［日］星周一郎

李立豐 宋 婷 譯

在2015年進行的《個人信息保護法》以及翌年進行的《行政機關個人信息保護法》的修改過程中，日本立法機關均秉持“適當有效地利用個人信息有助于創(chuàng)造新興產業(yè)，實現(xiàn)有活力的經濟社會和富裕的國民生活”的理念，制定具體方案，設置了諸如“匿名加工信息”和“非識別加工信息”等概念。據此，所謂大數據活用的政策導向，在個人信息保護的法制框架中得以確認。

在現(xiàn)實社會中，以大數據為代表的“信息通信技術”（Information and Communication Technology，ICT）與人工智能解析的活用領域不斷擴大。在廣義刑法語境中，出現(xiàn)了將大數據解析及其結果運用到警務活動的相關嘗試。2016年10月，日本京都府警察局導入了“預測型犯罪防范系統(tǒng)”，嘗試在巡邏中參考利用既往數據作出的犯罪預測。另外，2018年4月，日本警視廳召集有識之士舉辦研討會，發(fā)表了《關于在預測犯罪、交通情況、警備事件中信息通信技術活用方式的建議書》，指出“社會環(huán)境發(fā)生了顯著變化，在偵查活動中吐故納新，在恪守傳統(tǒng)的同時根據時代的變化討論全新的方案至關重要”，強調“研究在偵查活動靈活運用全新信息通信技術的可能性，與偵查活動的專業(yè)化、迅速化、效率化以及通過犯罪預測防患于未然等能否確保都民、國民的安全與安心等問題息息相關”。①犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する有識者研究會『犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する提言書』(2018 年)「はしがき」。本文旨在針對所謂“大數據警務”，即上述靈活運用大數據和人工智能解析的偵查活動相關的法律課題加以探討。

一、“大數據警務”概念之厘定

（一）情況概述

在思考大數據警務這一問題之前，首先需要明確何謂“大數據”。一般認為，大數據的構成要素主要包括：（1）數據獲取的海量性；（2）由多種生活要素數字化后帶來的多樣性；（3）數據使用者的反應速度和頻度的提升性；（4）排除數據中的矛盾和不確定性后的正確性。②鈴木優(yōu)＝村上諭志「ビッグデータの利活用におけるパーソナルデータ取扱い上の法的留意點」知財管理68 巻6 號(2018 年)730 頁參照。不過，大數據概念本身并不明確，算不上極為嚴密、毫無爭議的法律概念。③犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する有識者研究會『犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する提言書』(2018 年)5 頁。以及2017 年12 月東京都政府制定的『東京都ICT 戦略』中所說的“ 數據龐大且復雜多樣。指個人通過手機發(fā)出的信息、導航系統(tǒng)的行程等平日中生成的數據合集。不單數據龐大，還有非定型的特點，能夠實時增加并發(fā)生變化”另外，關于使用大數據時頻繁利用的人工智能技術，也處于多種認識并存的狀態(tài)，尚無明確定義④犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する有識者研究會『犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する提言書』(2018 年)8 頁，指出“ 利用電腦軟件或系統(tǒng)模仿人腦的知識性運作”。另外，上述文獻中，還采用了東京大學大學院特任教授中島秀之的見解，即認為人工智能“ 是一個人造的具有智慧的實體”。，所以尚且無法對其加以法律界定。

是故，想要對于根據大數據人工智能解析開展的偵查活動，即“大數據警務”加以明確定義絕非易事，甚至可以說是無法完成之使命。因此，在實際利用大數據、人工智能解析完成偵查活動日益普及的今天，關于相關問題的法律討論也變得相對困難。本文在承認存在不確定要素的同時，將立論前提預設為“警察等執(zhí)法機關利用計算機分析大量的數字化數據，并根據其結果，針對特定嫌疑人實施犯罪搜查，或根據犯罪預測開展偵查活動”，進而展開論述。

（二）按照先后順序進行的分類

但是，即便理解了上述內容，根據在什么場合，出于什么目的，應當如何使用大數據和人工智能解析的不同，所討論的問題也存在很大差異。關于這一點，有學者⑤See A.G.Ferguson,“Big Data and Predictive Reasonable Suspicion”,163 U.Pa.L.Rev.327,377(2015).指出，應該從“觀察”“搜查”“預防”這3 個視角來把握大數據的使用?？梢詫⑸鲜鲇^點理解為一種沿先后順序進行的分類整理，即觀察現(xiàn)在進行中的犯罪行為、調查（搜查）過去的犯罪行為，以及預測將來的犯罪行為。

所謂“觀察”，是指在犯罪現(xiàn)場，警察登錄相關數據庫獲取其中所登記的前科者或可疑者的信息并加以比對的利用形式。據此，警察可以鎖定未知嫌疑人的真實身份。2012年，美國紐約市警方與微軟合作引進了“場域感知系統(tǒng)”（Domain Awareness System），通過民間設置的3000 多部連網的街頭監(jiān)視探頭、911 報警電話錄音、200 臺以上的汽車車牌自動讀取裝置等，實時收集相關公共安全數據①See Microsoft,“New York City Police Department and Microsoft Partner to Bring Real-Time Crime Prevention and Counterterrorism Technology Solution to Global Law Enforcement Agencies” (Aug.8,2012),http://news.microsoft.com/2012/08/08/new-york-city-police-department-and-microsoftpartner-to-bring-real-time-crime-prevention-and-counterterrorism-technology-solution-toglobal-law-enforcement-agencies,accessed by May 1,2015.，并結合從以往犯罪報告書中收集的數據展開迅速分析。由此，警察可以第一時間研判涉案車輛的軌跡及犯罪人的動向。②See A.G.Ferguson,Big Data and Predictive Reasonable Suspicion,163 U.Pa.L.Rev.327,378(2015).

