預測警務場景下執法啟動的程序控制

欒興良 張宏揚

（中南財經政法大學刑事司法學院 湖北 武漢 430073）

1 引言

隨著預測警務的快速發展，警察執法正從被動反應轉向主動進攻，從事后介入轉為同步響應，由物理現場切換至數據現場。圍繞這些結構性變化可能引發的權利危機，理論上形成了技術的正當程序化與正當程序的技術化兩種風險規制思路。此兩種思路在邏輯進路上以技術引發的風險考察為起點，以技術設計階段或技術驅動的執法過程的程序規制為重心，意在使執法法律關系的兩造重回“平等武裝”狀態。兩種思路總體上更關注技術及基于技術風險的程序規制，較少論及執法啟動環節，尤其缺少對預測性執法適用傳統執法啟動程序的討論。

預測警務是“系統預警+人工決策”的執法驅動模式。機器預警觸發人工決策，為人工決策提供基礎性輔助；人工決策則以機器預警為基礎，結合其他手段決定是否啟動執法。換言之，預測警務不是自動化決策警務，人的因素仍然占據主導地位。預測警務的這一運行結構和特點決定了關注該場景下的執法啟動具有重要意義。首先，預測警務場景下的執法啟動存在錯誤性啟動、歧視性啟動、滯后性啟動及不予啟動等失范現象，尤其前兩者亟待規范。其次，無論執法的驅動機制為何，擰緊執法啟動的閥門，可以從程序源頭控制執法風險的產生。再次，執法啟動的人工決策將“機器懷疑”轉換為“人的懷疑”，使技術驅動的執法進入傳統執法程序的框架，新興技術與傳統程序之間的張力可以得以某種程度地化解。最后，預測警務場景下的執法干預具有多樣態特征，關注執法啟動環節，有助于明晰各自適用的程序?；谏鲜隹剂?，本文將立足技術與人工的雙重維度討論預測性執法啟動的程序控制問題。

2 預測警務場景下執法啟動失范的風險來源

目前學界對該問題的反思總體呈現技術導向的風格，相關成果主要集中于算法與數據及其對傳統執法啟動程序的沖擊，對人工研判環節的獨立地位、風險過濾功能重視不足，而基于人工研判環節的執法風險檢討更為有限。

2.1 系統預測環節

一是預測分析所倚賴的相關關系計算的天然不足。囿于設計成本及技術可實現性的限制，預測警務系統的設計者往往將復雜的犯罪發生機理與發生過程，簡化為某類犯罪與數個相關因素的數理關系，其本質是去情景化的相關關系計算，因而不具有因果關系的必然性。換言之，預測模型輸出的是違法犯罪活動發生的概率，而非確切的結果。這決定了預測分析向行動干預的直接轉換必然導致部分的執法錯誤。此外，預測分析模型所倚賴的相關關系可能是偶然性或虛假性的數據聯系，這一現象主要源自變量選取的隨機性，某些看似相互獨立的變量有可能同時受某一因素的影響而顯現出相關性[1]。例如，警察往往存在于有犯罪發生的地區，然而警察的存在并非犯罪發生的成因，兩者之所以在外觀上具備相關性，是因為警察出于履職而頻繁活動于犯罪發生的地區。由此觀之，基于相關關系的預測分析很可能簡單地將原本不具備相關性的事物聯系起來，造成“假陽性”的系統預警，進而引起錯誤的執法。

二是預測警務所用數據的質量隱患。目前為止，“數據集對統計風險評估的有效性構成了深刻的、尚未解決的挑戰?！盵2]這些挑戰主要表現為數據錯誤、數據過時與數據歧視。首先，警察部門普遍缺乏數據質量控制機制，數據錯誤常被“完整”地輸入預測模型，進而引發錯誤預警。其次，違法犯罪發生的規律或模式存在時空變化，過時的數據難以反映出犯罪規律或犯罪模式的變化。例如，如果高危犯罪嫌疑人的作案規律存在季節性的變化，那么三個月前的數據對預測其近期可能實施的違法犯罪風險的作用則不大。目前警用數據的時效性還有待加強，基于過時數據的預測分析很可能與現實情況不符，進而導致錯誤的執法啟動。最后，預測分析模型看似遵循其自身的計算理性，卻由于“垃圾進，垃圾出”的效應、數據樣本天然的權重差異及大數據的擴展屬性，導致其預測分析結果存在偏見或歧視的必然性[3]。

