Đề tài: “Mô hình AI hỗ trợ kiểm sát viên trong việc định tội danh theo cấu thành tội phạm của BLHS 2015”
CẤU TRÚC ĐỀ CƯƠNG CHI TIẾT
CHƯƠNG 1: MỞ ĐẦU
1.1. Tính cấp thiết của đề tài
-
Thực trạng sai sót trong định tội danh tại Việt Nam (số liệu cụ thể từ TANDTC, VKS)
-
Khối lượng công việc phân tích hồ sơ vụ án quá tải
-
Nhu cầu công nghệ hỗ trợ nhưng đảm bảo tính khách quan
1.2. Mục tiêu nghiên cứu
-
Xây dựng mô hình AI có khả năng:
-
Phân tích yếu tố cấu thành tội phạm từ hồ sơ vụ án
-
Đề xuất tội danh phù hợp theo BLHS 2015
-
Phát hiện sai lệch giữa tội danh đề nghị và cấu thành thực tế
-
1.3. Câu hỏi nghiên cứu
-
AI có thể học được logic pháp lý của BLHS Việt Nam không?
-
Làm sao đảm bảo AI không vi phạm quyền con người (quyền im lặng, suy đoán vô tội)?
-
Vai trò của con người trong quyết định cuối cùng là gì?
CHƯƠNG 2: CƠ SỞ LÝ LUẬN
2.1. Lý thuyết về cấu thành tội phạm
-
4 yếu tố: Khách thể, mặt khách quan, chủ thể, mặt chủ quan
-
Phân tích 10 nhóm tội phổ biến nhất (trộm cắp, cố ý gây thương tích, ma túy…)
2.2. AI trong pháp luật: Xu hướng thế giới
-
Mô hình COMPAS (Mỹ) - dự đoán tái phạm tội
-
ROSS Intelligence (AI tra cứu án lệ)
-
Vấn đề “black box” và thiên kiến thuật toán
2.3. Khung pháp lý Việt Nam
-
Quy định về bảo vệ dữ liệu cá nhân (Nghị định 13/2023)
-
Vai trò kiểm sát viên theo Luật Tổ chức VKS 2014
CHƯƠNG 3: PHƯƠNG PHÁP NGHIÊN CỨU
3.1. Xây dựng LegalGPT-VKS
Bước 1: Thu thập dữ liệu
-
5.000 bản án đã ẩn danh từ TANDTC
-
Gán nhãn thủ công: Tội danh → 4 yếu tố cấu thành
-
Định dạng: JSON với các trường:
json
{
"ma_vu_an": "VKS-2023-0001",
"tom_tat_su_kien": "...",
"yeu_to_khach_the": "...",
"yeu_to_chu_the": "...",
"toi_danh": "Điều 173 BLHS",
"khung_hinh_phat": "..."
}
Bước 2: Huấn luyện mô hình
-
Nền tảng: PhoBERT (mô hình ngôn ngữ tiếng Việt) + Fine-tuning
-
Kiến trúc: Multi-task learning
-
Task 1: Trích xuất yếu tố cấu thành
-
Task 2: Dự đoán tội danh
-
Task 3: Phát hiện điểm mâu thuẫn
-
Bước 3: Đánh giá mô hình
-
Độ chính xác (Accuracy): 85% trở lên
-
Precision/Recall cho từng nhóm tội
-
So sánh với 100 ca test do chuyên gia VKS đánh giá
CHƯƠNG 4: ỨNG DỤNG THỬ NGHIỆM
4.1. Xây dựng giao diện công cụ
-
Web app cho kiểm sát viên:
-
Upload hồ sơ vụ án (PDF/Word)
-
AI phân tích và hiển thị:
-
Tội danh được đề xuất (kèm % tin cậy)
-
Bảng so sánh các yếu tố cấu thành
-
Cảnh báo nếu phát hiện sai lệch
-
-
4.2. Pilot test tại 2 VKSND cấp tỉnh
-
50 vụ án thực tế
-
Thu thập phản hồi định tính (phỏng vấn kiểm sát viên)
-
Đo lường: Thời gian xử lý hồ sơ giảm bao nhiêu?
