论人工智能辅助行政执法与刑事司法双向衔接

李文吉

2021 年修订的《行政处罚法》第27 条确立了行政执法与刑事司法的双向衔接，行政机关向刑事司法机关移送案件是“正向衔接”，刑事司法机关向行政机关移送案件则是“反向衔接”。一直以来，实践中存在“有案不移”的一个最主要的原因是行政执法与刑事司法衔接的实体标准不统一，所以首先要解决行刑衔接的标准。不过，即使有了比较合理的案件衔接标准，也无法彻底消除“以罚代刑”或“以刑代罚”。因为衔接标准的实际判断者和权威终局裁判者发生了分离，无法保证衔接标准的正确适用。此时，最好的解决办法是，在正向衔接中由刑事司法人员代替行政执法人员亲自判断每一个行政违法案件是否可能构成犯罪而需要移送，但这会消耗大量的司法和行政资源；反向衔接亦然。因此，中共中央印发的《法治中国建设规划（2020—2025 年）》提出全面推进“两法衔接”信息平台建设与应用。“十四五”时期，我国应加强关键数字技术创新应用，提升现代技术手段辅助治理能力。本文认为，随着人工智能技术及其应用场景的发展，在“两法衔接”信息平台建设和应用过程中，应当重视并运用人工智能辅助行刑双向衔接，即借助人工智能技术开发、升级“两法衔接”信息平台，构建智能化的信息平台，并通过平台辅助、监督行政机关与司法机关移送案件。

一、行刑双向衔接运行难的原因与破解路径

（一）行刑双向衔接的原理

行刑衔接的案件范围是具有行政违法性和刑事违法性双重违法性的行政犯。对于违反行政法规，侵害刑法法益，情节严重的行为，理论上称为行政犯或法定犯。[1](p1474)我国没有采取附属刑法的模式，将自然犯和行政犯都规定在刑法中，在行政法之中规定“构成犯罪的，依法追究刑事责任”。不过，行政犯的构成要件行为类型与行政违法行为高度类似，从构成要件上看，行政犯是行政违反+加重要素，[2](p63](p当形式上违反行政法又满足加重要素（数额较大等）时，就涉及由行政违法到行政犯罪的转变，即此时关涉行政执法与刑事司法的衔接。达到犯罪所要求“质量”的行政违法行为，不仅违反了行政法还违反了刑法，而行政责任和刑事责任的种类和功能并不完全相同，理论上来说，这类行为可能需要同时承担行政责任和刑事责任。不过，按照刑事优先原则，行政违法行为涉嫌构成犯罪时，优先追究刑事责任，需要移送司法机关。若行为人承担了刑事责任，如果行政处罚与刑事处罚采取的是同一性质的财产罚、自由罚等，则一般不需要再承担同种类的行政处罚，但依然可能需要承担职业禁止等其他种类的行政责任。[3](p125，131)若行为人的行为不需要或免于承担刑事责任，则需要考虑行为人是否需要承担行政责任。这便是行刑双向衔接的原理，其设计出发点和目标是避免遗漏行为人的刑事责任或行政责任。

（二）行刑双向衔接难的原因分析

实践中，行刑双向衔接皆存在困难。在行刑“正向衔接”方面，虽然国务院2001 年出台了《行政执法机关移送涉嫌犯罪案件的规定》，但司法实践中“有案不移，以罚代刑”问题仍较为突出。[4](p130)在刑事司法机关向行政机关移送案件的“反向衔接”方面，虽然2019 年印发的《安全生产行政执法与刑事司法衔接工作办法》等个别规章涉及人民法院的生效判决、裁定适用职业禁止措施送达应急管理部门和公安机关等相关问题，但总体来说，仍缺少专门规定规制刑事司法机关向行政机关移送案件问题，因此实践中往往不知如何操作。[5](p31)导致行刑双向衔接运行不顺畅的原因有三：

