AI也能考上律師？讓我們用考古題來試試看！

還記得，2023年的看到：「GPT-4來了　 ChatGPT律師考試贏9成考生　還有哪些地方變強了」這則新聞，引起Lodi與法律圈的好友們熱烈討論，生成式AI真的越來越強了。新聞中，GPT通過的是美國的律師考試，那麼是否能通過台灣的律師考試呢？
今天的文章中，Lodi提供了兩題113年律師司法官一試的考古題，並且同時邀請先前表現不錯的ChatGPT 4與Gemini Flash 1.5一起回答，來檢驗一下AI的解題能力。

實驗方式：

為了公平的比較，實驗方式為單純貼上題目與選項，在不給任何前理解或指導語的前提下，簡單請AI回答並解釋理由。

第一題：

56 關於一造辯論判決，下列敘述，何者正確？

**（A）**得聲請一造辯論而為判決者，以原告為限，被告不得為之
**（B）**法院不得依職權由一造辯論而為判決
**（C）**當事人有正當理由不到場時，法院不得依他造聲請由其一造辯論而為判決
**（D）**於訴訟標的須合一確定之共同訴訟，言詞辯論期日共同訴訟中一人到場，他造全體不到場時，雖經到場者聲請，法院不得為一造辯論之判決

ChatGPT 解答：D

根據《民事訴訟法》第 384 條，「一造辯論判決」指的是當事人之一方不到庭時，法院仍然可以根據出庭當事人的聲請，繼續辯論並作出判決。關於選項的解析如下：

• （A）錯誤：並不僅限於原告，依照《民事訴訟法》規定，被告同樣可以聲請一造辯論判決。
• （B）錯誤：法院可以依職權進行一造辯論判決，而不需要完全依賴當事人的聲請。
• （C）錯誤：如果當事人有正當理由不到場，法院仍然可以依照另一方當事人的聲請，進行一造辯論並作出判決。
• （D）正確：在共同訴訟的情形下，當訴訟標的須合一確定，而其中一人到場，其他人全體不到場，法院不得僅依到場者的聲請作出一造辯論的判決。

Gemini Flash 1.5 解答：C

原因解析：
一造辯論判決的要件：
合法通知： 未到場的當事人必須經合法通知。
無正當理由： 未到場的當事人必須沒有正當理由。
到場當事人聲請： 到場的當事人必須聲請法院為一造辯論判決。
選項分析：
(A) 得聲請一造辯論而為判決者，以原告為限，被告不得為之： 錯誤。無論原告或被告，只要符合上述要件，皆得聲請一造辯論。
(B) 法院不得依職權由一造辯論而為判決： 錯誤。在特定情況下，例如經再次通知而仍不到場，法院得依職權為一造辯論判決。
(C) 當事人有正當理由不到場時，法院不得依他造聲請由其一造辯論而為判決： 正確。這是因為一造辯論判決的前提是未到場當事人「無正當理由」。
(D) 於訴訟標的須合一確定之共同訴訟，言詞辯論期日共同訴訟中一人到場，他造全體不到場時，雖經到場者聲請，法院不得為一造辯論之判決： 錯誤。民事訴訟法第385條第3項規定，在訴訟標的須合一確定之共同訴訟中，只要有一人到場，即使其他人皆不到場，法院得依到場人之聲請，為一造辯論之判決。

正確答案：C

本題的測試結果，令Lodi感到意外，付費版的GPT給的答案並不正確。然而，免費版的Gemini flash 1.5卻可以正確回答。ChatGPT所引用的384條甚至也不正確，正確的384法條內容是關於捨棄與認諾，而非GPT所編造出的條文。

可以發現，兩個AI都給出了有條有理的解釋，這也更加說明謹慎判斷AI提供資料的正確性，是非常重要的！

第二題：

56 An actor is negligent if, without excuse, he/she violates a statute that is designed to protect against the type of accident that the actor’s conduct causes, and if the accident victim is within the class of persons the statute is designed to protect. Such rule is usually called ＿＿.

