法律事实认定的贝叶斯人工智能模型.pdfVIP

山东大学学报（哲学社会科学版）2024年第3期第172-181页

法律事实认定的贝叶斯人工智能模型

刘海

摘要：自由心证面临难以厘清证据、隐性主观判断和内心确信模糊三重困境。贝叶斯人工智能模型作为一

种可视化、透明化和数量化的智能工具，可以辅助事实认定者完成心证过程，揭开心证黑箱，提升事实认定

的准确性。它以贝叶斯网络图为知识系统，可视化呈现证据与事实之间的推论关系；以概率数字为数据系

统，透明化展示证据与事实之间的依赖程度；以概率算法为推理系统，智能化计算出后验概率，数量化测量

内心确信的推论强度。然而，它也存在局限性。一方面，它需要大量概率数字作为输入，但事实认定者对证

据的主观判断却较难精准地转化为概率数字，从而影响模型输出结果的准确性。另一方面，它是显性表达

主观性的工具，但不能消除主观性。

关键词：自由心证；贝叶斯人工智能；事实认定

DOI：10.19836/ki.37-1100/c.2024.03.016

事实认定包含举证、质证和认证三个过程，它是法律适用的基础，对作出公正的司法裁决起到关

键作用。认证是指事实认定者的认知过程，是对事实认定的证成。在认证过程中，事实认定者对已采

①

纳的证据进行推理和评价，从而决定相信什么，认定什么主张成立。评价证据和推断事实主要由事

实认定者自由心证完成。但自由心证面临难以厘清证据、隐性主观判断和内心确信模糊三重困境。

第一，大量证据与要件事实之间的错综复杂关系让事实认定者内心难以准确厘清证据和发现真相。

第二，事实认定者在评价证据和推断事实的过程中，不可避免地涉及直觉、经验和个体认知等主观判

断。这些“内隐的”主观因素阻碍准确地认定事实真相。第三，基于证据，事实认定者相信案件事实真

相的内心确信程度具有模糊性。这种内心确信的程度被称为推论强度。是否可以数量化表示推论强

度，并进行智能化计算？在司法实践中，这个问题是事实认定者最关心的问题，也是最重要的问题。

贝叶斯人工智能模型为回答这个问题提供了框架。它受知识和数据双驱动，以知识、数据、算法

②

和算力四个要素来构造智能，属于第三代人工智能，具有更强的稳健性和可解释性。首先，它以贝

叶斯网络图为载体建构知识系统。事实认定者结合案情，依据因果关系或证据关系，编织所有证据和

待证事实之间的结构，搭建贝叶斯网络图。贝叶斯网络图以可视化方式展示了大量证据与事实之间

的结构联系。其次，它以概率数字建构数据系统。事实认定者发挥主观能动性，根据经验法则、科学

法则和因果联系，评估证据和待证事实之间依赖关系的强弱，创建概率分布表。概率数字“透明地”呈

现了事实认定者对证据的主观判断。最后，它以概率算法建构推理系统。概率算法使概率计算自动

化和智能化，自动更新概率数值，得到想要的后验概率。后验概率数量化表示了事实认定者对案件真

相的内心确信程度。

基金项目：国家社科基金一般项目“司法证明的逻辑研究”（23BZX127）；2022年教育部高等学校一般国内访问学者项目“贝叶斯

概率在建构证据评价智能化模型中的应用”。

作者简介：刘海，上海对外经贸大学统计与信息学院副教授，硕士生导师（上海201620；liuhai@suibe.）。

①何福来：《证据法哲学——在探究真相的过程中实现正义》，樊传明、曹佳、张保生等译，北京：中国人民大学出版社，2021年，

第45页。

②张钹、朱军、苏航：《迈向第三代人工智能》，《中国科学：信息科学》2020年第9期。

172

法律事实认定的贝叶斯人工智能模型

一、证据与事实之间推论关系的贝叶斯网络图

事实认定中的证据推理是一种常识推理，涉及知识表示和知识推理。贝叶斯人工智能以贝叶斯网

络图结构化表示知识，将大量证据和事实之间的联系可视化。贝叶斯网络图由节点和弧构成，如图1

所示。节点代表变量。有些变量表示不可观察的未知假设，即待证事实，如“张某有罪（H1）”。有些

变量表示可以观察的事实，即证据，如“血型DNA被检测为匹配（E1）”，这个证据可以通过