第一，行政违法与犯罪之间衔接的标准不明确。实践中，行政执法人员与司法人员对衔接的标准把握不一，容易导致处理结果具有主观随意性。行政违法与犯罪之间的区别主要表现为行政违法构成要件（应受行政处罚构成要件）和犯罪构成要件不同。2021 年《行政处罚法》原则上将主观过错作为应受行政处罚的构成要件，但行政机关并不承担证明责任，采取了有违法行为即推定过错的做法。而犯罪构成要件要求行为人在犯罪行为之外必须具有与之对应的主观罪过，这一罪过是对结果的心理态度，[2](p69)且由司法机关举证，不能根据犯罪行为推定罪过。除了主观方面的差异，从客观上来说，违反行政管理秩序的行为加上“数额较大”等罪量要素在大部分时候会具有刑事违法性，但是刑法毕竟不是行政法的绝对附属法，刑法上的违法性判断具有相对独立性。

第二，行政执法与司法的不同导致难以仅靠单方人力完成行刑衔接标准的正确适用。由于工作内容及角度不同，且移送存在的时间成本以及移送过程中大量的重复性、机械性劳动，即使有明确的行刑衔接标准，也无法确保行政执法人员与司法人员在实际办案中能够准确适用衔接标准及时移送案件。行政机关承担行政管理工作，行政权追求效率；司法机关承担打击犯罪的任务，司法权追求公平。因此，行政执法人员日常处理的案件范围、执法依据、理念与司法人员并不同。比如在正向衔接案件中，我国并未采取附属刑法模式而是统一刑法典模式，对于不熟悉刑法的行政执法人员而言，判断违反行政法且情节严重的行为是否满足个罪的构成要件是相当困难的。同理，司法人员对于行政处罚的认定标准也不熟悉，对于是否需要将案件移送行政机关也会存在偏差。此外，在实际操作层面，行政机关承担着大量的行政管理工作，不可能将大量的人力物力投入行刑衔接工作，而移送涉嫌犯罪的案件需要提交案件移送书等多份材料，移送案件的工作量较大。[4](p131)司法机关向行政机关移送案件同样也有不小的工作量。

第三，行刑衔接案件是否移送的实际判断者与终局裁判者的分离。理论上来说，为避免“有案不移”，应由司法人员判断是否将行政违法案件正向移送给司法机关，由行政执法人员判断是否将不予或免除刑事责任的案件反向移送给行政执法机关。但实践中的正向衔接实际是由行政执法人员根据衔接标准判断是否移送案件，而是否构成犯罪的法定、终局裁判者是司法人员，哪些案件涉嫌构成犯罪而需要移送司法机关由司法人员根据衔接标准来判断更具有权威性、专业性、准确性，实际判断者和权威终局裁判者发生了分离，这会导致“有案应当移而不移”问题。在反向衔接中，本应由行政执法人员判断何种行为应予行政处罚，实际上却是司法人员。

（三）破解行刑双向衔接难题的路径

当前我国行政权与司法权分别由不同机关所行使，因此，行刑衔接案件移送产生实际判断者与终局裁判者分离及因执法角度不同而无法准确把握衔接标准等问题是不可避免的，故破解的路径只能从两方面考虑：一是明确行刑双向衔接的标准。在正向衔接中进一步细化行政犯的追诉标准确实有利于促进行刑衔接，但行政执法人员处理的主要是行政违法案件，其积累的经验也多针对行政违法的认定，因此即使有明确的衔接标准，行政执法人员可能也无法准确判断是否涉嫌犯罪，而司法人员对于应移送而不移送的案件也无法监督。同理，反向衔接中也可能存在司法人员不移送的案件。二是借助行政机关与司法机关的信息共享平台辅助、监督案件的及时移送。为了实现对案件移送的监督，当前能够达成共识的方法是全面推进“两法衔接”信息平台的建设和应用。通过案件信息的共享，司法人员可以发挥其对犯罪认定的专业性，监督行政执法机关移送案件，反向亦然。当前，很多地方已建成“两法衔接”信息共享平台，但其主要被执法机关或法律监督机关用来发现案件线索，并不具有智能化辅助办案人员判断案件是否符合移送标准的功能，司法或行政机关发现案件线索，也需要与相关部门沟通、会商后才能移送案件，无法智能化辅助、监督办案人员及时移送案件。

二、人工智能辅助行刑双向衔接的可行性

人工智能辅助行政和司法决策在理论上具有可行性，实践中也已经出现了不少应用场景，在证据指引、校验和监督等方面发挥了重要作用。构建智能化信息平台，借助人工智能技术来辅助、监督行政执法人员、司法人员进行案件移送并辅助判断移送过来的案件是否涉嫌犯罪、应受行政处罚同样具有可行性。

