快速回答：AI 倫理是什麼？
AI 倫理（AI Ethics）是研究 AI 系統應該如何被開發、部署和使用的領域。它關心的核心問題是：AI 的決策是否公平、透明、可問責？AI 會不會傷害某些群體？誰應該為 AI 的錯誤負責？
AI 倫理不是學術象牙塔的話題——它直接影響你的日常生活。你的銀行用 AI 決定要不要給你貸款、公司用 AI 篩選你的履歷、法院用 AI 評估被告的再犯風險。這些 AI 系統如果有偏見或錯誤，受影響的是真實的人。
AI 倫理的正式定義
AI 倫理是一套原則、指南和實踐，指引 AI 系統的設計、開發和部署，確保 AI 對個人和社會產生正面影響，同時最小化潛在的傷害。
這個定義涵蓋了整個 AI 的生命週期——從訓練資料的收集、模型的設計、到部署後的監控和改善。AI 倫理不只是「不做壞事」，還包含主動確保 AI 產生正面影響。
為什麼 AI 倫理重要？
AI 系統正在做越來越多原本由人類做的決定。當人類做決定時，我們可以問他為什麼這樣決定、可以上訴、可以找他負責。但 AI 做決定時，常常沒有解釋、沒有上訴管道、也不清楚誰該負責。
規模效應讓問題放大。一個有偏見的人資主管可能影響幾十個求職者；一個有偏見的 AI 履歷篩選系統可能同時影響數萬人，而且是以系統性的方式歧視——每個被歧視的人都以為只是自己不夠好，不知道是系統有問題。
AI 的錯誤很難被察覺。如果一個信貸評分 AI 對特定族群有偏見，被拒絕貸款的人通常不會知道是因為偏見——他只知道自己的申請被拒絕了。要發現這種系統性偏見，需要有人做大規模的統計分析。
AI 倫理的六大核心原則
公平性（Fairness）
AI 系統不應該因為種族、性別、年齡、宗教等受保護的特徵而對特定群體產生不公平的結果。
實際的挑戰：「公平」本身就有多種定義。一個貸款 AI 可以做到「對每個族群的核准率相同」（統計均等），但這可能代表對信用較好的族群不夠嚴格，或對信用較差的族群放水。不同的公平性定義之間可能互相矛盾。
透明性（Transparency）
AI 系統的決策過程應該是可以被理解和檢視的。使用者應該知道他們在跟 AI 互動（而不是以為在跟人互動），也應該能夠理解 AI 為什麼做出某個決定。
實際的挑戰：深度學習模型本質上是「黑盒子」——即使是開發者也不完全理解模型為什麼做出某個特定的決定。可解釋 AI（XAI）是一個活躍的研究領域，但離「普通人能理解 AI 的決策過程」還有很大的距離。
問責性（Accountability）
當 AI 系統造成傷害時，應該有明確的責任歸屬。誰開發的？誰部署的？誰決定使用的？出了問題找誰？
實際的挑戰：AI 的供應鏈很長——資料提供者、模型開發者、API 提供者、應用開發者、部署企業——出了問題每個環節都可能推卸責任。
隱私（Privacy）
AI 系統在收集、處理和儲存個人資料時，應該尊重使用者的隱私權。
實際的挑戰：大型語言模型的訓練資料包含大量的個人資訊（網路上的公開文章、社群媒體貼文），這些資料在訓練前通常沒有取得個人同意。模型可能會在回答中洩漏訓練資料中的個人資訊。
安全性（Safety）
AI 系統不應該對使用者或社會造成傷害。這包括物理傷害（自動駕駛的事故）、心理傷害（AI 生成有害內容）和經濟傷害（AI 做出錯誤的財務決策）。
人類控制（Human Oversight）
在高風險的決策中（醫療、法律、金融），AI 應該是輔助工具而非最終決策者。人類應該保有最終的決定權和否決權。
AI 倫理的主要爭議
AI 偏見
AI 系統會反映和放大訓練資料中的偏見。如果歷史資料中女性工程師較少，AI 履歷篩選系統可能會自動偏好男性候選人。這不是 AI 「想」歧視——它只是學到了歷史資料中的模式。
深偽技術（Deepfake）
AI 可以生成逼真的假影片和假音訊。這被用於政治操弄（假的政治人物發言）、詐欺（模仿 CEO 的聲音要求匯款）和個人侵害（未經同意的色情內容）。
智慧財產權
AI 模型的訓練資料包含大量有版權的內容（書籍、文章、程式碼、圖片）。這些內容在訓練前通常沒有取得版權持有者的授權。AI 生成的內容是否有版權？誰擁有這些版權？目前法律上仍有爭議。
就業衝擊
AI 自動化可能取代大量的工作。哪些工作會被取代？被取代的人怎麼辦？AI 帶來的經濟利益如何分配？這些問題涉及社會公平和經濟政策。
