作者:卫晨曙,西北政法大学刑事法学院讲师,法学博士。
内容提要:大数据证据是大数据技术对海量数据进行分析之后所生成的数据结果。大数据证据遵循数据经验主义的生成逻辑,隐含着认知偏见的风险。为了防止大数据证据的证明过程陷入正当性危机,有必要从证据相关性这一证据准入的第一道关口对大数据证据进行审查。但由于大数据证据同时存在着大数据分析层面的相关性与证据法层面的证据相关性的概念重叠,目前学界对于大数据证据相关性的内涵仍存有争议。应当明确的是,大数据证据的相关性仅指数据结果与待证事实之间的逻辑关系,大数据分析层面的相关性属于大数据证据的可靠性范畴。因此,大数据证据的相关性审查,应当以数据结果的相关性为对象,依据证明目的、证据内容以及推论结构的界分基准,将大数据证据划分为预测性大数据证据与还原性大数据证据两大类别,进而对其相关性展开类型化分析。
关键词:大数据证据;证据相关性;证据属性;倾向推论;品格证据
引言
数字技术正在将各类社会要素逐步数据化为可供计算的数据微粒,随着物联网应用的普及,人类行为、客观实物乃至人类情感表达都可能被量化,最终以数据形态留存于数字社会空间之中。从信息利用角度而言,单个零散的数据是没有价值的,只有经过大数据技术的挖掘、关联、碰撞、比对分析之后,数据才能显现出有价值的信息。这些信息也可用作证明材料,在日常生活与刑事司法场景中,都能起到辅助决策的关键作用。本文将大数据技术对海量数据进行分析之后所生成的用以进行辅助决策的证据材料称为大数据证据。在日常生活中,我们所熟知的“大数据杀熟”背后即为大数据证据的证明机制。所谓“大数据杀熟”,是指一些商业化数字购物平台根据消费者的浏览数据、购物数据等数据信息,通过数据聚合分析出消费者的购物习惯或消费模式,据此针对不同消费者进行差异化定价的现象。在刑事司法场域,大数据证据也深深嵌入司法证明活动中。例如在一起医院收费员、医生、护士勾结套取住院费的案件中,侦查人员对该医院的医疗信息系统数据进行了聚类分析,发现医院的退款数据周而复始地发生在凌晨三四点钟。经向相关人员了解之后,发现这个时间段的退款并非医院常态,甚至不会发生,所以只有医院内部人员才能在系统上留下这种规律性的数据痕迹。经过侦查人员进一步分析,相关证据最终将勾结套取国家财产的嫌疑指向了医院部分医生和护士。
当前,大数据证据是学界关注的热点问题。学界关于大数据证据的研究焦点主要集中在该种证据的法定种类划归、证据可靠性审查等问题上。而证据相关性作为证据法的核心范畴,是证据具备可采性的前提条件,学界目前关于大数据证据相关性问题的研究则相对薄弱。在当前仅有的若干篇专门研究大数据证据相关性的理论文献中,有论者从一般原理层面讨论大数据分析过程中的相关性问题,而缺乏对大数据证据相关性的分析;有论者从意见证据的视角讨论大数据相关关系在司法证明中的局限作用,由于引入了意见证据或科学证据的理论视角,这类讨论一定程度上加剧了大数据证据相关性审查的复杂性;有论者则主张大数据证据的多元关联性,认为大数据证据在传统证据相关性的因果逻辑之外,还存在着独特的相关关系。不可否认的是,既有研究推动了大数据证据相关性问题的探讨逐步走向深入,但仍然有相关核心议题尚未得到充分厘清。例如,为何需要从证据的相关性层面,对大数据证据进行审查?又如,大数据相关性与大数据证据的相关性有何关系?在数据分析尤其是大数据分析领域,对相关性(correlation)的追求是数据分析技术运行的核心逻辑。而证据法领域也强调证据的相关性(relevance)问题,前者是数理层面数据分析技术所内含的“相关性”,后者是证据法层面的相关性。这两种相关性之间有何不同?对这一问题的回答,决定了大数据证据相关性的审查对象范围。再如,当前的大数据证据样态纷繁复杂,不同种类的大数据证据应当适用何种切适的相关性审查方法?
