作者简介:李松岩，男，河北石家庄人，中国人民公安大学公安管理学院副教授，法学博士，研究方向：刑事侦查学、公安政治工作；郭冠廷，男，河南郑州人，中国人民公安大学侦查学院博士研究生，研究方向：刑事侦查学。
摘要:人工智能的发展引发知识生产主体和方式的遽变，模糊了自身与侦查活动的边界，导致侦查权的主体协同化、目的扩张化、规则黑箱化。为应对侦查知识化变迁带来的责任分配困难、基本权利克减和被追诉人参与能力弱化风险，应当以技术性正当程序理论为指导进行革新，通过算法公开与解释、及时告知与有效参与、留存记录与人工介入三方面，强化对侦查知识化的规制，实现人工智能在赋能国家治理与赋权公民权利的统一。
关键词:人工智能；知识生产；侦查权；技术性正当程序
一、问题的提出
知识是侦查的关键要素之一，对侦查权力的影响往往具有先导性和普遍性。侦查权运行的具体特点是裁量性。在侦查权启动环节，需要侦查人员运用知识判定“是否存在犯罪事实需要追究刑事责任”和“情节显著轻微”的尺度；在权力运行环节，强制措施的选择、使用都要求侦查人员基于案件中的线索、证据，结合个人知识、经验等内容作出符合自身理性的推断和决策；在权力终结环节，同样需要侦查人员裁量是否满足案件事实清楚、证据确实充分、法律手续完备等条件，是撤销案件、移交起诉还是继续侦查，抑或“挂案待侦”。
在物联网、云计算、超级计算机等技术的推动下，呈现“深度学习、跨界融合、人机协同、群智开放”特征的人工智能正在引领新一轮科技革命和行业变革。其中，知识是人工智能的核心要素，从基于“推理引擎+知识”的第一代符号主义范式的人工智能专家系统，到以机器学习、神经网络为底层技术，具备自行发现、总结规律、完成决策能力的第二代联结主义范式的人工智能，形成了针对犯罪活动打防管控的全链条应用和赋能。人工智能技术同样带来知识图景的遽变。依托数据与算法的犯罪预测、情报分析、行动建议，在提升外部效能的同时，也对刑事程序的要素产生着支配性影响，不断冲击着传统司法规则、经验和逻辑，从而具有权力形态上的意义。
然而，技术的可达性并非等同于法律的容许性，理论层面上必须直面人工智能技术带来的这种支配性影响。回望过去，技术改造侦查的过程常常忽略其中的知识因素。一方面，知识具有不确定性。知识的生产与传播外在于刑事司法阶段，既有规范多集中于警察法或公安内部文件中的资质要求。如《公安机关资金分析鉴定人登记管理办法（试行）》第10条规定个人申请资金分析鉴定人资格，应当满足资金分析专门技术知识和技能等条件。但鉴于犯罪可能发生在社会生活的各领域，对其打击和治理所需要的知识要求具有开放性特征，因而难以对其作出明确指引。另一方面，知识生产或应用的技术具有确定性。人作为侦查权力的核心要素，正是特定领域中的特定人的活动启动了侦查程序，控制着侦查的方向。技术的应用普遍被默认为“辅助”地位，法律的规制实际上是对人的行为的规制，即通过调整人的行为来避免对诉讼相关人的过度侵害。其忽视了技术本质上作为一种知识形态对主体认知、决策、行为等方面的微观规训与支配作用，并由此带来权力化的趋势和风险。对此，应当将视角转移至知识本身，“我们的目标不应该是消除不确定性，而是以负责任的态度对待不确定性，以发展的眼光处理确定性与不确定性的关系。” 本文通过梳理侦查权中的知识要素演变，解构人工智能时代因知识变迁带来的侦查权变革，并在此基础上为侦查权力的风险控制提供理论指引。
二、知识变迁与侦查权的历史考察
知识是人类认识的成果，技术的发展不断强化着人类的认识能力，同时也在塑造着知识自身。在知识变迁的视野中，既包括知识形态的宏观变迁，也包括某一知识形态内的生产方式变迁。而侦查权作为信息搜集与既往事实建构的权力，知识是其重要的内在要素，必然受到知识变迁所带来的影响。
（一）知识变迁下的侦查权知识要素演化
从侦查权力的发展来看，对安全、稳定、有序的社会秩序的向往是人类社会的天然追求。当社会中出现了破坏现有秩序的异常行为，社会治理共同体往往将其确定为犯罪，并选派具有特定能力的个人或团体承担打击犯罪的任务，同时赋予该群体与其行为模式强度相适应的行为许可，此为侦查权力的原始形态，而其中的“特定能力”就是知识。在早期纠问式诉讼制度下，侦查人员实际上集侦查、控诉、裁判于一身，刑事诉讼高度依赖于侦查人员对案件的侦查结果，因此对犯罪的侦查能力被视为一种技艺或艺术（Art），远没有发展成为需要遵循严格程序规则或理论指导的系统体系。 亚里士多德将这种技艺称为“有关于制作的知识”（Knowing how），即通过身体行动执行一系列操作程序并实现相应目标的能力。赖尔则进一步区分了“知道如何”和“知道如是”（Knowing why），认为行动、智力和规则构成了“知道如何”实现目的的要素，实现特定目的是人的智力活动，在外人看来虽然在客观上满足了一定的规则，但实际上主体并不用在内心先意识到这种规则或方法。总体来说，这一时期的知识主要表现为零散杂乱的个人经验知识或技能知识，知识的生产与应用高度同一。要言之，传统侦查权力关注作为主体的力量，典型的例证即为我国发展出举世闻名的侦查措施体系和谋略体系，如“五听”“钩距”等侦查讯问方法，以及在经验整理和总结基础之上的《疑狱集》《折狱龟鉴》《洗冤集录》等传世著作，均代表了一定历史时期内的最高发展水平。但这种知识大都是个人的归纳和猜测，并未达到现代科学范式要求的普遍性、量化、可重复性的要求。并且，以经验为主要知识要素的侦查权并未过多关注侦查过程中的人权保障，由此反哺形成的侦查知识存在特定背景下的固有缺陷。
