱為“精準(zhǔn)預(yù)測(cè)”（actuarial prediction），其機(jī)理是“考察客觀的、機(jī)制性的、可重復(fù)的預(yù)測(cè)因素，通過實(shí)證研究方法對(duì)這些預(yù)測(cè)因素進(jìn)行選擇和驗(yàn)證，并將其運(yùn)用于被量化的已知結(jié)果”。對(duì)犯罪的精準(zhǔn)預(yù)測(cè)也遵循基本相同的邏輯：通過理論和實(shí)證研究選擇和驗(yàn)證客觀的、機(jī)制性的、可重復(fù)的預(yù)測(cè)因素，將這些預(yù)測(cè)因素運(yùn)用于通過大數(shù)據(jù)技術(shù)收集和處理的大量數(shù)據(jù)，在分析技術(shù)（算法）的支持下獲得犯罪的概率或者預(yù)期值，這一概率或者預(yù)期值將成為指導(dǎo)警察行動(dòng)的重要依據(jù)。由于大數(shù)據(jù)預(yù)測(cè)警務(wù)技術(shù)能夠較為精準(zhǔn)地預(yù)測(cè)未來可能發(fā)生的犯罪的時(shí)間、地點(diǎn)甚至人員，因而警方可以據(jù)此合理地配置警力資源，將主要警力配置于最可能發(fā)生犯罪的地點(diǎn)或者目標(biāo)人群，這能夠極大地提高警方控制犯罪的能力和效率。在司法資源捉襟見肘的今天，大數(shù)據(jù)預(yù)測(cè)警務(wù)的出現(xiàn)給控制犯罪帶來了新的希望和曙光，因而各國(guó)警察機(jī)構(gòu)都對(duì)其青睞有加。

作為一種精準(zhǔn)預(yù)測(cè)的大數(shù)據(jù)預(yù)測(cè)警務(wù)大約發(fā)端于20世紀(jì)90年代。雖然起源時(shí)間相對(duì)較晚，但迄今為止已經(jīng)歷幾次較大的代際更迭。美國(guó)學(xué)者安德魯·格思里·弗格森將大數(shù)據(jù)預(yù)測(cè)警務(wù)的發(fā)展概括為三個(gè)階段：預(yù)測(cè)警務(wù)1.0階段（predictivepolicing 1.0）、預(yù)測(cè)警務(wù)2.0階段（predictive policing 2.0）和預(yù)測(cè)警務(wù)3.0階段（predictive policing 3.0）。支持這三個(gè)階段的理論基礎(chǔ)有所不同，這三個(gè)階段的預(yù)測(cè)能力存在明顯區(qū)別，與此同時(shí)，這三個(gè)階段所引發(fā)的問題也不盡相同。

（一）大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0階段

有學(xué)者認(rèn)為，最早的大數(shù)據(jù)預(yù)測(cè)警務(wù)實(shí)驗(yàn)開始于20世紀(jì)90年代紐約市警察局使用的統(tǒng)計(jì)數(shù)據(jù)比較系統(tǒng)（Compare Statistics System）。但大多數(shù)學(xué)者認(rèn)為，真正開啟大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0時(shí)代的是美國(guó)洛杉磯警方。洛杉磯警方與幾所主要大學(xué)的研究機(jī)構(gòu)進(jìn)行了一項(xiàng)實(shí)驗(yàn)：使用一種預(yù)測(cè)算法對(duì)三種財(cái)產(chǎn)犯罪進(jìn)行預(yù)測(cè)：入室盜竊、汽車盜竊和車內(nèi)財(cái)物盜竊。實(shí)驗(yàn)取得了成功：在實(shí)驗(yàn)開展的最初6個(gè)月內(nèi)，入室盜竊罪下降了25%。

大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0與后文將要考察的大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0之所以能夠取得較為普遍的成功，關(guān)鍵在于這兩個(gè)階段的預(yù)測(cè)警務(wù)都有較為深厚的犯罪學(xué)理論作為支撐?！胺?wù)于任何目的的預(yù)測(cè)分析和犯罪繪圖都應(yīng)當(dāng)有建立在犯罪學(xué)、社會(huì)學(xué)或者其他學(xué)科理論之上的強(qiáng)有力的理論基礎(chǔ)。如果與理論基礎(chǔ)的聯(lián)系貫穿于預(yù)測(cè)分析使用的全過程，那么這種分析將會(huì)更為可靠?！狈缸飳W(xué)早期一個(gè)較為成熟和著名的理論是社會(huì)解組理論（social disorganization theory）。該理論認(rèn)為，“集中于特定地點(diǎn)的經(jīng)濟(jì)劣勢(shì)與其他社區(qū)層面的分裂變量交織在一起，減損了諸如家庭、教堂和學(xué)校等社會(huì)組織對(duì)社區(qū)成員，特別是年輕人施加影響的能力”。基于這一認(rèn)知，社會(huì)解組理論認(rèn)為：“‘地點(diǎn)’和‘方位’，也就是空間位置比其他任何個(gè)體特征與犯罪的相關(guān)性都要強(qiáng)”。此后，學(xué)者們?cè)谏鐣?huì)解組理論的基礎(chǔ)上發(fā)展出生態(tài)學(xué)理論（ecological theory）。該理論被認(rèn)為是與犯罪繪圖和預(yù)測(cè)警務(wù)關(guān)系最為密切的理論，該理論重點(diǎn)關(guān)注防御空間，并主張通過改變環(huán)境設(shè)計(jì)來預(yù)防犯罪。

上述犯罪學(xué)理論揭示出一個(gè)重要事實(shí)：犯罪與環(huán)境因素有著非常緊密的聯(lián)系，特定的環(huán)境漏洞是導(dǎo)致犯罪的重要原因，這成為大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0和大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0的重要理論基礎(chǔ)。大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0最典型的一個(gè)模型“近重復(fù)模型”（near repeat model）就建立在這一認(rèn)知的基礎(chǔ)上。“近重復(fù)模型”認(rèn)為，一旦某一地點(diǎn)受到某一犯罪的侵犯，那么從統(tǒng)計(jì)學(xué)角度來說，在初次犯罪后的很短一段時(shí)間內(nèi)，該地點(diǎn)很有可能再次受到同種犯罪的侵犯。學(xué)者們認(rèn)為，之所以出現(xiàn)“近重復(fù)”現(xiàn)象，部分原因在于相同的犯罪分子返回來再次實(shí)施了犯罪，另一重要原因在于特定的環(huán)境漏洞并沒有消弭，例如，可能是因?yàn)樵摰攸c(diǎn)的房屋建筑結(jié)構(gòu)存在缺陷，也可能是因?yàn)樵摰厝狈Α？傊瑢?dǎo)致“近重復(fù)”現(xiàn)象的部分原因在于特定的環(huán)境漏洞誘發(fā)了犯罪。除“近重復(fù)”理論之外，其他相關(guān)理論，如“日常活動(dòng)”（routine activity）理論、“理性選擇”（rational choice）理論、“犯罪模式”（crime pattern）理論等也都揭示了環(huán)境因素與犯罪的緊密聯(lián)系。

大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0的實(shí)驗(yàn)將犯罪學(xué)的研究成果簡(jiǎn)化為數(shù)據(jù)點(diǎn)（data points），并大量收集與之相關(guān)的歷史數(shù)據(jù)，然后運(yùn)用實(shí)驗(yàn)性算法預(yù)測(cè)出某一特定種類的犯罪可能發(fā)生的地點(diǎn)。這一地點(diǎn)是非常精確的，通常在500平方英尺以內(nèi)。巡警收到顯示預(yù)測(cè)結(jié)果的地圖后，在巡邏的過程中會(huì)盡可能去造訪那些地點(diǎn)，從而防范犯罪的發(fā)生。實(shí)驗(yàn)的結(jié)果證實(shí)了研究人員的預(yù)測(cè)。繼洛杉磯警察局的實(shí)驗(yàn)取得成功之后，加利福尼亞州的其他一些地方也進(jìn)行了類似的實(shí)驗(yàn)，結(jié)果也都非常令人振奮。例如，在圣克魯茲的實(shí)驗(yàn)中，財(cái)產(chǎn)犯罪率下降了4%至11%；在莫德斯托的實(shí)驗(yàn)中，犯罪率呈兩位數(shù)下降；阿罕布拉警局報(bào)告稱，使用預(yù)測(cè)算法一年之后，車內(nèi)財(cái)物盜竊罪的犯罪率下降了21%，汽車盜竊罪的犯罪率下降了8%。

（二）大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0階段

如果說大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0還停留在對(duì)財(cái)產(chǎn)犯罪的預(yù)測(cè)上，那么大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0就將對(duì)犯罪的預(yù)測(cè)擴(kuò)展到暴力犯罪。一般認(rèn)為，與財(cái)產(chǎn)犯罪不同，暴力犯罪的發(fā)生在地理學(xué)上更為隨機(jī)，因而對(duì)暴力犯罪的預(yù)測(cè)會(huì)更為困難。然而，犯罪學(xué)的研究表明，暴力犯罪同樣會(huì)受到地理環(huán)境因素的影響，因而對(duì)暴力犯罪的精準(zhǔn)預(yù)測(cè)也是完全有可能的。例如，犯罪學(xué)理論認(rèn)為，特定的環(huán)境漏洞可能是暴力犯罪的重要誘因：有些小巷可能因?yàn)闊艄饣璋怠⒂斜憬莸奶优苈肪€以及更為接近受害群體等原因更加吸引搶劫罪犯；有些酒吧可能因?yàn)榫凭旌衔铩⒍酒芬约耙归g判斷錯(cuò)誤等原因更容易誘發(fā)暴力斗毆。

預(yù)測(cè)警務(wù)2.0階段最具代表性的預(yù)測(cè)模型是“風(fēng)險(xiǎn)地形模型”（Risk Terrain Modeling）?！帮L(fēng)險(xiǎn)地形模型”更多地將犯罪視為某一地區(qū)的社交、物質(zhì)以及行為因素之間動(dòng)態(tài)交互的結(jié)果，而不是將犯罪視為先前事件決定的結(jié)果。因而，“風(fēng)險(xiǎn)地形模型”并沒有將關(guān)注的重點(diǎn)放在過去的犯罪之上，而是將重點(diǎn)放在可能增加犯罪風(fēng)險(xiǎn)的當(dāng)前環(huán)境風(fēng)險(xiǎn)因素之上。基于這一理念，“風(fēng)險(xiǎn)地形模型”的運(yùn)作機(jī)制在于尋找導(dǎo)致不同犯罪的風(fēng)險(xiǎn)因素，并運(yùn)用多層計(jì)算機(jī)繪圖系統(tǒng)進(jìn)行繪圖。

