实施刑事处罚有其目的性。量刑具有四个一般目标,同时也是量刑的一般理由:报应、威慑、修复(rehabilitation)和能力剥夺(incapacitation)。
报应(报复之律,lex talionis)是最为古老的量刑目标之一。[472]它和过去有关,而且包含复仇的一些特性。格言“以眼还眼,以牙还牙”体现了报应模式的基本思想,[473]即,人必须对自己造成的后果承担责任。报应的目的是让犯罪人感受到自己的伤害行为所带来的同等痛苦,但仅此而已,不能过度。报应是一种温和的刑罚方式,因为它能防止社会对犯罪人造成的伤害大于犯罪人对他人的伤害。[474]例如,不能因为有人打碎别人牙齿就对其处以死刑。
在20世纪20年代至70年代之间,报应作为刑罚主要目的的重要性逐渐减弱,主要因为批判观点认为报应早已过时,又具有追溯效力,所以未能充分考虑刑罚的社会福祉。[475]报应的目的是野蛮而粗暴的。[476]但是,由于修复论在实际和概念上的失败(下文详述),从20世纪70年代开始,报应的现代形式“罪有应得”(just desert)在刑罚目标中又重新获得重要地位。[477]
修复论关注的是犯罪人的个人特性,犯罪人因自身特性而受到刑罚,但是,报应关注的是犯罪行为的特性。[478]“罪有应得论”将犯罪人的一些个人特性与报应相结合,从而削弱了报复论意味。[479]所以,基于报应对犯罪人进行量刑有两个重要因素:(1)犯罪人对社会造成实际伤害;(2)犯罪人个人具有有罪性。[480]个体的有罪性大多可通过犯罪人的心理因素来衡量。[481]
我们需要讨论的问题是,报应是否和人工智能系统有关。报应的主要目的是满足社会需求。伤害犯罪人这件事本身并没有预期价值。痛苦或许能威慑犯罪人,但痛苦是威慑的一般目的之一,而不是报应的目的。报应通过让犯罪人痛苦或许能让社会和受害人得到情感上的宣泄,但在这种情况下,为了报复而对机器施以刑罚却毫无意义,而且不切实际。
有些人很赶时间但车却迟迟不能启动,他们可能会变得非常愤怒,然后对车拳脚相加,或者对车大吼大叫。报应性地刑罚机器,包括高度复杂的人工智能机器人,和踢打汽车没有区别。一些人或许能释放一定的愤怒,但是除此之外,没有任何其他效果。机器不会痛苦,而且,只要报应的目的是为了令其痛苦,它便不适用于刑罚机器人。经典的和现代的报应路径(“罪有应得”)都是如此。
而且,如果报应是旨在防止报复的温和量刑形式,那么更加不能为了报应而对人工智能实体量刑。报复对犯罪人造成的伤害远大于正式处罚(the official punishment)的伤害,但是,因为机器不会感受到痛苦,所以报复和报应之间的差异对机器而言,没有意义。
威慑是对义务论报应作出的目的论反应。在18世纪末,威慑成为量刑的一般目的。法学家受功利主义的启发,开始研究法律的预期价值。这项研究也包括量刑研究,其假定刑事处罚或许能够阻止犯罪人或潜在犯罪人进一步实施犯罪。一些学者认为,刑罚要件是定义犯罪不可或缺的一部分。[482]威慑论反映了人类对没有违法犯罪的美好社会的向往。[483]而这一美好社会有望通过恐吓来实现。我们希望,犯罪人和潜在犯罪人会出于对刑罚的畏惧,而重新考虑违法犯罪的想法,并最终放弃犯罪计划。因为刑罚能威慑人类不去实施犯罪,我们假定,刑罚越严重,就越能避免犯罪。但是,这一假定会产生误导,原因包括如下两个方面。
首先,有效执行比刑罚本身对人类更具有威慑力。[484]例如,在几乎没有警察巡逻的道路上,将超速行驶的最高罚金从100美元增加为200美元,这一方法没有任何意义。但是,即使超速行驶的罚金不超过80美元,只要有更多警察在这条道路上巡逻,更多司机就会因为受到威慑而不会超速。如果城市检查员(city inspector)正在罢工,而且没有正式条例对禁止停车的区域作出明确规定,大多数人会不顾最高等级的刑罚,而将车停在禁停区域。所以,刑罚本身的威慑价值十分有限。[485]
其次,刑罚的威慑价值,即使是最高刑罚,都会随着使用次数的增加而逐渐减弱,而且有些时候,刑罚最终可能会成为重复犯罪的刺激因素。[486]比如,如果犯罪人第一次被判刑入狱,这时刑罚对他的威慑效果最为明显,第二次时,威慑效果会下降一些,到第十次时,威慑效果则会大幅度降低。一名囚犯在监狱里生活了40年,可以说,他在监狱之外没有生活。监狱为他提供食物、社会地位、社会安全感和朋友。一旦被释放,他很可能会再次犯罪,仅仅只是为了重返监狱。
在西方国家,成千上万无家可归之人会在天气严寒时犯罪,仅仅只是为躲避严寒,吃顿热饭,有地方睡觉。刑罚不仅仅是威慑手段,它还能成为重复犯罪的刺激因素。换言之,刑罚反而变成犯罪的好处。尽管如此,对于大部分犯罪人和潜在犯罪人而言,适当的执法和合适的刑罚相结合可以产生一些威慑力,尽管并非完全有效。所以,我们的问题是,威慑是否和人工智能系统有关。
威慑论旨在利用恐吓来避免再次犯罪。按照目前的技术水平,机器并不能感受到恐吓。恐吓是基于人们对犯罪后将要经历的痛苦而产生的恐惧。如上所述,因为机器不能感受痛苦,所以在考虑何种刑罚适合机器人之时,恐吓及其理由均是无效的。与此同时,在人工智能实体犯罪的案件中,报应和威慑可能适合处罚参与犯罪的自然人(例如,用户和程序员)。