近代科学的发展实现了从经验向原理的知识形态跃迁。14世纪伊始，欧洲大陆率先开始酝酿新知识的探索路径，并于17世纪完成了从“经验”到“原理”知识形态的突破。所谓“原理”形态的知识，是指依靠普遍公式和系统推理构成的知识体系。它主张以经验事实为起点，依靠外在确证、量的规定及数学语言为载体对该事实加以验证和把握。在宏观知识形态之下，英国学者吉本斯在研究当代社会科学动力时，首次提出了“知识生产模式”的概念，用以指称知识生产的方法、场所、价值及规范的综合体。文艺复兴和启蒙运动的兴起与发展，弱化了教会在人们心目中的权威地位，经验丰富的主教举行会议的教堂不仅自身逐步发展成为学校，同时也推动了大学和学科的形成。以实验和实验室为基础的近代自然科学逐步形成了许多科学门类，大幅提升了专业壁垒。一方面，自然科学的发展为侦查权的运行提供了一种相对客观的行为模式和指导。诸多犯罪学家试图从数字之间发现隐藏在背后的规律，以期指明从哪些重要的方向开展法律程序。另一方面，程序正义、人权保障、权力制约等现代刑事诉讼基本理念的兴起与发展逐步成为约束侦查权的重要理论基础，不断规范和调整着侦查权的运行逻辑。
信息技术的产生与发展不仅带来了生产力水平的极大提升，也引发了一场深刻的知识革命。就知识形态而言，与经验形态、原理形态的知识相比，信息技术支撑下的知识打破了单一学科的界限，任何学科的知识均因信息技术的介入而彰显出新的特征。例如，通说认为，侦查主体在行使侦查权力时需要具备常识与经验，超越常识和经验的科学知识、技术知识及其他案件需要的专门知识、法律知识三个组成部分。在信息技术介入下，侦查人员知识结构扩充为既要懂侦查，又要懂信息化操作技能；既要具备信息化思维，又要在丰富的侦查理论和实践经验基础上精通信息技术应用的复合型人才体系。就知识生产模式而言，作为信息载体的二进制符号较语言和文字传播速度大幅提升，虚拟的网络空间开辟知识生产的新场域，为社会主体传播“个人知识”或“地方性知识”提供了渠道。信息技术赋能下知识作为生产要素带来生产力水平的大幅提升，知识的生产与传播成为新的生产方式；同时重构了人们生存、工作、生活的方式和状态。一方面，如果说前述经验形态、原理形态的知识分别对应农业社会、工业社会，信息技术则开启了继自然资源、资本为核心的经济模式转向依靠智力、知识、信息为主的知识经济时代。并由此形成了多种侦查合作模式。其一，法定侦查权主体之间合作。主要表现为公安、检察、军队等侦查权主体之间就特定犯罪知识匮乏引发的合作，以及因信息化平台建设带来的权力运行体制的扁平化趋势。其二，法定侦查权主体与法外侦查权主体之间合作。典型如自20世纪80年代以来各国积极推行的情报主导警务战略，美国的情报共享计划要求所有政府部门均应建立支撑犯罪治理的情报分析能力和情报共享能力机制。其三，法外侦查权主体之间合作。21世纪伊始风靡一时的“人肉搜索”以其强大的潜能引发侦查部门的关注，通过互联网中的“人机交互”完成对案件的调查过程，被喻为“网络福尔摩斯”。上述三种活动在信息论层面是信息的搜集与分析过程，但同时也是个体知识的运用过程，是各类主体基于认知图式对信息加工生产知识或应用的过程。另一方面，从事蓝领行业的工厂工人被从事脑力劳动的知识工作者所取代，重构了整个社会的分工结构——越来越多的工作者将从工厂和办公室中解脱出来，进入在家中完成工作的家庭工业时代。过去现场摸排、调查访问、勘验检查等侦查措施和手段为技术集群应用中的信息挖掘所取代，以现场勘验为核心的基本侦查模式日趋线上化，人像识别、行踪预测、视频图像分析等技术范式成为侦查权运行的主要发展趋势。在此背景下的侦查权呈现明显的扩张态势，侦查机关打击犯罪的能力以及侦查效率均显著提升。在“惩罚犯罪与保障人权相结合”“公正优先、兼顾效率”的刑事诉讼基本理念下，以科学技术为代表的新型侦查知识要素与传统程序正义等侦查知识要素之间的张力愈加激烈。
（二）知识变迁下的侦查权演变特征
通过上述梳理可以发现，侦查权作为打击犯罪和保障人权的重要权力，内在地对其自身的构造和运行提出了知识要求。宏观知识形态及微观生产模式的变迁均会带来侦查权结构和运行模式的变化。总体来说，知识变迁下的侦查权变革主要呈现出以下三个特征：
第一，主体特定性。在侦查权的运行过程中，权力主体可以从法定性、实际控制性、实质业务内容判定三个维度进行界分。从知识的角度看，在经验形态知识阶段侦查权主体与知识主体同一，知识生产与应用的场域与侦查权运行场域一致，而在原理形态知识阶段与信息化阶段，侦查权运行过程中的知识需求扩张，科学技术知识虽然凭借“知识—权力”的微观权力运作实现了对侦查主体的支配或影响，但由于技术的稳定性，制度层面可通过规范介入路径提供程序保障和控制。如《公安机关办理刑事案件程序规定》第八节对鉴定的主体资质、鉴定程序、规则等方面作出要求。因此，并未实际导致侦查权的外溢，享有侦查权并最终作出决策的主体仍然是法定的侦查机关。