尋找并確定導(dǎo)致不同犯罪的風(fēng)險(xiǎn)因素對(duì)于“風(fēng)險(xiǎn)地形模型”來說至關(guān)重要，大量的理論和實(shí)證研究已經(jīng)探尋出諸如殺人、傷害、強(qiáng)奸、搶劫、槍擊等諸多暴力犯罪的風(fēng)險(xiǎn)因素。例如，有研究認(rèn)為，導(dǎo)致謀殺和非過失殺人的風(fēng)險(xiǎn)因素包括幫派活動(dòng)、槍支的可獲得性、毒品交易、毒品和藥品的使用、失業(yè)；導(dǎo)致槍擊犯罪的風(fēng)險(xiǎn)因素包括毒品交易、有風(fēng)險(xiǎn)的住宅開發(fā)項(xiàng)目、幫派活動(dòng)、槍支的可獲得性、犯罪歷史。

大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0阻遏犯罪的邏輯與1.0較為類似：通過向高風(fēng)險(xiǎn)地區(qū)增派警力等方式降低該地區(qū)的風(fēng)險(xiǎn)值，進(jìn)而最終實(shí)現(xiàn)犯罪率的下降。事實(shí)證明，這一阻遏犯罪的努力是非常成功的。一項(xiàng)在波士頓開展的研究表明，根據(jù)預(yù)測(cè)警務(wù)2.0的預(yù)測(cè)結(jié)果進(jìn)行警力介入之后，暴力犯罪下降了17.3%，其中，搶劫犯罪下降了19.2%，重傷害犯罪下降了15.4%。

比較分析大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0和2.0不難發(fā)現(xiàn)，兩者除了適用范圍有所不同之外，其預(yù)測(cè)依據(jù)也存在差別。大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0還無法擺脫對(duì)過往犯罪活動(dòng)相關(guān)數(shù)據(jù)的依賴，甚至可以說主要是建立在過往犯罪活動(dòng)的數(shù)據(jù)基礎(chǔ)上的。而大數(shù)據(jù)預(yù)測(cè)警務(wù)2.0則“使用一個(gè)地點(diǎn)的地理和環(huán)境屬性來預(yù)測(cè)未來的犯罪，并不依賴于該地區(qū)過去犯罪活動(dòng)的相關(guān)數(shù)據(jù)”，因而被認(rèn)為是“真正的預(yù)測(cè)警務(wù)”。但是，大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0和2.0也存在一些本質(zhì)上的相同之處：首先，二者遵循的基本邏輯是相同的，即某一地區(qū)存在的特定的環(huán)境漏洞可能誘發(fā)犯罪，進(jìn)而導(dǎo)致該地區(qū)發(fā)生犯罪的風(fēng)險(xiǎn)升高；其次，無論是大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0還是2.0，都不會(huì)對(duì)某一具體犯罪作出預(yù)測(cè)，而只會(huì)對(duì)犯罪的風(fēng)險(xiǎn)值作出預(yù)測(cè)。

（三）大數(shù)據(jù)預(yù)測(cè)警務(wù)3.0階段

如果說大數(shù)據(jù)預(yù)測(cè)警務(wù)1.0和2.0只是實(shí)現(xiàn)了對(duì)犯罪地點(diǎn)的預(yù)測(cè)的話，那么預(yù)測(cè)警務(wù)3.0則實(shí)現(xiàn)了對(duì)可能實(shí)施犯罪的具體的人的預(yù)測(cè)。大數(shù)據(jù)預(yù)測(cè)警務(wù)3.0建立在如下認(rèn)知上：負(fù)面的社交網(wǎng)絡(luò)如同環(huán)境漏洞一樣，有可能誘發(fā)犯罪行為。犯罪學(xué)理論發(fā)現(xiàn)，一小部分人群受其所處的社會(huì)關(guān)系網(wǎng)絡(luò)的影響，成為犯罪的受害者或者實(shí)施者的風(fēng)險(xiǎn)比其他人高很多?；谶@一認(rèn)知，研究人員構(gòu)建了人與人之間關(guān)系和連接的地圖，并將地址、電話號(hào)碼以及其他數(shù)據(jù)源連接起來，以此為正在進(jìn)行的偵查活動(dòng)提供見解和思路，同時(shí)識(shí)別新的犯罪類型。

2013年，研究人員在芝加哥進(jìn)行了一項(xiàng)實(shí)證研究，研究的目的是對(duì)預(yù)測(cè)警務(wù)3.0進(jìn)行實(shí)踐和驗(yàn)證。研究人員通過分析住址、社交關(guān)系情況（過去與槍支暴力受害者和幫派發(fā)生關(guān)系的經(jīng)歷）以及年齡等指標(biāo)來預(yù)測(cè)一個(gè)人成為槍支暴力受害者或者實(shí)施者的可能性。在實(shí)驗(yàn)的過程中，每天都有數(shù)百名警官被派往芝加哥最危險(xiǎn)的區(qū)域，這些警官收集上述區(qū)域中上萬名幫派成員、幫派成員的競(jìng)爭(zhēng)對(duì)手以及幫派成員聲稱的領(lǐng)地等信息，然后運(yùn)用大數(shù)據(jù)技術(shù)對(duì)上述信息進(jìn)行綜合分析。在此過程中，警方鎖定了四百多人，這四百多人因?yàn)樵谏缃魂P(guān)系網(wǎng)絡(luò)中所處的位置，被認(rèn)為最有可能成為謀殺犯罪的受害者或者實(shí)施者。芝加哥警方將這個(gè)四百人名單稱為“熱點(diǎn)名單”（heat list）。一個(gè)人一旦被列入“熱點(diǎn)名單”，就會(huì)成為警方實(shí)施干預(yù)行為的對(duì)象，更容易被警方采取攔截或逮捕等措施。有學(xué)者指出，雖然被列入“熱點(diǎn)名單”這一事實(shí)并不足以構(gòu)成“合理懷疑”或者“合理根據(jù)”，進(jìn)而使警方對(duì)該人采取的攔截或者逮捕措施獲得正當(dāng)性，但是，在其他大數(shù)據(jù)監(jiān)控措施的配合下，警方對(duì)該人采取措施的可能性會(huì)大幅增加。

大數(shù)據(jù)預(yù)測(cè)警務(wù)3.0在美國(guó)的實(shí)驗(yàn)被證明是卓有成效的，一項(xiàng)在新奧爾良市進(jìn)行的實(shí)驗(yàn)證明，通過界定那些可能卷入槍支暴力犯罪的高風(fēng)險(xiǎn)人群，并對(duì)這些人采取干預(yù)措施之后，新奧爾良市謀殺罪的犯罪率下降了21.9%。

三、大數(shù)據(jù)預(yù)測(cè)警務(wù)存在的風(fēng)險(xiǎn)

大數(shù)據(jù)預(yù)測(cè)警務(wù)給人們展示了一幅非常美好的圖景：傳統(tǒng)的建立在直覺、經(jīng)驗(yàn)等個(gè)體判斷基礎(chǔ)上的主觀預(yù)測(cè)被建立在海量數(shù)據(jù)和科學(xué)方法基礎(chǔ)上的客觀預(yù)測(cè)取代，預(yù)測(cè)的精準(zhǔn)度大幅提高。根據(jù)這種預(yù)測(cè)來部署警力必然會(huì)極大地提升打擊犯罪的效率，進(jìn)而有效緩解刑事司法資源捉襟見肘的現(xiàn)狀。不僅如此，大數(shù)據(jù)預(yù)測(cè)是計(jì)算機(jī)通過運(yùn)行事先設(shè)計(jì)好的算法作出的，沒有摻雜警員的個(gè)人喜好和私人恩怨，也不存在權(quán)錢交易和暗箱操作的空間，因而預(yù)測(cè)的結(jié)果更為客觀公正，能夠有效避免當(dāng)事人在刑事訴訟活動(dòng)中遭受偏見和歧視性待遇。這些優(yōu)勢(shì)很容易使人們迷信和盲目依賴大數(shù)據(jù)預(yù)測(cè)警務(wù)，對(duì)其隱含的問題視而不見。

然而，如果對(duì)大數(shù)據(jù)預(yù)測(cè)警務(wù)深入分析不難發(fā)現(xiàn)，預(yù)測(cè)結(jié)果的準(zhǔn)確性和公正性不是必然的和無條件的；相反，其對(duì)數(shù)據(jù)和算法有著非?？量痰囊螅绻麛?shù)據(jù)和算法不能滿足這些嚴(yán)苛的要求，預(yù)測(cè)的結(jié)果不僅可能出現(xiàn)錯(cuò)誤，甚至可能會(huì)對(duì)公民權(quán)利構(gòu)成巨大威脅。在偵查實(shí)踐中，存在大量影響數(shù)據(jù)質(zhì)量的因素，也有很多算法難以克服的障礙，以致嚴(yán)重制約了預(yù)測(cè)警務(wù)的準(zhǔn)確性和公正性。正因?yàn)槿绱耍谟蛲鈬?guó)家，預(yù)測(cè)警務(wù)的應(yīng)用一直存在激烈的爭(zhēng)議，近年有些國(guó)家或地區(qū)甚至禁止警察在執(zhí)法時(shí)使用預(yù)測(cè)警務(wù)。例如，美國(guó)加利福尼亞州圣克魯斯市曾于2011年通過了一項(xiàng)“預(yù)測(cè)警務(wù)計(jì)劃”，啟動(dòng)了預(yù)測(cè)警務(wù)的試點(diǎn)，從而成為美國(guó)最早試點(diǎn)預(yù)測(cè)警務(wù)的城市。但是，由于預(yù)測(cè)警務(wù)一直面臨基礎(chǔ)數(shù)據(jù)不準(zhǔn)確、預(yù)測(cè)結(jié)果存在偏見等質(zhì)疑，2020年6月，圣克魯斯市通過一項(xiàng)法令，禁止本市警察機(jī)構(gòu)繼續(xù)使用預(yù)測(cè)警務(wù)。

