Page 125 - 新时代行政法理论与应用实践

第四章 行政处罚制度

处罚裁量决策。人工智能技术为机器学习提供了可能，构建智能数字化裁量辅助
系统可以模仿人的大脑进行学习，借助数字裁量系统丰富的数据库不断优化算法
规则。机器的智能学习模式可以利用已经建立的处罚案件数据库来不断优化数字

化裁量的算法，并扩大到人们难以感知的案件隐蔽性和关联性要素，进而确保行
政处罚中数字化裁量尽可能实现个案公正。
2. 数字化裁量在行政处罚中的实践应用
近年来，数字化裁量在我国行政处罚领域得到了较为广泛的应用。在交通执

法领域数字化裁量的应用已是常态。“电子警察”作为集监督、判断、处罚等职
能为一体的智能处罚方式，给行政活动带来极大便利，但是，其对人工裁量的阻
断程度也较高。经由电子监控的交通违法行为作为信号传递至处罚系统，再由系

统判定作出处罚决定，最后送达行政相对人。该处罚裁量属于整体的数字化闭环，
该闭环包括了从取证到处罚，电子监控抓拍到违法行为后自动进入数据库进行处
理。在基于交通违法行为的一般类型化分类处理，将机器识别的违法行为依照处
罚标准进行处罚，较大程度压缩了相对人的权利，如陈述申辩、说理、听证等权
利，但是，也提高了行政效率，减轻了行政执法负担。

环保行政执法领域较为广泛应用了数字化裁量。例如，南京市环保局较早应
用了行政处罚裁量辅助决策系统，该系统是以二维数组为基础的裁量辅助决策系
统，执法人员通过数字化模型将所调查的违法事实设置为各种初始参数，作为裁

量因子的数值输入到裁量辅助系统中，根据内置的算法程序进行计算，最终得出
裁量结果，法律后果也细分为“无、轻微、一般、较重、严重和特别严重”六个
等级。从行政行为过程的视角来看，利用该系统计算出来的结果并不会直接作为
处罚结果，仍需通过执法人员的审核认定程序才能作出最终的处罚决定。该裁量
辅助系统需要执法人员对案件违法情节各种要素进行筛选，将算法系统需要的裁

量因子筛选出来，经由系统计算得出裁量结果，若经审核认定未通过则需重新提
出处罚意见，不能二次更改违法情节的初始数据要素。
在市场监督管理执法领域，广州市市场监督管理局也较早应用了行政处罚自

由裁量权智能化规制模式。该模式依托行政处罚案件的数字化管理系统，将行政
处罚中的裁量过程全部纳入数字化系统内。该模式通过建立智能化法规库，拆解
市场监督管理领域行政处罚涉及的法律规范，将相应法律法规涉及的诸多违法行
为的处罚规定进行分档定级，在进行处罚时经由数字化系统判别，提示执法人员

117