23、风险评估工具在司法审判中的应用与争议

风险评估工具在司法审判中的应用与争议

在司法审判中，风险评估工具的应用日益广泛，但也引发了诸多争议。本文将通过两个具体案例，深入探讨风险评估工具在司法审判中的应用情况，以及由此带来的一系列问题。

1. 华盛顿特区案例分析

在华盛顿特区的一起案件中，政府未在法官延长的期限内提交反驳意见，从而失去了让己方专家证人在华盛顿特区最高法院听证会上出庭的机会。在听证会上，辩方专家证人指出，SAVRY 风险评估工具存在可靠性不足的问题。

• 缺乏证据支持 ：没有证据证明 SAVRY 的评估者间信度和预测效度。
• 用户手册不明确 ：专家使用的用户手册未明确界定低、中、高风险水平的含义，也未确定决定个人低、中、高社会危险性的风险因素数量。
• 重复评估问题 ：在评估过程中，对同一行为（如药物滥用）在不同风险参数下进行了重复评估。

基于这些问题，辩方专家认为，根据评估结果，被告应被评为低风险水平的最高等级，或至少是平均风险水平的较低等级，而不应被评为高风险水平，因为这影响了司法判决。此外，辩方还提请法院关注“多伯特测试”的适用性，要求法院审查初审法官作为“守门人”的角色履行情况。

华盛顿特区最高法院面临着两难境地。一方面，许多其他州的法院明确排除了“多伯特原则”在量刑阶段的适用性；另一方面，本案中被告专家基于多伯特原则提出了有针对性的批评，而政府未能回应。最终，法院务实地下达判决，认为在针对被告的诉讼程序中，法官不得考虑基于 SAVRY 的评估结果。无论是政府（通过检方）还是社会服务机构，在诉讼的任何阶段，甚至在确定刑罚后，都不得提及基于 SAVRY 报告的总体评估、个别风险参数或建议。不过，社会服务机构为未成年人准备的报告，由于主要包含心理方面的参考内容，仍可大部分使用。

2. 威斯康星州案例分析

在威斯康星州的 State v. Loomis 案中，风险评估程序由软件而非人工执行。辩方认为，由于缺乏对所使用计算模型的充分分析，很难挑战自动生成测试的准确性。

• 代码知识缺失 ：在代码驱动的设计假设中，缺乏对控制算法的代码的了解，使得无法批评自动生成测试的可靠性。
• 法院观点存疑 ：威斯康星州最高法院认为，辩方拥有 COMPAS 用户手册和被告个人数据，足以对 COMPAS 的结果进行证伪。然而，这种观点存在诸多问题。实际上，在 Loomis 案中，关于应用的心理犯罪学理论中确定风险的参数以及调节软件的源代码，都普遍缺乏信息，这严重限制了证伪的可能性。

此外，法院在解释商业秘密问题时采取了狭隘的方法，认为商业秘密保护的私人经济利益应优先于被告获得公平审判的权利。同时，法院还陷入了对计算机程序可靠性的先验假设错误。对于基于自学习机制的计算模型，即使是设计者自己也很难解释输出结果的合理性，在这种情况下，即使获取源代码也不足以解决透明度不足的问题。

3. 两案例对比分析

虽然华盛顿特区和威斯康星州的两个案例结论不同，但也有一些相似之处值得关注。

对比项目	华盛顿特区案例	威斯康星州案例
风险评估结果处理	排除基于 SAVRY 的评估结果	未排除 COMPAS 的评估结果
对规则的依赖	依据 Rule 702 FRE 和 Daubert 测试	未参考 Rule 702 FRE
对被告权利的考量	重视被告权利，排除不可靠证据	未充分考虑被告挑战证据可靠性的权利

• 风险评估结果的评估 ：在两个案例中，法院都强调法官不应不加批判地评估风险评估结果，而应结合其他可用因素进行综合考量。然而，在美国制度下，因风险评估的所谓歧视性影响而质疑“平等保护条款”的违反，需要证明歧视意图，这一要求过于苛刻。
• 风险评估的应用阶段 ：在两个案例中，“危险性”评估均应用于被告认罪后的量刑阶段，而非用于确定被告的责任。实际上，在许多案件中，法官在量刑时往往缺乏足够的证据和有用信息，因此需要使用风险评估报告。但在一些由陪审团裁决的案件中，由于对事实进行了全面重建，法官在量刑时对风险评估报告的需求会减少。

mermaid 流程图如下：

graph LR
    A[案件类型] --> B[华盛顿特区案例]
    A --> C[威斯康星州案例]
    B --> D[SAVRY 风险评估工具]
    C --> E[COMPAS 风险评估软件]
    D --> F[可靠性不足问题]
    E --> G[代码知识缺失问题]
    F --> H[法院排除评估结果]
    G --> I[法院未排除评估结果]