（一）數(shù)據(jù)的風(fēng)險(xiǎn)：準(zhǔn)確性、完整性和新鮮性難以保證

從前文對(duì)大數(shù)據(jù)預(yù)測(cè)警務(wù)的介紹可以看出，大數(shù)據(jù)預(yù)測(cè)警務(wù)的運(yùn)行邏輯是：收集一種或者多種類型的數(shù)據(jù)；運(yùn)用算法對(duì)收集的數(shù)據(jù)進(jìn)行分析，以預(yù)測(cè)出某一地域乃至某個(gè)人發(fā)生（實(shí)施）犯罪的可能性；警方根據(jù)預(yù)測(cè)的結(jié)果實(shí)施警務(wù)行為。由此可見，如果將預(yù)測(cè)警務(wù)視作一幢大廈，數(shù)據(jù)就是這座大廈的基石，數(shù)據(jù)的質(zhì)量直接決定著預(yù)測(cè)結(jié)果的準(zhǔn)確性?？梢韵胍姡鳛榛臄?shù)據(jù)哪怕出現(xiàn)細(xì)微的偏差，也會(huì)對(duì)預(yù)測(cè)結(jié)果造成嚴(yán)重影響。

1.數(shù)據(jù)的準(zhǔn)確性和完整性難以保證

司法實(shí)踐中，保證數(shù)據(jù)的準(zhǔn)確性和完整性絕非一件易事，在采集、錄入、整合和共享數(shù)據(jù)的過程中，存在諸多可能導(dǎo)致數(shù)據(jù)錯(cuò)誤或者不完整的因素。美國(guó)聯(lián)邦司法統(tǒng)計(jì)局曾經(jīng)就這一問題發(fā)出喟嘆：“在絕大多數(shù)專家看來，犯罪記錄準(zhǔn)確性和完整性的不足是影響國(guó)家犯罪記錄信息系統(tǒng)的最為嚴(yán)重的缺陷。”

以收集數(shù)據(jù)為例，完整地收集各類犯罪的數(shù)據(jù)對(duì)于警方來說是一件非常困難的事情。雖然某些犯罪，如殺人罪或者涉及交通工具的犯罪，因?yàn)榉缸锏男再|(zhì)、嚴(yán)重程度或者某種激勵(lì)機(jī)制（如保險(xiǎn)公司理賠程序的要求）的存在，被害人或者相關(guān)人員通常會(huì)向警方控告或者報(bào)案。但是，大量犯罪中的被害人或者相關(guān)人員可能不會(huì)向警方報(bào)案或者控告，這將嚴(yán)重影響警方掌握的數(shù)據(jù)的完整性。例如，性侵害類犯罪的被害人出于免遭二次傷害等原因，往往選擇不向警方報(bào)案。又如，家庭暴力類犯罪的被害人出于保護(hù)隱私、維系家庭關(guān)系等考量，也經(jīng)常選擇隱忍。正因?yàn)槿绱耍秸莆盏姆缸飻?shù)據(jù)往往是殘缺不全的。據(jù)美國(guó)聯(lián)邦司法部測(cè)算，在2006年至2010年期間，只有不到一半的暴力犯罪被警方統(tǒng)計(jì)，被警方統(tǒng)計(jì)的家庭財(cái)產(chǎn)犯罪的比率甚至更低。

再以數(shù)據(jù)的整合和共享為例，為強(qiáng)化數(shù)據(jù)資源的功能，執(zhí)法機(jī)構(gòu)往往會(huì)對(duì)不同數(shù)據(jù)庫(kù)中的數(shù)據(jù)資源進(jìn)行整合，在整合數(shù)據(jù)的過程中也容易出現(xiàn)各種錯(cuò)誤。整合數(shù)據(jù)的方法各有不同，可能僅僅基于姓名和住址進(jìn)行整合，也可能加上社會(huì)保險(xiǎn)號(hào)、出生日期等附加信息，由于姓名和住址數(shù)據(jù)是以多種格式捕捉的，這就很可能導(dǎo)致出現(xiàn)錯(cuò)誤。

2.數(shù)據(jù)的新鮮性難以保證

除準(zhǔn)確性和完整性外，大數(shù)據(jù)預(yù)測(cè)警務(wù)的有效運(yùn)作還要求數(shù)據(jù)具有新鮮性。社會(huì)生活瞬息萬變，警務(wù)預(yù)測(cè)系統(tǒng)必須及時(shí)跟進(jìn)社會(huì)生活的急劇變化，否則將無法保證預(yù)測(cè)結(jié)果的準(zhǔn)確性，而如何保障數(shù)據(jù)的新鮮性一直是困擾大數(shù)據(jù)預(yù)測(cè)警務(wù)的一個(gè)問題。

如前文所述，支持大數(shù)據(jù)預(yù)測(cè)警務(wù)的一項(xiàng)重要理論基礎(chǔ)是犯罪學(xué)的研究成果：特定的環(huán)境漏洞是導(dǎo)致犯罪發(fā)生的重要原因。也就是說，某一地方之所以一而再、再而三地發(fā)生某種或某些犯罪，是因?yàn)榇嬖谀承┉h(huán)境漏洞，比如照明系統(tǒng)比較昏暗、缺乏必要的警力資源、有便捷的逃跑路線等。如果這些環(huán)境漏洞一直沒有得到修復(fù)，預(yù)測(cè)警務(wù)系統(tǒng)會(huì)一直提示該地方為“犯罪高風(fēng)險(xiǎn)區(qū)”，警方基于該提示實(shí)施相應(yīng)的警務(wù)行為并無疑問。但值得注意的是，上述環(huán)境漏洞是可能被修復(fù)的。比如，在某一地方被列為“犯罪高風(fēng)險(xiǎn)區(qū)”以后，警方采取了一系列補(bǔ)救措施，比如改善照明系統(tǒng)、增派警力、在可能的逃跑路線上增設(shè)卡點(diǎn)等，那么該地方的環(huán)境漏洞就可能因此得以修復(fù)，發(fā)生犯罪的風(fēng)險(xiǎn)也會(huì)隨之降低。在此情況下，如果不及時(shí)更新相應(yīng)的數(shù)據(jù)，那么預(yù)測(cè)警務(wù)系統(tǒng)還將維持該地方為“犯罪高風(fēng)險(xiǎn)區(qū)”的提示，此時(shí)警方如果盲目依賴預(yù)測(cè)系統(tǒng)的提示實(shí)施警務(wù)行為就會(huì)引發(fā)問題，輕則導(dǎo)致警力資源的浪費(fèi)，重則可能對(duì)公民權(quán)利造成侵害。

然而，保持?jǐn)?shù)據(jù)的新鮮性，如同保證數(shù)據(jù)的完整性和準(zhǔn)確性一樣絕非易事，需要投入大量的人財(cái)物力資源，需要建立相應(yīng)的長(zhǎng)效機(jī)制；如果投入的人財(cái)物力資源不足，或者缺乏相應(yīng)的長(zhǎng)效機(jī)制，數(shù)據(jù)庫(kù)很容易出現(xiàn)老化問題，嚴(yán)重影響預(yù)測(cè)結(jié)果的準(zhǔn)確性。在美國(guó)，雖然其預(yù)測(cè)警務(wù)系統(tǒng)比較發(fā)達(dá)，相關(guān)警察部門也非常重視預(yù)測(cè)警務(wù)數(shù)據(jù)的質(zhì)量，但即便如此，美國(guó)刑事司法數(shù)據(jù)庫(kù)的數(shù)據(jù)質(zhì)量也一直廣受詬病。如美國(guó)聯(lián)邦司法統(tǒng)計(jì)局在2005年的一份報(bào)告中指出：“調(diào)查顯示，刑事歷史報(bào)告面臨很多問題，包括大量積壓、沒有處置的舊記錄以及缺乏保障記錄準(zhǔn)確性的必要審計(jì)?！苯鹚共翊蠓ü僭凇昂樟衷V美國(guó)案”（Herring v. United States）中發(fā)出這樣的感嘆：“這些數(shù)據(jù)庫(kù)中的錯(cuò)誤產(chǎn)生的風(fēng)險(xiǎn)并不小，赫林案給我們的警示是，執(zhí)法部門的數(shù)據(jù)庫(kù)沒有受到充分的監(jiān)督，并且經(jīng)常是過時(shí)的。”

（二）算法的風(fēng)險(xiǎn)：錯(cuò)誤、歧視難以避免和糾正

在充分收集與犯罪有關(guān)的數(shù)據(jù)之后，警務(wù)人員必須利用計(jì)算機(jī)系統(tǒng)，采用一定的算法，對(duì)所收集的數(shù)據(jù)進(jìn)行分析，從而得出有關(guān)犯罪可能性的結(jié)論。由此可見，算法是連接犯罪數(shù)據(jù)與犯罪可能性的樞紐，是計(jì)算機(jī)對(duì)數(shù)據(jù)進(jìn)行分析、整理、挖掘所依據(jù)的步驟和程式，算法設(shè)置是否合理直接決定著預(yù)測(cè)結(jié)果是否準(zhǔn)確。域外預(yù)測(cè)警務(wù)的實(shí)踐表明，預(yù)測(cè)算法作為評(píng)估未來發(fā)生犯罪可能性的模型，是極有可能出現(xiàn)錯(cuò)誤的，甚至可能會(huì)對(duì)刑事訴訟的一些基本原則構(gòu)成威脅。如果對(duì)這些問題視而不見，片面迷信預(yù)測(cè)算法，不僅可能無法實(shí)現(xiàn)預(yù)測(cè)警務(wù)提升訴訟效率的功能，反而會(huì)對(duì)司法公正的價(jià)值目標(biāo)造成巨大沖擊。

