AI的科普與法律間的影響

在我的社群上總是看到一堆人在玩ChatGPT、Midjourney、DALL-E、Stable Diffusion，這些都是「人工智慧」（Artificial Intelligence, AI）程式，我們可下指令向AI聊天，AI回答內容，或可下指令讓AI為我們生成繪圖。雖然生活上更添加樂趣，但未來卻也變得更具挑戰，因為簡單重複或繁瑣的事務，在被AI迅速處理後，我們人類面對的是更競爭的生活、產業結構，也使彼此間的法律關係產生衝擊或有待調適。

開口閉口AI，大家知道這是什麼嗎？一個早已融入我們生活之中的程式，我們還是對AI最好有一個基本認知。

AI是資訊技術（IT）的一環，它是一種系統、程式或演算法（Algorithm），透過程式的設計，使電腦有類似於人類的知識及反應，做到理解人們的表達、學習、推論及解決問題。

AI主要應用的發展技術，我最有興趣的是機器學習（包含深度學習）、語言處理（語音辨識/合成語音/NLP/文本辨識）。

機器學習（Machine Learnig, ML）是AI的一個分支，涉及很多領域，包括機率論、統計學等多門學科。ML是指讓電腦具備自我改進能力及自動學習能力，可根據經驗演化它的行為而自動最佳化下次結果。機器透過以往資料的學習，找到資料的特徵規則後，建立數學統計模型，對之後輸入大量的訓練資料（Training Data）進行分析與判斷的一種技術。ML理論主要是設計和分析讓電腦可以自動學習的演算法，從資料中自動分析獲得規律或模型，並利用規律或模型對未知資料進行預測的演算法。

深度學習（Deep Learning, DL）是ML的一支，它在2006年開始發展，為AI最核心之技術，是一種利用模擬人類神經網路的非線性變換複雜架構的演算法，它是源於類神經網路系統（Artificial Neural Network, ANN）。

儘管ANN的理論從1943年就有數學模型，但後來的發展因為需要大量運算而電腦能力無法跟上，即逐漸被忽視，直到近代因為電腦運算能力增強，彼此合作的多台分散式運算系統架構強大，使如此大量運算而找出模式，變得不再困難。最常用的DL演算法就是卷積神經網路（Convolutional Neural Network, CNN）。若有興趣更了解AI的歷史發展脈絡，可參閱《AI製造商沒說的秘密》一書（時報文化出版）。

正因為CNN的出現，一舉將辨識分類的準確率提升至90%以上，所以AI在2015年之後快速進入商業化，即AI應用落地，甚至從2021年至今，因Midjourney、DALL-E、Stable Diffusion與ChatGPT等工具應用的大爆發，AI再次成為熱門焦點，幾乎每天出現在我們生活之中。

全球面對AI時代的存在與發展，對於法制層面及環境上的需求益增，尤其AI在智慧財產法制上的爭議討論度愈來愈熱烈。然而，台灣當前似乎仍欠缺前瞻性的遠見來面對一波波AI的浪潮，我們冀望能透過新的法規範思維來建構適切的實務運作環境，特別是AI的科技法律面分析（政府作為或規範、業界應注意事項或管理方向），需要法律界與各界搭起溝通與討論的橋樑。

AI可透過演算法去自主產出領域知識，且只要輸入資料就或下達指令可達成結果。我們的世界已面臨必須就AI做出的某項決策，該如何描述該AI的意思表示、應由誰去承擔AI決策的風險，或應如何分擔此種風險？此外，AI演算法的監管也迫在眉梢，因為AI生成結果均有可能侵犯智慧財產權（包括著作權及專利權等）、資訊安全。而隨著AI時代造成資料經濟市場的轉變，也逐漸地改變法律體系及人民的法意識。

尤其AI對於著作的影響與衝擊，最是為人所廣泛討論，因為這涉及不僅人類生活、工作，也與產業生態息息相關。若有興趣更了解「人類下達指令」與「AI生成著作」之間的法律關係，可參閱我在INSIDE網站刊登的《AI 生成的圖片、文字著作權到底該歸誰？這可能取決你的「指令強弱」》一文。

法律人總是苦惱與糾結AI生成出的內容及其權利歸屬，究竟有無智慧財產權（例如著作權、專利權等）、該權利是否屬於AI的製造商、編碼者、AI的使用人或AI本身；是否侵害相關權利；嘗試釐清風險容許、舉證問題與責任歸屬（例如自駕車發生事故）；甚至是否應賦予AI有權利義務主體或法律上的身分地位的諸多討論。當年我碩士論文寫AI著作權法，就是覺得這議題有趣，且長年以來都會繼續爭論，也就是幾年內不會過時，果不其然！

法律人的思維有好有壞。好處是會建立起一個架構與方向，且後續會以此為準去衍生論述與發展。壞處是可能畫地自限，逃不出一個框架。例如在講AI，通常都是從「AI強弱」為起手式，然後講它應用後生成內容的權利義務等關係，尤其是智慧財產權方面的爭議。從2020年前是如此，到2023年或之後也是會如此。