第28节　概率

刑事法官的裁判依赖于证据的证明，鉴此，对法官而言，最为重要的职责就是审查判断证据的证明力。[17]关于证据或者证明，并不存在明确的概念，因为我们无法设定“确证”的边界。各个领域都有相关的例证，有些事实在较长时间仅仅具有可能性，随后才具有毋庸置疑的可靠性；而有些被视为确证的事物，随后被证明是虚假的，许多一度模棱两可的事物，也会在某些场合，在某些人看来，近乎达到概率和证明的极限。需要强调的是，确证的概念在不同的科学领域具有非常不同的含义，有兴趣的人可以探究“确证”和“可能”之间的差异，对此，不妨参考数学、物理学、化学、医学、博物学、语言学、历史学、哲学、法学和神学等领域的例证。不过，这并不是我们的任务，我们也无须确定“确证”的实际含义，我们只需认识到“确证”和“可能”之间存在巨大差异。对于“争议事实究竟是得到确证还是仅仅具有可能性”这一问题，刑事学家可能会作出差异化的解答。之所以存在这种差异，主要是由于刑事学家可能在数学、哲学、历史或者自然等领域存在特定的倾向。实际上，如果我们了解一个人，就能够事先判断他对“确证”的理解。只有那些没有特定知识背景的人才会对该问题无所适从，不仅对他人而言是这样，对于自身也是如此。

为了准确理解“确证”的含义，至少需要确定它与有关术语的关联：我们的预期促使我们形成假设（assumption），那些可能的事情促使我们产生概率（probability）的判断，那些看起来确定的事情才被称为确证（proved）。从这个角度看，概率在某种程度上就是假设的标准（预期促使我们行动；特定的预期居于主导地位，并被确定为假设，随后又基于这种确定关系而具有某种程度的可靠性）。

与假设和概率在其他科学领域扮演的角色相比，两者对刑事学家仅仅具有启发价值。即便假设成为假说，它们在不同的领域也具有不同的价值；通过对精心构建的假说进行批判分析，能够达至最佳的清晰度和工作成效。

概率在科学领域具有类似的价值。每当学者发现一个新的思想、思路、解释或者方案，都会发现，这些事情究竟是具有较高的可能性还是确定性，实际上无关紧要。他仅仅关注这个理念本身，那些基于自身原因关注某个理念的学者，往往倾向于认为它具有较高的概率，而非毋庸置疑的确定性，因为一旦认定某个理念已经得到确证，就意味着无须开展进一步的研究，相比之下，那些具有较高概率的理念仍有深入研究的空间。不过，我们的目标就是达到确定性和证明，即便是很高程度的概率，也并不明显优于虚假，进而不能作为认定事实的基础。在审判过程中，为了作出准确的裁判，那种较高程度的概率只能作为佐证；概率仅仅适用于命题自身，只有涉及佐证的事实时，才能称之为证明。例如，如果现有证据很可能认定X与犯罪现场的关联，同时，他又不能提供案发时不在犯罪现场的证明，他的足迹就具有佐证价值；对于证人在他身边看见的赃物，以及他在犯罪现场遗留的痕迹物品，也都具有佐证价值。简言之，尽管这些证据自身仅仅具有较高程度的可能性，但是，将它们整合起来，就能够在特定情形下形成绝对的确定性，因为如果X不是罪犯，那么，这么多较高概率的事件同时出现，不可能仅仅是一种巧合。

前面已经指出，在所有其他案件中，假设和概率对法律人仅仅具有启发价值。基于假设，我们可以作出推断；如果没有假设，很多案件根本无从下手。对于那些似是而非的案件，整个犯罪过程并不明确，这就要求我们首先并且尽早地对现有材料作出案件假设。一旦案件假设与事实不符，就必须予以摒弃，然后提出一个新的案件假设，直至新的案件假设能够自圆其说，并被视为可能的案件事实。随后，这个假说就成为工作的中心，直到该假说得到证明，或者如前所述，当不同维度的许多较高的概率整合起来，按照内在的逻辑顺序形成最终的证明。当存在较高程度的概率时，就足以提起指控，但只有达到确定性时，才能作出定罪量刑的判决。在许多案件中，控辩双方的争议，以及法官的疑问，都涉及概率与证明的关系问题。[18]

