本次講座由崔家瑋主講，主題為人工智慧在司法領域的應用，開場前的討論提到，在五年前，原本認為律師的工作難以被AI取代，但近年來AI發展迅速與崛起，引發了人工智慧在法律領域應用的思考，以及我們該如何界定使用規範。

一、從一張生成圖片談起，好的輸入才有好的輸出

講者一開始以AI生成自己的圖片作為開場，說明人工智慧的運作就是「 input 決定output」的過程，輸入資料越清晰完整，產出的結果才有可能接近正確；反之，如果輸入本身含糊或偏頗，輸出必然會出現問題，這一點對於司法AI更為重要，因為任何錯誤的判斷都可能直接影響到當事人的權益。

講者解釋，人工智慧並非真正「理解」案件。它只是透過數學向量(演算法)，學習資料中文字之間的連結關係，再進行模擬。
幾個關鍵限制包括：

• 知識疆界：AI 的知識完全來自人類餵進去的資料，背景資訊不會自動被納入。
• 繼承偏見：因為資料來自人類，AI也會繼承人類的偏見、歧視與認知誤差。
• 優劣勢比較：在大量、重複、同質性的資料處理上，AI遠勝人類；但在需要複雜情境判斷與生命經驗的部分，AI遠遜於人類。

二、人工智慧介入司法判決的幫助與問題

進入正題後，講者談到法律人的日常：案件量龐大、加班常態，且每一份判決都不能馬虎，效率影響考績與升遷，判決也關乎到每個相關的家庭。在這樣的壓力下，AI輔助判決系統似乎成為一種解方。台灣司法院曾經訓練一套 AI判決系統，期待它能分擔法官的工作量。講者舉例：如果 AI可以先初步判斷毒品案、詐欺案（這兩類佔了台灣刑事案件的大宗），法官或許就能減輕負擔，週末甚至可以有更多時間陪家人。

講者也馬上拋出問題問大家：

• 當 AI 介入判決時，是否會犧牲背後當事人的權益？
• 我們是否只追求效率，而忽略了正義的本質？

他還特意問聽眾：「週末可以陪家人，聽起來好像很美好，但這樣的情境真的沒有問題嗎？」現場也一度陷入思考。

三、美國COMPAS案例：AI 判斷的界線

接著講者介紹美國的 COMPAS 系統，一個用來預測犯罪再犯風險的演算法系統，著名的案例是Eric Loomis案：

• Loomis 因案件被送審，COMPAS系統判定他「高度可能再犯」。
• Loomis 認為這樣的判斷侵犯了他的權益，於是提起上訴，主張這個演算法不透明、甚至違反憲法正當程序權。
• 最後法院裁定：COMPAS的使用不違憲，但其判斷不能單獨作為定罪依據，必須搭配其他證據佐證。

凸顯了AI在司法上只能是「輔助」，不能作為唯一標準。

講者展示了美國的預算數據，凸顯公私部門在 AI 投入上的巨大落差：

• 美國國防部 2023 年的 AI預算：3.5 億美元
• 美國國防部 2024 年的 AI預算：46 億美元
• 美國企業 2024 年投入 AI金額：超過 1500 億美元

在這樣差距下，政府如何開發或採購 AI 系統就成為一個重要課題：

• 政府要如何與企業談合作，既讓企業願意投入資源，又能維持透明性與監督？
• 企業常以「營業秘密」與「智慧財產權」為由，拒絕公開資訊。這在 Loomis案中也被凸顯。
• 若政府過度依賴企業，企業可能藉此擴張影響力，甚至壟斷司法資源。

講者也補充，美國各州的再犯風險系統來源不同，有的與私人企業合作，有的則依賴基金會或非營利組織，呈現多元模式。

四、演算法透明與開源問題

聽到這裡，現場也有疑問被拋出：AI 的判決標準是什麼？演算法根據又是什麼？我們能否知道它的代碼？
講者回應，這正是全球司法 AI 爭議的核心之一：

• 很多 AI 系統的演算法屬於企業的「商業機密」，不會公開。
• 缺乏透明，意味著法官與當事人無法真正理解 AI 的依據。
• 這會導致「黑箱判決」，損害司法的公正性。