基于此,本文的写作思路如下:首先,本文梳理了大数据证据的实践样态,阐明了大数据证据经验主义的生成过程及其偏见风险,论证了为何需要从相关性层面对大数据证据进行审查。其次,本文总结了学界当前关于大数据证据相关性内涵的理论分歧,在此前提下辨析了大数据分析领域和证据法领域均会涉及的“相关性”概念,回答了大数据证据相关性究竟是什么的问题,进而厘定了大数据证据相关性的审查对象。最后,针对大数据证据相关性具体的审查方式,本文采取一种类型化思路,根据证明目的、证据内容以及推论结构,将大数据证据划分为预测性大数据证据与还原性大数据证据两种类型,在此基础上分别讨论如何对这两类大数据证据的相关性进行审查,试图为当下大数据证据的相关性审查提供一个理论框架及方案。
一、缘何审查大数据证据的相关性
大数据证据作为一种新技术催生的证据形式,在司法实践中具有不同的表现样态。在纷繁多样的形式下,大数据证据遵循着数据经验主义的生成逻辑,这种生成方式意味着大数据证据可能天然携带有认知偏见的证明风险。而证据相关性作为证据审查的第一道关口,在防止带有偏见的证据误导事实认定者方面发挥着关键作用。因此,大数据证据的相关性问题是大数据证据审查中需要认真对待的基础问题。
(一)大数据证据的实践样态
大数据证据已经广泛应用于司法实践,根据既有的理论研究与笔者的案例梳理,大数据证据的表现形式主要有以下几种。
第一,轨迹刻画。轨迹刻画主要分为对行为轨迹与资金轨迹的刻画。对于前者而言,通过大数据技术聚合行为人的行踪数据,刻画行为人的行为轨迹,通过对行为人的行踪轨迹进行比照分析进而证明某项案件事实。例如,在一起抢劫案件中,侦查机关通过调取犯罪嫌疑人的手机基站信息,刻画出了该嫌疑人的移动轨迹,发现其与被害人的手机信号移动轨迹之间有长达六个小时的并轨,结合其他证据证明了犯罪嫌疑人作案的时空特点。对于后者而言,一般情况下,嫌疑人为了掩盖犯罪所得会多次转移犯罪资金,但最终资金会汇入嫌疑人所掌握的账户中,这在客观上就形成了犯罪资金的流向轨迹,绘制资金流向对于确证嫌疑人身份并且查明上下游犯罪网络具有关键的证明作用。
第二,数量计算。进入大数据时代之后,弥散化的海量数据,例如海量的“点击数”“浏览数”“转发数”“注册数”“视频文件个数”等成为了摆在互联网犯罪证明面前的难题。为了有效识别与统计这类数据,在司法实践中出现了从海量数据中统计与案件事实相关数据总量的大数据证据。例如,亚马逊公司为了优化排名机制,制止刷单以及虚假评论等非法行为,采用A9算法收集大量的店家信息、用户信息、买家的浏览信息、鼠标停留于某网页的时长信息以及产品介绍弹出信息等等,通过数据分析给出定量结论,进而识别刷单或虚假评论行为。
第三,结构挖掘。在结构挖掘方面,比如在网络传销案件中,侦查机关的办案人员会根据所获取的传销组织后台数据,利用大数据分析技术提取数据中的会员账号、推荐人账号、会员ID、推荐人ID等字段,找出存在上下级对应关系的会员数据,再根据汇集起来的会员数据,计算出会员之间的层级关系,厘清犯罪结构。
第四,风险评估。该类大数据证据多出现于预测警务、审前羁押决策、量刑决策等领域。该类大数据证据,一般是根据某位特定行为人的自身要素,诸如年龄、性别、婚姻状况、学历信息、工作状态以及犯罪历史和类型等信息,对该行为人未来的社会危险性和再犯风险进行预测,以此作为司法决策的参考。如今,这类大数据证据已逐渐应用于国内外司法实践。例如,上海市高级人民法院研发的“推进以审判为中心的诉讼制度改革软件”即包括逮捕社会危险性的量化评估系统。又如,英国HART(Harm Assessment Risk Tool)系统用于审前羁押决策,它利用达勒姆郡警察局2008年至2012年共104000个监禁案例,提取年龄、性别、邮编、犯罪历史和类型等信息,对行为人未来两年内的再犯风险进行预测,以此作为是否羁押的参考。
第五,类案模型。为了实现类案监督和源头治理的效果,公安司法机关会对类似案件进行画像,搭建类案监督模型。例如,在针对毒品犯罪案件的治理中,办案机关将所有涉毒人员的信息、违法犯罪的事实和证据进行汇总,搭建一个大数据模型,通过关联信息比对碰撞,在具体的案件办理中,输入特定关键词,就有可能发现涉嫌毒品犯罪人员的真实身份等线索,进而解决这样的类案问题。这类大数据模型也常出现于特定类犯罪案件的数据画像、公益诉讼类案刻画以及大数据反腐败等领域。
(二)偏见风险:大数据证据经验主义生成机理的内生缺陷
司法实践中的大数据证据纷繁复杂,但都遵循大数据经验主义的生成机理。一方面,从认知前提来说,大数据技术的数据处理方式符合经验主义的认知前提。经验主义认为,人的知识来源于经验,例如洛克的“白板说”,在经验尚未进入心灵之前,我们犹如一张白纸,在观念中不提前预设任何前提条件。在大数据技术的背景中,大数据的数据处理过程与经验主义相似,大数据处理不需要依靠前提性的理论预设,它是直接通过对海量数据中数据间关系的挖掘来“涌现”出相关规律。另一方面,从大数据分析方法而言,大数据技术遵循经验归纳的方法论原则。归纳法是经验认识的必备工具,大数据分析“工作方式本质上是纯粹的归纳性(purely inductive)”。根据培根传统的经验归纳方法,一般包括三步,即收集材料、筛选材料以及归纳。大数据技术处理数据的过程,一般也遵循这一流程。首先是收集数据,为数据分析提供基本的原料(收集材料),其次是对数据进行标注、删除、清洗等,剔除可能影响数据分析结果的数据(筛选材料),最后是通过算法对这些数据进行碰撞、挖掘,从而找出数据间的规律,并可以通过调试算法数据等方式对数据处理模型进行纠偏,最大程度地实现数据分析结果的准确性和稳定性。