（一）人工智能辅助行刑双向衔接的技术可能性

第一，人工智能辅助证据审查已成为现实。理论上认为，从证据收集、提起公诉、事实认定、证据确认、案情分析、作出裁判乃至整个庭审管理以及后续的收监、假释等环节，都有智能分析工具的用武之地。[6](p82)现阶段的人工智能系统能够辅助证据审查判断，如上海刑事案件智能辅助系统（简称“206 系统”）能运用深度神经网络模型和图文识别（OCR）技术，对证据进行识别、定位和信息提取，基本实现对单一证据的自动校验；还能运用命名实体识别技术、实体关系分析技术等，对多个证据是否印证、不同证据之间逻辑的符合性、证据之间是否存在矛盾等进行审查、提示。[7](p46-47)

第二，人工智能辅助案件事实认定与法律适用已成为现实。无论是定罪还是认定行政违法都是一个三段论的推理过程。以定罪来说明：犯罪构成是认定犯罪的唯一标准，即必须以犯罪构成要件为指导认定案件事实。因此，让机器储存完备的知识（如犯罪构成要件）是事实认定智能化的前提。现阶段的司法人工智能是一种知识与思维的合成体，具有分析和解决问题的综合能力，即其一方面存储了完备的事实认定知识，另一方面具有感知、识别、理解事实认定知识的能力及在此基础上的决策能力，能在某种程度上像法官一样具有完备的法律知识。[8](p126)当前人工神经网络方法是居于主要地位的机器学习方法，人工神经网络的深度学习系基于知识图谱数据特征的学习。[9](p70)其中，案件知识图谱是用符号形式描述的法律案件要素相互关系，即事先设定好案件图谱的相关结构，然后从海量的裁判文书、法律、司法解释中提取相应的情节来充实形成完整的知识图谱。[10](p48-49)而实体法、司法解释等规范是通过语言文字表述出来的，机器和人一样具有识别语言文字的能力，机器储存全部有关规范，可在事实认定时对这些规范信手拈来。[8](p126)例如，当前比较有代表性的人工智能系统——北京法院“睿法官”系统，其关键技术之一是以法律构成要件和要素为基础构建法律知识图谱。[11](p342)随着法律规范数据库和裁判文书数据库的建设以及文字识别、自动操作等技术能力的不断进步，全样本的数据基础指日可待。[12](p151)事实认定的智能化不仅要求机器具有完备的事实认定知识，还必须具有一定的思维能力，赋予机器思维能力的手段就是“算法”。人工神经网络算法就是训练机器自动或在人工输入期望值的情况下，调整输入信息与自身知识的连接强度，然后对输出信息进行判定，从而得出问题解决方案。[8](p128)神经网络算法是通过拆分事实和证据、标注要素进行学习和推理的。[13](p115)根据已经构建好的案件知识图谱，当人工智能“学习”法律文书达到一定数量之后，就能够让其模拟算法或者函数，根据录入文书提取的各种案件情节，通过深度学习，得出函数结果（通常是判决结果）。[10](p49)

（二）行刑双向衔接案件的特点更契合人工智能应用优势

第一，行刑衔接的行为类型先后违反了前置行政法和刑法，而行政违法行为类型多且行政违法标准具有具体化、精确化的特点，这更有利于发挥人工智能的优势。（1）如果未违反行政法规，行政犯也就不存在。为了避免重复规定以及能够根据前置行政法规的变化来及时调整行政犯的适用范围，刑法在行政犯构成要件中规定了“违反国家规定”等规范要素。即使刑法条文没有明文规定这类要素，构成行政犯也必须满足先违反前置行政法规。[1](p1472)规范要素的内容需要通过前置行政法规的具体规定予以填补，而填补行政犯的前置行政法规不仅名称、种类、数量众多，还会随着社会的发展而不断被废止、修订、增加，但穷尽法律规范来适用法律对司法人员来说具有一定的挑战，而人工智能对海量规范数据进行归纳演绎的能力可以帮助司法人员简化、优化这一过程。[14](p118)（2）除了“违反国家规定”类的规范要素，在行政犯构成要件中还存在“枪支”“假药”等行政性要素，这些也被规定在行政法规等前置性法律、规范性文件中。行政机关为了增强可操作性，已经通过各种行政性标准对这类要素予以具体化，司法人员在解释这类要素时，当然受这些行政性标准的制约。由于行政犯构成要素所依据的行政性标准具体、精确，与算法的匹配性更高，因此可以构建行政犯的人工智能法律知识图谱来判断行政违法的案件是否满足行政犯的构成要件要素。

