合成民众陪审团：将刑事审判委托给人工智能？

法庭上的裁决是人类同理心的圣殿。但当对效率的追求将人工智能推入合议庭的核心时，会发生什么？关于“合成陪审团”以及使用人工智能对陪审员进行画像或建议量刑的实验已不再是科幻小说。在本文中，我们探讨“自动化偏见”以及人类司法与算法司法之间“公平性差距”的巨大风险。我们直面计算机系统不透明性这一不可回避的难题，并提出一个至关重

刑事审判，以其庄严的法庭、激昂的辩护词以及最终裁决那令人窒息的沉重，一直被视为人类易错性的圣殿，同时也是人类同理心的圣殿。民众陪审团正是这一原则的化身：普通公民被召唤来审判自己的同类，不仅以逻辑的严谨来衡量证据，更以不可替代的生活经验为尺度。然而今天，对效率贪得无厌的追求正将人工智能远远推离行政支持的范畴，直至触及司法体系的核心。

我们正在进入“合成陪审团”和算法裁判的实验时代。尽管世界上尚不存在任何法庭让人工智能正式坐在陪审席上决定一个人的自由，但2026年的学术和法律文献表明，这已不再是纯粹的臆测。算法已被广泛用于筛选、画像和排除人类陪审员。但下一步更为激进：让一个人工智能模型与公民和法官并肩，提出有罪或无罪判决的建议。

在本期《场景与反思》专栏的深度探讨中，我们将探索人工智能进入法庭的技术基础及其巨大的伦理隐患。我们将提出的论点——得到法哲学研究的支持——既令人不安又不可回避：真正的问题不在于算法相对于人类心智那潜在的、备受争议的分析优势。关键节点在于：作为一个民主社会，我们是否愿意接受对自由与刑罚的部分道德判断被委托给一个不透明的系统，而该系统就其本质而言，永远无法为自己的决定承担道德责任。

1. 从画像到建议：人工智能如何进入法庭

为避免滑入反乌托邦式的耸人听闻，有必要区分人工智能在刑事审判中渗透的当前层级，将今日现实与未来假设分开。

  • 人工智能作为调查和信息支持工具：这是已广泛使用的层级。算法系统帮助法院收集和组织证据，从智能手机、摄像头或财务记录中提取数据，其速度是人类工作无法企及的。
  • 陪审员的算法筛选（Voir Dire）：这是当前的战场。正如《华盛顿大学法律、技术与艺术期刊》所记录的，人工智能已被用于挖掘潜在陪审员的公开数据和社交媒体信息，应用预测性评分模型向控辩双方建议应排除哪些人。
  • 人工智能作为决策顾问（增强型法官）：一些有争议的举措中，法官使用风险评估算法来决定保释金额或刑期长短，基于再犯的预测性计算。
  • 混合与合成陪审团：这是最激进的场景，目前是《国际法律期刊》上发表的“I, for One, Welcome Our New AI Jurors”等论文的研究对象。这一构想涵盖从在人类民众陪审团评议期间配备一个生成式人工智能系统（如一个以刑法典训练的大语言模型），到完全由人工智能代理组成合议庭以处理轻微犯罪案件的极端假设。

陪审员画像已经构成一种紧急状况。发表在PMc Online上的分析警告称，使用人工智能来识别公民中的“偏见”有可能引入更为隐蔽的算法偏见。这些画像工具可能绕过历史上针对歧视的法律保护（如美国的Batson规则），以数学方式——因而看似中立地——将种族或阶级偏见编码其中。

2. 算法副驾驶：法官和陪审员如何反应？

当人工智能来决定一项定罪时会发生什么？发表在PLoS ONE上的一项近期研究（“Judges versus Artificial Intelligence in Juror Decision-Making”）进行了实验，模拟陪审员从人类法官或人工智能处接收判决建议时的行为。结果令那些期望机器被完全拒绝的人震惊：参与者并未自动回避算法判断。在许多情境中，他们对人工智能意见的权衡与对血肉之躯法官的意见完全相同，展现出一种令人恐惧的、将道德权威委托给软件的意愿。

更具揭示性的是发表在Taylor & Francis上的试点研究，该研究将真实的入室盗窃判决与大型语言模型（如Claude和Gemini）生成的判决进行了比较。令人惊讶的是，这些模型相当准确地再现了人类法官的推理。这种表面上的成功常被技术专家用来推广人工智能在审判中的辅助使用，但它隐藏着一个巨大的心理风险：自动化偏见（人类倾向于盲目接受机器的答案，认为其更“客观”）。如果人工智能以形式上无可挑剔的逻辑建议判处五年监禁，有多少陪审员或疲惫的法官会有精力和勇气提出异议？

