| |
 |
傳統的法學研究方法多以法釋義學為核心，對於實務案例分析僅以少量、具代表性的裁判為主；然而近年因為機器學習、深度學習、自然語言分析等技術的提升，使剖析大量判決書所需的人力、時間及費用均得大幅減省，結合量化研究的「法律資料分析」更可促進法律解釋適用層面的可預測性與法安定性。本課程分別從法律研究角度及商業應用層面，探索法律與科技交會所衍生的可能性，並提醒科技運用於法律應留意的倫理問題。
|
|
如何結合深度學習與法律研究：人工智慧量刑模型
邵軒磊 副教授
|
|
「法律資料分析」由法律研究與資料分析方法所組成，其較偏向迥異於規範分析面向（法釋義學）以外的實證研究，透過深度學習卷積神經網路（CNN）對大量法律裁判進行剖析、進一步創建出相關案例類型的裁判模型，達成輸入事實情狀即推估相應判決的結果。然而，除了在分析過程中可能面臨的計算語言學門檻、量刑因子的不確定性、實證判決數量是否充裕等困境外，法律實務中亦有諸多法院判決書之外的非訟案件。在未來，倘若分析結果受法律實務所採納，機器學習的訓練偏見（bias）問題亦可能透過新判決再次回流為分析資料、深化歧視。是以，在運用法律資料分析技術的同時，不可忘卻技術的侷限性以及法律須以人為本的本旨。
|
|
|
科技變革影響了社會的交通出行、生活居家、辦公職涯等面向，使服務流/物流、資訊流及金流的運作模式大幅革新，亦使商業模式構成要件中的資源、交易與價值需要更深入的分析。而因應科技變革備受矚目的法律科技正是積極尋求透過洞察市場、擬定價值主張，以及競爭競合，達成為產業市場解決問題並創造價值的目的。
本講座中，以八大標竿企業的學習為起始，分析台灣法律科技市場、不同資料來源的蒐集、典範移轉的趨勢，觀察商業本質的擴張與重構，並提出「如何找出創新機會」、「如何設計新應用」、「如何尋找成長方向」三大問題的解方。
|
|
|
|