第二，行刑衔接的案件具有弱伦理性，决定了其在讲求形式逻辑的人工智能系统建构中操作性更强、契合度更高。自然犯是天生违背了社会伦理道德的犯罪，违法性的判断过程中需要较强的伦理性常识。而行政犯具有行政违法性和刑事违法性，虽然说刑事违法性与行政违法性之间存在“质和量的区别”，但是在大多数情况下，两者保护的法益具有同质性，属于一种“量的区别”，于此，有学者提倡“前置法定性刑事法定量”。[15](p85)所以，肯定了行为具有行政违法性，再加上一定的数额较大等数量标准，往往也就肯定了其具有刑事违法性。而行政违法性的判断无须依靠人主观的经验、常识等，而只要依据客观的行政法规定或行政机关的批准，因此更加契合人工智能所具有的形式逻辑。[16](p62-63)

三、人工智能辅助行刑双向衔接的功能审视

（一）人工智能辅助行刑双向衔接的积极价值

第一，人工智能辅助行刑双向衔接能够约束、规范行政执法人员与司法人员对案件移送的自由裁量权，最大限度地避免案件移送的随意性。虽然当前辅助行刑双向衔接的智能化信息平台尚需搭建，但其与已诞生的人工智能辅助行政执法或刑事司法的实践应用本质相同。人工智能系统对司法裁判的辅助功能就在于适当改变“决策—论证”这一直觉主义司法过程，其决策结果为法官提供了重要的参考，[17](p74)强化了司法决策过程的科学性。例如206 系统把统一适用的证据标准嵌入数据化的办案程序来减少司法任意性。[18]与之类似，人工智能辅助行刑双向衔接的价值也在于对案件是否移送的决策去随意化，强化双向衔接的客观化。

第二，人工智能辅助行刑双向衔接有利于实现行政机关与司法机关的案件信息共享，进而监督案件及时移送。人工智能辅助司法可以最大限度实现不同执法部门的信息共享，改变传统仅靠人力来监督案件移送存在的效率低、容易遗漏与不及时等问题。人工智能系统还能识别并发现执法人员怠于工作或枉法裁判的情况。[19](p146)通过将基本证据标准指引嵌入智能辅助办案系统，刑事诉讼流程全程可视、全程可控、全程留痕。[20](p123)智能化的行刑衔接系统也能实现上述功能，使行政机关与司法机关案件信息共享，对案件的移送进行全程、实时、动态的监督，这既能破解有案不移困境，也能防止出现司法机关或行政机关拒绝接受移送过来的案件问题。

第三，人工智能辅助行刑双向衔接有利于改变执法人员个体判断的局限性，实现规范化的“类似案件类似处理”。成文法的局限性即抽象性决定了不同执法人员、不同执法机关对同类案情或同一法条可能作出不一样的理解。这虽然不可避免，却有损法律的统一适用。近年来，最高人民法院出台司法解释、发布指导案例、推进类案检索等一系列举措均旨在推进法律统一适用。在人工智能的协助下，大数据可以为法官提供一定量的类案和关联案件的判决参照，从而消减主观意识与价值判断对法官的影响。[21](p15)人工智能辅助行刑双向衔接也是为了克服衔接过程中行政执法人员对构成犯罪的判断以及司法人员判断行政处罚的过程中存在的专业薄弱性、个体局限性与差异性。无论是将人工智能应用于行刑衔接，还是将其应用于证据审查等领域，都是以技术之优势弥补执法人员在实践中的不足，法律的形式理性以技术表达的方式得以展现。[22](p144)比如，刑事司法智能化可以瞬间汇集成千上万的同类案件，抓取海量案例证据要素进行比对分析，[20](p124)可以更及时、全面并准确“发现”“获知”“统合”司法大数据中“隐藏”的“量刑经验与规律”，同时固化为“实践中的量刑规律与经验理性”，突破过往由执法人员认识与总结实践经验之局限性。[23](p73)

