|
法学院
|
|
□ 蔡世鄂 （湖北民族大学法学院副教授）
人工智能技术进入侦查与审判实践后，证据形态由静态记录向推断性输出迁移，算法结构不透明以及数据来源复杂把认定工作推入新的语境。传统证据规则在关联性、合法性、真实性的框架内出现适配张力，现有程序未能充分涵盖模型误差与自动化处理的风险。围绕人工智能证据的准入与排除进行体系化规范具有现实意义，因为该规范能够提高质证可行性，稳定裁判标准，并且减轻技术不确定性对事实认定的影响，从而为诉讼公正与程序运行提供更为稳健的制度支撑。
人工智能证据属性界定和刑事诉讼准入要件
在刑事诉讼语境中，人工智能证据是指由智能系统对数字痕迹开展自动化处理而形成的可供证明的分析输出与检索结果。其类型归属以电子数据为基本范畴，在涉及技术鉴定结论的场景呈现复合性特征。围绕准入的三项要件，关联性要求把模型推断与待证事实建立可解释的逻辑连结。合法性强调数据取得、处理与留存遵循法定程序与权限边界，契合刑事诉讼法关于侦查取证的规范以及个人信息保护法对最小必要原则与目的限定的强调。真实性指向技术可靠性的可核实状态，算法黑箱意味着决策路径不可透视，数据依赖性又把训练与输入质量的偏差转化为证据失真风险，因此，需保留生成链条与校核记录，使来源可追溯、内容未被篡改与输出过程可复核成为认定核心。
人工智能证据于刑事诉讼中准入与排除规则优化路径
人工智能证据的准入与排除规则优化应从三层路径展开：构建准入分层审查机制以匹配风险等级，细化排除适用规则使技术瑕疵可裁判，并确立专家辅助制度以弥合技术认知差距，从而提升证据使用的稳定性与可复核性。
一、构建准入分层审查机制
鉴于人工智能证据存在算法黑箱以及高度数据依赖的现实情境，司法机关需要把准入审查做成分层机制以匹配技术复杂度与风险等级。侦查机关承担基础审查，围绕数据来源合法性、采集程序合规性以及案件事实的关联性开展核查，把采集授权、设备日志、传输记录与证据链说明完整留存。检察机关在审查起诉阶段进行复核，把侦查环节的材料与合法性说明进行交叉对照，提出补正要求。法庭组织深度审查，借助技术专家把算法模型的训练过程、参数设置以及外部测试表现进行技术性核验，要求提交开发文档、版本迭代记录、训练与测试报告以及误差指标说明，同时给出适用边界与失效场景。审查流程应当把风险评估、材料提交流程、质证环节安排以及保密措施逐项固化，既把透明度义务落在具体材料上，又把涉及商业秘密的内容在密封审查中处理，从而让审查强度与证据风险相匹配。
二、完善排除具体适用规则
在排除环节的规则建构中，法庭需要把人工智能证据的技术瑕疵与程序瑕疵具体化至可裁判的标准。对数据采集违反法定程序且对案件公正产生实质影响的情形，法庭应把该证据排除在外；对算法模型存在重大缺陷且无法补正的情形，法庭亦应作排除处理。对轻微违法但不改变真实性判断的材料，设置补正机制，由提出方提交程序说明、影响评估以及技术修正报告后再行准入。举证责任的分配上，控方需要把证据的合法性与技术可靠性说明充分提交，包含采集授权、处理流程、误差范围以及适用条件；辩方有权申请专家辅助人参与质证，用来对算法错误、参数设置不当以及数据偏差提出质疑。对于算法错误是否导致证据排除，法庭把影响程度与可补正性作为裁量核心，设置补正期限与材料清单，使规则在刑事诉讼框架中得到可操作的落地。
三、确立审查专家辅助制度
为缓解司法人员在技术认知上的不足，法院需要把专家辅助制度规范为稳定运行的审查支撑。专家辅助人应当同时具备人工智能技术背景以及法律知识，拥有可核验的执业履历，在选任前完成独立性与利益冲突披露。选任程序由法院建立名册与遴选规则，检察机关、辩方以及侦查机关均可在不同阶段提出申请，由法庭确定参与范围与任务。侦查阶段的专家工作聚焦技术合规审查，审查起诉阶段对证据可靠性进行复核，审判阶段出庭说明意见并接受质询。意见内容需覆盖算法结构描述、训练数据来源与质量、性能指标与误差区间以及适用场景边界，并把不确定性来源进行明示。责任机制上，法院把意见记录与存档作为后续评估依据，设置职业操守规范与处分梯度，结合保密义务与费用承担规则，促使专家意见更为客观与专业，进而为证据准入与排除裁判提供稳定的技术支持。
针对人工智能证据的准入与排除，应把问题落在可实施的制度层面，选用分层审查来匹配技术风险，细化排除情形以回应程序与算法双重瑕疵，确立专家辅助人以弥补技术认知差距。审查材料需覆盖数据来源、处理流程以及性能指标，把适用边界与失效场景明示，排除裁量依靠影响程度与可补正性进行构造。借助上述安排，诉讼实践能够在维护程序正当性的同时提升证据使用的稳定性与可复核性，进而推动裁判尺度逐步趋于一致。
|
|
|
| 论人工智能证据在刑事诉讼中的准入与排除规则
|
|
|
|