1.算法可能出現(xiàn)錯(cuò)誤

預(yù)測(cè)算法的工作機(jī)理是根據(jù)一系列與犯罪有關(guān)的因素判斷某一地區(qū)或者某個(gè)人未來發(fā)生或?qū)嵤┓缸锏母怕?，而不是在有充分證據(jù)的基礎(chǔ)上斷定某個(gè)地區(qū)是否必然會(huì)發(fā)生犯罪或者某個(gè)人是否必然會(huì)實(shí)施犯罪。這一工作機(jī)理決定了預(yù)測(cè)的結(jié)果是有可能出現(xiàn)錯(cuò)誤的。“預(yù)測(cè)技術(shù)是存在錯(cuò)誤率的，錯(cuò)誤涵蓋假陰性（false negative）和假陽(yáng)性（false positive）兩種?！薄凹訇幮浴笔侵杆惴A(yù)測(cè)某一地區(qū)不太可能發(fā)生犯罪或者某人不太可能實(shí)施犯罪，但是該地區(qū)事后發(fā)生了犯罪或者該人事后實(shí)施了犯罪?！凹訇?yáng)性”是指算法預(yù)測(cè)某一地區(qū)可能發(fā)生犯罪或者某人可能實(shí)施犯罪，但事后該地并未發(fā)生犯罪或者該人并未實(shí)施犯罪。無論出現(xiàn)了“假陰性”還是“假陽(yáng)性”的預(yù)測(cè)結(jié)果，都會(huì)對(duì)刑事訴訟的價(jià)值目標(biāo)造成沖擊?！凹訇幮浴钡念A(yù)測(cè)結(jié)果可能導(dǎo)致警方防范不足，被錯(cuò)誤認(rèn)定為“低犯罪風(fēng)險(xiǎn)”的地區(qū)或人員因?yàn)榫Ψ峙洳蛔阕罱K發(fā)生或?qū)嵤┝朔缸??！凹訇?yáng)性”的預(yù)測(cè)結(jié)果則會(huì)導(dǎo)致警方對(duì)被錯(cuò)誤認(rèn)定為“高犯罪風(fēng)險(xiǎn)”的地區(qū)或人員配置過多警力，甚至對(duì)無辜公民的權(quán)利進(jìn)行不當(dāng)干預(yù)和侵害。相比之下，“假陽(yáng)性”對(duì)刑事訴訟價(jià)值目標(biāo)的沖擊更為嚴(yán)重。“假陰性”盡管可能導(dǎo)致一些犯罪未能得到有效控制，但警方通過刑事追訴程序通?？梢允勾蠖鄶?shù)犯罪造成的損害后果得到修復(fù)；而“假陽(yáng)性”則可能導(dǎo)致警方對(duì)無辜公民的人身權(quán)進(jìn)行限制甚至剝奪，而對(duì)公民人身權(quán)的限制或剝奪在發(fā)現(xiàn)錯(cuò)誤時(shí)很難彌補(bǔ)。

不僅如此，相較于預(yù)測(cè)警務(wù)1.0和2.0而言，“假陽(yáng)性”對(duì)預(yù)測(cè)警務(wù)3.0造成的沖擊更大。原因在于，預(yù)測(cè)警務(wù)1.0和2.0只是預(yù)測(cè)某個(gè)地區(qū)是否可能發(fā)生犯罪，而預(yù)測(cè)警務(wù)3.0直接預(yù)測(cè)某個(gè)特定的人是否存在較高的犯罪風(fēng)險(xiǎn)，一旦出現(xiàn)“假陽(yáng)性”的錯(cuò)誤結(jié)果，將直接導(dǎo)致國(guó)家公權(quán)力對(duì)公民個(gè)人權(quán)利進(jìn)行不當(dāng)干預(yù)和侵犯?！熬皖A(yù)測(cè)警務(wù)3.0而言，當(dāng)警方使用大數(shù)據(jù)技術(shù)在大型數(shù)據(jù)庫(kù)中開啟匹配嫌疑模式時(shí)，錯(cuò)誤導(dǎo)致的風(fēng)險(xiǎn)上升了。假陽(yáng)性的預(yù)測(cè)結(jié)果會(huì)導(dǎo)致無辜的公民被單獨(dú)挑出來，并就非犯罪行為接受調(diào)查。這些調(diào)查可能包括警察的肢體接觸、威脅甚至暴力行為?！?/p>

2.算法可能存在歧視

由于預(yù)測(cè)算法建立在客觀數(shù)據(jù)和科學(xué)分析的基礎(chǔ)上，而非基于辦案人員的主觀直覺和過往經(jīng)驗(yàn)，所以很容易使人們誤以為大數(shù)據(jù)預(yù)測(cè)警務(wù)得出的結(jié)論是客觀公正，不存在偏見的。然而，算法在消費(fèi)、求職等其他社會(huì)領(lǐng)域的應(yīng)用早已表明，算法絕非如其外觀呈現(xiàn)出來的那樣客觀公正，而是存在嚴(yán)重的歧視問題。“算法在諸多領(lǐng)域的運(yùn)用中產(chǎn)生了歧視性后果，常見的表現(xiàn)形式有價(jià)格歧視、就業(yè)歧視、信用歧視?！敝运惴ㄒ矔?huì)出現(xiàn)歧視，一個(gè)重要原因在于預(yù)測(cè)算法并非脫離社會(huì)生活而存在，它服務(wù)于社會(huì)生活，因而必須接受源自社會(huì)生活的大量數(shù)據(jù)的訓(xùn)練，如果社會(huì)上存在對(duì)某一群體的歧視和偏見，那么用來訓(xùn)練算法的數(shù)據(jù)也會(huì)存在歧視和偏見，最終導(dǎo)致算法被打上歧視和偏見的烙印。預(yù)測(cè)警務(wù)的算法也無法例外，“如果作為基礎(chǔ)的數(shù)據(jù)是歧視性的，那么建立在該數(shù)據(jù)基礎(chǔ)上的算法也會(huì)是歧視性的，那些所謂的無歧視算法（color-blind algorithms），所做的不過是強(qiáng)化刑事司法體系中業(yè)已存在的偏見而已”。

以美國(guó)為例，美國(guó)很多司法轄區(qū)都以攔截、逮捕或者監(jiān)禁等數(shù)據(jù)訓(xùn)練預(yù)測(cè)算法，表面看來，這些數(shù)據(jù)的確與一個(gè)地區(qū)的犯罪風(fēng)險(xiǎn)程度存在相關(guān)性，并且這些數(shù)據(jù)并非族裔、收入等敏感數(shù)據(jù)，貌似與歧視和偏見無關(guān)。然而，由于美國(guó)社會(huì)存在嚴(yán)重的種族歧視和貧富差距，對(duì)少數(shù)族裔、窮人適用攔截、逮捕和監(jiān)禁的比率比對(duì)白人、富人高得多，因而其攔截、逮捕和監(jiān)禁等數(shù)據(jù)本身就存在嚴(yán)重的歧視、偏見問題，用這些數(shù)據(jù)訓(xùn)練出來的算法也很難擺脫歧視和偏見的色彩。以攔截的適用為例，“盡管14至24歲之間的黑人男子和拉丁裔男子只占紐約市人口的4.7%，但是對(duì)他們的攔截卻占到了2011年紐約市攔截總量的41.6%”，不僅如此，“對(duì)年輕黑人攔截的次數(shù)已經(jīng)超過了整個(gè)城市黑人的人口數(shù)量”，與此形成鮮明對(duì)比的是，上述被攔截的人當(dāng)中只有很少的人最終被逮捕。黑人和白人群體攔截?cái)?shù)據(jù)的巨大差異可能不是因?yàn)楹谌巳后w更可能實(shí)施犯罪，而是因?yàn)椤靶淌滤痉w系存在內(nèi)在的種族偏見，例如警察更傾向于對(duì)少數(shù)族裔而非白人采取措施，又如少數(shù)族裔社區(qū)往往被布置了更多的警力”。

很明顯，如果執(zhí)法機(jī)關(guān)用過往適用攔截、逮捕或者監(jiān)禁等措施的數(shù)據(jù)訓(xùn)練算法，必然導(dǎo)致在其他變量相同的情況下，相對(duì)于白人社區(qū)，黑人或者拉丁裔等少數(shù)族裔聚居的社區(qū)更容易被算法界定為“高犯罪風(fēng)險(xiǎn)區(qū)”。一旦被界定為“高犯罪風(fēng)險(xiǎn)區(qū)”，這些地方就會(huì)受到過度監(jiān)控，居住在這些地區(qū)的居民的權(quán)利，包括人身權(quán)就更容易受到公權(quán)力的侵害。

3.算法出現(xiàn)問題很難被發(fā)現(xiàn)和糾正

無論是建立在直覺、經(jīng)驗(yàn)基礎(chǔ)上的“臨床預(yù)測(cè)”，還是建立在大數(shù)據(jù)、算法基礎(chǔ)上的“精準(zhǔn)預(yù)測(cè)”，都可能出現(xiàn)錯(cuò)誤和歧視等問題。然而，與警員個(gè)體的“臨床預(yù)測(cè)”不同的是，預(yù)測(cè)警務(wù)這種“精準(zhǔn)預(yù)測(cè)”由于有客觀數(shù)據(jù)和科學(xué)方法的加持，因而更容易呈現(xiàn)出一種客觀而準(zhǔn)確的外觀，讓人們很容易忽視其本身可能存在的各種問題。預(yù)測(cè)警務(wù)出現(xiàn)問題很難被發(fā)現(xiàn)和糾正，還與算法不透明息息相關(guān)。許多算法開發(fā)公司都尋求知識(shí)產(chǎn)權(quán)保護(hù)，拒絕公開算法。以美國(guó)為例，刑事司法系統(tǒng)中運(yùn)用最廣泛的兩大算法（COMPAS和PredPol）的開發(fā)商均主張其軟件的內(nèi)在運(yùn)作機(jī)制屬于商業(yè)秘密，還經(jīng)常要求警方簽署保密協(xié)議，反對(duì)公開記錄。其實(shí)，即使開發(fā)算法的公司不尋求知識(shí)產(chǎn)權(quán)保護(hù)，預(yù)測(cè)算法存在的問題也很難被發(fā)現(xiàn)和糾正，這與算法本身難以理解不無關(guān)系。算法在社會(huì)生活各個(gè)領(lǐng)域的運(yùn)用都存在“黑箱效應(yīng)”?！按髷?shù)據(jù)分析使用的人工智能在處理數(shù)據(jù)以及根據(jù)數(shù)據(jù)作出決定時(shí)使用復(fù)雜的數(shù)學(xué)算法。這些算法通常是不透明的，產(chǎn)生了所謂的‘黑箱’效應(yīng)（‘black box’ effect）。”對(duì)于屬于計(jì)算機(jī)外行的人士來說，理解算法并發(fā)現(xiàn)算法的錯(cuò)誤是一件非常困難的事情。

四、大數(shù)據(jù)預(yù)測(cè)警務(wù)的法律規(guī)制

近年來，我國(guó)公安機(jī)關(guān)越來越重視預(yù)測(cè)警務(wù)的探索和運(yùn)用，并取得了一定的積極成效。例如，蘇州市高新區(qū)公安分局運(yùn)用“蜂巢計(jì)劃”預(yù)測(cè)警務(wù)系統(tǒng)對(duì)每日警情、發(fā)案數(shù)據(jù)進(jìn)行自動(dòng)分析，預(yù)測(cè)重點(diǎn)發(fā)案點(diǎn)位，指導(dǎo)巡防工作，極大地節(jié)約了警力資源，“2018年1月至11月，轄區(qū)違法犯罪警情同比下降16.5%，其中刑事案件發(fā)案數(shù)同比下降31.3%，而巡防警力未增加一人”。又如，2021年，合肥市公安局研發(fā)了“守望者”綜合反詐平臺(tái)，該平臺(tái)“能夠依據(jù)結(jié)構(gòu)化數(shù)據(jù)的關(guān)聯(lián)性，自動(dòng)建立數(shù)據(jù)連接，以預(yù)警數(shù)據(jù)中的人員信息為依據(jù)，挖掘拓展關(guān)聯(lián)信息，輸出預(yù)警線索，提高預(yù)警率”。

