人文社會的跨領域AI探索

推薦序

AI 來了，人文與社會科學該如何應對？

人工智慧無庸置疑是過去幾年來最夯的關鍵詞。由於電腦運算速度的飛躍成長，數位資料收集與儲存數量的爆炸性增加，再加上演算法如機器學習等的快速進步，舉凡推薦系統、法院判決、犯罪偵測、量刑系統、物件（如人臉）辨識、 自駕車等，早已深入我們的生活中，扮演著重要資源分配與決策指引的角色。說弱AI 已然無所不在，應非誇大之辭。

雖說歷史不乏技術進步徹底改變人類生活的例子，但評論者大都同意，像AI 這般技術進步速度之快、對人類生活的應用面向之廣影響之深，恐怕是史無先例。而在網路外部性的推波助瀾之下，像亞馬遜、Meta 這類已經在數據經濟佔據重要地位的大型平台，除了更能有餘裕投入大量資源分析資料，優化商業模式外，同時也會鞏固其獨佔力，讓其他廠商更難進入市場。而除了原本的商業目的外，這些資料的分析，也產生了許多不在原本目的（如購物社群網路連結）內的後果， 劍橋分析的醜聞，就是一個最好的例子。

新技術的研發，有賴於科學家或工程師的創新，但是理解新技術對社會的影響，以及更重要的，社會需要什麼樣的新技術，以及這個技術該如何地被使用，就是人文社會科學研究者責無旁貸的責任了。這件事說來容易，但執行起來困難重重。除了需要參與者對跨域知識有一定的熱情與了解外，跨領域學者之間的互動與論辯，是整合是否成功最重要的因素。我在2021 年，設計了增能計畫，鼓勵組織跨學門團隊，針對人社領域重要議題共同研究，提出解方。當時擔任社會學門召集人的清大社會所林文源教授，與已經在本處執行「人工智慧的創新與規範」專案的中研院法律所李建良研究員討論，再加上哲學、人類學、區域、藝術、心理，教育、以及科傳共九個學門，以公共化AI 為切入點，從各個面向探討人工智慧的應用、發展與影響，除了補救與批判，更重要的是「如何成為更好的AI」。本書即為此一專案的研究成果，可說是國內人社學者首度集結，針對AI 做出系統性深度反思的作品。

電腦科學和密碼學先驅圖靈（Alan Turing）在 1950 年的論文：“Computing Machinery and Intelligence” 描繪了這樣一個問題：玩家C只能跟機器A 與玩家B 透過文字來回溝通，如果在經過跟兩者一連串相同問答後，玩家C 無法分辨誰是機器，誰是人類，那就表示機器A 在這個「模仿遊戲」中成功地騙過玩家C，通過了圖靈測試，在智慧與思考方面成為了（或被認為是）「一個人」。然而，圖靈無法告訴我們的是靈魂與人性該如何測試。AI 是不是如同許多科幻小說所描繪般，會在某些情況下發展出不論善惡的人性，我們仍無法預測。

但現在的演算法，如何在了解它們的後果之下， 展現出更有人性，更具同理心的安排，仍然掌握在人類的手上。透過合理非歧視的制度設計、 安全透明可解釋的演算法，讓人類智慧與人工智慧達到共榮共利，是本書希望開啟的方向。

林明仁

國家科學及技術委員會人文及社會科學研究發展處處長

推薦序

AI 是當前人類科技的重大進展，並且已有數波推進。然而近年的突破帶來無窮希望之際，也伴隨著諸多疑慮。在產業、倫理、人權等面向，各界已提出許多呼籲及預警。

大學乃是社會發展的探險隊，協助探索人類社會與文明前方的未知領域，嘗試找到更好的未來方向。在AI 這樣的新興科技，大學不能只是一廂情願的憂慮或樂觀。目前AI 技術領域的蓬勃發展過程中，我們欣然看到許多人文社會學者積極投入AI 的跨領域思考與合作，進行人文社會新領域的探險。在人類文明與社會邁向AI 時代的同時，如同本書第一章所說，人文社會領域如何不只是被動地做為「人社欠缺」，而是更為主動地探索「人社導向」的AI，會是新的人文社會重要領域，畢竟科技始終來自於人性，而這個領域的累積與茁壯，也將有助於AI 科技淑世利民，邁向更為包容而且友善的應用。

在這個理念之下，本書《人文社會的跨領域AI 探索》，由中研院李建良所長與本校林文源教授費心邀集十多位學科領域的優秀作者，分別就政策法制、社會倫理、思想哲理與技術文化面向，撰寫十餘篇深具洞見的章節編著而成。這些深入淺出的探討，是以人社導向的視野推進跨領域AI 合作的重要嘗試，相當值得閱讀，而其開啟的跨界探索也相當令人期待。

