奧丁丁新聞 OwlNews｜多元觀點。獨創你的輪廓

【創新聞記者陳光蘊／花蓮採訪報導】一座城市的觀光網站，真正好不好用，不應只看版面是否漂亮、資訊是否豐富，而要看

圖／示意圖商傳媒｜責任編輯／綜合外電報導隨著人工智慧（AI）在各領域的應用日益普及，全球司法體系也正經歷一場變革。生成式AI工具，透過處理大量資訊、草擬文件及輔助研究，已顯著提升法律工作的效率。然而，AI在法律應用中產生「幻覺」（hallucinations）——即生成錯誤或捏造資訊的現象，正對法治健全性構成嚴峻挑戰。這種「AI幻覺」可能導致假判例、虛構當事人姓名、不實引用或錯誤法律條文等問題。 根據訴訟文件AI幻覺案例資料庫維護者 Damien Charlotin 的統計，截至 2026 年 8 月，全球已記錄約 1,934 起AI幻覺案例。其中，最受矚目的是 2023 年美國的 Mata v Avianca, Inc. 訴訟案，此案首次記錄到 ChatGPT 生成的虛假判例被引用至美國法院檔案中。該法院對該名律師處以 5,000 美元的罰款，並強調律師有責任在向法院引用法律依據前，確保其準確性。此後，英國、澳洲、法國、加拿大等國，甚至鄰近的印度，也陸續出現AI幻覺引用的事件。 例如，在 2026 年 7 月的 Pooja Ramesh Singh v Jammu and Kashmir Bank Ltd & Anr 案件中，印度最高法院裁定，任何基於虛假引用（即使僅部分）所作出的命令，在法律上均「無效」。印度最高法院也已要求 Bar Council of India 為律師制訂紀律規則，以應對引用AI生成虛假法律依據的問題。喀拉拉邦和古吉拉特邦高等法院也已針對司法官員制定AI政策，規範其在司法職能中負責任且有限度的使用AI。 在孟加拉，AI應用在司法領域的發展正引發關注。孟加拉首席大法官祖巴耶爾·拉赫曼·喬杜裡（Zubayer Rahman Chowdhury）近期警告，AI不應被用於撰寫法院判決，並呼籲制定法律和政策，明確界定該技術在司法領域的使用範圍和程度。孟加拉政府也已有所行動，例如 ICT Division 已草擬一份AI政策，旨在負責任地發展AI；Cabinet Division 近期也發布預警，提醒公眾和政府機關不要將敏感和機密資訊輸入AI系統。孟加拉國銀行（Bangladesh Bank）也發出指令，禁止將機密銀行數據輸入AI系統，以防範潛在的洩露風險。 然而，孟加拉在推動AI司法應用上仍面臨多重挑戰。首先是司法領域工作者（包括法官、律師和司法人員）的AI素養偏低。其次是數位法律資料庫的可用性和品質問題。缺乏全面的數位化和系統化的法律資料索引，增加了法律引用不準確或被捏造的可能性。此外，孟加拉的司法體系也缺乏有效且適合自身情況的引用驗證機制。 面對這些挑戰，報導呼籲孟加拉應借鑒國際經驗，迅速制定一套司法AI使用政策。該政策應明確定義AI使用受限或被禁止的領域，並對在司法程序中濫用或不負責任使用AI生成資料的行為，規定適當的懲處措施。此外，Bangladesh Bar Council 也應為律師制定AI工具使用規則，確保他們驗證AI生成的引用，並釐清提交虛假法律依據的責任歸屬。同樣重要的是，應加強法官、律師和法院工作人員的AI教育和培訓。 孟加拉還應致力於建立可靠、真實且易於存取的數位法律資料庫，其中包含最新的法規、判決及其他法律依據，以便獨立交叉驗證AI生成的資訊。若能妥善引導與監管，AI確實能成為支援法律研究、案件管理、文件草擬及其他行政職能的創新輔助工具，有望減少案件積壓。這項議題也為台灣法律科技從業人員與關注AI倫理的公眾帶來借鑑意義，如何在確保司法公正的前提下，有效利用AI提升效率，是全球皆需面對的課題。