然而總體上看，我國(guó)預(yù)測(cè)警務(wù)的探索尚處于起步階段，目前尚未出臺(tái)全國(guó)層面統(tǒng)一的制度規(guī)范，既沒有規(guī)范性文件對(duì)處理數(shù)據(jù)的各個(gè)環(huán)節(jié)進(jìn)行規(guī)制，也沒有相關(guān)文件對(duì)預(yù)測(cè)警務(wù)算法開發(fā)和應(yīng)用的條件作出明確規(guī)定，更沒有相關(guān)文件對(duì)預(yù)測(cè)警務(wù)運(yùn)行過程中警察權(quán)的約束以及公民權(quán)利的保護(hù)作出規(guī)定。在這種背景下，各地對(duì)預(yù)測(cè)警務(wù)的探索往往各自為政，缺乏統(tǒng)一規(guī)制。這種狀況一方面可能導(dǎo)致數(shù)據(jù)和算法的質(zhì)量無法得到保障，影響預(yù)測(cè)的準(zhǔn)確性；另一方面，由于警察權(quán)在運(yùn)作過程中缺乏約束，可能對(duì)公民權(quán)利造成侵害。

前文的分析表明，預(yù)測(cè)警務(wù)的數(shù)據(jù)和算法都可能出現(xiàn)錯(cuò)誤，并且這些錯(cuò)誤往往具有隱蔽性，很難被覺察和糾正。因而，我國(guó)在未來建構(gòu)大數(shù)據(jù)預(yù)測(cè)警務(wù)制度時(shí)應(yīng)當(dāng)建立嚴(yán)密的約束機(jī)制，有效確保數(shù)據(jù)和算法的準(zhǔn)確性，并在數(shù)據(jù)和算法出現(xiàn)錯(cuò)誤時(shí)及時(shí)糾正；同時(shí)有效規(guī)制警察權(quán)的行使，確保公民權(quán)利免受不當(dāng)干預(yù)。

（一）規(guī)范數(shù)據(jù)采集和處理程序，確保數(shù)據(jù)質(zhì)量

近年來，隨著大數(shù)據(jù)警務(wù)活動(dòng)的開展，許多公安機(jī)關(guān)已經(jīng)收集并儲(chǔ)存了海量數(shù)據(jù)，這為預(yù)測(cè)警務(wù)活動(dòng)的開展奠定了堅(jiān)實(shí)的數(shù)據(jù)基礎(chǔ)。以遼寧省為例，截至2021年，該省“已經(jīng)匯聚、整合內(nèi)外部數(shù)據(jù)資源一百余類、二百余億條數(shù)據(jù)……省公安廳已建各類信息化系統(tǒng)、平臺(tái)共二百余個(gè)”。然而遺憾的是，針對(duì)警務(wù)數(shù)據(jù)質(zhì)量和管理的立法尚處于空白狀態(tài)。雖然一些非官方機(jī)構(gòu)很早就開始探索警務(wù)數(shù)據(jù)的行業(yè)標(biāo)準(zhǔn)，如2011年中國(guó)計(jì)算機(jī)軟件與技術(shù)服務(wù)股份有限公司、中國(guó)人民公安大學(xué)公安管理學(xué)院等單位聯(lián)合起草了《公安信息化數(shù)據(jù)質(zhì)量管理規(guī)范》，對(duì)數(shù)據(jù)的采集、審核、校驗(yàn)、標(biāo)記、更正等提供了行業(yè)指引，但迄今為止，公安部尚未出臺(tái)全國(guó)統(tǒng)一適用的規(guī)制警務(wù)數(shù)據(jù)處理的規(guī)范性文件。實(shí)踐中，各地公安機(jī)關(guān)采集和處理數(shù)據(jù)時(shí)缺乏有效的規(guī)范和指引，導(dǎo)致處理數(shù)據(jù)的很多環(huán)節(jié)都存在問題。以數(shù)據(jù)采集為例，數(shù)據(jù)“虛采、漏采和信息不完整、不規(guī)范”仍然比較嚴(yán)重。再以數(shù)據(jù)錄入為例，有些地方的公安機(jī)關(guān)“不執(zhí)行統(tǒng)一的業(yè)務(wù)規(guī)范與數(shù)據(jù)標(biāo)準(zhǔn)，或是使用的標(biāo)準(zhǔn)版本滯后，導(dǎo)致數(shù)據(jù)格式不一致”，給數(shù)據(jù)的融合、使用造成困難。又以數(shù)據(jù)的儲(chǔ)存和維護(hù)為例，數(shù)據(jù)庫(kù)信息泄露風(fēng)險(xiǎn)不容忽視，甚至存在公安人員泄露公民個(gè)人信息的情況。在一些出售、非法提供公民個(gè)人信息犯罪的案件中，泄露公民個(gè)人信息的源頭就是公安機(jī)關(guān)工作人員。為確保服務(wù)于預(yù)測(cè)警務(wù)的數(shù)據(jù)的質(zhì)量，建議采取以下措施：

第一，由公安部出臺(tái)統(tǒng)一的警務(wù)數(shù)據(jù)操作管理規(guī)范，對(duì)采集和處理警務(wù)數(shù)據(jù)各個(gè)環(huán)節(jié)的要求和標(biāo)準(zhǔn)作出嚴(yán)格規(guī)定。具體而言，操作管理規(guī)范應(yīng)當(dāng)根據(jù)不同類型執(zhí)法數(shù)據(jù)的特點(diǎn)，對(duì)數(shù)據(jù)的收集范圍、收集程序和收集方法分別作出規(guī)定，并對(duì)容易被遺漏的數(shù)據(jù)類型作出特別提示，從而確保收集數(shù)據(jù)的準(zhǔn)確性和完整性。應(yīng)當(dāng)對(duì)錄入數(shù)據(jù)的格式、創(chuàng)建條目的程序和要求等作出統(tǒng)一規(guī)定，從而確保錄入數(shù)據(jù)的規(guī)范性和統(tǒng)一性。應(yīng)當(dāng)根據(jù)不同類型數(shù)據(jù)的特點(diǎn)，對(duì)更新數(shù)據(jù)的期限作出規(guī)定，并設(shè)置相應(yīng)的程序提醒和督促工作人員及時(shí)更新數(shù)據(jù)，從而確保數(shù)據(jù)的新鮮性。應(yīng)當(dāng)明確數(shù)據(jù)的復(fù)核和校準(zhǔn)機(jī)制，在一名工作人員完成數(shù)據(jù)的錄入、更新之后，由另一名工作人員進(jìn)行復(fù)核和校準(zhǔn)，從而將錯(cuò)誤率降到最低?！爸贫◤?qiáng)制性的統(tǒng)一標(biāo)準(zhǔn)，指導(dǎo)如何收集數(shù)據(jù)并將其輸入預(yù)測(cè)警務(wù)項(xiàng)目……將顯著降低與人類收集大數(shù)據(jù)的易錯(cuò)性相關(guān)的潛在風(fēng)險(xiǎn)?！?/p>

第二，公安機(jī)關(guān)設(shè)置專職的數(shù)據(jù)操作和管理人員，專門負(fù)責(zé)數(shù)據(jù)的采集、錄入、傳輸、存儲(chǔ)等工作。數(shù)字時(shí)代的到來意味著警務(wù)活動(dòng)的樣態(tài)發(fā)生了巨大變化，與數(shù)據(jù)相關(guān)的警務(wù)活動(dòng)占據(jù)了警務(wù)活動(dòng)的相當(dāng)部分，這在客觀上要求將更多的警力資源分配到處理數(shù)據(jù)的工作中。以數(shù)據(jù)的收集為例，雖然目前已經(jīng)出現(xiàn)了一些自動(dòng)化的警務(wù)數(shù)據(jù)收集工具，但大量的警務(wù)數(shù)據(jù)還是依賴警務(wù)人員的手動(dòng)輸入，例如警情、案件、入監(jiān)所人員、涉案人員等觸發(fā)型公安核心業(yè)務(wù)數(shù)據(jù)主要依靠警務(wù)人員手動(dòng)輸入；又如常住人口、暫住人口、出租房屋等常態(tài)型公安警種業(yè)務(wù)數(shù)據(jù)，有相當(dāng)一部分也依靠警務(wù)人員手動(dòng)輸入。為保證這些數(shù)據(jù)能夠被完整收集、準(zhǔn)確錄入，以及在發(fā)生變化后及時(shí)更新，必須投入大量的專職警力資源。

（二）建立算法審核機(jī)制，對(duì)算法的準(zhǔn)確性和風(fēng)險(xiǎn)進(jìn)行審查評(píng)估

目前，警務(wù)預(yù)測(cè)算法的設(shè)計(jì)和運(yùn)用基本上是一種“警方+技術(shù)提供方”的二元封閉模式，也就是由警方負(fù)責(zé)提出建設(shè)要求和相關(guān)數(shù)據(jù)，由技術(shù)提供方負(fù)責(zé)設(shè)計(jì)算法。在這種模式下，算法進(jìn)入刑事司法程序缺乏來自第三方的審查和評(píng)估，這對(duì)確保算法的準(zhǔn)確性與合理性是明顯不利的。

