作者簡介
張永健
現職與學經歷：
中央研究院法律學研究所研究員、法實證研究中心主任。
美國紐約大學法學博士。
臺灣大學法學學士、碩士。
曾於政治大學、交通大學、東吳大學授課。
客座教授：美國康乃爾大學、紐約大學、芝加哥大學，荷蘭鹿特丹大學，瑞士聖加侖大學，以色列耶路撒冷希伯來大學、海法大學法學院。
訪問學者：德國柏林自由大學、日本東京大學、法國巴黎第二大學。
研究方法：兼採法經濟分析與法實證研究，並有比較法視野。
SSCI期刊International Review of Law and Economics共同主編。
美國法律協會（ALI）第四版財產法Restatement之國際諮詢委員。

著作與獎項：
2010年李氏基金會Excellence in Creativity獎。
2013年中央研究院「人文社會科學專書獎」。
2015年中央研究院「年輕學者研究著作獎」。
2016年傑出人才基金會「年輕學者創新獎」。
2016年、2018年「中研院法學期刊論文獎」。
2019年亞洲法與社會學會「第一屆傑出論文獎」。
2021年中央研究院Presidential Scholar。
（主編）專書14種，由Cambridge University Press、Edward Elgar、Routledge、Wolters Kluwer、中研院法律所、新學林出版公司、元照出版公司、北京大學出版社、法律出版社等印行。
著有中、英文期刊與專書論文100餘篇，多發表於知名學術期刊。

序

二版序
上市兩年，承蒙讀者厚愛，以新臺幣下架了第一版的數百本。過去兩年間，法實證研究方法持續在法學界中開枝散葉。筆者有幸在連續兩年的科技部法律學門訓練營中分享法實證研究的心得，看到台下上百個興奮、期待又有點困惑的臉龐，覺得量化實證研究雖然進入門檻不低，但其價值似乎已經廣受肯定。2020年、2021年，受到疫情影響，無法舉辦國際研討會；但我在中研院法律所舉辦的法實證研究工作坊，只有國內學者報告與評論，就可以排滿兩天還欲罷不能，連我都要讓賢給年輕人報告！黃詩淳老師、蘇凱平老師等等優秀同儕與後起之秀皆在學校開設法實證研究課程，各大學報刊登了各種部門法領域的實證研究（註1）。法實證研究，看起來真是欣欣向榮！
But……人生最無奈的就是這個but。人工智慧（artificialintelligence；AI）在過去幾年的爆炸發展，在法學界也引起非常多注意。一時間，投入在人工智慧法學問題研究的學界先進、同儕和後起之秀儼然有超車法實證研究之勢（註2）。2021年疫情從三級警戒下降到二級警戒的第一天，我也和邱文聰研究員等同事，在中研院法律所合辦了《AI法學是否可能》圓桌論壇。
AI到底是敵是友？
在2019年和2021年，在Lawsnote邀請下，我擔任了第一屆和第三屆法律科技黑客松的評審。看到許多法律學子跨界和資工人合作，作出各式各樣有意思的產品，我心中已經有「後浪死在沙灘上」的警覺。但另一方面，我也看到了機器學習、深度學習在法學領域內迅猛發展的隱憂。不少機器學習方法，更不用說深度學習方法，其終極目標是儘量不靠人工標記（人腦干預？），衝高正確預測率。其預測方法往往難以解釋，更無法證立。上千萬份的判決文書，讓資工人發現了應用其方法的另一場域。法律人接觸到「類神經網路」的花花世界，炫惑於其強大的運算能力。但往往法學或社會科學理論不見蹤影，也沒有使用發展數十年的統計分析工具。日新月異的深度學習方法，好似可以碾壓理論研究與法實證研究。但其實未必！
科技部人文司司長、臺大經濟系教授林明仁，在許多場合大聲疾呼：最好的社會科學研究需要兼具三種能力―專業知識（domainknowledge）、統計分析、電腦資料科學（computer science）的能力。即便AI這塊的技術日新月異，電腦資料科學能力只是好研究、好應用、好產品的其中一個面向。而只與法律文本結合，而沒有關注法學理論帶來的洞見，最多是作出很棒的應用（「節省法律人的時間」），但無法為法學研究帶來革命性的典範轉移。法學的專業知識讓分析者問真正重要的問題，關鍵的洞見也可以讓演算法少跑幾百萬次。而雖然統計學門現在有大量的人力心力投入大數據與AI研究，統計中的迴歸模型與機器學習中的監督式學習（supervisedlearning），依照我的同事何漢葳博士在前述「AI法學是否可能」圓桌論壇中的報告，仍有重大不同：迴歸模型告訴分析者應變數Y的生成機制，可以對某個自變數X作假設檢定，以便探究特定社會科學理論是否受數據支持。而監督式學習是以線性或非線性的模型，以調參數的方式逼近Y的值；理論上有重大意義的自變數X，甚至可能因為對預測沒有幫助而被剔除（註3）。
我不是在製造對立，而是剴切提醒：最好的跨領域法學研究，也是三種面向兼具，而非獨沽一味。這也是本書為何應該改版，而不是被掃進歷史的垃圾堆的原因。本書有立基於法學的問題意識，經濟分析理論，也有統計方法。受限於研究當年的法律科技水平，數據量不大，也沒有用上厲害的機器學習、深度學習方法。但這反而是熱切擁抱AI的法律人，應該先停下來細細參透之處。否則，AI法學研究變成方法決定問題，而非問題決定方法。
我熱切地期待，有人能從本書獲得問好問題的方法，作法實證研究的切入視角，並用資訊工程技術、大數據、機器學習或深度學習方法，完整回答那些令我困惑，因而起心動念作研究的問題。
***
二版修訂時，在導論中加入了相關基礎概念的討論──我受惠於同事王鵬翔教授的指點不少。第一章關於方法論譜系的論述也大幅修改──感謝蘇永欽教授的啟發與助理陳冠廷的挑戰。其他各章都有大大小小修正；包括新的越界建築研究（曾發表於《裁判時報》，103期，頁84-101，2021年），替換了原本的第5章。為能聚焦於實證方法與發現本身，並適度減輕本書的重量，二版中略去一些較不重要的引用文獻與判決，尤其是刪去了不少判決內容；有興趣的讀者仍可由一版或原始發表的期刊論文中檢索而得。感謝陳昱廷、韓馨儀、吳振寧、鍾詔安、魏尊、謝天懷的研究協助。成書時，陳冠廷、朱一宸、歐苡均、張哲偉協助重新校閱修訂全書，更新文獻、條文與超連結，居功厥偉。
為清楚區隔兩版，第二版的封面作了大幅調整。小犬Phil所攝的日環蝕、月偏蝕、淡水夕陽、中秋滿月，經出版社美編巧手妙思設計，成了一幅大自然奇景。法實證研究就是觀察法律體系運作實況，攝影則是觀察大自然的運作。因此，我們父子都在作實證。封面的兩個太陽、兩個月亮，也象徵了辛苦從事實證研究的日日夜夜。無論是這本書以「人工智障」（王鵬翔教授妙語）方法編碼而得的數據，或其他學者以「人工智慧」方法清理並分析，法實證研究都不是點一個按鈕，就自動產生實證結果。所有好的研究，都必須經歷殫精竭慮的過程；而好的跨領域研究，有時要經歷更辛苦的過程。所幸封面有兩個月亮，若我舉杯邀明月，對影就不只三人了。

