生成式人工智能嵌入經濟犯罪偵查的展望與思考

項 倩，李華晨，劉 朋

（1.北京市公安局，北京 100054；2.中國人民公安大學，北京 100038；3.華北電力大學 河北 保定 071003）

一、引言

2022 年11 月，美國人工智能研究實驗室Open AI 基于GPT-3.5 模型架構①GPT 家族是OpenAI 公司推出的相關產品，這是一種生成式語言模型，可用于對話、問答、機器翻譯、寫代碼等一系列自然語言任務。GPT-3.5 是GPT-3 的升級版，該模型采用了海量的數據訓練，具有超過1750 億個參數。參見哈爾濱工業大學自然語言處理研究所：《ChatGPT 調研報告》。推出的大規模預訓練語言模型（簡稱“大型語言模型”)——Chat GPT（Chat Generative Pre-trained Transformer)橫空出世。這一具有深度學習、對話交流、自主創作等功能的全新智能聊天機器人自一誕生便迅速引起全世界對于“生成式人工智能”技術的熱切關注。2023 年6 月，世界經濟論壇第十四屆新領軍者年會發布的《2023 年十大新興技術報告》將生成式人工智能列為在未來3-5 年內將對世界產生重大影響的新興技術之一。[1]綜合該項技術的基本原理以及相關理論概括，所謂生成式人工智能，是指基于算法、模型以及相關規則，具有生成文本、圖片、聲音、視頻、代碼等內容的技術。與傳統人工智能相比，生成式人工智能的方式更加靈活，功能更加多元，應用更加“智能”。

隨著這一技術的應用，科幻影視作品中“人機交互”的場景不再只是想象。隨后，這一極具顛覆性意義的技術創新所引發的思考和探討從科技領域迅速蔓延到其他學科領域。其中，法學界的專家學者以極為敏銳的學術嗅覺和極高的學術熱情積極投入到這場科技變革之中，大家對以Chat GPT為代表的生成式人工智能技術對傳統法學研究和法律實踐可能造成的沖擊以及對基于近年來數字經濟發展而形成的數字時代法律關系、法律制度和法學倫理可能造成的影響表現出關切和隱憂的同時，同樣對該項技術為未來社會治理可能帶來的機遇充滿期待。

從新興技術的社會化應用來看，技術層面的重大變革往往重塑人的認知和行為范式，進而折射到社會治理層面，引起社會規范邏輯、框架和內容的轉型。[2]9經濟犯罪治理是社會治理的重要組成，面對當前紛繁復雜的經濟犯罪形勢，經濟犯罪偵查面臨巨大挑戰。在此背景下，生成式人工智能技術的出現，為未來經濟犯罪偵查提供了一種全新的視角和思路。

二、生成式人工智能嵌入經濟犯罪偵查的邏輯基礎

(一)偵查困境：當前經濟犯罪偵查的窘迫性

改革開放以來，我國經濟社會發展取得輝煌成就的同時面臨著巨大的經濟犯罪治理考驗。從1997 年《刑法》實施以來歷經的十一次刑法修正案來看，我國的經濟犯罪立法呈現出明顯的“犯罪化”趨勢，經濟犯罪罪名顯著增多，刑罰力度不斷加大。[3]經濟刑法已成為中國刑法修改、完善最活躍的領域。[4]與此同時，伴隨著信息和數字技術的飛速發展，原有的經濟社會生活開始出現諸多非傳統性經濟安全風險。經濟犯罪開始呈現出數字化趨勢，具有明顯的網絡化、智能化特征，其手段更加多樣，方式更加隱蔽，所帶來的社會危害也更加嚴重。

面對嚴峻的經濟犯罪態勢，公安機關作為打擊犯罪的前端部門，面臨巨大的偵查壓力。

首先，激增的經濟犯罪數量使得偵查機關的辦案資源愈加緊張。經偵部門是公安機關打擊經濟犯罪、捍衛經濟安全的專業力量，根據《公安部刑事案件管轄分工規定》的規定，目前由經偵部門管轄的案件范圍共包括77 個罪名。近年來，我國經濟犯罪案件數量整體呈上升趨勢。2022 年，全國公安機關共破獲各類經濟犯罪案件7.4 萬起，挽回經濟損失236 億余元。[5]面對久居不下的案件數量，一線辦案部門“案多人少”的矛盾日益突出。

