發獎金給不收賄賂的警察，可以打擊貪腐嗎？——2015搞笑諾貝爾經濟學獎

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

• 文／江鎬佑

2020 年對許多人來說都是難熬的一年，在這個難熬的一年裡台灣社會還是迎來了一些法制上的變革。其中在台灣已經存在百年的通姦罪，迎來了除罪化一事，可以算是舉足輕重的其中之一。

通姦罪在台灣的三個時期

如果從近百年通姦罪在台灣規範的歷史來看，大致可以將通姦罪畫分成三個時期，第一個時期是「真不平等」；第二個時期則可以理解為「假裝平等」，而第三個時期則是 2020 年後的「期待平等」。

100 年前的台灣正處於日治時期，以二次世界大戰前日本的刑法第 183 條條文規定的內容為：「有夫之婦通姦者，處 6 月以上 2 年未滿重禁錮，其相姦者亦如之。此條之罪，須有丈夫告訴而後論之。但丈夫先係縱容而通姦者，無告訴之效」，簡單來說需要受到通姦罪規範的只有「有夫之婦」，如果是「有婦之夫」在外偷情，則並非法律所要處罰的內容。

相同情況也發生在海彼岸的民國政府，當時甫成立的民國在制度上與日治的台灣在通姦規定上「殊途同歸」。1912 年，民國初年的暫行新刑律第 23 章中第 289 條「姦非及重婚罪」，其規範文字為：「和姦有夫之婦者，處四等以下有期徒刑或拘役，其相姦者亦同。」，到了 1928 年中華民國舊刑法的第 256 條，立法文字則是：「有夫之婦，與人通姦者，處 2 年以下有期徒刑；其相姦者亦同。」

簡單來說，在這個「真不平等」的時代，法律所保障的重點是夫權！女人只是男人的附庸替代品，進入婚姻中的女性必須以夫為天，從通姦的規範方式清楚地顯現家庭生活中丈夫對妻子的統治和支配權力。

保不了家又不公平的 75 年

時間來到了二次世界戰後的台灣到通姦除罪化的 2020 年前，這長達七十多年來的時間刑法主要對於通姦的規定內容為：「有配偶而與人通姦者，處 1 年以下有期徒刑。其相姦者亦同。」而在提起訴訟的程序要件上是屬於「告訴乃論」的類型，必須有告訴權的被害人提起告訴，國家才得以以刑事處罰介入「婚姻」，而在通姦罪中唯一的告訴權人是配偶。

按照刑事訴訟法第 239 條：「告訴乃論之罪，對於共犯之一人告訴或撤回告訴者，其效力及於其他共犯。但刑法第二百三十九條之罪，對於配偶撤回告訴者，其效力不及於相姦人。」

原則上這種需要被害人提告偵查機關跟法院才會受理的告訴乃論案件，你並不可以只追究案件裡的其中一個人，舉例來說小夫跟胖虎一起揍你，你對小夫或胖虎其中一個人提告，並不會阻止偵查機關對整件事的偵查，相同的假設你跟小夫因為和解而撤回對小夫的提告，效力也會及於胖虎。

唯一的例外就通姦罪，配偶跟人家打砲，你提告之後，可以僅就配偶的部分作撤銷，也就是說在刑事程序上法律允許你只原諒你的配偶，但不及於外面的「壞壞」小三或小王。

從刑事處罰來看，這個時期相較於戰前以「夫權為唯一保障標的」，直接在條文中展現不公平，規範上把生理男女都受到刑罰制裁的拘束，在訴訟程序上也是規定「配偶」，而不以夫或妻為條文規定不管夫還妻都要對婚姻忠誠，看似平等的規範方式，卻在實際運用到社會上後產生不公平的結果。

社會上及家庭中女性，受限於過往經濟社會角色的窠臼，使其處於經濟上的弱勢跟社會上的雙重評價，搭配了刑事訴訟法上的規定，結果卻變得適用上畸形的結果。因為女性過往經濟不獨立，使得女性面對家中主要經濟支柱出軌的行為，大多需要承擔與忍受，女性經濟上的弱勢導致其容易妥協與撤告，具體展現在個案中的結果，就成了女人為難女人。

即便到近數十年女性經濟逐漸獨立，也在現代社會的雙薪家庭中扮演著不可或缺的角色，理論上應該要一比一的男女有罪結果，實際上卻具體失衡，目前可見統計數據固然呈現女性遭判處有罪之比例，較男性多約 10％，這樣的數據雖然難說懸殊，但是長久穩固的差別，足以顯示制度所造成的結果不公。

