司法人工智能幻觉的证据法治理思路

目 次

一、人工智能幻觉现象的理论解构

二、人工智能证据审查系统的运行原理及建构

三、穿透式证据智能审查系统的建设思路

证据是诉讼活动的基础和灵魂，没有证据，就没有诉讼。近年来，随着证据法学“信息说”理论体系的兴起，对于证据本体属性的研究正在经历从“证据材料”到“证据信息”的转变，也就是说，证据实践活动与证据理论的研究对象，将聚焦于证据收集获取与审查判断的本质，注重对证据内在信息的处理过程。而随着人工智能技术从“辅助工具”演变为“内容生成者”，基于大语言模型辅助实现的人工智能证据审查系统正广泛应用于司法实践中。然而，人工智能模型以概率预测为运行逻辑，天然存在偏离事实的幻觉现象：其输出结果看似合理，实则可能失实。当这种“概率性失实推断”未经甄别进入司法程序时，便不再仅是技术瑕疵，而是直接冲击司法证明根基的制度性风险。对于承担法律监督与证据审查职能的检察机关而言，这一问题尤为严峻——审查起诉、批捕等重大决策均以证据为基础，人工智能辅助司法过程中出现的幻觉污染将会影响司法公正。目前，学界与实务界对人工智能幻觉的讨论多集中于宏观制度建设与伦理倡导层面，未从证据法的核心原则出发，提出具有可操作性的治理路径。本文从证据法的基本原理出发，构建穿透式证据智能审查系统，以期为人工智能幻觉治理提供有效路径。

一、人工智能幻觉现象的理论解构

以证据的“三性”（真实性、关联性、合法性）为分析框架，人工智能辅助司法中出现的幻觉现象主要包括以下三个方面：

（一）模型失真可能造成的证据真实性危机

传统证据审查是指办案人员凭借其法律知识、办案经验等对客观生活事实作出主观判断，借助经验认知和法律规范体系对证明事实进行归纳并裁剪。但人工智能模型缺乏对事实理解的经验基础，其生成内容完全依赖于训练数据中的统计模式，当训练数据存在偏差时，极易产生事实层面的失真。模型失真型幻觉主要表现为虚构人物关系、杜撰交易记录、伪造案例等，此类幻觉会直接动摇证据的真实性根基。究其原因，人工智能模型生成内容的本质是基于概率的预测，而非对客观事实的发现与确认，意味着其可能编造看似合理的证据细节、案件事实或法律条文，而司法人员往往难以识别此类幻觉。因此，解决这一问题的重点在于建立能够实现可溯源的证据真实性解释机制，针对输出的内容，在数据真实性层面附带明确的可追溯性标识，精确定位原始证据的具体位置，从而提升人工智能证据审查的真实性。

（二）逻辑断裂可能造成的证据关联性障碍

在人工智能证据审查系统中，如何界定关联规则是其中的难点和重点。从人工智能的角度理解，整个实在法体系限定在数量有限的逻辑范畴之中，在数字空间中以参数的形态出现。在人工智能算法体系中，变量和参数的调整影响复杂系统空间和结构组织形态，自动调整参数实现模型算法与现实法律运行的适配成为人工智能介入司法活动的基本路径。然而，人工智能模型基于统计概率建立的关联，往往是表面相关而非因果相关，会影响证据链的完整性与证明效力。

（三）数据偏见可能造成的证据合法性侵蚀

当前，人工智能证据审查系统的语料库建设存在一些突出问题，核心源于数据、语义与样本建设的不足，易固化并放大司法不公问题。这些偏见源于原生数据的偏差。目前，相关证据审查系统中的语料多取自历年司法卷宗，承载了过往执法尺度不一、地域量刑差异、人为认知偏差等历史遗留问题，系统学习后会进一步放大传统司法实践中存在的隐性问题，对特定群体、案件类型产生倾向性证据判定标准。实践中，这些偏见会影响证据采信、矛盾识别等，造成同类案件证据评判标准失衡，违背司法公平公正原则。

二、人工智能证据审查系统的运行原理及建构

人工智能证据审查系统的运行原理是“存在资格先于运行规制”。其运行本质区别于司法人员的主观认知过程，呈现以下形态：

（一）“可验证性”作为运行标准的体系建构

人工智能证据审查的“可验证性”作为统领性的标准，强调系统输出的每一项判断都必须具备可被独立检验的属性。具体而言，可验证性标准包含三个层次的要求：其一，信息溯源的可验证性。系统输出的任何信息片段均可追溯至原始证据材料或法律规范的明确出处。其二，推理过程的可验证性。系统从证据到结论的推理链条完整、透明，每一步推理均可被理解和审查。其三，结果一致的可验证性。输入内容相同的情况下，输出的内容具有确定性和一致性，不受随机因素干扰。这一标准的提出，为人工智能幻觉治理路径从原则倡导走向实质规制提供了规范性基础。

（二）“本体论”作为原理基础的理论建构

当对人工智能模型的讨论聚焦于算法的透明度、数据的公正性、决策的可解释性等技术治理议题时，往往忽略了一个更为根本的问题：人工智能是否有资格参与司法证明活动？这一问题构成后续技术治理议题讨论的逻辑前提，如果不能在本体论层面确立人工智能参与司法证明活动的正当性基础，后续任何探讨均无意义。因此，可以将证据法对人工智能准入资格的预先审查概括为“本体论约束”。本体论作为哲学的核心分支，致力于探究回答“某物究竟是什么”以及“某物何以能够存在”的根本问题。将这一哲学思维引入证据法领域，意味着不能将人工智能视为一种中立的工具或技术手段，而必须先对其存在的本质进行法律上的界定与甄别。

