综述：快速行动，筑牢公正：负责任技术采纳框架

《Forensic Science International: Synergy》：Move Fast and Strengthen Justice: A framework for responsible technology adoption

　　

法庭科学正经历由人工智能、自动化及数据密集型调查工具推动的技术快速扩张。尽管这些创新展现出巨大潜力，但其采纳速度往往超过了保障科学有效性、程序正义与公众信任所需治理体系的建设速度——这一模式在刑事司法系统的技术采纳中已屡见不鲜。本文引入加特纳炒作周期(Gartner Hype Cycle)作为分析框架，探讨在未建立适当 safeguards 前实施法庭科学技术所带来的风险。研究指出，要最小化危害、维护体系完整性并维系公众信心，必须采取前瞻性采纳策略，将科学严谨性、以正义为核心的考量及机构修复机制纳入技术部署全流程。研究人员强调，权力与责任相伴相生，正如国民公会名言“重任随大权而至”及广为流传的“能力越大，责任越大”所警示的那样，新兴技术的应用必须以责任为基石。

本文主体围绕法庭科学技术采纳中的治理挑战与负责任路径展开，全文结构如下：

1. 引言(Introduction)

法庭科学服务提供者(Forensic Science Service Providers, FSSPs)正面临前所未有的技术创新浪潮，尤以人工智能、自动化与数据驱动调查工具为甚。这种技术可能性蕴含着重大责任：强大技术既能变革刑事调查，也可能因过早部署或缺乏防护而放大风险、不平等与错误。FSSPs的技术采纳尤为复杂：其常受资源约束，工作流程高度敏感，新方法引入需经过验证研究、性能评估与标准操作程序修订，且错误后果直接关乎人身自由。同时，FSSPs承受着执法部门、政策制定者与公众以公共安全为名推进前沿技术的压力。审慎准备可降低严重不良后果风险，但过度延迟可能阻碍实验室从有前景的科学进展中获益。法庭科学领导者因此陷入两难：一边是公共安全 imperative，一边是错判风险。

2. 加特纳炒作周期框架(The Gartner Hype Cycle framework)

技术采纳挑战并非新现象。Jackie Fenn 观察到各机构在部署未成熟技术时存在跨行业重复模式，据此发展出加特纳炒作周期这一管理决策工具。该模型不描述技术本身的演进，而是刻画技术实施过程中用户与公众的期望变化，横轴为时间，纵轴为公众期望，分为五个阶段：

• •
  创新触发(Innovation Trigger)：新技术随研究突破或产品发布出现，早期概念验证引发关注与乐观情绪。
• •
  期望膨胀峰值(Peak of Inflated Expectations)：热情达顶点，早期成功案例与选择性正面报道主导叙事，技术被过度宣扬为高精度甚至无懈可击，忽视已知局限，导致不切实际的信心。
• •
  幻灭谷底(Trough of Disillusionment)：现实应用扩展后，错误、失败与意外后果浮现，公众情绪骤降。法庭科学领域的负面结果常表现为错捕与错判，且缺陷多由对抗制诉讼中的辩护律师揭露，而非技术使用者自查。
• •
  启蒙斜坡(Slope of Enlightenment)：早期采用者开始应对初始挑战，公众对技术局限、能力与适用场景的理解逐步改善，过往教训推动更谨慎的部署策略与现实应用。
• •
  生产力高原(Plateau of Productivity)：期望趋于稳定，收益与局限均被更好理解，风险得到更有效衡量，技术以可持续、循证方式融入常规实践。

2.1 历史技术应用：法医人体测量学(Forensic Anthropometry)

以19世纪末的贝蒂永系统(Bertillon system)为例：该系统通过测量头部尺寸、肢体长度、身高与耳长识别累犯，1883年首次应用后迅速全球扩散，进入期望膨胀峰值。但其存在两大缺陷：人体测量指标本身不适合个体识别任务；系统推广后偏离了创建者设想的严谨标准化。1903年“Will West案”（虽经考证为复合叙事）成为幻灭谷底的标志：两名不同个体的贝蒂永测量结果完全相同，仅能通过指纹区分。尽管贝蒂永系统本身被淘汰，但其催生的数据标准化、犯罪记录管理与官僚组织原则沿启蒙斜坡发展，最终以标准化犯罪记录与生物特征信息系统形式达到生产力高原，支撑现代调查实践。值得注意的是，该系统诞生于将身体测量用于区分“野蛮”与“文明”、支持“天生犯罪人”理论的伪科学语境，常导致对弱势群体的差异化监控，这一动态与当代生物特征技术的担忧高度相似。

