為因應AI人工智慧發展的浪潮，政府提出「六大核心戰略產業」計畫，其中法務部響應行政院政策，以邁向「科技化的法務部」為目標，於檢察機關、調查單位、廉政機構、行政執行、矯正機構等五大系統進行AI部署，期望超前規劃以達成「產業發展、社會安定、國家安全、民主深化」等四大目標。在毒品犯罪防治方面，行政院則於「新世代反毒策略行動綱領2.0」之「綜合規劃策略」下，訂定「再犯防止推進計畫」項目，推行「貫穿式保護」措施，聚焦於毒品施用者高再犯（復發）問題及社會復歸需求，期望以科學實證為政策基礎達到「抑制毒品再犯」、「降低毒品新生」之目標。由此可見，如能運用AI技術超前佈署，不但能創造更多產學合作研究契機，更能在臺灣經歷AI關鍵轉型之機，發揮毒品防制研究潛力。

　　本研究基於響應行政院「六大核心戰略產業」與法務部「科技化的法務部」政策，於110年起啟動AI自動判讀毒品起訴書研究，並於研究成果發現利用人工智慧判讀起訴書具有高度可行性，在毒品施用起訴書關鍵變項之辨識準確度上，已可達90%。每種犯罪之起訴書類皆有其不同之處，透過先導性研究也指出毒品犯罪起訴書類之特殊性，為強化人工智慧模型在毒品犯罪之適用與應用範圍，本計畫在法務部「再犯防止推進計畫」框架下，以多年期計畫進行本項研究，且研究文本，包括全國檢察書類。第一期研究以毒品施用犯罪起訴、緩起訴書類進行自然語言分析，從科學實證的角度，強化機器於不同毒品施用犯罪起訴、緩起訴書類的判讀能力。研究方法包括毒品施用犯罪起訴、緩起訴書類文字標記、開發自動標記系統，以更為精準評估毒品施用犯罪問題。

　　本研究成果如下：1. 建置第一期「AI人工智慧毒品施用犯罪大數據應用分析系統」，擴充相關軟硬體及資安設施。2. 本研究將「刑事政策與犯罪研究數據資料庫」進行資料清洗與採礦，設計一鍵匯入與視覺化界面，依此完善毒品防制再犯研究之基礎工程。3. 建置毒品施用犯罪起訴、緩起訴書類標記介面，幫助AI學習檢察書類語言。4. 以自然語言演算法判讀未經機器學習之毒品施用犯罪起訴、緩起訴書類，並順利自動將書類特徵轉換並輸出為犯罪研究所需之編碼結果，正確率達80%。5. 應用AI自動判讀且輸出之編碼結果，建構機器學習模型區辨起訴與緩起訴處分結果，模型準確度達90%、分類正確性達95%以上。6. 本研究以決策樹探索與描繪出分類起訴與緩起訴之關鍵節點，發現強制戒治紀錄、累犯、地區醫療資源為關鍵節點。7. 本研究分析168,665名毒品犯，並發現53-65%毒品施用者後續並無從事財產或暴力犯罪，大多數都是持續施用毒品。8.本研究分析新世代反毒策略1.0施行期間（2017-2020）緩起訴附命戒癮治療者之毒品施用再犯率，並發現2017年的5年再犯率相較於2008-2016年降低10%左右，顯示政府長期推動反毒政策，時至反毒策略1.0已初展成效時。

　　本研究建議：1. 加速研擬「生成式AI導入檢察機關指引」，以提升NLP導入檢察機關之周延性、公正性。2. 自然語言處理在毒品犯罪研究上富有潛力，值得挹注資源持續開發。3. 建議未來建置毒品施用簡易案件之AI初篩機制。4. 緩起訴附命戒癮治療能降低毒品施用者的再犯率，建議持續擴大量能，並幫助毒癮者完成治療。5. 毒品施用初犯後以繼續施用毒品為主，建議聚焦解決毒品施用的成癮問題，評估推動「物質濫用防治專法」可行性。6. 建議挹注研究資源於建構毒品施用與犯罪關聯性的科學證據，以作為有效毒品防治政策堅實基礎。

關鍵字：AI自動判讀毒品施用犯罪起訴書、緩起訴處分書、緩起訴附命戒癮治療、再犯分析、人工智慧、自然語言分析、機器學習、毒品施用與犯罪關聯性