看不見最可怕！三種AI偏見，都是人臉惹的禍|數位時代 BusinessNext

看不見最可怕！三種AI偏見，都是人臉惹的禍

人臉辨識隨著iPhone X推出，成為討論度極高的生物辨識，但演算法也是由人所寫出來的，當臉部辨識用於犯罪防治，引發歧視問題。過去也有許多AI演算法延伸出的偏見問題，像是Google照片搜尋、用人臉判別性取向。無形的AI偏見，更值得人類警惕。

臉部辨識用於犯罪防治引發歧視問題

雖然人臉技術應用的未來看似多元又方便，但若是應用在涉及人權的犯罪防治工作上，則引發了歧視問題。

2015年，美國佛羅里達州的警方在執行毒品查緝臥底時，暗中拍攝了幾張嫌犯的照片，後來透過臉部辨識軟體搜捕嫌犯，儘管當時許多科技專家認為呈現的結果存有瑕疵，但當局仍逮捕了由軟體辨識出的嫌犯人選，但人臉辨識逮捕嫌犯真得精準嗎？

根據2016年美國喬治城隱私暨技術法律中心公佈的一份調查報告，指出在美國執法機構中，可存取的美國成人人臉辨識資料超過1.17億人，這個數字幾乎是一半的美國成年人都被記錄在資料庫中；同時，美國至少有26州允許執法機構執行人臉辨識搜尋，大約有一半的美國成人因此受到影響，而現階段還沒有針對公民臉部識別數據隱私設立的法律規範，警方不需要任何的證據或理由就可以監控民眾的資料。

這份報告中還提到，臉部識別數據庫會「無意識」的偏向識別黑人，但依據現在的演算法技術，識別黑人的準確度相對較低、較容易出錯，黑人被歸類在「高風險」類別的機率是白人的兩倍，本來應該提供客觀意見的人工智慧（AI）演算法，也如同現行司法系統一樣，並不是完美的生物辨識系統，新技術潛在的偏見，也讓許多民權團體呼籲美國當局應該立法，避免技術被濫用甚至侵犯人權，這樣的狀況讓黑人、少數族群在新的科技時代面臨新的困境。

AI偏見案例層出不窮，全是人臉惹的禍

不只是臉部辨識系統，過去也曾發生過AI演算法延伸出的偏見問題。

2015年Google Photos 把黑人的照片標籤為「大猩猩」，利用同樣的演算法在 Google Search上搜尋照片，「醫生」通常會跟「白人男性」連結、「護士」會跟「女性」連結，將人類潛意識下對於性別、種族的觀念在搜尋結果中產生連結。

AI不經意的學習人類長期以來的偏見，要徹底解決其實並不容易，微軟紐約研究院資深研究員 Hanna Wallach 曾說：「只要機器學習的程式是透過社會已存在的資料訓練，那麼只要這個社會有偏見，機器學習就會重現這些偏見。」

今年九月，史丹佛大學教授 Michal Kosinski在《性格與社會心理學期刊》發表了一份研究，AI 可以根據臉部照片判斷是同性戀或異性戀，且男性性取向的準確率高達91%、女性準確率則是83%；這項研究在當時影發爭議，許多 LGBT團體紛紛跳出來抗議，認為這類軟體極有可能成為迫害人權的工具。

但研究團隊則認為，是政府的監管以及隱私保護規範未能跟上 AI 的發展，就如同人臉辨識也能用於司法判決參考、學校針對入學學生的智商推論、大型活動入場前暴力威脅的判定，AI、人臉辨識技術、數據含有人類的偏見成分，後果當然令人擔憂，史丹佛大學教授Michal Kosinski強調，這份研究的目的不是要判別誰是同志，而是要大家警惕AI所帶來的影響。

