北京大學法學院教授白建軍

今年年初，全國檢察長（擴大）會議強調，要增強大數據戰略思維，運用大數據助力法律監督“本”的提升和“質”的嬗變。檢察大數據戰略，是檢察機關深入學習貫徹法治思想和關于網絡強國、數字中國的重要論述，貫徹新發展理念、适應信息化時代新趨勢的重要舉措，是檢察機關科學行使檢察權的重要内涵之一，有利于促進強化法律監督手段，提升法律監督實效，助推國家治理體系和治理能力現代化。

▶ 第一，全面、完整的檢察大數據是科學行使檢察權、提升法律監督質效的先決條件。檢察大數據的全面、完整，就是基于檢察數據的全樣本踐行檢察大數據戰略。這個意義上的檢察大數據，在數量上要大，大到司法案例數據全樣本；在内容上要全，全到涵蓋實體、程序的全部内容。大數據概念的核心就在于全樣本，是全景觀察。樣本意識說到底就是證據意識，大數據分析說到底就是從樣本數據中挖掘規律性認識和決策依據的過程。應當承認，個别事例也是真實的，但個别事例随時可能遭遇反例，以其作為證據演繹理論，很可能隻能是一種意見、猜想，無法作為規律性認識，更無法以此指導大規模實踐。在統計學上，個例可能處在正态分布中的任何一個位置上，既可能碰巧代表大量同類案件的集中趨勢，也可能遠離均值。殘缺、人為裁剪、篩選的部分數據，将嚴重阻礙檢察大數據戰略的落地。因為，法律監督其實就是監督者與被監督者之間的博弈。信息不全，對于被監督者來說是信息優勢，而對于監督者來說則是信息困境。所以，從源頭上拓寬司法大數據的供給，是科學行使法律監督權的第一步。

▶ 第二，基于司法大數據全樣本，建立“小但書”數據庫，以提高指導性案例的科學性。最高檢已經發布了三十六批指導性案例，可以引入大數據思維，豐富指導性案例的篩選視角，提高案例指導建議的可操作性。例如，搶劫罪往往被認為是暴力當場奪取他人财物的行為。然而，對大數據中篩選出變更罪名樣本進行觀察就會發現，發生在一定沖突背景中的暴力當場取财行為，卻不被認定為搶劫罪。例如，某被告人因購買的推土機質量不合格，偶遇來自同一地方的推土機推銷商，便以暴力手段逼迫其“賠償損失”。被害人因其産品确屬拼裝機而懼怕對方報警，當場交付了财物。對此，有觀點認為構成搶劫罪，有觀點認為構成敲詐勒索罪。類似發生在一定沖突背景下的當場暴力取财，往往沒有按搶劫罪定罪。據此可以認為，所謂搶劫罪，通常是指沒有明顯前因後果的當場暴力劫取他人财物的行為。通過大數據挖掘出這類搶劫罪認定的補充性判斷，盡管法律對此沒有明文規定，在許多刑法教科書或理論文章中也鮮有提及，卻能為司法實踐準确定罪提供有益指導。

這種從變更罪名大樣本中提取共性以發現某些否定性特稱判斷的方法，稱為小但書法。從邏輯學規則來看，“小但書”隻是特稱判斷而非全稱判斷。所以，“小但書”具有某種或然的性質，隻是說“某些”“有的”案件事實“很可能”不屬于某種犯罪。然而，當得出某個特稱判斷所觀察的司法案例多到接近甚至幾乎等于所有案例時，據此處理案件出現失誤的機會也就接近于零。這就是為什麼形式邏輯的方法可以同大數據研究方法相結合的原因。據此，建議檢察機關指導性案例的制作除了說明何種情形構成何種犯罪外，也應基于司法大數據的挖掘梳理，建立自己的常見罪名“小但書”數據庫，以豐富指導性案例的形式和内容。