第二，目的明确性。对于侦查权主体来说，知识本身具有特定目的，旨在帮助侦查权力主体在刑事司法活动中行使职权，反映了对案件事实、法律关系的认知、信念和价值判断。学界普遍认为技术是对科学原理的应用。例如，有学者将侦查技术定义为“侦查中运用的各种科学技术方法的总称”。实际上，技术的发展史远早于科学史，而技术向科学的大规模“借贷”更是19世纪中期以来的趋势。如前所述，经验形态阶段的知识表现为技能，主体在运用过程中虽然并不具体知悉规则的存在，但却通晓“如何做”能够实现侦破案件的目的。近现代以来的侦查技术，无论是对科学原理的运用还是信息技术基础上的算法，均指向侦查机关主导下依据特定规则达到查明案件事实的目的。技术实质上是侦查主体器官的延伸，是遵循规则实现目的的技能、技艺或科学方法的知识，而目的则始终是由侦查主体决定的。同时，为防止侦查权滥用而导致侦查目的偏离，诸多国家法律均要求侦查手段的运用必须统摄于比例原则之下，不得超过实现侦查目的所必要的限度。例如，德国法院基于宪法规定，进一步提出“最缓和手段”理论，即如果采取较轻手段能够达致目的则不允许采取较重手段。
第三，规则明言性。制度是结构化的行动，作为制度的侦查权指向解决犯罪活动所凝练的类型化行为模式。由于经验形态阶段的知识和侦查不具普遍性，在此不再赘述。近代以来的科学知识与技术知识均属于明言知识范畴。明言知识与默会知识相对，指能够以一种系统的方法表达的、正式而规范的知识体系。在波兰尼看来，技术的发明过程实际上是工程师个人知识的生产及应用过程，遵循“感知—发现—理解—验证—对已有知识的应用”的路径，旨在运用客观的科学知识实现主观的目的。这种目的可以是创造直接价值，也可以是通过提升效率创造间接价值。作为明言知识的规则发生在最后一阶段的应用中，即创造一个由数个步骤组成的策略，按照工程师创造的既定、连贯的程序即可实现技术的功能。而这些操作原则和程序均具有某种可言传的特性，表现为说明书、讲解书，同时也是一项技术获得知识产权的基础和必要条件。侦查权运行过程中运用的技术实质上是遵守上述既定的规则进行的，也正是由于规则的明言性，为法律控制提供了可能性。
三、智能时代的知识变迁与侦查知识化
在知识管理领域中，智能被视为对知识的运用。正是在这个意义上，肇始于20世纪80年代的公安信息化和专家系统建设被视为第一代人工智能应用。相较于知识前置输入的专家系统，第二代人工智能以神经网络和学习算法为底层技术，旨在实现人类大脑更广泛的联想、概括、推广能力。在此过程中，知识或规则是生成的。从实践层面来看，我国已经步入利用深度学习和海量数据快速习得知识与技能的发展阶段，作为代表技术的生成式人工智能正在变革人类的知识生产方式，也带来侦查权的嬗变和异化。基于此，本部分探讨集中在第二代人工智能范式。
（一）智能时代知识生产的特征
在知识形态方面，智能系统生产的知识与信息化时代仍具一致性。知识是人类认识客观世界所积累的智慧。如前所述，前智能时代的知识是前置的，是通过人类认识世界的基础提供给计算机系统作为运算的规则实现的，机器本身并不具有认识的能力。那么人工智能系统是如何认识并生产知识的呢？在传统认识论中，人类作为认识活动中的主导，确立了人类中心主义的特征。其中一个核心观点是“透明性”（luminosity），即心灵的状态对我们自身来说是不言自明的，当一个认识主体知道p，那么他就知道他知道p。也有学者从语言的角度思考认识的界限，即“知者所知之事均可陈述”。无论是经验形态的知识还是原理形态的知识，头脑中是加工还是分享，都需要语言作为媒介，所以维特根斯坦曾言：“我的语言的界限意味着我的世界的界限。”以生成式人工智能为例，大语言模型的运行逻辑是基于大规模语料库进行预训练，依托数据库中的大量文本获取丰富的语言知识，输出成语句与用户进行交流。但实际上，它需要做的就是识别数据中词元（token）之间的最大可能关联性，并建立词元与词元之间的大概率连接。因此，貌似是在言说，不如说是在“学说”，机器并不理解其中的含义，也即难以获得类似于人类认识过程中的透明性。
人工智能系统虽然不具有认识能力，没有带来知识形态上的嬗变，但以其强大的计算能力基于相关关系生成了符合客观世界的创新。知识生产主体中从个体到不同学科的科学家与工程师的变化，不仅是单一数量和种类的扩张，更是在认识方法和手段层面上的创新，知识生产模式的变化在本质上是方法的变化。从人类“碳基生命”基于因果关系的发现到机器“硅基生命”基于“相关关系”的嬗变，不在于比人思考得更好或者更快，而是能思考人类无法思考的事情。相较于人类“从无到有”的创新，人工智能系统更类似于一种“从有到有”之新。此新乃“注意力之新”，是凭借人类能力难以发现的关系之新、结构之新。由此推动知识生产模式的变化。
在主体维度上，智能时代的知识生产主体转变为人机协作模式。人工智能系统打破了既往以人类为核心的知识生产主体范围。通过搭建类似于人类脑神经的网络，基于大数据集、大参数量的训练，机器获得了知识的生产、应用、转化、引申等能力。以生成式人工智能为例，机器能够替代人类进行创作，具备生成全新、与训练数据相似但之前不存在的内容。应用在侦查领域，不仅可以利用自然语言处理技术分析开源非结构化数据，识别与犯罪相关的行为模式；还可以从既往犯罪数据中识别犯罪规律，推导人、事、物之间的因果关系，判断犯罪动机和行为模式。