更為令人欣喜的是，本校出版社也因應這個AI 跨界發展與合作的需求，成立「AI、科技與社會」系列叢書，為這個重要趨勢奠下基礎。本書是系列叢書的第一本出版品，提供了相當好的示範。也希望這個系列叢書能夠隨著AI 科技的日益普及，持續引發討論。謹此期望這個結合科技與人文的叢書能與清華3.0 的文藝復興一同成長，為本地社會與人類文明做更大的貢獻。

賀陳弘

國立清華大學動機系講座教授、前國立清華大學校長

推薦序

約莫幾年前而已，有人用電腦研究各種文法、詞句組合等與文章相關的技巧，因此興起用電腦幫大專聯考作文打分數的念頭。近幾年由於深度學習技術的快速發展，各行各業都想利用深度學習的優越性，替自己領域開拓新的運作模式。在刑事犯罪領域，臺灣最常發生的犯罪種類是販賣毒品及詐欺，於是有人想到，是不是可以利用人工智慧深度學習技術替工作繁重的檢察官自動產生初步毒品案及詐欺案的起訴書，檢察官只需針對犯罪內容輕重，對每一個案子做小部分的增刪或數字修改即可。在醫學檢驗領域，傳統胸腔科十分仰賴放射科的X 光或MRI 影像。放射科醫師或技術人員常常需要一天看上百張或上千張各種影像。因為不容出錯，高壓不難想見。透過人工智慧深度學習的技術，電腦可以自動替放射科人員先標註可疑區域，再由醫師針對初篩的結果進行更詳細的標註。檢察官及放射科醫師工作都超級忙碌，如果能利用人工智慧的技術協助他們完成大量且繁重的初步工作，他們就可以花較多的心思在需要縝密思考的部分，如此一來，較有溫度或具人性的心證或醫療判斷才比較容易產生。

誠如林文源及李建良兩位教授在本書引言中所言：「……除了技術與產業轉型外，AI 帶來的潛在願景與衝擊，已經觸發法律、政治、經濟及社會，甚至關於人性、思想與價值的根本議題。」本人在1980-1990 第二波AI 革命時，曾經用類神經網路當工具完成博士論文的一部分。這一波AI 革命（2010 開始）起於ImageNet 的建構，因為軟硬體的條件齊備，造就這一波以深度學習為基礎的AI 革命。本人於2016 年才意識到深度學習可能帶來的衝擊，在那時開始急起直追。2018 年起連續4 年接受科技部AI 專案計畫補助，按照科技部希望「業界出題，學界解題」的精神去執行此計畫。因為執行計畫，本實驗室處處要用到「物件偵測」的技術，因此很幸運地在2020 年4月發展出舉世聞名的YOLOv4 演算法。它有很長一段時間雄踞世界排行榜第一名，是世界上最快、最準的物件偵測演算法。但問題來了：YOLOv4 是世界上最快、最準的物件偵測器，它可以在很短的時間，用最少的資源（可嵌入mobile device，如無人機、手機），將要偵測的物件種類一一用bounding box 框起來。我們實驗室馬上想到是不是可以用它作基礎往下做很多事呢？既然它可以架在無人機上快速偵測人臉，它就可以接下去「辨識人臉」，進而當「武器」或有效「監控人民」。研究走到這裡，很多「AI 的能與不能」人文、社會導向相關議題就一一浮現了。這是一個活生生的例子，相信很多最頂尖的AI領域科學家都會面對類似的問題，就與當年發展核子技術的科學家很多是基於對科學的探索及希望對人類有所貢獻而從事該項研究，他們大多數人絕對不願意讓該項技術被發展成殺人的武器。

很多優秀的科學家醉心於研究，對人文、社會方面的議題接觸較少，最近發生一個年輕人利用科學家發展出的「Deep fake」軟體偽造許多色情影片的事件，它傷害了很多無辜善良的人。其實這件事應該是可以避免的。科學家，尤其是最頂尖的研發團隊，應該借鏡過去所發生的種種事件，在研發之初就要先想想若一旦完成研發後，研發成果所可能帶來的負面衝擊。在AI 時代類似的議題會越來越多，例如：YOLOv4 在偵測犯罪行為的時候，會不會因照度（illumination）問題而在不同膚色人種之間造成差異？「去識別化」也是一個值得探討的問題，因為它是一個雞生蛋、蛋生雞的矛盾議題。例如：在播放新聞片時，AI 技術自動將畫面中關鍵人物之臉部模糊化。本來「偵測」及「辨識」在技術上是不同層次的議題。偵測人臉只需符合有五官等要求即可，不需太精細的描述。然而「辨識」人臉因需要知道此人是誰，所需的描述規格就必須高一些。當技術人員能利用AI「辨識」身分再加以模糊化時，所需要的技術層級已經