178 歐美研究 法律人工智慧系統僅花了 26 秒就看完所有文件，爭點辨識率是 94%。雖然五位律師內最好的爭點辨識率也是94%，但我們不知道 該位律師是不是花了最長的閱讀文件的時間 (156 分鐘) 完成此項 任務 (LawGeex, 2018)。此外，臺灣交通部鐵路局預計在各個車站 設計智慧人流監控系統——運用人臉辨識及人流移動提早發現可能 意外狀況 (交通部鐵道局，2019)；北臺灣的萬里隧道所創設的區間 測速系統，計算車輛在兩點間之平均行駛距離，而推斷是否有超過 該路段之速度上限；2 法律扶助基金會、東吳大學與SAS 公司曾一 起合作開發法扶案件分流系統；3 清華大學的王道維、林昀嫺所合 作開發的親權判決預測系統 (林昀嫻、王道維，2020)。4 甚至行政 執行署所推動的交通正義專案，希望結合車牌辨識扣押欠稅車輛等 等。5 上述的發展展示出一個關鍵特色：判斷權限移轉是可能的。更 精確的說，人工智慧系統的研發就是要將原本屬於人的判斷權限移 轉到人造物身上。即使人工智慧系統是否具有判斷能力仍是一個重 要問題，但是無疑地它們在許多事務上已經在幫人類做判斷了。本 文的基本問題便是要探尋，在法治的脈絡下我們可以如何思考法律 人工智慧系統基本議題？ 法學可以有以下方式看待ALI 的相關議題：(一) 探討人工智慧 的應用所產生的實證法問題。例如自駕車如果造成死傷會是由誰需 要負責？是系統設計者？車商？駕駛人或是由保險基金處理。由於 2 請參考新北市政府警察局交通大隊 (2021)。 3 請參考東吳大學 (2018)。根據筆者後續與法扶基金會聯繫，此一合作並未持續下去。 4 關於其人工智慧系統之應用網頁，請參考國立清華大學 (n.d.)。 5 請參考法務部行政執行署桃園分署 (2020)。筆者曾與桃園與彰化承辦人員聯繫過，該 兩區域之執行方式不一樣，唯基本上都是使用車牌影像辨識系統完成執法任務。
RkJQdWJsaXNoZXIy ODg3MDU=