當證據也會生成：AI 法庭年代，最貴的不是模型，是可信任

法庭不是模型展示場

AI 生成影像、聲音與文字，正把法庭拖進一個極度尷尬的年代。以前大家爭的是「這段錄音是不是被剪接」，現在還得爭「這段錄音到底有沒有發生過」。這不是科幻題材，而是程序正義題材。法庭需要的是證據，不是模型的自信表情。你不能把一段影片丟進偵測器，看到系統跳出一個高分警示，就期待法官馬上拍桌說這是真的或這是假的。法庭接下來會問：原始檔在哪裡？誰取得？何時取得？中間經過哪些轉存、壓縮與傳輸？設備資訊呢？雜湊值有沒有保留？分析模型版本是什麼？誤差情境有沒有說明？專家可不可以接受交互詰問？

這正是法律科技下一波最容易被誤解的地方。市場最愛的是「偵測」，因為偵測最容易 demo：上傳檔案、跑一圈、跳出風險值，台下投資人眼睛就亮了。但司法真正需要的，往往不是一個漂亮的紅色警報，而是一條完整、可追責、可回頭檢驗的證據生命史。深偽偵測只是其中一個節點，不是整個制度。沒有取得流程、保存流程、權限紀錄、轉檔紀錄、分析紀錄與報告規格，再聰明的模型都可能只是在法庭外放煙火。

最貴的不是模型，是可信任

AI 公司最喜歡賣效率，但法庭真正昂貴的東西不是效率，而是可信任。可信任不是抽象美德，而是一整套成本極高的制度工程。它意味著一份影像證物不只要能顯示內容，還要能顯示它一路怎麼被拿到、如何被存放、誰看過、誰改過、在哪裡被複製、何時被上傳、是不是被平台自動壓縮過、分析工具有沒有更新版本，以及不同工具得出的結果是否一致。這些東西沒有任何一項適合拿來做發表會 keynote，但少掉任何一項，都足以讓證據在法庭上變得搖搖欲墜。

從這個角度看，AI 法庭年代最有商業價值的，恐怕不是最會喊口號的模型，而是最無聊的系統：封存、比對、審計、追蹤、權限與報告。這些看似無聊的基礎設施，才是把高風險 AI 使用拉回可治理範圍的骨架。法官不需要一個自稱聰明的神諭介面；他需要的是一套在最壞情況下仍能被拆解、被質疑、被驗證、最後還能站得住腳的流程。

影像工作者最知道：畫面從來不會自己說話

從卑南族資深文化與影像工作者 Sulangal 的視角來看，這件事尤其現實。因為影像從來就不是自己說話。鏡頭位置、收音方向、剪接節奏、字幕翻譯、平台轉碼、觀眾預設、轉貼斷章與社群留言，都會改變一段內容如何被理解。所謂「有圖有真相」這種老套句子，在數位時代已經脆弱得像薄玻璃。更何況現在連圖都可以被生成，聲音也可以被複製，人物也可以被合成，表情、口型、背景、語速與環境音都能調。

這也是為什麼 AI 證據問題，不能只從技術準確率來看。很多社群、部落、文化現場與地方議題，本來就不是在標準攝影棚裡被記錄。它們可能發生在儀式空間、抗爭現場、山林路段、聚會場合或災後環境。若這些影像進入媒體或法庭，問題不只是真假，還有同意、脈絡、保存與再使用的倫理。影像若被拿離原本語境，再加上 AI 處理或平台重新剪接，最後可能不只是失真，而是傷害。法律科技若不理解影像作為文化與社會關係的載體，那它的「精準」很可能只是一種技術傲慢。

規則在追，技術在跑，最容易掉下去的是程序

現行法規與國際治理框架，都在努力補 AI 證據的坑。歐盟 AI Act 對特定情境中的生成或操弄內容設有透明義務，重點不只是道德宣示，而是希望讓內容來源更可辨識。但透明不是在圖片角落加一行字就解決。內容經過再壓縮、再轉傳、再剪輯、再截圖之後，很多所謂標記都可能消失。於是，真正有價值的透明，得被設計進整個流程，而不是事後補丁。