大数据证据的生成遵循数据经验主义进路,而数据经验主义也内含着经验主义本身的认知缺陷,例如经验材料的有限性、归纳推理的不完备性等。因此,大数据证据也会因经验材料(数据)和处理方式(算法)的有限性,蕴含着偏见风险。
一方面,大数据证据会产生偏见。大数据证据背后的数据经验主义认知路径并非价值无涉。大数据技术是社会化的,既有的社会文化规范其实已经渗透在大数据技术的运行过程中,数据收集与数据分析过程中掺杂着人类主体的道德判断。大数据技术会把行为主体在网络上包括行为数据、内容偏好数据在内的所有数据痕迹收集起来,进行行为建模并抽象出个人的信息标签,在此基础上再次更新数据,对既有表现进行细化修正,让有关个人的行为数据模型更加立体、真实以及个性化。但这同时会导致大数据技术所处理的数据源不再局限于客观化的数据,也会携带着行为主体的品格特点甚至社会声誉,隐含着道德判断倾向。
另一方面,大数据证据会强化偏见。大数据技术的数据经验主义认知方式所产生的棘轮效应(Ratchet Effect),会给相对人贴上特定标签,使其难以摆脱历史数据或群体数据所形成的固着偏见。在刑事司法领域中,一些风险评估工具根据被追诉人相关历史数据对其再犯风险进行评估,可能会产生“曾经有罪,终身有罪”的认知偏误。例如,在著名的威斯康星州诉卢米斯案中,法官运用风险评估系统COMPAS对卢米斯的再犯风险进行评估,发现其具有再犯人群的特征,因而将其纳入再犯高风险人群中,以此作为重要的量刑参考。卢米斯不服这一判决,在申请定罪后救济动议被拒绝后向州法院申请上诉,诉称法院的COMPAS系统应用行为侵犯了其正当程序权利,其中一项重要的权利是个别化量刑的权利,因为据以生成评估报告的数据都是类型化、标签化的,无法体现其个人的特殊性。
(三)相关性审查:控制大数据证据认知风险的首道关卡
大数据证据所隐含的认知偏见风险,需要从证据的相关性审查规则层面予以回应。“相关性是证据的根本属性”,是一项证据材料能够作为证明案件事实根据的首要门槛,“在考虑一个特定排除规则是否适用于一项特定的潜在证据时,需要作为预备性问题先决定相关性问题。”但是,在已经发生的案件事实面前,人类的认知能力始终受制于时空约束,因而尽可能多地让证据信息进入裁判者视野,为其还原案件事实提供充分的认知原料是证据制度的首要需求。因此,证据相关性作为证据审查的第一道关口,其设置门槛一般较低,最终目的是鼓励尽可能多地向事实认定者提供证据材料。例如,美国《联邦证据规则》规则401对证据相关性作出了如下规定,证据要满足下列两项条件才能具备相关性:(1)与没有该证据相比,该证据具有使得某事实更可能存在或更不可能(more or less probable)存在的任何趋向(tendency);并且(2)该事实对确定诉讼具有重要意义。这一规则为证据准入确立了“任何趋向性”的最低检验标准。又如,我国《刑事诉讼法》第50条规定,“可以用于证明案件事实的材料,都是证据。”这一规定也在强调证据材料对待证事实的证实或证否作用,并且也未对证据材料作过多的实质性要求,因此这一条款发挥着和《联邦证据规则》规则401相同的功能。
但是,相关性的此种制度预设,并不意味着证据只要产生了对事实证明的任何趋向性即可采。相关性审查规则同时存在证据排除的功能,以美国《联邦证据规则》为例,其第4编的标题即为“相关性及其限制”,其中规则403、规则404、规则407-411等条款,是从法律层面对证据的相关性进行限制性规定,进而排除该证据。
具体而言,在相关性审查阶段被排除的证据,往往是由于该证据会诱发事实认定者在进行证据推论时产生偏见,瓦解证明过程的道德基础与认识基础,导致整个司法证明的推论过程丧失正当性,因此从证据推论之初即排除可能的风险因素。以品格证据规则为例,证据法之所以禁止适用品格证据,原因在于品格证据表明的并非行为人在本案中的具体行为,而是该行为人的道德、声誉以及性情,这可能会引发事实认定者的同情或反感,为了防止偏见和非理性的误判,对该证据的相关性应予以限制。
回到大数据证据的语境中,大数据证据作为一种证据材料必然要经过相关性审查。大数据证据所隐含的认知偏见,很可能会让人们产生虚假的相关性错觉,高估两类事实之间关联的强度与显著性,同时也会激发人们的因果归因本能,只要观测到两类现象同步出现,就会强行推导因果关系,哪怕逻辑十分牵强。因此,有必要对大数据证据的相关性作出相应的限制。而我国语境下的证据规则,对于证据的相关性只是提出一些原则性的要求,很少作出明确的限制性规则。因而,需要从证据相关性的角度出发,构建大数据证据相关性审查的系统性规则。
二、大数据证据相关性的内涵界定
由于大数据证据处于大数据技术与传统证据制度的交汇点上,大数据技术本身的相关性原理与证据属性中的相关性内涵不可避免地交缠在一起,加大了大数据证据相关性的辨识难度。因此有必要辨析大数据证据相关性的有关概念,明确大数据证据相关性的审查对象范围,从而厘清“审查什么”的问题。
(一)“一元相关说”与“多元相关说”的理论分歧
大数据证据的相关性审查,是否需要将大数据技术层面的相关性纳入审查范畴?围绕该问题,学界目前主要存在两种代表性观点。
第一种观点认为,大数据证据的相关性,指的仅是数据结果和待证事实之间的相关关系,本文将之称为“一元相关说”。比如有论者认为,大数据证据的相关性并非数理因果关系层面上的相关性,而是经验判断层面上证据作为本体的相关性,不应将数理相关性奉为圭臬。在这种观点看来,经由大数据技术分析之后所产生的数据结果与待证事实之间有相关性,则该大数据证据具有相关性。而大数据证据生成过程中所涉及的大数据集与最后数据结果之间的相关关系,不属于相关性的审查内容。
