人工智能介入量刑机制将成为不可逆的趋势。基于量刑活动的固有属性,人工智能不可能直接给出最终的宣告刑,是故,量刑无法脱离于法官的自由裁量权。量刑是量刑统一化与量刑个别化的结合,前者是以“已然”的社会危害性为基础,将同类个案向一致标准引导的倾向,其核心是针对行为的“类案类判”;后者是以人身危险性为基础对“未然”的判断,其核心是针对行为人的个别化。量刑是“刑之量化”基础上的“刑之裁量”,前者旨在揭示已然犯罪事实与刑罚量之间的客观规律,后者旨在“刑之量化”结论的基础上进行价值衡量。“刑之量化”是对量刑活动进行规范的方式之一。由此看出,量刑不能是一步式的终局性判断,而应是阶段性判断,总体应分为量刑统一化阶段和量刑个别化阶段、刑之量化阶段与刑之裁量阶段。人工智能介入量刑机制的方式由其固有属性所决定,作为“硅基”的量刑人工智能应以量刑统一化为价值取向、以刑之量化作为介入方式。全文除绪论外共分为五章,对人工智能介入量刑机制从基本立场到宏观构建再到微观解构进行研究。具体如下:第一章人工智能介入量刑机制的基本立场,主要论述量刑人工智能的概念、量刑人工智能的司法地位和人工智能介入量刑机制的犯罪论立场。首先,关于量刑人工智能的概念。基于量刑人工智能的时空背景,即在当下及可预见的未来,我们仍然会处在生命2.0时代（文化阶段:生命靠进化获得硬件,但大部分软件是由自己设计）,量刑人工智能存在四个特征:其一,量刑人工智能是生命2.0时代的人工智能;其二,量刑人工智能属于司法人工智能中的司法专业型人工智能而非常规型人工智能;其三,量刑人工智能主要依附于大数据分析;其四,量刑人工智能的核心领域（犯罪事实到刑罚量的关系）是深度学习的禁区。因此,量刑人工智能的当代内涵是指生命2.0时代排除深度学习技术,主要依附于大数据驱动的司法专业型人工智能。其次,关于量刑人工智能的司法地位。量刑人工智能的司法地位是以量刑规范化理论为根基,在对其功能定位的基础上进行司法定位。具体而言:一则,在量刑规范化的基本原理中讨论量刑统一化与量刑个别化的关系问题、刑之量化与刑之裁量的关系问题。量刑是量刑统一化与量刑个别化的统一,是刑之量化基础上的刑之裁量。二则,量刑人工智能的功能定位即量刑统一化是量刑人工智能的价值追求、刑之量化是量刑人工智能的践行方法。三则,规范性辅助量刑是量刑人工智能的司法定位。规范性辅助不同于参考性辅助,规范性辅助是指量刑人工智能所给出的阶段性结论法官无正当理由必须适用,当然,量刑人工智能所给出的阶段性量刑一定是在量刑理论中不需要自由裁量权的阶段,例如量刑基准的确立。最后,关于人工智能介入量刑机制的犯罪论立场。量刑理论与犯罪论存在良性互动,犯罪论的内容对量刑理论有深远影响。我国当前的犯罪论体系,无论是“四要件”理论还是阶层理论都没有完成心理责任论向规范责任论的转向,也即责任层面没有规范责任评价的内容。犯罪论中责任的具体内容也将成为量刑阶段不法刑到责任刑的裁量所依据的内容。“客观违法、主观责任”已达成共识,但刑法学界对“主观”与“客观”却存在某种程度的混用。在确定事物的主观与客观特征之前,先要进行视角确定,例如在行为人视角,行为的外在动静是客观的,心理要素（故意、过失）是主观的,但在裁判者视角,行为人的外在动静与心理要素（故意、过失）都是客观存在,而主观内容是裁判者的评价内容。站在规范责任论的立场,心理要素（故意、过失）是客观违法内容,而主观责任的内容则是裁判者对刑事责任能力、违法性认识与期待可能性的评价。因此,在不法刑（不法所对应的刑罚量）向责任刑的进阶中,主要的裁量根据即是规范责任的内容,也即法官根据刑事责任能力、违法性认识与期待可能性确立行为人行为的责任程度,并以此确立责任系数,最终用不法刑乘以责任系数即是责任刑。第二章人工智能介入量刑机制的本源——量刑生态,主要论述量刑生态的内涵、特征与价值基础。量刑生态是指所有已决案件所反映的个案与个案之间所体现出的量刑关系与个案量刑与量刑环境之间的关系。在以往的量刑研究中也存在类似于量刑生态的论述,例如白建军教授所提出的基于法官集体经验的量刑预测研究。量刑生态具有四个特征:其一,量刑生态具有整体性。