在生产方式维度上，人工系统依靠不断优化的算法统筹并处理各种信息，凭借远超人类智识的能力对全数据进行高精度解码与编码从而生成知识。过去人们基于时间和经验积累的权力运行方式升级为依据一切个体经验和事件的归纳。质言之，以“大数据”为基本质料、以概率和计算为基本方式、以大语言模型为基本工具，侦查权的运行逐步演变成为数据信息的“输入—提炼—加工—成品—输出”的数字化过程。例如，近年来，公安部经济犯罪侦查局组织全国公安经侦部门深入开展“金析为证”工作，主导并发布了一系列技术标准、工作程序，推动资金分析结果由“数据”向“证据”转化。在《法庭科学 非法集资类案件资金数据分析规程》（GA/T 2161—2024）中，数据分析人员借助孤立森林算法发现交易节点中的异常情况，并依托神经网络筛选并构建资金关联图谱，最终实现犯罪网络的可视化。在此过程中呈现两个显著的特征，其一是知识生产的智能化。分析方法由传统人工经验判断转向算法的自主决策，基于深度学习的异常检测模型自主识别多层嵌套交易结构。其二，侦查权运行的智能化。侦查权对案件事实的发现过程转变为算法自主决策基础上对动态数据的事实分析，与知识生产过程高度同构，结论形式由证据组成的确定性表述演变为资金流向特定节点的概率分布，并为司法证明提供量化支撑。二者结合则构成了后文论述的“侦查知识化”现象。
（二）知识变迁带来的侦查知识化
智能时代的侦查知识化是知识生产智能化与侦查权运行智能化所产生的发展趋势。既往知识系统向侦查权的介入源于犯罪打击需求主导下的必要性逻辑，智能时代知识生产效率的提升所带来的侦查权变迁遵循的是供给主导下的合理性逻辑。亦即，人工智能技术以其强大的信息处理能力和知识生产能力，提升了人们对行为或事件规律的认识和总结能力，由此带来侦查权变迁。
侦查知识化相较于侦查情报化是更为合理的概念表达。有学者提出侦查情报化的概念，用以描述侦查主体以情报搜集替代犯罪侦查的现象。该现象具有三方面特征：在功能上，强调风险的事前评估和干预；在方式上，侧重信息的收集、分析和共享；在本质上，以探索事件或行为的规律为底层逻辑。侦查情报化立足于侦查模式发展和公安内部机构设置，具有极高的理论价值与实践价值。但侦查知识化是更为合理的表达。一方面，情报强调实用性，知识侧重抽象性。情报是公安机关服务实战、辅助决策的有用信息。“情指行”一体化是情报主导警务的核心要义，强调以情报辅助决策并应用于实战。知识是对客观事实、规律和原理等系统化信息集合的把握和运用。如对人的再次实施犯罪的风险评估是犯罪预测的主要运用场景，英国达勒姆郡警察依据其开发的风险预测系统对特定人进行评估并作出是否羁押的决定。这一过程中最为关键的是信息技术对既往案例中年龄、性别、邮政编码等信息的建模与预测，这本就是知识生产的过程。另一方面，情报具有指向性，知识具有普遍性。如有学者认为侦查情报化使得个案中具体犯罪嫌疑转向普遍的犯罪风险，基于普遍的犯罪风险进行持续性、常态化的数据收集存在广泛侵犯公民权利的隐忧。实际上持续性的数据收集旨在提升知识生产的准确性，而非针对特定事件的情报分析。正是智能时代知识生产方式的变化而非情报化完成了上述犯罪嫌疑向犯罪风险的转化。
（三）侦查知识化的特征
人工智能技术与以往技术的重大差别使得侦查知识化具有如下特征：
第一，主体协同化。在人工智能诞生以前，侦查过程中的信息加工、处理都由人类完成。技术及其产品虽然能够帮助人类完成许多体力劳动，或者收集部分依靠感官难以获取的信息。但没有任何一种技术能够替代人脑的思考与决策，更没有一项技术能够生产知识。在此背景下，传统侦查主体的决策过程是一种遵循规范逻辑结构，根据个案情景运用经验法则进行嫌疑证成的路径。即使对于侦查过程中面临的专门性问题，在公安机关的主持下可以聘请具有专门知识的人辅助侦查人员就特定问题提出意见和协助取证，但决策主体并未超脱侦查权的法定性和专属性范围。
智能时代的知识系统呈现出扩张趋势。知识系统在侦查权运行过程中主要由主体角色、知识运用的交互关系及知识生产的客观材料三方面内容组成。在智能时代人机协作过程中，在主体角色维度上，司法鉴定人、专家辅助人、司法技术人员等知识供给者转变为机器。人工智能对社会分工基础上的学科知识进行整合，将不同学科、问题领域的知识统一为一个场域。人工智能系统的知识生产依托数据与算法，实际上集成了各个学科的“专家”。在交互关系维度上，提供鉴定意见或就技术问题进行说明，转变为人工智能对情报研判、现场勘查、证据收集、犯罪嫌疑人锁定的全局性支撑。在客观材料维度上，鉴定意见、专家报告等材料形式演化为基于数据和算法的直接知识供给。侦查权主体在个案中针对特定问题的“支配—被支配”关系随着智能时代知识鸿沟的普遍化不断扩张，智能系统凭借“知识—权力”与“认知—行为”的交织和耦合发挥着实质意义上的权力作用。例如，人工智能系统以其计算理性替代了经验和原理的运用，对大多数侦查权主体而言，早已超出其个人知识体系范畴，技术的黑箱打破了传统人际交互间知识的共享与传播，从而动摇了法定主体的决策基础。又如，算法编制者、数据持有者、数据处理者等主体顺势进入权力主体范围，凭借知识权力、算法权力、数据权力造成侦查权的弥散化和社会化趋势。