其次，部分地區的辦案條件相對落后導致經濟犯罪案件的偵辦難以開展。例如，在偵辦涉眾型經濟犯罪案件時，案件的突破往往需要借助大數據、人工智能等技術的支持，而大多數地區的偵查機關并不具備相應的技術條件，使得偵查工作的開展變得非常被動。

再次，復合型專業人才的缺失導致新型經濟犯罪案件的偵辦能力相對有限。數字時代，面對新興多樣的網絡型經濟犯罪，偵查人員不僅存在法律盲區，而且存在大量的技術盲區，這給經偵部門的事實和證據認定造成很大困擾，嚴重影響了案件辦理的質量和效率。

(二)技術創新：生成式人工智能的應用價值

在犯罪態勢發生深刻變化的背景下，經濟犯罪偵查工作及偵查思維必須借助外部技術賦能，不斷朝著人與數據、人與機器高度融合的方向演進，才能更加適應不斷升級的犯罪方式和犯罪形態。[6]當前，人類社會正在經歷第四次工業革命，以大數據、云計算為代表的數字技術再一次將人類社會文明提升到一個新的高度，人類社會已經邁入“數字時代”。[7]18生成式人工智能的問世既是數字經濟下的時代產物，同時也是人工智能技術的一次歷史性突破。

簡單來講，生成式人工智能就是基于數據、算法、參數等技術要素生成文本、圖片、聲音、視頻、代碼等內容的技術。與傳統人工智能相比，這種大型語言模型具有更強的通用性，可以服務于不同政治目的和商業模式所確定的任務，并通過基于人類反饋的強化學習尋找完成這些任務的最優解。[8]當前，生成式人工智能在新聞、教育、智能檢索等領域均表現出出色的成績，為該項技術在執法司法領域的應用提供了很好的借鑒意義。根據其技術原理，生成式人工智能技術可以通過對海量語料的深度學習自主生成全新的法律專業內容，推動法律人工智能由“分析式智能”向“生成式智能”進化。[9]今年年初，哥倫比亞法官胡安?帕迪拉便在一起決定一名自閉癥兒童是否應該用醫療保險支付所有醫療費用的案件時，使用了人工智能工具Chat GPT 幫助裁決，并最終得出結論。[10]雖然此次嘗試引發諸多質疑和批判，但仍然向人們展示出生成式人工智能在法律應用領域的廣闊前景和巨大價值。

(三)應用基礎：大數據在經濟犯罪偵查中的應用

在生成式人工智能發揮作用所需要的諸多技術要素中，大數據對于經濟犯罪偵查而言并不陌生。2015 年7 月，公安部經偵局提出“信息化建設、數據化實戰”的戰略目標，要求全國各級經偵部門牢固樹立“數據就是戰斗力，得數據者得天下，得數據者勝天下”的工作意識，深入貫徹數據理念。2017 年，公安部經偵局再一次強調數據的重要地位，提出“鍛造全新警種、建設經偵鐵軍”發展戰略，明確了以數據引領經偵工作的總體要求。[11]經過多年建設，全國經偵系統已初步建成部、省、市、縣四級情報機構，[12]經濟犯罪偵查模式已從傳統的“經驗依賴型”逐步轉型大數據時代下的“數據驅動型”。[13]全國經偵工作新格局已基本形成，打擊經濟犯罪正式踏上數據化實戰的軌道。

2019 年初，全國經偵部門辦案系統“經偵應用云” 正式上線，成為匯集各類經偵數據的重要平臺。從內容來看，這些經偵數據不僅包括各地經偵部門在辦案過程中收集和產生的各種警務數據，而且包括海量的行政監管數據、互聯網數據以及其他類型的數據。這些不同類型數據的集合形成了當前經濟犯罪偵查的大數據庫，為偵查人員精準打擊犯罪，提高偵辦效率提供了基本支撐。同樣，數據作為底層元素，其生成、儲存、抓取、學習以及利用也是生成式人工智能迭代式發展的主要動力源。[14]多年來，大數據在經濟犯罪偵查中的積累和應用為未來生成式人工智能嵌入經濟犯罪偵查提供了有力的實踐基礎和技術保障。