上述經濟上的弱勢與社會上的雙重評價具體展現在輿論上的不友善，一如許宗力大法官在協同意見書中所述：「同樣是參與婚外性行為，女性通姦者遭到社會斥為淫娃蕩婦，而男性通姦者都只是犯了『天下男人都會犯的錯』」。

在第二個時期裡，法律是岳不群，姑且不論從性自主權的角度來看婚姻的本質上是一個法律身分上的契約，違約責任卻需要負擔法律刑罰，條文上面看起來的公平不過只是維持表面的和平，在相關案例中即便對配偶撤銷告訴，但是不可避免得讓配偶現身法庭中，進行詰問揭露更多違反忠誠的事實，事實上都只讓婚姻裡的人難以接受。

所以縱然國家想透過通姦罪去保障婚中的忠誠，雖然立法目的正當，但事實上沒有用，保不了家又產生不公平的結果，所以在 2020 年大法官解釋第 791 號，便宣告通姦罪違憲。而當通姦除罪化後，原本的通姦行為就只剩下違反婚姻中忠誠的「違約責任」，結論上就是民事賠償。

通姦民事化後的「期待平等」

台灣有幸的沒有如一些國家因為宗教課題，進而將同性性行為 (sodomy) 入罪化，然後在不盡人意但是終究在 2019 年走向同性婚姻合法化的這條道路。不過這些值得樂觀的場景並不等於台灣法治及社會對於性的入罪、性傾向，已經是個優等生。

相同的情況放到通姦除罪化的觀察也是相同，即便已經擺脫了法治所產生的不公平，但是整體社會對「違反婚姻忠誠義務」者的評價是否不因性別而不再有雙重標準，自然也不可能。

但一如同性婚姻合法化後爸爸媽媽沒有不見，社會對同志的視角逐步且對比過往更加友善，也許在通姦除罪化後的往後，我們也可以期待一個輿論對於違反性忠誠義務者逐步不再雙重標準的社會。

註解

1. 司法院釋字第七九一號解釋許宗力大法官協同意見書頁 4。
2. 司法院釋字第七九一號解釋許宗力大法官協同意見書頁 6。

學A片通姦可以嗎？想偷情前先來了解法律知識！

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

• 採訪編輯｜劉芝吟
  美術編輯｜林洵安

AI 進入法律領域，該踩剎車嗎？

Alpha Go 打敗人類棋王，自駕車躍躍欲試，人工智慧不僅改變世界運作的規則，也逐漸從科技跨入人文社會領域。讓 AI 坐上審判席，會是追求正義的新解方嗎？AI 法官是鐵面無私的包青天，或者科技暴走的新危機？

「研之有物」專訪中研院法律學研究所特聘研究員李建良，從法學視角提供思辨觀點，我們不只應審視 AI 的技術能力，也必須嚴肅面對規範性界線。

人工智慧變身法律小幫手

十幾年前，電腦會揀土豆已經夠驚奇，現在的 AI 更是大進擊，能辨識人臉、駕駛汽車，根據 2019 年眾多媒體報導，歐洲愛沙尼亞甚至即將推行「AI 法官」！法律事務涉及事實認定、法條解釋與價值規範等多重問題，人工智慧果真已如此高「智慧」，有能力涉入複雜的法律領域？

中研院李建良特聘研究員說：「將 AI 應用到法律訴訟其實並非未來式，而是行之有年的現在式。」

在美國，近年法院已廣泛運用「COMPAS」系統，這是一套由商業公司開發的 AI ，幫助法官評估被告的再犯風險，作為量刑的準據。COMPAS 會進行大量問答調查，依據被告回答、年齡、過往犯罪紀錄與類型等各項資料，推估被告的再犯率，給出 1－10 的危險指數，最後由法官決定被告服刑的長短。

有研究指出，AI 判定為高風險者，63％ 在交保期間犯罪，其中 5％ 犯下性侵或謀殺。做為法官小幫手，AI 似乎確實能發揮一定程度的「鷹眼」，預測危險性。

法官不是人？！別急，再等等

從現況來看，人工智慧確實已進入國家司法系統，但目前仍作為「專家團隊」扮演輔助角色，由法官做裁決。那麼下一步， AI 有可能獨當一面坐上審判席嗎？

愛沙尼亞的 AI 法官計畫，似乎就朝著這個方向前進。

根據報導，AI 法官將處理小額民事訴訟案件（少於 7000 歐元，台幣約 24 萬），由原告方輸入訴訟對象、金額、提告理由等。AI 系統能從過往大量判例學習，解析法條做出判決。換句話說，隔壁鄰居摔壞你的 iPhone，你一狀告到法院，會由 AI 判定誰勝訴，鄰居該賠你一台手機或折價金額。對結果不服？可以上訴，將有人類法官審理。這項超級計畫如果成真，「法官不是人」恐怕就要從罵人話變為描述句了！

