Law and

Economics in
the digital age

Asst. Prof. Dr. Peerapat Chokesuwattanaskul

DBA, PhD
VA Partners
Outline
Outline
• Existing laws/principles applied in new domains
• New technologies enable new analyses
Existing principles applied to new
domains
 Promote and Transaction Digital Secure
Trust-building Soft law
funding facilitation infrastructure ecosystem
• Targeted • Electronic • NBTC (Telco) • Cybercrime • PDPA • Standard and
industry transaction • Digital ID and Act • Consumer self-
capacity- act Certificate • PDPA protection regulation
building laws • Licensing Authority • Cybersecurity • ODR (COC)
• DE funds facilitation act (CA) Act • Competition
• Digital • (upcoming) AI Law
government Act • IP and trade
act • (upcoming) secret
• Payment DSA
system act
• Digital assets
act
Data- and AI-
related
regulations
Policy decisions
• Rebuttable presumptions
• Ex-ante regulation
• When ex-post enforcement is too expensive
• BUT ex-ante regulations may also interfere with business flows
• MB (of investigation and impact mitigate) not less than MC (of
compliance) – Only ‘impactful’ cases are obliged
PDPA
AI regulation
 Ex Ante – Ex Post
Vertical – Horizontal
Brussels effect

De Facto De Jure
The Brussels effect of EU AI-regulation
• Brussels effect (de facto and de jure)
• De facto – EU-compliant elsewhere
• EU is huge and will enforce it seriously
• Inelastic D
• Change customers expectation
• Cost of differentiation
• Sectors
• Medical, worker management system, legal tech
• De Jure – EU-Esque regulation elsewhere
• Through international institutions and negotiations
• Help multinational companies (lower compliance costs)

‘The Brussels Effect and Artificial Intelligence’ Siegmann and Anderljung (2022)
 Privacy Accountability

Responsible Transparency
Trustworthy Safety and
Security
and
Explainability
Ethical Fairness and Human
Human-centric Non-
discrimination
Control of
Technology
…
Professional Promotion of
Responsibility Human Values
 HLEG on AI
“ระบบทีแ& สดงพฤติกรรมทีช& าญฉลาดโดยการวิเคราะห์สภาพแวดล้อมและ
กระทํ า การด้ ว ยความเป็ นอิ ส ระในระดั บ หนึ& ง เพื& อ ให้ บ รรลุ เ ป้ าหมายที&
เฉพาะเจาะจง ซึง& ระบบทีใ& ช้ AI อาจเป็ นระบบทีอ& งิ ซอฟต์แวร์โดยสินL เชิงในการ
ทํ า งานในโลกเสมือ นจริง เช่ น ผู้ ช่ ว ยด้ ว ยเสีย ง (Voice Assistants)
ซอฟต์แวร์วเิ คราะห์รูปภาพ (Image Analysis Software) เครื&องมือ
ค้น หา (Search Engines) ระบบจดจํา การพูด และใบหน้ า (Speech
and Face Recognition Systems) หรือ AI อาจเป็ นระบบทีฝ& ั งอยู่
ในอุปกรณ์ ฮาร์ดแวร์ (เช่น หุ่นยนต์ขนั L สูง รถยนต์อตั โนมัติ โดรน หรือ แอป
พลิเคชัน Internet of Things)"
EU AI Regulation
ปัญญาประดิษฐ์ (AI) หมายถึง ซอฟต์แวร์ทพ&ี ฒ ั นาขึนL ด้วยเทคนิคและวิธกี าร
อย่างน้อยหนึ&งอย่างทีร& ะบุไว้ในภาคผนวก 1 และสามารถสร้างผลลัพธ์ เช่น เนืLอหา
การคาดคะเน คําแนะนํ า หรือการตัดสินใจที&มอี ิทธิพลต่อสภาพแวดล้อมที&พวกเขา
โต้ตอบด้วย สําหรับชุดวัตถุประสงค์ทก&ี าํ หนดโดยมนุษย์
ภาคผนวก 1
(a) การเรียนรูข้ องเครือ& ง รวมถึงการเรียนรูแ้ บบมีผดู้ แู ล ไม่มผี ดู้ แู ลและแบบเสริม
กําลังการเรียนรู้ โดยใช้วธิ กี ารทีห& ลากหลาย
รวมถึงการเรียนรูเ้ ชิงลึก
(b) แนวทางเชิงตรรกะและฐานความรู้ รวมถึงการแทนค่าความรู้ การเขียน
โปรแกรมเชิงอุปนัย (ตรรกะ) ฐานความรู้
การอนุมานและกลไกนิรนัย การให้เหตุผล (เชิงสัญลักษณ์) และระบบผูเ้ ชีย& วชาญ
(c) วิธกี ารทางสถิติ การประมาณค่าแบบเบย์ วิธกี ารค้นหาและการเพิม& ประสิทธิภาพ
AI classification report, OECD
Risk-based
 Unacceptable Risk