第二种观点认为,大数据证据不同于传统证据,大数据证据的相关性不仅包含数据结果与待证事实之间的相关关系,同时也应包括生成大数据证据过程中所涉及的数据、算法以及技术手段与待证事实的相关关系,本文将之称为“多元相关说”。比如,有论者提出了大数据证据相关性审查应当注重“证据载体→证据事实”阶段的相关关系以及“证据事实→待证事实”阶段的因果关系的双重属性特征,前者是大数据数理分析层面的相关性,后者则是传统证据法视野中的证据相关性。因此,大数据证据的相关性审查应当遵循多元方法,对于前者应当构建一套算法解释机制,将黑箱式统计关联转化为人类可理解的因果推导。对于后者则适用传统的证据相关性审查方法。甚至有学者持一种更为严格的相关性审查观点,认为大数据证据的相关性应当包括技术相关性、数据相关性和结论相关性三个方面。在这类观点看来,针对大数据证据应当构建特定的相关性审查规则。
(二)“大数据相关性”与“证据相关性”之概念辨析
在对学界观点进行分析之前,有必要先对与大数据证据相关性紧密相关的两个概念进行辨析,即大数据技术数理分析层面的相关性与证据法领域中证据相关性的区别。
第一,从性质上来说,大数据的相关性是数据内部间的相关性,而证据相关性则是证据材料与待证事实之间所具备的证实或证否的逻辑关系。具体而言,大数据相关性是生成数据结果之前的数据内部间的关系。在此过程中,因为大数据的海量性消解了传统的因果关系,进而体现出对因果关系的暂时搁置状态。“在因果关系的数据化过程中,一方面由于量化获得了量的关系强度和正负性质;另一方面由于量化丧失了原有的必然性和方向性。因此,量化后的因果关系蜕变为变量之间的相关关系,大数据中物数据化的过程,同时是因果关系量化为相关关系的过程。”这导致大数据相关性的推理链条较为松散,只能回答“是什么”的问题而难以精确达至“为什么”的程度。而证据相关性侧重于证据事实(证据)与要件事实(法律要件)之间引起与被引起的逻辑联系,因此,在判断证据的相关性时,证据与待证事实之间需要搭建起基于因果关系的可能联结,具有较强的目的性和方向性,其最终目的是查明案件真相,正确适用法律,这就要求法官准确回答“证据是否与待证事实相关”的问题,甚至不惜耗费时间、人工等巨大成本来追求精确性,不存在模棱两可的答案。
第二,从判断主体上而言,大数据的相关性是机器判断,证据的相关性判断则需要人类理智的介入。大数据所涉及的海量数据已经超出了人类的认知能力范畴,在分析这些数据的相关关系时只能借助于机器,人类理性在其中发挥的作用微乎其微。而证据的相关性判断需要借助逻辑、常识或一般经验,因为“相关性的核心问题就是一个证据性事实能否与事实认定者之前的知识和经验联系起来,从而允许该事实认定者理性地处理并理解该证据。”人类经验和逻辑分析在证据的相关性判断中具有基础性地位。
第三,从价值判断上而言,大数据的相关性不涉及价值判断,证据相关性判断以逻辑相关性为基础,但同时也受法律相关性的约束,其中需要进行价值权衡与选择。大数据的相关性是一种基于机器认识的相关性分析,除非在机器的算法设计阶段被人为注入了可能导致算法偏见的数据从而导致大数据相关性具有一定的价值取向或偏见,此外的大数据相关性分析不会主动挑选、倾向某一特定的价值追求,一般不会涉及价值权衡与决断问题。而证据相关性则需兼顾逻辑层面的相关性判断与法律层面的相关性限制,换言之,法官在判断证据与待证要件事实逻辑相关的基础上,还要主动考虑这一逻辑相关性是否被特定的价值取向所约束,例如证据能否引发不公平损害、混淆争点、误导陪审团以及妨碍诉讼效率等危险,将这些危险与相关证据的证明价值进行权衡之后进行证据的采纳与排除。
(三)大数据证据相关性“一元相关说”之证立
基于上文的分析,在“何为大数据证据的相关性”这一问题上,本文持“一元相关说”的观点,即大数据证据的相关性是数据分析结果与待证事实之间的相关性。申言之,如果经由大数据分析的数据结果具有证明作用,使得待证事实变得更有可能或更无可能,那么这一大数据证据即具有相关性,而数据间的相关性则不属于大数据证据相关性的审查范畴(如下图所示)。
主要包括以下两方面理由:一方面,从大数据证据的生成过程而言,数据分析结果与待证事实之间的相关性,才属于证据相关性的范畴,第二种观点未区分大数据的相关性和证据的相关性。大数据的分析结果是某一种理性模式的最终表达(ultimate expression)。大数据证据即为这种最终表达的表现形式。申言之,大数据证据其实是一种“产品”,背后是一整套生成程序或流程,所以相关性是从这一“产品”即结果意义上而言的。即便海量数据、数据分析过程以及最终的数据分析结果都是构成大数据证据的要素,而相关性仅需考虑数据分析结果与待证事实的相关关系。这是因为:第一,从性质上而言,上文已经提到,数据和算法的相关性属于大数据相关性的范畴,它们是数据间的相关性,“可以在初步理性判断的基础上,弥补人类面对浩瀚数据时对证据实质性的认知不足”,目的是生成大数据证据,而生成大数据证据的这一过程与待证事实之间是否有相关性则不属于证据相关性所要审查的范畴;第二,从人类认识的角度而言,大数据分析层面的相关性处于人类认知不可知的状态,其属于机器认知的内容。因为大数据时代万物数据化,即便与待证事实丝毫不相关的数据经过海量数据的碰撞与挖掘,也可能会参与到生成与待证事实相关的数据结果的过程中。在这种情况下,人类无法回答具体的数据是否具有相关性,也正是如此人类才凭借大数据技术进行认知。因此,若将大数据分析层面的相关性纳入证据法层面上的相关性审查范围,对人类的认知能力实属苛求。
