大家好，我是王琍瑩律師。上一集我們大致介紹了全部課程的主題、跟脈絡，我認為，今天從「好 AI 與壞 AI」這個話題出發，會是一個很好的開始。怎麼說呢？因為如果針對 AI (Artificial Intelligence；人工智慧) 這個議題，我的朋友名單啊，大致可以分為三種，一種是「無限期支持」、一種是「誓死反對」、還有一種就是會問「蛤？什麼？」
這種「蛤？什麼？」的朋友，常常會跟我說：「欸好巧喔！我才剛想說要去北海道玩，臉書就跳出來旅行社的廣告！」，並且為此感到幸福。為了這樣的朋友，我會先試著解釋，雖然我們都用 Facebook 交朋友、看新聞，用 Messenger 和 WhatsApp 傳訊息、打電話，滑著 Instagram 羨慕別人的生活，但是 Facebook 和它的這些兄弟姊妹，本質上就是四個字：「廣告公司」。
我不知道你接不接受「Facebook 就是一間廣告公司」的這個說法，但是如果我的朋友不相信，我就會請他到我們「明日科技法律事務所」的粉絲專頁按個讚，然後開後台給他看「小編的一天」到底都在忙些什麼。
赤裸裸地打開後台，就會看到我們事務所的貼文成效，包括觸及的人數、互動的情形，然後 Facebook 還會幫忙列出競爭對手的成效對照，用激將法鼓勵小編再接再厲。我先跟大家自首，我們是一個沒有花錢投放廣告的粉專，所以貼文成效慘不忍睹，也是剛好而已，就靠大家聽完這一集，幫忙按個讚了。其實關於律師到底能不能夠投放廣告，還牽涉到科技法律和法律科技這個繞口令的話題，我們之後課程再來討論。
但假設我們要花錢投放廣告，Facebook 後台會有密密麻麻的選單，就像今天課程文稿中提供的幾張截圖，包括性別、年齡、地域、學歷、企業、財務、家庭、興趣等等，好多好多，協助我們來「建立廣告受眾」，也就是 Target Audience (TA)。比方說，我們事務所想要設定的 TA 是走在科技前線的創業家、以及負責推動數位轉型的企業經理人，那麼我可能會點選25 到45 歲、公司負責人或主管、喜歡科技、或許再勾一下喜歡健身和重訓。如果我不確定已婚或未婚和我的 TA 有沒有關聯性，我也可以做 AB Testing，觀察哪一種成效比較好。然後如果某些講座特別適合連續創業家，也可以在活動的廣告設定中，排除社會新鮮人。
「小編的一天」介紹到這裡，我的朋友通常就會插嘴問說：那 Facebook 怎麼會知道大家的背景、喜歡或討厭什麼呢？事實上，不只是 Facebook 的廣告置入，從 Google 搜尋引擎、Siri 語音助理、Netflix 影片推薦、到 UberEats 訂餐外送，這一類將使用者 Profiling (剖析建檔) 的過程，當然依賴的就是大量的數據、和協助進行數據分析的 AI 技術。在後續的課程當中，我們還會從各種不同面向來觀察這些數據經濟 (Data Economy) 是如何不知不覺、方方面面介入我們的日常生活，也會進一步討論數據的壟斷，已經大到一個多麼驚悚的程度。
所以當朋友問我「蛤？AI 是什麼？」的時候，我的白話文答案就是「AI 讓有好的數據、又懂得善用數據的公司，想要做什麼都可以」，這裡的數據，包括了文字的、數字的、圖像的、語音的、行為的、生物的、動態的、靜態的⋯⋯各式各樣。當然，這句話，把「公司」代換成「政府」也是完全無違和的。但無論是公司或政府，這句話往往就是讓我的朋友分裂成「無限期支持 AI」和「誓死反對 AI」的原因。
我站在中間，沒有辦法裁決，因為兩邊都有非常好的理由。為什麼 Internet 和 AI 會造就所謂的數據經濟，因為 Internet 讓數據的蒐集和交換變得更加容易，然後 AI 讓數據的分析和使用變得更有效率。AI 的影響可以是這麼迅速、這麼廣大，所以我常常說：「Who can do good will do better with AI. What can go wrong will go worse with AI.」所有好事，會因為 AI 而變得更好，所有壞事，也會因為 AI 而變得更糟。
再回到我們剛剛說的「小編的一天」，一開始，AI 只是幫助在 Profiling 的過程中，猜猜看你想買什麼、想看什麼、想吃什麼。但是，隨著更多的數據和更精準的演算，AI 開始會知道像是，誰剛懷孕了、誰準備跳槽、誰又暗戀誰，這些「不能說的秘密」。
然後，無論你願不願意、承不承認，AI 會比你更瞭解你自己，這些數據和演算的結果，可能會成為貸款的信用分數、看病的用藥依據、甚至是犯罪的呈堂證供。
