在人文社會科系研究人工智慧是否搞錯了什麼？

講者／邵軒磊（國立臺灣師範大學東亞學系副教授）｜彙整／葉珊瑀
整理自2020.11.10「AI報你知」校園講座．同名

資料分析解答法律問題

在傳統的法律場合中，公正的法官會聽取原告與被告兩造的陳述，中立地做出判決。在現今科技的進展下，電腦也能扮演協助判決的角色。

模型的訓練有三個步驟：輸入資料、做出模型、以模型算答案。以監護權的歸屬案件為例，研究者會先在原始資料上標註案件最終被判給父親或母親，接著依據理論提供法律要素，例如法律規定法官要檢視父母的健康、品行、經濟等。

AI的運算過程，可以透過「神經網絡」模型來理解。以「圖像辨識」為例，圖片輸入之後，透過特徵選取，讓電腦過濾，經過運算後得到結果，這與時下流行的變臉app是同樣的邏輯。

最後，只要將電腦作出的判決結果與人類法官的審判結果相比對，如果「機器預測的結果」和「真實判決」經常相符，這套系統理論上便可用於法庭上輔助法官判決，目前準確率已可達到98.55%。

判決理由（legal reasoning）的剖析

然而研究者想知道的，不只是判決結果有多貼近人類法官，還有判決的理由。透過「決策樹」（decision tree）的拆解，我們可以深入了解電腦的決策過程，釐清哪些要素是電腦做成這個判決的關鍵因素。例如在在爭奪親權的案件中，最重要的三大因素分別為：誰是子女的主要照顧者？哪一方與子女的互動關係較好？子女本身的意願為何？

資料分析對實證法學的貢獻及挑戰

透過這類研究，可以證明「法學構成要件」是可以計算，也可以看到判決實踐上，各個因素的重要程度不一，且在實務上是「可被驗證」的。然而也面臨許多挑戰，例如從法哲學角度來看，是否僅能有單一模型解釋單一法學問題？多模型的整合在未來是否有可能？相關問題，還有待未來技術發展更成熟、相關討論更細緻後，方能補足。

判決文本作為資訊來源

除此之外，我們還可以從判決文本的分析中，找到一些與執法或政策相關的重要資訊。法律判決當中，記載著詳細的調查事實，包含時間、地點、毒品種類、犯罪方式（持有或製造），細細爬梳這些資料，交互分析，便可從幾級毒品、涉毒身份（性別、幫派、軍人）、入台途徑（貨櫃、夾帶）、國外地點之間的的共變關係，看出台灣毒品的主要流向。當案件數量越多，可以涵蓋與堆疊出的路徑密度越高。我們也能從中看到龐雜判決文本中所隱藏的其他訊息，以回答更多問題。

(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)