GPT-5 為何能以 100% 正確率碾壓人類法官？

芝加哥大學法律學者 Eric Posner 與 Shivam Saran 於 2025 年初發表的首篇相關論文〈Judge AI: A Case Study of Large Language Models in Judicial Decision-Making〉，揭開了 AI 法律推理能力研究的序幕。研究團隊使用 OpenAI 的 GPT-4o 模型複製了一宗涉及前南斯拉夫國際刑事法庭的戰爭罪案上訴實驗，結果發現 AI 表現與法律學生高度相似，傾向嚴格遵循先例判決，幾乎完全不受被告是否值得同情等法律以外因素影響。

在延伸論文〈Silicon Formalism: Rules, Standards, and Judge AI〉中，研究團隊採用 GPT-5 複製了一項最初由 61 名美國聯邦法官參與的實驗。這次測試涉及一宗假設交通事故中應適用哪個州的法律問題，研究團隊操控了三個變項：適用法律原則屬明確規則或裁量標準、原告或被告哪一方較值得同情，以及事故發生地點對法律結果的影響。

研究結果令人震驚：GPT-5 在所有測試案例中均得出法律上正確結論，零錯誤成績，沒有任何幻覺或邏輯謬誤。更值得關注的是，GPT-5 與真人法官相同，並沒有偏袒較值得同情的一方。相比之下，真人法官的依法裁決率僅為 52%，與表現最弱的 AI 模型相若。

研究團隊同時測試了多個其他 AI 模型，結果呈現顯著差異。Google Gemini 3 Pro 與 GPT-5 並列，同樣在所有案例得出正確結果；Gemini 2.5 Pro 正確率為 92%；o4-mini 為 79%；Llama 4 Maverick 為 75%；Llama 4 Scout 與 GPT-4.1 均為 50%。此數據顯示，法律推理能力在不同 AI 模型間存在巨大差異，機構採用時需謹慎評估。

矽式形式主義：AI 法律的先天優勢與致命缺陷

Posner 與 Saran 將 AI 在法律推理中展現的特質命名為「矽式形式主義」（Silicon Formalism），用以描述 AI 模型嚴格遵循法律條文、缺乏人類裁量彈性的傾向。此命名靈感來自於「法律形式主義」傳統，但賦予了數位時代的新意涵。

矽式形式主義的核心特徵在於：AI 模型能夠完美執行法律條文的字面意義，卻無法像人類法官那樣考慮道德、社會與政策後果。在追求法律確定性的商業交易中，這種特質可能是巨大優勢，因為合約解釋需要高度的一致性與可預測性。然而，在涉及道德判斷與社會公義的刑事案件中，此特質可能成為根本缺陷。

北卡羅萊納大學教堂山分校法學院於 2024 年 10 月進行的一場具開創性的模擬審判實驗，深刻揭示了這一矛盾。實驗由 ChatGPT、Claude 與 Grok 三個 AI 系統擔任陪審員，審理一宗涉及非裔高中生被控搶劫的案件。該案以法學教授 Joseph Kennedy 在少年司法診所處理過的真實案件為藍本。

實驗結果令人深思：三個 AI 陪審員一致裁定被告無罪。但在真實案件中，法官判定被告有罪，上訴也被駁回。Kennedy 教授在審判後表示，在現實世界審理此案，很多時候都會得出有罪判決。此種截然不同的結果，正好突顯 AI 嚴格依循法律標準與人類法官運用經驗判斷之間的根本差異。

研究團隊提出了一个尖銳問題：社會是否願意接受教條式 AI 裁決，懲罰值得同情的被告，或獎賞不值得同情的一方？鑑於 AI 模型可透過參數設定與訓練資料引導輸出結果，如何為 AI 設定正確的「公義參數」，將成為法律界、科技界與公眾共同面對的重大課題。

AI 幻覺危機：518 宗虛假案例揭露的信任危機

AI 在法律推理測試中展現卓越表現，卻與其在實際法律執業引發的嚴重問題形成強烈反差。根據 HEC Paris 商學院研究員 Damien Charlotin 維護的資料庫，自 2025 年初起，美國法院已記錄超過 518 宗涉及 AI 生成虛假內容的案例。律師使用 ChatGPT 等生成式 AI 工具撰寫法律檔案時，AI 可能憑空捏造不存在的案例引述。

此問題惡化速度令人擔憂。Charlotin 指出，2025 年春季前相關案例每週約出現 2 宗，其後激增至每日 2 到 3 宗。截至 2026 年初，全球已有超過 944 宗已確認的 AI 幻覺法律案例被記錄在案。法庭虛假引述案例中，律師與自行代表訴訟人約各占一半，反映即使受過專業訓練的法律從業員，同樣容易受 AI 幻覺影響。

2025 年 7 月，代表 MyPillow 行政總監 Mike Lindell 的 2 名律師因提交充斥 AI 生成錯誤的法律文件，被科羅拉多州聯邦法官 Nina Y. Wang 各罰款 3,000 美元。文件包含超過 20 項錯誤，當中包括多宗根本不存在的案例引述。加州一名法官也曾就一份 10 頁法律文件中近三分之一引述為 AI 捏造一事，向涉事律師事務所開出 31,100 美元罰款。

加州上訴法院在 Noland v. Land of the Free 一案中開創新法律先例。法庭向提交虛假引述的律師罰款 10,000 美元，也拒絕向對方律師判處訴訟費，因為對方律師未能發現並向法庭報告虛假引述。此裁決提出一個嶄新的專業責任問題：律師是否有義務偵測對手提交檔案中的 AI 虛假引述？

