【数据法学】周蔚：大数据在事实认定中的逻辑
B D A I L C
欢 迎 关 注
大数据分析是“互联网+”时代商业分析手段，同时也是新型知识分析工具，能够基于大规模非结构化数据实时完成大规模数据分析，对数据间的关联关系作出预测、决策。随着我国在互联网司法公开日益深入，司法权力运行的信息能够较为便捷获取，为法律大数据分析提供了原始的分析材料。通过对证据推理逻辑分析，本文提出大数据相关性强调数据间的关联，基于全量数据分析，规模化数据处理能力是人的经验和理性无法胜任的任务，证据相关性则强调法律人的经验和逻辑理性。由此，本文认为大数据分析预测尽管在目前阶段尚不能独立成为证据方法，但对案件事实认定过程能提供背景知识。
零雨其濛 © 洪声刚
文 / 中国政法大学证据科学研究院博士后 周蔚
法学研究到底应该坚持自身特有理论架构，还是适当开放，接受其他学科的影响，在法学研究内部一直以来没有形成一致观点。对于植根于英美法研究传统的证据法而言，虽然在发展过程中没有学科封闭性的困扰，但是新的证据、证据方法的引入需要经过反复的论证和试错。多学科不断融入过程中，多学科交叉已经成为证据法研究的理论品格，新的理论、方法如能可靠查明案件事实，就能够成为证据法研究关注的主题。新证据法学派的兴起见证了科学证据、人工智能与法、法律论证理论等诸多理论与证据法研究的融合过程，科学理论和新的技术革新在法庭辩论中出现，极大扩展了事实认定者的认知能力。大数据作为当下“互联网+”时代显著经济标签之一，大数据分析技术已然经成为中国经济社会领域创新的原动力之一，在经济生活领域已经成为新的认识论工具。对于证据研究而言，大数据分析技术能够对互联网全样本复杂数据进行大规模分析，对事件之间相关性趋势做出量化评价。尽管这种分析并非逻辑意义上的论证、推理，但此大数据相关性研究让人惊呼数据对人性、对社会的预测如此精准，大数据是否可在事实认定过程中充当证据使用？大数据的相关性分析与证据相关性概念是否存在差异？大数据工具是否能拓展事实认定者证据认知视角？是本文希望尝试回答的几个问题。
从广义证据学研究来讲，证据的含义包括了可决定或证明某断言为真的一切事物，人类在不断适应并改造自然环境、社会环境的试错过程中，根据证据产生真信念的思维形成机制运用在人类生活的方方面面，大数据分析在与互联网有关的社会生活领域提供了决策的证据，似乎具有司法证明证据的可能性。尽管不同实践领域对判定证据为真的条件、强度不一，但证据本身不具有领域依赖性质，证据通过命题、断言在推理或者论证展示对待证事实的支持关系。十八世纪在欧洲中部与美国发生的启蒙运动扫除了中世纪的封建残余的同时，开启了人类理性思考政治、法律等社会领域的大门，这段历史时期被称为理性时代，并延续至今。得益于此时代背景，吉尔伯特于1754年出版了第一部以证据、证据法为主题的著作《证据法》，吉尔伯特的思想很大程度上受到了启蒙运动主要代表人物约翰.洛克的影响，洛克在其代表作中多次提出“概率”的古老概念源于古希腊智者，证据作为论证的前提由于种种难以预料的原因可能存在瑕疵，因而将证据具有的证明分量或者证明力称为“概率”，证据通过其特定证明分量向结论的传递，为接受结论提供支持。在法庭对抗式语境中，大数据分析如果作为新的证据形式呈现，并且能够将数据可靠地、或者较高概率地向结论传递，那么大数据分析在司法证明中满足了证明力要求。