講者補充，歐洲已有相關法規討論，要求企業在特定情況下必須提供開源或至少讓政府能檢視演算法，以保障透明度，這也是一個值得台灣關注的趨勢。

講者提醒，導入新科技時，制度的建設往往落後：
AI的自主性與代理能力遠高於其他工具，因此更需要規範與指引，政府卻常常只看見「亮點與政績」，忽略潛在風險。
例如 2023 年司法院推動AI寫判決，就是先上系統、後補規範，這顯示內部效率優先，但可能忽略對外部民眾權益的影響，應該如何建立平衡？

講者在介紹司法院正在推動的 AI判決輔助系統時，有同學提出一個問題：
「這套 AI系統是屬於公版（公家開發維護），還是屬於個人版本？若是個人化的話，可能更能貼近個別需求？」
講者回應說，依照台灣目前的制度設計，這類司法輔助系統應該會走公版，由公家單位統一開發與維護，以確保司法判斷的透明性與一致性；如果是私人系統，可能會有資料不透明、或偏向商業利益的疑慮。對此，講者也補充了新加坡的狀況，他們在公部門導入ChatGPT，但使用上有嚴格限制，一般民眾並不能自由使用ChatGPT。司法領域採取的版本則是「個人化」的應用。也和台灣公版的模式，有強烈對比。

五、「法源」與「七法」案，法律資料的整理與著作權爭議

講者也舉出台灣近期一個案例

• 法源公司：長年經營法律資料庫，將原始法條做過整理、更新，改寫成較容易理解的版本，並以訂閱制方式提供服務。
• 七法公司：則被指控使用爬蟲程式，直接抓取法源整理後的內容，再加以販售牟利。

案件爭點在於：法條本身是公共財，不具著作權，但經過人工整理、彙編後，是否能成為受保護的作品？

表面上看起來只是一般的著作權糾紛，和 AI的直接關聯並不大。但它卻引出了司法 AI背後一個非常重要的問題：資料來源的合法性與透明性。

若AI的訓練資料若來自於不合法的抓取，或者涉及他人整理成果的侵權，那麼整個系統的正當性就會受到質疑。

六、制度設計與社會信任

在制度設計上，講者指出司法 AI需要回答三個問題：

1. 利用前：如何蒐集與清理資料？
2. 利用中：誰能檢視演算法？如何避免偏見擴大？
3. 利用後：發生錯誤時，責任如何歸屬？

講者強調，司法的核心在於「社會信任」，如果 AI 的導入缺乏透明與公開討論，民眾反而會更不信任司法。就像台灣先前的「數位中介法」因缺乏充分溝通而引發強烈爭議，司法 AI 不能重蹈覆轍。

七、總結

講者最後提醒，人工智慧在司法應用上既是機會，也是風險：

• 它可以提升效率，幫助分擔繁重的案件量。
• 但它也可能因不透明而侵害人權。
• 更重要的是，司法正當性最終仍仰賴「人」──法官、律師、當事人，以及整個社會的信任。

我的觀察

這場講座讓我深刻體會到，司法AI是法律、制度、倫理交織的複雜課題，人工智慧為我們帶來許多的方便，但若演算法背後的依據不透明，可能讓某些人無辜承受錯誤的判決。在現今資訊時代，個人的資訊安全是非常重要的，新加坡的人工智慧系統，也從最開始就思考了資安的問題，將系統部署在政府內部的GCC(Government Commercial Cloud)，讓企業沒有辦法取得這些資料，保障了資料的隱私性。講者也強調司法 AI 的發展，不能只看技術進步，還需要配合透明制度、法律規範，以及社會的討論與共識，如同19世紀時的汽車發明。