跳到主要內容
 

技術論壇

主題:讓AI來當法官,真的能作出公正的審判嗎?

2019/10/16yuhsuan

294 8 0


自然語言類 AI法官

讓AI來當法官,真的能作出公正的審判嗎?

從4月開始就看到有蠻多新聞報導愛沙尼亞即將推出AI法官,雖然目前只規劃針對小型訴訟案件,但這應該也讓人工智慧的應用跨出一大步!

但這也不免讓人擔憂,人工智慧能做出正確的審判嗎?因為審判的依據應該是來自大量案例跟法律條款,有沒有可能因為數據資料不夠全面等問題,導致判決結果出錯?


8則留言

2019/10/20omnixri

0


最近看了一個影片「科幻大師第五集小兄弟」覺得和這個主題非常接近,或許未來人工智慧發展到一定能力時就會取代人類做為「電子法庭」、「電子法官」、「電子律師」、「電子陪審團」,但這項工具到底是好是壞或許透過這個影片可以提供大家一些反思。

故事的內容是未來世界大家都只能在地下工作偶而才能出來放風,一天男主跳離遇到一名老人和小女孩,但遇到二名警察強力追捕,進而開槍射殺小女孩和老人,男主於是奮力抵抗殺死其中一名警察,不過最後仍被另一名警察擊暈送進電子法庭。電子法官抹去對警方不利的資訊,依殺害老人、小女孩和警察的罪名要判男主死刑,但男主自認是正當防衛誤殺警察,不服判決,於是動用「電子律師」要協助男主辯護,但被男主拒絕,認為彼此都是同一資料庫,對自己不利,於是電子法官請出12名死去人意識所組成的「電子陪審團」一起審案。由於街上的監視器內容都被抹除無法證明男主清白,在男主要求調閱死者生前大腦影像,才證實清白。不過電子法官一怒之下仍立即處死男主,不過好在電子陪審團協助下在男主死前將其意識偷偷加入1000名電子法官中,希望未來能有更多正義之士改變審判不公的事情發生,電影到此結束,留下許多讓人省思空間。

有興趣的朋友可以從Youtube上看一下這個影片解說。

https://youtu.be/9U0OOyvw3Ck

 


2019/10/20omnixri

0


從新聞來看目前離AI直接審判的日子可能還要一段時間,目前愛沙尼亞主要是以AI處理一些較小較無糾紛的交通案件審判為主,藉此降低法官的工作量。可參考一下新聞。

愛沙尼亞首創 AI 法官!車禍、超速等小型訴訟案都給 AI 審理

另外前不久網紅珊蒂也針對這個問題請到麟霖國際法律事務所林育杉律師聊聊「人工智慧在法律領域的應用」。其中討論到一般小額、定型、無關人類情感的民事案件數量繁多,造成法院案件積壓,若能有AI協助消化是很有幫助的。另外在刑事案件上,若能協助海量搜尋類似案件,輔助法官審查將減少誤判機率。目前所謂AI法官大致上做法是以大量案件和對應判決結果作為輸入及輸出條件進行關連性訓練,但較缺人類同理性,因此目前較適合小型定型化案件,或許不久的將來當累積更多案例後,AI也能像有經驗的法官更具有人性吧?有興趣的朋友可以參考一下這段影片。

https://youtu.be/QFO51aZNI3k

 


2019/10/28laisan86

0


這讓我想到一位朋友,他在政大資管所畢業的時候做的 -- 用kNN把六法全書內容給掃過後進行分類造冊。這樣的結果對於日後需要用AI審理訴訟狀可以比較方便,而且的確可行!因為台灣司法院早就進行過不少公文電子化的服務,書狀的格式甚至可以在線上下載 ==> https://law.judicial.gov.tw/FLAW/dat02.aspx?lsid=FL000385

因此,不少部分可以針對最簡單的關鍵字進行初步的分類,然後再挑選出相關的法律條文,最後根據書狀的陳情艘所這些條文中有關的法律條文,的確可以省下不少功夫

可是話說回來,這類服務我個人覺得只能針對法官在判決前先進行輔助處理,真要讓機器學習取代人類的法官...我的看法是人類還是以『情、理、法』三種程度在管理自己周遭生活的社會,機器到底只是元件跟電路系統的組合,要取代人類做出有關情與理兩個方面的判斷...不覺得本末倒置嗎?

 


2019/10/30omnixri

0


七法最近整理了一篇「人工智慧在台灣法律領域的發展狀況」,分別從下列幾個方向討論,鉅細靡遺,很值得參考。

主要應用場景與進度

預測模型
分類器、搜尋、自動生成文件/自動完成、自動結構化和自動標記、自動視覺化、產業活動

阻礙與建議
斷詞、標註數量級、正確性驗證與輸入資訊的侷限、成果缺乏可解釋性、隱性因子、源資料的問題、人才、底層技術的研究、強化資料開放與結構化、利用github共享資料、人才養成

資料來源:七法Lawsnote部落格─人工智慧在台灣法律領域的發展狀況

 


2019/10/30mileen.tsai

0


我認為AI不太可能取代法官的工作,其中牽扯到太多倫理問題,就連不同人類法官都有可能對同一案件作出不同審判,又如何準確地判定AI作出的審判是否正確。

 


2019/10/30allen chen

0


不曉得大家有沒有曾經看過這位美國法官在審理案件的影片: https://www.youtube.com/watch?v=isa_elOcYhU

覺得法官在做任何審理判決要考量的點很多,可能被告人的背後有著什麼苦衷或遇到什麼問題,也因此真人法官更能斟酌情況給予人性化的判決!