三是預測警務系統的算法結構缺陷。一方面，預測警務系統的算法模型僅適用特定情形下特定犯罪的預測，其結構缺陷也會導致錯誤的系統預警。例如橢圓聚類算法將每個觀察結果都進行平均加權，這一特性使其最終結果對輸入數據非常敏感，這種敏感性有時可能導致預測分析的錯誤。再如隨機森林算法所用數據和特征均是隨機抽取的，其處理非平衡數據集時，占比較小的一部分數據被抽中的概率自然較低，由此訓練出來的決策規則可靠性存疑。另一方面，在預測分析模型的設計階段，犯罪相關因素的產生，無論源自算法對“喂養”數據的自動提取，抑或是對警務專業經驗的提煉，都存在將執法歧視內化為算法結構的可能。在算法應用階段，算法結構的組成因素決定了系統輸入數據的類型，從而將執法歧視固化。即使機器學習算法，也難以擺脫“棘輪效應”的魔咒，實現對算法歧視進行自我剔除。就我國當前情境而言，預測警務算法可能會將傳統執法中隱性的職業歧視、群體歧視或地區歧視等予以顯性化、結構化，并轉化為規?；膱谭ㄐ袆?。

2.2 人工研判環節

一是人工研判缺位。預測警務模型輸出的是違法犯罪活動發生的概率，而非確定的犯罪。實踐中，預測警務系統的開發者或銷售者往往會將其產品的準確性夸大，而系統預警成為警察攔截、盤查甚至抓捕的唯一決定因素，客觀上增加了對執法對象適用限制人身或財產權利措施的可能性。為過濾低風險概率導致的錯誤執法風險，保護公民權利，來自人工的評估不可或缺。然而，當前我國預測警務實踐中人工評估缺位的現象較為普遍。一方面，情報分析人員在惰性思維引導下會傾向于利用大數據情報與自己的直覺進行印證，并放棄考慮其真實性與可靠性。另一方面，受考核指標等外部環境的影響，需要較高認知閉合的情報分析人員，往往會產生為了追求執法指標而忽略其他可能性的情況，造成對輸出結果研判的省略[4]。

二是研判過程無序。預測警務系統的設計以執法效率為優先導向，缺少對正當程序的關注，由此造成的技術“法律品格”的不足只能由人工研判環節予以彌補。但即使重視人工研判環節的警察部門，由于對其獨立地位與價值認識不足，也會導致評估過程隨意與無序。首先，研判主體的范圍不確定。實踐中，評估多由警務情報分析人員負責，而現場執法人員是否應承擔研判任務，承擔何種任務尚未形成統一認識。其次，研判內容不夠明確。目前研判內容多限于現場因素，而對預測系統的技術因素關注不夠。最后，評估的手段方法有待加強。在特定的預測場景下，有時研判手段無法輔助情報分析人員對違法犯罪發生的可能做出更明確的判斷。例如，僅借助公共區域的視頻監控很難判斷被系統預警可能從事性交易的人是否與其開房的人在從事賣淫嫖娼行為。

3 現行預測警務場景下執法啟動的風險過濾機制評價

盡管學界已經注意到，預測警務的本質是一種自動化預警與人工執法相互配合的主動型警務模式[5]，但鮮有文獻對實踐中執法啟動的風險過濾機制進行梳理總結。本部分將對警務實踐中典型的執法啟動風險過濾機制進行考察評價，以資后續程序控制研究。

3.1 核對個人基礎信息

預測警務場景下執法啟動的對象是最有可能違法或犯罪的嫌疑人。這一群體的個人犯罪記錄和個人戶籍信息均可指向其所涉案件，成為警務人員核實系統預警信息的基準信息數據。

預測警務系統利用人臉比對等新興技術對在逃人員進行人臉布控，待相關人員“觸網”后發出預警。通常此類預警準確率較高，但為保證緝捕對象與案件對象的同一，警務情報分析人員會利用個人身份信息或犯罪記錄對系統預警進行核實驗證。例如，某地公安機關的在線警務系統對某人進行了人臉比對，結果發現其與所冒用身份的人臉相似度僅為17%，與某在逃人員相似度卻高達95%。在系統預警后，警務情報研判人員對其進行了個人身份信息核實，確認其為在逃人員后向執法組發出抓捕指令，成功將其抓捕歸案。