综上所述，风险评估工具在司法审判中的应用引发了广泛的讨论。华盛顿特区最高法院的判决为排除不可靠的预测软件提供了重要先例，而威斯康星州最高法院的判决则在一定程度上体现了对数字证据的过度信任。在未来的司法实践中，需要更加谨慎地使用风险评估工具，确保其可靠性和公正性，以保障被告的合法权益。

风险评估工具在司法审判中的应用与争议

4. 风险评估工具存在的问题及影响

风险评估工具在司法审判中的应用虽然有一定的作用，但也暴露出了不少问题，这些问题对司法公正和被告权益产生了多方面的影响。
- 数据和算法的不透明性 ：许多风险评估软件存在数据和算法不透明的问题。例如在 Loomis 案中，对于确定风险的参数和调节软件的源代码缺乏信息，这使得辩方难以挑战评估结果的可靠性。这种不透明性可能导致评估结果的不可靠，而且限制了被告对证据进行有效质疑的权利。
- 歧视性影响 ：风险评估工具可能存在潜在的歧视性。尽管有些工具声称是种族中立的，但实际上种族等因素可能构成了输入数据的一部分。在美国，因风险评估的歧视性影响而挑战“平等保护条款”的违反，需要证明歧视意图，这一要求过高，使得被告很难维护自己的权益。
- 可靠性假设的错误 ：法院有时会陷入对计算机程序可靠性的先验假设错误。对于基于自学习机制的计算模型，其输出结果很难解释，即使获取源代码也难以解决透明度问题。这种对数字证据的过度信任可能导致不公正的判决。

这些问题对司法审判的影响可以通过以下表格呈现：
|问题类型|具体表现|对司法审判的影响|
| ---- | ---- | ---- |
|数据和算法不透明|缺乏确定风险的参数和源代码信息|限制被告质疑证据可靠性的权利，可能导致不可靠的评估结果被采纳|
|歧视性影响|种族等因素构成输入数据，证明歧视意图困难|可能导致对被告的不公正判决，违反平等保护原则|
|可靠性假设错误|对计算机程序可靠性过度信任|可能使不可靠的数字证据影响最终判决|

5. 应对风险评估工具问题的建议

为了应对风险评估工具在司法审判中出现的问题，保障司法公正和被告权益，可以采取以下措施：
1. 加强透明度要求 ：要求风险评估软件的开发者公开确定风险的参数和源代码，或者由独立的第三方进行审查和验证。这样可以增加评估过程的透明度，使辩方能够更好地挑战评估结果。
2. 重新审视歧视性影响的证明标准 ：降低因风险评估的歧视性影响而质疑“平等保护条款”违反时的证明难度，例如采用更合理的统计分析方法来证明歧视的存在。
3. 提高法官的专业素养 ：对法官进行相关培训，使其了解风险评估工具的原理、局限性和潜在问题，以便在审判中能够更加谨慎地评估风险评估结果，结合其他证据进行综合判断。

mermaid 流程图如下：

graph LR
    A[风险评估工具问题] --> B[数据和算法不透明]
    A --> C[歧视性影响]
    A --> D[可靠性假设错误]
    B --> E[加强透明度要求]
    C --> F[重新审视证明标准]
    D --> G[提高法官专业素养]
    E --> H[保障司法公正和被告权益]
    F --> H
    G --> H

6. 总结

风险评估工具在司法审判中的应用是一个复杂且具有争议的问题。华盛顿特区和威斯康星州的案例展示了不同法院对风险评估工具的不同态度和处理方式。华盛顿特区最高法院通过排除基于 SAVRY 的不可靠评估结果，为司法审判中排除不可靠的预测软件树立了重要先例；而威斯康星州最高法院则在一定程度上体现了对数字证据的过度信任，未能充分保障被告挑战证据可靠性的权利。

在未来的司法实践中，需要更加重视风险评估工具存在的问题，采取有效的措施来提高其透明度、减少歧视性影响，并提高法官对这些工具的评估能力。只有这样，才能确保风险评估工具在司法审判中发挥积极作用，同时保障司法公正和被告的合法权益。