2014年是中国的大数据元年。自此以后，“司法+大数据”就很快跃升为中国法治的一个大热门。2016年5月，中央政法委举行政法干部学习讲座，讲解了提升大数据时代运用先进科技打击犯罪的探索和成效。10月21日，中央政法委再次举行政法干部学习讲座，邀请马云讲解“科技创新在未来社会治理中的作用”。2017年1月份中央政法工作会议上，孟建柱书记也多次谈到了大数据在司法领域的深度应用，他讲话的两个高频词是“新技术”和“大数据”。孟书记在谈及打击新型犯罪时，表示要善于运用大数据关联嫌疑人行为轨迹；在提及诉讼制度改革时，强调要大数据技术为推动改革落地奠定基础。随后7月份的中央司法改革推进会上，孟建柱数据再次强调，要更加积极主动拥抱大数据、人工智能新时代，把理念思路提升、体制机制创新、现代科技应用和法律制度完善结合起来，全面落实司法责任制及相关配套改革，深入推进以审判为中心的刑事诉讼制度改革，推动中国特色社会主义司法制度不断完善发展，努力创造更高水平的社会主义司法文明。简要回顾这些正在发生的事件，给全国法律工作者的启示是，每个人必须深刻认识到现代科技对司法工作的巨大推动作用，与时俱进地转变观念。
什么是司法大数据？
大数据的存在和运用都十分广泛。2014年后，网上开始出现广告精准推送，就是基于上网痕迹的大数据。具体来说，人们在使用电脑或手机上网时，网络服务商都会提取有关使用者的位置信息、爱好习惯、关注点等数据，汇聚而成海量数据，再进行商业开发。在大数据时代，人们通常连自己产生和留下了哪些数据都不知道。美国前总统奥巴马将大数据称为新的“石油”。
早期，人们认为，大数据是指在互联网行业中，互联网公司在日常运营中生成、累积的用户网络行为数据。现如今，通常可以认为大数据是由大交易数据、大交互数据以及大运行数据构成的。大交易数据是指在电子商务、电子政务中日常累积的电子数据。像阿里巴巴的天猫平台，2014年“11.11”一天的交易额为571亿元（已经超过沃尔玛中国一年的销售额），2015年“11.11”一天的交易额超912亿元，2016年“11.11”一天的交易额更是高达1207亿元，这就是大交易数据；人们在日常生活中使用微信、微博、QQ、邮件等电子通信工具，可以自由地表达意志和相互沟通，这就形成了大交互数据；人们使用电脑、手机等电子设备，更会形成巨量的运用和运行痕迹，这可以称为大运行数据。
检察机关是一个拥有或者应当拥有大数据的部门。这主要是一些专门化的司法大数据。经过调研，笔者认为检察机关的司法大数据主要包括以下内容：
（1）以起诉书、裁判文书为代表的海量法律文书。最高法院在裁判文书网上发布了3000多万份裁判文书。据说，加上尚未发布的，裁判文书已经高达约1.6亿份的规模。全国检察机关的大统一软件系统也累积了1400多万份案件的法律文书。（2）海量的案卷资料。这主要是试点电子卷宗系统的部分省市累积的案卷资料。每份案卷的信息量远远大于法律文书，可用于机器学习辅助办案，能起到更好的效果。（3）海量的同步录音录像资料。在山东等地，检察院要求讯问中的同步录音录像，全部、同步上传到省检察院的机房进行统一存储。这就构成了另类的司法大数据，可用于机器学习，学会怎么甄别不当审讯，未来学会怎么“机器代替人”审讯。（4）智能语音语料资料。去年高检院在全国选了几十个试点单位，部署科大讯飞的智能语音系统，辅助审讯、庭审、会议、教培、双语等，也积累各种语音语料资料。此外，随着数据共享的展开，检察机关还会接入公安法院数据、行政执法机关数据、大数据公司数据等等。
检察开展“大数据司法”的场景
大数据在检察系统的运用是全方位的，可以区分为办案、办公和管理三大部分。其中，重中之重是检察的大数据办案，又可细分为大数据公诉、大数据侦监、大数据民行检察、大数据刑执等。下面，对主要运用场景进行举例说明。
基于大数据的类案推送
类案推送是探索引入人工智能深度学习技术，在完成要素信息抽取研究的前提下，实现依据案由、犯罪手段、量刑情节、刑罚、法院、地区、相关法条等多种关联因素综合检索同类案件的方法。
在2017年3月山东“辱母杀人案”持续发酵后，我们试着进行了类案搜索。具体做法是，对中国裁判文书网上100多万起故意伤害案，选择反映案件独特信息的关键词如高利贷、辱母、警察在场等等，进行技术搜索。结果共搜索到很多类似的案件。研读这些案件发现审判结果可以归为两类：一类是轻判的，比如保定的一个案件认定为正当防卫，判了7年；一类是重判的，比如安徽黄山的一个案件，没有认定为正当防卫，判了死缓。两种情况的差别在于是否认定了正当防卫。这样，可以继续使用类案搜索技术进一步搜索“正当防卫”案件。这样的高级搜索功能，可以快速找到同类案件。如此进行推送，就是类案推送，可以起到促进“同案同判”的作用，使得司法裁判更具有说服力。