第四，人工智能辅助行刑双向衔接可以更有效地提升衔接的效率。实践中，现有“两法衔接”信息平台的智能化仍有欠缺，人工检索费时耗力，成效较低。人工智能可将办案人员从事务性或基础性工作中解放出来，将有限的司法资源运用到最需要的领域。[24](p113)例如，智能辅助办案系统能够在报捕、移送审查起诉、提起公诉等程序节点提示办案人员证据是否缺失以及是否存在瑕疵，而且也能避免办案人员反复录入案件基本信息、证据材料，从而节省了大量的时间成本，大幅度提升司法效率。[20](p124)

（二）人工智能辅助行刑双向衔接的风险

1.对执法自主权和责任削弱的风险

理论上认为，人工智能为执法者和司法者提供决策辅助，会分享执法者与司法者的权力和责任。一是人工智能削弱执法者的执法自主权。人工智能赋能行刑双向衔接，使得执法主体至少变为有技术加持的法律主体，甚至扮演了类似法律主体的角色。[22](p144)如果事实认定、法律适用过度依赖人工智能无疑会侵蚀现行法律授予执法人员的执法自主权。如果不限制人工智能辅助执法的程度，那么掌控技术的决策者就会根据技术理性来执法，原有的执法逻辑可能会被技术逻辑所取代。[19](p152)正如有学者指出，智能化司法虽然看上去是依据法律在裁判，并且细化了法律的标准（压缩裁量权），但事实上它是在法律之外重新建立了一套标准，那就是算法。[25](p50)办案人员的行为会受到智能办案系统的调控与约束，从而消解执法人员的主体性。[26](p145)执法人员会产生一种“输出迷恋”，即计算机程序输出的结果不能被质疑，并被赋予了最终的权威。[27](p157)二是人工智能被纳入行刑衔接领域，使其成为执法人员转移和分担责任的对象，这为执法卸责提供了便利。在人工智能的辅助下，执法人员可以像流水线那般处理案件，无须过多地动用主观判断，也不需要审慎权衡各种复杂的决策因素，这自然能在很大程度上卸去身上的责任重担，但在发生错误的时候，他们也会推卸责任给技术或系统而不是他们自己，将人工智能技术作为“替罪羊”的做法将导致包括司法机关在内的公共部门产生责任推卸问题。[27](p156)

2.工具理性对价值判断消解的风险

人工智能技术与工具理性具有天然的契合性，工具理性强调客观性，排除价值判断和人为干扰。[28](p59)人工智能的决策会在一定程度上消解裁判所必需的价值判断。“自动售货机”式司法裁判在人工智能的塑造下成为可能，就算法而言，它将群组作为分析单位，并对不同群组作同质化处理，因此，算法决策时会将个人差异因素排除出去。[29](p19)在此模式下，司法裁决者能无差别地对待同类事实和证据，拒绝关注情感和价值上的细微权衡，放弃承担依靠经验法则和逻辑法则进行事实认定以及对法律进行衡平适用的职责。[27](p160)所以，智能化执法的确可能实现统一裁判，却无法解决裁判所必需的价值判断，一旦涉及价值选择和价值判断，法律智能系统的短板就会暴露无遗。[30](p161)因为价值判断是无法被算法以理性的方式精确模型化的，但价值判断是正确裁判所必需的，正确裁判要求形式正义与实质正义的统一，要实现个案正义、实质正义，就必然需要价值判断，而这正是人工智能技术的短板，算法基本将价值判断排除在外。[25](p49)与其他人工智能辅助执法应用产生的风险类似，人工智能辅助行刑双向衔接的风险也在于工具理性对价值理性的消解。如果智能化信息平台代替司法人员、执法人员对移送案件作出实质性价值判断，人工智能直接对案件是否有罪、是否需要行政处罚作出判断，这不仅与《行政处罚法》《刑事诉讼法》中的行政主体、司法主体之规定相违背，也有悖于当前人工智能应用于司法的原则——作为辅助者的人工智能不得动摇人类作为司法决策者的主体地位。[31](p118)倘若以工具理性驱逐价值理性，裁判结果均向人工智能意见“看齐”，这种“唯工具论”的指导思想无疑会影响司法公正的实现。[32](p165)

