iT邦幫忙

2024 iThome 鐵人賽

DAY 22
2
生成式 AI

生成式AI在法律工作與學習的運用系列 第 22

Day 22: 基準案件對AI量刑建議的影響——修正實驗

  • 分享至 

  • xImage
  •  

基準案件對AI量刑建議的影響——修正實驗

在初步實驗中,我們發現AI給出的量刑建議普遍重於實際判決。為了幫助AI更好地理解司法量刑的實務標準,Lodi進一步引入了一個基準案件,希望能幫助AI修正其判斷標準,並讓其重新評估之前的案件。

引入基準案件:詐騙金額1860萬元的判決

Lodi選取了一個詐騙金額遠遠高於原先案件的判決作為基準案件-台北地方法院109年度易字第240號,該案件具有以下的關鍵要素:
-詐騙金額:約1,860萬元
-犯罪手段:虛構匯款操作,騙取大額資金。
-被告態度:拒不承認犯罪,缺乏悔意。
-最終刑期:2年8個月有期徒刑。

Lodi告知AI這個判決的案件事實,並告知法官給予的刑期,以此作為AI的參考基準。接著,Lodi要求AI重新評估先前提到的三個案件,觀察在有了參考基準後,AI的量刑建議是否能更接近實際判決。


AI在引入基準案件後的量刑建議

  1. 台灣台北地方法院111易299號:1年6個月有期徒刑(原建議4年)
    GPT對量刑考量的說明:
    本案件的詐騙金額顯著低於基準案件,且犯罪情節也較少牽涉到多名共犯,罪行相對較輕。雖然手段複雜,但鑒於金額較低以及無其他加重因素,合理的量刑預測應為1年6個月有期徒刑。

  2. 台灣桃園地方法院112易74號:1年8個月有期徒刑(原建議4年6個月)
    GPT對量刑考量的說明:
    基準案件的量刑為2年8個月,這是在詐騙金額巨大且詐欺手段複雜的情況下作出的判決。相比之下,本案雖然金額較少,手段也相對簡單,但仍存在以下情節需要考量:
    -被告利用其專業身份行騙,顯示出利用他人信任進行詐欺的惡劣行為。
    -被告迅速將詐騙所得全數用於高風險的運動彩券下注,且未表現出悔過態度,顯示出對財務負責任的嚴重缺失。
    -被害人對被告的專業和過去交易的信任被徹底破壞,經濟上也受到了實質損害。
    基於這些考量,結合基準案件的量刑標準,被告的量刑應有所減輕,因為詐騙金額和手段不如基準案件那麼嚴重。然而,由於他同樣未顯示悔過,且有明顯的詐欺行為,合理的量刑應為1年8月。

  3. 台灣高雄地方法院111易字362號:1年10個月有期徒刑(原建議3年6個月)
    GPT對量刑考量的說明:
    本案的詐騙金額明顯小於基準案件,但其犯罪手段周密、具有高度策劃性,且在案發過程中更換車牌等行為顯示出逃避追蹤的意圖。雖然金額不及基準案件,但其策劃性與逃避行為應在量刑上予以考慮。
    鑑於基準案件最終判刑2年8個月,本案的量刑應當低於此數字,但考慮到其犯罪情節較為嚴重,合理的量刑建議應為:1年10個月有期徒刑。

在這次修正後,AI顯示出更加接近實務的量刑標準。這表明,AI在擁有類似案件的基準數據後,能夠修正其判斷並提供與實際判決更為接近的量刑建議。


比較表格

案件編號 法院判決刑期 GPT最初建議量刑 GPT經過基準案件訓練後建議量刑
台北地方法院111易299號 有期徒刑1年2個月 4年6個月有期徒刑,並併科罰金30萬元 有期徒刑1年6個月
桃園地方法院112易74號 有期徒刑1年 3年6個月有期徒刑,並併科罰金30萬元 有期徒刑1年8個月
高雄地方法院111易字362號(陳OO) 有期徒刑1年2個月 4年有期徒刑,並併科罰金50萬元 有期徒刑1年10個月
高雄地方法院111易字362號(周OO) 有期徒刑1年6個月 4年有期徒刑,並併科罰金50萬元 有期徒刑1年10個月

結論與分析

這次實驗的結果顯示,當AI獲得相關的量刑基準後,能夠顯著調整其量刑建議,使其與法院的判決更加一致。這表明,AI具備適應能力,並能在具備參考數據時,提升其量刑準確度。這是否可能意味著,AI可以成為法律領域的一個輔助工具,幫助法官和律師在相似案件中進行合理的量刑預測呢?請繼續閱讀Lodi下一個階段的實驗!


上一篇
Day 21: AI與量刑一致性的挑戰—詐欺案件的實驗
下一篇
Day 23:訓練後的生成式AI量刑預測更準確,但重罰背後意涵是什麼?
系列文
生成式AI在法律工作與學習的運用30
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言