无论是从这个角度看，还是分析其他方面的关联，概率对刑事学家都具有重要的价值，这一点是毋庸置疑的。米特迈耶就此指出：“概率自身并不能作为定罪量刑的根据，不过，它可以作为法官的工作指引，促使法官采取相应的措施；概率能够告诉法官，如何在相应的情况下适用特定的司法程序。”

如果我们回顾概率理论的发展历史，就会发现，洛克首先试图区分证明的知识和概率的知识。莱布尼茨首先发现概率理论对归纳逻辑的重要性。随后，数学家贝努里和革命家孔多塞继续深入开展这方面的研究。拉普拉斯、克托莱、赫歇尔、基尔希曼、克里斯、韦恩、古诺、菲克、博基维茨等人开始从现代视野研究概率理论。不同的领域对概率这一概念的理解存在着内在的差异。洛克[19]将所有知识区分为证明的知识和概率的知识。基于这种分类，“所有人最终都要面临死亡”，“太阳明天将会升起”，都属于概率的知识。不过，为了与日常生活相对应，知识可以被分为证据的知识、确定的知识和概率的知识等类型。关于确定的知识，此类知识得到经验的支持，没有怀疑或者反思的空间；所有其他的知识，特别是需要进一步证明的知识，都或多或少属于概率的知识。

拉普拉斯[20]进一步指出：“概率在部分上取决于我们的无知，部分取决于我们的知识。概率理论涉及诸多皆有可能的例证，通过消除这些例证所包含的疑问，导致我们对这些例证的存在难以作出定论，同时还需要确定那些支持概率结论的可能例证的数量。这些经过筛选的例证和所有可能例证之间的关系，就是概率的评估标准。基于这个分数关系，分子是支持特定结论的例证数量，而分母则是所有可能例证的数量。”鉴此，拉普拉斯和密尔将概率视为较低程度的确定性，而韦恩[21]则赋予概率如同真理一样的客观性。韦恩的观点具有一定的合理性，因为某个现象究竟应当被看做确定的，还是仅仅具有可能性，实际上很难作出定论。关于该问题，如果主张某个现象具有确定性，就需要提供一些客观的基础，而这些基础至少在主观看来是毋庸置疑的。菲克从分数角度对概率作出如下论述：“一个不充分的假言判断实际上是一个分数，其中仅有部分条件得到证明，而预期结果的实现取决于所有条件。据此，我们很难探讨任何结果的概率。每个事件或者必然发生，或者不可能发生。概率的属性在于，它仅仅涉及假言判断。”[22]