為什麼AI會模仿人類的偏見？

為什麼走在時代前端的科技技術也會存在著「偏見」呢？麻省理工學院媒體研究室的研究員Joy Buolamwini認為，這是因為許多人臉辨識背後的演算法，都是由白人男性工程師寫的，而演算法要做出好的決策，就必須仰賴過往的資料所累積的經驗，而工程師也許無意識的讓自身的偏見、判斷影響了演算法的運作。

本月於加州登場的「神經訊息處理系統大會」，有一個組織「Black in AI」專門推廣黑人電腦科學家在AI領域研究的成果，致力於促進研究人員之間的合作，提高黑人在AI領域的參與度。不過也引發部分學者跟研究人員的質疑是否有必要舉辦僅關注黑人科學家研究的活動，在過度追求多元化的政治正確下忽略了技術能力。

「這實際上推動AI的隔離，黑人參加為黑人舉辦的活動，女性參加女性活動。」俄羅斯軟體公司SKB Kontur資料科學家Timofey Yarimov說；另外參與活動的一派意見認為，AI領域確實存在對女性和非白人男性的歧視，但如果「Black in AI」組織只是利用特定族群的困境，來吸引群眾參加活動，那麼只會破壞反對歧視的原則，但無論如何，系統背後的科學家缺乏多元組成，某種程度上勢必也會影響演算法的運作。

不過，人類跟機器最大的不同，在於無法擺脫過往經驗在潛意識中產生對於特定事務的偏見，隨著AI、人臉識別成為未來生活的日常，要讓AI保持客觀、中立的判斷，人類則必須時時警惕自己不要讓AI受到人性弱點的影響，說起來容易，但這也成為人類與AI發展之間不能停止努力的功課。

一家連續十年營收 700 萬元的健身業者，如何在一年內將業績推升至 3,500 萬元，成長整整 5 倍？答案可能和多數人想的不一樣。

這家健身品牌不是一開始就加碼投放廣告，而是先從調整組織架構與薪酬制度著手，透過明確分工改善團隊運作，進而建立「全員銷售」文化，這並不是要求每位員工都成為業務員，而是讓團隊理解與認同品牌理念，確保從服務、回覆、教學到售後過程中的每一個顧客接觸點，都能傳遞一致的訊息與體驗，從而建立顧客對品牌的信任感，甚至願意主動購買與持續回購。而規劃這套成長策略的幕後推手，正是無限創意行銷。

AI 讓行銷變簡單，為何行銷公司反而更難做出成效？

雖然公司名稱裡有「行銷」兩個字，但無限創意行銷並非只從行銷工具出發，而是以顧問式行銷的角色，先理解企業經營問題，再決定應採取哪些行銷與營運解方。「我們不會一開始就告訴企業該採用哪些行銷策略，而是根據企業真的需求來提供適合解方」，無限創意行銷創辦人翁小五一語道出公司的獨特定位。

通常，企業在面對營收成長瓶頸時，第一個念頭就是做行銷，然而，翁小五從過往的工作與創業經驗中發現，限制企業營收成長的原因有很多，不一定與行銷有關，背後可能還有其他問題，若沒有釐清真正的問題所在，就急著投入廣告或其他行銷資源，很可能只是治標不治本。

基於這樣的觀察，無限創意行銷決定採取反向思考邏輯：先回到企業經營本身，找出造成「成長趨緩」的真正原因，再據此制定策略、優化營運流程，最後透過行銷放大企業優勢。當每一筆行銷投入都建立在更健康的企業體質與更精準的策略判斷之上，行銷才不只是「有做」，而是真正能為企業帶來成長。

這套「先找問題、再選工具」的服務模式，在生成式 AI 工具普及後，也成為拉開行銷成效差距的關鍵。

過去，行銷公司的價值建立在製作能力、投放技術與媒體資源；但當 AI 逐步降低文案、素材與分析的執行成本，單純提供「做內容、下廣告、做報表」的服務，差異化將快速縮小。此時真正考驗的，反而是行銷人的理解力和判斷力：能否看懂消費者真正需要什麼？能否找出限制企業營收成長的關鍵環節？而這正是無限創意行銷長期深耕企業經營現場、不斷透過數據與市場驗證所累積的核心能力。