第二，目的扩张化。知识的目的在于指导实践。唯物辩证法认为，认识来源于实践，同时对实践具有指导意义。既往知识生产是前置的或者独立的，追求的是指导性和普适性，力图揭示犯罪和侦查行为背后的规律，满足打击犯罪的需要。人工智能算法遵循的是效率逻辑，它依托信息化技术对实践问题进行“有限、确定、有效”的处理。智能时代的知识追求的是实用性和相关性。人工智能系统立足于人类数千年文明积攒下的绝大部分知识和现实生活中的一切现象，从数据中发现知识关联，从“蛛丝马迹”中探寻破坏社会秩序、具有犯罪风险的线索，大大提升了人们认识客观世界的效率和精度。与知识中心持续下移相伴的是信息论地位的上升。旨在消除不确定性的信息逐渐混淆了其与“数据”“知识”的概念边界，推动知识范围无限拓展。过去人们追求的符合普遍性、真理性标准的“德性”与“智慧”，随着信息化、数字化的知识表征、储存、传播方式下降为人类“行为痕迹”的言说。
智能时代知识生产目的的变化表现为对犯罪的事后打击转向对犯罪事前的预防和治理。知识生产不以是否存在犯罪嫌疑为前提，而旨在追求符合客观实际，遵循的是效率逻辑。人类知识的生产、传播、学习需要建立在长时间的积累和体验之上。而人工智能通过识别、计算词元之间的关联度，将客观世界与主观认识问题简化为“如何预测下一个词元”，从而体现出预测性的特点。如欧盟开发的乘客姓名记录系统，对搭乘起飞或降落在欧盟成员国航班的所有乘客信息进行比对分析，依据姓名、行程、座位选择、行李托运、付款方式等信息对乘客实施恐怖活动犯罪及其他严重犯罪的可能性进行评估。正是机器生产知识方式的变化提供给侦查权以预测的能力，将侦查权的犯罪事后打击目的拓展为对犯罪的事前预防与治理，通过将符合历史数据特征的人或事物纳入监控范围，实现权力的扩张。例如，人脸识别技术在社会治安与犯罪侦查领域已展现出强大的实践效能。有学者指出，通过完善后的深度卷积神经网络框架进行面部图像特征的提取，并利用支持向量机进行分类分级，对涉毒人员的面部识别准确率可达98.5%。从知识生产和侦查权角度来看，这一过程实际上是人脸识别系统（技术）→定义“可疑人员”特征库（知识）→强化国家对个人的监控（权力）。
第三， 规则黑箱化。与既往规则的明言性相比，依托人工智能技术的侦查知识化规则呈现出黑箱的特点，由此带来侦查权运行的黑箱化。所谓“黑箱”是关于“不透明”的隐喻，即只能观察到输入与输出，而不明晰其中的决策过程。一般认为，算法黑箱的形成原因包括：由于特定领域的需要而导致的不透明；由专业壁垒形成的技术“文盲”所导致的黑箱；以及机器学习的原理带来的黑箱。信息化时代的侦查乃至学者论及的大数据侦查，具体流程包括主题确定、数据集成、建模运算及数据可视化等一系列环节，背后运算的基础由“程序设计+数学规则”组成。由于规则是前置的，不透明性是针对使用者而言，而非设计者，编程的专业性和用户的知识代沟导致了不透明的现象。换言之，规则仍是明言的，对制造者或设计者而言仍具有透明的可能性。因此，前两种原因造成的黑箱并非真正意义上的黑箱，而是由于专业壁垒和知识分工带来的针对特定人群的“不透明”，但仍具有“透明”的可能性。对应人工智能在侦查活动中的应用则指向第一代基于符号主义范式的人工智能，有学者将其称为“白箱”算法，即采用决策树、线性回归、朴素贝叶斯分类器的自动化决策系统。知识生产的底层技术是机器学习，最为显著的特征是真正意义上“黑箱”的出现。现代机器学习模型通常包含数百万甚至数十亿的参数以及复杂、非线性结构的多层神经网络，运算过程中依赖的数据基础往往也是高维度数据，如图像像素、文本词向量等等。这些复杂的非线性变幻在层层叠加后，使得模型的决策过程变得极其复杂和难以直观追踪，甚至超出具备专业知识的工程师或设计者的理解范围。如管理美国“禁飞名单”的算法操作人员就曾公开表示无法理解算法的运算过程和内部逻辑。
知识是决策的基础。在刑事诉讼法的规则框架内，证据是能够证明案件事实的材料，侦查权的整个生命周期应当建立在证据的支撑基础之上。换言之，侦查权被限制在与案件事实相关的范围之内，侦查机关不得收取与案件无关的材料。而相关性的判定是一个经验判断的过程，侦查决策的合法性源于警察根据执法经验所进行的合理推论或推理。威格摩尔将经验类型化为“科学发现、专家意见和生活法则”。前智能时代的知识是“大定理，小数据”的科学范式，而智能时代的知识是“大数据，小定理”的技术范式。科学范式下，人们能够对物体的运行规律进行宏观把握，并将这种普遍性规律迁移应用在具体的情景中，从而预测事物发展的规律。而在技术范式下，利用小数据的汇聚产生大数据，再由大数据提炼小定理。这种小定理是建立在相关性概率统计的基础上，但与科学范式下的“大定理”相比，缺乏跨系统的宏观指导力。宏观指导力的衰退则强化了侦查主体在选用上的个体性差异，会受到教育经历、性格特征、执法经历等因素的影响。由此，侦查知识化实际上以其计算理性替代了经验法则的运用，而黑箱则阻碍了主体对于规则的选用，难以形成稳定的行为模式。
四、侦查知识化的潜在风险
知识是社会的基本要素，知识生产方式的变化模糊了自身与侦查权的界限。侦查权的主体协同化、目的扩张化、规则黑箱化带来主体维度的责任分配模糊、目的维度的公民基本权利克减及规则维度的参与能力降低风险。
（一）主体风险：人机协同的责任分配模糊