另一方面,从证据相关性的制度功能而言,仅需审查数据分析结果与待证事实之间的相关性即能满足证据相关性的功能预设,第二种对数据相关性和算法相关性进行审查的观点,其实是混淆了证据相关性和证据可靠性之间的关系。上文已经提及,证据相关性是一个门槛较低的要求,目的是鼓励证据采纳,最大限度地将证据纳入事实认定者的视野,例如,美国《联邦证据规则》规则401中“任何趋向性”的表述以及我国《刑事诉讼法》第50条“可以用于证明案件事实的材料,都是证据”的规定。而证据的可靠性(充分性)指的是证据是真实充足的,“足以允许一项裁决”,也就是说,证据相关性只解决证据能否推导出待证事实的问题,而对于证据是否真实,以及生成大数据证据的这一过程是否可靠,则不属于证据相关性的审查内容。“在确定证据与要素性事实之间是否存在合理联系时,法官并不评估他们自己是否相信该证据。当证据是证人证言时,法官并不评估该证人是否可信。当证据是证物时,法官不评估该展示件是否真实。”从这个角度而言,大数据分析层面的相关性,以及由此所引发的数据真实性与可靠性、算法黑箱、算法可解释性等问题,应当置于大数据证据的可靠性或证明力审查环节进行审查。倘若将数据分析层面的相关性作为大数据证据相关性审查的要求,无异于用证据的可靠性来审查证据的相关性,这种做法抬高了证据相关性的审查门槛,违背了既有的制度目标。因此,在大数据证据的背景下,大数据证据只要与待证事实之间具有相关性,则该证据具有相关性。
三、大数据证据的类型化
虽然明确了大数据证据的相关性是数据分析结果与待证事实之间的相关性,但是复杂的司法实践,让大数据证据的相关性判断也难以一概而论。例如,前文所举的轨迹刻画等大数据证据的实践样态,在进行相关性审查时是否应当遵从同一套标准?答案是否定的,因为大数据证据在司法证明实践中不同的证明目的、证据内容以及推论结构,决定了大数据证据相关性审查的不同方式。因此,在对大数据证据相关性的审查方式展开论证之前,应当首先区分不同种类的大数据证据。
(一)预测性大数据证据与还原性大数据证据之二分
在进行证据的相关性审查时,可以将大数据证据分为还原性大数据证据与预测性大数据证据。所谓还原性大数据证据,是指旨在还原个案中某项事实的大数据证据,例如第一部分所提到的轨迹刻画、数量计算以及结构挖掘类的大数据证据。预测性大数据证据则是“通过对给定司法数据集中混杂变量的相关性归纳揭示模式,发现刑事司法风险事件的概率并实现预测。”例如第一部分所提到的风险评估、类案模型类大数据证据。
首先,从证明目的而言,还原性大数据证据的目的是还原过去行为人的行为事实,其核心逻辑是,凡世间发生之事,必会留下痕迹,倘若对当下存在的迹象进行恰当的梳理与整合,便能够清晰还原既往发生过的事实。以轨迹刻画为例,无论是行为人的行踪轨迹还是资金轨迹,都是根据其特定行为所留下的数字痕迹(trace),经过分析之后还原其原来的行为踪迹与资金流向情况。而预测性大数据证据的证明目的是预测行为人的行为,其核心逻辑是,倘若某人在一个特定的刺激之后所采取的行动得到了积极的强化,那么逻辑上就可以假设,每当这个特定的刺激发生时,特定的行动就会随之发生。大数据技术能够对行为人过往的强化行为进行全样本统计,以此预测在类似刺激条件下相应的行为会同步发生。这契合大数据技术的核心功能,通过对过往数据的分析总结,刻画出行为主体的既有模式,以此为基础对行为进行预测。
其次,从证据内容而言,还原性大数据证据的证据内容具有内部性,而预测性大数据证据的证据内容具有外部性。具体来说,还原性大数据证据的证据内容是对本案待证事实的描绘,衍生于案件的内部事实,具有特定性,仅能适用于针对本案的司法证明活动。而预测性大数据证据的证据内容具有稳定性,往往是对某种既有模式的刻画,具有普遍性,独立于特定案件事实之外,不随案件的变化而变化。以前文所提及的数量计算为例,其仅是对本案所涉数据的计算,计算结果仅能用作证明本案的待证事实,因而是还原性大数据证据。而以前文中的类案模型为例,此类大数据证据是对大量类似案件的抽象总结,其所刻画的内容具有一定的普遍性,能够对类似案件均产生一定的证明作用,此类大数据证据则是预测性大数据证据。
最后,从推论结构而言,还原性大数据证据与预测性大数据证据在得到事实结论过程中的推论结构有所不同。经过上文分析,还原性大数据证据是为了还原案件事实的本案证据信息,充当的一般是本案的直接或间接证据,在司法证明活动中遵循:证据→中间待证事实→次终待证事实→最终待证事实的推论结构,与普通证据在证明过程中的推论结构并无不同。而对于预测性大数据证据而言,它是从海量数据中归纳出某主体或某类犯罪的行为特征或规律模式,在此基础上根据行为主体的数据特征与既有的数据模型进行比对,从而推测其是否有涉案嫌疑或实施了犯罪。它的推论结构是:大数据技术提炼了某种行为的规律、趋势或特征→行为人行为契合该规律、趋势或特征→则行为人实施了该行为。证据法领域一般将此种推理称为倾向推论(propensity inference),在司法实践中所呈现的典型例证是品格证据、习惯证据、先前行为以及类似事实等证据形式,即根据行为人的某种品格或之前的行为,来推测他有继续实施与其品格和之前行为相符合的行为的倾向,以此证明该行为人可能在某个具体案件中实施了与之品格或此前行为类似的行为。只不过预测性大数据证据是凭借大数据技术对数据进行全细粒度抓取和分析,能够精准复刻历史数据,甚至挖掘出行为人自身尚未察觉到的行为模式,克服人类认知的个案化、碎片化的弊端,而背后所蕴含的推论结构与倾向证据并无不同。
(二)区分大数据证据类型之于相关性审查的意义