司法裁判过程牵涉到在交互的语境中完成法律推理、价值判断、法律解释的法律发现过程，以裁判文书为例，很难简单运用一种或几种论证实现对纷繁复杂的社会活动作出裁判。由于裁判过程的复杂性，法理学家将司法裁判过程划分为“发现过程”（Discovery）与“证成过程”（Justification），发现的过程包括对案件事实的发现（事实认定）和对法律适用的发现。按照大陆法系的传统，对事实的认定是事实认定者在自由心证过程中完成，这个过程往往是复杂的心理权衡活动，在完成事实认定完成的基础之上，再对整个裁判论证进行合理性的建构。事实认定者的心证形成过程是一个心理过程，同时也是一个基于经验的论证判断过程，事实认定者基于证据的事实认定过程是一个理性心智判断过程，理想的事实认定是一个充分信息条件下的符合经验常识的理性认知决策。在信息指数性增长的互联网时代，社会生活的虚拟化纷繁复杂，事实认定者很难对各个领域全知全能，而大数据分析、人工智能技术革新让我们看到了事实认定者经验与全量关联信息连接的可能性，互联网作为目前世界最大的知识库，是法律人获取知识的快速渠道之一，试想我们如果能从某个维度对全量数据进行完整收集、分析、归纳，在知识的意义上就为事实认定者的决策提供了完备信息准备，事实认定者只需充分运用自身的理性、良知、经验即可从完整的信息图景中作出最优判断。
互联网持续渗透并改变着每一个人的生活联系方式，使社会主体广泛连接的同时产生了大量的信息“痕迹”，互联网用户的所有交互行为被记录在云端服务器。从诉讼律师证据准备工作来看，来源于互联网的公开信息往往是很重要的证据来源，例如工商信息、裁判文书信息。随着行政公开、司法公开的大力推进，不断累积公开的公共文件是大数据分析的数据来源之一，目前的大数据分析技术已经具备将在互联网各个站点全网采集分析能力，通过观察数据之间、事件之间的相关关系，诉讼律师能够在特定语境下提炼出事件的发生趋势以及事件发生的基础概率，进而为待证事实提出新的证据，本文引导事实认定过程，以及提供背景知识，是大数据分析辅助事实认定过程中的重要进路。大数据技术从海量非结构化数据中提炼出结构化的数据集合供人们发现规律，而律师的人力劳动已经难以承受枯燥单调的数据分析，但很多时候全量数据分析能从趋势发展角度预测市场主体的可能行为。与其他实证研究类似，大数据分析仅仅基于全量数据的研究手段，能够帮助事实认定者扩展认知能力，特别是在理解证据对待证事实的支持关系上，实践中大数据分析跳出了以往法律服务对经验的高度依赖，能够以数据可视化的方式将证据与待证事实间的相关性，或者说两者间不依赖经验判断的实质关系进行展示。正如《麦考密克论证据》关于证据相关性的实质性要素探讨中：“地图、图、表、照片、录像带、计算机动画对于理解其他证据材料都具有实质性帮助”。[1]因此据英美证据法对相关性的理解，大数据分析只要能够对理解证据提供实质性帮助，就可以作为证据予以承认，只不过这种实质性关系建立在对于全量数据的观察之上，而非传统的法律人理性经验。本文认为，英美证据法对证据相关性做二分解释，从逻辑分析的角度来看，某个现象（事实）的成因或许非常复杂，但是我们从实证的角度可以观察到现象之间的先后关系，传统证据相关性理论强调个人经验对先后现象的观察，而对于全量数据的统计观察或许是另一条探寻现象之间实质性关系的重要途径，只不过人的理性在此方面不擅长而已。
要弄清楚大数据在事实认定过程中的作用，我们需要能将事实认定者内心过程进行细化剖析的分析工具，逻辑分析工具能将事实认定过程以推理可视化方式予以展示，对于理解大数据在哪些阶段、节点可以进入事实认定过程颇有益处。证据理论中，对于证据、证据推理这些概念并没有深入探讨，通常的处理方法都是将证据材料等同于证据，将证据材料对待证事实的支持视为证据推理，从此意义上来看大数据就变成了海量的电子证据，或者电子化形式展现的电子证据、试听资料证据。本文认为证据、证据推理概念有待进一步细化，从语言逻辑的角度将司法证明过程转化为命题和证明推理，有助于理解大数据分析如何在事实认定过程中发挥作用，以及确定大数据运用的边界条件。
任何的证据资料或证据方法，包括大数据分析，都需要与命题进行关联，并且存在于一定的推论或推理结构中，方能称之为证据。命题是用来表达证据资料中的某种关系、性质，但往往受到认知能力的差异等因素的影响，从相同的证据材料可能得出不同的命题，而不同的命题对于事实发现者而言意味着不同的相关性。这也是为何英美证据法学者认为证据发生相互重叠的重要原因之一，当然证据重叠还有证据材料间的概念外延相互重叠的原因。本文所讨论的证据材料可以采用谓词逻辑的个体词进行表达，例如a、b、c…。