所謂“搜查”，無疑是在犯罪發(fā)生，但警察尚未直接識別犯罪現(xiàn)場的情況下，為了確定犯罪人而實施的行為。在過去發(fā)生的犯罪中，大數據多被用于確定犯罪人的人體特征。也就是說，根據面部照片等生物識別相關海量數據，根據用于甄別身份生物特征的算法，或者通過從登記汽車信息的數據庫立即核對車牌等，獲得遠高于以往的執(zhí)法效率。其效果與“觀察”的情況相同，取決于數據庫中登記的數據量能否順利進行例如生物體認證數據、移動電話等的登記數據、汽車的登記數據、銀行賬戶數據的匹配。③Ibid ②,380-383.

（三）大數據警務與犯罪預測

相對于上述內容，所謂“預防”，是指預測將來犯罪的發(fā)生，并根據由此得到的合理嫌疑進行偵查。這與“觀察”和“搜查”不同，至今仍然給人以“科幻故事”的印象。但是，特別是美國的警察，從很早開始就致力嘗試對犯罪發(fā)生率較高的地域，或對卷入犯罪等糾紛的可能性較高的人物加以預測。④Ibid ②,383-384.

在鎖定“區(qū)域”的大數據預測偵查活動中，聞名于世的莫過于2011年7月在美國加利福尼亞州圣塔克魯斯郡開始的某執(zhí)法項目。警方從過去龐大的犯罪數據中抽取特定的犯罪模式，找出容易發(fā)生非法侵入車輛和住宅實施盜竊等財產犯的場所和時間，即“熱點”，并對該處展開重點警備。⑤See E. Goode, “Sending the Police before There's a Crime”, N.Y. Times (Aug. 15, 2011), available at https://www.nytimes.com/2011/08/16/us/16police.html. 山本龍彥「予測的ポリシングと憲法- 警察によるビッグデータ利用とデータマイニング」以及『プライバシーの権利を考える』(2017 年)100 頁以下。另外，前面提到的美國紐約市警察的“場域感知系統(tǒng)”亦可用于此類偵查。⑥此外，據說美國西雅圖市也進行這種預測性偵查。See Elizabeth E.Joh,“The New Surveillance Discretion: Automated Suspicion,Big Data,and Policing”,10 Harv.L.&Pol'y Rev.15,16 (2016).

如前所述，2016年10月，日本京都府警察部門也開始運用“預測型犯罪預防系統(tǒng)”，借助系統(tǒng)中存儲的過去10年間在京都府轄區(qū)內發(fā)生的約10 萬條案件信息，分析搶劫、猥褻等多發(fā)犯罪趨勢，并按不同時間、地點的發(fā)生概率用不同顏色對其加以區(qū)分。也有報道稱，利用這一系統(tǒng)，在停車場巡邏的警察發(fā)現(xiàn)了偷摩托車的男子，并以涉嫌盜竊對其實施當場逮捕。⑦2017年1月7日日本《經濟新聞》夕刊的報道。笹倉宏紀「人工智能と刑事法」山本龍彥編著『人工智能と憲法』(2018年)421 頁。

此外，還有針對“人”的預測性偵查。芝加哥市警察推行的“支援告知系統(tǒng)”（Custom Notification Program），就是相關實踐的例子。⑧山本龍彥 論文「予測的ポリシングと憲法- 警察によるビッグデータ利用とデータマイニング」102 頁以下，以及山本龍彥「ビッグデータ社會とプロファイリング」，『プライバシーの権利を考える』書261 頁以下。警察根據多種經驗數據，應用預測暴力犯罪的實行犯和受害者的算法，制成將被預測對象匯總在一起的“重點列表”①See Jereny Gorner,“Chicago police use 'heat list' as strategy to prevent violence”,（Aug,23,2013）available at http://www.chicagotribune.com/news/ct-xpm-2013-08-21-ct-met-heat-list-20130821-story.html,accessed by Oct.12,2022.。隨后，警察逐一訪問名單所列對象，警告其將來如果犯罪會產生的后果，同時告知其將會接受的社會服務等內容。②See David Robinson et al.,“Civil Rights,Big Data,and Our Algorithmic Future” (September 2014),available at https:// centerformediajustice.org/wpcontent/uploads/2014/10/Civil-Rights_Big-Data_Our-Future.pdf,accessed by Oct.15,2022.當然，針對于“人”的相關屬性的犯罪分析，確實也存在一些問題。③山本龍彥 論文「予測的ポリシングと憲法- 警察によるビッグデータ利用とデータマイニング」103 頁以下。另外，針對于人的犯罪分析與美國憲法第四修正案之間的關系，也催生了一些論點。A. G. Ferguson, Big Data and Predictive Reasonable Suspicion, 163 U. Pa. L. Rev.327, 387(2015).

