刑事诉讼中的预测性证据：属性、风险与适用规则

叶翔宇

doi:10.19979/j.cnki.issn10082689.2025020050

刑事诉讼中的预测性证据：属性、风险与适用规则

doi: 10.19979/j.cnki.issn10082689.2025020050

叶翔宇

四川大学法学院，成都 610207

基金项目: 国家社科基金重点项目“构建以证据为中心的刑事指控体系研究”（编号：24AFX024）。

详细信息

作者简介:
叶翔宇（1996—），男，山东莱州人，四川大学法学院博士研究生

中图分类号: D925.2; D925.3
计量
- 文章访问数: 18
- HTML全文浏览量: 22
- PDF下载量: 4
- 被引次数: 0
出版历程
- 收稿日期: 2025-02-20
- 网络出版日期: 2025-12-01
- 刊出日期: 2026-02-25

Predictive Evidence in Criminal Proceedings: Attributes, Risks, and Applicable Rules

YE Xiangyu

Law School, Sichuan University, Chengdu 610207, China

摘要

摘要: 预测性证据是指基于数据分析、算法模型等技术手段，以算法预测结果形式证明刑事诉讼法相关事实的“算法型”相似性事实证据。从证明功能与证据特点来看，预测性证据与传统刑事诉讼中的相似性事实证据相契合。虽然，预测性证据不是法定的证据形式，但其在部分情况下仍能作为证据对案件事实发挥证明作用。与此同时，刑事诉讼中的预测性证据适用还存在着认知偏差传递、信息遮蔽与权利干预等风险。这些风险极易造成刑事诉讼中控辩对抗失衡与诉讼价值失衡，因此，应明确预测性证据适用的基本原则，结合传统相似性事实证据规则与预测性证据特征，构建具有可操作性的证据能力规则与证明力规则，以期推动预测性证据适用的规范化，实现数字正义。
- 算法预测 /
- 相似性事实证据 /
- 证据属性 /
- 大数据证据
Abstract: Predictive evidence refers to “algorithmic” similarity evidence that proves facts related to criminal procedure law in the form of algorithmic predictions based on data analysis, algorithmic models, and other technical means. In terms of its probative function and evidentiary characteristics, predictive evidence aligns with similar-fact evidence in traditional criminal proceedings. Although predictive evidence is not a statutorily recognized form of evidence, it can still serve as evidence to prove the facts of a case in certain circumstances. Meanwhile, the application of predictive evidence in criminal proceedings carries risks such as the transmission of cognitive biases, information obscuration, and interference with rights. These risks can easily lead to an imbalance between prosecution and defense in criminal litigation, as well as an imbalance in litigation values, ultimately resulting in the adjudicator making unfair judgments due to incorrect application of evidence. Therefore, it is essential to clarify the fundamental principles applicable to predictive evidence, and to construct operational rules for evidentiary capacity and probative force by combining the traditional rules of similar fact evidence with the characteristics of predictive evidence, in order to promote the standardization of the application of predictive evidence and achieve digital justice.
- algorithmic predictions /
- similar fact evidence /
- evidentiary attributes /
- big data evidence
注释:

1) 1该系统的应用主要通过数据分析与挖掘，构建涉罪未成年人特征集、未成年嫌疑人违法犯罪影响因素集、虞犯少年犯罪案件要素集，具有算法预测特征。对于该系统的详细介绍，详见《创新经验之“未成年违法犯罪数据分析与研判平台”》，载微信公众号“政法智能化建设技术装备及成果展”，2025年1月16日。

2) 2相似事实证据在我国相关研究中还被称为先前类似行为证据、相似行为证据、倾向性证据等。为防止话语混乱，本文采用相似性事实证据这一概念。

3) 3包括对于犯罪事实构成要件的证明，也包括对逮捕、起诉等刑事诉讼程序事项的证明。

4) 4分类主要是指对数据进行分类，聚类主要是指对相似数据进行分组，时间序列模型是指随时间分析数据。

5) 5例如，2002年《关于办理走私刑事案件适用法律若干问题的意见》第五条将“曾因同一种走私行为受过刑事处罚或者行政处罚的”行为作为证明走私故意“明知”的情形之一。2016年《关于办理电信网络诈骗等刑事案件适用法律若干问题的意见》第三条也将被告人的“既往经历”作为电子网络诈骗犯罪明知的判断因素之一。在“张某、袁某诈骗案”中，审判人员结合张某既往犯罪前科经历、作案次数和手段等，认定其对于上家实施诈骗行为的主观状态为明知。详见中国裁判文书网，江苏省中级人民法院刑事裁定书（2021）苏04刑终98号。

6) 6芝加哥大学团队创造了一个「urban twin（城市双胞胎」模型，通过对芝加哥从2014—2016年底的犯罪数据的训练，可以预测接下来几周某些犯罪的可能性，并将范围缩小到两个街区半径内，准确率达到90%。

7) 7DPP v Boardman (1975) AC 421.