（三）从概率到规则再到逻辑的范式建构

有学者认为，法律证明追求确定性与可验证性，而人工智能模型输出本质上是概率性联想，二者在底层逻辑上无法弥合。即现有的大数据法律监督模型仍以概率性语言组合计算为主要处理机制，更多是统计学意义上的语言分析能力，而不是实质的语义分析功能。这意味着人工智能在法律领域的应用，不能仅停留在概率统计的技术层面，而必须实现向规则逻辑的范式转换。这要求在系统设计时明确哪些人工智能模型具备参与司法证明的基本资格，哪些应当被排除在司法证明活动之外。这一范式诉求的本质是将法律制度的运行逻辑从模糊性和灵活性的经验模式转变为结构化的“数据+经验”模式。但由于法律制度的运行具有灵活性，现实中很难直接将法律转化为算法或者代码，因此相关模型的设计必须实现法律性与规则性的有机统一。

三、穿透式证据智能审查系统的建设思路

为解决人工智能证据审查存在的幻觉问题，须构建穿透式证据智能审查系统。该系统将案件信息的规范化处理过程生成知识图谱，在知识图谱的基础上进行推理，并强制实现“可溯源”，从而在复杂证据审查场景中展现出低幻觉、可验证、可解释的运行模式与优势。

（一）基于信息抽取与原文锚定规则破解模型失真问题

检察机关将公安机关移送的各类案件材料制作成电子卷宗并对案件材料进行审查后，可为每一起案件生成专属的知识图谱。人工智能模型在知识图谱的基础上进行推理，从而做实人工智能应用于司法领域的法律基础，实现与检察审查程序的严密衔接。基于知识图谱，批量导入PDF、Word、Excel、结构化数据表等信息，通过提示词，引导模型进行识别实体类型、关系三元组抽取、事件与属性抽取三类核心任务。如可预定义“人员”“组织单位”“地点”“时间日期”“事件行为”等类型的实体，自动抽取“头实体—关系—尾实体”相关联的三元组；同时，可根据案件复杂度启用实体消解功能，合并指代同一对象的相似实体，避免图谱冗余。每一条抽取结果均精确锚定其在原始文档中的位置坐标。高保真信息抽取与证据锚定机制通过强制实现“可溯源”，将模型的概率性输出转化为可验证的事实陈述，审查人员根据对应的原始证据坐标可跳转至证据原文进行核验，在最大程度上杜绝无中生有的事实幻觉发生，有效破解了模型失真型幻觉难题。

（二）基于多跳推理与逻辑路径破解关联性断裂问题

“头实体—关系—尾实体”三元组形式既可以构建涵盖罪名、犯罪构成要件、法条编号、司法解释、量刑规则、证据标准的完整法律知识网络，也可以对同一案件的所有证据材料进行统一解析与图谱构建，实现多跳推理与可解释问答。当用户提出复杂问题时，模型先解析用户的意图并分解为多个子问题，然后在数据库中进行多跳路径查询，寻找连接不同节点的逻辑路径，最后将查询到的路径结合节点附着的原文证据，组织成逻辑通顺的自然语言回答。模型无法在不存在的路径上进行跳跃式推理，这从基础架构上消除了逻辑断裂型幻觉的生存空间，同时推理过程的透明化使审查人员能够完整追踪从证据到结论的逻辑链条。基于知识图谱的多跳推理机制是技术实现的关键，它将模型从“概率性联想”的内容生成者转变为“结构化推理”的组织者。多跳推理机制突破了传统检索仅能回答单跳事实的局限，能够在海量证据中自动发现跨越多个证据、需要多次逻辑跳跃才能识别的隐蔽关联，实现真正的穿透式审查。这为证据的关联性原则提供了结构化的技术表达与逻辑证立方式，有效破解了逻辑断裂型幻觉难题。

（三）基于交叉验证与规范语料破解数据偏见问题

针对数据偏见型幻觉，应进一步建立多视角交叉验证机制。在提示词中分别设定侦查视角、辩护视角、检察审查视角三类独立角色指令，引导模型依次切换立场，对同一证据材料或推理结论进行多轮审视，作出客观中立的判断并明确标注争议焦点。此外，还可在模型运行中引入多智能体架构，不同立场的智能体相互质疑、相互检验，有效发现单一视角下的盲点和偏见，确保模型不会将单一视角的偏见固化为最终结论。同时，相关语料库的规范化审核可以从根源上杜绝大部分数据偏见的产生。具体到人工智能证据审查技术的实现路径，在相关制度机制设计过程中可将证据体系中的相关规则依托规范语料的训练，转换为人工智能模型的参数，使参数要素成为证据审查的基础性参考依据。与此同时，必须构建与技术应用相匹配的责任制度体系，明确人工智能研发者、部署者和使用者的责任划分，建立可追溯的错误归因与问责机制。

上述技术保障机制通过将证据“三性”标准深度嵌入技术架构，完成了人工智能证据审查系统的技术标准界定，即该人工智能模型不再是“概率性联想”的内容生成者，而是规则逻辑下的证据审查辅助者。这一界定回答了“人工智能是否有资格参与司法证明活动”这一根本问题，从而为建构系统化的“人机协同”证据审查系统提供可靠的技术路径。