▶ 第三，基于司法大數據全樣本，建立常見犯罪量刑預測數據庫，以提高量刑建議的可靠性和說服力。檢察機關對構成犯罪的案件提出确定刑量刑建議，是檢察權行使的重要内容。而提出高質量量刑建議的前提是依法對具體案情作出比較客觀的量刑預測。基于科學客觀的量刑預測，加上一定的刑事政策考量，才可能提出令人信服的量刑建議。問題是，如何綜合不同案件事實和各種量刑情節預測可能的量刑結果？難點之一是，盡管司法機關出台了量刑規範化指導意見，對許多量刑情節的量刑幅度作出了比較詳盡的規定，但當一個案件有數個量刑情節時，數個情節便有多種可能的組合。以交通肇事罪為例，相關的法定量刑情節至少有：緻死人數，重傷人數，負事故全部責任、主要責任還是同等責任，财産損失大小，行為人是否逃逸，以及有關的刑法總則量刑情節。理論上，即使不考慮酌定情節，交通肇事罪法定量刑情節在具體案件中就會有較多種可能的排列組合。而法律隻能對單個情節從輕、減輕或者從重、加重處罰及其幅度、範圍作出規定，不可能對每種情節組合如何量刑均作出具體規定。這時，面對這麼多可能的組合，司法人員也隻能大概估算量刑結果。如果基于司法大數據全樣本建立常見犯罪量刑預測數據庫，無疑會提高量刑建議的科學性。

我們曾以交通肇事罪全樣本為數據基礎，以該罪法定情節為自變量，以刑期為因變量進行回歸分析，得到交通肇事罪刑期與法定情節之間關系的統計模型，并在此基礎上對模型進行優化處理。有了這一模型，将任何一個未決案件的實際情節依次代入模型，便可得到該案的預測刑期。既然交通肇事罪可以實現量刑确定性的量化描述與預測，對于其他多情節犯罪也應當可以嘗試類似建模。實際上，如果将上述模型中交通肇事罪的特有情節替換為其他某種犯罪的法定情節，如是否入戶搶劫、盜竊數額、是否故意殺人既遂等等，便可基于相應犯罪的量刑大樣本進行建模和量刑預測。大數據量刑預測的法治意義絕不僅限于提高辦案效率，還可能提高量刑建議的公正性，實現同案同判。

▶ 第四，結合具體檢察業務開發各類算法模型，也是檢察大數據戰略的必然要求。與檢察業務有關的算法模型至少有兩類：一類是基于海量真實經驗數據計算而來的模型，如上述量刑預測模型，以及犯罪實際狀況的評估模型等等。另一類就是基于大量司法專家、學者的集體智慧編制的算法模型。公平公正是檢察監督權行使的基本要求。然而，即使在法律、司法解釋日趨完善的今天，仍然可能存在人情案、關系案。尤其是對新型檢察業務而言，既無具體的法律規定，也無成熟的實踐經驗，隻有相關政策導向。這時，同案不同處理的可能性就會增加。對此，在實施檢察大數據戰略背景下，研發相應的算法模型，既是檢察權行使公正性的要求，也與檢察權行使的科學性要求相符。

比如，涉案企業合規改革試點工作是新時期檢察機關推出的重點改革舉措。2021年4月，最高檢發布了《關于開展企業合規改革試點工作方案》，啟動了第二期企業合規改革試點工作。企業涉嫌觸犯刑法後，如何在依法打擊刑事犯罪的同時，促進經濟發展、保護民營企業，目前還沒有成熟完善的法律規定和統一的判斷标準。在這方面，我們已經着手探索編制企業刑事合規的指數模型。該指數模型力求彰顯兩個基本原則：一是法治原則，即涉案企業涉嫌犯罪事實本身的性質、嚴重程度在指數模型中必須被分配足夠大的權重系數。否則，不論事情大小，一律“一合了之”，有悖法治的統一性和嚴肅性。二是保護原則，即根據涉案企業事前事後依法合規整改的制度安排、實施情況、實施效果，盡可能控制、減緩企業因觸犯刑法給企業生存、經營帶來的負面影響，保護企業正當權益，積極促進社會經濟穩定發展。要實現這兩個原則的統一且具有可操作性，就需要一種綜合的量化算法模型：“合規指數=100-刑事風險合規風險”。按照該模型，一個涉案企業的刑事風險越大，犯罪事實越嚴重，則指數得分越低；合規風險越低，整改效果越好，則指數得分越高。最終，将根據企業的指數總得分，考慮如何處理。我們采用德爾菲法，經過幾輪反複修正，得到專家們對各項風險權重大小專業意見的平均值，再結合相關罪名量刑大樣本的統計結果，最終确定指數模型。這類集法治原則、政策導向和實際操作為一身的指數模型，既能為檢察機關涉案企業合規工作提供統一的量化标準、尺度，又能減少治理成本，進一步提升國家治理體系和治理能力現代化。

（檢察日報）

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!