ระบบปั ญญาประดิษฐ์ทใ/ี ช้ประโยชน์จากความเปราะบางของกลุม่

ระบบปั ญญาประดิษฐ์ทใ/ี ช้เทคนิคทีม/ นุษย์ไม่รตู้ วั
บุคคล ไม่วา่ จะเป็ น อายุ หรือความทุพพลภาพทางร่างกายหรือ
เพือ/ ทีจ/ ะเปลีย/ นแปลงพฤติกรรมของมนุษย์อนั จะ
จิตใจ เพือ/ ทีจ/ ะเปลีย/ นแปลงพฤติกรรมของบุคคลในกลุม่ นันL อันจะ
ก่อให้เกิดอันตรายในทางร่างกายหรือจิตใจ
ก่อให้เกิดอันตรายแก่ตวั เขาเองหรือบุคคลอืน/ ในทางร่างกายหรือ
จิตใจ

ระบบปั ญญาประดิษฐ์ทด/ี าํ เนินการโดยหน่วยงานของรัฐเพือ/ ระบบปั ญญาประดิษฐ์ทใ/ี ช้ระบบการพิสจู น์และยืนยันตัวบุคคลด้วยช้อมูล

ประเมินหรือจําแนกความน่าเชือ/ ถือของบุคคลในช่วง ชีวมิตโิ ดยระยะทางแบบเวลาปั จจุบนั (real-time remote
ระยะเวลาหนึ/งตามพฤติกรรมทางสังคมหรือคุณลักษณะส่วน biometric identification system) ในพืนL ทีส/ าธารณะเพือ/
บุคคล โดยใช้วธิ กี ารให้คะแนนทางสังคม (social วัตถุประสงค์ในการบังคับใช้กฎหมาย เว้นแต่เพือ/ วัตถุประสงค์ตามที/
scoring) อันนําไปสูอ่ ย่างใดอย่างหนึ/งต่อไปนีL กฎหมายกําหนดไว้อย่างชัดเจนเท่านันL ดังต่อไปนีL
 High Risk (5-15% of EU AI)
โครงสร้างพืนL ฐาน การศึกษา ความปลอดภัยของสินค้าและ
ทีส/ าํ คัญ และฝึกอบรม บริการ

ข้อมูลเครดิตหรือข้อมูลทาง
การจ้างงาน กระบวนการยุตธิ รรม
การเงิน

ตรวจคนเข้าเมือง การเลือกตังL การเฝ้ าระวัง

 Limited Risk

Emotion & Impersonation &

Chatbots
Biometrics Deepfake
Obligations
 ธรรมาภิบาลข้อมูล (Data and Government)

เอกสารทางเทคนิค (Technical Documentation)

มีการประเมินการปฏิบตั ิ ตามกฎหมาย (Conformity Assessment)

มีการจัดเก็บข้อมูลอัตโนมัติ (Automatically Generated Logs)

มีความโปร่งใส (Technical Documentation)

มีช่องทางสังการโดยมนุ
E ษย์ทีEเหมาะสม (Human Oversight)

ทีEเหมาะสม (Accuracy,
มีความแม่นยํา ผ่านการทดสอบ และความมังคงทางไซเบอร์
E
Robustness and Cybersecurity
Undertakings
Where to draw the line for “high” risk?