不過，李建良特別澄清：「媒體報導後，我們研究團隊成員曾請教愛沙尼亞法界人士，目前所知這是數位政府計畫的一部分，但應該還只停在『計畫』階段。」

他強調，若要把國家審判權完全交給 AI ，必定需要法源基礎，明確建立一套法規方案。由於目前愛沙尼亞並沒有出現相關法規，這個突破仍是「只聞樓梯響」。

AI 法官的技術邊界：它能做出好判決嗎？

儘管 AI 尚未披上法官袍，但愛沙尼亞構想彷彿是驚天一雷，預示出可能的未來圖像。許多人或許有同樣的好奇：AI 當法官究竟行不行？

李建良分成不同層次來討論：

行不行有兩層涵義：能力上行不行，規範上可不可以。

第一層次是「可能性」問題：AI 法官足以擔任人類法官的角色嗎？更直白地問：AI 真有那麼厲害，能夠做出好判決？

要確認 AI 的能力，首先我們得問：什麼是好判決？

「這牽涉社會對法院判決的評斷標準。」李建良分析，一種標準是檢視「判決結果」；另一種則是審視「判決理由」，法官在判決書詳述的心證，如調查結果、採信哪些證據、證據效力、法條依據等。

若觀察近年台灣社會的現象，大眾似乎較關注判決結果。好比引發社會矚目的「台鐵殺警案」，這樁尚未確定的爭議案件，引發了司法當局對司法鑑定制度的重視與檢討，而輿論譁然多半是殺人無罪的結論，批評法官「不接地氣」，關於心證過程的討論相對較少些。

換言之，假如重視結果，那不難想像 AI 法官有能力透過歸納、類比分析對案件做出判決。但若我們在乎法官為什麼、如何做出裁決，依照目前技術和愛沙尼亞計畫，AI 所產出的可能只有答案，但沒有理由（或較簡式的理由）。

這形成了第一重挑戰：

若 AI 法官無法清楚說明理由，我們如何檢視它的判決好不好？有沒有瑕疵？

有些人也質疑，AI 的精準、一致可能反倒是弱點。現行 AI 不具有真正理解他人的能力，無法實際參與答辯交鋒和開庭審理，而許多訊息來自臨場、個別案例的判讀，並非用數據化與資料化就足夠解釋，背後涉及文化、風俗、情境常識，相當複雜。

不過，AI 派並沒有全輸！

首先，技術可能超前突破，讓 AI 未來也有能力寫判決書、說明論證。另外若拿現行制度相比，美國陪審制同樣只宣告：「陪審團認為無罪」，不會附上理由。更何況所謂的情境判斷，經常也會造成主觀性偏誤，《美國國家科學院院刊》（PNAS）研究發現，接近午餐時間法官對假釋認定較嚴格，用餐休息後，假釋審查就變寬鬆了！

想要假釋，還得祈禱法官吃飽飽？恐怕多數人難以接受。

鐵面無私包青天？ 小心 AI 的內建歧視

總地來說，理性、客觀幾乎是 AI 的最大光環，以準確一致的邏輯做判斷，不受法官個人情緒與好惡影響。

但真是這樣嗎？許多研究證實：AI 默默戴上了有色眼鏡！ COMPAS 系統被抨擊帶有種族歧視，有色人種更容易被預測為高再犯率；亞馬遜招聘、蘋果信用卡信貸系統都曾被發現隱含性別差別待遇。

「這就如同人類一路走來看到的歷史不平等。」Amazon 資訊科學家說。

AI 系統在資料學習的過程，複製了人類長年累積的性別、種族、階級偏見。即便這些偏見已長久存在，但 AI 可能更強化不平等，因為人們會在毫無所覺下，信任科技工具的「客觀」訊息，對陌生人打分數。

然而，科技支持派沒有全盤放棄。AI 歧視是學來的，因應之策是在資料訓練時降低這些「標籤」，並且提供多樣性的資料。此外，比起人類刻意包裝、掩飾偏見，AI 反而有機會讓偏誤被「顯題化」，讓我們更加警覺，並進行修正。

綜合而論，若單從技術可能性評估，目前的 AI 也許不夠「聰明」，但是只要科技持續追求突破、進展，似乎沒有理由全盤否定 AI 法官可行性。畢竟，人類同樣也會犯錯、誤判、有偏見。