量刑生态所具有的整体性特征是指,在量刑生态所体现的个案与个案之间的量刑关系中,其并非某一个案与另一个案之间个别的量刑关系,而是我国一定区域内（例如某省内）和一定时间区间内（例如《刑法修正案（十）》生效的时间范围内）所有已决案件之间所体现出来的相互关系;前者只能称之为个别量刑关系,后者才能上升至量刑生态层面;在量刑生态所体现的个案与量刑环境的关系中,其是指代一定区域内和一定时间区间内所有个案与其所对应的量刑环境之间的关系所构成的整体,并非某一个案与其量刑环境所反映的量刑关系。其二,量刑生态具有时空性。量刑生态具有时空属性,即一个特定量刑生态必须同时具备时间属性和空间属性。其三,量刑生态具有多样性。主要体现在:一则,量刑生态中每个个案的量刑均存在差异;二则,由于时空特征的不同而存在诸多不同类型的量刑生态;三则,除了量刑生态固有的时空属性外,其还具有其他诸多选择性属性,该选择性属性会根据不同的个案情况而不同。其四,量刑生态既体现共性关系也体现个性关系。生态本身就是一个较高层级的概念,其既包括内部各要素之间所体现出的共性,又包括各要素之间的个性;既包括要素与环境之间关系的共性,又包括要素与环境之间关系的个性。量刑生态作为量刑本源的价值基础在于其可以满足量刑统一化的价值需求和量刑稳定的实践需求,其还可以作为司法解释的经验来源于刑事立法的实践来源。未决案件的量刑以已决案件的有效量刑为基础的作法本身就是对量刑统一化的追求;这样的作法不会导致某个时间点之后的量刑与之前的量刑出现无理由的断层,保证了量刑稳定。无论是司法解释的制定根据还是刑事立法的根据,都要求结合实践。例如《刑法》第一条关于立法宗旨中规定:“为了惩罚犯罪,保护人民,根据宪法,结合我国同犯罪作斗争的具体经验及实际情况,制定本法。”现实的量刑实践是由多因素共同作用的结果,也体现了法官自发性的集体智慧,可以作为司法解释制定及刑事立法的实践来源。第三章人工智能介入量刑机制的路径——大数据分析。人工智能介入量刑机制的路径即为对量刑生态进行大数据分析,并以分析结论影响后续的未决案件量刑。大数据分析在常规领域已经发展的较为成熟,但在司法领域却极少,主要是因为司法领域对新事物通常都持保守态度。需要注意的问题是常规领域的大数据分析技术能否直接平移至司法领域?答案当然是否定的,司法活动有着自身独特的品质与追求。常规领域的大数据分析强调自下而上的影响,而司法活动不可能追求只追求自下而上的影响,还要追求自上而下的约束。常规领域的大数据分析存在三种理念:一则,分析对象是总体而不是样本。传统的统计分析由于客观条件限制都是通过样本去推断总体的特征,而随着数字时代的到来,全样本分析成为可能。因此,大数据分析中的“大数据”即指全部数据。在大数据时代,样本分析则被视为上个时代的产物。二则,大数据分析接受数据的混杂性而不再追求精确性。全数据分析所导致的结果是分析对象存在大量的给结构化数据,因而需要容忍数据的混杂性。三则,大数据分析关注事物的相关关系而不是因果关系。相关关系回答的是“是什么”问题,而因果关系回答的是“为什么”问题;大数据分析仅仅能够做到相关性分析,而因果关系的探寻需要加入诸如人的主观认知、道德标准、社会伦理等诸多因素。此三种大数据分析理念不能全盘移植到量刑数据的大数据分析中。首先,“全数据分析”的思维范式可以直接用于司法领域,但需要明晰所应用数据的内涵,也即在哪种数据中进行全数据分析。司法数据存在多种类型,如法院出具的裁判文书、检察院出具的公诉书、自诉人出具的自诉书、还包括侦查机关出具的证据等,但并非每一种数据都能够作为量刑人工智能的数据来源。其次,对量刑数据的大数据分析应当强调精确性而非对混杂性持无奈态度。传统领域的大数据分析之所以容忍混杂性,是由于存在大量的非结构化数据,而刑事判决书作为半结构化数据,经过技术处理是较为容易成为结构化数据的。另一方面,量刑的公正性需求也无法容忍混杂性。最后,单纯追求相关关系而放弃因果关系的逻辑无法适用于司法领域。量刑活动关乎司法的公平正义,只追求相关关系显然无法满足司法公正的需求,而应以量刑理论为基础,挖掘量刑数据相关关系背后的因果关系。现阶段以“裁判文书网”的数据作为数据分析的对象存在诸多问题。首先,其即使有大量的数据（大样本）,也仍然是“小数据”研究,因为中国裁判文书网的数据并非全数据。但可以得出的结论是,由于裁判文书网公布的数据本身不具有随机性,因此其无法作为推断主体的样本。其次,裁判文书网所公布的判决书仅公布了宣告刑,只能揭示部分犯罪现象,而不能揭示更为细节的现象,例如责任刑的裁量问题、预防刑的裁量问题等。