3.2 活動軌跡分析

犯罪嫌疑人的活動軌跡為警務人員核實違法犯罪嫌疑提供了信息參考。通過分析其乘坐的交通工具（飛機、鐵路、車輛等），以及酒店旅館的入住信息、網吧上網等相關信息，能夠在一定程度上驗證風險發生的可能。因此，對預警人員的活動軌跡進行分析，是現行執法啟動錯誤風險過濾的方式之一。

以毒品交易犯罪為例，犯罪嫌疑人為了掩人耳目，往往采用轉換交通工具的方式以躲避公安機關的打擊。而一旦毒品交易進入實質性的運輸毒品階段，買賣雙方絕不會觸碰空運或鐵路運輸，而是選擇沒有安檢環節的自駕運輸。所以，重點鎖定從“有去有回”到“有去無回”，從“空去空回”“陸去陸回”到“空去陸回”的異常變化能夠有效推斷出販毒交易的進程階段[6]，當犯罪嫌疑人觸網產生預警后，警務人員可以通過分析其乘坐交通工具的信息，以核實毒品交易發生的可能?；顒榆壽E分析并不局限于毒品交易犯罪，結合不同類型的違法犯罪活動特征，有針對性地分析不同犯罪嫌疑人異常的活動軌跡，能夠有效過濾預警信息的不確定性，進而采取恰當的執法干預行動。例如，在某地預測犯罪者的預測模型中，算法根據車主的前科信息等內容對其名下車輛進行犯罪風險評估，對于系統標注高風險的車輛，警務情報研判人員會調取一段時間內該車輛的行動軌跡進行分析研判，以核實和確定車主實施犯罪的可能性。經過二次研判認為車主實施了犯罪的，警務情報分析人員會通知沿路的治安卡口進行攔截盤查，進而實現對犯罪分子的精確打擊。

3.3 視頻監控核實

視頻監控為警務人員及時啟動執法提供了較為直觀的依據，它可以實時記錄出現在畫面內的人、事、物，警務人員可以直接了解事物的實時活動情況及特征，發現其中的相關信息及規律，從而對預警信息進行實時的分析研判[7]。視頻監控因其實時性在警務實踐中具有不可替代的地位，而對視頻監控有效核實是現行預測警務場景下執法啟動風險過濾的主要機制之一。

以針對高風險盜竊人員的預測為例，在預測分析模型彈出預警信息之后，警務人員將基于視頻監控鎖定犯罪嫌疑人所處的地理位置及其活動軌跡，并予以實時監控。一旦發現犯罪嫌疑人存在異常行為（如在街邊物色盜竊目標），并且具備作案傾向（如翻越欄桿接近盜竊目標）或正在實施犯罪（如破壞盜竊目標的防盜設備）時，警務人員便會迅速啟動執法。在這一過程中，視頻監控不僅輔助警務人員印證預警信息的真偽，還實現了對高危犯罪嫌疑人的實時鎖定。

3.4 評價

一是現場指向性?，F行執法啟動風險過濾機制均指向與違法犯罪關聯的物理現場，借助上述手段，警務人員實現了一定程度的臨場性，從而將預警線索轉為現場的調查核實，將“機器懷疑”轉為“人的懷疑”?，F場指向性為確立人工研判環節的獨立程序地位與程序價值，為技術驅動的執法啟動適用傳統的啟動程序提供了現實基礎。

二是行為舉證性?；谏弦惶卣?，現行執法啟動風險過濾機制在調查核實的內容上不再依賴系統預警信息，而是著重從現場或與現場關聯的數據獲取證明某人或某團伙是否有違法犯罪嫌疑的證據。此類臨場性證據的收集，一方面可對系統預警進行核驗，另一方面也為執法啟動決策提供了證據基礎。

三是適用局限性。上述各類手段存在適用對象、適用條件和適用效果上的局限，例如，核對前科信息僅適用于查獲有前科的犯罪嫌疑人的情形，于首犯則無效；視頻監控核實手段以正常運行的視頻監控系統為前提，而沒有安裝、安裝不當或出現故障的視頻監控均無法使用這一手段；此外，即使能直觀反映現場情況的視頻監控，也可能無法提供執法啟動所需依據。