在美國，與證據規則相關的法界討論也持續關注機器生成內容與深偽證據的鑑別、認證與專家證言問題。這些爭論本身就說明一件事：法律並不是不知道 AI 風險，而是非常清楚一旦寫錯規則，可能會把不成熟技術變成制度級災難。這種謹慎不該被嘲笑。法律不是要追最新功能，而是要在不確定性裡守住公平。真正危險的不是規則太慢，而是產品太快、流程太鬆、使用者又太相信介面。

最危險的產品話術：我們可以判斷真相

法律科技最該避免的一句話，就是「我們的 AI 可以判斷真相」。真相不是 API 回傳值。模型可以提供風險提示、特徵分析、來源線索與比對結果，但它不能替司法程序收尾，更不能替人類承擔責任。尤其在刑事案件、勞資爭議、保險詐欺、家庭暴力蒐證、選舉假訊息等情境裡，錯誤成本不是重新整理頁面，而是自由、名譽、工作與公共信任。若產品把高度不確定的推論包裝成確定的裁斷，那它傷害的不是抽象概念，而是真人生活。

比較負責任的產品設計，應該讓不確定性可見。報告裡要清楚標示模型版本、資料限制、可能誤判型態、失敗情境與是否需要進一步人工鑑識。好產品不會讓人產生「我拿到神諭了」的錯覺，而是讓人知道下一步該找誰、補什麼資料、保留什麼原件、避免哪些程序錯誤。這種設計聽起來不華麗，卻可能比高調的 AI 偵測器更能活過監管寒冬。

台灣與原鄉公共服務也不能裝作事不關己

這件事不只屬於跨國法院與科技大公司。台灣的地方政府、校園、社福機構、警政單位、社群媒體管理與部落公共服務，也都會面對 AI 證據問題。災害現場影像可能被誤傳，霸凌影片可能被重剪，土地衝突中的空拍資料可能被過度解讀，文化活動紀錄也可能被抽離脈絡後再利用。如果所有單位最後只會說「請民眾自行查證」，那其實是在把整個技術風險外包給最沒有資源的人。

原鄉公共服務尤其需要低成本、可教學、可保存的數位證據流程。不是每個公所都能請法務科技顧問，也不是每個部落組織都有預算購買昂貴鑑識系統。但至少可以建立基本原則：原始檔不要只留通訊軟體轉傳版本；重要影像保留裝置來源與拍攝時間；涉及公開時標示是否經 AI 處理；爭議資料不要只依賴單一截圖；必要時建立可受信任的封存位置。這些不是最炫的 AI 功能，卻是最像公共服務的做法。

結語：未來最值得投資的是責任感

AI 讓造假更容易，也讓粗心更昂貴。法庭年代的產品若要活下來，最需要承認的一件事是：真正的競爭力不是模型說自己看過很多假影片，而是系統能不能在最嚴苛的交叉詰問下，仍然說清楚自己做了什麼、沒做什麼，以及誰該為哪一步負責。對影像工作者而言，這也是一種尊重：影像不是無主資料，影像是時間、關係、身體與風險留下的證詞。法律科技若不理解這一點，越聰明，越危險。

延伸閱讀與資料來源／source-check notes

• EUR-Lex：Regulation (EU) 2024/1689（AI Act），https://eur-lex.europa.eu/eli/reg/2024/1689/oj/eng 。人工核對：透明義務、深偽與生成內容揭露相關條文與適用時程。
• U.S. Courts，Rules and Policies / Advisory Committee on Evidence Rules，https://www.uscourts.gov/rules-policies 。人工核對：2026 年與 AI、機器生成輸出或深偽相關之證據規則討論資料。
• NIST AI Risk Management Framework，https://www.nist.gov/itl/ai-risk-management-framework 。人工核對：治理、文件化與風險管理在高風險應用的基本框架。
• 編輯核對提醒：本文屬法律科技評論，不構成法律意見；正式發布前若加入具體案例、法院見解或提案條文，應由法律專業者再核對一次。