2.2 当代技术应用：DNA技术

DNA技术是加特纳周期的当代范例。1984年Alec Jeffreys爵士发现DNA指纹，1986年首次应用于刑事案件，随后迅速被奉为法庭识别“金标准”，常被等同于绝对可靠，掩盖了技术、解读与操作层面的挑战，推高至1990年代的期望膨胀峰值。早期实施缺乏统一标准与 robust 质量管理体系，实验室实践差异巨大，导致错判与实验室丑闻频发。1990年代美国国家科学院(National Academy of Sciences)两份报告明确指出了DNA检测的风险与误差来源，为最佳实践与质量保证框架奠定基础。2000年代初，休斯顿警察局犯罪实验室DNA检测的严重错误与不当行为曝光，Josiah Sutton被无罪释放，标志着跌入幻灭谷底。技术层面的恢复基础早已奠定：1997年FBI实验室确立13个核心CODIS STR基因座，1998年国家DNA索引系统(National DNA Index System)投入运行。2000年代中期进入启蒙斜坡，驱动力来自认证与质量保证标准的扩展，以及对强大技术亦需治理、透明、验证与监督的认知。2010年代达到生产力高原，STR法医DNA分析在多司法管辖区实现常规化、标准化与认证化应用。

3. 采纳不成熟技术的问题(Problems with adopting immature technologies)

美国经验为理解技术采纳挑战提供了重要镜鉴。当前创新速度既是优势也是负担，三大挑战尤为突出：

• •
  创新触发的快速迭代(Rapid speed of innovation triggers)：美国刑事司法治理呈分散化州级结构，改革需各州分别立法，倡导负担沉重。理论上逐技术治理可行，但现实中多技术同步涌现，成熟度与炒作程度各异，传统监管路径难以匹配。机器学习与人工智能等数据密集型技术更面临全国性数据治理框架缺失的问题，缺乏类似欧盟《通用数据保护条例》(General Data Protection Regulation, GDPR)的统一法律指引，监管呈碎片化州法规拼凑状态。法医调查系谱学(Forensic Investigative Genetic Genealogy, FIGG)即为典型：截至2025年，仅马里兰州、蒙大拿州与犹他州出台了专门规范执法机构使用FIGG的独立法规。
• •
  推定与调查技术的期望膨胀(Inflated expectations of presumptive and investigative technologies)：此类技术本非固有缺陷，若用于预期目的并配 safeguards 可发挥重要调查引导作用，但在美国常被滥用为指控与定案的唯一证据基础。结构性原因包括：缺乏法定要求、监管框架与采购标准，技术基本不受规制；州层面无强制要求即意味着无限制使用，执法机构常基于供应商宣传或成本而非性能验证采纳技术。此外，美国刑事司法系统认罪率极高（联邦与州案件约97%通过认罪协议解决），仅用于调查阶段的技术不受庭审证据可采性约束，却深刻影响案件走向。约24%无辜者定罪登记册中的人员最初曾作有罪答辩，凸显过度依赖未确认证据的风险。显色现场毒品检测(Colorimetric field drug tests)是典型案例：这类单次使用检测包设计用于初步筛查，却被广泛用于支持逮捕与起诉。德克萨斯州曾有检察官发现，基于现场检测结果的认罪案件中，后续实验室分析显示根本不存在管制物质；2004-2015年研究显示，301例现场检测与实验室结果不符的案例中，74%涉及非管制物质。治安实验室积压严重，无力承担所有疑似毒品的确证检测，导致效率取代证据严谨性，推定技术被迫承载远超设计初衷的证明力。
• •
  运营紧迫性将技术推入幻灭谷底(Pushed into the trough by operational urgency)：面部识别技术(Facial Recognition Technology, FRT)在美国的滥用即为例证。2020年1月，Robert Williams因2018年一起零售盗窃案在底特律被错捕，抓捕发生在其子女面前，引发全国对FRT风险的讨论。事后调查显示多重失效：监控探头图像质量低劣、模糊不清，与Williams无明显相似性；调查人员过度信任技术结果，未进行独立相似性评估或佐证调查，FRT生成的候选名单本应经训练有素的人员结合质量控制流程评估，但此案中 safeguards 完全缺失。案发前一个月，美国国家标准与技术研究院(National Institute of Standards and Technology)刚发布研究报告，指出FRT性能存在种族、性别与年龄差异，强调算法质量、图像采集标准与训练数据的重要性，但调查结果人员显然未获知或未理解该科学发现。此案导致公众对FRT信任崩塌，推动多州立法限制该技术，凸显了强大技术缺乏治理时的后果：公众信任一旦瓦解，即便更适度的 safeguards 本可保障负责任使用，技术也可能面临全面排斥。

4. 通过增强完整性构建启蒙(Building enlightenment through enhancing integrity)