四、人工智能辅助行刑双向衔接的逻辑进路

（一）明确人工智能的辅助地位、执法人员的最终决策地位

无论是行政人员还是司法人员都应将最终的决策权掌握在手中，而不能过度依赖人工智能。当前的办案责任制是谁办案谁负责，执法人员在办案过程中对案件具有自主裁判权，同时也要对案件结果负责，即便在人工智能辅助的情况下，作出有效决定的仍然是执法人员，责任归属也在于执法人员自身。因此，为防止发生错案时人工智能工具成为裁判者推卸责任的对象，应当明确案件裁判者和人工智能技术之间的主体与工具的关系。[33](p690)人工智能应当被定位为“辅助手”，它的价值在于学习法律人的思维方式和裁判方法，以技术效应提升法律任务的执行质效。[22](p145)所有法律人工智能都只是一个服务者、参谋者和建议者，正确裁判的荣耀与错误裁判的责任最终仍由裁判者本人承担。[32](p172)在人机协同模式下，尤其要突出执法人员的最终决定权。比如，人工智能辅助预测量刑系统主要是扮演辅助司法人员更精准量刑的角色，是辅助司法人员办案的高效手段，而不能完全替代司法人员办案，[23](p77)法官处于裁判量刑的核心地位，拥有案件的最终裁判权，这种模式弥补了智能量刑系统在价值判断上的“失灵”，由此裁判文书兼具对事实判断和价值判断的说理论证，从而彰显司法裁量的公平正义。[34](p94)

（二）明确人工智能辅助行刑双向衔接的范围

人工智能擅长的是客观事实判断，价值判断很难被完全转化为算法而被人工智能所掌握。人工智能只能对海量证据进行初步筛查、提取和判断，无法对证据的证明力、社会危害性和危害后果之间因果关系等作出刑法规范性的认定。[24](p114)笔者认为，人工智能辅助行刑双向衔接应明确其适用范围为价值判断以外的领域，价值判断问题则交给执法人员。

对正向衔接而言，要对行政犯构成要件的符合性与违法性、有责性判断做出形式与实质的分离，行政犯构成要件要素中的“枪支”等要素的认定要与前置行政法保持一致、参照行政机关制定的客观标准，因此构成要件符合性阶段的认定可由人工智能采用行政性标准进行事实判断，而违法性和有责性的判断更多涉及价值判断与个别判断，则需要由司法人员、执法人员处理。

将构成要件符合性和违法性、有责性分开判断的方法能够在刑法教义学上找到依据，比如我国形式解释论就是采用的这种方法。实质解释论认为构成要件是违法类型，构成要件具有（实质）违法性推定的功能，构成要件的描述旨在使值得科处刑罚的违法行为处于构成要件之内，对构成要件的解释要做到形式与实质的统一，所以，实质解释论会根据刑法的法益对行政犯构成要件要素作出独立于前置行政法的实质解释，如果个案不符合形式与实质的构成要件要素也就否认了构成要件的符合性与违法性。[35](p51-53)而形式解释论采用先形式后实质的方法对构成要件进行形式解释，先在构成要件符合性阶段进行形式判断，在违法性阶段作更为实质的价值判断。[36](p46-47)具体到行政犯，先对行政犯构成要件要素作出与前置行政法一致的形式解释，然后在判断行为的构成要件符合性的前提下再实质判断刑法法益的侵害性，如果不具有刑事违法性和刑法法益侵害性则应当予以出罪。反向衔接也要进行形式与实质的分离，形式上是否应受行政处罚可以由人工智能辅助判断，但是实质上是否应当或需要行政处罚涉及价值判断，应由行政执法人员判断。

（三）人工智能辅助行刑双向衔接模型的构建

理论上认为，智能司法系统存在两个模型：智能司法辅助决策的逻辑模型、实现辅助裁判目标的计算模型，前者为人工智能与法学的交叉领域，后者归属技术领域，法学研究主要关注前者。[37](p61)与之类似，人工智能辅助行刑双向衔接模型的目标也是解决人工智能辅助行刑双向衔接的逻辑与路径，人工智能设计者所要解决的是如何将现实的逻辑规则转化为算法，而法学学者则要设计出可行、合理的逻辑规则。