法律產業 AI 採用潮：26% 機構積極整合的背後邏輯

全球法律產業正經歷 AI 技術快速滲透。Thomson Reuters 全球調查顯示，積極整合生成式 AI 的法律機構比率從 2024 年的 14% 上升至 2025 年的 26%。45% 的律師事務所正在使用 AI，或計劃在 1 年內將其納入核心工作流程。American Bar Association 的 2025 年法律產業報告也顯示，31% 法律專業人士在工作中使用生成式 AI，較上年的 27% 有所成長。

大型律師事務所在 AI 採用率上明顯領先。擁有 51 名或以上律師的事務所，AI 採用率達 39%，是 50 人以下事務所近 2 倍。此差距反映了法律 AI 投資門檻較高的現實，但同時也預示著市場即將進入普及階段。

對企業而言，這些發展帶來幾個重要策略方向。合約審查與法律研究是目前 AI 最成熟的應用場景，企業法務部門可利用 AI 工具大幅提升檔案審閱效率。調查資料顯示，使用 AI 的法律專業人士中，65% 每週節省 1 到 5 小時，12% 節省 6 到 10 小時，7% 節省超過 11 小時。

Y Combinator 在 2025 年提出創業方向之一，是以 AI 代理人組建律師事務所，與傳統事務所競爭。全新「AI 原生」法律服務模式正在湧現。英國 Tacit Legal 以每份合約 95 英鎊（約港幣 HK$962）起固定收費提供 AI 輔助合約審查，由資深律師最終簽核。此種混合模式正在重塑法律服務定價結構。

值得注意的是，29% 受訪律師表示更信賴法律專用工具的輸出結果。企業應考慮投資法律專用 AI 工具，而非通用型 AI。此趨勢反映了法律產業對專業化、定制化 AI 解決方案的需求日益增長。

2026 年法律 AI 展望：機會與風險並存的十字路口

法律產業預期 2026 年將持續加深 AI 應用，但短期內不會出現取代律師或法律支援人員的情況。MIT 報告指出，法律產業從業人數反而增加 6.4%，AI 反而成為輔助工具而非替代方案。此數據顯示，AI 技術正在創造新的工作崗位，而非簡單地取代人類。

然而，AI 幻覺問題也將持續困擾業界。法院對虛假引述的查處速度已顯著加速，多個州正制定 AI 使用指引，要求律師披露 AI 輔助撰寫的檔案並進行人工核實。此趨勢意味著法律從業員必須在享受 AI 效率提升的同時，建立更嚴謹的風險管理機制。

企業與法律機構需要在效率提升與風險管理之間取得平衡。AI 在法律推理的卓越表現為產業帶來巨大機會，但 Posner 與 Saran 的研究也提醒我們：法律本質並非單純追求條文正確，而是在規則與人性之間尋找平衡。

展望未來，幾個關鍵趨勢值得關注：首先，法律專用 AI 工具將持續進化，更準確地理解法律語境與術語；其次，監管框架將逐步完善，為 AI 在法律領域的應用設定明確規範；第三，「人機協作」模式將成為主流，AI 处理基礎工作，人類專注於策略性與道德性判斷；最後，法律教育將納入 AI素養培訓，讓新一代法律從業員掌握人機協作的能力。

常見問題 (FAQ)

AI 法官真的能取代人類法官嗎？

根據芝加哥大學研究，GPT-5 在法律推理測試中達到 100% 正確率，確實超越人類法官的 52%。然而，AI 缺乏人類法官的道德裁量能力，無法像人類那樣考慮社會背景、被告處境等非法律因素。此外，AI 無法執行陪審團否決權，這是民主制度對政府權力的重要制衡。因此，AI 更可能作為輔助工具，而非完全取代人類法官。

如何避免 AI 幻覺在法律文件中的風險？

首先，建立嚴格的人工核實機制，所有 AI 生成的法律文件必須經過專業律師審查。其次，使用法律專用 AI 工具而非通用型 AI，29% 的律師表示更信賴法律專用工具的輸出。第三，關注監管動態，多個州正在制定 AI 使用指引，要求披露 AI 輔助撰寫的檔案。最後，持續追蹤 AI 幻覺案例的發展趨勢，及時調整風險管理策略。

企業應如何選擇法律 AI 工具？

選擇法律 AI 工具時，應優先考慮三個因素：與現有軟體系統的整合能力（43% 受訪者視為首要因素）、供應商對法律工作流程的理解（33%），以及工具的道德合規性（26%）。此外，建議選擇法律專用 AI 工具而非通用型 AI，並確保團隊接受適當的 AI 素養培訓，以充分發揮工具價值並管理潛在風險。

參考資料

• Posner, E. & Saran, S. (2025). 〈Judge AI: A Case Study of Large Language Models in Judicial Decision-Making〉. SSRN. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5098708
• Posner, E. & Saran, S. (2025). 〈Silicon Formalism: Rules, Standards, and Judge AI〉. SSRN.
• Thomson Reuters (2025). 〈Legal Operations and AI Survey〉.
• American Bar Association (2025). 〈Legal Industry Report〉.
• MIT (2025). 〈Legal Industry Employment Analysis〉.
• Unwire Pro (2026). 〈AI outperforms human judges in legal reasoning accuracy〉. https://unwire.pro/2026/02/16/ai-outperforms-human-judges-legal-reasoning-accuracy/
• TechNews (2026). 〈GPT-5 Bests Human Judges in Legal Smack-Down〉. https://technews.tw/2026/02/19/gpt-5-bests-human-judges-in-legal-smack-down/