"""

自动化侦查决策的发展进路

1. 自动化侦查决策的现状与挑战

1.1 自动化侦查决策的实践样态

1.1.1 技术机理

• 基于人工编码的自动化决策：专家系统，如指纹比对、DNA比对等。
• 基于机器学习的自动化决策：通过历史数据学习，自动构建规则，如无监督学习、监督学习和强化学习。

1.1.2 时间特征

• 回溯性决策：对已发生的犯罪事实进行识别和决策。
• 监控性决策：基于数据模型监控实时决策。
• 预测性决策：对尚未发生的犯罪事实进行预测。

1.1.3 影响程度

• 战略决策：对全局性问题进行决策。
• 战术决策：对具体问题进行决策。

1.2 自动化侦查决策的特点

1.2.1 决策逻辑变化

• 相关关系、量化统计决策取代了因果、主观经验定性的决策。
• 自动化决策的自动性和自主性。

1.2.2 发展态势

• 自动化决策的生态化：侦查过程深度浸透，形成“以任何信息技术设备为载体、以持续控制形式干预和引导日常社会互动的高度自主的精细化治理秩序”。
• 以大数据、算法平台为核心的系统化。

2. 自动化侦查决策的风险

2.1 事实错误的风险

2.1.1 数据质量的瑕疵或错误

• 数据记录的偏在性、脱域性、不均衡性可能导致数据不能准确反映事实。
• 数据记录的瑕疵或错误可能形成决策中“偏见进，偏见出”。

2.1.2 算法自身的局限

• 算法的简化可能导致“以偏盖全”的错误。
• 算法是相关关系的量化计算，偏离了传统的因果联系的确定性。

2.1.3 侦查人员对自动化决策结果的盲从性

• 侦查人员被困在算法“信息茧房”中，难以提出相反意见。

2.1.4 决策偏差的系统性放大

• 决策偏差、放大可能成为错案的根源。

2.2 自动化侦查决策歧视与公平公正冲突

2.2.1 自动化侦查决策歧视的内涵和类型

• 专家编码型歧视：专家在编制预先标准和算法规则中注入歧视。
• 学习型歧视：机器学习对社会歧视的自主习得。
• 以偏概全型歧视：算法模型本身的僵化性所产生。

2.2.2 自动化侦查决策歧视的特点

• 隐蔽性：自动化决策歧视以其客观的外在现象掩盖了歧视的性质。
• 聚集和放大效应：自动化决策歧视在系统里不断循环、累积和放大。
• 歧视的结构性锁定：一旦某一主体遭受一次算法歧视，就难以摆脱。

2.2.3 自动化侦查决策歧视对公平公正的影响

• 自动化决策歧视侵犯了公民平等权和社会公平正义。
• 自动化决策歧视会形成选择性执法、执法歧视，从而影响执法公正。

2.3 自动化侦查决策与人的主体性紧张

2.3.1 自动化决策对人的数据化和计算减损了人的尊严

• 自动化侦查决策将侦查相对人客体化。
• 个人受到自动化决策结果的约束,困在决策系统里。

2.3.2 侦查人员被困在自动化决策系统中

• 侦查人员的主体性因自动化决策系统性、生态性嵌入而被蚕食消解。
• 侦查人员的自由裁量权受到压制或剥夺，难以独立提出自主性意见以挑战自动化决策。

2.4 瞬时决策和程序的过程性冲突

2.4.1 压缩的侦查程序

• 自动化侦查决策对侦查程序进行了压缩，常常跨越了立案前后阶段区分，并将侦查措施压缩其中。
• 压缩的侦查程序使得侦查行为得不到有效规制。

2.4.2 缺乏过程自动化侦查决策难以植入第三方权力如检察权对侦查权的监督制衡。

2.5 决策黑箱与适度公开的冲突

2.5.1 决策黑箱

• 机器自主学习的编码规则、系数、输出数据的逻辑都是不透明的。
• 决策黑箱使得责任追究成为难题。

2.5.2 决策黑箱的影响

• 决策黑箱可能成为冤假错案滋生的土壤，可能成为权利黑洞。

3. 自动化侦查决策的发展进路

3.1 建立数据质量和算法评估机制

3.1.1 构建数据质量机制

• 建立数据采集客观、及时机制。
• 建立数据质量的核检机制和及时纠错机制。

3.1.2 构建算法评估机制

• 建立算法精准性评估机制。
• 建立个人权利影响评估机制。

3.2 构建以人为本、人机协同的侦查决策机制

3.2.1 以人为本

• 确立侦查决策相对的人的主体性地位。
• 确立侦查人员在侦查决策中的主导地位。

3.2.2 构建人机协同的侦查决策机制

• 划定自动化决策和人工决策的事项清单。
• 确定自动化决策的功能边界。
• 形成自动化决策与人工决策协同演进的决策机制。

3.3 构建与自动化决策相适应的权利体系

3.3.1 导入个人自动化决策权利体系

• 将《个人信息保护法》中规定的权利导入到侦查程序中。

3.3.2 完善自动化侦查决策程序权利体系

• 建立与自动化决策相适应的权利体系，包括知情权、决定权、查阅权、复制权、删除权、携带权等。 """