4.3. Trường hợp điển hình
- Ví dụ: Vụ án A bị đề nghị truy tố “Cố ý gây thương tích” (Điều 134) nhưng AI phát hiện không đủ yếu tố “cố ý”, gợi ý xem xét “Vô ý gây thương tích” (Điều 135).
CHƯƠNG 5: RỦI RO ĐẠO ĐỨC VÀ KHUYẾN NGHỊ PHÁP LÝ
5.1. Rủi ro chính
| Rủi ro | Hậu quả | Giải pháp |
|---|---|---|
| Thiên kiến dữ liệu | AI “học” được xu hướng phân biệt đối xử trong các bản án cũ | Kiểm tra fairness metrics, đa dạng hóa dữ liệu |
| Vi phạm quyền im lặng | AI phân tích micro-expression, giọng điệu → xâm phạm quyền không buộc tội mình | Chỉ phân tích văn bản, KHÔNG phân tích video/audio lời khai |
| Quyết định “đen hộp” | Kiểm sát viên không hiểu tại sao AI đưa ra kết luận đó | Sử dụng Explainable AI (LIME, SHAP) |
| An ninh dữ liệu | Rò rỉ hồ sơ vụ án | Mã hóa, lưu trữ on-premise, không dùng cloud công cộng |
5.2. Khuyến nghị pháp lý
-
Ban hành Nghị định về sử dụng AI trong tư pháp:
-
Quy định rõ AI chỉ là “công cụ hỗ trợ”, không thay thế con người
-
Kiểm sát viên phải ký xác nhận vào mọi quyết định cuối cùng
-
-
Thành lập Hội đồng Đạo đức AI tư pháp:
-
Gồm luật gia, chuyên gia AI, đại diện nhân quyền
-
Kiểm tra định kỳ 6 tháng/lần
-
-
Đào tạo kiểm sát viên về “AI literacy”:
-
Hiểu AI hoạt động như thế nào
-
Biết khi nào nên tin và không nên tin AI
-
CHƯƠNG 6: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN
6.1. Đóng góp khoa học
-
Mô hình AI đầu tiên cho hệ thống pháp luật Việt Nam
-
Dữ liệu huấn luyện chuẩn hóa cho nghiên cứu sau này
6.2. Hạn chế
-
Chỉ test trên 2 VKSND, chưa đủ tính đại diện
-
Chưa xử lý được các tội phức tạp (tội kinh tế, tham nhũng)
6.3. Hướng phát triển
-
Tích hợp AI vào hệ thống quản lý hồ sơ điện tử của VKS
-
Mở rộng sang hỗ trợ tòa án trong xác định tình tiết tăng nặng/giảm nhẹ
TIMELINE DỰ KIẾN (36 tháng)
| Giai đoạn | Thời gian | Công việc chính |
|---|---|---|
| Năm 1 | Tháng 1-12 | Nghiên cứu lý thuyết + Thu thập 5.000 bản án + Gán nhãn |
| Năm 2 | Tháng 13-24 | Xây dựng và huấn luyện LegalGPT-VKS + Thử nghiệm nội bộ |
| Năm 3 | Tháng 25-36 | Pilot test thực tế + Viết luận án + Bảo vệ |
#LegalAI #AIinProsecution #AIandCriminalLaw #ExplainableJustice
#HumanCenteredAI #LegalTechInnovation #FairnessInAI #DataDrivenJustice
Reflection – Bài luận số 3: “LegalGPT-VKS: Mô hình AI hỗ trợ định tội danh theo BLHS 2015”
Tác giả: Nguyễn Thị Minh
Giám sát: Thầy Richard Feynman
Ngày phản tư: 30/10/2025
Chương trình: Feynman Scholar Track – LegalGPT-VKS
1. Hiểu (Comprehension)
2. Giải thích (Teach Back – theo Feynman Technique)
3. Kết nối (Integration)
Khoa học dữ liệu: NLP, Multi-task Learning, Explainable AI.
Đạo đức công nghệ: minh bạch, nhân quyền, quyền im lặng.
4. Tự soi (Reflection & Growth)