三、生成式人工智能嵌入經濟犯罪偵查的應用場景

(一)基于文本生成技術的輔助偵查

文本生成是生成式人工智能最具有普遍適用性的功能。以Chat GPT 為例，針對使用者輸入的內容，Chat GPT 將根據自己的了解或理解以文字的形式給出相應的解答、列舉和分析。這一技術樣態的優勢在于人工智能可以一種聊天的方式及時滿足使用者的需求，而且其作出的回答是經過大型語言模型進行反復訓練后得出的結果，其針對性和專業性都更具有保障。

基于此，未來可以嘗試將生成式人工智能的文字生成技術應用到經濟犯罪偵查中去，利用其精準性、便捷性優勢輔助偵查人員辦案，提升案件的偵辦效率、減少偵查失誤。具體來看，可以應用于以下四種情形之下：

1.輔助偵查檢索。在偵辦案件過程中，偵查人員可以直接向生成式人工智能輸入想要查找的法條或者想要參考的案例。以法條檢索為例，在辦理自洗錢犯罪案件中，偵查人員可以直接向人工智能系統輸入指令“與自洗錢有關的法律規定”，系統在收到檢索指令后，能夠直接將與自洗錢有關的法律法規全部展示出來。這種操作更加簡單方便，無論是與當前的標題檢索、關鍵詞檢索和發文字號檢索等智能法條檢索工具來比，都將有效縮短偵查人員檢索法條的時間，顯著提高法條適用的準確度。

2.輔助偵查取證。在我國推進智慧偵查進程中，人工智能輔助辦案民警對證據進行智能檢查和校驗早已不是新鮮事。但在執法實踐中，“單個證據之證據能力、證明力判斷以及全案證明標準、證明責任分配等問題，除了應當依據法律規范、經驗法則、邏輯法則進行評價，還需要借助法律解釋和論證融入價值判斷，而這顯然是當前人工智能所力不能及的?！盵15]未來，在生成式人工智能的技術支持下，可以將法律解釋和論證等更為高級的法律應用規則通過模型融入人工智能之中，從而進一步提升人工智能在刑事偵查中的證據輔助能力。

3.輔助偵查研判。在掌握海量數據的基礎上，生成式人工智能能夠通過自主學習對有關經濟犯罪的規律、習慣以及偵查機關的偵查策略、經驗等有一個精準全面的掌握。因此，生成式人工智能在偵查辦案中可以扮演一個“啟發者”和“引導者”的角色，打通偵查人員的知識壁壘和知識盲區，為偵查人員提供有效的偵查思路。

4.輔助偵查監督。在生成式人工智能技術的幫助下，偵查人員可以隨時就偵查行為的合法性進行提問咨詢，偵查機關可以此來構建貫通式的自我監督模式，從事前違法行為預警到事中違法行為糾偏再到事后違法行為救濟，確保偵查行為的合法性與正當性。

(二)基于圖像生成技術的偵查辨認

經濟犯罪偵查中同樣會涉及諸多偵查辨認的情形。即被害人、證人、犯罪嫌疑人等在偵查人員的主持下對與犯罪有關的物品、痕跡、文件、場所或者犯罪嫌疑人進行識別和指認。偵查辨認實質上是同一認定的一種形式。[16]124通過辨認確定犯罪場所、犯罪物品或者犯罪嫌疑人后，可以有效縮小偵查范圍，鎖定偵查目標，顯著減少偵查工作量。但在實踐中，不免出現犯罪現場被破壞、文件物品遭到滅失、犯罪嫌疑人逃竄死亡等情況而導致辨認無法正常進行。此時，便需要借助某些中介來了解客體特征并以此為基礎進行間接辨認。一般情況下，偵查人員會綜合被害人、證人的描述以及收集的其他證據，通過繪畫或者制圖的形式再現辨認對象。這種方式對于創作者的專業技術要求極高，并非一般人員能夠完成，而且操作起來十分煩瑣、成本太高，因此適用情況和適用效果并不理想。

