京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据、人工智能助力攻克司改难题 将成为司法运行新模式
在今年的全国司法体制改革推进会上,记者深切感受到,即将来临的大数据、人工智能新时代,给司法体制改革带来了广阔的发展前景,为全国政法机关探索司法运行新模式,提升司法质量效率和公信力提供了强有力的支撑。
这其中最具代表性的是上海、贵州两地,他们在推进以审判为中心的刑事诉讼制度改革中,创造性地运用大数据、人工智能破解难题,探索了一条司法体制改革和现代科技应用融合的新路子。
人情因素在机器面前停步 公检法都在“一把尺子”下办案
以审判为中心的刑事诉讼制度改革,涉及到公检法三机关司法职权配置,事关人权保障和有效打击犯罪,而当前制约此项改革推进的因素有三个方面:一是对证据标准理解不统一,公检法各有自己的证据标准;二是受传统司法理念和人情因素影响,证据的收集、审查、运用缺乏刚性;三是法官、检察官、警官个体认知和经验水平的差异,导致办案存在主观性倾向。
大数据和人工智能则可以有效攻克这三道难题。“它通过全样本收集、储存、分析,从‘以偏概全’跨越到‘以全概全’,通过数据的无偏好增强了法官的中立性,通过对流程进行刚性再造,实现办案责任结果和过程的统一。”贵州省高级人民法院院长孙潮在会上说到,“人情因素在不为所动的机器面前停步,选择性执法、通融性规避、偏好性执纪得以避免。”
由于公检法三家对什么案件需要达到什么样的证据标准,没有统一认识,缺乏统一的证据标准指引,补查补证有一定的任意性。要改变这一状况,制定公检法三家统一的证据标准指引势在必行。
为了获得有针对性的证据标准指引,贵州省公安厅依托大数据技术,通过抽样、建模等手段,对五年以来60余万件常见多发的盗窃、抢劫、故意伤害、故意杀人和毒品等五类案件进行分析研判,总结出刑事案件受立案、侦查取证、文书制作三个环节总计67项常见问题。
与此同时,贵州省检察院成立专门研发小组,集合案管、公诉等业务部门与技术部门一道,依据刑法、刑诉法等法律规定,梳理影响定罪量刑的法定或酌定的事项、行为、情节等,形成案件要素,通过分析案件要素与证据材料的关联关系,根据案件定罪要素、量刑要素、证据材料、证据要求构建了犯罪构成的知识图谱。
以大数据梳理的常见问题为司法实践基础,以犯罪构成知识图谱为理论基础,贵州省法院、检察院、公安厅共同研究出台了“贵州省五类案件证据标准指引”。
“把这个统一的证据要求,在侦查、检察、审判机关里面拆分,结合各自的职能职责,侦查机关做侦查机关的,检察机关做检察机关的,审判机关做审判机关的,他们是同一套要求,同一套标准,但是侧重点不一样。”贵州省人民检察院信息中心主任冯涛告诉记者。
构建共享共用的跨部门大数据办案平台 成为办案“好助手”
大数据、人工智能新时代,连接比拥有、共享比分担更有意义。2017年1月,嵌入了证据标准指引模块的政法大数据办案系统在贵阳市花溪区正式运行,要求公检法三家应用该系统进行案件流转,在系统中嵌入证据标准指引应用模块,如果不符合证据标准指引的要求,案件将无法流转至下一环节。
半年多的实践证明,这套系统不仅能够提高办案效能,而且提升了办案质量。
“政法大数据办案系统的运用,给我们启发很大,现在我们办案子不仅仅要破案、审讯,还得注重案子后续的程序。给我最大的帮助就是能够提供更多的证据性的标准,相当于给我一个老师,这个老师是非常公正,非常客观的。从一开始就去注重证据,或者时效性的东西,操作起来也会比较简单。”贵阳市公安局花溪分局民警王练说到。
通过政法大数据办案系统,诉辩双方都对案件事实证据进行了充分的审查分析,案件到了法院,庭审的质量和效率就得到了很大提高。
目前,贵州省刑事审判智能辅助系统与政法大数据办案系统也已实现数据交互,法官在自己的业务系统中即可办理案件。
2017年2月,上海也同样开始研发刑事案件智能辅助办案系统。目前已具备证据标准指引、单一证据合法、合规性校验以及证据链完整性审查判断等多项功能。
那么,飞速发展的人工智能技术,能不能取代办案人员决定案情?
上海市高级人民法院院长崔亚东这样回答,“机器可以挑出案件的矛盾点,可以找出案件的瑕疵,但是机器对什么样的证据可以用,什么样的证据不能用,目前机器是做不到的。所以必须要法官通过庭审,通过对整个案件的事实的综合来进行判断。”
贵州和上海的大胆探索启示我们,现代科技应用迈出一小步,可以推动刑事司法文明前进一大步。全国政法机关只要坚持从我国国情出发,遵循司法规律,善于把制度优势和技术优势结合起来,我们就能走出一条社会主义刑事司法文明发展之路。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19