第一，有些算法所依據(jù)的理論基礎(chǔ)可能是不可靠的，缺乏第三方審查可能導(dǎo)致不合理的算法進(jìn)入刑事司法程序，沖擊刑事訴訟的價(jià)值目標(biāo)。近年來，隨著大數(shù)據(jù)技術(shù)的迅猛發(fā)展，算法開發(fā)的步伐不斷加快，一些公司開發(fā)出了功能強(qiáng)大、對(duì)執(zhí)法機(jī)構(gòu)極具吸引力的算法。然而，有些算法所依據(jù)的理論基礎(chǔ)并不可靠，甚至可能存在嚴(yán)重問題。例如，美國(guó)聯(lián)邦政府很早就開始測(cè)試一種算法，該算法能夠根據(jù)一個(gè)人的生理數(shù)據(jù)預(yù)測(cè)該人是否意圖實(shí)施恐怖行為。挪威的研究走得更遠(yuǎn)，一個(gè)研究項(xiàng)目嘗試將某些兒童預(yù)先歸類為“可能的罪犯”。挪威政府收集了大量公民的數(shù)據(jù)，并將這些數(shù)據(jù)與單一的身份文件關(guān)聯(lián)起來，研究人員希望通過挖掘兒童及其父母的身份文件，通過兒童出生時(shí)的環(huán)境來預(yù)測(cè)該兒童是否會(huì)在18歲生日之前實(shí)施犯罪。這種算法對(duì)執(zhí)法機(jī)構(gòu)具有吸引力，因?yàn)樵撍惴暦Q，它們能夠?qū)⒖赡芪：ι鐣?huì)的危險(xiǎn)分子精準(zhǔn)地篩查出來。然而，只要稍加分析就不難發(fā)現(xiàn)，這種算法其實(shí)就是建立在天生犯罪人理論的基礎(chǔ)之上，而天生犯罪人理論的缺陷毋庸多言，建立在該理論基礎(chǔ)上的算法的準(zhǔn)確性是難以得到保障的。退一步而言，即便算法的準(zhǔn)確性能夠得到保障，這些算法的內(nèi)在邏輯——犧牲某些特定群體的利益以實(shí)現(xiàn)社會(huì)安全——也是令人不安的。

第二，構(gòu)建算法時(shí)需要對(duì)一些重要的法律價(jià)值進(jìn)行權(quán)衡和取舍，缺乏第三方審查可能導(dǎo)致算法對(duì)法律價(jià)值的選擇背離法律的原則與精神。預(yù)測(cè)警務(wù)算法的構(gòu)建包含許多復(fù)雜的步驟，其中很多步驟都涉及對(duì)不同法律價(jià)值的判斷和取舍，因而構(gòu)建預(yù)測(cè)警務(wù)系統(tǒng)時(shí)需要由執(zhí)法機(jī)構(gòu)之外的第三方進(jìn)行審查和評(píng)估。例如，“在構(gòu)建算法系統(tǒng)時(shí)，必須選擇如何權(quán)衡不同的錯(cuò)誤：假陽(yáng)性和假陰性。這意味著在開發(fā)預(yù)測(cè)警務(wù)系統(tǒng)時(shí)必須判斷哪一種情況更糟糕：將無辜者視為潛在的罪犯（假陽(yáng)性）或者讓算法忽視潛在的犯罪（假陰性）”；“編程人員必須對(duì)分析方法進(jìn)行‘校準(zhǔn)’，使之偏向于一種錯(cuò)誤而不是另一種，或者，如果可能的話，必須嘗試平等地對(duì)每一種算法錯(cuò)誤進(jìn)行權(quán)衡。每一種‘校準(zhǔn)’不僅是一種技術(shù)決策，也是一種政治決策”。很顯然，在對(duì)上述問題進(jìn)行權(quán)衡和選擇的時(shí)候，執(zhí)法機(jī)構(gòu)基于打擊犯罪的立場(chǎng)，可能會(huì)作出與法律專家截然不同的選擇；負(fù)責(zé)開發(fā)算法的技術(shù)專家也有可能作出與法律專家完全不同的選擇，因?yàn)榭茖W(xué)技術(shù)具有追求效率的內(nèi)生動(dòng)力，而公正具有難以量化的特點(diǎn)，當(dāng)公正與效率發(fā)生沖突時(shí)，技術(shù)專家往往會(huì)傾向于選擇效率。例如，在假陽(yáng)性錯(cuò)誤（冤枉無辜）和假陰性錯(cuò)誤（放縱犯罪）之間，執(zhí)法機(jī)構(gòu)和技術(shù)專家可能認(rèn)為后者更加難以容忍。又如，在保護(hù)公民個(gè)體權(quán)利與實(shí)現(xiàn)社會(huì)安全方面，執(zhí)法機(jī)構(gòu)和技術(shù)專家可能認(rèn)為后者更值得保障。為避免算法中法律價(jià)值選擇的失衡，算法的設(shè)計(jì)過程不僅需要有技術(shù)專家的參與，也需要有法律專家的參與。即使因?yàn)榭陀^原因，在設(shè)計(jì)算法時(shí)未能邀請(qǐng)法律專家參與，也必須保證在執(zhí)法機(jī)關(guān)將其應(yīng)用于刑事司法系統(tǒng)之前由法律專家對(duì)算法進(jìn)行審核，確保算法對(duì)法律價(jià)值的選擇不悖離法律的原則和精神。

筆者認(rèn)為，我國(guó)在未來建構(gòu)預(yù)測(cè)警務(wù)制度時(shí)，也應(yīng)當(dāng)建立嚴(yán)格的算法審核機(jī)制。具體而言，可以在省級(jí)以上公安機(jī)關(guān)設(shè)立專門的算法審查委員會(huì)，市、縣級(jí)公安機(jī)關(guān)開發(fā)或者引入預(yù)測(cè)警務(wù)系統(tǒng)時(shí)，必須申請(qǐng)省級(jí)以上公安機(jī)關(guān)算法審查委員會(huì)進(jìn)行審查。算法審查委員會(huì)由法律專家和技術(shù)專家組成，同時(shí)可以吸收社會(huì)公眾參與。委員會(huì)應(yīng)當(dāng)審查算法所依據(jù)的理論基礎(chǔ)是否可靠，是否會(huì)造成對(duì)某些群體的歧視，是否與法律的基本原則、規(guī)則存在沖突等。只有經(jīng)審查，算法在以上方面都沒有問題，執(zhí)法機(jī)關(guān)才能予以引進(jìn)。事實(shí)上，這也是開發(fā)與應(yīng)用人工智能的許多國(guó)家、地區(qū)的共同要求。如歐盟基本權(quán)利機(jī)構(gòu)在2022年12月發(fā)布的《算法中的偏見：人工智能與歧視》中就呼吁，人工智能算法的開發(fā)與應(yīng)用者應(yīng)當(dāng)就算法對(duì)公民及其基本權(quán)利可能造成的影響進(jìn)行審查，“實(shí)現(xiàn)技術(shù)創(chuàng)新與基本權(quán)利的平衡是歐盟規(guī)制人工智能及相關(guān)技術(shù)的政策努力的核心”。

（三）規(guī)制預(yù)測(cè)警務(wù)系統(tǒng)的設(shè)置與使用，確保對(duì)公民權(quán)利的保障

在預(yù)測(cè)警務(wù)模式下，受益于大數(shù)據(jù)帶來的技術(shù)紅利，國(guó)家管理社會(huì)和預(yù)防犯罪的能力獲得大幅提升，但與此同時(shí)，國(guó)家公權(quán)力與公民個(gè)人權(quán)利的沖突樣態(tài)也發(fā)生了變化。在傳統(tǒng)警務(wù)模式下，犯罪事實(shí)發(fā)生以后警方才會(huì)采取執(zhí)法措施；而在預(yù)測(cè)警務(wù)模式下，犯罪尚未發(fā)生時(shí)警方就會(huì)積極主動(dòng)預(yù)測(cè)，并采取相應(yīng)的執(zhí)法措施。在傳統(tǒng)警務(wù)模式下，警方執(zhí)法一般針對(duì)特定嫌疑人；而在預(yù)測(cè)警務(wù)模式下，警方執(zhí)法經(jīng)常針對(duì)不特定人、不特定群體。這兩大特征導(dǎo)致在預(yù)測(cè)警務(wù)模式下，警察權(quán)力更容易被濫用，公民權(quán)利更容易被侵犯，因而必須對(duì)警察權(quán)的行使進(jìn)行嚴(yán)格規(guī)制，防止公民權(quán)利受到侵犯。

1.建立預(yù)測(cè)警務(wù)數(shù)據(jù)庫(kù)的嚴(yán)格管理制度，確保公民隱私和個(gè)人信息的安全

長(zhǎng)期以來，我國(guó)刑事訴訟法對(duì)公民隱私權(quán)、個(gè)人信息的保護(hù)都明顯不足，立法中有關(guān)公民隱私權(quán)與個(gè)人信息保護(hù)的規(guī)定寥寥無幾。不僅如此，有限的與公民隱私權(quán)和個(gè)人信息保護(hù)相關(guān)的條款也主要適用于傳統(tǒng)的對(duì)已發(fā)生犯罪的偵查，并不適用于預(yù)測(cè)警務(wù)活動(dòng)?？梢哉f，我國(guó)預(yù)測(cè)警務(wù)活動(dòng)中公民權(quán)利的保護(hù)尚處于立法空白狀態(tài)。這種立法現(xiàn)狀導(dǎo)致我國(guó)預(yù)測(cè)警務(wù)數(shù)據(jù)庫(kù)的建立缺乏規(guī)制，大量適用于人員預(yù)測(cè)的數(shù)據(jù)庫(kù)（類似于預(yù)測(cè)警務(wù)3.0的數(shù)據(jù)庫(kù)）被建立起來，數(shù)據(jù)采集也存在無序擴(kuò)張的風(fēng)險(xiǎn)。以某地建立的禁毒數(shù)據(jù)庫(kù)為例，該數(shù)據(jù)庫(kù)目前采集的主要是涉毒人員的數(shù)據(jù)，然而，有學(xué)者因?yàn)閾?dān)心“信息采集不足，無法做到完整而準(zhǔn)確的毒情態(tài)勢(shì)感知”，主張“數(shù)據(jù)庫(kù)系統(tǒng)不僅要關(guān)注已經(jīng)初步標(biāo)定的涉毒目標(biāo)數(shù)據(jù)，還要廣泛采集和存儲(chǔ)大量看似并未涉毒的目標(biāo)數(shù)據(jù)，即全維度地采集社會(huì)綜合數(shù)據(jù)信息”。擴(kuò)大數(shù)據(jù)庫(kù)的規(guī)模雖然對(duì)于預(yù)測(cè)和控制犯罪具有意義，但如果數(shù)據(jù)的采集不受任何限制，可能會(huì)對(duì)公民權(quán)利構(gòu)成威脅。因此，我國(guó)未來立法應(yīng)當(dāng)建立嚴(yán)格的約束機(jī)制，以實(shí)現(xiàn)預(yù)測(cè)犯罪與保障公民基本權(quán)利的平衡。