（一）证据概念的逻辑结构
证据需要用命题表示，形如：Xa、Yb、Zab…，分别表示证据材料a具有X性质，证据材料b具有Y性质，以及证据材料a与证据材料b之间存在Z性质。某个证据材料是特定唯一的，但是基于此的证据并不唯一，由于根据证据材料截取的命题的主观标准不一，相同的证据材料可以表述成各种不同证据，虽然概念内涵不同但是有着相同概念外延。因此，证据描述的是一种关系，并且是指向明确的关系，需要引入推论或推理关系才能具体表达某方面特定的性质。
根据证据的命题定义，情况证据与直接证据均具有一定的推论结构，此推论结构的前提是从证据材料或证据方法截取的命题，其结论是为当事人各方的主张命题。情况证据与直接证据的主要区别在于，直接证据的推论结构中前提与结论是相同命题，而情况证据的推论结构具有四种结构，如图1―1所示。
图1证据的逻辑结构
图1中的图解结构方法最先由比尔兹尼于1950年在《实用逻辑》（Practical Logic）一书中提出，此方法最大的优点是克服了传统形式逻辑只涉及闭合结构与单前提支持单结论推论结构的不足，完整的体现了复杂推论结构。1973年托马斯在《自然证言中的实践推理》一书中修改并扩充了比尔兹尼的论证图解结构，形成了上述四种类型的推理结构。[2]相应的，直接证据推论的图解结构如图2所示：
图2直接证据的逻辑结构
根据以上逻辑分析，本文所定义的证据是指，诉讼参与各方从证据材料、证据方法中提炼的命题作为前提，将所截取的证据命题作为结论的推论。此逻辑分析的意义在于，大数据分析是一种证据方法，是一种基于全量数据的解释方法，证据材料到证据的提炼推论过程还应当包括数据的积累观察过程，对证据材料观察进行归纳总结后的证据，能充分展示证据材料到证据推论的相关性。通过离析出证据的逻辑结构，大数据分析能够在证据的推论机构中量化证据结构内部推论的相关程度，弥补理性事实认定者在数据多样性上的认知不足，从而对证据材料到证据实质关联程度作出更加客观的评价，特别是针对在互联网交往模式下的社会生活判断。
（二）证据推理的概念
推理是逻辑学的研究对象，同时是心理学的研究对象之一，证据推理是证据理论研究关注的对象。以往对推理概念的界定往往也是从两个学科的视角对其定义。本文对证据推理的研究和定义既描述事实认定过程，同时也为大数据分析进入事实认定过程提供逻辑结构。案件事实认定认知过程，除了逻辑方法、证据规则外，事实认定者对于证明力、实质性的判断对主观理性和经验有较强的依赖，大数据分析作为奇点临近时代知识发现工具，人工智能技术从海量数据提炼出的知识并不会取代人类理性，而是更应与事实认定者主观理性和经验产生互补。因此，识别出证据推理的逻辑结构，更有助于我们理解计算智能更多的是与人类理性相互支持，而不是取代与被取代的零和关系。
北美非形式逻辑研究集大成者道格拉斯.沃顿对推理的定义被很多证据法学者熟悉，在对推理以往定义分析评价的基础上，沃顿给出了规范性研究和描述性研究都可以接受的推理定义：[3]推理是使得或接受假设作为前提（即始点），通过保证(Warrants)从这些假设移动到结论（终点）的过程。其中保证是指在推理序列中使得从一点到下一点规则或者框架，术语“保证”可以用更加熟悉（但相对狭义）的“规则”代替，但是保证更加合适，因为存在基于框架的推理也存在非基于框架的推理。