因此，我们无法确定无疑地探讨某个结果的概率，也不能断言明天下雨这一判断是否具有可能性，至于具体的表达方式，则仅仅涉及用语问题。不过，我们有必要对附条件的概率和无条件的概率作出区分。如果我今天考察了那些影响未来天气变化的条件，例如温度、气压、云层和光照等，考虑到这些条件与明天的天气紧密相关，我就可以主张明天下雨究竟有多大的可能性。我的主张的真实性，就取决于我是否知晓下雨所需的具体条件，我的认识具有多大程度的准确性和全面性，以及我是否准确运用了有关条件。谈及无条件的概率，因为它并不涉及今天的气象条件对明天的影响，而只是从统计学角度对雨天数量的观察结论，所以与附条件的概率完全不同。对于刑事学家而言，准确把握两种概率的区别非常重要，因为如果张冠李戴或者不当混淆，就可能对概率问题作出错误的解释。假设维也纳发生了一起谋杀案件，在案发之后，我基于对全案事实的判断宣称，根据在案事实，例如根据查获犯罪嫌疑人的条件，我们有多大的概率查获犯罪嫌疑人。这种断言意味着，我已经计算了附条件的概率。我们还可以假定，我宣称在最近十年维也纳发生的谋杀案件中，多大比例的犯罪嫌疑人的个性特征无法作出解释，多大比例的犯罪嫌疑人的个性特征可以作出解释，由此推断本案中查获犯罪嫌疑人的概率究竟多大。这里涉及的就是无条件的概率。无条件的概率可以基于自身开展研究，并结合所涉事件进行研究，但是却无法作为判断的基础，因为既有例证已经在计算无条件的概率时使用过，不能再次被纳入计算范围。实践中，这两种概率通常都不会表现为数字形式，而仅仅是对两者进行概略的解释。假定我听到一起犯罪行为，并了解到现场存在一枚足迹，如果我不知晓具体细节，就脱口而出：“唉！足迹并没有什么用！”我所表达的这种统计学判断，就表现出从无条件概率角度对得出肯定结论的悲观态度。如果假定，我已经对足迹进行检验，并结合其他情况对足迹进行检验，进而宣称：“基于现有条件，这枚足迹有可能得出肯定结论。”然后又宣称：“根据现有条件，得出肯定结论的附条件概率很大。”这两种断言都可能是正确的。然而，如果将两者整合起来，进而主张：“在案的证据条件很有可能得出肯定结论，但是通过足迹无法得到任何信息，因此本案的概率很小。”这种主张就是错误的。理由在于，我们已经考虑了诸多不利条件之外的有利条件，并且已经确定了具体概率，所以不能再次计算这些有利条件。

在确定被告人的犯罪预谋时，很容易犯此类错误。假定基于某个案件的犯罪手法，我们推断罪犯很可能是一个经验丰富、屡次入狱的窃贼，这种概率就是附条件的概率。基于无条件概率，我们通常会主张：“众所周知，屡次入狱的窃贼通常都会再次盗窃，因此，我们有两个理由假定，由于X满足了所有条件，他应当就是罪犯。”但实际上，我们仅仅提到了一个概率，只不过是通过两种方式计算这一概率。这种推理总体上看并不危险，因为其虚假性显而易见；不过，当推理的风险更加隐蔽时，就很可能导致严重的错误。

基尔希曼对概率作出了进一步划分，[23]具体分为以下几种：

（1）一般概率。该概率取决于某个不确定的结论所涉的原因或者结果，并由此形成自身的特点。关于原因的典型例证是天气预测；关于结果的典型例证是亚里士多德的格言，即我们看到星星移动，所以地球一定静止不动。两个科学领域与此类概率紧密相关：历史和法律；就后者而言，刑法的具体适用尤为突出。人类获取的信息在这两个领域均有应用；此类信息主要涉及事件的结果，人们据此推断事件的原因。

（2）归纳概率。那些必然为真的事件，构成了推理的基础，由此得出的结论形成了有效的一般命题。（这在自然科学领域表现得尤为突出，例如，杆菌导致疾病。在杆菌导致的X疾病中，我们发现了A症状；同时，在杆菌导致的Y和Z疾病中，我们也发现了A症状。据此，我们可以推断，杆菌导致的所有疾病，都会出现A症状。）

（3）数学概率。该概率是指A与B、C或者D存在关联，由此推断概率的程度。例如，产妇可能生下一个男孩或者一个女孩，生男孩的概率就是1/2。

在上述三类概率中，前两类概率对我们同等重要，第三类概率的价值较低，因为我们不会遇到数学案件，并且此类概率仅仅具有有限的价值，从而通常用于案件的实际计算。关于这类概率，密尔建议我们在运用概率计算之前，首先了解一些必要的事实，即各类事件发生的相对频率，从而准确理解这些事件的原因。如果统计表格显示，在每一百名男子中平均有五名男子活到70岁，这种推理是有效的，因为它显示出延长或者缩短寿命的原因之间存在的实有关联。