生成式人工智能的出現為未來提升間接偵查辨認的質量提供了重要啟發和有力的技術支撐。圖像生成技術是生成式人工智能又一重要的基礎性功能，一般來看，主要包括“文生圖”“圖生圖”以及“圖像修補”三大應用。使用者通過文字描述或者繪制簡筆畫等方式向人工智能系統表達其想要的圖像后，系統將根據自己的理解生成目標圖像。仍以Chat GPT 為例，使用者向系統輸入文本“請幫我畫一幅畫，提示詞如下：黃昏、海港、港口旁有艘船”，系統將即刻輸出一副惟妙惟肖的“海港黃昏圖”。目前，該項技術已被運用到游戲、電影和虛擬現實制作等商業領域，并展示出良好的應用前景?；诖隧椉夹g，筆者認為，在未來辦理經濟犯罪案件實施偵查辨認過程中，偵查人員可以借助生成式人工智能，將相關要素信息輸入系統，由此獲得想要的辨認圖像。例如，在偵辦某一案件中，犯罪嫌疑人尚未抓獲，但目前偵查機關并沒有掌握其相貌信息，只有被害人僅存的一些印象。此時，偵查人員可以向系統輸入被害人的描述“雙眼皮、高鼻梁、薄嘴唇”以及犯罪嫌疑人性別、年齡、出生地、籍貫等資料信息。系統將根據圖像生成技術生成最貼近于上述特征的人物形象。這將大大減少人工肖像繪制所占用的時間，并且顯著提升肖像描繪的精確度。

(三)基于代碼生成技術的網絡型經濟犯罪偵查

數字經濟時代，犯罪數字化和數字化犯罪成為經濟犯罪最顯著的兩大特征。近年來，一些精通計算機技術的犯罪分子通過設計特定代碼實施網絡經濟犯罪的案例屢見不鮮。2023 年2 月，由鞍山市公安局經偵支隊偵破的全國首例利用黑客技術手段虛開增值稅專用發票案正式宣判。該案中，犯罪分子伙同專業的“黑客”技術人員，利用專門設計的黑客技術給其他企業虛開增值稅專用發票，涉案金額千億余元，涉及全國11 省25 市。[17]網絡型經濟犯罪行為隱蔽、傳播迅速，其往往涉案金額巨大、受害人數眾多，嚴重損害了正常的社會經濟秩序，對廣大公民的財產權造成重大威脅。

在上述這類案件中，犯罪分子實施犯罪行為的關鍵就在于“黑客”技術的運用，偵查人員對該犯罪行為真實性和完整性進行檢驗的重點也在于對該“黑客”技術的判定。但受專業知識限制，經偵部門的辦案人員在辦理網絡型經濟犯罪案件時，對于技術層面的問題往往并不熟悉，通常需要其他相關部門專業技術人員的協助。技術人員在進行技術認定時，除案卷中記錄的情況介紹外，一般還希望通過“技術語言”進行判斷。此時，辦案人員或許可以利用生成式人工智能的代碼生成技術了解犯罪技術的代碼數據信息。

Codex 是OpenAI 公司推出的GPT-3 的多個派生模型之一，與Chat GPT 相比，Codex 主要專注于代碼的生成，其在執行代碼生成指令時的速度更加迅速。目前，該人工智能技術已經被程序人員運用到輔助編程之中。未來，在辦理經濟犯罪案件時，辦案人員可以通過向人工智能系統輸入犯罪技術的部分特征從而獲取該技術的代碼信息，進而幫助技術人員判定該技術行為的作用和性質。但與此同時，代碼生成技術的應用可能引發另一重要問題：既然辦案人員可以利用該系統了解犯罪技術的代碼信息，那么犯罪分子也可以利用該技術制作代碼進行犯罪。對此，未來還需要對該技術的使用范圍、使用情形、使用方式等進行嚴格限制。

四、生成式人工智能嵌入經濟犯罪偵查的風險分析及應對策略

(一)合法性風險及應對

法律作為過去的經驗總結，總是滯后于現實，滯后于新鮮事物。此次生成式人工智能技術在科技領域具有顛覆性，法律同樣存在顯而易見的滯后性。[18]面對突如其來的技術創新，現有刑事法律規范能否為生成式人工智能技術嵌入經濟犯罪偵查提供合法性保障同樣面臨質疑。