圖／本報資料庫商傳媒｜何映辰／台北報導美國卡內基美隆大學（Carnegie Mellon University）的神經科學研究所，正運用先進的人工智慧（AI）技術，透過分析大腦功能性磁振造影（fMRI，一種測量大腦活動的掃描技術）數據，建立模型來預測人腦視覺皮層（負責處理視覺資訊的腦區）對影像的反應。這項前瞻性研究是「神經人工智慧」（NeuroAI）領域的最新進展，旨在結合神經科學與 AI 的洞見，共同推動智慧的理解與應用。 近年來，人工智慧與神經科學的發展趨勢相互借鏡。深度神經網路（一種模仿人腦結構的 AI 模型）在其中扮演關鍵角色，因為其內部的運作模式與大腦活動模式有相似之處，有助於彌補 AI 和神經科學之間的鴻溝。神經人工智慧這個新興領域，讓兩者的研究成果能相互強化，加速彼此的進步。 卡內基美隆大學的神經科學研究人員積極參與多項大型跨領域合作。例如，西蒙斯生態神經科學合作計畫（Simons Collaboration on Ecological Neuroscience）是一項為期十年、耗資 8000 萬美元的計畫，目標是發展數學理論，解釋大腦如何將感知轉化為行動。卡內基美隆大學教授 Xaq Pitkow 便參與其中，將神經記錄技術與計算模型結合。 此外，「皮質網路機器智慧計畫」（Machine Intelligence from Cortical Networks）已成功繪製了一立方毫米的小鼠腦組織圖譜，其中包含約 20 萬個細胞及超過 5 億個連接。該計畫的核心目標是同時測量同一腦組織內的解剖結構連接（大腦各區域的物理連結）與神經活動，以連結大腦的結構與功能。研究人員表示，結合如此全面的大腦結構與功能測量，理解思維的基本機制可能指日可待。 這類跨學科合作，整合了神經科學家、機器學習研究人員和數學家等不同領域的專家，對於激發創新至關重要。卡內基美隆大學正在開發數學框架，以彌合大腦資訊處理方式與計算系統原理之間的差距。其中，Aran Nayebi 助理教授透過研究動物學習，來識別 AI 系統目前仍缺乏的行為能力，並為智慧的工程化提供具體目標。Jenelle Feather 助理教授則開創性地使用模型來幫助聽力受損者恢復聽覺處理（大腦分析聲音的過程）。她的模型能直接從聲音等物理輸入預測神經反應，為轉譯研究與個人化聽力解決方案提供途徑，例如模擬不同聽力障礙並設計更個人化的人工電子耳或人工耳蝸演算法。 這些研究的最終目標是深入理解智慧的本質，並開拓科技、醫學與腦部健康領域的嶄新可能性。

商傳媒｜責任編輯／綜合外電報導金融科技公司Ramp近期發布的數據顯示，美國企業在人工智慧（AI）上的投資存在顯著兩極化現象。根據Ramp從其金融科技平台彙整的企業支出數據指出，美國企業每月平均每位員工的AI支出中位數僅為11.95美元，反映出多數企業尚未將AI深度整合至其營運策略中。 儘管中位數數據相對較低，但在AI投資上，頂尖企業的投入卻遠超一般水準。報告顯示，AI支出位居前10%的美國企業，每月每位員工的投資額達到650美元；而前1%的頂尖企業，其每月每位員工的AI支出更是突破7,400美元。這意味著，這些頂尖企業在AI上的投入，已超過普通企業的600倍以上，凸顯出美國企業在AI策略上存在巨大差異。 Ramp的報告也指出，AI的採用已日趨普及，目前Ramp平台上有超過半數的美國企業已付費使用某種形式的AI服務，相較於一年前約三分之一的比例大幅提升。這項趨勢在軟體業、金融業及專業服務業等領域最為顯著。企業對AI的投資也正從基礎的聊天訂閱服務，轉向更側重基礎設施的類別，如模型部署、推理平台以及整合至工作流程中的領域專屬AI工具等。 數據分析顯示，每月每位員工低於12美元的中位數支出，意味著對多數企業而言，AI目前仍被視為單一的支出項目，而非核心的營運策略。然而，那些每月每位員工支出超過7,400美元的頂尖企業，則明確展現出其對AI的重大策略性投資，期望透過AI徹底重塑其業務模式。隨著一般企業與頂尖企業在AI支出上的差距持續擴大，這也反映出AI技術在企業應用中的策略分水嶺日益明顯。