（三）人工智能证据运用对传统证据规则的冲击

依托传统证据而构建的部分证据规则已难以适配人工智能证据的发展。人工智能证据对部分证据规则造成冲击，也是将其增设为独立证据类型的重要缘由。

1.对传统证据准入规则的冲击

我国的证据准入规则对证据合法性、相关性和真实性都有明确的规定。人工智能证据在生成、存储等过程中，技术属性贯穿始终，传统准入规则在判断其合法性、相关性、真实性时存在明显的适配障碍。

首先，传统的证据合法性判断标准难以覆盖人工智能证据生成与收集的全流程。传统的证据合法性审查主要聚焦于收集主体适格性、程序合规性及形式法定性。而人工智能证据生成涉及输入数据采集、算法模型开发和运算过程等多重环节，这些新型要素未被传统证据准入规则涵盖，使得司法机关无法基于传统标准全面校验人工智能证据的合法性。

其次，传统的证据相关性判断标准在人工智能证据适用中存在固有局限。传统证据相关性判断采用实质关联说，即核查证据内容和案件事实的实质性关联和证明价值。人工智能证据相关性则呈现出间接性和复杂性的特征，其输出结果与案件事实的关联需要通过输入数据相关性和算法运算逻辑性等间接层面进行佐证，而无法仅凭内容本身就能直接进行判定。

最后，传统的证据真实性判断标准难以适配人工智能证据的动态生成特征。传统证据真实性审查往往聚焦于证据原件的属性、伪造和篡改的痕迹以及证据之间的相互印证关系等。科学证据的形态并非一成不变，而是随着人类科学技术的不断进步而逐步发展的。人工智能证据生成具有动态性，同一组输入数据在不同算法参数或者系统版本下可能会产生差异化的结果。

2.对传统证据审查规则的冲击

证据审查规则是司法机关对进入诉讼程序的证据进行审查，以确定其证明力大小和可采性的规范，构成了证据规则体系的核心内容。对人工智能证据的审查需要遵循独立验证要求，同时要制定适配人工智能证据特性的可采性标准。

第一，人工智能证据对传统证据审查规则形成冲击的根源在于，审查对象从传统的单一对象变为多元复合体系。传统证据的审查对象为单一对象，即仅审查证据本身，审查的核心焦点始终围绕证据的形式和内容展开。例如，书证审查聚焦于文本自身的真实性和与案件的相关性，即便在审查过程中有时也会涉及证据的生成过程，但也只是为了佐证证据本身的可靠性，并不会将生成过程列为独立的审查对象。人工智能证据的审查对象是由输入数据、算法模型、运算过程、输出结果共同构成的多元复合体系。实践中，该审查对象常会遭遇多重难题，比如，可供分析的数据样本覆盖面有限，难以实现全样本采集；构建的算法模型存在偏差等。实时输入数据是人工智能系统产出人工智能证据的基础材料，材料本身是否真实，所获取的渠道是否合法，直接决定着后续算法所输出的结论是否可靠，这也是办案人员开展证据审查要把关的环节。算法的准确性、透明度和可靠性至关重要，若将人工智能算法引入司法取证中，还需要考虑算法偏见和技术伦理层面的难题。整套算法模型是生成式人工智能证据的核心载体。算法模型设计是否科学、合理，运算逻辑是否存在偏见，是证据审查的核心要点。通过算法得出的结论是人工智能证据审查工作的落脚点。最终结论能否与案件事实形成有效的关联，其内容是否客观和真实，是其是否具备案件证明效力的关键。

