© Behavioral Informatics &
Interaction Computation Lab.
All rights reserved.
Interaction Computation Lab.
All rights reserved.
自 2023 起，全球迎來人工智慧大爆發的豐饒時刻：從 2023 MidJourney 驚為天人的算圖功力受到廣泛討論、ChatGPT的橫空出世，到 2024 各家大型語言模型（LLM）品牌百家爭鳴，再至近期 ChatGPT 的吉卜力算圖充斥風靡社群媒體；人工智慧似乎愈發緊密鑲嵌於我們日常生活。在技術蓬勃發展之下，人類千年歷史也警醒著我們以相應規定——或者至少是共識——與技術相繩是勢在必行。從美國白宮在 2023 年 10 月 31 日簽署 「安全、可靠且值得信賴的開發及使用AI行政命令」（“Executive Order on the Safe, Secure, and Trustworthy Development and Use of AI”）、歐盟在 2024 年 8 月 1 日公開「歐盟人工智慧法案」（“EU Artificial Intelligence Act”），到臺灣自身的「人工智慧基本法草案」也已在院堂討論之中；翻諸這些律令，我們能發現使 AI 為使用者「可信賴」（trustworthy）往往是眾多規範的核心要點之一。
而，可信賴究竟是什麼意思呢？
2025 年 3 月 28 日，在國立清華大學電機工程學系劉奕汶教授的邀請下，李祈均老師來到電機系書報討論的課堂，跟同學們分享 BIIC Lab 關於可信賴式人工智慧一些初步想法與研究成果。從除了日常生活外，AI 更是能為醫療領域帶來極大助益切入，李老師順勢指出我們可以用藥品從研發到上市來設想 AI 之部署至應用，可以如何由三個層面來定義「可信賴」：「隱私」（privacy）、「公平」（fairness）與「安全」（safety）；在這次的分享中，李老師將主要著重在「公平」與「隱私」兩個面向。
「隱私」，意指設計相應機制保護使用者在 AI 從訓練到推論的各階段所提供的資訊：譬如，透過聯邦式學習將訓練階段限制在本地免於傳遞時洩漏的可能[1]、加密使用者提供給模型的資訊避免被加工使用[2]、限制提供給模型使用的資料在必要特徵杜絕使用者其他資訊外洩[3]。
「公平」，又可以從團體與個體公平兩個面向來理解：以情緒辨識的應用會面臨的性別討論來說（讓我們先最保守地將性別二分為生理男及生理女），在個體性上，是指面對不同的生理男，模型都能有相對一致的結果[4]，而就團體性公平論，即是讓 AI 能在無論生理男女使用上都能有相近甚至一樣的結果[5]；除此之外，讓我們再退一步到資料訓練的場景，標記者及語者的性別差異也可能影響對於情緒資料的標記[6]。再將視線放到資料本身，在訓練資料間本身就存在著落差時（即是所謂部分資料有著 missing data)，要如何消弭這些落差使後續應用不致表現出差異，也是亟待克服的難題之一[7]。
「安全」，指的是模型可以穩定的運作；也可以細細從不同面向展開來討論，不過在這次演講中，李老師比較沒有分享到我們相關的研究，這邊就也先暫且不表。
光是試著描述出這三個面向可能的具體現象就如此困難，遑論研究者實際投入研究時，企圖抽絲剝繭所要花費的無比心力！如同李老師在 Q&A 階段回應同學的提問時所說，這些研究都在持續進展的歷程，於技術進展與社會回應的互動中，工程師們一步又一步擘畫出可信賴式AI的實作與應用；這樣複雜的工程，單靠工程師們竭力研發難以完全，而更必須靠著政府部門、學術研究、產業實踐、社會大眾等各場域的通力合作才有可能，歐盟、美國聯邦政府所制訂的律令只是開始的一小步，來日方長，尚待眾人一同努力。