库尔诺对此作出进一步明确的划分，他将此类事件的主观概率与可能概率区分开来。克里斯[24]对后者作出了客观的界定，具体如下：

“常规模具的使用，将在绝大多数情形下产生相同的效果，这将促使我们认定其具有客观有效性。鉴此，如果模具的形状发生改变，效果也将发生改变。”但是，如何理解这种“客观有效的效果”，即概率的实质化，仍然像统计学的常规结论一样不甚明确。因此，当我们知晓计算方式时，能否据此得出任何结论，仍然值得质疑。

克里斯指出：“数学家在确定概率法则时，将具有不同指向的类似案件归入从属地位，仿佛一般条件的稳定性，以及特定事件的独立性和机会均等性，始终是相同的。因此，我们发现一些简单的规则，可以通过统计既有的成功案例来计算当前案件的概率，据此也可以计算所有类似案件的概率。不过，这些规则并未考虑任何例外情形。”这一陈述是真实的，因为这些规则已被付诸实施，当适用前提并不契合时，就需要对其适用性进行论证。因此，对于计算死亡率等情形，证人证言和司法裁决可能存在虚假的结论。他们并未按照常规事件的既定模式进行。因此，只有基于可靠而稳定的前提条件，这些规则的适用才是有效的。

不过，这种观点仅在无条件概率情形下才是有效的，并且偶尔才会对实践工作产生短暂的影响。例如，虽然基于统计数据，我很清楚地知道，每X名证人之中就有一人因伪证而被处罚，但我不会在面对第X名证人时感到担心，尽管基于统计数据，该证人可能会作伪证。此类案件中，我们不会上当；不过，当事情较为复杂时，我们仍然可能忘记，只有基于较大数量的数据才能计算概率，此种情况下个体经历就显得无足轻重。

然而，与概率有关的数据及其条件，对每个人都有较大的影响；这种影响是如此之大，以至于我们必须警惕对数据作出过度解读。密尔曾经提出一个受伤的法国人的案例。假定现有一个连队，其中有999个英国人和1个法国人，该连队遭到攻击，其中有一个人受伤，没有人会相信那个法国人就是受伤的人。康德指出：“如果某人通过他的仆人交给医生9个达克特，医生当然会认为这个仆人或者丢了1个达克特，或者私藏了1个达克特。”这些只不过是源自生活习惯的概率。因此，如果仅仅在一打手帕中找到11张手帕，人们会认为丢失了1张手帕；如果医生每隔一小时就预订一汤匙的药剂，或者某个工作的年工资是2487美元，人们难免会感到疑惑。

不过，如同我们会假定，但凡人类扮演重要角色的地方，总会有内在规律可循，当我们发现意外事件、自然法则或者随机性的人类合作具有决定性的影响时，就会怀疑是否还有规律可循。如果我让某人计算随机发生的事件，结果他声称一共有100个事件，我就可能会要求他重数一遍；如果我听说某人的藏品恰好有1000件，就会对此感到吃惊；如果某人声称两地之间的距离正好是300步，我就会认为他只是作出估算，并没有进行实际测量。如果人们非常关注准确性问题，或者试图让自身的陈述看起来更加具有准确性，就会对此深有体会。他们在援引数据时，会专门提到看似不规则的数字，例如1739、7/8或者3.25%等。我曾经遇到一个陪审员审判的案件，即便是投票的比例，也会刻意体现概率的要求。当天，同一个陪审团需要对三起案件作出裁决。在第一个案件中，陪审团的投票比例是8∶4，第二个案件和第三个案件都是相同的投票比例。陪审团主席发现这一比例后指出，某个陪审员必须改变他的投票，因为三次审判都是相同的投票比例，这看起来太不可思议了！如果我们想要探究此类案件中更加青睐不规则投票比例的原因，就会发现经验彰显着自然。尽管大自然在总体上显示出神奇的规律性，但这种规律性并不会体现在具体事物之中，或者说具体事物往往具有不规律性。密尔就此指出，我们并不期望自然界具有规律的特质。我们并不期望明年与今年具有相同的日期安排，当新的事件打破某些看似固定的规律时，我们也并不会感到惊奇。人们此前认为，所有的人不是黑人就是白人，直到在美洲发现了红色人种。目前，正是此类假定给我们带来了极大的挑战，因为我们并不知晓自然法则的局限。例如，我们不会质疑地球上的所有物体都有重量。当我们在地球上发现某些未知的岛屿时，我们希望重力法则同样适用于新的岛屿；该岛屿上所有的物体，如同其他地方的物体一样，也具有重量。但是，红色人种存在的可能性，即便在美洲发现之前，也是应当予以认可的。如果认真思考，那么下列论断之间是否存在差异：所有的物体都有重量，以及所有的人不是白人就是黑人。有人可能认为，前者是自然法则，而后者不是，但是原因何在？我们能否设想，由于人体的内部构造比较特殊，根据自然法则，实际上不可能存在红色人种？我们对于肤色究竟拥有哪些准确的知识？有人曾经看到过绿色的马吗？尽管没有人看到过绿色的马，难道这意味着我们不会在非洲某地发现绿色的马吗？难道人们不能通过杂交或者其他方法培育出绿色的马吗？如果绿色的马存在，这是否与某些未知但却无可改变的自然法则存在矛盾？人们可能在明天就拥有一匹绿色的马，不过，这可能与水倒流上山一样不切实际。