再更進一步，AI 其實會回過頭來操縱個人意志，決定我們該買什麼、該看什麼、該吃什麼，甚至，票投給誰。後面的課程，我們會再聊聊「假新聞、帶風向、和數位民主 (Digital Democracy)」這些非常重要的議題。
難就難在，當我們說「所有壞事，會因為 AI 而變得更糟」。這些壞事，包括了惡意的、當然也包括無意的。所有機器學習 （也就是Machine Learning)）的模型和成效，都取決於人為的建構，尤其目前主流的深度學習 （也就是Deep Learning），所謂類神經網路的開發，就像我們人類的學習，對一件事情，為什麼會得出這樣的結論，自己也說不上來，Deep Learning 的系統開發者，也只能判斷運算結果的好壞，而無從得知 AI 作成決策的過程，所以才被稱之為「演算法黑箱」。
既然 AI 演算法的每一筆訓練資料 (Training Data)，都是已經發生的事實，那麼當這些事實存在偏見，演算法的產出，就必定是偏見的重現。這就是實務運作中，常常無意造成的演算法偏見 (Unconscious Bias)。為了降低「演算法黑箱」可能造成的偏見，各界開始推動「Trustable AI」（可信任的人工智慧） 這樣的觀念和作法。
Trustable AI 要處理的，就是藉由提升演算法的公平性、倫理性、當責性和透明性，也就是 Fairness、Ethics、Accountability 和 Transparency （所謂的 FEAT Principles） 來設法校正這些偏見，包括大家現在非常重視的歐盟 GDPR (General Data Protection Regulation) 個資保護規範，也相當強調這樣的觀念。
說起來非常抽象，大家如果想要讀比較硬的法條介紹，歡迎點選文稿提供的我的文章連結。
那我們就先不講抽象的 FEAT 原則，先回到「小編的一天」。你可能還記得，剛剛我們開後台的時候，可以透過各種選項，來精準設定廣告 TA。可是，你有沒有覺得哪裡怪怪的？如果今天企業要投放徵才的廣告，但是只勾選男性呢？如果今天銀行要投放貸款的廣告，但是只勾選天龍國居民呢？這些案例，可能涉及歧視，都必須被限制。事實上，Facebook 針對住房 (Housing)、僱傭(Employment) 和信用貸款 (Credit Offers) 這些敏感項目，都已經正式宣佈新的廣告投放措施，禁止使用年齡、性別或郵遞區號來鎖定投放對象。
聊到這裡的時候，我的「無限期支持 AI」的朋友，通常會修正為「無限期支持 Trustable AI」，但我的「誓死反對 AI」的朋友，還是會追問說：那如果是 AI 惡意使壞呢？
這當然是合理而且重要的疑慮，例如像 Deepfake 這一類AI 人體圖像合成技術，大家可能都看過媒體報導，把偶像明星的臉，移花接木到色情影片，把美國總統不曾說過的話，塞到他的嘴裡。關於網路上的訊息氾濫、真假難辨，我們之後的課程還會有很多討論，今天，我們就先樂觀地想像，既然 AI 可以為善、也可以為惡，那就表示，當有人以 AI 當矛、向外攻擊的時候，就會有人發明更厲害的 AI 為盾、加以反制。像是 Adobe 在 2019 年發表的一項新的 AI 工具，可以把我們 Photoshop 編輯的美肌照片一張一張還原，除了可以一秒抓包我們的美肌小心機，當然也可以用來對付惡意變造的假新聞照片。如果聽眾朋友當中有 AI 應用的業者，我相信「提供更厲害的 AI solution 來對付使壞的 AI」，絕對會是一門好生意。
至於如果要講到 Trustable AI 的公共政策，我常常會用「無人車」的三個問題來問大家：
如果有一輛無人車，出車禍的時候會保護比較多人，另一輛會傷害比較多人，你選那一輛呢？
如果為了保護比較多人，有可能傷害車子裡的你，你選哪一輛呢？
如果為了保護比較多人，有可能傷害車子裡你摯愛的家人，那麼你又會選哪一輛呢？
通常第一個問題，大家的回答都相當道德正確，到第二題，也有很多朋友會願意犧牲小我、完成大我，但是到了第三題，往往就是一陣沉默。
這就是典型 AI 應用的 Trolley Problem 倫理兩難，況且，無論「保護多數人」的這個選項多麼道德正確，在現實世界中，銷量第一的，恐怕還是能夠優先保護使用者的無人車吧！這也就是為什麼 Trustable AI 的推動，無論在民間自發的力量、或是政府公共政策的角色，都是又急又重要。
今天的課程到這裡告一個段落，如果你還想知道更多，歡迎點選文字稿提供的參考資料連結。
還有，既然大家都對我赤裸裸的粉專後台充滿同情了，聽完課程，記得要去按讚、留言、加分享喔！我們下次再見！