将大数据证据划分为预测性大数据证据与还原性大数据证据,是进行相关性审查的前提。这种区分方式对于大数据证据相关性的审查具有以下三个方面的意义。
第一,提升大数据证据相关性的审查效率,契合证据相关性审查的基本原理。还原性大数据证据和预测性大数据证据的区分,以证明目的、证据内容以及推论结构为基准,一方面,此种界分方式可以规避以证据载体或证据形式作为划分方式带来的混乱后果。大数据证据在司法实践中的表现形态多样,以证据载体或证据形式作为划分基准势必会导致大数据证据的类型划分不周延,这会导致大数据证据的相关性审查无法形成相对体系化的方法。另一方面,“理解相关性,包括对推论性推理之原则和特性的理解”,此种划分大数据证据类型的基准将相关性审查的重心置于证明目的、证据内容以及证据推论等司法证明层面,不再纠结于证据本体层面的可靠性与合法性,可以预防在相关性审查环节越界审查大数据证据的其他证据属性,符合大数据证据相关性的审查位序。
第二,为大数据证据的相关性审查提供差异化方法。在证据相关性的审查过程中,不同类型的证据,其相关性审查重点有所不同。例如,对于品格证据来说,这类证据的相关性审查重点是辨识证据与待证事实之间是否存在带有品格要素的倾向推论,如果存在的话则要排除该证据。又如,在域外的证据法实践中,对于可能会让事实认定者产生不适情绪的照片,也可能会被排除。该类证据的排除则无需考察其与待证事实之间是否存在不被法律允许的倾向推论,而是要权衡该证据是否会让事实认定者产生不公正的偏见。因此,对于上述两个例子中的证据而言,它们都可能因相关性问题而被排除,但是其审查重心却并不相同。而将大数据证据类型化为预测性大数据证据与还原性大数据证据,能够为其相关性审查提供不同的审查方式或着重点。通过上述比较可以发现,还原性大数据证据是衍生于本案事实的证据,证据内容具有较高的特定性,在证明过程中并不存在倾向推论,因而对于还原性大数据证据的相关性审查方法无需设置额外的倾向推论限制,仅需权衡其是否会误导事实认定者。而预测性大数据证据在证明过程中存在着倾向推论,推论链条更容易发生断裂,决定了在相关性审查时要着重关注其推论结构以及引发的后果,要审查其是否属于受证据法所禁止的倾向推论。
第三,提升大数据证据相关性的审查方式在不同证明语境中的适应性。还原性大数据证据与预测性大数据证据是一种理想类型,并非一成不变,两种证据类型在不同的证明语境中可能会发生转换,这也就意味着其相关性审查方式也要改变。有论者构想了一起医疗纠纷案件,原告诉称患者在医院病房摔倒,接连几个小时都未出现医护人员进行搀扶救治,导致该患者受到了不必要的身体伤害。但院方辩称,医护人员每30分钟就会进行一次例行查房,这一例行行为可以通过医护人员所佩戴的数字工牌内RFID芯片所记载的轨迹数据进行证明。这一案件中虽然也出现了上文所述的轨迹刻画类大数据证据,但其并非还原性大数据证据,根据其证明目的、证据内容以及推论结构,其符合预测性大数据证据的证明原理。在该案中,RFID芯片所记载的查房数据轨迹,是对该医院例行查房行为的总结和归纳,以此为基础推测医护人员每30分钟就会有查房行为进而反驳其数小时内无人救护的主张。这一证明过程蕴含着从既有模式向个体行为的倾向推论,故对其应当适用预测性大数据证据的相关性审查方法。
四、大数据证据相关性的审查方式
根据大数据证据的类型,大数据证据相关性的审查方式相应地也分为两种,即针对预测性大数据证据的相关性审查和还原性大数据证据的相关性审查。
(一)预测性大数据证据的相关性审查
在传统语境中,对于品格、习惯以及例行行为的判断,往往是根据行为人个体化的过往活动信息,对其未来行为进行推测。但是在大数据技术的加持下,大数据可以针对群体数据进行全样本统计,进而刻画出某个群体的集体性特征或行为模式,诸如前文提到的风险评估模型或类案监督模型,这些模型是对特定的地域、人群以及类似案件的群体性特征进行归纳,通过群体模式对个体行为进行推测,这也是一种倾向推论。另外,证据法并不禁止所有的倾向推论,其所禁止者主要局限于带有品格要素的倾向推论。例如习惯、例行行为证据,证据法未对这类证据的相关性权衡施加更高的门槛。这是因为,一方面,习惯作为人们按照某种可预测方式行事的倾向或癖好,习惯证据相对于品格证据而言,更具行为价值,在习惯的作用下,明确的刺激总是会引起一个特定的、明确的反应,例如某人在上楼梯时总是习惯于一次迈两个台阶,因而习惯证据的预测推论相对品格证据具有稳定性;另一方面,习惯证据对事实认定者造成的偏见较小,习惯是“无意志化且具有不变规律性”的行为,具有一定的道德中立性,事实认定者一般不会因为习惯或例行行为产生同情、愤怒或其他可能扭曲判决的情绪。所以,证据规则对习惯或例行行为不施加相关性限制。因此,预测性大数据证据的相关性审查分别从以下两方面展开。
一方面,对于基于个体化数据的预测性大数据证据而言,第一步,需要厘清的是品格证据与习惯证据之间的区别。品格证据与习惯证据之间的关系十分模糊,并且二者多有重合,例如某人有经常道谢的习惯,一定程度上也能推论出其友善的品格。然而由于美国《联邦证据规则》对二者态度截然不同,二者的区分问题一直是证据法学界争论的话题。二者至今虽尚未有清晰的界分,但实务界与理论界仍然对二者的区分提出了方法。一般而言,习惯更为具体,它表示一个人对重复的、特定的情况的常规反应,具有特定性、规律性以及半自动化的特征。而品格是对一个人性情的描述或者是对某种性格特征的一般性概括,比如诚实、节制或平和等。因此,判断预测性大数据证据属于习惯、例行行为证据抑或品格证据时,应注意以下几点。第一,审查生成预测性大数据证据的数据特性。