防止技术从期望膨胀峰值急剧坠落，需主动沿启蒙斜坡推进，这要求系统性地构建完整性，而非被动等待失败。完整性在法庭科学语境下是跨越技术、法律与制度领域的多维概念，需在技术引入初期即并行致力于科学、正义与修复。目标是承认并整合技术的错误与局限，将其纳入治理结构，降低初始峰值高度，减少崩盘风险，增强长期韧性、问责制与信任。

4.1 完整性区域(The zone of integrity)

构建完整性区域需同步承诺科学、正义与修复。科学层面，可信赖的法庭科学实践须基于透明、验证、标准化、文件记录、披露与质量管理等科学原则。在新技术的采纳前端生成 robust 验证与性能数据至关重要，可防止形成不应有的膨胀期望，早期科学审查兼具证据功能与治理功能，塑造现实认知与负责任使用。

4.2 科学(Science)

正义考量需嵌入伦理框架，无法脱离社会历史语境抽象评判。各国司法系统差异显著，受法律传统、文化价值与制度结构塑造，对技术影响的应对方式不同。美国等国的脆弱人群遭受不平等对待的历史，深刻影响技术的实施、体验与感知，实施法庭工具时必须考虑其可能放大的现有不平等。证据规则也制约技术采纳：例如DNA解释中的评估活动水平推理(evaluative activity-level reasoning)在欧洲部分司法管辖区已成熟应用，但在美国仍存争议，近期法学评论指出其科学推理虽合理，却可能不符合美国证据规则的约束，凸显法律框架差异（而非仅科学有效性）决定技术能否负责任实施。

4.3 正义(Justice)

技术研究领域传统上重创新轻修复，而科技研究(STS)学者强调修复是持续的核心实践，反映社会在系统故障时的价值取向。科学与法庭实践中故障是常态：DNA样本污染、证据遗失、存储断电、分析误判、庭审证言失实等均可能发生。关键不在于是否出错，而在于机构如何响应。修复文化要求建立鼓励承认错误、纠正行动、机构学习与对受害者的恢复机制。在美国语境下，“更正与通知义务(duty to correct and notify)”被视为关键修复形式，即主动将有碍过往案件的错误信息披露给受影响者。公共监督亦可成为修复机制，社区技术监督委员会(Community technology oversight boards)能汇聚利益相关者，建立安全技术实施系统并应对意外后果，将修复定位为机构完整性与韧性的衡量标尺，而非技术失败的标签。

4.4 修复(Repair)

德克萨斯州的实践提供了一个充满希望的范例。该州历史上错判率高，两党立法者遂推行系列改革，其中最具影响力的是成立独立的德州法庭科学委员会(Texas Forensic Science Commission)，负责调查与监督法庭科学事务。该委员会的工作体现了系统性的完整性构建：在NIST发布关于法庭科学不确定结论与错误率的研究后，委员会牵头建立了全州法医枪械从业者与利益相关者协作网络，共同落实研究建议，目前正在开发统一的枪械分析标准化方法，以实现性能与验证数据的系统收集，这对多元化实验室体系而言是重大突破。在正义层面，德州通过了强化证据开示法，并建立集中式电子证据共享门户，降低无意遗漏披露风险，保障辩护律师平等获取权。委员会还召集了包含广泛利益相关者的Rapid DNA工作组，就技术适用证据类型与机构协作提出建议，实质发挥了社区技术监督功能，平衡科学完整性与隐私权。在修复层面，委员会建立了健全的公众投诉处理与实验室重大质量事件自我披露机制，数据显示随着实验室自我披露增加，公众投诉下降，反映出信任提升。当FBI分发的DNA解释群体数据被发现错误时，德州开展了全面的全州DNA混合样本审查，尽管耗时耗力，却建立了持久的个案评估通道，体现了以问责、学习与正义优先于效率的机构修复实践。

5. 结论(Conclusion)

法庭科学领导者在评估新技术采纳时，应秉持三大战略目标：平抑期望膨胀峰值、抬升幻灭谷底、审慎管理通往可持续生产力高原的路径。实现平衡需将完整性 operationalize 为对科学、正义与修复的持续承诺。科学严谨性是基础，但非全部；正义考量决定技术对个人与社区的影响；修复机制确保系统在故障时保持韧性与问责。面对机器学习与人工智能的部署，领导者需审慎决策自动化程度与人工介入水平，警惕极端波动风险，建立修复系统以应对必然出现的错误。正如居里夫人所言：“进步之路既不迅疾，也不平坦。”负责任技术采纳过程中的挑战、辩论与关切不是失败的信号，而是实质性进步的证明。唯有早期且持续地践行完整性，方能构建科学可靠、公正且值得信赖的法庭科学体系，使技术以公正、公平与可持续的方式服务社会。