量刑支援系統

1. 導言

電腦不僅日益成為現代法庭家具的一部分,而且也日益成為司法功能的一部分,其中之一就是量刑。在過去的30年裏,量刑已經成為學術研究的焦點,同時也成為社會爭論的主題。最近,發生了許多其他變化,這些變化令人需要對量刑進行新的思考。這種思維上的轉變不僅開闢了一系列機會,而且也對「量刑支援系統」(Sentencing Support System)的目的、效力和影響提出了挑戰。

司法機構其中一個最顯著的作用是對被定罪者處以適當的懲罰和讓其改過自新。刑期也必須確保對特定的罪犯最合適。因此,對量刑的一致性和公正性的關注激發了公衆對司法公正和罪犯知情權的關注。隨著公衆越來越關注公共行政的效率和效能,司法機構是其中一個突出的目標,因為它被認為是一般人難以理解的。衡量司法公正的一個明顯標準可能是對罪犯判處刑罰的適當性。

因此,司法機構承受著壓力,被要求防止量刑不均,並促進量刑的合理一致性。這可能是各國際司法管轄區掀起一波量刑程序改革浪潮的原因。這種改革推行量刑準則的使用,這些準則為大多數一般罪行提供了刑罰的範圍和刑量。雖然引入和執行官方量刑指引(例如《香港裁判官量刑標準及指引》(Hong Kong Magistrates Sentencing Tariff and Guidelines))可能會符合這些要求,但由於問題缺乏及時性,以及這些資料中斷供應的差異性,因此限制是顯而易見的。電腦系統是很好的替代品,因為它們可以整理所有相關的數據,然後將整個結構流程自動化,最終使用戶能够通過友好的界面理解和處理它。

2. 「量刑支援系統」示例

人工智能最近在「量刑支援系統」中領導了高級智能應用的研究。這種智能系統試圖以接近人類的方式提供解决方案。下面兩個例子更詳細地闡述了智能量刑系統。

2.1.1 「司法電腦諮詢系統」

Van Noortwijk等人介紹了由荷蘭伊拉斯穆斯大學電腦科學和法律研究所開發的「司法電腦諮詢系統」(Juridical Computer Advice System)。該系統已開發為現成的「外殼」(shell)應用程式。

「司法電腦諮詢系統」是一個基於規則的系統,它用一組規則來表示領域知識,這些規則在特定情况下引導判决。它由一個控制程式、「外殼」程式和三個單獨的文件組成。判决文件包含所有可能的問題和答案組合—規則和判决,關於法律主題的一般信息文件—知識,以及提供「司法電腦諮詢系統」技術說明的文件。

2.1.2「法官」程式

貝恩(Bain)開發「法官」(JUDGE)程式以審視在美國刑事量刑領域裏解決問題的認知理論。「法官」是一種基於案例的推理程式,其中新問題的解决源自於舊的類似問題。貝恩的工作顯示法官們在判定刑罰時是使用基於案例的推理。

案例和推理是這種以案例為基礎的量刑系統的主要特點。該系統通過從案例庫中檢索相關案例來釐定新案例的量刑。檢索到的案例的相關性依賴於使用適當的索引。下一步是處理推理,其中系統比較案例的相似性,這些案例之間的特點有
共同之處(「on point」),並且駐留在檢索到的案例中而不是新案件中,反之亦然。法官既可以將檢索到的案件作為指導性判決,也可以考慮其異同而達致判決。

2.2 基於案例的檢索和簡單推理

為了使判决支援系統發揮作用,應該檢索信息以便於作出判决。這種檢索工作可能需要「智能」能力,以確保檢索到的信息的適當性。基於規則的系統通常是不够的,因為它不能處理與量刑相關的常識,這是由於很難為這類知識設定規則。事實上,在香港的量刑制度中,除了寬泛的最高刑罰外,基本上沒有任何法定規則,而量刑並不是只按一套規則作出的。

另一個考慮是基於案例的推理系統,它通過匹配案例的相似性來引導判决。這一特點更符合量刑中的行為。其原因是,法官經常被要求「解釋」被定罪者所做的事情和原因,而作為量刑者,他們對判决有什麽期望,以及被定罪者是否有理由接受這種懲罰。在這樣的解釋中,法官往往會引用一些「例子」來證明判决的正當性,這很可能是以前的一些案件,其中罪行和犯罪者與那些案件非常相似。

3. 系統建模
3.1 流程和數據流模型

結構化分析和設計中的這個語境【圖1】圖顯示了系統邊界、與系統交互的實體,以及實體和系統之間的主要信息流。

此語境圖【圖1】只包含一個流程,沒有數據存儲。下一步是考慮所需的詳細流程和數據。結構化分析和設計的數據流程圖用於表示流程和數據存儲。數據流程圖是分級的;可以將一個數據流程轉換為更低層次的另一個數據流程圖,在那裏流程被更詳細地分解。鑒於該「量刑支援系統」的縮影,以下【圖2】僅說明了位於系統流程的最高層次的視圖,即第一級別圖。

從數據流圖中【圖2】,顯示了系統流程中所需的七個數據存儲區。

3.2 邏輯模型

除了數據流之外,還需要瞭解流程做什麽以及系統如何完成任務,即瞭解流程的邏輯。這裏其中採用了决策樹等技術。决策樹由節點和動作組成。節點是通常由問題或對系統的特定需求創建的决策點。通常在决策點之後的動作由橢圓表示。「量刑支援系統」的决策樹示例如下【圖3】:

3.3 數據關係

實體關係圖是最常用的數據建模技術。識別實體的主要考慮因素是系統所有者和用戶(即法官和司法機構)的利益。「量刑支援系統」的實體關係圖如下圖【圖4】所示。

3.4 制訂查詢

查詢是「量刑支援系統」中案例檢索的啓動器。該查詢通常是用戶輸入的搜索標準的組合。為了初始化和促進對相關案例的搜索,用戶不妨輸入所需的任意多個搜索標準。清單類型輸入屏幕的設計被認為適合於系統輸入。下圖【圖5】與此輸入屏幕類似。

根據案例的分層索引顯示結構化信息。此輸入屏幕允許用戶輸入條目上列出的每個特點的值。數據輸入屏幕建議什麽特點在案例檢索中是有用的;進一步使用「下拉菜單」技術使用戶能够容易地操控這種結構化信息。

4. 使用系統

除了討論的「量刑支援系統」的關鍵成功因素外,專門知識和司法諮詢、成本和制度性權威都是相關的。使用該系統的好處和局限性也是考慮其可行性的因素。這不僅對作為系統主要使用者的法官產生直接影響,而且對系統在社會的接受度和使用也有影響。

4.1 效益

毫無疑問,使用「量刑支援系統」會對公衆有利。最主要的一點是,該系統提供了一個框架,引導一項罪行如何量刑。通過這種明顯的透明度,建立了一個瞭解司法流程的渠道。公衆一般實際上可以看到量刑的適當性,從而創造出對司法系統的更高程度的信任。

事實上,如果司法機構允許公衆查閱其「量刑支援系統」,答辯人就可以就他/她被指控的罪行獲得「測試」判决,而不需花費精力尋求法律諮詢,一些人可能出於方便而選擇認罪,從而減輕司法機構的工作量。

對於一般法律從業人員來說,他們將在系統提供的量刑框架內對其起訴或辯護程序有一個最佳的推定。基於雙方都在共同點上進行工作,這也可以減少審判程序的時間。

除了這些間接用戶外,「量刑支援系統」的使用也為法官提供了好處。在這個系統的幫助下,法官能够在幾秒鐘內找到合適的量刑範圍,完全消除了人工搜索的工作。這也使得判决的一致性和公正性得以實現,因為該系統將在特定情况下對犯罪行為提供幾乎一貫的判决。

4.2 「機製司法」的局限性與
負面影響

第一個局限可能是量刑的例行公事化。由於系統使用以前對類似罪行施加的那些刑罰來決定新的刑罰,這將導致某種形式的機器司法為
「標準」罪行提供「標準」刑罰。當一項罪行的先例不多,或因社會情况的改變(例如在需要時作出阻嚇量刑),先例與新案件之間有很大的時差的情況下,便會出現
問題。

另一個局限是司法獨立。量刑是由量刑人自行决定的,這涉及到他或她在特定情况下的洞察力、謹慎和氣質。這就是為什麽量刑人員的角色通常由具有扎實的特殊教育、培訓和經驗的法官來扮演,並且量刑不受任何其他司法或法定機構的影響。然而,通過使用「量刑支援系統」,法官思考的獨立性可能會受到影響,因為除了法官本人之外,還有一個”機製”的建議 - 法官的工作被「評判」的一種方式。這可以說只是法官的心理問題,但當上訴理由是基於法官的判决與電腦系統的建議大相徑庭時,可能會令人
尷尬。

5. 未來發展

還有許多其他技術,特別是人工智能和知識管理系統,可用於支援包括量刑在內的各種司法决策過程。其中大部分已經被不同學科的研究人員研究過。模糊檢索和神經網絡是兩個更相關的領域。

5.1 模糊檢索

已經簡要介紹了案例檢索在基於案例的推理系統中的應用。然而,基於案例的推理不能預測行為的連續性,而只是簡單地搜索可能重複的模式。

模糊檢索方法模仿人類的行為。這導致了一種可能類似於人類做法的建模。案例檢索仍然是知識表達中的主流,它因此破壞了模糊檢索的發展。畢竟,當推理系統像人類一樣被模糊建模來聚合知識時,那麽模糊檢索可能比案例檢索更好地支援司法判决。

5.2 神經網絡/機器學習

神經網絡的優點是它的學習流程。借助神經網絡的學習能力,神經網絡可以整理特定司法系統內所有法官(不限於個別法官)進行的量刑流程,該系統可以像一個人腦一樣自我維護、學習和改進,從而產生高度的一致性。在適當的時候,這樣的神經網絡將有可能完全取代量刑工作。的確,神經網絡的使用現在是人工智能和法律研究中的一個熱門話題。

Jurisdictions: 

羅本信律師行合夥人

羅紹佳律師是羅本信律師行的合夥人,專注於與資訊科技和電子商務相關的法律。他畢業獲得電腦資訊系統碩士學位,並且曾是香港科技大學的博士生,研究重點是人工智能和法律專家系統。他是香港電腦學會的名譽法律顧問,亦是香港律師會科技委員會(現為創新科技委員會)的前主席。他現為法律改革委員會轄下電腦網絡罪行小組委員會的成員。