3. “公平差距”与合法性感知

尽管有对效率的诱惑，这些系统的社会接受度却存在深刻的问题。研究中出现的一个关键概念（参见《哈佛法律与技术期刊》）是“人机公平差距”（人类与人工智能之间的公平鸿沟）。

关于公众认知的研究，如PMC和Springer上所分析的那些，揭示出公民认为完全由人类法官进行的审判明显更加公平、公正和合法。公众虽有保留地接受算法用于信息和证据获取阶段，但断然拒绝机器介入最终裁决，即定罪的实施。

有趣的是，这些研究揭示了意想不到的人口统计差异。一些历史上遭受过监狱系统不公和偏见的少数群体，有时对人工智能增强的决策表现出更大的信任（或绝望的希望），紧紧抓住一种幻想：机器因为没有情感，或许能最终摆脱人类法庭的系统性种族主义。遗憾的是，正如牛津学术的一篇重要论文（“Iudicium ex Machinae”）所证明的，这种希望是错误的：人工智能训练所依据的数据包含了几百年的不平等，机器所做的不过是学习、放大并将其隐藏在数学客观性的外衣之下。

4. 道德判断的黑箱：为何不透明性不可接受

法庭上的裁决不是纯粹的逻辑等式。它是国家对个人的一种权力行为。因此，整个司法体系的合法性不仅依赖于判决的统计“准确性”，还依赖于三大支柱，近期的大学论文（CEU Thesis）也对此有所强调：透明度、问责制和可质疑性。

当前的人工智能（基于深度学习）是一个“黑箱”。它无法提供透明的因果解释，说明它是如何权衡不在场证明或目击者可靠性的。正如《牛津法律与哲学期刊》所指出的，虽然混合程序（人类法官咨询人工智能但保留最终权威）可以减轻不公正的感知，但可质疑性问题依然存在。辩护律师如何在上诉中质询一个算法？如何审查一个语言模型的合理怀疑？

将评议的实质性部分委托给人工智能会引发毁灭性的哲学后果。裁判（审判过程）需要同情心、对语境的理解，以及人类感受自己决定之重量与悔恨的能力。正如AJEE在其关于司法人工智能不可修复偏见的研究中所总结的，一个完全公正的人工智能是无法实现的，但更重要的是，其引入有可能不可挽回地侵蚀公众对法治的信任。

关键操作要点（面向立法者和法学家的建议）

  • 禁止决策不透明：各国司法部必须禁止在任何决策阶段或量刑建议中使用黑箱算法。如果一款软件无法解释导致其建议特定刑罚的确切逻辑（具有代码可追溯性），其在刑事领域的使用应被宪法认定为不可接受。
  • 严格监管算法Voir Dire：使用人工智能系统对潜在陪审员进行画像必须受到严格标准的约束和强制披露。辩护方必须知道控方是否正在使用软件基于隐藏的相关性（往往掩盖了阶级或性别歧视）系统性地排除候选人。
  • 保留人类对道德判断的垄断：人工智能可以且必须继续作为法医分析和案件管理的辅助工具发展。但评议阶段——合议庭——必须保持为纯粹的生物空间。同理心、怀疑和判断的责任不是需要用硅来修正的缺陷，而是我们人性的唯一保障。

结论：不可承受的委托之轻

将人工智能与法官或民众陪审团并肩的想法源于一个看似高尚的意图：战胜人类判断的偏见、低效和易错性。世界各地的法院不堪重负且常常不公正，而算法的手术般精准呈现出一种不可抗拒的技术官僚万灵药。

然而，机器公正的幻象在法学的严酷现实面前粉碎。刑事审判不是一个待解的数学问题，而是一场待面对的社会戏剧。当被告站起来聆听将决定他未来二十年人生的判决时，他拥有宪法权利——更根本地说，人权——去直视那些正在定罪他的人的眼睛。

在让服务器进入司法殿堂之前，我们必须面对的终极问题不可回避：如果一个人工智能，凭借其数据海洋，帮助定罪或开释一个人，谁才是那个命运的真正责任人？是安于机器答案的公民陪审员，是验证了输出的法官，还是那个建议了决定、却没有意识、永远不会因为怀疑自己毁了一个无辜者而度过一个不眠之夜的数学模型？

参考文献与来源

本文由La Bussola dell’IA编辑部撰写