【探索26-9】AI能審判人類嗎？
講者｜臺灣大學法律學系教授 黃詩淳教授
彙整撰文｜徐曉陽
審判的目的於在解決糾紛，維護或者恢復社會秩序，所以審判的一個重要特質是：「辯是非，明善惡」。又因為審判本質以權威為基礎，故而人們願意信賴審判結果。
如今AI應用於司法上的例子，有輔助裁判的初步嘗試，譬如美國部分州計算再犯分數的「COMPAS」系統，台灣司法院的「量刑趨勢建議系統」，也有更加前衛的設計，例如愛沙尼亞尚完成的機器人法官。但，AI 能夠審判人類嗎？要回答這個問題，我們需要思考兩個層次：首先是 AI 在技術上「能否」做出好的判決；其次是如果 AI 能做到前者，又「應否」讓其審判人類。
●AI 「能否」做出好的判決？
1、什麼是好判決？
好的判決，需要判決結果正確，判決理由適當。一些分析者僅關心前者，即機器能多大程度的預測訴訟結果，但法律資料分析（legal analytics），是對有價值法律資的發掘、詮釋和溝通的過程，不僅要關注機器能否給出答案，更要關注，機器是否可以給出它如此決策的理由，如此方可判斷其結果是否合理正確。
2、如何打造AI判決系統？
那麼如何建立一個 AI 判決系統？有四個步驟：資料蒐集、建立模型、預測以及應用。接著以台大法律資料分析研究室團隊的成果：「父母離婚後的子女親權酌定裁判預測系統」為例，闡述這些步驟，這套系統可以分析父母離婚後，誰會獲得未成年子女的親權。
【資料蒐集】先蒐集並分類大量的判決、找出關鍵因素並予以標記。將巨量資料（big data）轉化為可計算的資訊。我們蒐集了2012-2014年間地方法院共540件裁判（後續更新到2017年）；採用其中448件（82.96%）結果是單獨親權的裁判建立模型，其餘共同親權、分別親權案件因件數過少難以被模型描述而捨去。特徵選用民法第1055條之1第1項各款例示的「法官應注意事項」，以及過去學者所提倡的應注意事項，共計22項；將以上案件事實的特徵事項透過標記，轉換為可以計算的數據。
【模型建立】使用機器學習（machine learning）演算法，找出判決的pattern。
【預測】給機器未見過的案子，看模型預測的效能如何。
我們以上述蒐集的資料集的80%作為訓練集，給予正確的目標值，用於訓練模型，模型代表了「過去多數法官」的思考模式。其餘的20%作為測試集，不告知正確目標值，要求機器用已經建好的模型來預測目標值。
我們最先使用了人工神經網路演算法，準確率高達98.55%，但缺點是無從得知機器的決策細節，也無法判斷哪些特徵才是重要特徵。為了提高可解釋性，又使用了決策樹演算法，準確率95.2%稍低，但從節點可看出，子女主要照顧者、親子互動、子女意願三項是法官更看重的特徵。為了探索個案中的重要性因素，又使用了梯度提升法，準確率95.7%左右，可以得到在個案中機器是如何依照模型得出最後的計算結果，也就是使機器說明了自己的思考過程。
但以上的作法，仍須將裁判的文字透過人工閱再讀轉換為上述22項特徵的數值資料，需要投入大量人力，於是我們進一步使用文字探勘結合監督式學習，略過人工標記的步驟，讓機器直接學習裁判書文本。最後結果的準確率在77.25%，F1-score 86.7%。當加上了人工標記的「原告／被告是父／母」之資訊後，準確率和 F1-score 均提升 2 個百分點左右。
【應用】為效能好的模型設計使用介面，提供給法律人使用，作為決策參考。
我們使用了好幾種模型，哪些更好呢？如果我們要的是「判決結果正確」的系統，那麼演算法的準確率或許重要；如果我們要的是「判決理由適當」，則演算法的可解釋性、透明性更重要。
3、AI有能力做出好判決嗎？
上述過程中，AI無法評價證言與證物之證據力，現階段也尚不能以各個證據為基礎來判斷事實，能做到的只是整個審判過程中的法律適用環節的預測。對於這一部分，AI 可以做出某程度正確的判決結果，但相當取決於資料品質。
●應該讓AI 擔任審判者嗎？
假使未來AI 技術可以突破以上的限制，能夠做出好的判決，AI 能否擔任審判者，也猶未可知。
其一是審判係以權威作為基礎，且權威與信賴並非完全來自於「能做正確的決定」。即便AI能比人類法官做出更「正確」的判決，人民會對其抱持與人類法官相同的信賴嗎？
其二是審判行為是以「審判者與被審判者具有同質性」為前提，審判者和被審判者都是成熟的人類，我們是否已承認AI跟人具有同質性？
其三是若 AI 做出了錯誤的裁判，我們應當如何咎責？
目前階段能做到的是，導入AI以人機合作等方式，減輕法院負擔，或許也可能提高人民對司法信賴。即使未來開放AI法官，可能也會限於某些情境或特定類型案件，例如文書生成、量刑輔助、損害賠償金額計算、扶養費金額計算、過失比例認定等。至於AI自動決策的救濟，也許可以要求說明決策理由，或者容許個人拒絕AI決策，只接受人為決策等方式。
(本文為教育部「人工智慧技術及應用人才培育計畫」