习惯性数据往往是一些行为数据,例如行车数据、购物数据、资金数据等,而品格性数据则是一些带有立场、态度或者情绪的数据,例如行为人的身份、评论、社交倾向等数据。第二,品格证据主要关注的是针对行为人的外部评价,而习惯或例行行为则表现出某种稳定的模式。因此可以在大样本量和长时段的条件下,审查预测性大数据证据的数据是否有明显的波动频率、是否具有某种规律性,或者是否能聚合成稳定的数据痕迹模型等,以此为基础判断大数据证据是否属于习惯或例行行为证据。第三,审查预测性大数据证据是否具有半自动化特征。因为习惯和例行行为是某人或某组织机构以特定行为应对特定情况的常规做法,本质上是机械化的、而非经过审慎权衡的行为过程,因而习惯或例行行为往往是某主体在特定刺激下的自然反应,而品格则是由性格、情绪等因素塑造的人格特质。第二步,在前述基础上,当预测性大数据证据构成习惯证据或例行行为证据时,应承认其相关性。例如,办案人员通过时空轨迹、视频监控的大数据碰撞,从行为人过往活动轨迹、出行规律、停留特征等海量信息中,归纳出其在作案时段、活动范围、出行方式及落脚选择上稳定且例行化的行为习惯,当此类证据用作证明行为人行为一致性时应承认其相关性。当预测性大数据证据构成品格证据时,应当依照品格证据的相关性规则予以审查,根据证明目的、案件类型以及证明事项等要素对其相关性进行综合判断。例如,当预测性大数据证据用作定罪证据时,应当予以排除。但是在一些性侵案或猥亵儿童案中,鉴于特定的保护利益,可放宽对品格证据的相关性限制,诸如通过聚合分析行为人先前的色情网页浏览数据等信息的大数据证据则具有相关性。又如,当预测性大数据证据用作弹劾证据时,则不受相关性规则的限制,并且在证明特定的事项时,例如证明动机、机会时也应对预测性大数据证据的相关性予以肯认。
另一方面,对于基于群体化数据的预测性大数据证据而言,其相关性审查首先需要判断该类大数据证据是否会涉及品格推论,倘若存在品格推论,则应限制该证据的相关性。有论者构建了判断该类证据是否存在品格推论的“PBIC”标准。具体而言,在运用基于群体数据的预测性大数据证据证明案件事实时,需要判断:第一,该证据是否具有推测性(predictive),这一点旨在说明预测性大数据证据并不单纯描述某一群体的行为规律或特征,而是存在着由群体向个人的推测目的,即存在“某群体有X行为倾向→本案被告属于该群体→被告也有X倾向→本案则是按X行为实施”这一推论过程。第二,行为性(behavioral),即预测性大数据证据必须与某种具体的行为倾向相关,而不仅是概率倾向。申言之,预测性大数据证据所揭示的应当是归属于个体自愿选择的、具有重复性的人类行为倾向。而仅揭示客观概率的预测性大数据证据,如人群中具有某种特定血型的群体所占比例、某类产品的故障率、产品的市场占有率、DNA比对率,这些证据仅涉及某事项的概率表达,并不涉及具体的行为倾向,不存在品格推论,一般认可其相关性。第三,个体性(individualized),即预测性大数据证据必须是个体化的,与特定犯罪嫌疑人、被告人的特征相关,而不是泛泛地对全人群进行统计。以盗窃为例,符合品格推论的预测性大数据证据必须是根据经济状况、种族、性别等特征将被告人限制在范围更小、更明确的群体特征中,要确保预测性大数据证据与个案行为人专属特征之间形成绑定关系。否则,那些依托全域人口、泛职业群体、全行业宏观案发状况等样本生成的预测性大数据证据,则会因相关性受到限制而无法作为公安司法机关进行决策的基础。第四,品格性(characterizing),预测性大数据证据必须与某类品格倾向有关,呈现行为人的道德、品格、声誉等,例如行为人的贪婪、不诚实、暴力、品德败坏等,而非基于技能、偏好、计划或习惯所呈现的行为倾向。例如,如果预测性大数据证据揭示出了某个特定群体的惯用作案手法、轨迹趋向等行为特征,用该类证据证明某被追诉人具有与之相似的行为特征时,其中不存在品格推论,应认可该类大数据证据的相关性。
因此,对于基于群体数据的预测性大数据证据而言,“PBIC”标准能判断其是否存在品格推论,申言之,此类大数据证据只有在同时满足上述四项标准时才属于品格证据的范畴,除此以外的情形则应认可其相关性。但需要注意的是,此类大数据证据反映的是某个群体特质,即便其具备相关性,在适用于具体个案时仍应当对其可靠性或证明力进行严格审查,更多地将之定位于案件线索或补强证据,或者将之置于审前批捕阶段或量刑阶段予以适用。
(二)还原性大数据证据的相关性审查
首先,按照相关性审查的一般标准进行判断。相较于预测性大数据证据,还原性大数据证据的相关性审查较为简单。这是因为还原性大数据证据衍生于本案事实,主要用于反映本案的既往事实,与待证事实之间不存在倾向推论的结构。因此,对于还原性大数据证据的相关性不应设置过高的限制性门槛,应回到相关性审查的既有制度功能中,即还原性大数据证据针对待证事实能够产生证明或证否的作用,则有相关性。