Who should bear the obligation(s)?

Does the ‘innovation-regulation tradeoff’ really exist?

DMA
New technologies enable new
analyses
การรับฟังความคิดเห็นตาม พรบ. 77
การรับฟังความคิดเห็นต่อร่ างกฎหมายแก้ไข
เพิ;มเติมพระราชบัญญัติกองทุนเงินให้กยู้ มื เพื;อ
การศึกษา พ.ศ. 2560
Make RIAs smarter!!!
ใช้ LDA Topic Modeling ในการหาหัวข้ อของความคิดเห็น

https://monkeylearn.com/blog/introduction-to-topic-modeling/#:~:text=It's%20simple%2C%20
really.,infer%20topics%20within%20unstructured%20data.&text=By%20detecting%20patterns%20
such%20as,expressions%20that%20appear%20most%20often.
สถานะในการแยก topic [จํานวนเอกสาร/ความเห็น] สถานะที?ระบุในความเห็น

ฝ่ ายผูก้ ู้ [+,-] ผูก้ 'ู้ ,'กูเ้ รียน', 'ผูค้ า7ํ ประกัน','ผูป้ กครอง','นายจ้างของผูก้ 'ู้ ,'ภรรยาผูก้ 'ู้ ,'อยูใ่ นขัน7 ตอนยืนC กู'้ ,'กูเ้ งินผ่านมหาลัย'

ฝ่ ายผูใ้ ห้กู้ [,H] เจ้าหน้าทีขC องกองทุน','ครูหรืออาจารย์ททCี าํ หน้าทีเC กียC วกับการกู'้ ,'สถานศึกษา','ผูส้ นับสนุนเยาวชนเรียนดีแต่ยากไร้','
สถาบันการศึกษา'

ไม่ระบุและอืนC ๆ [X-] ไม่ม'ี ,'undefined',np.nan,'ไม่เกียC วข้อง','สือC ต่างๆๆ','พนักงาน\u200bบริษทั ','พนักงานบริษทั ฯ'

 No. Topic name

1 ขอมาตรการช่วยเหลืออืนC ๆ ในเรือC งชําระหนี7

2 ปรับปรุงโครงสร้างหนี7

3 ให้ปรับร่างเพือC ประโยชน์ต่อบุคคลทีโC ดนฟ้ อง

4 ลดดอก ลดเงินต้น

5 ผ่อนผัน พัก อายัดทรัพย์

6 ให้โอกาสกลุม่ บังคับคดี/โดนดําเนินคดี

7 ผูก้ ใู้ นสถานการณ์โควิด

8 ความเท่าเทียมในการช่วยเหลือลูกหนี7

9 พัก ยืดเวลาชําระหนี7

10 ยกเลิกเบีย7 ปรับ

11 ควรมีทใCี ห้แจ้งปั ญหา

12 ปั ญหาดอกเบีย7
Computational antitrust in Merger control
• Thibault Schrepel, “Computational Antitrust: An Introduction and
Research Agenda” Stanford Computational Antitrust (Vol. 1) 2021
• EC examined over 2.7 million documents in the Bayer and Monsanto
case => NLP and Computational antitrust will help
• Data are possessed by merged parties and could be ‘undisclosed’
• More API-based communication (rather than traditional measures such as
injunctions to produce records or dawn raids)
• Projection and predictive methods of ‘potential competitive effects’
especially the ‘Killer Acquisitions’
“I see something you don’t see”: A
computational analysis of the DSA and DMA
• Fabiana Di Porto, Tatjana Grote, Gabrielle Volpi and Riccardo
Invernizzi (2021)
• Scrape responses in the consultation process and classify into 3
Corpora
• Corpus A (Individuals and micro-organizations)
• Corpus B (small companies/organizations) and
• Corpus C (medium and large companies/organisation)
• Then, learn the difference between key terms’ word vectors across
different Corpus
• E.g. Gatekeepers, Interoperability, and Self-preferencing