多利益相关者透明度评估及人工智能辅助刑事量刑的动态问责机制

《Scientific Reports》：Multi-stakeholder transparency evaluation and dynamic accountability mechanisms for AI-assisted criminal sentencing

　　

摘要

人工智能在刑事判决中的逐步应用加剧了人们对算法透明度不足以及程序公平性受损的担忧。现有的治理措施往往孤立地处理透明度和问责性问题，常常偏袒某一利益相关者的观点，而忽视了法官、被告、算法开发者和公众在需求上的结构性差异。本文提出了一套综合治理框架，包含三个组成部分：基于利益相关者重要性理论的多利益相关者需求分析，通过定量需求映射和冲突强度指标来明确不同的透明度要求；一个涵盖技术、流程、结果和互动维度的多维透明度评估模型，通过AHP加权模糊综合评估方法进行实施；以及一个动态问责机制，该机制涵盖事前、事中和事后三个阶段，并利用区块链技术实现可追溯性和闭环反馈。利用COMPAS再犯数据集以及对四个利益相关者群体中的300名受访者进行的结构化调查进行的实证验证表明，该评估模型具有较高的区分度和稳健性，在97.3%的敏感性测试中系统排名保持稳定，并且比静态审计基准显著降低了70.5%的问责响应延迟。结构方程模型分析显示，问责的完整性比透明度与利益相关者满意度的关联更为紧密，其中大部分透明度的影响是通过问责这一中介途径实现的。这些发现表明，如果没有可执行的制度性后果机制，披露要求并不能带来显著的合法性提升，为那些正在开发刑事判决人工智能治理框架的司法机构提供了实际可行的指导。