首先，生成式人工智能嵌入經濟犯罪偵查缺乏法律依據。盡管人工智能技術在刑事訴訟中的應用已有多年，但我國現有刑事訴訟法整體上還是以傳統辦案模式為視角對執法實踐進行規范和指導，始終沒有以制度或者規則的形式正面回應人工智能技術在刑事訴訟中的法律地位。

其次，生成式人工智能的法律屬性模糊。有學者指出，“對一項全新科學技術在刑事偵查中的應用進行法律規范首先應當明晰其法律屬性”。[19]從技術原理來看，生成式人工智能在本質上屬于人工智能技術的子領域，與大數據偵查相比，其在直接參與偵查辦案上的作用有限。實踐中，偵查人員似乎理所當然地將人工智能技術默認為一種輔助類辦案工具，這也導致生成式人工智能的法律屬性較為模糊。在缺乏明確法律規定的前提下，既不能將其作為一種偵查措施予以規制，但又無法將其視為一種普通的輔助類辦案工具任由偵查人員使用。生成式人工智能的適用邊界仍處于不明朗狀態。

再次，生成式人工智能嵌入經濟犯罪偵查可能引發辦案危機。生成式人工智能之所以產生顛覆性影響，是因為它與以往任何人工智能技術都不相同，其所具備的“隨時解決用戶疑難問題和現實需求” 的功能可以使該項技術貫穿于整個偵查流程，為偵查人員辦案提供便利。但與此同時，在人工智能時代，人們對信息技術的高度崇信可能直接導致執法司法人員喪失應有的主體地位。目前，在智慧法院建設中已經出現了法官過分依賴數據的趨向。[20]可以想象，當更加智能的生成式人工智能應用到刑事偵查中后，偵查人員辦案的獨立性和執法的權威性將面臨更大威脅。

未來，為了生成式人工智能技術在經濟犯罪偵查中更好地發揮作用，首要任務是盡快承認人工智能技術在刑事偵查乃至整個刑事訴訟中的法律地位。數字時代，刑事訴訟立法應當保有一定的前瞻性和預見性，時機成熟時，立法機關可以在刑事訴訟法中增加原則性條款，規定人民法院、人民檢察院和公安機關進行刑事訴訟可以使用大數據、人工智能、區塊鏈等技術。而關于生成式人工智能在偵查中的法律屬性，既可以是一種輔助型辦案工具，也可能隨著技術的發展成為一種重要的技術偵查措施。對此，可以具體在《刑事訴訟法》和《公安機關辦理刑事案件程序規定》的相應章節以原則、制度或者其他形式予以明確。但無論生成式人工智能未來在刑事偵查中如何應用，刑事偵查都是以人為中心的訴訟程序，決定和實施偵查措施的主體必須且只能是偵查人員。對于一些形式上的工作，可以通過人工智能單獨完成或輔助完成，從而減少辦案壓力，提高偵查效率；但對于實質性的審查、認定、決定等工作，必須由偵查人員親自主持、親自把關，不允許偵查人員放棄或違背其法定職責而任由人工智能行使“偵查權力”。針對此類情況，可以在后續規范中通過提示、警告、瀆職犯罪等予以防止。

(二)可靠性風險及應對

從生成式人工智能的工作機制可見，即使是全新一代人工智能技術，仍然脫離不開兩大基礎技術的支撐：一是大數據，二是算法。換句話說，生成式人工智能是大數據與算法相互結合的產物。一方面，海量數據和算法模型為生成式人工智能自我訓練和迭代升級提供了根基和途徑；另一方面，大數據與算法的可靠性風險同樣也會在生成式人工智能應用中有所體現。

首先是大數據所產生的可靠性風險。具體來看主要源于兩點，一是數據數量風險。大數據是大型語言模型訓練的基礎，一切自我學習和自我生成都基于既有數據所展開。這便意味著，大數據所收集的數據范圍越是廣泛，該語言模型學習的內容就越多，通俗來講，即生成式人工智能“知曉”的知識也就越多。反之，如果大數據一開始收集的數據十分有限，則預示著人工智能在生成內容時可能會出現“知識盲區”，這將嚴重影響其使用效果。二是數據質量風險。除數據數量之外，數據的質量也是影響生成式人工智能生成內容的重要因素。如果大型語言模型學習的數據內容僅是一些基礎性知識，甚至是錯誤知識，即使數據的范圍再廣，其生成內容的質量也不會太高，同樣影響使用的效果。

