人工智能证据的四项基本属性彼此关联、缺一不可，共同框定了人工智能证据的核心内涵，即人工智能证据是指，以具备自主数据处理能力的人工智能系统为核心生成主体，由算法驱动自主或半自主生成，承载能够证明案件事实的客观化信息，并服务于诉讼证明活动的证据材料。该内涵为后续探讨人工智能证据的独立地位奠定了概念基础。

（二）人工智能证据的主要形态

随着人工智能技术在司法领域的运用，证据形态也随之多元化。结合当前司法场景中人工智能技术的应用现状，可以将人工智能证据的主要形态划分为智能分析报告类证据、智能识别结果类证据、智能预测和溯源类证据、智能数据合成类证据等，这些形态共同构成人工智能证据的多元化图景。不同形态的人工智能证据，其生成逻辑、呈现样式、证明力各有不同。

一是智能分析报告类证据。这类证据是我国司法实践中较为常见的人工智能证据形态，是指人工智能系统在接收原始数据后，依托算法模型完成分析、归纳与总结，最终生成以文字或表格形式表现出来的分析报告。其中，智能轨迹分析证据是由智能轨迹分析技术生成，可用来证明案件事实的研判意见。例如，行为轨迹智能分析报告是人工智能系统对涉案人员或物品的轨迹数据进行分析后所产生的报告。在刑事案件侦查过程中，办案机关会调取监控录像、卫星定位记录等各种原始电子材料，并交由人工智能进行轨迹推演与预测，还原涉案人员行动路线、涉案物品流转的全过程，从而形成最终的分析文书。在“张某走私、贩卖、运输、制造毒品案”中，法院就采纳了行为轨迹智能分析报告，将得出的最终结果用于对被告人行为轨迹进行认定。

二是智能识别结果类证据。各类人工智能识别结论在锁定行为人身份和追查案件线索时都具有极高的价值。图像人工智能识别结果，是依靠图像比对算法，根据案件中相关图片和监控录像内容完成拆解、比对和甄别后形成的结论。近年来，人脸识别结论被广泛应用于刑事侦查领域。在处理民事侵权责任纠纷时，可以对涉案侵权商品和正版产品影像素材作详细比对，标注出两者区别和重合之处，并出具比对意见，进而为法院认定侵权事实提供支撑。语音人工智能识别结果往往依托语音解析算法对案件相关录音文件进行拆解，能够精准地检测音频文件，判断其是否存在伪造、修改痕迹，从而为法官核实证据真伪提供有力支撑。比如，通过声纹鉴定实现对声音真实性的证明。

三是智能预测和溯源类证据。智能预测和溯源类证据多数是由人工智能系统自主生成的，呈现形式包括智能预测报告和智能溯源报告等。智能预测报告是人工智能系统依托历史数据与算法模型，对未来可能发生的案件事实或者发展趋势进行预测而形成的报告。比如，通过对罪犯个人情况和历史数据进行分析，对其再犯可能性形成风险评估报告；办案人员对罪犯相关数据搜集后，借助算法对数据加以解析，可以形成对犯罪风险概率的研判意见。智能溯源报告是人工智能系统通过数据溯源和物品溯源等技术，追溯涉案物品来源、流转过程或者涉案数据生成、传输、存储情况而形成的报告。

四是智能数据合成类证据。这类证据是人工智能系统对数据加以合成、重构而形成的服务于诉讼证明活动的新形态材料。这类证据的生成多数采用半自主模式，需要人类对输入的多源数据进行筛选、整理，再由人工智能系统完成合成和重构。根据合成内容的不同，可将其分为智能数据重构结果、智能图像视频合成结果等具体类型。智能数据重构结果是指人工智能系统将不完整、碎片化或者相互矛盾的数据进行整合与复原后所形成的证据材料。智能图像视频合成结果则是指人工智能系统对图像和视频进行合成、生成或者深度加工后所形成的证据材料，比如，基于深度合成技术而生成的涉案场景还原影像等。这类证据能够弥补传统取证手段的局限性，以更加直观的形式呈现案件事实，但因其生成过程涉及对原始数据的加工与改造，容易引发对人工智能证据真实性的质疑。基于此，审查时需要重点核查合成过程的技术参数和原始数据的留存情况。