人工智能证据需要审查的各类要素并不是简单拼凑在一起的，数据输入、算法模型和结果输出等各个环节之间存在着严密的因果关系。审查对象的多层复合属性直接导致其审查思路要与传统证据的审查思路区分开来。传统证据的核查方式相对简单，一般包括直接核对原件、对多份材料交叉比对、进行司法鉴定和询问当事人等多种形式。而审查人工智能证据需要融合多种技术和法律审查手段，不仅要核查基础数据的真伪，评估整套算法运行的稳定性，还要追溯完整的运算流程，判断最终结果和案件之间的关联程度，明确算法是否具备可解释性等。算法具备可解释性不等于必须对外公开算法代码，其核心要求是清晰地梳理整套程序的运行逻辑和运算原理，让办案人员能够理解算法的推演路径。要评判算法模型是否稳定和可靠，需要专业技术人员针对模型设计思路、训练全过程、测试与校验结果展开全方位的专业评估。要核验运算流程是否规范，要借助专业技术手段对全部的运算步骤进行复原，核对每一步操作是否与预设算法逻辑相贴合。由此可见，审查人工智能证据时，不能只对单一内容进行评判，必须综合全部关联要素进行分析。人工智能证据和传统证据在核查对象上存在区别，决定了对人工智能证据的运用需要构建专属的审查规范。

第二，人工智能证据对传统证据审查方法、可采性规则等形成冲击。我国传统证据审查规则依托证据本体属性和生成逻辑，形成了直观审查、比对审查、鉴定审查、询问审查等多元化的审查方法，但传统的审查方法难以适配人工智能证据审查对象多元这一特性。仅采用传统审查方法法官很难理解人工智能深度学习算法的训练过程和运算逻辑，难以判定是否存在算法漏洞，也就无法对输出结果进行科学评估。审查方法适配不足使得司法机关无法对人工智能证据开展全面有效的审查。人工智能证据在可采性方面也存在挑战。如果证据不具有可采性，将不能对裁决发挥作用。人工智能在实际应用中曾暴露出的算法黑箱问题，影响了人们对人工智能技术的信任度。人工智能证据采信的逻辑应是技术理性验证，也就是说，需要借助技术审核、专家评估、算法溯源等手段，对输入数据的真实性进行验证，构建科学的算法和运算规范，从而增强输出结果的可信度。

四、人工智能证据独立性的规则因应

人工智能证据的运用对传统证据规则造成了冲击，传统的证据准入规则、审查规则等无法适配其本体独特性。要解决这些问题，就必须突破传统证据规则的束缚，赋予人工智能证据独立的法定证据地位，并构建适配其本体独特性的证据规则体系。当然，构建人工智能证据的证据规则，并非全盘推翻现有的证据规则体系，而是要在坚守一般规则的前提下，针对人工智能证据的独有属性，修正传统证据规则存在的不适之处。

（一）人工智能证据的独立定位

明确人工智能证据为新的独立法定证据类型，是相应规则体系构建的逻辑起点。唯有赋予人工智能证据独立的法定地位，才能充分尊重其本质属性。这一制度设计基于人工智能技术的发展和现实司法需求，将填补新型证据形态的规制空白。

结合我国现行法律体系和司法实践难题，明确人工智能证据独立的法定地位，应采用统筹修订和分层细化相结合的实现路径。从宏观层面而言，应统筹修订三大诉讼法的相关条款，以明确人工智能证据的独立法定地位，结合刑事诉讼、民事诉讼、行政诉讼的共性需求和证据规则要求，增设人工智能证据这一独立的证据类型。这种统筹修订方式能够化解不同诉讼程序中对人工智能证据地位认定的分歧，避免在规则适用上产生争议。在微观层面，需要借助司法解释和专项规范进行分层细化，完善具体适用依据。三大诉讼法的修订主要解决人工智能证据的法定地位与核心定义问题，却难以覆盖收集、固定、举证、质证、认证全流程的具体规则。对此，可以制定人工智能证据专项适用规则，重点明确取证主体资质、收集提取程序、固定保全方式以及质证等相关内容。

在明确人工智能证据法定地位的过程中，需同时兼顾人工智能技术快速迭代的特性，妥善处理法律稳定性与技术发展性的关系。专项规范可以采用原则性规定加动态调整模式，在人工智能证据的核心定义与基本规则设定上采用抽象概括表述，避免对技术细节作出过于具体的限定。同时建立规则动态调整机制，赋予司法机关结合技术发展与实践需求细化补充规则的权限，通过出台指导性案例、修订专项规则等方式动态优化相关规则，以确保证据规则既保持相对稳定，又能及时回应技术发展带来的新挑战。