1.“自上而下”地构建行刑双向衔接的知识图谱

行刑双向衔接知识图谱应采用自上而下路径，由法律专家根据法律逻辑以法律构成要件和要素为基础构建。①自下而上路径是指完全由机器在对司法案例大数据进行深度学习基础上自主构建法律知识图谱。由于法律数据尤其是司法案例数据涉及法律解释、价值判断等不确定因素且多为非结构化数据，若采取机器对司法案例大数据进行深度学习，自主构建法律知识图谱的自下而上路径，难以有效完成实体、关系及属性抽取等任务，因而，采取自上而下路径构建法律知识图谱是相对合理的选择。参见高翔：《智能司法的辅助决策模型》，载《华东政法大学学报》2021年第1期，第67页。具体而言，应在行政处罚构成要件和犯罪构成要件的基础上形成行刑衔接的构成要件来构建知识图谱结构。法学和司法专家通过梳理不同类衔接案件的法律法规、司法解释信息，形成每种案件的构成要件和要素，并对其进行分类、组合、关联、更新，构建成一个完整的知识体系。在此基础上，运用大数据技术按照构成要件来挖掘和分析法律法规、案例等各类信息数据，从中智能识别、抽取和关联案件属性特征和相关法律知识点，实现对法律知识的谱系化输出。[11](p342)

2.人工智能辅助行刑双向衔接知识图谱结构的构成要件

（1）正向衔接知识图谱结构的构成要件

智能化信息平台辅助行政机关向司法机关移送案件的标准即正向衔接的知识图谱结构的构成要件是：犯罪主体要件+与行政违法行为相对应的行政犯罪客观行为要件+立案追诉标准要件。至于是否实质上侵害了刑法法益、是否具有主观的罪过需要由司法人员查明并判断。

具体分析如下：当前理论上对于犯罪构成要件以及行政处罚构成要件存在一定争议，犯罪构成要件存在平面的犯罪构成四要件和阶层犯罪论体系，各种犯罪构成理论都是从刑法规定出发，所包含的主客观要件种类、数量没有多大区别，只是各个要件的排放顺序、判断顺序有所差别。阶层犯罪论体系属于形式与实质分开的判断方法，而犯罪构成四要件是对客体方面、客观方面、主体方面、主观方面的每个方面均进行形式与实质相统一的判断，且四个方面不是简单叠加，而是有机统一。人工智能辅助行刑衔接过程中，实质判断由司法人员把控，而非人工智能，而犯罪构成四要件须对主客观方面进行形式与实质的一体判断，这难以为人工智能所承载。因此，采用先形式判断构成要件符合性再实质判断违法性、有责性的阶层犯罪论体系为宜。人工智能仅仅是辅助判断行政违法案件是否涉嫌犯罪，不需要精确判断是否构成犯罪，因此，只要形式上满足犯罪主体要件+与行政违法行为相对应的行政犯罪客观行为要件+立案追诉标准要件，这种行为就应当移送给司法机关，具体来说：

第一，刑法对犯罪主体要件的要求是达到刑事责任年龄和具有辨认控制能力，由于辨认控制能力属更为实质的判断，需要司法人员把控，因此，只要满足刑法对犯罪主体所规定的年龄就满足这里的犯罪主体要件。第二，与行政违法行为相对应的行政犯罪客观行为指的是，在形式上（文字表述上）与行政违法的行为类型相同的刑法客观构成要件行为类型。现以“妨害药品管理罪”来说明。该罪构成要件的行为类型很多，其中之一是“编造生产、检验记录”，由于这一行为类型与《药品管理法》第142条中的一种情况相对应，故这种“编造生产、检验记录”就是与行政违法行为相对应的行政犯罪客观行为。第三，我国犯罪成立采用的是定性+定量的模式，最高司法机关制定的立案追诉标准规定了犯罪所要求的罪量和结果要件，立案追诉标准是行刑衔接的一个要件。第四，之所以不需要考虑主观方面，主要是根据2021 年修订后的《行政处罚法》，除非法律法规明文规定了行为人应当具备的主观心态，只要有行政违法行为就可推定行为人具有主观过错，行政机关并不主动举证，除非当事人有证据足以证明没有主观过错。[38](p113)况且，行政违法所要求的主观过错与犯罪主观方面不同，犯罪的主观方面需要由司法机关来查证，因此，主观方面并不是行政机关向司法机关移送案件的必备要件，如果行政机关查证或者当事人提供了主观过错方面的证据，可以作为辅助材料一并移送。