8) 8例如，线性拟合的主要目的是找到一条直线，使得这条直线能够尽可能地贴近数据点。在算法预测中，算法预测结果类似于直线，待证事实类似于数据点，通过拟合算法使算法预测结果贴近待证事实，从而证明待事实。

9) 9前述将预测性证据作为一种相似性事实证据是在司法适用层面对其进行的归类。这与预测性证据是否具有法律形式资格无关。相似性事实证据属于何种法定证据，仍需要根据其表现形式进行具体判断判断。

10) 10这里相关性不等于因果关系。一个常见的误解是认为如果两个变量相关，那么其中一个必然导致另一个。尽管相关性可能表明潜在的因果关系，但它并不能证明因果关系。算法预测告诉我们会发生什么，但不会告诉我们为什么会发生。

11) 11这里的辅助证明主要是指其不能作为定案根据，并不否认其在刑事诉讼中能够发挥直接证明作用。

12) 12United States V. Curry, No.1 8-4233(Court of Appeals, 4th Circuit 2019).

13) 13《人民法院在线诉讼规则》第十六条：“当事人作为证据提交的电子数据系通过区块链技术存储，并经技术核验一致的，人民法院可以认定该电子数据上链后未经篡改，但有相反证据足以推翻的除外。”

14) 14第五十五条：“对一切案件的判处都要重证据，重调查研究，不轻信口供。只有被告人供述，没有其他证据的，不能认定被告人有罪和处以刑罚；没有被告人供述，证据确实、充分的，可以认定被告人有罪和处以刑罚。证据确实、充分，应当符合以下条件：（一）定罪量刑的事实都有证据证明；（二）据以定案的证据均经法定程序查证属实；（三）综合全案证据，对所认定事实已排除合理怀疑。”

15) 15详见李某甲诈骗案，福建省福州市中级人民法院(2014)榕刑终字第561号刑事二审裁定书。

16) 16具体预测性证据可对何种证据进行补强，可由法官结合案件证明对象、算法模型的可靠性及证据关联性进行审慎裁量。例如，被告人的犯罪时间仅靠被害人陈述难以确定。算法预测被告某时间段具有高度实施犯罪可能，该时间段与言被害人陈述中被告人的犯罪时间相印证，在审查该预测结果是通过可靠的数据、模型和科学方法得出后，法官可将该预测结果作为被害人陈述的补强证据。

HTML全文

图 1 相似性事实证据与预测性证据推理过程对比图

下载: 全尺寸图片幻灯片

图 2 算法证据、大数据证据与算法证据关系图

下载: 全尺寸图片幻灯片

图 3 预测性证据与算法证据、大数据证据、人工智能证据关系图

下载: 全尺寸图片幻灯片

参考文献(44)