4 預測警務場景下執法啟動的規制難點

學界關于該問題的討論更多的是從人工決策的技術依賴、預測性執法對既有程序的沖擊、算法對外透明度的不足及執法解釋的事后救濟方面展開?；诖?，本文將分別立足于人類決策的特點與局限、既有程序的可適用性與缺陷、算法決策的雙向透明度不足、執法環節的事中解釋等維度進行闡述。

4.1 主觀因素的影響差異

從執法啟動決策的環節看，人工研判是預測分析向執法活動轉換的中間環節，體現了人類對治安行政執法與刑事司法高度審慎的態度，這也是預測警務未被定位為自動化決策警務的關鍵所在。從執法啟動的決策依據看，算法預測輸出與人工研判共同構成對犯罪風險的評估。其中，后者因評價前者的功能定位而發揮著決定性作用。即使實踐中有警務情報分析人員消極放棄人工研判，也仍然是其終局決定權的表現。從認知思維的維度來看，人工研判的本質是警務人員將機器的相關關系計算回歸人的因果關系判斷的過程，而這一過程主要受警務人員主觀因素的影響。

首先，受“有限理性的限制”，人類個體作出的決策無法達到理性選擇所描述的狀態，即使警務人員擯棄偏見、盡職盡責地展開執法活動，充分利用一切可以利用的資源，發揮最大的主觀努力，也無法完全避免錯誤的產生[8]。其次，由于不同警務人員的法律素養、技術認知水平、專業能力乃至固有偏見存在較大差異，面對同樣的預測分析，可能作出不同的執法決策。以執法歧視為例，倘若警務情報分析人員對某一地域存在偏見，那么他自然更傾向于認同包含該地域歧視因素的預測分析結論，進而作出啟動執法的決策的可能性也會增加。最后，預測警務場景下警務情報分析人員的一些隱性的主觀心理難以被發掘，而且難以準確測量。在此情形下，警務人員的主觀因素就成為規制執法啟動風險的重要變量。

4.2 啟動標準的規定不足

在預測警務模式下，隨著執法介入違法犯罪時間節點的大幅前移，學界普遍認為立案程序呈現虛置化傾向[9]，強制措施的適用條件有所松動[10]。但如果人工研判環節具有獨立程序地位的話，根據《公安機關辦理刑事案件程序規定》第174條、《公安機關辦理行政案件程序規定》第61條、《公安機關人民警察盤查規范》第4條之規定，系統預警可歸入自行發現違法犯罪線索的情形，或劃定可能的盤查對象的情形，人工研判則屬于對違法犯罪線索的審查、對盤查對象違法犯罪嫌疑之確定，以及最終的執法啟動決策的范疇。換言之，人工研判環節的臨場性與舉證性特征決定了預測警務場景下的執法啟動，并未也無需突破既有的執法啟動條件。

基于上述法教義學分析，本文需在既有執法啟動程序框架下進行相關反思。首先，盤查是預測警務場景下最常見的執法類型之一，現行執法啟動程序中有關盤查啟動的條件和標準不夠明確，無論對傳統的盤查還是預測警務驅動的盤查都難以形成有效規制。例如，在某起有關賣淫嫖娼的預警執法中，預測算法模型將某名女性列為賣淫的高風險人員，在其“觸網”后發出預警信息，警務情報分析人員利用視頻監控核實到該女性與一名男性間隔十分鐘先后進入酒店某房間，進而啟動執法。在啟動標準上，此案中的人工研判只是將“機器懷疑”轉為“人的懷疑”，而非人的“合理懷疑”。其次，預測警務場景下的執法具有多種類型，有些類型的啟動標準尚待細化。例如，預測警務下的通緝犯抓捕既不受刑事立案程序約束，亦不屬于盤查啟動程序的規制對象，相關啟動標準有待厘清。最后，預測警務模式下系統輸出的高風險分數或高風險等級不等于高度蓋然性的證明標準，考慮到預測系統輸出在緊急情形下可能成為啟動執法的主要參考因素，因而亟須確立科學合理的風險概率標準。

4.3 算法決策的透明度低

預測算法決策在產權保護、數據保密與技術進化等多重因素的作用下形成了不可透明化和難以透明化的披露難題。從宏觀層面而言，預測算法決策的低透明度會損害社會公眾的信任，危及預測警務的正當性基礎。算法決策過程是一個“黑箱”，很有可能使社會公眾處于“黑暗”之中，他們并不知道什么時候、出于什么原因，可能就會出現在犯罪預測系統當中[11]。從微觀層面而言，預測算法模型的低透明度會強化執法主體的技術依賴，損害執法對象陳述與申辯的能力，進一步加劇錯誤執法的風險。對內缺乏透明度會使執法人員無法理解和解釋系統的預警信息而選擇盲從，對外缺乏透明度則會阻礙執法對象的自我“脫罪”，導致其無從也無力證明算法錯誤。