二、大數據警務的影響

不可否認，大數據警務的現(xiàn)實應用時日尚短，而信息通信技術和人工智能分析的進展日新月異，在兩者共同作用下，對于這種警務模式創(chuàng)新的評價本身勢必伴隨著一定的困難。即便如此，仍然可以對其優(yōu)缺短長加以簡要論述。

（一）可能具有的優(yōu)點

首先，大數據警務的優(yōu)點之一，便是提高了偵查的精準度和效率?；诖髷祿娜斯ぶ悄芙馕龊头缸锓治觯绻軌蛏杀容^準確的信息，只需要對該信息排除合理懷疑，警察就可以在無須與該項犯罪無關的人接觸的情況下，準確鎖定實際的犯罪人，并對其進行執(zhí)法。④A.G.Ferguson,“Big Data and Predictive Reasonable Suspicion”,163 U.Pa.L.Rev.327,389-391(2015).另外，不僅能夠確保警方能夠在有效抑制犯罪和逮捕犯罪人的地區(qū)、時間段進行巡邏，從而確保在進行群體性活動的秩序警備時，能夠基于過去的實踐經驗以及社交媒體等信息的實時分析，預先準確預測人流量和人流方向，從而能夠更有效率、更有效果地配置警備人員加以應對。

另外，還有學者提出頗有見地的論點，認為大數據警務有助于確保警察執(zhí)法的問責制。⑤Ibid ④,393.雖然毫無疑問，目前基于大數據的人工智能解析結果的可靠性還存在一定問題，但在以往，執(zhí)法人員在依靠經驗和“直覺”的執(zhí)法⑥參照犯罪·交通事象·警備事象の予測におけるICT 活用の在り方に関する有識者研究會『犯罪· 交通事象· 警備事象の予測におけるICT 活用の在り方に関する提言書』(2018 年)15 頁?；顒又校瑸槭裁磳⒛硞€對象作為嫌疑人依據職務加以訊問，抑或是作為搜查對象，其實也很少存在充分的理由說明，更不要說妥善存檔待查了。然而，在基于大數據分析或基于該大數據分析的人工智能解析進行偵查活動時，為什么在特定時間集中巡邏特定地區(qū)，為什么對特定對象實施職務訊問等電子日志，都可以作為“檔案文書”留存下來。相關學者⑦See supra note ④,at 393.指出，通過留存此類記錄，可以達成一個潛在的效果，即不僅限制警察對于相關對象行使警察權，還使得法官對執(zhí)法警察的相關懷疑是否合理的事后評價變成可能。同時，此類記錄還具有為未來改善執(zhí)法活動提供經驗等優(yōu)點。

此外，通過所謂的數據挖掘，可以發(fā)現(xiàn)借助人力無法預測的現(xiàn)象和模式，預防以前無法預防的犯罪，還可以檢控未能檢控的犯罪人。類似優(yōu)點不言自明。①See A.G.Ferguson,“Big Data and Predictive Reasonable Suspicion”,163 U.Pa.L.Rev.327,395-397(2015).

（二）可以預見的缺點

然而，正如目前眾多討論者所擔心的那樣，大數據警務還存在諸多問題點。最容易被指出的就是對特定個體或特定社群，乃至普通國民的隱私利益造成影響。關于這一影響可從兩方面考慮，即作為大數據警務前提的人工智能分析結果正確所帶來的影響，以及分析結果不正確帶來的影響。在此，將圍繞后者展開若干探討。

作為偵查前提的人工智能的解析結果不正確，又可能細分為如下兩種情形：（1）作為人工智能解析前提的數據不正確；（2）數據正確，但解析結果是以“假陽性”的形式導出的不正確結果。

在第一種情況當中，如果數據的正確性存在問題，很容易推斷人工智能等手段的分析結果有失妥當。但是，這一現(xiàn)象并不局限于大數據這一語境。在日本，很早以前就開始根據在某些領域的登錄數據以及基于犯罪經歷相關的數據庫，使用大數據人工智能解析開展偵查活動和犯罪搜查。而且，在日本也的確出現(xiàn)過因錯誤登記造成不良后果的事例。在以下事例中，法律的應對方式曾一度成為爭論焦點。

日本某縣警方工作出現(xiàn)失誤，將原告的汽車作為被盜的監(jiān)管車輛登記在內部系統(tǒng)中，以至于在錯誤登記當天，原告就接受了4 次例行盤問。對此，東京地方裁判所認定，該縣警方在最初的例行盤問后的近9 個小時內仍未解除錯誤信息登記，屬于過失不法行為。最終，裁判所判定，考慮到對原告進行的例行盤問的次數和形式等事實，根據日本《國家賠償法》第1 條第1 項，該縣警方需賠償原告精神損失費10 萬日元。②東京地判平成21年2月17日(判時2052 號53 頁)。