其次是算法所產生的可靠性風險。主要包括算法黑箱和算法偏見。關于前者，在數據來源方面，Open AI 并沒有公開其學習語料的來源，相關訓練數據庫的合法性仍受到質疑。[21]在算法模型方面，盡管Open AI 日前已對外開放了Chat GPT 和Whisper 的模型API，[22]但業界人士表示，在工程優化方面，Open AI 仍存在沒有公開的“秘密”。[23]關于后者，作為一種內容生成技術，生成式人工智能的行為射程和效用狀態體現的仍然是背后設計者和使用者的主觀意志與價值選擇。[24]因此，偵查機關辦案人員在執法過程中所產生的認知局限和經驗偏見便會不可避免地在算法設計和模型建構中有所體現。此外，人們還需要警惕，大型語言模型的自主學習和持續迭代可能把訓練數據中的偏見和歧視固化在模型中并進行放大，導致生成式人工智能輸出陷入歧視性的反饋循環（Feedback Loop)。[25]

對于上述風險，需要從技術視角出發，對大型語言模型賴以建立和維系的大數據和算法進行有針對性的建構與完善。對于大數據所存在的兩大風險，首先要確保大型語言模型的數據量要足夠“大”。對此，在打擊經濟違法犯罪中，建立跨部門的數據協作機制，打破不同部門、不同機構、不同警種之間存在的數據壁壘，形成數據信息共享至關重要。[26]其次，要確保大型語言模型的數據質量經得起考驗。為減少人為因素的不確定性，可以嘗試采取技術的方式進行數據篩選，通過設置特定算法對收集的數據予以審核、校驗，從而保證數據來源的真實性和完整性。對于兩大算法風險而言，首先，算法透明仍然是目前法律回應算法黑箱問題的各種路徑當中最直接、有效和恰當的方式。[27]通過對算法黑箱的信息進行披露可以緩解公眾與算法操控者（即偵查機關)之間的信息不均衡，抑制權力的恣意。[28]但鑒于偵查不公開原則的限制，算法透明的程度還需分情況討論。其次，關于算法偏見，有學者提出了“技管結合”的治理理念，從技術和規范兩個層面強化對算法偏見的全流程監管。[29]在規范層面，2023 年7 月13 日，國家網信辦聯合國家發展改革委、教育部、科技部、工業和信息化部、公安部、國家新聞出版廣電總局發布《生成式人工智能服務管理暫行辦法》，對生成式人工智能技術的健康發展和規范應用指明了方向。該“辦法”第4 條第二款已明確規定，提供和使用生成式人工智能的服務者，在算法設計、訓練數據選擇、模型生成和優化、提供服務等過程中，應采取有效措施防止產生民族、信仰、國別、地域、性別、年齡、職業、健康等歧視；在技術層面，一方面要保證原始模型在最初設計上堅持中立性標準，另一方面還應當進一步研發完善算法自我發現、自我調整、自我整改等算法糾偏技術。

(三)安全性風險及應對

“生成式”技術賦予新一代人工智能強大的信息輸出功能，使使用者獲得了前所未有的便利。但這并不意味著生成式人工智能及其使用者在工作和使用過程中可以為所欲為，不受任何限制。生成式人工智能自身以及生成式人工智能應用所帶來的安全性風險仍不可忽視。當地時間2023 年7 月13 日，據美國CNN 報道，美國聯邦貿易委員會（FTC) 正在調查OpenAI 是否違反消費者保護法，并要求OpenAI 提供有關其處理個人數據、向用戶提供不準確信息的可能性以及“對消費者造成損害（包括聲譽損害)的風險”的大量記錄。這是美國監管機構首次正式發起對人工智能聊天機器人帶來的風險的審查。[30]