（1）對(duì)人員數(shù)據(jù)庫(kù)的入庫(kù)信息進(jìn)行分類管理

如前文所述，預(yù)測(cè)警務(wù)分為1.0、2.0和3.0階段，與之相應(yīng)，預(yù)測(cè)警務(wù)數(shù)據(jù)庫(kù)可以分為兩類：一類是服務(wù)于犯罪地點(diǎn)預(yù)測(cè)的數(shù)據(jù)庫(kù)，主要是預(yù)測(cè)警務(wù)1.0和2.0；另一類是服務(wù)于相關(guān)人員預(yù)測(cè)的數(shù)據(jù)庫(kù)（簡(jiǎn)稱人員數(shù)據(jù)庫(kù)），主要是預(yù)測(cè)警務(wù)3.0。不同于前者，后者（人員數(shù)據(jù)庫(kù)）通常需要儲(chǔ)存大量的公民個(gè)人信息，如姓名、住所、職業(yè)、身份證號(hào)碼等信息，有些數(shù)據(jù)庫(kù)可能還需要儲(chǔ)存公民的生物特征、宗教信仰、特定身份、醫(yī)療健康、金融賬戶、行蹤軌跡等敏感個(gè)人信息。這類數(shù)據(jù)庫(kù)的建立和使用會(huì)對(duì)公民的個(gè)人信息權(quán)和隱私權(quán)構(gòu)成威脅，因此有必要對(duì)人員數(shù)據(jù)庫(kù)中的數(shù)據(jù)進(jìn)行分類管理。犯罪人或者被追訴人由于被認(rèn)定為實(shí)施或者涉嫌犯罪，因而對(duì)執(zhí)法機(jī)構(gòu)收集和儲(chǔ)存其個(gè)人信息負(fù)有一定的忍受義務(wù)，執(zhí)法機(jī)構(gòu)不僅可以收集和儲(chǔ)存其非敏感個(gè)人信息，也可以收集和儲(chǔ)存其敏感個(gè)人信息。但被害人和證人等并沒有被認(rèn)定為實(shí)施或者涉嫌犯罪，收集和儲(chǔ)存他們的敏感個(gè)人信息可能導(dǎo)致刑事執(zhí)法活動(dòng)價(jià)值取向的失衡。因而未來立法時(shí)有必要明確規(guī)定，除非征得被害人、證人的同意，執(zhí)法機(jī)構(gòu)不得收集和儲(chǔ)存他們的敏感個(gè)人信息。事實(shí)上，有些國(guó)家和地區(qū)已經(jīng)注意到了這一問題，例如，《歐洲議會(huì)和理事會(huì)指令2016/680》第31條明確規(guī)定，“應(yīng)當(dāng)盡可能明確區(qū)分不同類別數(shù)據(jù)主體的個(gè)人數(shù)據(jù)，例如：犯罪嫌疑人、被定罪的人、被害人以及其他訴訟參與人，如證人、掌握相關(guān)線索和聯(lián)系的人、嫌疑人或者罪犯的同伙”。

（2）對(duì)人員數(shù)據(jù)庫(kù)的使用進(jìn)行嚴(yán)格規(guī)制

人員數(shù)據(jù)庫(kù)中的信息與公民身份是一一匹配的，如果不對(duì)其適用進(jìn)行嚴(yán)格規(guī)制，容易導(dǎo)致侵犯公民隱私權(quán)和個(gè)人信息權(quán)；同時(shí)，人工智能算法能夠?qū)Ａ繑?shù)據(jù)進(jìn)行挖掘、整理和分析，如果不對(duì)人員數(shù)據(jù)庫(kù)的使用進(jìn)行必要限制，很容易導(dǎo)致警方運(yùn)用人工智能算法，通過信息碰撞實(shí)現(xiàn)對(duì)公民各個(gè)方面信息的碎片化整合，實(shí)現(xiàn)對(duì)公民生活、工作、社交等各個(gè)方面的“全景監(jiān)控”，侵犯公民個(gè)人隱私。正因?yàn)槿绱耍蛲庥行﹪?guó)家限制甚至禁止廣泛收集公民個(gè)人信息進(jìn)行犯罪預(yù)測(cè)。例如，荷蘭曾開發(fā)了一款用于預(yù)防和打擊社會(huì)保障領(lǐng)域欺詐行為的預(yù)測(cè)警務(wù)系統(tǒng)——“系統(tǒng)風(fēng)險(xiǎn)提示”（System Risk Indication）預(yù)警系統(tǒng)。為了保證預(yù)測(cè)效果，該系統(tǒng)需要收集大量公民個(gè)人信息，如就業(yè)數(shù)據(jù)、公民一體化數(shù)據(jù)（civic integration data）、債務(wù)數(shù)據(jù)、健康保險(xiǎn)數(shù)據(jù)、個(gè)人基本資料（姓名、住址、出生日期等）。由于該數(shù)據(jù)庫(kù)可能對(duì)公民隱私構(gòu)成巨大威脅，2020年荷蘭海牙地區(qū)法院裁定，因?yàn)樵擃A(yù)測(cè)警務(wù)系統(tǒng)侵犯了《歐洲人權(quán)公約》第8條所規(guī)定的隱私權(quán)，因而不得使用。借鑒域外經(jīng)驗(yàn)，建議我國(guó)未來對(duì)人員數(shù)據(jù)庫(kù)的使用設(shè)置嚴(yán)格的控制機(jī)制。首先，人員數(shù)據(jù)庫(kù)只能適用于比較嚴(yán)重的犯罪，如可能判處3年有期徒刑以上刑罰的犯罪。其次，人員數(shù)據(jù)庫(kù)的使用必須經(jīng)過嚴(yán)格的批準(zhǔn)程序，如必須經(jīng)過縣級(jí)以上公安機(jī)關(guān)負(fù)責(zé)人批準(zhǔn)。最后，建立數(shù)據(jù)的定期刪除制度，如對(duì)于超過一定期限的刑事案件，必須刪除數(shù)據(jù)庫(kù)中相關(guān)人員的數(shù)據(jù)。

2.除非有其他證據(jù)證明相對(duì)人實(shí)施了涉嫌犯罪的行為，不能僅憑大數(shù)據(jù)預(yù)測(cè)結(jié)論對(duì)其權(quán)利進(jìn)行限制或者剝奪

在傳統(tǒng)警務(wù)模式下，警察不可能僅僅根據(jù)一個(gè)人的身份特征對(duì)其權(quán)利進(jìn)行限制或者剝奪。很難想象，警察僅僅因?yàn)橐粋€(gè)人處于失業(yè)狀態(tài)、居住在貧民區(qū)或者屬于某個(gè)特定族群就對(duì)其采取攔截或者盤查措施。在傳統(tǒng)執(zhí)法模式下，警方必須掌握了一定的證據(jù)證明相對(duì)人可能實(shí)施了違法犯罪行為才能對(duì)其權(quán)利進(jìn)行限制或剝奪，如執(zhí)法人員自己目擊相對(duì)人實(shí)施了違法犯罪行為，或者有證人指認(rèn)相對(duì)人實(shí)施了違法犯罪行為，或者相對(duì)人身上、住所遺留有犯罪證據(jù)等。但在預(yù)測(cè)警務(wù)模式下，這一切很可能發(fā)生變化。如前文所述，大數(shù)據(jù)預(yù)測(cè)往往是根據(jù)周圍環(huán)境、人員構(gòu)成、收入狀態(tài)、年齡、性別等群體性特征來判斷某個(gè)地區(qū)是否是犯罪“高風(fēng)險(xiǎn)區(qū)”，或者某個(gè)人是否應(yīng)當(dāng)被列入犯罪“熱點(diǎn)名單”。由于算法具有“黑箱效應(yīng)”，同時(shí)執(zhí)法人員往往存在“自動(dòng)化偏見”（automation bias）和“確認(rèn)偏見”（confirmation bias），因而執(zhí)法人員很可能對(duì)算法存在不切實(shí)際的依賴，在算法背后的運(yùn)作機(jī)理尚未得到充分證明的情況下就將其奉若圭臬，完全依賴算法的結(jié)論實(shí)施警務(wù)行為。這就很有可能導(dǎo)致僅憑一個(gè)人的身份特征就對(duì)其權(quán)利進(jìn)行限制或者剝奪?！昂茈y想象現(xiàn)實(shí)社會(huì)中會(huì)出現(xiàn)這樣的場(chǎng)景：群體特征本身就達(dá)到了合理懷疑的標(biāo)準(zhǔn)，但是在機(jī)器預(yù)測(cè)時(shí)代，理論上是有可能達(dá)到這一結(jié)果的?！?/p>

僅僅因?yàn)橐粋€(gè)人的身份特征而非具體行為就限制或者剝奪其權(quán)利不僅是錯(cuò)誤的，而且是非常危險(xiǎn)的。首先，這打破了國(guó)家公權(quán)力與公民個(gè)人權(quán)利之間的平衡關(guān)系。根據(jù)法治的一般原則，國(guó)家公權(quán)力與公民個(gè)人權(quán)利之間應(yīng)當(dāng)維持一種合理的比例和平衡關(guān)系，只有當(dāng)公民個(gè)人存在危害社會(huì)的現(xiàn)實(shí)風(fēng)險(xiǎn)時(shí)，國(guó)家公權(quán)力才能對(duì)公民個(gè)人權(quán)利進(jìn)行限制或者剝奪。而只有當(dāng)公民可能實(shí)施了危害社會(huì)的違法犯罪行為時(shí)，才能認(rèn)為其存在危害社會(huì)的現(xiàn)實(shí)風(fēng)險(xiǎn)。如果沒有任何證據(jù)證明公民可能實(shí)施了危害社會(huì)的行為，不能僅僅因?yàn)槠渚哂心撤N群體性特征，如屬于失業(yè)群體或者特定族群，就認(rèn)定其存在危害社會(huì)的現(xiàn)實(shí)風(fēng)險(xiǎn)，進(jìn)而采取限制或者剝奪其權(quán)利的措施。否則，將打破國(guó)家公權(quán)力與公民個(gè)人權(quán)利之間的平衡關(guān)系，突破國(guó)家行使公權(quán)力的正當(dāng)性底線。其次，僅憑身份特征就限制或者剝奪公民權(quán)利會(huì)導(dǎo)致嚴(yán)重的歧視和社會(huì)不公。如果允許僅憑一個(gè)人的身份特征對(duì)其權(quán)利進(jìn)行限制或者剝奪，那么，從理論上說，具備該身份特征的每一個(gè)社會(huì)成員，無論如何謹(jǐn)小慎微地約束自己的行為，只要其沒有擺脫自己的身份特征，就可能隨時(shí)面臨被限制或者剝奪權(quán)利的風(fēng)險(xiǎn)。“僅僅因?yàn)橐粋€(gè)人屬于某個(gè)特殊的群體（a specific group）就對(duì)他實(shí)施攔截、搜查或者逮捕是不合適的，這樣做等于是說一個(gè)人的群體特征是如此可疑，以至于任何特定的時(shí)刻都有理由相信他有可能從事犯罪活動(dòng)?！边@意味著某些群體成員僅僅因?yàn)樯矸堇佑【捅黄瘸惺軄碜怨珯?quán)力的更多干預(yù)甚至侵犯，而無法與一般社會(huì)成員一樣享受到平等的權(quán)利保障，這將動(dòng)搖公正、平等、正義等現(xiàn)代法治的基石。

