以ChatGPT为代表的大语言模型,正在深刻影响着包括检察工作在内的社会各领域。

从原理上看,将大语言模型运用于辅助检察办案,能够实现人机交互方式的自然化、信息承载形式的模型化、案件审查的超精细化,在技术上补足检察人员技能、补全卷宗材料信息维度、补强法律监督能力,帮助检察人员突破人机交互的语言障碍、信息传递的时空限制、对客观事物的认知局限,从而推动检察工作现代化。

第一,人机交互方式的自然化,助力检察人员全面提升专业技能。大语言模型的应用降低了运用信息技术的门槛,检察人员不再需要掌握编程知识,可借助日常对话形式,用自然语言把需求告知机器即可。曾经人机交互需要通过代码,而大语言模型则通过提示词,检察人员可直接对机器“发号施令”表达需求,机器也能够“理解”,人机交互方式趋向于“自然化”。在“理解”需求的基础上,大语言模型应用可以自动将需求拆分为若干指令,通过驱动数据库和搜索引擎检索信息、驱动编程工具进行计算、驱动桌面软件接口记录内容,从而满足需求,完成诸如写作报告、填充表格、绘制示意图、处理或生成图片甚至视频之类的任务。大语言模型应用堪当机器版的检察官助理,能够助力检察人员全面提升工作技能。

【资料图】

第二,信息承载形式的模型化,助力检察人员对案件的多维度理解。随着生产力发展,卷宗材料中开始出现图片及音视频,并且比重在不断增加;随着信息化逐渐成熟,也出现了运用虚拟现实等技术辅助案情复现。如今,运用大语言模型技术,可以将案件的完整数据全部整合,让信息突破时空限制,进而不仅近乎无损地记录并传递案件信息,而且还能够将作案动机、案发规律、法律逻辑均囊括其中,模型承载的信息将远超传统的信息载体。未来,或许比移送案卷更重要的,是移送案件模型,通过“读取”模型,机器版检察官助理会化身该案的“百事通”,要想了解案件某方面情况,进行某角度的提炼和归纳,或者想获得办案建议,只要向它发问或提出要求即可,如此,能够助力检察人员对案件进行多维度理解。

第三,案件审查的超精细化,助力检察人员更加理性地开展法律监督。从法律传统来看,集体决策、权力分散、相互监督等各种法律程序的设置,是为了克服认知局限,促进司法结果更加客观公正。当下,大语言模型能够更好地发挥这一功能作用。通过大语言模型应用,能够将巨大算力转化为“从鸡蛋里挑骨头”的较真能力,从而助力检察人员更加理性全面审查案情,对案件认知达到超精细化状态。

基于以上原理,随着大语言模型的广泛运用,智能辅助检察办案应用的场景将发生以下四个方面的变革:

一是数据挖掘由“黑箱式”转变为“参与式”。传统的智能辅助检察办案应用中的数据挖掘,是根据软件研发人员设置的固定规则来直接计算,从数据挖掘到得出结论的过程是“单轮次”的,对此,检察人员一般并不清楚、也不能干预计算过程,更不能改变计算规则。面对“黑箱”的体验,要么“无条件接受”,要么“彻底拒绝”,很难有商量的余地。运用大语言模型辅助应用可以实现“参与式”数据挖掘,从原始数据开始,分步骤推进,通过人机之间“多轮次”的讨论交流,实现“人在回路”的相互启发,从而多维度、超精细地发现法律监督线索。例如,开展刑事案件“三书比对”,大语言模型可迅速整理出差异点,基于通常对法律和事实的理解提出建议;为避免“机械司法”,检察人员可以要求大语言模型应用结合互联网数据、行政执法数据和同类型检察案件数据进行一些具体“思考”,于是,得到指点的机器就会将眼光聚焦社会治理,为检察人员提供视域更开阔、层次更丰富的工作建议;如果对结论存有疑惑,可以要求机器展示思维逻辑,将数据挖掘的过程以普通人能够理解的方式表达出来;倘若检察人员不赞成该具体思路,可以进一步向机器发出指令,做更深层次的引导。

二是信息呈现由“固定格式”转变为“个性模式”。检察人员审查案件,需要阅读卷宗,或者听取介绍汇报;检察人员向其他人传递、展示案件信息,也是通过宣读法律文书、出示证据材料、提交书面报告等方式来呈现。将案件信息转化为固定格式的卷宗材料进行流转,实际上是在一定生产力条件下的现代行业规范。如今,大语言模型作为一种更先进的生产力,驱动着法律行业的规范变得更加灵活和人性化:将大语言模型用于智能辅助检察办案,能够开启“个性模式”,以方便信息传递者更主次分明地呈现信息,更恰如其分地“迎合”信息接收者的习惯,从而让沟通交流更加充分有效。如前文所述,未来的信息承载形式将是模型化的,因此,从工作职能来看,检察人员既是信息传递者,也是信息接收者。作为接收者,载入“模型”后,应用能够将案件情况转化为检察人员接收信息效率最高的形态,可以是条理明晰的报告,也可以是图文并茂的PPT,也可能是AI生成的视频;而当检察人员作为信息传递者时,信息的呈现也能够多样化,更有利于信息的接受与理解。

三是程序指令由“被动执行”转变为“主动改进”。传统的智能辅助检察办案应用投入使用后,软件只能“被动执行”,就算发现存在不合理状况和结论时,检察人员通常也只会“迁就”。而运用大语言模型,检察人员将通过“劝告”的方式,让智能辅助检察办案应用“主动改进”不合理之处,使得“相同的错误只犯一次”。当遇到法律程序不合理时,检察人员可以通过询问模型是否存在更优路径,以更好地实现公平正义;当发现法律实体问题需要改进时,模型可以提出不同观点,检察人员可尝试教导它、说服它,通过日积月累的交流让模型逐步“理解”新时代检察工作职能、“理解”天理国法人情的辩证统一。大语言模型加持的智能辅助检察办案应用,将实现更融洽的人机结合,从而助力检察工作提质增效。

四是历史数据由“静态存档”转变为“动态传承”。传统模式中,办案数据以电子信息形式“静态存档”到数据库中,检察人员通过关键词检索找寻相关“先例”,通过人脑先“消化”历史案例承载的法治理念和法律思维,才能在随后的案件办理中将其贯通融合,此过程耗时较长。运用大语言模型,能够在智能辅助检察办案应用内部“一步到位”实现对历史数据的学习、借鉴及运用,检察人员可以不用查看历史数据的原始形态,就可以得到建议和结论。不同于以往的人工智能,大语言模型是具备“涌现”能力的通用人工智能雏形,它能实现对历史办案数据的“动态传承”。将大语言模型用于辅助检察办案,将更好地统合“同案同判”和“个案差异”之间的矛盾,能够大幅提升案件规范化程度、大幅提升办案效率,使司法资源得到极大丰富,从而实现以检察工作现代化服务保障中国式现代化。

(作者单位:湖北省人民检察院。本文系湖北省人民检察院检察理论与应用研究课题“运用大数据技术提升检察监督能力研究”的阶段性成果。)

关键词：