算法是預測警務系統的核心技術。警察部門欲要打破算法“黑箱”，就不可避免地對算法技術進行一定程度的披露，這可能損害預測警務系統企業的商業利益乃至知識產權。由此，企業的產權保護就成為預測算法披露的第一個阻礙因素，例如，在美國提供Beware軟件的公司甚至不允許作為客戶的警察部門知道其算法[12]。與此同時，警察部門則憂慮算法與數據的披露可能被違法犯罪分子用來躲避預測性執法，還可能造成廣泛的法律爭議，破壞社會公眾對警察的信任關系。因此，警察部門的保守態度是預測算法披露的第二個阻礙因素。此外，某些算法的技術特點與功能特征排斥公開。例如，機器學習會不斷地自我進化，以至于設計者都無法對其進行解釋。綜上所述，如何在算法披露與產權保護、犯罪打擊、技術便利之間達致平衡，成為預測警務場景下執法啟動的法律規制難點。

4.4 執法干預可解釋性差

執法是基于事實與法律的行動。執法過程中，警務人員通過解釋義務的履行來說明執法的事實、理由及依據。解釋義務既可規范和約束警察權的行使，也有助于在爭取執法對象認同的同時，實現執法的教育功能。解釋義務不同于透明度，前者是問責機制中辯論層面的構成要素，后者屬于信息層面的要求[13]。從兩者的聯系來看，透明度是解釋的重要對象，也是解釋的障礙所在。

執法干預的可解釋性差主要源于技術因素。首先，技術存在不可解釋的情況。隨著人工智能在預測警務系統內的深入應用，即使對技術人員而言，系統預警的決策過程也變得難以回溯或追蹤。相應地，執法者也無從解釋作為執法啟動依據的系統預警。其次，技術鴻溝限制執法解釋的能力與效果。由于培訓缺位或不足，執法者缺少對預測警務系統的技術認知，這限制了他們對預測驅動的執法做出合理解釋的可能。退一步講，即使執法者受到了良好的訓練，能夠將技術因素融入執法說理，解釋的有效性還取決于執法對象的認知與理解能力。若執法對象不能就此進行有效的陳述與申辯，執法解釋的意義將大打折扣。最后，立法的利益衡量造成技術解釋的回避。由于需要平衡算法使用者的利益，算法決策的正當性解釋在現行數據保護框架下較為缺乏[14]，而這也為執法者回避技術解釋提供了立法空間。

5 構建預測警務場景下執法啟動的控制程序

學界圍繞算法嵌入執法過程中的風險規制已展開了很多有益的探討，如有學者認為應重構執法程序中新的人權保障框架，調整現有執法程序規定以尋求執法權擴張的平衡[15]；還有學者認為，刑事訴訟法作為銜接實體法與司法實務的程序法，應將其中規定偵查啟動和檢察機關介入的時間節點適當前移[16]，而上述觀點均屬于“突破既有程序說”?；谏衔膶θ斯ぱ信协h節獨立程序地位的法教義學解釋，本文將在“適用既有程序說”下展開討論。

5.1 完善人工研判程序

當預測分析為警務人員指出最有可能的違法或犯罪嫌疑人時，這本身并不會產生合理的懷疑，警務人員需要將它提供的信息與他們觀察到的行動聯系起來[17]。人工研判環節的不可或缺性決定其享有獨立的程序地位，而臨場性與舉證性特征則彰顯了其程序價值。在此基礎上，人工研判環節在性質上可歸入既有執法啟動程序下的各類活動，相應地，可為既有執法啟動程序所調整。同時考慮到預測警務特殊的運行結構，應對人工研判程序進行具體建構。

一是研判主體應由警務情報分析人員與一線執法人員共同組成。在“數據+行動”的執法運行機制中，警務情報分析人員是人工研判環節的主要實施者。警務情報分析人員既掌握預測警務系統的運行原理和專業知識，也具備檢驗預測分析的基本手段與方法，是發動和指揮執法行動的主要決策者。一線執法人員則具有豐富的現場執法經驗，透過專業直覺與現場分析可以對警務情報分析人員的情報進行二次研判，進一步過濾風險預測之錯誤。