無獨有偶，原告向日本大阪地方裁判所提起訴訟，指控在過去的16年間，大阪警方在其負責管理的犯罪前科信息數據庫中，錯誤登記了關于自己的犯罪前科，導致其屢次為此受到搜查、起訴、審判，承受了精神上的痛苦，要求國家履行賠償責任。大阪地方裁判所判定，犯罪信息的管理依據警察廳的通報進行，屬于其履行職務實施的行政事務。因此，警方的錯誤登記行為被裁判所認定為職務過失引起的違法行為。根據日本《國家賠償法》第1 條第1 項，被告獲得了共計12 000日元的賠償。③大阪地判平成22年6月10日(判（IX）1341 號60 頁)。

如上所述，圍繞隱私權等問題，類似的訴訟時有發(fā)生，多是由于數據庫的錯誤登記而引發(fā)的不利后果，有時則是因為錯誤登記本身導致的法律責任。同樣的判斷，也適用于大數據警務方面的基本內容。

但是，基于大數據的人工智能解析和犯罪分析，即使基礎數據正確無誤，也有可能產生分析結果的“假陽性”問題，而這也是大數據分析的特征之一。如后所述，基于犯罪分析的預測，只能說是一種概率判斷。既然是概率判斷，預測結果必然有對有錯。對此事實，并不值得老調重彈。然而，與人工的數據收集、解析和犯罪分析相比，基于大數據產生的結果總能讓人“感覺很有道理”，因此營造出一種完全不同的可信感。在此必須指出，相關風險在于，搜查時往往會依據錯誤的科學證據構建一種虛假的“事實”，從而導致錯誤的有罪判決，類似事例時有發(fā)生。①關于其代表案例，前有昭和24年發(fā)生的“弘前大學教授夫人殺人案”(仙臺高判昭和52年2月15日高刑集30 巻1 號28 頁)，近有平成2年發(fā)生的“足利案”(東京高決平成21年6月23日判時2057 號168 頁、宇都宮地判平成22年3月26日判時2084 號157 頁)。另外，因模糊監(jiān)控錄像而誤認犯人的案例，參見金沢地判平成22年9月1日(判例集未登錄)。

三、大數據警務所面臨的法律難題

雖然大數據警務具有上述優(yōu)點，且面臨相當大的挑戰(zhàn)，但其靈活適用的腳步永遠不會停歇。如此一來，應當如何從法律上對于大數據警務加以定位？又應當如何立法對其加以應對？對此，就現(xiàn)階段可供探討的幾個論點試論如下。

（一）對隱私等權利產生影響的視角

就大數據的靈活適用而言，如果著眼于相關數據的個人信息屬性，主要包括3 種程度不同的表現(xiàn)方式：利用可進行個人身份識別的信息進行大量、迅速、統(tǒng)一處理；利用雖然不具備個人識別性，但是與特定個人存在對應關系的信息進行大量、迅速、統(tǒng)一處理；利用不具備個人識別性且與特定個人無對應關系的信息進行大量、迅速、統(tǒng)一處理。在現(xiàn)實中，應采取與其目的相符的應用方式。針對第一種信息利用方式，日本《個人信息保護法》規(guī)定了各種原則性限制（該法15 條以下。與行政機關相關的情況則規(guī)定在《行政機關個人信息保護法》第3 條以下），針對第二種信息利用方式，作為匿名加工信息（非識別加工信息）應受各種限制（日本《個人信息保護法》第36 條以下與行政機關相關的情況規(guī)定在《行政機關個人信息保護法》第44 條之2 以下）。第三種信息利用方式，因為不對相關對象構成直接限制，在此不予贅述。②參照星周一郎「街頭設置カメラ映像の商用利用に関する一考察」法學會雑誌58 巻2 號(2018 年)119 頁以下。

但是，有關大數據活用的法律問題，并非上述概括所能盡言。例如，根據對特定犯罪現(xiàn)象的大量觀察，收集大數據并通過人工智能進行解析，得出了“50 歲左右的長臉男性，每星期五晚上10 點到次日凌晨2 點，在甲地區(qū)的街上徘徊，企圖縱火的可能性很高”這一分析結果。如此導出的信息本身并不是“關于現(xiàn)實中的個人信息”，因此在任何意義上都與個人信息保護法無關。但是，在進行基于這樣的信息開展警力活動時，符合該信息或被認為符合該信息的人，有可能遭遇被單獨例行盤問或隨身物品被檢查等人身限制措施。

關于例行盤問等，如果符合日本《警察職務執(zhí)行法》第2 條 “根據異常舉動及周圍的情況合理判斷，對于有充足理由懷疑其犯罪或意圖犯罪的人”的規(guī)定，自然可以合法進行。并且，有關基于“異常舉動及周圍的情況”進行合理判斷的實際因素，也會根據時代狀況的變化而發(fā)生改變。因此，基于大數據的人工智能解析等手段的判斷是否符合此處所說的“合理的判斷”，乃是法律討論的第一要義。