（三）人工智能证据与其他新兴证据的辨析

伴随社会发展与技术革新，与大数据、人工智能等相关的新类型证据相继出现。根据司法实践中的具体情形和学界现有争议，当前和人工智能证据密切相关的其他新型证据主要包括算法证据和大数据证据。明确这两者和人工智能证据的关系，是厘清人工智能证据外延必须回应的问题。人工智能证据、算法证据和大数据证据三者并非简单的并列关系或者互斥关系，而是呈现出交叉或包含的逻辑关系。

算法证据并非独立于人工智能证据的新型证据，其核心是用算法运算结果证明案件事实，生成过程依赖于算法驱动，生成主体多是具备自主运算能力的人工智能系统，内容往往为算法运算所产生的客观信息。在司法实践中，由算法生成的涉案人员关联分析报告以及侵权行为识别报告等，都属于人工智能证据的范畴。如果仅体现算法本身，比如算法代码、算法流程图，而没有通过人工智能系统运算生成可以证明案件事实的信息，也没有用于诉讼证明，则既不属于算法证据，也不属于人工智能证据。

大数据证据与人工智能证据的关系是互不包含却交叉重叠。大数据证据的核心是凭借海量数据分析结果，以证明案件事实。当前主流的人工智能模型往往依赖对大规模数据集合进行学习、识别与计算而生成输出内容。当大数据分析由具备自主运算能力的人工智能完成，满足人工智能证据的主体属性、生成属性、内容属性和目的属性时，这类大数据证据就属于人工智能证据。例如，人工智能反诈骗系统通过分析海量交易数据生成的诈骗模式报告，兼具人工智能证据和大数据证据两种证据属性。一些大数据证据可以通过人工分析或者简单的数据处理工具生成而无需人工智能系统自主运算，因其未契合人工智能证据的基本属性，而只属于大数据证据。

三、人工智能证据独立性的理论证成

判断一种新兴证据是否应成为独立的证据类型，可以依次展开以下论证：一是归类验证，判断能否把它划入现有证据类型，如果全部无法适配，就说明归入现有证据类型的路径行不通；二是本质剖析，对难以归类的根源进行探究，系统梳理新兴证据类型和传统证据类型存在的本质区别；三是规则研判，分析这类本质差异是否让传统证据规则无法适用。以上三项论证逐层推进，可完整证成人工智能证据的独立性。

（一）人工智能证据归属现有证据类型的困境

人工智能证据这一新型证据形态出现后，司法实践中已经形成了书证归类、鉴定意见归类和电子数据归类等多种归属方案。现有证据类型与人工智能证据存在差异，强行归类难免陷入“削足适履”的困境。

1.书证归类模式的困境

书证归类模式通常是将人工智能生成的分析报告、识别结论等文本类材料纳入书证的范畴。其核心依据是两者都是以文字、符号等形式承载着证明信息，人工智能证据契合书证以内容证明案件事实的核心特征。但通过深入剖析可以发现这一模式存在着严重的逻辑断裂，人工智能证据与书证的本质属性存在冲突。

从本质属性上看，书证的核心特征在于生成过程蕴含着人类的主观意志，记录了人类的思想或者行为。根据我国的证据法学理论，书证指以文字、符号、图形等记载内容、表达思想，以证明案件事实的书面文件或其他载体物品。人工智能证据的内容是人工智能系统对数据的分析和呈现，并不是人类思想或者意志的直接记录。尽管生成文本的形式和书证相类似，但其生成主体是人工智能系统，而不是人，内容来源是算法运算，而非人的主观意志，这和书证的本质属性存在差异。将人工智能证据归入书证实质上混淆了文本形式和本质属性的关系。书证归类模式还面临责任主体资格缺失的难题。书证制作人需要具备相应的民事行为能力，其行为后果可以归责于制作人。如果将人工智能证据归为书证，一旦人工智能证据存在虚假或者错误，无法像书证那样追溯具体制作人的责任，这就使得责任追溯机制失灵，不利于对当事人合法权益的保护。