侦查权在刑事司法框架内要求权责统一，即侦查人员在从事侦查行为时应当承担强制性义务和工作失误的不利后果。在传统归责理论中，技术是中立的，责任归属于背后技术的设计、制造或使用行为。《公安机关人民警察执法过错责任追究规定》《关于进一步全面落实司法责任制的实施意见》等文件均根据侦查过程中相关人员执法行为的过错规定了相应的法律责任，要求执法办案人、鉴定人、审核人、审批人对其决策负责。人工智能系统借由知识生产导致侦查权的主体协同化，由此带来当出现决策失误时如何界定多元协同主体之间的责任分配问题。
第一， 在人类主体范围内，人工智能知识生产系统不仅涉及委托承揽、设计规划、研发审查、部署使用等多个步骤；系统运行层面上还包括数据提供者、数据处理者、算法提供者、算法编制者等多元主体的交互。诚然，当前人工智能的发展仍停留在弱人工智能时代，尚且无法实现对人类的替代。算法虽然没有意识，但却存在着意志，这种意志源于算法设计者或数据。人工智能生产知识存在歧视与偏见风险广为人们接受，在侦查权运行过程中，这类风险既可能由系统建设维度上的需求理解偏差、算法编制失误等原因造成，也可能由系统运行维度上的数据筛选、阈值设置、结论理解导致。当出现决策失误时，将难以划分具体的责任归属。
第二， 在人机协同范围内，智能系统凭借知识塑造人的认知并发挥对人类主体的构造作用。例如，有实证研究表明，执法人员对于犯罪高危地区符合机器提取的犯罪特征人群将会采取更强的犯罪控制行为。这意味着人工智能已经在实然层面脱离单纯的工具范畴，参与并分享了警察的决策权。尽管现在对人工智能是否具有独立人格和责任主体地位仍存极大理论争议，但人机协同的决策模式难以为“主体—行为—责任”的规则框架所覆盖，随着人工智能技术的发展，“责任鸿沟”将愈加难以逾越。
第三，在机器协作范围内，智能系统对侦查权的全链条赋能多由诸多信息技术叠加而来，如数据共享系统、警务地理信息系统、户籍信息系统等。知识的生产依赖多重智能系统的协同，这导致任何一个算法或数据的错误均可能产生连锁反应，提高了相关责任的判定难度。
（二）目的风险：侦查相对人基本权利克减
智能时代侦查权的知识化推动侦查权的权利干预类型发生转换和升级。智能时代的知识生产基于一切事物和现象凝结一般规律，功能指向提升侦查裁量过程中的效率和准确性。与传统基于物理侦查行为的知识生产不同，这种模式由传统意义上依据既往犯罪“人”或“物”的历史数据转向基于全景数据。质言之，智能系统能够发现与案件看似无关紧要的数据之间的关联，并通过对这些信息的二次挖掘和处理，从中整合背后的规律。例如，通过对犯罪嫌疑人的立体式数据画像，采集通话记录账单、行踪轨迹、消费习惯等个人信息，从而梳理出该类犯罪的特征，这间接侵犯了未实施犯罪人群的隐私权、个人信息权、人格尊严等具有隐匿性、抽象性的人格法益。现如今，超过98%的信息已由数据承载。智能系统知识生产对犯罪的事前预防及事后打击提供的支撑作用，对公民权利的侵犯远超侦查措施造成的影响。侦查过程中，大量与案件无关的个人信息被收集、储存、分析、比对。这种监控模式实际上架空了目的约束原则的限制，将不特定的人群纳入了侦查权力的对象范畴。
我国针对上述风险尚未构建行之有效的权力制约体系。智能时代知识生产与侦查的边界模糊化趋势加深，决定了其对个人基本权益侵害风险的提高，应该进行相应的配套权利构建，以维护被追诉人的合法权益。随着刑事司法人权的不断发展，除要保障公民的人身安全、身体健康、人身自由等最为基础性的权利外，隐私权随着社会不断地发展以及侵扰形式的不断增加也更受重视。隐私权作为一种消极、被动、防御性的权利，难以应对知识生产的智能化所带来的犯罪嫌疑人的相关信息随时处于失控或被随意操纵的状态。我国从“专家系统”到神经网络、深度学习，视频监控、网络监控基本实现了“全域覆盖、全网共享、全时可用、全程监控”的目标，不论是否为犯罪嫌疑人，其一举一动都会被记录并纳入监控范围之内，但每个人并不知道何时何地会受到监控，并成为潜在的被分析对象，导致其陷入透明状态所带来的恐慌之中，因此亟待构建更具积极性、主动性以及可控制性的程序性权利体系。
（三）规则风险：侦查相对人参与能力弱化
保证被追诉人充分、有效地参与决定，并赋予其积极行使权利的能力是公正的基本要求。这种参与并非简单的到场或出席，而应当是切实有效地参与到过程之中，对侦查过程和内容的知悉及对不法侵害行使申辩等权利。知识生产的黑箱化在实质意义上弱化了人的决策能力，冲击着侦查相对人的参与能力。
第一，知识内化于侦查主体自身并对其决策产生影响，过程中无法与相对人产生直接关联。而对于作为信息主体的侦查相对人而言，其有权知悉司法机关对其个人信息的处理目的及用途，并有权修改和更正不当或过时的数据信息。知识生产的封闭性和不可感知性直接弱化了侦查相对人了解侦查机关可能的指控方向及证据来源的可能性，难以及时实施有效辩护。第二，从诉讼进程来看，机器生产的知识作为决策和推理的基础，并不会作为明确的证据材料载入案卷并传导至后续的诉讼过程。例如，COMPAS智能评估工具对被追诉人的社会危险性进行评估，辩方认为算法的黑箱使得其无法与不利于自身的证据进行质证，剥夺了被告人的参与权，属于严重的程序违法。第三，从权利救济的角度来看，黑箱所内在的技术鸿沟和信息壁垒直接摧毁了侦查相对人对人工智能系统的鉴别和判定能力。即使相对人了解和知悉上述主观认知和客观载体，但技术专家尚且难以理解背后运行的逻辑与原理，不具备专业知识的辩方更无法获取内在的含义。仍以前述证据的相关性为例，侦查相对人有权拒绝回答无关问题，并拥有对相关人员对无关财物查封、扣押、冻结的行为进行申诉或控告的权利。黑箱不仅增加了侦查主体判定相关性的难度，同样也提升了侦查相对人从反面论证不具有相关性的难度，从而架空了刑事诉讼法为相关权利人提供的程序性救济，直接弱化了相对人对诉讼进程的参与能力。