（A）negligence ab initio
（B）negligence bona fide
（C）negligence per se
（D）negligence non liquet

ChatGPT 4 解答：C

在美國侵權法中，「negligence per se」是指當某人違反一項特定的法律或法規，這項法規旨在防止某種類型的危險行為，而此違法行為導致了法規試圖避免的損害，則該行為人可被視為具有過失。簡單來說，違反了法律條文且直接導致了事故或傷害，即可被認定為「過失」，無需進一步證明行為人是否具備其他的疏忽。

• （A）negligence ab initio：意指「自始過失」，但不適用於這種法規違反的情境。
• （B）negligence bona fide：指「善意的過失」，與這裡描述的情境無關。
• （C）negligence per se：正確，指的是法規違反自動被視為過失的情況。
• （D）negligence non liquet：表示「過失未明確」，不符合題目中的定義。

Gemini Flash 1.5解答:C

原因解析：
negligence per se：意為「法定疏忽」，是指當行為人違反了一項旨在保護特定類型事故的法律規定，且事故受害人屬於該法律所保護的範圍內，則該行為人即構成疏忽。
選項分析：
(A) negligence ab initio：意為「從一開始的疏忽」，通常指因行為人一開始的疏忽或錯誤而導致的法律責任。
(B) negligence bona fide：意為「善意疏忽」，通常指行為人雖有疏忽但並非故意或惡意。
(C) negligence per se：正確。如上所述，符合法律規定違反和受害人保護範圍的條件，即構成法定疏忽。
(D) negligence non liquet：意為「疏忽未明」，通常指因證據不足而無法確定是否構成疏忽。

正確答案：C

關於法學英文的這一題，兩個AI都給出了正確的答案(C)，但是，他們在解釋錯誤的選項時都不夠理想，雖然按照AI直接翻譯(A)、(B)、(D)等選項，意義上並沒有太大錯誤，但事實上是，在法學英文中並沒有這樣的用法，因此也不可能是正確答案。AI所給出的解答，可能會誤導考生，多背誦了好幾個，實際上並不存在的單字。

結論：AI解題失誤的可能原因解析與改善方向

根據上述兩題的測試結果，生成式AI在解答台灣律師考古題的表現未能完全展現其應有的實力。如果進一步測試第二試的考古題，預期表現可能會更為不理想。Lodi認為，可能的原因也許包括以下幾點：

1. 法律資料庫的侷限性：AI 目前缺乏對中華民國法律資料的充分訓練，而更多地接受了來自英美法系的資料。這導致它在處理台灣特定的法律問題時，無法準確抓住關鍵。

2. 考試命題結構差異：台灣律師考試著重於法條的精確應用，而GPT參加的美國律師資格考試（UBE）更強調法律原則與邏輯推理。這樣的命題方式差異使 GPT在台灣考試中的表現不如預期。

3. 語言與語境理解的挑戰：GPT對中文的掌握仍存在一些不足，特別是在處理細微語境或陷阱題時，難以區分關鍵詞。例如，無法準確辨別「有正當理由」與「無正當理由」的差異。而在回答法學英文題目時，表現則比較好。

改善方向：

1. 優化指示語：在使用生成式AI解題時，應提供更具體的指示，例如要求它依據特定國家的法律規範進行回答，這樣可以避免跨法系的誤解。

2. 建立專屬法律資料庫：為了提升生成式AI在台灣法律問題上的解題能力，可以考慮建立專門的台灣法律資料庫，並提供法規、函釋、判決等，進行針對性訓練。

3. 指定信息來源：嘗試讓AI在回答問題時引用特定來源的法律網站或權威資料，這有助於提高解答的準確性與可信度。

Lodi相信，生成式 AI仍是一個有效的法律學習輔助工具，但使用者仍需保持批判性思維，結合自身知識來評估AI 的解答。在此階段，撰寫法律題目詳解，仍似乎仍仰賴台灣法律專家的參與。
此外，經過這次測試，Gemini 在某些方面的表現似乎比 GPT 更為優秀，在想參考AI的解題時，也推薦優先使用Gemini試試看。
對於這樣的結果，朋友們有什麼想法呢？歡迎讓我知道！