| 如何運用人工智慧（類神經網路），預測法院判決？ |
| |
| 電腦（機器）能否模擬人類思考並決策？近來如火如荼發展的人工智慧科技，在各領域均指示出了無可限量的發展前景，既然人工智慧都可以下圍棋了，那麼對於法院的判決，人工智慧是否同樣可以藉由深度學習，幫助人們預測判決的結果？黃詩淳教授與邵軒磊教授，共同以深度神經網路的運算學習解讀家事法院判決，其中得到驚人的成果，值得讀者們一同見證。 |
| 【關鍵詞】 |
| 法資訊學、 離婚、 親權酌定、 機器學習、 類神經網路 |
| |
| ◎本文完整請參閱：【月旦法學雜誌第270期】運用機器學習預測法院裁判：法資訊學之實踐／ 黃詩淳、邵軒磊 |
| |
| 一、研究背景 |
| 近日機器學習（machine learning）乃至「大數據」（big data）、人工智慧（artificial intelligence, AI）飛躍發展，除了在原先之資訊工程之外，已逐漸延伸應用至其他領域，如圍棋界的AlphaGo、貨品分類機器人等，蔚為風潮。相關之研究方法，在商管、大眾傳播、政治學等領域都已經逐漸興盛，在法學上雖然較少，但亦逐漸浮現。著名的法學期刊「多倫多法學論叢」（University of Toronto Law Journal）於2016年出版了Artificial Intelligence, Big Data, and the Future of Law專刊，引發熱議。在實務界亦逐漸有相關資料庫與資訊服務產品，因此，在應用層次上，法律學結合資訊科技，將是未來趨勢。此外，筆者亦曾使用資料探勘（data mining）方式「發掘」法官在裁判中考量之重要因素，並模擬法官之決策過程。 |
| 本文試圖結合法學與資訊科學。「法資訊學」一詞以往已有學者提出，但由於當時客觀環境，學者多對人工智慧適用於法學的可行性表示存疑。不過由於近來科技進展迅速，包括人工智慧在內的各種資訊科技廣泛應用至各領域（下棋、圖像辨識、無人駕駛系統）等，因此法資訊學未來或有發展空間。本文嘗試將資訊科學技術用於分析親權酌定之裁判，所關注者係大範圍及總體的現象，而非個案，此與傳統的裁判評釋不同，屬於法實證研究。實證研究重視的是法學經驗的面向，其意義在於描述重要的、與法律有關的現象，幫助理論的發展，亦即提供一個論證與分析的有效基礎，讓不同意見的研究者，有據以對話討論的平臺和起點。 |
| 筆者認為，法資訊學可作為法實證研究之一個分支，將學說理論或假設，透過系統化、科學化之資料收集與分析，加以驗證（validation）其真偽，來理解真實情狀（real world）。具體言之，本文嘗試運用機器學習（machine learning）中之人工神經網路（artificial neural network，又稱「類神經網路」）技術，訓練機器建立親權酌定裁判的模型，並以此模型為基礎，預測新案件之裁判結果。此為應用資訊科技從事之法實證研究。 |
| |
| 二、建立類神經網路模型 |
| 在機器學習領域，類神經網路是一種模仿生物神經網路的結構和功能的數學模型或計算模型。類神經網路（Neural Network, NN），有稱為人工神經網路（Artificial Neural Network, ANN）或稱作連接模型（Connectionist Model），是對人腦或自然神經網路（Natural Neural Network）模擬機理與機制，實現某個方面的功能。和其他機器學習方法一樣，神經網路已經被用於解決各種各樣的問題。原則上模型使用輸入層、一到多個隱藏層、最後產生輸出層（其預測結果）。 |
| 類神經網路的運作分成學習階段（learning）和回想階段（recalling）兩部分。學習階段乃是從需加以運算的資料中，依演算法反覆運算來調整網路連結的加權值。回想階段則是網路接收外來輸入，依演算法運算後由輸出神經元將結果輸出。 |
| |
| 三、模型預測成果與其正確性 |
| （完整預測結果，詳見全文） |
| |
| ◎本文完整請參閱：【月旦法學雜誌第270期】運用機器學習預測法院裁判：法資訊學之實踐／ 黃詩淳、邵軒磊 |
看更多2017年時事短評