其次,关于还原性大数据证据的相关性,在判断其有无的基础上,对于诱发偏见风险可能遭误用的还原性大数据证据,应当进行相关性权衡。具体而言,一方面,从证据内容而言,审查还原性大数据证据是否有明显的倾向性,可以从生成大数据证据的数据源、分析过程以及最终结论三个阶段进行评估。第一,数据来源是否全面完整;第二,数据处理过程是否有特定的标注或增删,例如是否突出特定的地域、性别或职业等影响因素;第三,最终的数据结果是否客观,是否带有明显的入罪倾向。需要注意的是,此处虽然是对生成大数据证据的过程进行审查,但并不涉及大数据证据的可靠性问题,最终目的是审查大数据证据所呈现的内容是否会给事实认定者带来偏见。另一方面,从证据形式而言,大数据证据在实践中往往会转化成图表、报告等可视化的示意证据形式,例如在经济金融类犯罪中的“资金走向”图,传销案件中的“人物关系”图等等,而相比于人们单独听到的信息而言,人们更倾向于记住他们看到或同时看到和听到的信息,同时大数据证据本身所暗含的数字化话语,会带来数字锚定效应,可能对最终事实认定结论产生不合理的偏向性影响。因此,对于大数据证据的呈现而言,要评估各类图表类示意证据是否公正且准确地反映了“原证据”,一是大数据证据的呈现是否具有煽动性或误导性,例如在图表显示上刻意放大极端数据比对而隐去样本来源、误差率等信息;二是大数据证据的内容表述是否过于绝对,由于大数据证据的生成过程普通人难以理解,过于绝对的表述虽然有助于外行人理解,但容易导致事实认定者在心理层面将之作为终局定论。在上述情况下,要谨慎衡量大数据证据的相关性,如果可能会对事实认定者造成误导,则可对其进行限制性规定。
最后,针对还原性大数据证据的相关性,仍需要回应的一个问题是,如何处理“数字替身(data double)”所诱发的证据相关性判断难题。所谓数字替身,指的是某些数字平台对行为人在互联网上遗留的诸如网页浏览数据、IP地址、社交网络动态等数据痕迹进行收集、分析,从而形成的关于该行为人的数字画像(profile)。这就导致人类主体裂变为数据世界中的“数字主体”和现实世界中的“物理主体”二重身份,但数字主体和物理主体二者之间并不是一一对应的映射关系,数字主体的行为数据可能在现实世界中找不到对应的物理主体,进而会引发数字画像所反映的犯罪行为,是数字替身所为而与物理主体无关的证据相关性判断疑难。其实,数字替身并非大数据证据时代才出现的问题,在传统网络犯罪时代的电子数据证明中即存在。例如,在一起网上银行攻击案中,侦查机关从服务器上获取的电子数据可能表明某个特定的账户是用来从银行盗取钱财,但几乎无法证明的是凭借该账户实施具体盗窃行为的行为人。有论者将之称为电子数据的双联性问题。在本文看来,这种由数字虚拟技术所诱发的证据相关性判断难题,本质上不属于本文所要讨论的作为证据资格的证据相关性的审查范围。原因在于,如上文所述,证据相关性审查仅处理证据材料与待证事实之间的逻辑关系,申言之,此处的相关性判断是证据材料能否作为证据的门槛性问题,只存在有或无两种答案。而至于该证据材料能否和具体的行为人、时间、地点等因素有关联,则是关于相关性程度的问题,这一问题应当由证据的可靠性审查机制或证明力审查机制予以解决。由此,大数据时代的数字替身问题或者电子数据的双联性问题,是证据可靠性或证明力审查所需重点关注的内容,而只要数字替身或某项电子数据能够产生让待证事实更可能存在或更不可能存在的效果,即认为其具有相关性。
余 论
上文关于大数据证据的相关性分析,是基于证据相关性原理层面的初步探讨。在我国的证据审查语境中,需要辩论的相关性问题主要是物证等间接证据的相关性;但在实践中,这类证据数量有限,相关性与证明力等概念之间的关系模糊,且相关性审查规则缺失,导致我国对证据相关性的审查效用十分有限。但大数据证据所诱发的相关性审查问题已然成为现实,只不过由于证据相关性内涵的模糊性,一定程度上遮蔽了作为证据门槛的大数据证据相关性问题,而误将其作为大数据证据的可靠性或证明力进行处理。因此,本文虽然属于一种原理层面的讨论,但是对今后关于大数据证据相关性审查规则以及更为一般意义上的证据相关性审查规则的订立可能也具有启示意义。具体而言,第一,我国虽然没有英美法系中二元法庭结构下的陪审团审判制度,无法为证据的相关性审查提供有利的程序环境,但是对大数据证据相关性的分析,在完整的证据相关性审查规则出台之前,可以为法官在审查证据相关性时提供较为体系化的分析思路以及裁判说理的理由。第二,大数据证据的相关性问题提醒我们,证据的相关性和可靠性(或者证明力)是两个不同的范畴,作为证据资格的相关性审查,是最低的证据准入门槛,目的是鼓励证据采纳,其仅处理相关性“有无”的问题而不涉及证据是否可靠或证明力大小的问题。因此今后的规则制定要注意区分这两个范畴,防止因对相关性的不同理解而引发证据审查或质证的焦点偏移。第三,在证据相关性审查中,应注重对相关性审查的限制性规定,有学者明确提出“在制度上明确规定某些证据不具有关联性。”鉴于证据相关性在本质上是一个逻辑经验问题,因此对于事实认定者来说,相关性有无的判断并非难事,而能够真正对相关性产生排除作用的,往往是关于相关性的限制性规定。例如美国《联邦证据规则》规则403(相关性权衡规则)、规则404(品格证据规则)等,均是关于相关性“限制”的证据排除规则,这种排除在国内的证据立法语境中难以一蹴而就,可以通过指导性案例、司法解释甚至个别司法人员的证据审查经验总结等方式进行先行探索。
总而言之,证据相关性这一问题本身的复杂性,加之大数据技术引发的相关性与因果性之辩,让大数据证据相关性变得愈发棘手且充满争议。这在一定程度上可以解释目前关于大数据证据相关性的研究成果为何相对寥寥且分歧丛生,同时也决定了本文对大数据证据相关性的探讨必然是初步的、原理性的。即便如此,大数据证据的相关性议题,恰恰提供了一个契机,让我们重返传统证据相关性的基本理论,重思证据相关性与可靠性的意涵与功能、倾向推论的范畴与边界、品格证据与习惯证据的区分等基本问题。从这个角度来说,大数据证据的相关性问题,并不会让证据相关性审查制度从根本上改弦更张,而是迫使我们重回理论传统,精细化阐释既有的概念范畴与边界,从既有制度逻辑中找寻应对新兴技术现实的方案,避免陷入新技术革命背景下不断涌现的“技术颠覆”“制度重构”等话语风潮当中。
来源:《当代法学》2026年第6期(第87—101页)。