（二）犯罪分析自動化

如上所示，關于大數據活用正當與否、許可與否的最終判斷，重點不在于“是否屬于個人信息”，而在于考察其“是否對個人產生影響”。在大數據利用與活用的一般狀況下，這基本上都算得上是共通的理解。①與之相關的文獻不勝枚舉。例如，巖下直行「ビッグデータとプライバシー侵害リスク」金融財政事情 63 巻 29 號(2012 年)46 頁、小向太郎「IT 分野における2 つの課題～ビッグデータの活用· サイバー攻撃対策～」ビジネス法務 13 巻 7 號(2013 年)49 頁((4) 今後の課題)、山本龍彥「インターネット時代の個人情報保護- 個人情報の『定義』とプロファイリングを中心に」同『プライバシーの権利を考える』(2017 年)127 頁等均作參考。在這種情況下，最為顯著的問題，就是基于大數據的犯罪分析及其法律規(guī)定。

2016年通過的《歐盟一般數據保護規(guī)則》（GDPR），對犯罪分析也有所關注，并對此進行了規(guī)定。②《通用數據保護規(guī)則》的翻譯，參考了個人信息保護委員會的譯本。該規(guī)則第21 條第1 款“數據主體根據與自身特殊情況相關的證據，依據第6 條第1款[e]或[f]（數據的處理是當有必要為了公共利益或賦予管理者公共權限的行使等，或者有必要為了實現(xiàn)不可或缺的正當利益的目的——筆者注）進行的與自己相關的個人數據的處理，包括基于這些條款的犯罪分析的情況，可隨時提出異議”，并允許數據主體對包括犯罪分析在內的數據處理行使異議申請權。此外，該規(guī)則第22 條第1 款規(guī)定了“數據主體有權拒絕成為使該數據主體產生法律效果、或者對該數據主體產生同樣重大影響的犯罪分析自動化處理的對象”，承認了個人信息主體對犯罪分析的拒絕權。

由于在大數據的利用和活用中需要積累和分析大量信息，形成一定的人物形象并加以評價，而這將對該個人的利益構成威脅。③參照石井夏生利『新版?zhèn)€人情報保護法の現(xiàn)在と未來-世界的潮流と日本の將來像』(2017年)125 頁。歐盟從很早的階段就將此視為問題，在建立《歐盟一般數據保護規(guī)則》的過程中，從提高透明性和數據主體控制的觀點出發(fā)，指出有必要降低伴隨犯罪分析產生的相關風險，從而制定了上述規(guī)則。④宮下紘『EU 一般データ保護規(guī)則』(2018 年)122 頁以下。

特別是在聚焦于個人的大數據警務中，無論是在犯罪調查時，還是在基于犯罪預測的警戒預防等情況下，毋庸置疑，都需要直面這一問題。特別是美國和歐盟，從犯罪分析很容易成為歧視、偏見的溫床這一觀點出發(fā)，強調了其中存在的問題。

但是，《歐盟一般數據保護規(guī)則》并未全面禁止犯罪分析。另外，在現(xiàn)實的犯罪搜查中，在犯罪發(fā)生后無法立即獲得能夠鎖定犯罪人的相關證據和信息的情況下，通過犯罪分析等手段繪制犯罪人畫像的搜查手法至今仍被普遍使用。根據過去實踐經驗展開搜查，也有其合理性。因此，曾經由人工進行的信息收集、整理、分析、活用的過程，變?yōu)橛扇斯ぶ悄芡瓿桑淝疤崾莾烧叩牟町悆H在于所處理的信息量，這一理解姑且成立。

也就是說，這意味著利用人工智能的自動化犯罪分析和基于此分析的偵查本身并不應該立即遭到禁止。那么，如何使其避免濫用或不良使用，將其限定在適當范圍內，明確邊界，以不對個人自由造成過度制約，并構筑一種可確保以上內容有條不紊運行的結構，就顯得尤為重要。⑤笹倉宏紀「人工智能と刑事法」山本龍彥編著『人工智能と憲法』(2018年)424 頁。

（三）法律依據和法律規(guī)制的基本觀點

即便如此，必須承認，在現(xiàn)階段評價由大數據分析的活用而帶來的新的現(xiàn)實效果，依然相對困難。

換言之，基于大數據分析的解析結果可靠性的評價，目前還未被確定為唯一的尺度基準。①參照山本龍彥「人工智能と憲法問題」山本龍彥編著『人工智能と憲法』(2018年)23 頁。另外，對這種分析結果所要求的可靠性程度本身，也不能立即得出一致的標準。畢竟，基于人工的犯罪分析也屬于概率性判斷。如此一來，理所當然，在分析結果和現(xiàn)實不一致的層面上，有可能存在“錯誤”。與其這樣倒不如說，犯罪預測的結果不可能每次都完全一致。也有人指出，即使是基于人工智能的犯罪分析，也伴隨著預測不準或是“錯誤”的可能性。歸根結底，問題在于認識到存在這樣的可能性后，我們到底可以承受多大程度的錯誤。②笹倉宏紀「人工智能と刑事法」山本龍彥編著『人工智能と憲法』(2018年)427 頁。

從警察執(zhí)法、例行盤問等階段到有罪判決，一系列的刑事程序都以可能出現(xiàn)錯誤為制度設計的前提。③池田修＝前田雅英『刑事訴訟法講義〔第6 版〕』(2018年)4 頁以下等。當然，必須盡可能排除出現(xiàn)錯誤的可能，這一點毋庸置疑。