为了确定某事究竟是否属于自然法则，通常取决于直接经验的程度和分量，因此，我们实际上无法得出任何普遍性命题。我们唯一可能做到的是，对所有已知例证中的概率以及发现例外情形的概率作出最准确的推断。培根称之为提出可靠的假说，在没有任何反例情形下计算假说的概率。不过，关于自然法则的认定取决于计算的方式。那些未经训练的头脑往往简单接受既有的事实，不会投入精力寻找其他例证，而训练有素的头脑则会努力寻找支持自身推论的事实。诚如密尔所言，某个自身为真而又没有例外的假说，当不存在例外质疑时，就可以被视为普遍法则；当某个假说具有这种属性时，那些真正的例外就不会遭到忽视。

这提示我们应当如何对他人提供的信息作出解读。我们可能听到：“因为这种事情通常发生，所以在当前案件中也可能是如此。”如果简单接受这种主张，就如同质疑客观事实一样不合时宜。更为合适的做法是，认真审查核实有关主张的内在条件，例如，谁通过计算得出“通常”的判断，以及通过哪些措施可以避免忽视任何例外情形。只有通过这种核实程序，才能对有关信息作出有效的解读。我们不能奢望一步到位地发现真理，我们只能试图接近真理。不过，真理不能一蹴而就，我们必须知道发现真理的途径，并且知道我们通过努力后接近真理的程度。为了实现上述目标，必须了解发现真理的途径和方法。歌德指出：“人类不是天生就能解决世界的谜团，但能够发现通向真理的问题，从而置身于人类知识的边界。”这一不朽名言对我们也很有启发。

在审查和判断领域，最大的错误就是过于信赖个体知识，并试图基于个体知识解决问题，或者不愿充分运用其他既有的例证。后一种情形，不仅代表着科学研究者在缺乏充分证明时需要警惕的愚蠢做法，在实践领域也是非常危险的。简言之，这种做法也是未能评估既有证据的结果，究其原因，仅仅是由于当事人忽视有关证据，或者由于懒惰而不愿开展探究。对于那些无须达到确定性程度，只需达到特定程度的概率的法律程序，例如预审、逮捕、侦查等，也非常需要对上述问题秉承正确的做法。法律不会规定此类案件需要达到何种概率程度。我们无法提出具体的概率程度。不过，我们有必要强调，如果特定的事件无法被证明为真，也必须看起来具有真实性，即没有其他证据能够否定特定事件的似真性。诚如休谟所言：“每当我们有理由相信先前的经验，并且将之作为未来经验的判断标准，这些理由就可能具有似真概率。”