沃顿所定义的推理，“保证”是其中核心概念，对“保证”可以解读为一种可靠的认知机制，大数据分析对于事件、人物的预测效应是基于全量数据的可靠趋势性判断，对于互联网如此巨大的信息库中所缺乏的恰恰是最值得人类知晓的事情：未来之事。在证据推理中，对于未来之事的预测并不能直接指向证据推理中的待证事实，但是能够为证据推理提供一种关于互联网知识的认知机制，或者基于数据分析的认知工具。为在完善证据法体系中探究大数据分析在证据推理中的作用机制，本文对证据推理的研究依然沿袭英美证据法传统，特别是美国《联邦证据规则》。结合沃顿对推理经典理解，本文结合大数据思想对证据推理的定义调整为：事实认定者将证据命题集作为前提，并且通过相关性标准从证据命题集向待证事实逐步认知的过程，其中相关性标准是证据的“保证（Warrant）”，作为“保证”的相关性是基于事实认定者主观价值判断，同时“保证”受到新近大数据技术的影响，能够基于数据为事实认定者提供主观价值判断的决策支持。
（三）大数据分析作为证据推理的“特殊经验”
证据推理过程不仅仅是逻辑思维过程，同时也是主观经验判断过程，大数据分析是针对互联网海量数据间相关关系的实证性观察，是一种经验性研究。要回答大数据分析在证据推理中的作用，可以参考其他经验科学，例如统计学、经济学在证据推理中的作用，将大量的证据分解成一个命题列表，然后将所有命题之间的证明关系用要件表示出来，这样一种训练迫使我们将一个论证过程中的所有步骤以及所作出----无论是明示还是潜在----的假设加以明晰。逻辑分析能够更为清晰地展示一个论证的性质和有效性。但是仅仅从逻辑理性视角仍然无法验证假设的真实性，也无法告诉我们应该赋予某一推论什么样的权重，“任何一个具体推论的强度都取决于在被探索的主题上的经验，而非逻辑。逻辑仅仅在展示我们内心过程时给予帮助”。[4]威格莫尔对逻辑与经验关系的这段论述，让我们意识到了逻辑与经验科学的界限，在逻辑学研究内部，对于逻辑学研究是否应当具有经验性质这一经典问题至今没有达成一致的共识，自20世纪70年代末北美非形式逻辑运动兴起，以及逻辑学的实证研究转向来看，在广泛的社会认知领域，逻辑诚然能够将人类认知理性结构化的展示，但却始终无涉推理的保证机制（Warrant）实质内容。在揭示逻辑对于证据推理的分析意义之后，事实认定者仍然需要通过自身经验对事实予以认定。虽然我国法律体系不承认外法域的“自由心证”，但毫无疑问，自由心证在我国的司法实践中是广泛存在的。稍有审判经验的法官都有的体会，例如对一起案件的判断，到最后往往取决于某一个证人的证言，对其证言的采信与否，事实上取决于法官的主观判断，显然这就是所谓的“心证”。邹碧华法官指出，“心证”形成需要必要的主观判断，如果完全抛弃主观判断，在许多案件中就会产生不公平的问题（如民事案件判断标准刑事化问题）。[5]法官的主观判断是基于经验的理性判断，是法官基于证据材料推导出案件事实的保证机制，法官的这种认知保证机制不会一成不变，法官并非生活在真空环境中，新的方法、技术、思潮同样会影响法官的判断，而大数据分析作为日益为法律人熟悉社会预测方法，不免会影响法官的社会经验判断。
关于逻辑与经验的讨论，威格摩尔在对证据法证言资格进行讨论的时候，对“一般经验”与“特殊经验”进行了区分，前者“被假定为由一个普通成年人所拥有的足够经验相关证言主题”，后者则是指“仅由已经从事某种特殊行业、商业、艺术、科学或其他恰当活动的那些人也就是专家们所拥有的足够经验”。[6]事实上，威格摩尔对于“一般经验”的运用更为广泛，以至于威格摩尔对于经验作为证据推理保证机制（Warrant）的讨论中，提出“一般经验”包括了科学发现、专家意见和生活法则。此外，证据法研究的其他作者，例如宾德与伯格曼，用术语“概括”表达了与威格摩尔同样的共识。[7]因此，我们不难发现事实认定者的认知过程中，“一般经验”与“特殊经验”的区分不是那么的泾渭分明，包括涉及行业、科学知识随着人们的熟悉了解，更多地成为了一种常识性经验。大数据分析最显著的显著特征是：全样本、混杂性、相关性，对于大数据分析的特征，全样本和混杂性是较为纯粹的技术问题，相关性则是大数据分析作为证据来讨论的出发点，大数据分析报告在当下是一种以数据可视化为表现形式的“特殊经验”。