AI 武器化
自主武器系統（Autonomous Weapons）——AI 控制的無人機或飛彈，可以在沒有人類確認的情況下決定攻擊目標。這引發了嚴重的倫理和國際法問題。
全球 AI 治理現況
歐盟 AI Act
2024 年正式通過的歐盟 AI 法案是全球最具影響力的 AI 法規。它根據 AI 系統的風險等級來監管：
- 不可接受風險（禁止）：社會信用評分系統、即時人臉辨識（有例外）
- 高風險（嚴格監管）：醫療 AI、信貸評分、履歷篩選、法律判決輔助
- 有限風險（透明度義務）：聊天機器人（需告知使用者在跟 AI 互動）
- 最小風險（不管）：垃圾郵件過濾、遊戲 AI
美國
美國採取分散式監管——沒有統一的聯邦 AI 法律，由各部門和各州分別制定。2023 年的白宮 AI 行政命令設立了一些框架和報告要求。各州（特別是加州和紐約）有自己的 AI 相關法律。
台灣
台灣行政院在 2024 年提出「人工智慧基本法」草案，目前仍在立法過程中。現行法規中，個人資料保護法和消費者保護法可以部分涵蓋 AI 相關的問題。金管會和 NCC 等部門針對特定產業有 AI 使用的指引。
企業 AI 治理實踐
建立 AI 倫理委員會。大型企業會成立專門的委員會，審查 AI 系統的開發和部署是否符合倫理標準。委員會通常包含技術、法律、倫理和受影響社群的代表。
進行 AI 影響評估。在部署 AI 系統前，評估它可能對不同群體產生的影響。特別關注是否有歧視特定群體的風險。
監控和稽核。部署後持續監控 AI 系統的表現，定期稽核是否有偏見或不公平的結果。
制定 AI 使用政策。告訴員工什麼場景可以使用 AI、什麼場景不行、使用時的注意事項。
安全注意事項
AI 倫理不只是大公司的事。如果你用 AI 做決策（例如用 ChatGPT 幫你篩選候選人、用 AI 分析客戶資料做行銷），你也需要考慮這些決策是否公平、是否侵犯隱私。
不要盲目信任 AI 的判斷。AI 可能有系統性的偏見，特別是在涉及人的決策上。AI 說某個候選人「不適合」，不代表真的不適合——可能是偏見造成的。
使用 AI 生成內容時要標明。特別是在新聞、學術、法律等需要可靠性的領域。不標明 AI 生成的內容，可能造成資訊品質的信任危機。
飛飛的觀點：AI 倫理不應該被視為「限制 AI 發展的障礙」，而是「確保 AI 發展方向正確的護欄」。沒有護欄的公路不是更自由，是更危險。
常見問題
AI 倫理和 AI 安全一樣嗎？
不完全一樣。AI 安全（AI Safety）主要關注 AI 系統的技術安全性——不會出錯、不會被攻擊、不會做出有害的行為。AI 倫理的範圍更廣，包含公平性、隱私、問責、社會影響等。兩者有重疊，但 AI 倫理包含了更多社會和哲學的面向。
誰應該為 AI 的錯誤負責？
目前法律上沒有統一的答案。一般來說，部署 AI 系統的企業對其造成的影響負責。但如果問題出在模型本身（例如 AI 服務提供商的模型有偏見），責任分配會更複雜。歐盟 AI Act 開始建立一些責任歸屬的框架。
AI 會取代人類的工作嗎？
部分工作會被改變，部分會被取代。歷史上每次技術革命都消滅了一些工作、同時創造了新的工作。AI 的特殊之處在於它影響的是白領和知識工作——這是過去技術革命較少觸及的領域。
台灣有 AI 相關法規嗎？
台灣的「人工智慧基本法」草案正在立法過程中。現行的個人資料保護法、消費者保護法可以部分涵蓋 AI 相關問題。金管會對金融業的 AI 使用有特定指引。
開源 AI 更有倫理嗎？
不一定。開源 AI 的透明度更高（任何人可以檢查模型），但安全護欄也更容易被移除。閉源 AI 可以強制執行安全限制，但透明度較低。兩者各有倫理上的優缺點。
個人可以做什麼來促進 AI 倫理？
了解 AI 的限制和偏見、在使用 AI 做重要決策時保持批判性思考、要求使用的 AI 產品有透明度和可問責性、支持負責任的 AI 政策和法規。
參考資料
- EU AI Act — artificialintelligenceact.eu
- OECD AI Principles — oecd.org/ai
- IEEE Ethically Aligned Design — ethicsinaction.ieee.org
- 台灣行政院人工智慧基本法草案