生成式人工智能嵌入經濟犯罪偵查后，同樣面臨巨大的安全性隱患，主要可能涉及以下三個方面。

1.數據收集的安全性風險。為生成更準確的答案，生成式人工智能需要學習海量的經濟犯罪執法信息，其中既可能包括包括國家安全、公共安全的數據，也可能包含大量的商業秘密和個人信息。這些數據一旦不加限制就隨便使用，很有可能導致泄漏乃至濫用，危及國家安全和其他利益。

2.人工智能應用的安全性風險。任何人工智能的應用本質上都是服務于人的意志，具有自主學習能力和生成式功能的人工智能也不例外。在人為意志的干預下，生成式人工智能既可以作為提升執法辦案效能的得力助手，但也有可能成為辦案人員違法犯罪的工具，一旦被人非法利用，將產生極為惡劣的影響。

3.生成式人工智能本身所帶來的安全性風險。目前，我們仍處于以應用型機器人為主的弱人工智能時代，而生成式人工智能的出現加快了人類邁向強人工智能時代的步伐。該類人工智能所具備的生成式功能使其更具“類人化”特征，[31]人工智能通過大語言模型進行自我學習的過程中已經展示出某些人類特有的認知規律和思維習慣，“AI 智慧涌現”似乎已不再遙遠。但令人擔憂的是，人工智能在擁有了自己的意識和心智后，不排除表現出某些違反設計、違反人類意志，甚至作出某些“反人類”動作的可能。這些人工智能掌握了海量數據信息并擁有超智能算法，可以進行自我學習和更新迭代，一旦“黑化”，其產生的后果不堪設想。

安全性問題是生成式人工智能長遠發展的基礎，也是該項技術嵌入經濟犯罪偵查的前提。面對上述可能產生的安全性風險，應堅持安全與發展并重的發展理念。

首先，對于數據收集風險而言，確保數據收集行為合法合規是實現數據收集最終目的（生成式人工智能應用)的前提。收集數據應該滿足“合法使用數據收集技術”“告知用戶且獲得同意”“收集比例正當”等要求。[32]

其次，對于人為使用風險，應從正反兩方面采取規范和限制措施。一是從正面規定生成式人工智能可以應用的偵查辦案場景，二是從反面明確列舉該項技術禁止采用的方式和禁止使用的情形。此外，還應當建立責任追究機制，對于違反規定使用生成式人工智能技術的相關人員，依法追究其法律責任。

再次，對于智能技術風險，應當建立人工智能報警機制。一旦發現人工智能有影響偵查工作、損害他人利益以及其他危害傾向或行為時，應當立即停止技術使用，及時審查通過生成式技術所獲取的證據和其他相關材料。

五、結語

如今，我們正處在一個技術變革的時代，數字技術的快速發展對人類生產生活的影響比以往任何時候都要深刻。生成式人工智能的出現再一次對人類中心主義提出了挑戰，各行各業在試圖搭乘技術便車的同時，又以極為敏感的態度為此次技術革命所帶來的行業和職業危機而感到前所未有的擔憂和顧慮。對于經濟犯罪治理而言，生成式人工智能技術將是偵查機關實現自我突破、全面提升辦案質效的重大機遇。但面對全新的技術應用以及不可知的技術盲區，生成式人工智能嵌入經濟犯罪偵查不可避免地面臨巨大爭議和質疑。對此，筆者認為，生成式人工智能在本質上仍屬于一種人工智能技術，人工智能與刑事訴訟的融合已不是初次，面對不斷加劇、不斷升級的經濟犯罪形勢，我們對于新技術的偵查應用應秉持一種更為包容、更加開放的姿態。一方面，應當摒棄那種一存在應用風險就完全否認或排斥技術融合的保守思想；另一方面，面對可能產生的風險挑戰，應保持積極樂觀的心態，不斷提高立法的預見力和判斷力，規范和完善人工智能技術的偵查應用。未來，當生成式人工智能嵌入到刑事偵查中后，無論該項技術發展到何種程度，刑事偵查以人為主體的辦案模式不能改變。在此基礎上，生成式人工智能的偵查應用必須始終堅持“為辦案服務”的基本理念，遵守合法、有效、安全的基本要求，確保技術與法律之間的調和發展。