互联网公开的裁判文书中已经查明的案件事实在无相反证据情形下，以我国《最高人民法院关于民事诉讼证据的若干规定》第九条第四款的规定，“已为人民法院发生法律效力的裁判所确认的事实，当事人无需举证证明”。因而生效公开裁判文书中查明的案件事实，根据需要诉讼律师可用生效裁判文书作为证据使用，此类证据的适用法律人只需根据“一般经验”作出判断即可。目前除了中国裁判文书网[8]以外，各地法院都有自己的裁判文书公开网站，例如浙江法院公开网、江苏法院网、北京法院审判信息网，这些网站有一个显著特点，就是每个省、市公开的裁判文书数量比其在中国裁判文书网上公布的裁判文书要多、上传更新速度要快、用户界面更友好。从大数据技术作为“特殊经验”的角度来看，大数据全量性要求从互联网全部司法公开站点采集全部裁判文书并保持更新，进而对各个站点不同格式、复杂凌乱的裁判文书进行数据清洗和整理，以统一格式消解大数据的复杂性。在证据推理层面，从全部裁判文书中检索到相关当事人的涉诉、相关事实是相对简单的大数据应用场景，如果没有相反证据，以往裁判文书认定的事实无须再举证证明。除此以外，大数据分析为事实认定者提供了一种新的推理保证（Warrant）机制，对案件事实的还原解释提供了完整的视角。尽管大数据分析并不能为个案提供直接的证据指向案件事实，但是能够为争议的发生提供宏观的解释和更有信服力的事实陈述。
大数据分析和证据法学研究都很关注相关性问题，大数据分析关注的是数据间的相关性，而证据法学的相关性则更关注证据与待证事实间的理智判断。大数据分析擅长于对未来事件进行可能性的判断，而证据相关性关注的是如何以高似真性对还过往事件进行解释，此外精度要求也不一样，大数据分析强调的是基于全量对趋势的实时计算判断，而证据相关性强调的是基于人类理智和逻辑分析判断后的判断。因此两者的区别在于：大数据分析对于趋势结论精准度要求较低，对判断响应速度要求极高，而证据理论则反之，即对事件发生的判断精准度要求较高，即便民事案件也要求较高的证据确信（优势证据证明标准），对事件判断速度要求较低，诉讼成本冗长耗时体现了对终极正义的追求。
证据相关性是任何成文证据法不能回避的概念，以美国《联邦证据规则》规则401为例，对证据相关性的定义如下：
证据是相关的，
（1）如果这个证据的存在或者缺失使得案件事实成立的趋势更加可能或者更加不可能；并且
（2）如果案件事实作为事实发现过程的后承。
从这个定义中，我们再次得到了相关性的经典定义：证据具有一定证明力，并且具有实质性，两者缺一不可。从整个美国证据法体系来看，证据具有相关性并不必然使证据被法庭采纳为案件事实的认定依据，即证据相关性不等同于证据可采性。证据的可采性要经过两方面的规则检验，一是证据的采纳规则；二是证据的排除规则，只有同时满足两方面的检验证据才具有可采性。证据具有相关性只是完成了采纳规则的检验，但没有通过排除规则的检验，而相关证据的排除规则在《联邦证据规则》中占据着大部分篇幅进行规定，其体现了公平、排除偏见、节约司法成本以及促进证据法发展的社会价值诉求。在美国的证据法体系中，证据可采性建立在相关性的基础之上，而非证明力之上，证据具有可采性必定具有相关性，而具有相关性的证据并不必然具有可采性。因而，正是因为美国证据法体系对证据相关性做了经典的理论二分解释，我们看到了大数据分析作为证据方法进入司法证明体系的可能性。
大数据分析的核心是对复杂全量非结构化数据进行相关性分析，并非因果关系的分析，相关性在证据法理论中是核心问题，在证据推理、司法证明对于相关性的讨论中，相关性包含两大基本要素：实质性和证明力，换而言之证据相关性研究对经验和逻辑的研究并重，从多学科融入证据理论研究来看，特别是法庭科学，具有大量经验性的实证研究以及严谨的逻辑证明才得以具备可采证据的前提条件，亦即具备了证据的适格性。大数据分析中核心的相关性关注更多的是数据关联层次，目前广泛应用于商业预测、精准营销领域，以及需要快速响应市场趋势的电子商务领域。因此，大数据分析的相关性更多是在数据意义上的关联关系，通过全量数据展示事件之间的引起、被引起关系，进而对商业需求做出快速判断，尽管此时现象背后的成因依然模糊。
