25、可预测性与刑事司法决策过程

可预测性与刑事司法决策过程

1. 贸易秘密与专有软件保护问题

贸易秘密保护专有软件的问题应逐渐减少。无论各国规定如何，在欧洲范围内，国内宪法和国际人权法案应成为让被告（和公众）获得公平审判的利益优先于纯粹经济私利的基础。

2. 数字风险评估的解决办法

针对数字风险评估这一具体问题提出了一些解决办法。所有相关的假设、主张和建议，都应遵循欧洲法官培训与研究委员会（CEPEJ）宪章中指出的关键指导方针，即采用严格的多学科方法来处理计算模型、人工智能与刑事司法之间的联系问题。这种关系中最大的风险源于不同专业领域之间的沟通不畅，长期以来，计算机科学家和律师几乎处于割裂状态。若“不允许将超出法官和各方认知控制范围的元素用作证据”，那么多学科范式就是缩小这种认知差距的主要手段。

3. 基于案例的推理系统、开放数据与先例的价值

在模拟司法决策过程中，基于案例的推理（CBR）方法发挥了重要作用。与专家系统相比，CBR更有可能克服法律推理中的“逻辑缺陷”，它基于对以往决策的完整收集。从法律角度来看，存在两个问题：一是神经网络建立关联时普遍存在的不透明性；二是先例在这些系统中所起的作用。

计算机科学家普遍关注为CBR系统找到完整且准确的（数字）数据库。程序开发者在不同人类活动领域应用时，需面对输入数据的选择问题，包括数据的可用性和质量。在法律领域，早期将决策转化为数字数据是个难题，但随着公共行政部门（尤其是司法部门）的数字化进程，这一问题逐渐得到解决。

目前，在整个西方世界，司法决策以数字格式提供，便于转化为可操作的格式。每个司法管辖区都有大量数据可用于定量研究，但可用性并不意味着可访问性。传统上，并非每个司法管辖区的法官或法院作出的每一项决策都能公开获取。尽管公开性是现代司法的基本保障，但判决和决策的公布通常受到限制，这在普通法和民法中都是常见特征，只是原因不同。

公共行政部门的数字化与开放数据密切相关。开放政府伙伴关系（Open Government Partnership）这一非政府组织在2011年成立后，大力推动公共行政部门更加开放、透明和负责。在大多数欧洲司法管辖区，以数据库形式获取司法决策已被广泛接受。不过，欧洲法官培训与研究委员会（CEPEJ）提醒，开放数据不应与处理数据的手段相混淆。

4. 开放数据运动与欧盟的做法

开放数据运动是一场公民社会运动，旨在促进政府和公共机构持有的信息、文件和数据集更加开放，让人们能够获取并从中受益。该运动认为，将此类信息公开具有巨大的社会价值，既能造福社会，又能刺激经济。“开放政府数据”这一术语自2008年开始流行，当时美国的一群倡导者发布了一份文件，提出了八项原则，用于完善公共数据政策。2013年，八国集团（G8）通过了《开放数据宪章》，虽不具约束力，但也认可了这一努力。

欧盟自2000年初就开始对公共部门信息的再利用进行监管，这与欧盟内部市场的两大支柱——透明度和公平竞争相关。2003年通过了第一个公共部门信息指令（2003/98/EC），2013年进行了修订（2013/37/EU）。该指令规定了定期审查，2017年发起了一次公开在线咨询。结合对指令的广泛评估和影响评估，在线咨询为修订2013年指令的提案提供了依据。新指令2019/1024/EU于2019年7月16日生效，也被称为《开放数据指令》，将于2021年7月在各成员国实施。实际上，该指令并非侧重于公民获取信息，而是关注公共信息再利用的经济价值和影响。

对于“开放数据”这一术语，不同领域有不同的“开放性”定义。例如，科学领域的开放知识基金会认为，“如果任何人都可以自由访问、使用、修改和共享知识，且最多只需遵守保留来源和开放性的措施，那么该知识就是开放的”。但有学者指出，“开放性是科学的宝贵属性，但和大多数美好事物一样，科学开放性也需要有目的地培养和审慎运用，才能充分发挥其预期功能”。这与开放数据运动（ODM）的观点并不完全一致，在ODM倡导者看来，开放性意味着公共数据应“可以自由复制、共享、与其他材料结合，或作为网站的一部分重新发布，允许用户探索、分析、可视化呈现或评论这些材料，并将其转换为其他格式”。实际上，开放数据运动的范围不仅包括增强公共行政部门的民主参与和透明度，还包括促进社会和经济创新。

