未來,AI 相關訴訟可能持續增加。模型訓練是否侵權、生成內容是否構成抄襲、演算法歧視由誰負責,以及自動決策造成損失時應由誰賠償,都是司法必須處理的問題。 這些案件不只涉及法律,也涉及模型訓練資料、程式碼、權重變化、輸出結果與系統紀錄。法官若只依靠書面資料,可能難以判斷模型為何產生特定結果,或確認某項技術主張是否成立。 因此,司法制度需要更有效的方法,分析並驗證 AI 案件中的技術證據。 AI 的優勢 AI 可以協助處理大量技術資料,例如程式碼、訓練紀錄、時間戳、模型輸出與授權文件。它也能比對不同版本的模型,重現特定條件下的輸出,並找出證據之間的矛盾。 這些功能可用於回答具體問題: 模型是否使用了爭議資料?某段輸出與既有作品的相似程度如何?系統是否在特定時間修改過?開發者是否曾收到相關警告? AI 可以先整理證據、標示爭議點,再提出可能適用的法律規範。這能減少人工檢索的遺漏,但不能取代法官對證據可信度與法律責任的判斷。 風險與保障 司法權不應直接交給 AI。較穩妥的分工是:AI 分析技術資料、重建事件經過並提出法律適用建議;人類法官則保留證據認定、法律解釋與最終裁判權。 AI 的每項結論都必須可追溯。系統應列出使用的證據、適用的法律、採信或排除特定主張的理由,以及無法確認的部分。若無法重現分析過程,當事人就無從提出有效異議。 司法 AI 也不應只是未經外部檢驗的商業模型。即使開發者不是案件當事人,模型仍可能因訓練資料、設計選擇或更新方式產生偏誤。 因此,司法用途的 AI 至少應符合幾項要求:模型版本固定、程式與資料來源可接受獨立審計、分析紀錄完整保存,並建立利益衝突揭露制度。原告與被告也應能查詢模型版本、質疑資料來源,並要求說明推理過程。 同一案件還可以交由多個獨立系統分析。若結果不同,人類法官應檢查差異原因,而不是直接採用多數結論。 制度展望 未來可能出現專門處理 AI 爭議的法院或審判庭。AI 負責分析模型、資料與系統紀錄;人類則負責法律解釋、倫理判斷、責任分配與最終裁決。 當案件包含大量訓練資料、複雜模型參數與長期系統紀錄時,單靠人工可能無法完整檢查所有證據。但這不表示應由 AI 取代法官。 較合理的制度,是讓 AI 協助人類理解技術事實,再由人類承擔裁判責任。只有當分析過程透明、當事人能提出異議、錯誤可以追究時,AI 才能成為司法工具,而不是新的權力黑箱。 而最早需要這套制度的,可能正是涉及 AI 本身的案件。