修复是一种相对新颖的现代量刑目的,其基本思想是刑罚和量刑程序或许有望矫正犯罪人的社会问题。修复是受一个宗教概念启发而来,即每个人在适当的情形下都能被矫正。从1895年起,英国将修复作为量刑的主要原因,随后该做法便传播至全球各地。[487]20世纪20年代到70年代是修复论的黄金年代,[488]它之所以大受欢迎,是因为它的预期性价值使得人们对美好世界充满希望。(www.xing528.com)
1974年《马丁森报告》(Martinson Report)[8]出版,人们对修复论的热情逐渐消退。[489]这份报告审查了纽约的修复报告,并得出了令人大跌眼镜的结论:“修复没有任何作用。”[490]该结论被反复审查,而每次都能得到确认,这使得人们对修复的研究,[491]甚至流行艺术都提出了各种批判。[492]如上所述,人们对修复论的失望,使得报应的现代形式“罪有应得”能够复兴。但是,修复论并没有被完全取消。在量刑时,法院仍会考虑修复因素,只是会更加谨慎。
修复论的预期目的是解决犯罪的根源。修复论希望通过解决问题的根源,来消除违法犯罪,或者至少显著地降低犯罪。为此,法院必须理解犯罪人违法犯罪的原因,衡量其修复(通过社会工作者、心理专家等专业人士的帮助)的可能性,并最终实施适当的刑罚来解决犯罪问题。[493]赋予犯罪人处理日常生活所需的认知技术和社交技术是修复论中最流行的趋势之一。[494]
这些工具有望通过社会、家庭、职业等环境促使犯罪人发生内在变化,使其有机会重新社会化并融入社会,使其为了自己和社会的利益而放弃犯罪。[495]我们的问题是,修复是否和人工智能系统有关。
如上所述,人工智能系统能体验决策过程,并作出可能看似不合理的决策。[496]有时,为了改善人工智能系统的决策过程,可能还需要外部指导,这是机器学习过程中的一部分。修复对人工智能实体和人类的作用方式完全相同,从社会角度来看,都会让他们在日常生活中作出更好的决策。遵循这一方法,处罚人工智能实体的目标是改善机器学习过程。
通过限制自由裁量权和借助机器学习来改善决策过程,经过修复之后的人工智能系统能作出更加优化和更加准确的决策。所以,如果刑罚能正确地应用在人工智能系统个体之上,那么它便能成为机器学习过程中的一部分。因为在修复性刑罚的指导下,人工智能系统能够利用更好的工具来分析实际数据。修复性刑罚对人类产生的效果与之相同,也是给予人类更好的工具,帮助其面对生活现实。
所以,修复与刑罚人工智能系统的目的相关,因为修复的目的不是形成威慑或造成痛苦,而是为了提高人工智能系统的性能。在很多自然人的案例中,这一考量是第二位的,但是,对人工智能系统而言,修复是刑罚的主要目的。不仅如此,修复只是和人工智能系统有关的量刑原因之一;能力剥夺则是另一个原因。
能力剥夺指在物理上防止犯罪人进一步实施犯罪。该一般考量因素之所以存在,是因为人们怀疑其他预期考量因素(威慑和修复)无法有效降低犯罪率,所以将重点放在实施违法犯罪的物理能力之上。其基本方法就是消除犯罪人实施犯罪的物理能力。[497]例如,能力剥夺正是使“消除性犯罪人的性冲动和性犯罪能力的化学阉割”得以正当化的一般考量因素。
要在物理上预防违法犯罪,并不一定要使犯罪人的思维发生内在变化或矫正其认知。要使能力剥夺的刑罚有效,并不要求犯罪人改变性格或价值观。[498]在某种程度上,能力剥夺的刑罚是一种表达失望的方式,甚至是对人性的失望,这点和表达希望的修复完全相反。如果社会对犯罪人停止犯罪活动的意愿或心理能力感到绝望,威慑论和修复论似乎都没有效果,但是,仍需要预防其进一步犯罪,则社会便会令其丧失能力。
这样,无论犯罪人是否理解、是否赞同社会需求,都能预防其再次犯罪,因为他已经失去实施犯罪的物理能力。如果说在大多数情况下修复被视为一种宽大的刑罚手段,那么,能力剥夺则是十分残酷的刑罚手段。我们的问题是,能力剥夺是否和人工智能系统有关。
如果人工智能系统实施了犯罪,而且机器学习也不能改变该行为,那么只有让它失去能力才能充分解决问题。无论人工智能系统是否理解其活动的意义,无论人工智能系统是否配有适当的、能使其产生内在变化的工具,都必须阻止人工智能系统犯罪。在这种情况下,社会必须使人工智能系统丧失进一步犯罪的物理能力,无论该系统的其他技能如何。在类似案件中,社会处置自然人犯罪人的方法与之相同。[499]
由此,我们得出结论,修复和能力剥夺都与人工智能系统的刑罚有关。两者反映出量刑的极端,都旨在实现非自然人犯罪人的刑法目的。如果人工智能系统的内在变化能对其产生影响,修复论似乎比能力剥夺论更为可取,但是如果人工智能系统并不具备这类能力,那么能力剥夺论就显得更加可取。所以,正如对自然人犯罪人处刑一样,需要根据犯罪人的相关个人特征施以刑罚。
免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。