【本篇報導由東亞學系  邵軒磊副教授研究團隊提供】

　　近期有許多人工智慧的研究，使電腦（機器）能夠部分模擬人類思考過程、輔助人類決策，並應用至法學領域。惟過去的研究較多著重在解析法官思考過程以及預測裁判結果，讓律師與當事人參考；而為了獲得高度正確的成果，必須倚賴法學專家先閱讀裁判或法律條文，抽取出關鍵因素，將之編碼之後，再由機器建立模型並預測。本研究嘗試不同的方法，直接將自然語言的文本（即法院裁判原文）輸入機器，觀察機器能否成功解析法官的語意，判斷裁判之結果。本文以三年期間地方法院第一審結果為「單獨親權」之裁判文書之部分段落作為樣本，使機器讀入這些文本後，以自動斷詞等文字探勘技術，製作出詞彙矩陣，再使用機器學習領域中的類神經網路方法，訓練機器「理解」法官的語氣與裁判方向（親權歸屬父親或母親）。接著以此為基礎，要求機器讀入其他未知裁判，並判斷結果。其準確率約77.25%，F1分數0.8674，如此證實了機器可以某種程度「讀懂」裁判文本並做出分類。由於機器的運算速度快，若結合法學資料搜尋系統，將能更快速地讓人們找到所需的裁判，達到「人機協作」，增進人類決策的效率與正確性，此稱為法律資料分析學。

　　人工智慧（artificial intelligence, AI）與機器學習（machine learning）在大數據（big data）的背景下，近期獲得飛躍式的發展，甚至成為我國科研戰略的一環。人工智慧逐漸進入生活的各個層面，除了帶來便利與效率外，也引發對市場秩序及政府權能之衝擊。為此，本研究試圖開展「法律資料分析學」，將2012年至2014年共三年期間的地方法院及少家法院關於親權酌定的第一審裁判共448件，經過「自然語言處理」（Natural Language Process, NLP、「文字探勘」（text mining, TM）與「類神經網路」（Neural Network），三個步驟，最後給出一個「裁判分類值」（即目標值，意味著電腦閱讀現有裁判的情狀之下，判斷親權酌定給父親母親），最後「機器分類結果」與「實際裁判結果」做比較，用來檢視模型的準確程度（如圖一、機器學習與文本探勘）。

圖一：機器學習與文字探勘

　　此舉將簡化甚至省卻人類編碼的流程，期望能節省許多勞動時間，儘快進入第三階段之後的訓練與預測。使法律資料分析流程更接近直接使用原始裁判文書，讓機器能「讀懂」法官所寫文字，並對照實際判決結果做出驗證。為了避免只隨機測試一次而發生測量結果的偏差，研究團隊重複運行模型50次（且訓練組與測試組的樣本不相混淆），測試組準確率多在80%前後徘徊，50次的平均為77.25%，在F1分數的表現也與此相近。總體而言，優於其他類似方法的研究。 

　　過去「人工智慧與法律」領域發展的主要方向在於建立「法律專家系統（legal expert system）」，將專家的知識輸入於電腦系統，基於此知識，由電腦像專家般提供諮詢、建議解決方法。但此作法必須仰賴人工（專家）預先設定各種規則，耗時且昂貴，故僅在個別少數的法領域被運用。近期逐漸導向讓電腦從法律文件中提取語意資訊，「幫助」人們解決法律問題，包括「概念資訊提取（conceptual information retrieval）」與「認知運算（cognitive computing）」等技術。換言之，過去專家系統需要人類將規則寫在系統程式，才能讓電腦有某種功能；相較之下，本研究則是從自然語言文本的大數據中幫助人們找到適合的解答，強調「人機協作」（如圖二），機器可以提供百科全書般的知識與運算能力、可以理性推論與分析，人類則是提供專業、判斷、直覺、道德指引與創造力，如此共作以達成更好的決策。結合了上述技術的「法律資料分析學」，目的正是希望從法院裁判或法規當中，以機器自動提取有意義的資訊，進而協助專家回答法律問題、估計裁判結果、擬具訴訟攻防主張。 

圖二：人機協作

原文出處：黃詩淳、邵軒磊(2020)，〈以人工智慧讀取親權酌定裁判文本：自然語言與文字探勘之實踐〉，《臺大法學論叢》，49卷1期，頁195-224。doi:10.6199/NTULJ.202003_49(1).0004