二是研判對象應包括技術指標與現場指標。前者主要包括預測警務系統適用的違法犯罪類型，系統預警的風險值或風險等級，預測分析的置信區間，“觸網”的方式、時間與地點等技術指標，側重考察預測分析的可靠性；后者主要包括預警對象的身份、行為、與同行人員之間的關系等現場指標，側重檢驗預測分析的合理性。警務情報分析人員的研判對象包括前者與后者，而一線執法人員則主要研判后者。

三是研判方式應包括在線研判與現場研判。雖然在線研判可以完成對技術指標和現場指標的檢驗評價，但考慮到在線研判難以全面觸及現場指標，故應在運行機制層面明確一線執法人員的現場研判責任。

四是豐富研判手段。即應根據預測警務系統適用的違法犯罪類型，構建多元分層分場景的研判分析手段，以能夠有針對性地覆蓋預測警務執法啟動風險為宜。

5.2 細化執法啟動標準

學界通常將執法對權利的干預性作為確立執法啟動標準的主要因素，而將緊急性作為執法啟動標準的輔助因素。預測警務驅動的執法介入違法犯罪的時間節點大幅提前，甚至可以對犯罪做出同步響應，此變化一方面為法益保護贏得了時機，另一方面也使執法的緊急性增強，進而對執法啟動標準影響權重增加?；谏鲜稣摂嗖⒔Y合預測警務的運行實踐，應將執法啟動預警劃分為“通緝犯預警”“刑事犯罪嫌疑人預警” “行政違法嫌疑人預警”三個具體類型，分別對應不同的證明標準，如表1所示。

一是通緝犯預警。這一預警類型主要基于人臉比對技術，通過將視頻監控捕獲到的人臉信息與公安數據庫中的通緝犯進行比對，實現實時預警。鑒于被通緝的犯罪嫌疑人具有相當的社會危險性，這類預警通常會觸發對預警對象的抓捕行動，并伴隨刑事強制措施的適用。因此，通緝犯預警既符合執法緊急性標準，又符合權利干預標準。根據刑事訴訟法有關通緝和逮捕的規定，通緝的對象是應當逮捕但在逃的犯罪嫌疑人，也就是說，其犯罪嫌疑已被前期偵查所證明，故此類預測性執法的啟動只需證明預警對象是否為通緝的對象，而無需證明其是否已涉嫌犯罪。在此已證條件下，查獲犯罪嫌疑人的緊急性就處于優先地位。就啟動標準而言，只要監控對象達到系統預設的報警閾值，執法人員即可啟動抓捕。但當前人臉識別技術仍存在一定程度的錯誤率，為防止識別錯誤引起的錯誤抓捕，應對此類預測性執法建立嚴格的事后控制程序。具體而言，應構建4小時快速身份核驗程序，經核驗仍不能排除嫌疑的，可轉為一般偵查程序處置。與此同時，應為預警對象向抓捕機關的監督部門及通緝令發布機關提出申訴提供便捷的途徑。

二是刑事犯罪嫌疑人預警。該類預警的技術原理類似“熱點名單”，即通過對重點人口的犯罪風險評估識別出高風險個體并實施預警，此類預警主要適用于“兩搶一盜”類案件。該場景下執法啟動的證明標準，重在防范偵查的事前介入，同時追求法益保護。一方面，受現代刑事法治理念的約束，預測性偵查不針對未然之罪，不懲處思想犯，這要求偵查不得事前介入。另一方面，預測性偵查介入犯罪的時間節點大幅前移，使得及時制止法益侵害或使其免受侵害成為可能?？紤]到此情勢下法益保護的緊迫性，警務人員需緊急啟動偵查，而無暇對“需要追究刑事責任”做出理性判斷，因此，應降低現行的立案程序標準，即只要人工研判環節確有證據證明“有犯罪事實”即可啟動偵查。