大数据的出现，使得通过数据分析获得知识、商机和社会服务的能力从以往局限于少数象牙塔之中的学术精英圈子扩大到了普通的机构、企业和政府部门。门槛的降低直接导致了数据的容错率提高和成本的降低，但正如《大数据时代》作者维克托所强调的，最重要的是人们可以在很大程度上从对于因果关系的追求中解脱出来，转而将注意力放在相关关系的发现和使用上。只要发现了两个现象之间存在的显著相关性，就可以创造巨大的经济或社会效益，而弄清二者为什么相关可以留待学者们慢慢研究。”[9]通过大数据分析对海量数据的观察在于对客观现象的描述，而非对现象成因的理由分析，同样不是对数据与事件间因果关系的回答，认识论意义上大数据分析运用的相关性理论是超脱于人类经验判断的“数据经验”，从证据理论实质性的角度来看大数据相关性是：“在人类直觉引导下，对于全量非结构化数据的观察，并对选定事件引起、被引起关系的实证性总结”。需要注意的是，进行大数据分析的问题域选择存在还是存在理性人的理性自觉和认知经济性过程，尽管大数据分析对事件之间的关联关系不作假设，但我们在开展大数据分析时对事件的关联关系多少是具有一种期待的，只不过我们希望通过全量数据对潜意思中这种不确定的因果关系判断进行证实或者证伪。
在证据法体系中，以刑事责任的证明对证据的适格性要求最为明确，以我国2012年修订的《刑事诉讼法》为例，对证据部分有较大修改，制定了证据确实、充分的满足条件，强调了从真实证据证明刑事案件事实的要求。我国虽然没有专门的证据法，但是从刑诉法的最新修订以及现有关于刑事案件和民事案件三个证据规定来看[10]，均要求人民法院根据证据确定案件事实，并强调排除非法证据，确保司法公正。然而值得注意的是，刑诉法与三个证据规定未明确对证据的相关性做出说明，却都不约而同地谈到了证据证明力，[11]从现有法律解释来看，英美证据法讨论的相关性，与我国证据规则中证据关联性与证明力是类似的意义复合体，我国诉讼法中证据关联性概念与英美证据法的实质性类似，而证据证明力与英美证据法的证明力又不完全相同。不论是我国诉讼法中的证据“三性”还是英美证据法的相关性，我们可以用证据适格性作为统一的术语，即指某一证据在诉讼上被作为认定案件事实依据所应当具备的法律上的资格。[12]从寻证方法论意义来看，当下裁判文书公开上网的司法改革为询证方法、证据证明力评价提供了思路，通过筛选全网公开的裁判文书，对证据数量、类型可以全量数据统计，甚至可以就特定类型案件在特定法院、特定法官的证据偏好进行量化分析。对于裁判文书证据部分进行大数据分析，并非为遵从证据证明力法定理论进路，本文尝试在实体法规定下，对证据材料的证明力进行量化分析，为大数据分析进入司法裁判的预测提供支持。因此，本文认为相关性中的实质性要求，是大数据分析进入证据法研究领域切入点，从司法裁判可预测的视野来看，大数据分析可以在初步理性判断的基础上，弥补人类面对浩瀚数据时对证据实质性的认知不足。
