心得

很高興可以聽到 王鵬翔老師 及 程源中老師 帶大家導讀 Alexy 的法律論證理論，老師們的導讀方式非常有趣，非法律背景的我也可以聽懂一部分。 趁著記憶猶新，趕快將心得記下來。而我為了重新確認內容有沒有錯誤，我又把 直播紀錄 看了一次，老師們講得真好呀～～ Facebook 活動資訊 心得反思 作為一位非法律背景的聽眾，我認為法理學是比較偏向哲學類型的法學，前部分我還是可以理解內容的，而後半部就稍微有點跟不上了。不過整體收穫頗多！ 在導讀尾聲時，老師們提到 The problem of underdetermination and “replacement program”，並延伸兩個問題。其中之一我覺得蠻有意思的。 ” 影響判決因素的經驗研究（包含運用機器學習的 AI 判決預測）能夠取代法律論證理論嗎？ “ 我想以科技的點來探討這個問題，一開始我認為在沒有實質上的證據而去進行判決預測，可能會參考到其他不被預期的證據而導致判決有所偏差。曾經看過美國銀行在審核信用卡或貸款時，內部的計算方式 (or AI) 自動將黑人的評分降低。以這個例子為例，是不是會有失公平性、無法掌握的問題？然而，如是以 Explainable AI 為準，經過主管機關「合理」的調查，收集到明確的證據。是不是可以將其作為辯論者，限縮在法律框架下進行，成為論證理論？ 當然，如果有一天法庭真的使用 Explainable AI 作為論證理論，可能還是要有所評估。比如 AI 太公正，而忽略人的情感、家庭背景或是生活壓力所導致的評估點？ 為什麼生成式 AI 會產生不存在內容？ 此部分偏資訊技術，若想看導讀摘要可以跳過此段。 當時我向政治系及資管系的朋友討論，其中一位朋友向我提問「為什麼生成式 AI 會產生不存在的內容？他們不是都有收集到資料嗎？」 生成式 AI 主要利用深度學習的技術，深度學習則是由多種神經網路架構組成，演算函數及變數的組合數量非常，無法透過人腦理解。而其訓練資料的來源性更難以透徹。 我時常將生成式 AI 比喻為人類，為了說服使用者，他會產生「極為真實」的資料，透過誤導性資訊更可能導致其失去自我判斷。 查證的重要性 還記得我曾經受到 TWNIC 台灣網路資訊中心邀請，進行 Podcast 及影音錄製。 當時與主持人 陽明交通大學 - 陳延昇老師 及其他與會者共同探討人工智慧帶來的衝擊時，「如何查驗身份及資訊的正確性」則為很重要的一點。除了透過中心化的 Google, Yahoo, Bing 等搜尋引擎，取得相關參考連結來查證資訊的正確性以外。在查驗身份的部分，我們可以用自然人憑證、生物辨識或區塊鏈的 NFT 等等方式來保護唯一及合法性。...