三是行政違法嫌疑人預警。此類預警的技術原理同刑事犯罪嫌疑人預警相似，通過對特定人群的違法風險評估識別并預警高風險個體，該類預警主要適用于“黃、賭、毒”類治安案件。公安機關辦理行政案件始于受案程序，根據《公安機關辦理行政案件程序規定》第60、61條的規定，公安機關對自行發現的違法行為，亦按照受案程序辦理。預測性執法的啟動與對自行發現的違法行為的查處極其相似，兩者均源于執法者的人工決策，都具有主動性、臨場性的特征。不同的是前者的人工決策由“機器懷疑”轉化而來，后者則屬于純粹的人工決策?；趦烧叩南嗨菩?，可將執法啟動錯誤的控制節點前移至盤查階段。一方面，行政受案程序不同于刑事立案程序，不具備約束執法啟動的功能。另一方面，控制節點前移既可防止行政執法的恣意，亦可控制盤查的啟動，可更廣泛地保護潛在的社會公眾。因此，基于兩者的不同，應為預測性執法人工研判環節的“人的懷疑”設定標準。

我國立法對盤查的規定較為籠統，缺少必要的限制性程序?；谶@一現實，引入英美法系的“合理懷疑”標準有助于控制預測性執法的啟動錯誤?！昂侠響岩伞币蟆熬觳荒芤罁怀墒斓?、抽象的懷疑或者直覺’來采取行動，但是若執法官員能夠指出某些具體的、可言說的事實并據此進行合理推論，以證明其實施的侵犯行為是正當的，則其懷疑就是合理的?！盵18]由此，預測性執法的啟動應達到以下證明標準：首先，孤證絕對否定。不得僅依據系統預警信息啟動預測性執法。其次，有現場證據的印證。最后，系統預警未超時效?！澳Ｐ皖A警是實時的，但由于預測性警務和資源管理的異步性，警察部門無法對預警信息做出同步反應”[19]，因而執法行動明顯延遲的，應對系統預警的時效進行證明。

5.3 增強算法的雙向透明度

目前學界關于“算法黑箱”存在兩種截然相反的態度，多數派認為應當打破“算法黑箱”，少數派則認為作為事前的規制方式，算法透明不可行也無必要[20]?？紤]到可解釋人工智能技術的快速發展，以及預測警務算法的相對單一性，本文主張適度揭開“算法黑箱”。在算法透明度的方向維度，多數文獻關注對外的透明度，而較少論及對內的透明度。例如，在布倫南司法中心訴紐約市警察局一案中，法院支持了原告要求被告披露預測警務內部算法及數據獲取過程的訴訟請求，這一判決顯示出增加預測警務透明度對獲取社區信任的重要意義。但對外的單向透明度不足以解決預測性執法的“黑箱決策”問題，事實上，預測警務還存在對內透明度不足的問題。由此導致的執法人員的技術認知缺陷，不僅影響執法正當性解釋義務的履行，還會使決策責任的天平向警務情報分析人員不當傾斜。因此，警察部門應增強算法的雙向透明度，構建對內對外的雙重透明運行機制。

具體而言，警察部門可在政府采購程序中明確算法披露要求，并在采購合同中對算法披露的具體內容、范圍和方式等進行具體約定，同時明確技術系統應采用可解釋性的人工智能算法。通過上述措施緩解算法披露與商業產權保護、算法的不可解釋性之間的矛盾，為構建算法的雙向透明度提供基本保障。在增加對內透明度層面，警察部門應加強對情報分析人員，尤其是現場執法人員的技術培訓，使其理解、掌握預測警務系統的運行原理與運行風險，增強警務人員利用專業知識和經驗識別、排除錯誤預警的能力。在增加對外算法透明度層面，一方面，警察部門應在采購合同約定的限度內，將預測警務系統的算法原理與數據來源納入依申請的信息公開內容。另一方面，執法對象可以要求警察部門披露與之相關的信息，包括所用個人數據、系統預警信息及執法啟動的證據等，以保障其救濟權的行使。

5.4 健全執法解釋的運行機制

“理論上，算法設計完成時，算法的可解釋性程度就已可確定，而此時算法透明度可能仍接近于零，必須經由事后的披露、解釋和說明工作滿足透明度的要求?！盵21]因而，執法主體向執法對象解釋執法的事實、理由及依據是正當程序的應有之意?！吨腥A人民共和國治安管理處罰法》第82條關于傳喚的規定、第94條關于處罰的決定均對執法人員克以解釋義務：“應當將傳喚的原因和依據告知被傳喚人”“應當告知……事實、理由及依據”；在刑事訴訟中，“犯罪嫌疑人有權及時獲知被控告的罪名、案件情況以及所享有的訴訟權利?！被谏鲜鲆幎?，預測警務場景下的執法主體亦負有執法解釋義務，只不過解釋的范圍是否涵蓋算法決策值得商討。例如，歐盟《警察執法數據保護指令》（EU2016/680）序言（26）指出，應使自然人了解與處理其個人數據有關的風險、規則、保障措施和權利；歐盟《可信賴人工智能的道德準則》規定，應就AI系統的功能和目的進行公開交流，在可能的范圍內向直接和間接相關方解釋決策。