第四章人工智能介入量刑机制的逻辑基础——量刑方法。量刑方法的构建是人工智能介入量刑机制的核心问题,其需要在传统量刑方法的基础上,参考国外量刑改革的经验与教训,结合人工智能的特性而发展得出。量刑方法的构建应以消极的责任主义原则,即量刑方法要体现责任刑对预防刑的限制。在“点幅纠缠”的理论争议中,“点之下论”更能体现消极责任主义的要求。遗憾的是,我国历次《量刑指导意见》并没有将责任刑对预防刑的限制作为指导原则。《美国联邦量刑指南》的规范内容及效力变迁对我国由参考意义,一则,已决案件的量刑可以对未决案件的量刑产生影响;二则,量刑指南的制定需设立专门的机构;三则,法官的自由裁量权是必要的;四则,在量刑框架之外为法官预留特殊情形的偏离规则。基于此,量刑方法具有如下特征:首先,量刑是阶段性的而非终局性的。其次,量刑是量刑统一化与量刑个别化的结合。最后,量刑是刑之量化基础上的刑之裁量。量刑基准——不法刑——责任刑——预防刑——宣告刑的量刑方法契合量刑的基本特征。其一,量刑基准、不法刑、责任刑的裁量以量刑统一化为价值追求,预防刑与以量刑个别化为价值追求。其二,量刑基准、不法刑是对客观犯罪事实所对应的刑罚量,可以通过量化分析得出,而责任程度的衡量及预防刑的衡量则需要法官行使自由裁量权得出。其三,量刑人工智能可以以量刑生态为基础利用大数据分析的方法得出量刑基准与不法刑,而对于责任程度及预防必要性程度则无法介入。第五章人工智能介入量刑机制的微观解构——以量刑基准为例,主要内容是在以上关于人工智能介入量刑机制的宏观构建基础上,从方法论上剖析量刑人工智能通过对量刑生态的大数据分析在微观层面得出量刑基准的算法逻辑。量刑基准是一个较为传统的论题,但遗憾的是关于其内涵至今仍没有形成一致意见,现阶段其仍是一个较为混乱的概念。纵观学界的研究,主要在两种含义上使用“量刑基准（狭义）”概念:第一,在裸刑意义上使用。“裸刑”是相对于“混合型”而言的。例如周光权教授认为,“量刑基准,是指排除各种法定和酌定情节,对某种仅抽象为一般既遂状态的犯罪构成的基本事实所应判处的刑罚”。第二,在责任刑意义上使用。量刑理论中“点的理论（Punktstrafetheoire）”与“幅的理论（Spoielraumtheorie）”本是解决刑罚正当化依据的二律背反问题所产生的理论,但有学者也将其作为“量刑基准”问题的突破路径。在“点幅之争”理论中的量刑基准就是责任刑,点的理论与幅的理论的核心就是讨论预防刑应该如何以责任刑为量刑基准。量刑基准应是责任刑之基准,更具体的说,应是不法刑之基准。量刑基准是区域性不法常态的常态量刑,每个罪名的每一个法定刑幅度内的每一种行为模式都存在各自的量刑基准。因此,量刑基准是先于个案量刑的非裁量性结果,即非由法官裁量得出的,而是每个量刑生态所体现的一种客观存在,是不法常态所对应的刑罚量。而不法刑则是个案裁量的结果,是具体个案中以量刑基准为基础,加权个案不法对不法常态的偏离程度所对应的刑罚量。量刑基准是特定罪名区域性常态不法的常态量刑。具体的算法逻辑为:第一,对犯罪构成进行最大限度的类型化。第二,探寻最大限度类型化后的类型行为的区域性常态不法,具体方法为对行为模式进行统计分析得出众数。第三,分析该不法常态的常态量刑（量刑众数）。之所以选择常态量刑而非量刑均值,是因为量刑众数不会受个别极端值影响,也不会陷入无法量钢化的困境。第四,即使经过最大限度类型化后的类型行为,也可能存在多个量刑基准,即在统计不法常态是存在“多峰分布”,此种情形存在两种可能:一是该区域内此罪名存在量刑失衡。二是在该区域性常态不法之下存在多个更为具体的典型分类,此时仍然存在两种可能:其一,前述第一阶段对犯罪构成的类型化并不彻底;其二,前述第二阶段区域性常态不法的精细化程度不彻底。前者是规范层面的类型化,可以在规范层面通过逻辑推演的方式直接得出,而后者是现实层面的类型化,只能通过实证分析倒推得出。人工智能介入量刑机制并非是对传统量刑的颠覆,也并非是由作为“硅基”的人工智能量刑代替作为“碳基”的人类法官,更不是对法官自由裁量权的否定,而是在经典量刑理论的基础上,利用人工智能的优势介入量刑,促进量刑统一化,使刑之量化辅助法官的刑之裁量,规范量刑程序,规范法官的自由裁量权,以实现量刑公正。