在探討大數據警務的是非對錯時，首先要面對的就是，可以允許產生多大程度的不可避免的“錯誤”?？梢詮膬蓚€方向來考慮這個問題。人工智能解析的結果擴大了在被判定為可疑人員或搜查對象范圍的情況下，對于首次成為搜查對象的人來說，這是非常不利的。然而，上文已有提及，根據人工智能解析，如果通過擴大搜查范圍被列入例行盤問和搜查的對象，那么從其反面來看，可以說是避免了更多無關的人成為逮捕對象。因此，“基于人工智能展開的犯罪分析是要擴大侵權還是縮小的問題不能一概而論?！雹芄G倉宏紀「人工智能と刑事法」山本龍彥編著『人工智能と憲法』(2018年)428 頁。

與此相反的觀點認為，需要判斷犯罪分析對象所受到的利益影響程度，例如個人隱私。即，一般而言需要根據以往討論的“是屬于強制處分還是仍在任意處分的范圍”這一框架內加以判斷。也就是說，如果大數據警務的影響僅限于任意處分的范圍，則應基于適用于不同場合的既有法律解釋來加以判斷。

眾所周知，關于強制處分在搜查中的意義，作為日本最高司法機關的最高裁判所設定的判斷標準是“壓制個人意愿，對其身體、住所、財產等施加制約，強制實施搜查等行為，如果沒有特別規(guī)定，則不屬于應被允許之手段”⑤最決昭和51年3月16日(刑集30 巻2 號187 頁)。。針對警方在搜查對象的隨身物品中秘密安裝全球定位系統(tǒng)終端進行的刑事搜查，日本最高裁判所給出如下判決：“全球定位系統(tǒng)搜查將能夠侵犯個人隱私的機器秘密安裝在其私人物品上，屬于違反合理推測的個人意愿侵入私人領域的搜查手法。這種技術搜查手段壓制個人意愿，侵害由憲法保障的重要法律利益，若無刑訴法之特別規(guī)定，則相當于不合法的強制處分?！雹拮畲笈衅匠?9年3月15日(刑集71 巻3 號13 頁)。這樣的觀點，即使是在并非犯罪搜查的隨身物品檢查等執(zhí)法活動中，也同樣適用。⑦參照最大判昭和47年11月22日刑集26 巻9 號554 頁、最決昭和53年6月20日刑集32 巻4 號670 頁等。而且，如果對個人產生相當于強制處分影響的方式進行大數據警務，恐怕難以想象現(xiàn)行法可以允許的邊界，如果存在實施的必要性，就只能通過立法來解決。

與此相對，如果只是任意處分的話，就要看警察等搜查機關的判斷。在一直以來進行的預防、鎮(zhèn)壓犯罪和交通管理（日本《警察法》第2 條），以及職務詢問等（日本《警察職務執(zhí)行法》第2 條）行政警察活動的框架內，或者認為嫌疑人涉嫌犯罪并對其進行搜查（日本《刑事訴訟法》第189條等）的司法警察活動的框架內，執(zhí)行大數據警務。有關其容許性的判斷一方面基于該判斷的必要性，另一方面則是對對象者的被侵害利益的程度進行比較衡量，即所謂警察比例原則或搜查比例原則來進行。①參照前田雅英＝星周一郎『刑事訴訟法判例ノート〔第2 版〕』(2014年)3 頁，27 頁等。進而，在人工智能解析中使用的大數據承認了個人識別性的情況下，這就要求在行政機關個人信息保護法的框架內進行處理。既然如此，這些均不會倒逼傳統(tǒng)的法律判斷框架本身發(fā)生本質性的變革。

（四）作為“類似于鑒定”的大數據與人工智能解析之應用

然而，盡管可以根據比例原則來判斷其妥當性，但這并不意味著其常規(guī)的同等價值標準對于大數據警務也同樣有效。作為警察比例原則、搜查比例原則框架內的比較衡量的具體內容，需重新判斷其運用大數據警務、人工智能解析和分析的可行性。也就是說，需要追問這一問題的內在實質。

在這一點上，也存在關于“人的判斷和人工智能的判斷，孰優(yōu)孰劣”這個偏向二元對立的思考。確實，人工智能的判斷，可以達到僅憑人的判斷無法解決的高度?？梢韵胍?，從帶來新見解這一角度思考，完全有可能認為人工智能的判斷更為優(yōu)越，或者說使人工智能的判斷擁有最終決定權。

但是，至少就現(xiàn)行（廣義的）刑事司法而言，應該考慮到，被處罰的對象和決定處罰的人兩者都是“人”。一般認為，在將法益保護作為其重要功能之一的現(xiàn)行刑事法中，若是人以外的動物侵害了刑法保護的法益，是不會將該動物作為處罰對象的。雖說人工智能是“人工”智能，但其歸根結底是“思考、判斷的一種算法”，并非與“人”處在相同位階或維度的存在。另外，刑事司法本身最終是由法官掌管的系統(tǒng)這一事實亦無可爭辯。從這一角度來看，或許將人工智能作為比較的對象可能欠缺妥當，但還是應該考慮到在審判中使用量刑數據庫得到關于量刑判斷線索的實務問題。該種情況下，量刑數據庫最終并非用于決定量刑，而是以此為參考，由專業(yè)法官（裁判員審判中的裁判員）負責量刑。同理可言，在使用大數據警務時，無論是否利用人工智能的解析結果，既然最終的實施者應該是執(zhí)法人員，那么可以認為兩者之間在本質上并無差別。