大数据对于事件间相关性的分析，是一种超越人类因果认知顺序的计算判断，使笔者不禁想起了“奇点理论”对未来世界的预测，美国人工智能预测专家雷.库兹韦尔早在1989年写的《智能机器时代》（The Age of Intelligent Machines）一书中提出在21世纪前半叶，技术不可避免地朝向机器化发展，必将大大超越人类的智能。[13]库兹韦尔在《奇点临近》一书中进一步指出：奇点[14]涉及很多方面，其发展速度是近似垂直的指数增长，技术的扩展速度也似乎是无限的。当人类有了新的认知工具，人们对于基于计算的证据有了更深层次的理解，大数据的相关性同样可以采用证据法相关性的概念框架进行理解，两者在概念构成上具有异曲同工之处，相关性由证明力和实质性构成，证明力强调的是逻辑上的因果关系以及证明力量的传递，而实质性则是事件间的牵连关系，此牵连关系基于经验判断，同样能够基于客观的全量数据计算。不可否认，大数据对事件间实质性分析时的确存逻辑和经验的引导因素，只不过在海量数据面前这样的因果关系、认识经验超越了人类的认知能力，在计算能力近乎无限增长的当下，如今我们已能够通过大数据分析技术计算事件间的微妙关系，对复杂事件提供预测，同时为案件事实查明提供认识语境。
参考文献
（请向下滑动）
[1]Kenneth S. Broun, McCormick on evidence, Seventh Edition,West Academic,2013,p395
[2]Susan Haack, Philosophy of Logic, CambridgeUniversity Press, 1978. p.11
[3]Douglas Walton, What is Reasoning? What is an Argument? Journalof Philosophy, 1990, Vol.3: pp.339-419.
[4]转引自《证据理论：边沁与威格莫尔》，中国人民大学出版社，2014. p223
[5]邹碧华，《要件审判九步法》，法律出版社，2010. P146
[6]转引自《证据理论：边沁与威格莫尔》，中国人民大学出版社，2014. p220
[7]所以，一种概括是以人类或事物的一般行为为基础的一个前提。一个人如何来阐述概括？人们常常会接受有关人类和事物在日常生活中是如何运行的传统智慧。我们所有人，通过我们自己的个人经验，通过聆听其他人的个人经验，还有通过书本、电影、报纸以及电视获取的知识已经积累了关于人类和事物在我们社会中一般行为方式之普遍持有的观念的巨大知识库。从这个知识库中，人们对典型行为可以进行概括。反过来，这种概括又成为使我们能够把特定证据与人们希望证明的一个因素联系起来的前提。---Binder and Bergman (1984), 85.Cf. Cohen (1977) at 274-5
[8] http://www.court.gov.cn/zgcpwsw/
[9]维克托. 迈尔-舍恩伯格、肯尼思. 库克耶著，盛杨燕、周涛译，《大数据时代》，浙江人民出版社，2012，p12
[10]三个证据规定分别是：《关于办理死刑案件审查判断证据若干问题的规定》、《关于办理刑事案件排除非法证据若干问题的规定》以及《最高人民法院关于民事诉讼证据的若干规定》。
[11]《关于办理死刑案件审查判断证据若干问题的规定》第三十二条规定：“对证据的证明力，应当结合案件的具体情况，从各证据与待证事实的关联程度、各证据之间的联系等方面进行审查判断。证据之间具有内在的联系，并共同指向同一待证事实，且能合理排除矛盾的，才能作为定案的根据。”《最高人民法院关于民事诉讼证据的若干规定》第六十四条：“审判人员应当依照法定程序，全面、客观地审核证据，依据法律的规定，遵循法官职业道德，运用逻辑推理和日常生活经验，对证据有无证明力和证明力大小独立进行判断，并公开判断的理由和结果。”
[12]毕玉谦，《证据制度的核心基础理论》，北京大学出版社，p368
[13] Ray Kurzweil, The Age of Intelligent MachinesCambridge, Mass: MIT Press,1989
[14]奇点是数学计算中的禁区，是指分数的分母趋近于零的状态。
感谢作者对本公众号的授权
本文仅作学习交流之用
野渡无人 © 洪声刚
往 期 荐 读
编辑：钟柳依
欢迎点击“阅读原文