机器认识错误：打破客观性规则

21世纪被称为人工智能新时代，随着科技的发展，支付方式不断创新，“刷脸”支付应运而生。“刷脸”应用了人脸识别系统，属于生物特征识别技术，是根据人本身的生物特征来区分生物体个体。这一技术的诞生对传统的“机器不能被骗”理论产生了挑战：“刷脸”赋予机器对于生物特征进行判断的能力，使机器具有了认识； 同时机器的判断行为也具有了失实的可能性，与传统机器的客观性要件显著不同，这也使机器具有了产生认识错误的可能性。

“机器不能被骗”这一设定的前提在于机器具有绝对的客观性，一台正常的机器不存在基于“认识错误”而处分财产的情况，机器对于财产的“处分”表现为程序化的过程，客户输入指令——机器识别指令并作出指令行为。机器对指令的识别具有绝对的客观性，按照程序设定的步骤作出下一步的行为。以ATM机为例，客户输入正确的指令——密码，程序判断为信用卡所有人吐出相应额度的现金，而不问取款人是否为真正所有权人或是否为因委托等法律原因有权提取现金的人； 而人的判断则在此基础上增加了主观性的认识因素，在非本人持卡取款的情况下，银行营业员需要取款人出示身份证、授权委托书等证明取款合法性的文件，若银行营业员认定取款人无权取款，可以拒绝为取款人办理业务，甚至在营业员认为取款人的取款行为可能涉及犯罪时，还会采取报警等措施。据此，传统型的机器没有自己的认识，只是根据客户的指令作出程序设置的行为，而不问指令背后实质上的法律关系和取款人的真正身份； 有认识的人则在绝对客观的形式审查基础上增加了具有主观判断因素的实质审查，用以核实取款人的真正身份。在新型“刷脸”支付的运作模式下，程序同样需要对客户的身份进行核实，这一身份验证属于实质性审查，通过客户开通支付宝账号时录入系统的面部特征数据与验证输入的面部进行比对，来判断操作人是否是真正的账户所有人。这种机器运作的方式更类似于后台工作人员对取款人的审查程序，一旦程序需要对表面上的取款行为背后隐藏的取款人身份的真实性进行比对和真伪判断，机器也便具有了“认识”的要素。

具有“认识”之后，新型的人工智能机器也会产生“认识错误”。2017年12月，支付宝正式上线了人脸登录功能，对部分用户上线测试，在灰度运行两周后，数据显示刷脸验证的识别成功率已经达到90%以上。[3]这一数据说明，在支付宝刷脸程序的设定下，可能存在识别错误的情况。与具有唯一正确性的密码登录方式不同，“刷脸”这一身份验证过程在一定程度上具有主观性和概括性判断。验证系统对取款人进行面部识别，通过前置摄像头采集取款者面部信息，并与账号所有人开通账号时录入系统的面部数据进行比对，只有面部相似度达到系统可以认定为“本人”的比例时，机器才会认定取款人系账号所有人本人，此时支付程序才可以进行。机器对面部的识别判断具有概率性，因为“刷脸”是在线下公共设备和开放环境下进行的，真实场景复杂多变：白天和晚上的光线不同，不同人群面对摄像头的角度和姿势各异，识别难度更高，识别概率具有不确定性，可能存在识别错误的情况。同时，支付宝所有人的账户也具有被他人识别进入的可能性，系统可能会产生“认识错误”，并基于此“认识错误”处分支付宝账号所有人的财产。(www.xing528.com)

综上所述，人工智能的机器可以具有认识，并在需要对事实真相进行实质性审查的条件下可能产生认识错误，因此，机器在特殊情况下可以被骗。按照这一前提进行定罪量刑，利用“刷脸”方式侵财应当被认定为诈骗类犯罪。据此，利用“刷脸”支付非法获取他人支付宝内财产的，应当被认定为诈骗罪，而且是三角诈骗型犯罪，即通过欺骗支付宝系统，使其产生认识错误，并基于认识错误处分支付宝账号实际所有人的财产； 此外，利用“刷脸”开通他人蚂蚁花呗并侵财的，应认定为合同诈骗罪：此时应当将其看作行为人通过冒用他人身份与支付宝旗下的蚂蚁小贷公司签订小额贷款合同，非法获取财产性利益的合同诈骗行为。