 


2019/11/05yinghsuan1217

0


司法院倒是在去年建立了量刑趨勢建議系統
讓AI幫大家推估有可能的量刑區間來作為判決預測!
希望我們都不會有機會去使用這個系統~哈哈!

 


2019/11/08ShenWaWa

0


認同樓上幾位反對的理由

被害人的背後情況怎麼樣,讓一個沒有感情的AI去做判決是不合情理的

 


最新發表
TWCC「台灣AI雲」都是哪些人會使用呢?
台灣第一座國家級AI雲端服務平台,TWCC(台灣AI雲),已於2019年10月起正式對產業界提供服務,但是到底是哪些人會使用到這個超級專業的平台呢?
google map的單車模式,是如何挑選屬於腳踏車的路線?
Google 前陣子宣布正式在台推出地圖單車模式,為單車族提供更多更便利的交通導引,宣稱不再需要交叉參考機車或步行模式,好奇系統是如何挑選只適合腳踏車行走的安全路線?
流行語彙
請問是否有機會先了解這個題目之“流行語彙”呢?
AI能夠如何降低交通事故發生率?
馬路如虎口!國內常會看到行人或騎士因位於駕駛的視線死角進而釀成悲劇的新聞,如今AI不斷進步,有沒有辦法用來避免交通事故的發生呢?
Google Map預測到達時間的功能原理和資料庫從哪來?
越來越多開車族使用Google Map來取代汽車內建的導航系統,除了操作介面熟悉之外,更多人使用Google Map的原因是因為Google Map能避開塞車路段,提供最佳路徑的建議,並準備的預估開車的到達時間,這是怎麼辦到的呢?

熱門發表
如果提供影像辨識的訓練資料不足,AI電腦視覺技術是不是就派不上用場了?
目前深度學習很火,從醫療、零售、倉儲、工業到監控等,好像各種影像辨識都能用到,但往往在一個地方卡關,那就是沒有足夠大量且有代表性的資料提供"訓練",有沒有可能用少量資料來達成好的辨識效果呢?
Time is money!如何讓製程最佳化、讓生產更簡單?
從網路時代到物聯網興起,工業 4.0 強調自動化與生產線聯網功能,而新一代的智慧工廠發展,則更仰賴邊際運算、AI 和數據分析。然而,究竟要如何讓製程最佳化,使得生產速度提升呢?
【解題建議】利用OpenPose來解決骨架(姿態、行為)分析
此次出題有很多項目和姿態(行為)分析有關(如下所示),而其根本就是要先找出人的骨架,再加上時間序列來分析骨架各特徵點的位移,進而判定使用者的動作(類型)。 【華碼數位】 體適能動作與姿勢辨識:以影像分析運動者姿態。 【宸訊科技】 利用動態影像辨識技術完成對農民於田間作業之行為分類與分析並能結合AI技術、配合專家互動,持續調整分類學習精準度:從串流影像中分析農業作業姿態(行為) 。 【集思動力】 iSEM多裂肌脊椎運動AI體況分析應用:透過影像、視頻分析人體動作姿態是否滿足特定位置、角度。 【百一電子】 AI電腦視覺辨識男生/女生的情緒與動作事件 :透過視頻分析十六種動作行為。 【良品嚴選】 客戶輪廓分析與服務人員及時輔助系統:從視頻分析客戶在店面行為以提供智能零售。 【良品嚴選】 線上連結線下新零售之AI分析:從視頻中分析行銷手段是否改變消費者行為。 【艾爾塔科技】 線下零售數據消費者行為洞察與全通路數據整合:透過人流資訊分析及預測消費者行為。 【卡訊電子】 智慧教室語音與影像偵測數據AI分析:建立語音、影像辨識老師、學生行為以增進學習效益。 而在開源技術中以CMU的OpenPose最為知名,包含有身體、頭(臉部)、手等部位,有興趣的朋友可以參考一下 https://github.com/CMU-Perceptual-Computing-Lab/openpose
請問,「老闆來了!」偵測器該怎麼用開源AI做到?
小弟有個問題來請教AIGO社群的大大們,我有個有點Crazy的點子,想在老闆在我的座位附近出現時,馬上在電腦前跳出警示訊息,當然,我可沒在做壞事....XD,只是想有些心理準備,你知道的~~ 當然,只辨識出老闆來了沒對各位大大應該挑戰度太低,那可否再辨識出老闆現在的心情好不好呢? 不知能否推薦開源又好上手的自架作法呢?
「魚兒魚兒水中游」,有辦法辨識魚缸中魚的種類、數量的變化,甚至是活動力嗎?
最近在搞魚菜共生,想用"聰明"的方法來觀察魚缸中魚兒的數量變化(有沒有死魚),再與水質狀況(如含氧量)做關聯,想用深度學習與影像辨識來解決這問題,甚至進一步分析出魚的個別及群體活動力,不知各位大大有沒有相關的經驗或作法可供參考呢?

主題分類