借鑒歐盟相關經驗，我國應逐步完善執法主體對預測算法決策的解釋規制。首先，針對一般情形與緊急情形分別規定解釋的時間節點。一般情形下，執法解釋應在臨場執法時進行。緊急情形下，執法解釋可在快速驗證程序中完成。其次，解釋主體為現場執法人員，必要時警務情報分析人員可參與解釋。執法人員是臨場執法與后續辦案的主體，具有解釋的便利性。當執法人員無法解釋相關技術時，可申請警務情報分析人員代為解釋。最后，解釋內容應側重對決策結果產生過程的闡釋?；谒惴Q策的雙階構造，可以將算法解釋權區分為以模型為中心的解釋權模式和以具體決策結果為中心的解釋權模式[22]。預測性執法啟動本質上是由“人”發起的，故應確定以具體決策結果為中心的正當性解釋義務，具體包括預警信息產生的原因及過程、預測分析的人工審查過程、執法干預啟動的法律依據與證據。

5.5 構建分階段分類別的問責機制

有學者提出，預測警務對警察問責的特殊挑戰在于警員將決策本身的責任和問責制“外包”給技術邏輯工具，進而造成潛在的責任缺口[23]。因應這一挑戰，關鍵需在確立人工研判環節獨立程序地位的基礎上細化問責機制。具體而言，應根據執法啟動決策主體的組成并結合具體的執法情形構建適當的問責機制。

一是構建分階段的問責機制?！豆矙C關人民警察執法過錯責任追究規定》第5條規定，執法人員應當根據各自對執法過錯所起的作用分別承擔責任。依據該規定，應將預測警務下的執法啟動，劃分為預警信息研判階段與后續的臨場研判階段，設立分階段的問責機制。針對第一階段的問責機制重在問責“不研判而下指令”“研判結果明顯有違常識而下指令”的情形?？紤]到這一階段多采用非臨場手段進行信息研判，研判手段存在局限性，故應適當提高這一階段的追責門檻。針對第二階段的問責機制重在問責“不研判而行動”“研判結果明顯有違現場情形而繼續行動”，同時還應建立對系統預警不作為的問責機制。

二是構建分類別的問責機制。不同場景下的執法啟動對應不同的證明標準，相應地對執法者的要求亦不相同。鑒于警務人員履責的緊急性對其主觀判斷的影響，這里將三種類別的預警簡化為“一般情形”與“緊急情形”。在一般情形下（違法犯罪嫌疑人預警），警務人員有相對充足的時間對系統預警與現場情形進行分析研判，故而應強化對兩類失責情形的責任追究；尚不構成執法過錯的，可通過績效考核給予負面評價。在緊急情形下（通緝犯預警），警務人員只需證明預警對象身份信息的同一性即可，至于數據錯誤導致的預警錯誤應由數據維護單位擔責。故緊急情形下的追責應側重事后4小時快速驗證程序的履行情況，同時應適當調高身份核驗階段的責任門檻。

6 余論

隨著大數據、人工智能等新興技術在警務領域的深度融合，由經驗驅動的執法模式正被以數據驅動的預測執法模式所取代。執法啟動驅動機制的切換似乎呈現出架空傳統執法啟動錯誤控制機制的樣態，在新型的人機互動機制中塑造出某種程度的“機器自治”。而在未來，技術發展或許支持預測性執法實現完全的自動化決策，如ChatGPT等人工智能技術產物的出現正逐步印證著這一可能。但毋庸置疑的是，法律王國之內，工具理性永不得超越價值理性。因而在制度設計層面，預測警務執法的啟動控制機制必須著眼于犯罪治理最大功效與制度內在價值承載最大化兩者的兼得與平衡。與此同時，基于人的主體地位，動態地建構覆蓋預測分析到執法啟動全流程的程序控制機制是化解技術型警務治理風險的必由之路。