AI 拆解營收黑洞，讓數據為企業成長導航

在無限創意行銷的顧問式服務流程中，數據是相當重要的依據。翁小五進一步說明，無限創意行銷的數據應用可以分為三個層次：從檢視行銷活動成效、拆解顧客旅程中的問題節點，再進一步延伸至年度營運規劃，讓企業不只知道「過去發生了什麼」，更能判斷「下一步該怎麼走」。

首先，是檢視行銷活動成效，其中最重要的原則在於，根據行銷目標去解讀數據。舉例來說，如果目標是增加首購顧客，除了檢視素材吸引力與點擊率，還要持續追蹤到站、詢問、成交、新客占比與首購成本；如果目標是擴大營收規模，則應進一步檢視回購率、客單價與顧客終身價值。

數據應用的第二層價值，是拆解從「廣告投入」到「營收產出」之間的過程，理解每一個節點的數據分別反映什麼問題，再針對問題逐一修正。

至於第三個層次，則是讓數據成為企業經營與資源配置的依據。無限創意行銷會從年度營收目標出發，結合產業特性、淡旺季變化與過往行銷成果，拆解每一季、每個月的業績任務，再將過去有效的策略放大、成效不佳的做法修正，據此安排下一年度的行銷資源與營運節奏。

不急著加碼廣告，從企業體質出發找出 5 倍成長解方

對無限創意行銷來說，數據是找出問題、配置資源與規劃成長路徑的關鍵，文章開頭提到的健身業者，正是此套方法論的最佳印證。當初，翁小五深入診斷後發現，這家企業真正的問題在於組織結構過度扁平，老闆長期忙於處理日常事務，難以專注在營運規劃；此外，組織缺乏真正負責營運管理的中階主管、教練流動過高導致學員缺乏安全感等，皆是影響回購率的因素。

因此，無限創意行銷先從組織架構著手，設立專責店長一職，並重新設計薪酬制度，藉此讓教練、店長與老闆皆可專注在自身工作上。之後，再透過前期廣告數據與顧客洞察，找出消費者選擇品牌的真正原因，並運用行銷活動與口碑經營持續放大。同時，翁小五也在過程中導入「全員銷售」概念，確保顧客在各個接觸點都享有一致的體驗，品牌才能逐步累積顧客信任。

最終，這家企業的營收一年就成長至 3,500 萬元，達到原先的 5 倍。這個案例也說明了無限創意行銷的方法論：行銷不是企業成長的起點，而是放大企業優勢的槓桿；企業體質愈健全，這支槓桿所能放大的成長效益也愈大。

從「會做」到「會判斷」，AI 時代，無限創意行銷正在重新定義行銷公司的價值

隨著 AI 能力越來越強大，下一代行銷公司的價值，不只是比誰更懂得運用 AI，而是行銷人的市場理解力與專業判斷力，知道 AI 產出的內容哪些值得留下、哪些應該捨棄，或是該如何持續修正，才能打造出能夠被消費者感受到的品牌體驗。

因此，無限創意行銷未來將積極建立團隊與 AI 協作的方法論，將過往的專案判斷、提問框架與數據檢核邏輯，轉化為 AI 協作流程。團隊在面對新專案時，不是直接要求 AI 給答案，而是先定義目標、限制條件與判斷標準，再去檢查 AI 產出是否符合商業情境。

對翁小五而言，AI 時代真正稀缺的，不是工具，而是定義問題、理解消費者與判斷品質的能力。未來無限創意行銷的競爭力，也不在於使用多少 AI，而是持續將人的品味、市場理解與產業 Know-how，透過 AI 放大，協助企業打造更精準的品牌體驗與更高品質的決策。