然而，為什么大數據警務和人工智能解析有時會被認為與以往的偵查活動存在基本框架上的差別呢？其原因之一是大數據的人工智能解析的結果容易給人留下一種印象，就是其與以往的由人所進行的判斷的結果在質上存在差別。確實，無論是數據采集還是其他大數據解析，都是將以往我們的判斷中無法判別的現(xiàn)象可視化，并利用這種可視化數據解決問題。因此認為兩者存在質上的不同，也并非全無道理。

但是，在刑事司法領域中，對于從事刑事司法的普通從業(yè)者無法判斷的事項，將該判斷委托給具有判斷能力的專業(yè)人士，一直以來都被視為理所當然。只有具備特殊知識經驗的人才能認識到的法則或事實，或在事實上適用該法律結論的供述，即為鑒定。那么，可以認為刑事司法的判斷者將相關判斷委托給了鑒定人這一他者。在這個意義上，基于大數據分析和人工智能解析結果進行的預測性偵查也可謂一種“基于鑒定的判斷”。

如果是這樣的話，對于“人的判斷和人工智能的判斷，孰優(yōu)孰劣”這個問題的回答，自然有了答案。眾所周知，關于日本刑法第39 條規(guī)定的有無責任能力的精神鑒定，日本最高裁判所認為：“被告人的精神狀態(tài)是否屬于刑法第39 條規(guī)定的精神喪失或精神耗弱，是法律判斷，所以應由司法機關予以判斷。應該根據鑒定書以及其以外的記錄所承認的相關事實等綜合性觀點，依據法律對被告有無責任能力進行判斷?！雹僮畲笈姓押?9年7月3日(刑集38 卷3 號第2873 頁)等。此外，探討責任能力判斷與精神鑒定的關系的文獻相當之多，在本處請參照星周一郎「裁判員裁判時代における責任判斷の所在」信州大學經法論集1 號(2017年)80 頁以下，以及此文中的參考文獻。

人工智能的解析結果也可采用同樣的思考方式。如上所述，當執(zhí)法情況不同時，大數據偵察的運用方法絕不可一概而論。而且，根據不同的使用場景和使用語境，大數據警務和人工智能解析的結果確實可以成為有力線索。但是，在什么情況下成為有力線索，最終還是要由負責執(zhí)法的人來判斷。

在這種意義上，當人工智能具有與人同等的或超過人的判斷能力時，沒有理由否定基于人工智能的判斷。人工智能的判斷也并不是沒有錯誤的可能性，但這不是人工智能和人之間誰的判斷更為正確的問題，而是要考慮可否對人工智能的判斷提出異議，是否有機會在這種異議的基礎上得以重新判定，該判定應該由誰來負責，這才是問題的關鍵所在。概言之，強調“準備好人工智能以外的主體（目前只有人）能夠推翻人工智能判斷的結構框架”的觀點，極具其啟發(fā)性。②笹倉宏紀「人工智能と刑事法」山本龍彥編著『人工智能と憲法』(2018年)434 頁以下。此外，在本稿撰寫時，日本政府于“以人為中心的人工智能社會原則討論會”中提出了關于人工智能的七項基本原則，其中第六項原則是“在使用人工智能時不得出現(xiàn)歧視情況。必須要在人工智能的行動方面盡最大程度的說明責任”，從而體現(xiàn)了其所倡導的“公平性、說明原則、公開透明原則”的立場。

所謂偵查，由執(zhí)法人員進行，由法官進行事后審查，無一例外都是人之責任所在。既然如此，至少在目前來看，人工智能承擔最終責任的形態(tài)并不是在偵查語境下可以考慮的問題。

四、大數據警務研討的應然走向

無須贅述，目前有關大數據的利用以及基于大數據的人工智能解析的活用和法律的對接方法等議論受到廣泛關注，很多學者認為，這一現(xiàn)象是對大數據及人工智能活用時代即將到來的一種預見，理應全面展開。另一方面，也有觀點從實際情況出發(fā)，基于若干關于人工智能利用的“令人吃驚的事例”，指出其在可能帶來好處的同時，亦會產生消極影響，質疑其無法與以往堅持的法律價值判斷保持一致，因此主張限制人工智能活用的范圍。