五、基于技术正当程序的风险控制
从理解星辰运行到操控基因密码，从驯服蒸汽动力到驾驭信息洪流，人类历史上曾打开过无数技术的黑箱，正是不断从“知其然”迈向“知其所以然”才塑造了今天的文明。与以往技术不同的是，人工智能处理的素材除物质外，不可见的信息和知识是其不断发展的养料，而算法是其工具和底层逻辑。正是算法的技术性和不透明性模糊了侦查主体的责任追究，克减了被追诉人的参与能力。在这个意义上，通过打开算法的黑箱实现规则的透明是方法，而强化侦查主体的决策主体和责任主体地位，以及被追诉人的参与能力是目的。有鉴于此，智能时代对侦查知识化的规制及风险防控需要将视野扩张至系统建设层面。
“技术性正当程序”理论为解决这一问题提供了有助益的借鉴和参考。该理论立基于这样一个出发点：算法的运行可能使得相关人丧失理解机器决策的能力，因而有必要通过优化计算机程序设计提升决策透明度和可问责性，进而提升机器决策行为的可问责性。技术性正当程序的价值追求覆盖了透明、准确、负责、参与、公平等，将算法的制定、决策、追责等过程囊括其中。其理想模型包括原理公开、全程参与、充分告知、有效交流、留存记录、人工审查六个方面。应用在刑事司法领域，原理公开和全程参与对应系统建设层面，通过提升算法透明度和公众参与能力强化对国家权力的制约；充分告知和有效交流是对传统正当程序的理论的技术化改造，旨在通过对人的尊严的保障制约国家权力；留存记录和人工审查是在个案救济层面对传统正当程序的拓展。正好分别对应刑事司法领域中“以权力制约权力”“以权利制约权力”“以程序制约权力”的基本原则。
（一）提升参与能力：原理公开与全程参与
任何技术的黑箱都被视为正义实现的阻碍。正如同“阳光是最好的防腐剂”，算法公开被视为解决算法黑箱与算法正义的最佳方案。但在技术上即使公开也难以真正打开算法的黑箱，对绝大多数非专业人士来说，其只是一串串难以理解的“蝌蚪文”。而且单纯依靠算法公开无法满足侦查秘密和侦查效能原则的要求，甚至可能带来侦查机关与犯罪人“反向学习”的“猫鼠游戏”。“重要的不是决策是如何达成的；唯一的问题是决策是否可以事后辩护（正当化）。”透明本身并不是目的，而只是实现保障被追诉人权利的阶梯。因此，透明本身并不是实现目的的充分必要条件，而只是最直截了当的方法，通过帮助被追诉人理解相应原理以提升参与能力才是现实的解决之道。
在最低维度上，应当满足被告质证权的实现。面对知识生产的智能化，通常情况下被告人并不具备相应数据与算法的专业知识。采用任何公开或解释方法机制都不能发挥其实质意义。因此，在最低维度上应当考虑如何弥合知识鸿沟，为被告人的质证权提供底线保障。一方面，在基础原则层面，《刑事诉讼法》第9条规定了公安司法机关应当为存在语言障碍的诉讼参与人提供翻译的义务，这是正当程序原则提高诉讼参与能力的具体体现。出于相同的立法目的，可以在技术发展背景下将语言文字翻译拓展至算法翻译，从而强化智能时代诉讼参与人的参与能力。另一方面，在实现路径方面，可以考虑拓展专家辅助人的职能权限。依据《刑事诉讼法》第197条第2款及《关于办理刑事案件收集提取和审查判断电子数据若干问题的规定》第21条规定，被告人有权聘请具有专门知识的人出庭并就相关技术问题作出说明。在此基础上因应智能技术发展，可在其基本职权方面加以拓展，向被告人就智能技术的运用提供专业意见，弥合双方的知识及技术鸿沟。
在中间维度上，在系统使用方面，应当提升算法的可解释性。可解释性的实现是被追诉人理解算法运行原理的重要渠道，对于实现侦查机关合理应用算法具有重要的监督作用。基于此，在人工智能系统的应用过程中，应由使用者对受到质疑的算法部分进行解释，解释的内容包括对算法设计的解释以及算法具体决策的解释。针对前者而言，鉴于算法模型的专业性和复杂性，算法模型的设计者在特定场景中有义务协助算法使用者对算法的内容作出解释。解释方法可采取“软解释”，即以语言文字的形式协助被追诉人理解其技术原理。
在最高维度上，实现优化的算法透明。鉴于算法公开与侦查秘密和商业秘密的紧张关系，在透明度的选择标准上，应以“优化的透明度”为参考，即出于尊重信息相关者的利益，对算法披露的范围进行限制，从而实现透明与秘密之间的平衡。在实现透明度的内容方面，应当包括基础数据和算法决策机制的公开，用于揭示是否存在基于不当数据或算法生成歧视结果。在公开方法上，鉴于侦查知识化的底层技术是机器学习与神经网络，存在客观上的公开不能，可以考虑引进局部代理模型等替代性方法进行公开，以一定精度刻画输入变量与结果之间的相关性，在不必然打开“黑箱”的条件下满足算法的解释并生成量化透明度报告。
（二）完善基本权利：及时告知与有效交流