註1：參見例如：蘇凱平，法律數據分析的意義、理論與應用──以探索刑事法院對證據的裁量與評價為例，月旦法學雜誌，294期，頁101-124（2019年）；陳俊元，我國會計師因財報不實對第三人民事責任之法律實證分析，政大法學評論，159期，頁215-299（2019年）；陳彥行、邵慶平，臺灣公司治理制度實證研究：董事候選人提名制度的發展與檢討，月旦法學雜誌，307期，頁30-54（2020年）；蘇怡慈、翁小川，掀開時光的面紗──揭穿公司面紗實證研究及立法啟示，東吳法律學報，32卷2期，頁85-121（2020年）；黃詩淳、邵軒磊、康心宥、郭恩佳，初探車禍判決中法院認定之過失比例之因素，月旦法學雜誌，305期，頁206-221（2020年）。
註2：參見例如：黃詩淳、邵軒磊，人工智慧與法律資料分析之方法與影用：以單獨親權酌定裁判的預測模型為例，臺大法學論叢，48卷4期，頁2023-2073（2019年）；黃詩淳、邵軒磊，以人工智慧讀取親權酌定裁判文本：自然語言與文字探勘之實踐，臺大法學論叢，49卷1期，頁195-224（2020年）；邵軒磊，人工智慧與酒駕刑度估計──深度學習卷積神經網路量刑模型之實踐，月旦法學雜誌，312期，頁105-116（2021年）；邵軒磊、黃詩淳，新住民相關親權酌定裁判書的文字探勘：對「平等」問題的法實證研究嘗試，臺大法學論叢，49卷特刊，頁1267-1308（2020年）；張芝嘉，侵害商標權損害賠償數額實證研究──python語言輔助處理大量判決，成功大學經濟研究所碩士論文（2018年）。另外林常青教授也有數篇進行中的論文使用自然語言處理（NLP）方法。拿到法學博士而在成功大學智慧運算學院任教的李韶曼，也會是未來幾年臺灣AI&Law的主力。
註3：何漢葳研究技師對統計在法學的功能，以及統計方法與AI的差異，有更詳盡的說明。參見何漢葳，應作迴歸觀：資料、不確定性與人工智慧法學，收於：李建良編，研之得法：中央研究院法律學研究所成立十週年文集，頁721-744（2021年）。

張永健
2021年中秋於花（盆）前月下