以下是一个简单的mermaid流程图，展示开放数据指令的制定过程：

graph LR
    A[2003年：通过2003/98/EC指令] --> B[2013年：修订为2013/37/EU指令]
    B --> C[2017年：发起公开在线咨询]
    C --> D[结合评估和影响评估提出修订提案]
    D --> E[2019年7月16日：2019/1024/EU指令生效]
    E --> F[2021年7月：在成员国实施]

开放数据指令的主要内容如下表所示：
| 内容 | 详情 |
| ---- | ---- |
| 动态数据发布和API采用 | 发布动态数据并采用API（构建软件应用程序的常规协议和其他工具，用于规范软件组件之间的交互） |
| 收费限制 | 限制公共机构在再利用其数据时收取超过边际传播成本的情况 |
| 透明度要求 | 规定公私部门之间关于公共部门数据再利用协议的透明度要求，该指令也适用于公共资助研究的数据，通过开放获取实现 |

可预测性与刑事司法决策过程

5. 关键问题分析

在探讨可预测性与刑事司法决策过程时，有几个关键问题需要深入分析。

一方面，神经网络建立关联时的不透明性是一个重要挑战。神经网络在建立关联时，其决策过程往往如同一个“黑匣子”，难以被外界理解。这就使得在刑事司法决策中，很难判断其决策依据的合理性和公正性。例如，在利用算法进行风险评估时，如果无法知晓算法是如何通过输入的数据得出风险评估结果的，那么就可能导致不公正的判决。

另一方面，数据的可访问性和质量对CBR系统的影响巨大。虽然目前司法决策以数字格式大量存在，但并非所有数据都能被轻松获取。这就限制了CBR系统获取完整数据的能力，进而影响其对未来决策的预测准确性。同时，数据质量也至关重要，如果数据存在错误、不完整或不准确的情况，那么基于这些数据构建的CBR系统得出的结论也会不可靠。

以下是一个表格，总结了上述关键问题及其影响：
| 关键问题 | 影响 |
| ---- | ---- |
| 神经网络不透明性 | 难以判断决策依据的合理性和公正性，可能导致不公正判决 |
| 数据可访问性低 | 限制CBR系统获取完整数据，影响预测准确性 |
| 数据质量问题 | 基于不可靠数据构建的CBR系统结论不可靠 |

6. 不同定义下的开放数据对比

不同领域对开放数据“开放性”的定义存在差异，这也反映了不同领域的关注点和需求。

科学领域注重知识的自由获取、使用、修改和共享，同时强调保留来源和开放性的措施。这种定义更侧重于科学研究的严谨性和知识的传承。而开放数据运动（ODM）倡导者则更强调数据的自由复制、共享、与其他材料结合等操作，以及促进社会和经济创新。

以下是一个mermaid流程图，对比两种不同定义下的开放数据特点：

graph LR
    classDef process fill:#E5F6FF,stroke:#73A6FF,stroke-width:2px;
    A[科学领域开放数据定义]:::process --> B(自由获取、使用、修改、共享):::process
    A --> C(保留来源和开放性措施):::process
    D[开放数据运动（ODM）定义]:::process --> E(自由复制、共享、结合、再发布):::process
    D --> F(促进社会和经济创新):::process

7. 总结与展望

综合来看，贸易秘密保护专有软件问题的减少、多学科方法在数字风险评估中的应用、CBR系统的发展以及开放数据运动等方面，都对刑事司法决策过程产生着重要影响。

随着科技的不断进步，未来需要进一步解决神经网络不透明性、数据可访问性和质量等问题，以提高刑事司法决策的公正性和准确性。同时，开放数据运动需要在保障公民民主参与和透明度的基础上，更好地实现社会和经济创新的目标。在推动公共行政部门数字化和开放数据的过程中，需要平衡各方利益，确保开放数据的合理利用，为刑事司法决策提供更有力的支持。

在实际操作中，可以采取以下步骤来应对这些挑战：
1. 加强对神经网络算法的研究和监管，要求算法开发者提供算法的解释和说明，提高其透明度。
2. 建立统一的数据平台，整合司法决策数据，提高数据的可访问性。
3. 制定严格的数据质量标准，对数据进行清洗和验证，确保数据的准确性和完整性。
4. 加强不同领域之间的合作，促进计算机科学家、律师、社会学家等多学科人员的交流与合作，共同推动刑事司法决策过程的优化。

通过以上措施的实施，可以更好地应对可预测性与刑事司法决策过程中面临的挑战，推动刑事司法系统的不断发展和完善。