在现代刑事程序领域，概率对有关制度的建立具有非常重要的作用。当法律确定特定数量的陪审员或者法官作为裁判主体时，其概率前提就是，这一数量的裁判者足以查明事实真相。起诉制度的概率前提在于，被告人可能就是罪犯；诉讼期限制度的概率基础在于，经过特定的时间段之后，惩罚效果可能弱化，起诉也将变得更加困难；专家制度的概率基础在于，专家不会犯错误；逮捕制度的概率基础在于，被告人的行为非常可疑，或者可能供述自己的罪行等；证人宣誓制度的概率基础在于，证人很可能在宣誓后陈述事实真相。

现代刑事程序不仅涉及概率，还涉及不同类型的概率。上诉程序的概率基础在于，实践中可能出现错误的判决；回避制度的概率基础在于，司法人员可能存在偏见，或者至少存在偏见的嫌疑；公开审判制度的概率基础在于，有必要防止错误的判决；改判制度的概率基础在于，量刑裁决也可能出现错误；辩护制度的概率基础在于，如果被告人没有辩护法律人帮助，就可能会面临非正义；法院公文制度的概率基础在于，缺乏格式文书，可能导致司法实践不够规范；扣押书证和证据制度的概率基础在于，这些材料包含重要的信息。

当法律制度认真对待重要问题的概率时，这些问题本身也随之变得更加重要。

我们有必要追问“规则”的含义，以及规则与概率之间的关系。从科学角度看，“规则”意味着主观层面的法律，并且与约束自身行为的规则同等重要；进一步讲，实践中仅仅存在艺术和道德层面的规则，而没有自然法则。不过，规则的运用并不包含这种解读。我们认为，通常情况下，只有白天才会下冰雹，但作为例外情形，有时夜晚也会下冰雹。规则显示，对于那些溶于水的物质，它们在热水中比在冷水中更加容易溶解，不过，盐在热水和冷水中的溶解速度相同。我们还认为，通常情况下，杀人犯是逍遥法外的罪犯；喧嚣者不会是窃贼，反之亦然；赌徒是团伙成员等。据此，我们或可主张，规律性等同于惯常出现的属性，而那些所谓的规则，人们往往期望其具有可能性。例如，如果人们认为某个事物属于规则，就会假定其能够重复出现。我们不会作出更多预期，但我们经常会错将包含例外的规则等同于没有例外的自然法则。当我们对身边反复发生的事情习以为常，并且假定，因为这些事情曾经多次发生，因而一定也会像以前那样再次发生，就会经常犯上述错误。当我们听说某些现象在其他科学领域经常反复出现，进而将之视为自然法则，就更加容易犯上述错误。对这种情形，我们可能并不了解事件的全貌，也不了解有关规则的有效性，整个事件也可能早已发生改变。洛茨在半个世纪前就已指出，基于他此前的统计学观察，生理学领域的伟大发现平均只能持续大约4年时间。这一重要论述表明，尽管那些伟大的发现被视为自然法则，但也至多只能被称作规律性现象，并没有普遍的有效性。这些生理学领域的真理，也适用于其他许多科学领域，包括医学乃至法医学领域的重大发现。这也警示我们，不要对那些称为“规则”的事物给予过高的信心，错误地运用规则，以及过度依赖规则，很容易使我们误入歧途。许多格言都显示出规则的不可靠性，例如：“三次失误造就一个规则”，“屡次犯错催生黄金法则”，“今天的例外就是明天的规则”，或者“没有不存在例外的规则，这一规则就是没有例外的规则，因此，没有规则不存在例外”。

此外，规则之所以具有不可靠性，还取决于其源自概括方法这一事实。席勒指出，我们不应随意进行概括，除非我们能够证明，一旦存在与现有概括矛盾的例证，我们就能发现这些矛盾例证。实践中，总体概括往往是唯一可行的指导方法。自然法则通常具有很多限定条件，有关自然法则的例证又存在许多细节，我们很难对两者作出区分，进而很难从自然属性角度确定自然现象的存在。我们这个时代的人往往轻率地进行概括，很少开展观察，并且仓促作出推断。事件快速出现，例证层出不穷，如果两者具有类似之处，人们就倾向于作出概括，从中总结提炼规则，然而，那些非常重要的例外尚未被纳入视野，一旦仓促提出规则，就往往会导致大量的错误。