基于以上原因，筆者認(rèn)為，除非有其他證據(jù)證明相對(duì)人實(shí)施了違法犯罪行為，否則不能僅僅依據(jù)大數(shù)據(jù)預(yù)測(cè)結(jié)論對(duì)其權(quán)利進(jìn)行限制或者剝奪?！皟H僅因?yàn)橐粋€(gè)人屬于某一特定的階層或者處于某個(gè)群體就對(duì)其采取措施，這種做法無論在道德上還是法律上都是錯(cuò)誤的。這就是為什么預(yù)測(cè)算法也需要將被告人的特定行為作為考慮因素的至關(guān)重要的原因，預(yù)測(cè)算法必須這樣設(shè)計(jì)——不將預(yù)測(cè)完全建立在身份和地位的基礎(chǔ)上。換句話說，預(yù)測(cè)不能建立在一個(gè)人是誰的基礎(chǔ)之上，必須建立在一個(gè)人做了什么的基礎(chǔ)之上?！币恍┯蛲鈬?guó)家或地區(qū)已經(jīng)注意到這一問題，并在立法上作出明確規(guī)定。例如，歐盟2024年頒布的《人工智能法案》（Artificial Intelligence Act）第42條明確規(guī)定：“根據(jù)無罪推定原則，永遠(yuǎn)只能依據(jù)自然人的實(shí)際行為對(duì)其作出判定。絕不能在缺乏客觀可核實(shí)的事實(shí)基礎(chǔ)證明一個(gè)人卷入刑事犯罪，且缺乏人工評(píng)估的情況下，由AI僅僅基于一個(gè)人的概貌、個(gè)人特征或者性格，如國(guó)籍、出生地、住所、子女?dāng)?shù)量、債務(wù)水平或者車型對(duì)一個(gè)人的行為作出預(yù)測(cè)”。

隨著我國(guó)預(yù)測(cè)警務(wù)實(shí)踐的快速發(fā)展，一些地方已經(jīng)運(yùn)用預(yù)測(cè)算法打擊犯罪。以江蘇省海安市為例，該市公安系統(tǒng)搭建了“流竄盜竊犯罪預(yù)警模型”，“通過數(shù)據(jù)賦能，加強(qiáng)對(duì)比碰撞，實(shí)現(xiàn)‘露頭就打’。2023年12月以來，海安公安通過巡防預(yù)警抓獲盜竊嫌疑人48名”。在預(yù)測(cè)警務(wù)法律規(guī)制不完善的情況下，未來有可能出現(xiàn)主要依靠、甚至完全依靠算法預(yù)測(cè)結(jié)論限制或者剝奪公民基本權(quán)利的現(xiàn)象。為防范這種風(fēng)險(xiǎn)，建議我國(guó)在未來立法時(shí)明確規(guī)定，除非有其他證據(jù)證明相對(duì)人實(shí)施了特定的違法犯罪行為，否則不得僅僅依據(jù)大數(shù)據(jù)預(yù)測(cè)結(jié)論對(duì)相對(duì)人的權(quán)利進(jìn)行限制或者剝奪。值得注意的是，我國(guó)《個(gè)人信息保護(hù)法》第24條第3款明確規(guī)定：“通過自動(dòng)化決策方式作出對(duì)個(gè)人權(quán)益有重大影響的決定，個(gè)人有權(quán)要求個(gè)人信息處理者予以說明，并有權(quán)拒絕個(gè)人信息處理者僅通過自動(dòng)化決策的方式作出決定?！边@一規(guī)定值得我國(guó)在將來建構(gòu)預(yù)測(cè)警務(wù)的相關(guān)法律制度時(shí)予以借鑒。

3.保障被追訴方有權(quán)知悉警方進(jìn)行大數(shù)據(jù)預(yù)測(cè)所依據(jù)的算法，并有權(quán)對(duì)算法的科學(xué)性、合理性提出質(zhì)疑

（1）保障被追訴方對(duì)算法的知情權(quán)是程序正義的基本要求

程序正義有兩項(xiàng)重要要求：保障個(gè)體的尊嚴(yán)和確保個(gè)體對(duì)程序的充分參與。前者要求當(dāng)事人在刑事訴訟中受到人道和有尊嚴(yán)的對(duì)待，如果被提起刑事指控，有權(quán)知悉指控的罪名及指控所依據(jù)的證據(jù)、事實(shí)和法律。后者要求當(dāng)事人有充分的機(jī)會(huì)參與訴訟，全面收集和提出對(duì)本方有利的證據(jù)，有效反駁對(duì)自己不利的證據(jù)。

在一般人的印象中，算法是一套機(jī)械化的運(yùn)算程序，會(huì)抹殺公民作為人的個(gè)體化特征，甚至將公民物化為一個(gè)個(gè)抽象的數(shù)據(jù)和概率值；在算法的世界里，公民個(gè)人更像是流水作業(yè)生產(chǎn)線上的產(chǎn)品而不是有血有肉的人。在這種認(rèn)知背景下，如果相對(duì)人僅僅知道其被限制或者剝奪權(quán)利是算法預(yù)測(cè)的結(jié)果，而既不被告知算法預(yù)測(cè)所依據(jù)的因素及各因素的權(quán)重，也不被告知算法運(yùn)作的機(jī)理，那么他就很容易產(chǎn)生不被尊重、沒有尊嚴(yán)的感覺，也絲毫體會(huì)不到自己作為程序參與者的主體地位，因而，相對(duì)人很容易認(rèn)為程序是不公正的，甚至?xí)?duì)程序產(chǎn)生敵意。為了解決這一問題，立法必須明確規(guī)定執(zhí)法人員有向被追訴人解釋算法的義務(wù)，確保被追訴人對(duì)算法的知情權(quán)。如果被追訴人了解算法的運(yùn)作機(jī)理，知悉支撐算法的理論基礎(chǔ)，特別是知曉算法只是協(xié)助執(zhí)法人員作出判斷的依據(jù)之一，自己被限制或者剝奪權(quán)利的主要原因在于自己實(shí)施了涉嫌違法犯罪的行為，這樣其認(rèn)為自己被客體化、喪失尊嚴(yán)的認(rèn)知將大為弱化，甚至完全消失。

（2）保障被追訴方對(duì)算法的知情權(quán)有利于強(qiáng)化對(duì)算法的監(jiān)督

如前文所述，算法是有可能出現(xiàn)錯(cuò)誤的，因而必須強(qiáng)化對(duì)算法的監(jiān)督。對(duì)算法的監(jiān)督可能來自公權(quán)力機(jī)構(gòu)，如在引入算法之前由相關(guān)機(jī)構(gòu)對(duì)其進(jìn)行審查和評(píng)估。然而，僅僅依靠公權(quán)力機(jī)構(gòu)對(duì)算法進(jìn)行監(jiān)督顯然是不夠的。公權(quán)力機(jī)構(gòu)行政化的運(yùn)作方式及其對(duì)算法錯(cuò)誤在感知上的疏離使其對(duì)算法錯(cuò)誤的監(jiān)督往往較為遲滯和被動(dòng)。要解決這一問題，最有效的辦法就是引入私權(quán)利主體，特別是被追訴方的監(jiān)督。被追訴方是算法判斷結(jié)果的直接承受者，一旦算法出現(xiàn)錯(cuò)誤，其很有可能被錯(cuò)誤地限制甚至剝奪權(quán)利，因而被追訴方有強(qiáng)大的動(dòng)力去探尋和質(zhì)疑算法可能存在的錯(cuò)誤。

要實(shí)現(xiàn)被追訴方對(duì)算法的監(jiān)督，就必須保障被追訴方有知悉算法的權(quán)利。而且，這種知悉權(quán)應(yīng)當(dāng)是全面的：不僅應(yīng)當(dāng)有權(quán)知悉算法的結(jié)論，而且應(yīng)當(dāng)有權(quán)知悉警方是依據(jù)何種算法得出判斷結(jié)論的，還應(yīng)當(dāng)有權(quán)知悉算法的運(yùn)作機(jī)理以及背后的理論依據(jù)。美國(guó)有學(xué)者明確主張，刑事辯護(hù)律師應(yīng)當(dāng)致力于推動(dòng)檢察官披露在逮捕和起訴被告時(shí)使用的預(yù)測(cè)性警務(wù)工具（predictive policing tools）和決策支持模型（decision support models）。美國(guó)紐約州2020年1月1日生效的一項(xiàng)法律要求“檢察官在被告被傳訊后的15個(gè)工作日內(nèi)與被告共享其發(fā)現(xiàn)的材料”。根據(jù)該法律，檢察官需要與被告共享的材料范圍非常廣泛，警方運(yùn)用算法得出判斷的過程“應(yīng)當(dāng)被解釋為法律執(zhí)行機(jī)構(gòu)的報(bào)告（law enforcement report）”，屬于應(yīng)當(dāng)向被告披露的內(nèi)容。

為了充分保障被追訴人的合法權(quán)益，同時(shí)強(qiáng)化對(duì)算法的監(jiān)督，建議我國(guó)在未來立法時(shí)充分保障被追訴方對(duì)算法的知情權(quán)，規(guī)定警方在依據(jù)算法對(duì)被追訴人的權(quán)利進(jìn)行限制或者剝奪時(shí)應(yīng)當(dāng)向被追訴人告知警方使用的算法，當(dāng)被追訴人及其辯護(hù)人要求知悉算法的運(yùn)作機(jī)理和理論基礎(chǔ)時(shí)，執(zhí)法機(jī)關(guān)應(yīng)當(dāng)告知并進(jìn)行詳細(xì)解釋。值得注意的是，我國(guó)《個(gè)人信息保護(hù)法》第24條第3款明確規(guī)定：“通過自動(dòng)化決策方式作出對(duì)個(gè)人權(quán)益有重大影響的決定，個(gè)人有權(quán)要求個(gè)人信息處理者予以說明”；第48條進(jìn)一步規(guī)定：“個(gè)人有權(quán)要求個(gè)人信息處理者對(duì)其個(gè)人信息處理規(guī)則進(jìn)行解釋說明?！边@兩條規(guī)定值得我們?cè)趯斫?gòu)預(yù)測(cè)警務(wù)的相關(guān)法律制度時(shí)予以借鑒。