[1]	马克·舒伦伯格, 里克·彼得斯. 算法社会技术、权力和知识[M]. 王延川, 栗鹏飞, 译. 北京: 商务印书馆, 2023.
[2]	王禄生. 论预测性司法[J]. 中国社会科学, 2024(6): 80-99, 206.
[3]	文铭. 刑事诉讼中的相似性事实证据规则研究[D]. 成都: 四川大学, 2024.
[4]	丁晓东. 人机交互决策下的智慧司法[J]. 法律科学(西北政法大学学报), 2023, 41(4): 58-68.
[5]	洪涛. 大数据证据真实性审查规则的建构[J]. 苏州大学学报(法学版), 2024, 11(1): 69-82.
[6]	胡佳. 相似事实证据规则研究[J]. 青少年犯罪问题, 2021(6): 89-99.
[7]	刘品新. 论大数据证据[J]. 环球法律评论, 2019, 41(1): 21-34.
[8]	马国洋. 论刑事诉讼中人工智能证据的审查[J]. 中国刑事法杂志, 2021(5): 158-176.
[9]	张迪. 刑事诉讼中的算法证据: 概念、机理及其运用[J]. 河南大学学报(社会科学版), 2023, 63(3): 36-42, 153.
[10]	何家弘, 谢君泽. 网络平台犯意的算法证明[J]. 中国人民大学学报, 2021, 35(4): 110-117.
[11]	京检在线. 利用大数据模型深挖犯罪追捕追诉——以西城区检察院办理的刘某某等人敲诈勒索案为例[EB/OL]. (2022-07-10)[2025-06-05]. https://mp.weixin.qq.com/s/8INQikY_fDdgykB9zCx5Fw.
[12]	王震. 我国相似事实证据规则构建研究——以“胡某英案”为视角[J]. 东南大学学报(哲学社会科学版), 2018, 20(1): 78-83, 147.
[13]	VEPŘEK L H, SIBERT L, SEHN L, et al. Beyond effectiveness: Legitimising predictive policing in Germany [J]. Kriminologie-Das Online-Journal\| Criminology-The Online Journal, 2020(3): 423-443.
[14]	ROTARU V, HUANG Y, LI T, et al. Event-level prediction of urban crime reveals a signature of enforcement bias in US cities [J]. Nature Human Behaviour, 2022, 6(8): 1056-1068. doi: 10.1038/s41562-022-01372-0
[15]	NJOKO T B. The admissibility of criminal findings in civil matters: Re-evaluating the hollington judgment [J]. De Jure Law Journal, 2021, 54(1): 160-173.
[16]	松代剛枝. 類似事実立証について: 最高裁平成 24年9月7日判決/同平成 25年2月20日決定と英米法の論理[J]. 關西大學法學論集, 2014, 63(6): 1740-1760.
[17]	张保生. 事实、证据与事实认定[J]. 中国社会科学, 2017(8): 110-130, 206.
[18]	龙宗智. 证据分类制度及其改革[J]. 法学研究, 2005(5): 86-95.
[19]	龙宗智. 论我国诉讼证据审查要素及审查方法的调整改革[J]. 法学研究, 2023, 45(4): 169-188.
[20]	罗纳德·艾伦, 理查德·库恩斯, 埃莉诺·斯威夫特. 证据法: 文本、问题和案例[M]. 张保生, 王进喜, 赵滢, 译. 北京: 高等教育出版社, 2006.
[21]	维克托·迈尔-舍恩伯格, 肯尼迪·库克耶. 大数据时代: 生活、工作与思维的大变革[M]. 盛杨燕, 周涛, 译. 杭州: 浙江人民出版社, 2015.
[22]	褚侨, 施鹏鹏. 德国刑事诉讼中大数据证据合法性问题之探讨[J]. 人民检察, 2024(7): 66-71.
[23]	褚福民. 电子数据合法性规则体系研究[J]. 证据科学, 2023, 31(4): 389-404.
[24]	汪键. 论倾向性证据规则[D]. 武汉: 武汉大学, 2024.
[25]	特伦斯·安德森, 戴维·舒姆, 威廉·特文宁. 证据分析(第二版)[M]. 张保生, 朱婷, 张月渡, 译. 北京: 中国人民大学出版社, 2012.
[26]	龙宗智. 印证与自由心证——我国刑事诉讼证明模式[J]. 法学研究, 2004(2): 107-115.
[27]	周慕涵. 证明力评判方式新论——基于算法的视角[J]. 法律科学(西北政法大学学报), 2020, 38(1): 46-53.
[28]	刘友华. 算法偏见及其规制路径研究[J]. 法学杂志, 2019, 40(6): 55-66.
[29]	黄静秋, 邓伯军. 人工智能算法的伦理规制研究[J]. 北京科技大学学报(社会科学版), 2025, 41(2): 88-96.
[30]	龙宗智. 刑事诉讼的两重结构辨析[J]. 现代法学, 1991(3): 14-16, 23.
[31]	龙宗智, 陈猛, 唐云阳. 技术性证据专门审查工作的运行状况及改进建议[J]. 人民检察, 2023(6): 16-21.
[32]	陶迎春. 技术中的知识问题——技术黑箱[J]. 科协论坛(下半月), 2008(7): 54-55.
[33]	裴炜. 个人信息大数据与刑事正当程序的冲突及其调和[J]. 法学研究, 2018, 40(2): 42-61.
[34]	付静宇. 司法大数据证据运用中律师有效辩护的困境及其化解路径[J]. 太原理工大学学报(社会科学版), 2024, 42(1): 12-20.
[35]	万毅. 证据“转化”规则批判[J]. 政治与法律, 2011(1): 130-140.
[36]	戴雪莹. 技术侦查证据的质证——以《刑事诉讼法》第152条为视角[J]. 韶关学院学报, 2018, 39(10): 33-37.
[37]	梁泽敏. 大数据证据质证的现实困境及其化解[J]. 荆楚法学, 2023(6): 66-77.
[38]	郑飞. 证据性权利研究[M]. 北京: 法律出版社, 2019.
[39]	谢登科. 非法电子数据排除的理论基点与制度建构: 以数字权利的程序性救济为视角[J]. 上海政法学院学报(法治论丛), 2023, 38(3): 62-80.
[40]	陈永生. 论刑事司法对鉴定的迷信与制度防范[J]. 中国法学, 2021(6): 264-283.
[41]	侯建军. 略论被告人证据知悉权的保障[J]. 人民司法, 2015(21): 9-12.
[42]	樊崇义. 刑事证据规则体系的完善[J]. 国家检察官学院学报, 2014, 22(1): 126-137.
[43]	林辉煌. 论证据排除: 美国法之理论与实务[M]. 北京: 北京大学出版社, 2006.
[44]	张翠玲, 谭铁君. 基于贝叶斯统计推理的法庭证据评价[J]. 刑事技术, 2018, 43(4): 265-271.