司法智能化的证据分析模式探究——以“人工智能+威格莫尔图示法”为进路

事实认定者围绕证据所展开的分析过程,在实践中存在难度大、复杂程度高等问题.威格莫尔图示法是一种能使分析者建构、检验和重建关于事实问题论证的技术(方法),能够更好地促进分析者对证据的精确理解、分析和评价.结合人工智能的时代背景,将威格莫尔图示法与人工智能结合提出设想,构建以“人工智能+威格莫尔图示法”的司法智能化的证据分析模式.具体而言,利用长短时记忆(LSTM)模型挖掘案例训练集中的数据使用及分析的逻辑结构与情绪倾向,再不断进行训练,最后根据训练集的记忆路线自动进行图示的生成.如此,通过图示的方式来展现关于案件证据的分析过程,以期能在一定程度上实现更高性能、更高效率的事实认定.

侦查中证据链构建的新探索

侦查是一个双向的过程,一方面侦查人员追求还原案件事实真相,追本溯源;另一方面,侦查人员通过不断剖析从而勾勒自己的“故事模型”。不论哪一方向,都需要证据来做支撑。证据链则是支撑证据的,即是对案件事实支撑的支撑。当前学者们对侦查中构建证据链的研究不少,但是大多都是针对具体类型的案件所做的证据收集与认定的研究,这种研究大多都根据具体的案情或者某类案件的特征进行探讨,万变不离其宗。为此不妨打开思路,从一种更具有普遍性的方法论角度出发,探索利用概率理论和逻辑图示的方法得出一种侦查中证据链构建的新模式。