「從能力來看，AI 確實可以幫助人類、補位弱點，很值得期待未來發展。」李建良持平分析：「但國家是否應該開放制度，更重要的仍在第二層次的考量。」

AI 法官需要明確法源基礎

他點出更關鍵的第二層議題：從規範角度來看，讓 AI 當法官可不可以？

簡單來說，即使人工智慧有能力獨立分析、判決，我們應該把審判大權交給 AI 嗎 ？是否可能衍生倫理問題？

「第一個遇到的是：需不需要修憲？這是多數人忽略的框架。」專研憲法、行政法的李建良特別指出。法官的身分保障及審判獨立的要求是直接寫在憲法上頭的，但憲法規定的法官是不是專指「人」呢？法學界可能有不同論述。

如果憲法說的法官專指「人」，也就是法官審判權奠基在人的前提，勢必需要修憲。反之，就算憲法允許「非人」擔任法官，仍然需要修法 ── 如同剛拍板的《國民法官法》，國家同樣必須建立一套法制來規範非人法官。例如，適用民事或刑事案件？能上訴嗎？上訴後交給另一位 AI 法官（AI 會有不同法官嗎？），或者由人類法官打掉重來？

價值選擇的難題：科技優勢 VS 法律原則

法源基礎僅是第一步，對整個社會而言，AI 法官挑戰的是價值選擇的難題。

2013 年，美國威斯康辛州法院參酌 COMPAS 風險指標，判處被告 Eric Loomis 6 年徒刑。Loomis 不服而上訴最高法院，認為法庭以 AI 系統裁決是一種「秘密審判」！要求說明 COMPAS 系統如何演算判斷出危險值。

這個案例顯然暴露了 AI 法官的價值衝突：演算法黑箱（black box）。

「在民主法治國家，法官不是個人，他代表的是國家。審判必須在公開透明的運作下，被監督、檢驗、究責。」李建良說：「法院公開審理、法官說明判決理由，都是來自這種被檢驗的要求。」

倘若披上法官袍的 AI ，無法開庭、詰問、說明判決理由，讓審判攤在陽光下，勢必挑戰現行的法院體制，也可能稀釋透明、公開、負責的司法價值。我們無從知道它為何會做出 A 判決，而不是 B 判決，不能確定它有沒有失誤，也難以確認責任歸屬。

Loomis 案也突顯出另一挑戰：代罪羔羊！ AI 推測來自過往的資料，但「相似條件的其它人這麼做，不代表個別主體也會這麼做」。

這同時讓人擔憂 AI 的「因襲性」：社會信仰的美好價值是不斷翻轉、改變，有時正是因為劃時代的法院判決，才讓我們終於能破除傳統、確立新價值，例如美國法院推翻種族隔離平等制度，AI 法官會不會弱化、壓縮了法律肩負的深刻意義？

李建良直言，第一層次的「能力可行性」是人與 AI 的 比較參照，AI 能做到什麼，補足哪些人類弱點，帶來什麼優勢。

但最終，「倫理辯證」仍是無可迴避的關鍵核心，當新科技打破、牴觸基本價值，我們是否願意為了科技可能提供的「客觀公正」，放棄退讓這些原則？

人文關懷，也是艱困的價值論辯

「這不會是全面贊成／反對的選擇題，因為 AI 法官很難普遍性適用每一種案件。」李建良強調。

AI 在資料統整、數據分析上已大放異彩，導入科技新工具、人機合作，可以減輕法院負擔，也拉近一般人與訴訟裁決的距離。然而，法律範疇高度複雜，即便未來開放 AI 法官，也必定是在特定的條件、脈絡與案型。

他以行政法說明，「大埔農地要不要徵收？美麗灣渡假村能不能蓋？這類行政法案件極度複雜，牽涉環保、制度、法規多重衝突，還有價值選擇的命題，不太可能由 AI 獨立裁決。」

更重要的是，即使技術邊界有機會突破、修正，讓 AI 越來越聰明，我們也不應迴避第二層次的倫理辯證。這也正是人文學科最重要的價值關懷。

「我們很容易倒過來想，認為有這麼多好處，為什麼不開放、不使用？但人文學者關注的是價值倫理，一旦越過了某些界線，無論多少優勢，我們都必須謹慎、嚴肅地看待。」李建良提出艱難考驗做類比：

當你明確知道這人是兇手，卻沒有任何證據，這時我們要不要放棄無罪推定，不計手段堅持罪有應得？這就是價值選擇的論辯。很困難，但很重要！

延伸閱讀

• 臺灣人工智慧行動網
• 李建良個人網頁

本文轉載自中央研究院研之有物，原文為AI 當法官，會是正義女神的化身嗎？專訪李建良，泛科學為宣傳推廣執行單位