確實，以前只是存在于科幻小說中的故事，現(xiàn)在拿到法律上去討論，尤其是涉及現(xiàn)實世界中未知部分時，很容易就會形成反烏托邦式的討論。這種討論既脫離現(xiàn)實又充滿幻想感，在形式上容易理解，在內涵上極具趣味性，足以引起很多人的好奇心。例如，20世紀末、21世紀初，道路監(jiān)控視頻從萌芽到普及，與此同時出現(xiàn)了不應將其與代表警察國家的“老大哥”等負面印象畫等號的討論，在當時，這種將兩者等量齊觀的觀點甚至相對罕見。①See Benjamin J.Goold,“CCTV And Policing: Public Area Surveillance and Police Practice in Britain”,Clarendon Series in Criminology (2004).Oxford University Press,2004,p.5,available at SSRN: https://ssrn.com/abstract=2545545,accessed by May 1,2015.道路監(jiān)控視頻，設定了一種以“高科技”執(zhí)法手段和監(jiān)督手段為依托的新一代警察形象，人們將街頭監(jiān)控的加速推廣，視為是向更具侵害性和威權性的技術偵查的過渡。監(jiān)控技術具有內生的自主屬性，其本身說到底存在脫離人的控制的危險，而這也是一直以來的一貫敘事。②星周一郎『防犯カメラと刑事手続』(2012年)的第43 頁。但是，在目前的現(xiàn)實生活中，這種情況并沒有發(fā)生。相反，街頭監(jiān)控不僅被認為能夠發(fā)揮防盜效果，還是不可或缺的搜查援助工具、案件搜證手段，得到了社會大眾的支持。③參照星周一郎「防犯カメラ· ドライブレコーダー等による撮影の許容性と犯罪捜査· 刑事司法における適法性の判斷」警察學論文集 70 卷 11 號(2017 年)46 頁以下。目前，街頭的監(jiān)控攝像頭已經不僅只是刑事司法的重要工具，也成為了應對“ 社會勞動力不足” 的手段，甚至成為實現(xiàn)無人駕駛、自動化的主要方法，因此有必要在此基礎上進行討論。參照星周一郎「人手不足と情報保護法制とプライバシー」Business Law Journal 10 巻11 號(2018 年)1 頁。

目前，圍繞大數據和人工智能解析在偵查中的活用，也出現(xiàn)了與上述街頭監(jiān)控視頻類似的討論。當然，大數據和人工智能解析帶來的影響，在至今為止的各種技術革新對社會帶來的影響中，堪稱極其深遠。因此，在某種程度上認為大數據偵查的濫用可能引發(fā)的不良后果較之以往存在本質差別，并基于這種警惕展開討論，確有必要。

但是，另一方面，以往主要通過人力開展的偵查，是否因為涉及信息總量較少，就具有可以闡明的合理性？絕非如此。對此請允許筆者再次強調，這就是依據職權進行訊問的成立要件問題了，也是以犯罪的事前抑制和犯罪人的早期檢控為目的的偵查環(huán)節(jié)的象征?！案鶕惓Ｅe動及周圍的情況合理判斷，對于有充足理由懷疑其犯罪或意圖犯罪的人……”（《警官職務執(zhí)行法》第2 條1 款），顯然是根據執(zhí)法人員的內心作出的判斷。不可否認的是，大數據警務使該判斷更加合理，而其結果是，警察依據職權進行的訊問以“查無實據”收場時，事后驗證也變得更加容易，有助于提高此類執(zhí)法活動合理性和精準度。

如前所述，進一步而言，不可否認，在交通事故中有效的安全對策預測、警備事件中的危險分子預測、可疑行為檢查等，在一定程度上侵犯隱私。但如果將其在權利主體自主放棄隱私的范圍內來加以使用，最大限度地利用有限的警察人力、物力資源，將有可能構筑一個有益于確保全體國民生活的安全、安心的應對框架。

綜上，若能用恰當的方式應用大數據警務，必然帶來諸多益處。在意識到缺點的同時，不應該肆意強調其消極的一面，而是要同時討論其積極的一面并確保其有效實施的具體方案。否則，大數據及人工智能等技術偵查手段的活用可能性就有可能被埋沒。在技術革新對現(xiàn)實社會的適用性上，也有產生既成事實先行的“放任自流”的危險性。正所謂“過猶不及”。最終，對于確定此類措施的法律可接受性而言，最重要的是社會一般人是否接受這種大數據警務。由于已在其他論文中對此有所論述，此處不再贅敘。但是，對于采用了全新技術的系統(tǒng)，該系統(tǒng)使用者是否遵守了相關法規(guī)，以及如何確保對一個強調說明義務的社會實現(xiàn)“透明度”等方面的問題就變得尤其重要。①See Elizabeth E.Joh,“The New Surveillance Discretion: Automated Suspicion,Big Data,and Policing”,10 Harv.L.&Pol'y Rev.15,40-42 (2016).由此，社會大眾需要能夠把握該系統(tǒng)對隱私等利益的影響程度，判斷其是否停留在可允許的范圍內，并在此基礎上形成社會（默許性的）共識。另外一方面，通過利用該系統(tǒng)，根據社會大眾能夠在多大程度上享受何種利益，即受益性的觀點來決定對該系統(tǒng)的容許度，進而判斷這樣做到底是“停留在允許范圍內的對于隱私的影響”，還是“不被允許的不正當的隱私侵害”。②星周一郎「街頭設置カメラ映像の商用利用に関する一考察」法學會雑誌58 巻2 號（2018 年）第133 頁以下。星周一郎「捜査におけるカメラ畫像の活用と課題」警察政策學會管理應用研究部會『警察におけるカメラ畫像の活用と課題( 警察政策學會資料第100 號)』(2018 年)14 頁以下。

一言以蔽之，關于大數據警務的法律討論，需著眼于其消極和積極兩個方面，把握隨時變化的社會可容許性的最大公約數，找尋探討的平衡點。同時還需關注日后技術的發(fā)展與社會狀況的變化，并在此基礎上不斷展開討論。