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。

在高度碎片化的年代，企業行銷，不該是短跑，而是一場需要團隊默契的接力賽。

從社群平台、通訊軟體、搜尋引擎，再到網紅、短影音等，消費者與品牌的接觸點愈來愈碎片化。為了追求更好的行銷成效，企業陸續導入口碑行銷、廣告投放、會員經營等不同策略，並搭配各式各樣的 MarTech 工具，希望精準掌握每一次與消費者互動的機會。

然而，這些行銷策略就如同接力賽的跑者，雖然每一棒都努力衝刺，卻常常無法將成果順利交給下一棒，口碑、廣告與會員經營往往分屬不同負責人、使用不同平台，不僅數據散落在不同系統、跨部門協作成本高昂，一旦負責人員異動，累積多年的實戰經驗也容易隨之流失，使企業難以將每一次投入轉化為長期成長動能。

擁有 20 年行銷實戰經驗的數聚集團創辦人張元溢（Mars），看見許多企業投入愈來愈多工具與預算，卻始終無法累積真正的成長資產。他直言：「工具越多，不表示結果越好。」真正的競爭力，在於建立一套能整合數據、沉澱經驗並持續優化的成長機制，讓每一次行銷投入都成為下一次決策的養分，形成能不斷學習、自我進化的成長閉環。

基於這樣的理念，他整合旗下 Reddoor 紅門互動、Justar 數聚國際與 INLY 影領三大品牌，成立「數聚集團」，並提出全台首創的「聲量、流量、存量」行銷飛輪，串聯品牌曝光、流量轉換與會員經營三大階段。並整合第一方、第二方、第三方數據與生成式 AI，協助企業打造能自主學習、持續優化的 AI 成長引擎，讓品牌成長不再仰賴一次次重新開始，而是形成能持續累積價值的商業飛輪。

從聲量、流量到存量，打造會持續成長的品牌飛輪

達摩媒體暨影領國際執行長林合政（Adam）指出，企業在不同成長階段都有明確的經營目標，例如建立品牌聲量、透過廣告帶動流量，或深化會員經營、提升顧客價值。然而，任何一項策略都不可能無限放大成效，當成長逐漸趨於飽和，就需要下一個階段接力，才能持續創造新的成長動能。

林合政表示，真正重要的，不是哪一個環節最成功，而是每一個環節都能為下一個階段創造價值。當品牌聲量帶動流量、流量沉澱為會員資產，再透過會員口碑與數據反哺品牌影響力，便能形成持續運轉的品牌飛輪，而不是依賴一次次的廣告投入。

數聚集團品牌長蔡雅藍（Blue）進一步拆解品牌飛輪的運作架構。第一步，由 INLY AI 網紅媒合平台快速媒合適合的創作者，以內容建立品牌信任與市場討論度，為品牌累積第一波成長動能。

接著，由 Justar 數聚國際接力擴大市場觸及，透過數位廣告、線下媒體與多元渠道整合，精準接觸潛在受眾，將品牌關注轉化為實際流量與訂單。

當新客成功導入後，再由 Reddoor 紅門互動透過會員經營、數據分析與自動化行銷，提升顧客黏著度、回購率與終身價值，將一次性的流量沉澱為可持續經營的品牌資產。

最後，再透過 MGM（Member Get Member）會員推薦機制，讓忠誠會員主動分享使用體驗、推薦親友，進一步帶動品牌討論與新客加入，形成「聲量 → 流量 → 存量 → 聲量」持續循環的品牌飛輪。
張元溢表示，這套飛輪並非一開始就規劃好的商業模式，而是數聚集團二十多年來陪伴品牌成長、持續驗證與優化後逐步發展出的成果。

「我們最早做的是廣告，後來客戶開始需要口碑；當口碑做好了，又開始思考如何留下會員、提升回購。」他回憶，團隊每一次拓展服務，都不是為了增加產品線，而是在陪伴客戶成長的過程中，看見下一個真正需要解決的問題，也因此逐步收斂出如今的「聲量、流量、存量」品牌飛輪。

從 Data Lake 到 Vibe Marketing，AI 開始接手整個行銷流程

飛輪要能持續運轉，關鍵不只是串聯聲量、流量與存量，更在於每個階段產生的數據能否真正累積。為此，數聚集團打造 Data Lake（數據中台），整合會員、廣告等第一方數據，並串接第二方、第三方資料，將原本分散於不同系統的資訊，匯聚成企業專屬的數據底座。

「現在大家都在談第一方數據，但企業真正缺的，其實是把不同來源的數據整合起來。」張元溢表示，除了企業自身累積的會員資料，數聚集團也串接發票數據、線下渠道等外部資訊，協助品牌從更完整的消費旅程理解市場，而不是只看見自己的會員輪廓。

當數據基礎建立完成後，AI 才真正開始發揮價值。過去，AI 多半停留在生成文案、圖片等單點應用；如今，數聚集團希望讓 AI 直接參與整個行銷流程。品牌只需提供活動網址（URL）、預算與行銷目標，AI 即可根據品牌歷史數據與過往成效，自動完成創作者媒合、媒體投放與策略配置，並在執行過程中持續學習與優化。

蔡雅藍表示，這也是數聚集團提出 Vibe Marketing 的核心概念。「就像 Vibe Coding 讓開發者透過自然語言完成程式開發，Vibe Marketing 則希望讓企業只需描述商業目標，AI 就能完成大部分的行銷規劃與執行。」她認為，AI 的角色不只是生成內容，而是逐步接手重複且仰賴經驗的工作，讓行銷人員能將更多時間投入品牌策略、產品創新與顧客經營。

林合政補充，真正的競爭優勢，不是使用同一套 AI 模型，而是企業是否擁有屬於自己的數據與經驗資產。當品牌知識、行銷策略與營運經驗，都能透過 Data Lake 持續沉澱並回饋 AI，每一次決策都將成為下一次成長的基礎，形成企業專屬的 AI 成長引擎。

展望未來，張元溢表示，數聚集團將持續整合 AI、Data Lake 與生態系夥伴資源，將這套品牌成長模式從線上延伸至線下，並逐步拓展海外市場。他認為，當品牌能讓每一次聲量、每一筆流量、每一位會員都成為下一次成長的起點，AI 才真正從工具，進化為企業的成長引擎。

為了進一步分享這套方法論與最新產品布局，數聚集團將於 8 月 12 日舉辦「數聚・領航 2026 產品發表會」，首度完整公開以 AI 為核心的品牌成長飛輪，並攜手聯合線上、傑思・愛德威、SHOPLINE 等合作夥伴，從媒體、代理商到電商生態，共同探討 AI 時代品牌經營的新策略與成長機會。活動將於 8 月 12 日（三）14:00–16:30 舉行，品牌可透過報名頁（https://reurl.cc/KEAYOe）報名參與。