|
|
| （ 2026-01-28 ） 稿件来源： 法治日报法学院 |
|
|
□ 蔡世鄂 （湖北民族大学法学院副教授）
人工智能技术进入侦查与审判实践后，证据形态由静态记录向推断性输出迁移，算法结构不透明以及数据来源复杂把认定工作推入新的语境。传统证据规则在关联性、合法性、真实性的框架内出现适配张力，现有程序未能充分涵盖模型误差与自动化处理的风险。围绕人工智能证据的准入与排除进行体系化规范具有现实意义，因为该规范能够提高质证可行性，稳定裁判标准，并且减轻技术不确定性对事实认定的影响，从而为诉讼公正与程序运行提供更为稳健的制度支撑。
人工智能证据属性界定和刑事诉讼准入要件
在刑事诉讼语境中，人工智能证据是指由智能系统对数字痕迹开展自动化处理而形成的可供证明的分析输出与检索结果。其类型归属以电子数据为基本范畴，在涉及技术鉴定结论的场景呈现复合性特征。围绕准入的三项要件，关联性要求把模型推断与待证事实建立可解释的逻辑连结。合法性强调数据取得、处理与留存遵循法定程序与权限边界，契合刑事诉讼法关于侦查取证的规范以及个人信息保护法对最小必要原则与目的限定的强调。真实性指向技术可靠性的可核实状态，算法黑箱意味着决策路径不可透视，数据依赖性又把训练与输入质量的偏差转化为证据失真风险，因此，需保留生成链条与校核记录，使来源可追溯、内容未被篡改与输出过程可复核成为认定核心。
人工智能证据于刑事诉讼中准入与排除规则优化路径
人工智能证据的准入与排除规则优化应从三层路径展开：构建准入分层审查机制以匹配风险等级，细化排除适用规则使技术瑕疵可裁判，并确立专家辅助制度以弥合技术认知差距，从而提升证据使用的稳定性与可复核性。
一、构建准入分层审查机制
鉴于人工智能证据存在算法黑箱以及高度数据依赖的现实情境，司法机关需要把准入审查做成分层机制以匹配技术复杂度与风险等级。侦查机关承担基础审查，围绕数据来源合法性、采集程序合规性以及案件事实的关联性开展核查，把采集授权、设备日志、传输记录与证据链说明完整留存。检察机关在审查起诉阶段进行复核，把侦查环节的材料与合法性说明进行交叉对照，提出补正要求。法庭组织深度审查，借助技术专家把算法模型的训练过程、参数设置以及外部测试表现进行技术性核验，要求提交开发文档、版本迭代记录、训练与测试报告以及误差指标说明，同时给出适用边界与失效场景。审查流程应当把风险评估、材料提交流程、质证环节安排以及保密措施逐项固化，既把透明度义务落在具体材料上，又把涉及商业秘密的内容在密封审查中处理，从而让审查强度与证据风险相匹配。
二、完善排除具体适用规则
在排除环节的规则建构中，法庭需要把人工智能证据的技术瑕疵与程序瑕疵具体化至可裁判的标准。对数据采集违反法定程序且对案件公正产生实质影响的情形，法庭应把该证据排除在外；对算法模型存在重大缺陷且无法补正的情形，法庭亦应作排除处理。对轻微违法但不改变真实性判断的材料，设置补正机制，由提出方提交程序说明、影响评估以及技术修正报告后再行准入。举证责任的分配上，控方需要把证据的合法性与技术可靠性说明充分提交，包含采集授权、处理流程、误差范围以及适用条件；辩方有权申请专家辅助人参与质证，用来对算法错误、参数设置不当以及数据偏差提出质疑。对于算法错误是否导致证据排除，法庭把影响程度与可补正性作为裁量核心，设置补正期限与材料清单，使规则在刑事诉讼框架中得到可操作的落地。
三、确立审查专家辅助制度
为缓解司法人员在技术认知上的不足，法院需要把专家辅助制度规范为稳定运行的审查支撑。专家辅助人应当同时具备人工智能技术背景以及法律知识，拥有可核验的执业履历，在选任前完成独立性与利益冲突披露。选任程序由法院建立名册与遴选规则，检察机关、辩方以及侦查机关均可在不同阶段提出申请，由法庭确定参与范围与任务。侦查阶段的专家工作聚焦技术合规审查，审查起诉阶段对证据可靠性进行复核，审判阶段出庭说明意见并接受质询。意见内容需覆盖算法结构描述、训练数据来源与质量、性能指标与误差区间以及适用场景边界，并把不确定性来源进行明示。责任机制上，法院把意见记录与存档作为后续评估依据，设置职业操守规范与处分梯度，结合保密义务与费用承担规则，促使专家意见更为客观与专业，进而为证据准入与排除裁判提供稳定的技术支持。
针对人工智能证据的准入与排除，应把问题落在可实施的制度层面，选用分层审查来匹配技术风险，细化排除情形以回应程序与算法双重瑕疵，确立专家辅助人以弥补技术认知差距。审查材料需覆盖数据来源、处理流程以及性能指标，把适用边界与失效场景明示，排除裁量依靠影响程度与可补正性进行构造。借助上述安排，诉讼实践能够在维护程序正当性的同时提升证据使用的稳定性与可复核性，进而推动裁判尺度逐步趋于一致。
|
|
|