传统正当程序原则在本质上体现了一个权利体系，该权利体系根植于民族传统和公众情感，以至于被视为整个历史所表现出来的文明社会的基础道德准则。而智能时代技术性正当程序的核心要义也指向所有受到算法影响的主体均应当拥有“知其所以然”的尊严性权利。因此，应当搭建与权力扩张相对等的权利体系，强化权利对权力的制约作用。
一方面，保障被追诉人知情的权利，建立二维告知机制。首先，侦查知识化是侦查活动与知识生产活动的混同，就知识生产而言，其功能是提升侦查人员在感知和面对潜在危害时的决策能力。质言之，知识生产阶段并不存在具有紧迫性的现实危害，一般情况下不涉及妨碍侦查活动的理由。因此，应当首先实现数据用于知识生产的行为告知，及时告知被追诉人相关数据的使用行为。其次，就机器生产知识的使用而言，鉴于该阶段的功能一般作为推理或决策的大前提，同时也是被追诉人对后续证据行使质证权等权利的基础，应当充分告知该知识作为立案、采取强制措施及定案根据的理由。
另一方面，确立被追诉人数据辩护权。2022年《关于进一步深化刑事案件律师辩护全覆盖试点工作的意见》提出：“深化刑事案件律师辩护全覆盖试点工作，在审判阶段全覆盖基础上，逐步把全覆盖延伸到审查起诉阶段”。由上述文件可知，“全覆盖”的主要目标场域是庭审阶段与审查起诉阶段，侦查阶段仍未被充分重视。基于此，应当首先确保在侦查运行时“有人辩护”，这无疑是保障和追求辩护效果的基础和前提。与此同时，还要保障和实现被追诉人享有辩护权的有效性。具体而言，为了实现数据辩护的有效性，首先应当赋予辩护人数据访问权。若辩护律师无法知悉侦查机关对被追诉人数据的使用情况，加之传统辩护方式难以实现对相关数据使用目的的了解，将造成辩护人难以有针对性地提出辩护意见，导致辩护流于形式和趋于无效。因此在辩护律师提起申请并具备合理理由的条件下，应当允许其访问案件中难以以书面方式呈现的电子数据等证据材料。此外，在辩护律师的数据访问权存在破坏证据、泄露国家秘密、侵犯个人隐私等风险时，应当例外禁止行使这种权利。其次是需要为辩护律师提供平台支撑。我国司法数据库的建设正在如火如荼地进行，最高人民法院、最高人民检察院以及公安部等公权力机关在司法数据库建设方面已取得一定成果并实现了数据之间的相互串联和共享，但辩护律师却被视为“局外人”被隔离在外，不仅未考虑其需求还未向其提供查询服务，这造成控辩双方在数据获取能力上严重失衡。基于此，在司法数据库的建设过程中，也应当赋予辩护律师使用数据库的权利，确保其能够通过数据库查询到具体、精准且与案件相关的数据。
（三）落实司法责任：留存记录与人工介入
为了规避主体协作导致的责任不清及权力主体向智能系统卸责现象，应当建立标准化的记录留存机制和内外部人工审查机制。
首先，标准化的记录留存机制是司法监督和责任追究的基础。刑事诉讼的本质就是一种事后救济，侦查知识化趋势的显著特点是智能性和预测性，其技术特点也要求只能采用事后救济的方式确定特定人的罪责问题。域外研究表明，系统日志对于审查数据处理方式合法性、确保个人信息的安全性和完整性具有显著的积极作用。从我国立法实践来看，《公安机关执法办案信息系统使用管理规定》第33条要求信息系统应当建立日志的访问和使用记录功能。但相关规定停留在侦查机关的内部操作规程层面，缺乏相应的监督和审计措施，且内容较为原则化，不能完全满足侦查知识化趋势下的权利保障现实需求。未来立法需要结合智能系统的功能、场景，明确规定其日志留存的内容、期限，记录与被追诉人乃至社会公众合法权益相关的所有系统活动和参数，并在专业审计人员指导和协助下定期对相关日志和系统运行进行纠错和问责。
其次，建立个案化的人工介入机制。机器知识生产的本质是形成类型化的行为特征和模式，应当在个案中保证侦查主体的实质性参与和决策。这意味着客观上的行为特征相符不能作为立案或采取强制性措施的依据，而应统筹在案其他证据基于侦查主体的经验判断决定。具体而言，应当建立人工智能知识生产与立案及后续程序的隔离制度。一方面，在无其他实质性证据印证的情况下，不得基于机器生产知识和侦查人员心证采取强制性侦查措施，仅能用于线索发现或风险控制。另一方面，机器生产知识原则上不应当作为证据向后续程序流动，对于违法将其转化为其他证据的，可以考虑建立类似于“毒树之果”的证据规则，凡是据此形成的后续证据均不具有可采性。
最后，在系统建设与人工介入之间的责任归属上，依托标准化的记录留存机制明确人机协作责任链条。其中，最为关键的两个问题是：由谁追责、由谁担责。针对此，对于算法追责者而言，可构建专门的问责机构进行监督，即由省级数据主管部门、省级公安机关督察部门、相关法律监督部门如省级纪委监委、省级检察机关法律监督部门等多部门联合组成监督机构对大语言模型的使用情况进行监督，以保障监督的公平公正性。对于责任承担者而言，最为直接的责任承担者应当为算法使用者，即公安侦查机关。但在算法出错时，可能是因为算法设计者的故意或过失而使算法在初始设置时便是错误的，若是因为算法设计者的原因使算法出现错误，算法使用者有权向其追责，如此设置的最重要原因是更好地保障被追诉人的合法权益，降低其维权难度。
因篇幅限制，已省略注释及参考文献。
引注：李松岩、郭冠廷：《智能时代侦查知识化的权力变迁与风险控制》，载《河北法学》2026年第9期，第183页-200页。