（2）反向衔接知识图谱结构的构成要件

刑事司法机关向行政机关反向衔接的案件有两种：一是行为构成犯罪还须行政处罚的；二是行为人的行为虽不构成犯罪但可能应受行政处罚的（也可能最终不会受到行政处罚）。智能化信息平台辅助司法机关向行政机关移送案件的标准即反向衔接知识图谱结构的构成要件是：违法主体要件+行政违法行为要件。

具体分析如下：行政处罚均以违法主体实施了客观违法行为作为核心要件，如上文所述，除非特殊行政违法行为，否则违法主体有违法行为就可推定具有主观过错。与犯罪要求具有严重的社会危害性不同，行政处罚仅要求行为“违反行政管理秩序”，违反行政管理秩序即违反行政法律规范，[39](p8)危害结果不是行政处罚的必备要件而是选择要件。因此，对于需要移送行政处罚的案件而言，只要违法主体具有行政违法行为，司法机关就应当将其移送给行政机关。而且，司法机关查明的主观要件以及危害结果的证明材料也要作为辅助材料一并移送，这些材料会最终影响行政机关是否做出行政处罚。①2021年修订的《行政处罚法》第33条规定：违法行为轻微并及时改正，没有造成危害后果的，不予行政处罚。初次违法且危害后果轻微并及时改正的，可以不予行政处罚。当事人有证据足以证明没有主观过错的，不予行政处罚。法律、行政法规另有规定的，从其规定。

3.根据“构成要件化的知识图谱”嵌入证据移送指引

将上述正向衔接和反向衔接的“构成要件化的知识图谱”嵌入证据移送指引，辅助执法人员判断移送的案件证据是否已经齐备：第一类为主体身份证据；第二类为违法行为证据；第三类为立案追诉标准证据；第四类为辅助性证据。第一类包括违法主体年龄、单位资质身份、责任能力等；第二类包括违法行为类型、涉案物品、检验报告等；第三类包括销售金额、违法所得、造成的人身及财产损失等后果；第四类为辅助性证据，如主观故意、过失的证据。人工智能主要是判断证据规格，指出各待证事项的证据是否缺失、是否存在瑕疵，系统则自动抓取违法人员信息、违法行为、危害后果等基础信息，并按照证据审查指引，辅助执法人员判断移送的案件证据是否已经满足移送案件所要求的构成要件。由于移送的案件仅仅是涉嫌犯罪或应行政处罚，因此证据方面无须达到“排除了合理怀疑”，且“排除合理怀疑”也是人工智能难以完成的。

4.人工智能司法辅助行刑双向衔接的基本过程

第一步，行政、司法办案系统的接入。行政执法信息系统、司法案件信息系统接入智能化信息平台，案件信息汇入智能化信息平台。第二步，情节提取。情节提取以行刑衔接构成要件化的知识图谱确定的框架以及证据指引来识别每个案件，此步骤实际上就是对待决案件的证据材料、信息按照构成要件的要求进行分类，形成结构化的标签。第三步，相似性匹配度比对。对抽取出的待决案件信息，与以知识图谱形成的法律本体库为基础的智能司法语义网进行相似性匹配度对比，[37](p69)对比待决的案件是否满足行刑衔接所要求的构成要件，比如正向衔接中需要人工智能判断待决案件中的主体是否满足犯罪主体所要求的年龄等，其所实施的行政违法行为是否满足刑法构成要件中的行为类型，其所导致的后果是否达到了立案追诉标准中的数额等。第四步，输出移送结果。若具备相似性匹配度，系统则将符合移送条件的案件信息即时移送给司法机关或行政执法机关，由执法人员对移送的案件进行实质审查。需要指出的是，人工智能输出的移送结果仅意味着案件涉嫌犯罪或者应受行政处罚，这种结果仅仅是一种参考，是否实质上符合犯罪或行政处罚所要求的证据和事实的认定标准仍需要由执法人员进行独立实质判断。