找不到女總統、小眼睛就偵測不到!AI複製人類「歧視」,管理者該如何對症下藥?
找不到女總統、小眼睛就偵測不到!AI複製人類「歧視」,管理者該如何對症下藥?

美國人工智慧國家安全委員會(NSCAI)今年4月建議,國防部每年應至少分配3.4%的預算投入科技領域,並提撥80億美元研發AI。企業方面,微軟於4月宣布,將以197億美元收購語音辨識開發商紐安斯通訊(Nuance Communications);後者是雲端與AI軟體的先驅。

從企業到國家,都愈來愈重視人工智慧,知道要想辦法運用AI創造更好的生活。不過,目前AI發展到底處於什麼階段?我們又該如何應用?

美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授張凱崴形容,目前人工智慧技術已經可以幫助人類完成很多事,像是疫情來襲,電腦可以從大數據中篩選條件,自動搜尋、判讀潛在病例,幫助醫生大幅減少檢查時間,但AI也並非萬能,要先認知它的局限。他研究如何讓AI更符合人性,獲得2021年的史隆研究獎(Sloan Research Fellowships)。

UCLA電腦科學系助理教授張凱崴_(來源_張凱崴).jpg
UCLA電腦科學系助理教授張凱崴。
圖/ 張凱崴

延伸閱讀:AI將搶人類飯碗?企業人資主管不藏私:4種策略助員工升級戰力

AI局限一:資料寬廣度不足時,會複製人類偏見

張凱崴認為,電腦在學習的時候,是依賴「彙整數據資料」來判斷,並沒有真正思考,如果資料來源太狹隘、不夠多元,資料寬廣度不足,電腦判斷就會出現偏差,「 你跟電腦講清楚input(輸入)、output(輸出),提供足夠的數據資料,它可以對應、學得很好,但還有很多面向AI做不到 。」

舉例來說,亞馬遜於2014年推出智慧音箱(Amazon Echo),使用者口頭下指令給語音助理Alexa就能放音樂、查資訊。然而, 有些人口音較罕見或是用字較特殊,智慧音箱的資料庫沒有「不同口音」、「不同用詞」的檔案,就有可能會失靈 ,這是當前AI的其中一大問題。

張凱崴進一步解釋, AI另一項挑戰是,它無法清楚分辨「不曾出現」與「不能出現」(無法出現)之間的區別 ,只是從資料統計出要學的東西,無法像人類一樣進行邏輯思辨。

AI的運作方式,第一步是輸入資料,第二步是分析,但這過程容易出現偏見。例如電腦在理解「總統」這個字,會去看四周有什麼字詞,來學習總統這個詞,由於許多總統都是男性,電腦就會「覺得」總統是男性。

這也是為什麼,如果讓AI學習,在它的認知裡,女性「不可能」當美國總統(因為沒有資料紀錄)。「 你可以跟人類說,任何職業、性別都是平等的,但對電腦來講,這很困難 ,」張凱崴說明,一旦資料的寬廣度受限,電腦就容易產生偏見。

就像在自然語言處理(Natural Language Processing,讓電腦把輸入的語言變成有意義的符號)領域,張凱崴說明,AI需要知道代名詞指的是「哪個名詞」,才能運算下去。但如果資料受限,使用男性的「他」,電腦可能判斷這個代名詞是指總統、總理、執行長;但換成女性的「她」,由於數據不足,電腦就會混亂,出現系統性誤差。

蔡英文
圖/ 蔡英文Facebook

他再舉一例,美國人工智慧研究組織OpenAI提出「生成式預先訓練」系統(GPT,Generative Pre-training),推出到GPT3版本,屬於書寫類AI,電腦能夠揣測人們說完上一句話,下一句可能會講的句子,自動完成後半段。

好比有人上一句寫下「我正在和教授聊天」,系統可能推導出「我們在研究室討論學術問題」,因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示,GPT2(前一代版本)系統也從資料中學習到許多偏見,像是如果句子前半談論白人男性,系統傾向產生正面評價;如果句子前半是黑人女性,系統竟會產生負面句子。對企業來說,許多組織接觸AI,想讓它們取代部分工作,首先需要留意資料的廣度、多元性,才能減少電腦犯錯的機會。

AI局限二:即便條件相同,也無法每次都做出正確判斷

「 其實,現在的AI就像一台原型飛機,還缺乏穩定性 。」張凱崴說,現行的AI就好比萊特兄弟(Wright brothers)剛發明飛機,看似可以做很多有趣的事,但「可以飛」跟「飛得很好」,有一大段落差。

紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片,AI掃描後,確認是不是本人,但當時系統沒有估算到某些亞洲人眼睛比較小,一名亞裔男子被判定「沒有張開眼睛」,因此照片無效。

張凱崴說,在這個例子中,凸顯出AI的穩定性不足,「系統沒有考慮到不同人種的差異,很死板地認為你眼睛沒張開。」 所謂的缺乏穩定性,指的是AI沒辦法在相同條件下,每次都做出正確決策 ,這也是使用AI時,須留意的第二個挑戰。

他再舉例,許多模型可以準確分析,一則影評對電影的評價是正面或負面。然而研究顯示,有時只要將影評中一些字換成同義詞,例如把電影(movie)換成影片(film),或改寫句子,即使意思並未改變,系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。

在設計這些程式時,人們必須注意到AI可能有局限,設定的資料範圍要更完整,考慮這些因素,就能減少偏見、落差,進而加強穩定性。

AI_人工智慧_機器人
圖/ shutterstock

延伸閱讀:5年後,這十大工作可能被AI取代!與機器人當同事有哪些必學技能?

餵指令給AI要多元化,嘗試「換句話說」、刻意混淆

經理人雖然不一定具備A方面的專業知識,但只要掌握觀念,再透過AI領域專才協助,也能優化系統。張凱崴指出, 最直接的方法是,設計AI模型時,要把來源群組不同的資料分門別類測試,在測試階段讓群體多元化,並確保不同特色的使用者,用起來都沒有問題 。

優化AI系統的3方法
圖/ 經理人

舉例來說,一套A系統擁有來自各地的使用者,如果設計者是台北人,設計系統的思維容易以台北生活為主,很可能因為當地習慣不同,導致花蓮使用者操作不順。

另一個方法,則是用不同的「語意」,去測試AI有沒有徹底學會一個概念 。例如,有一套餐廳評鑑的AI系統,只要蒐集、整理使用者意見,就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性?張凱崴建議,可以利用「 抽換詞面 」的方法。

比如,把詞彙換成同義字,再看AI是否能運算出相同結果,「你可能會發現,原本評比結果是食物很美味,但如果美味換成比較困難的詞,AI就會分不出這則評比是好是壞。」因此在訓練模型時,可以將詞彙隨機抽換成同義詞,增加AI的詞彙量。

第三種方式更進階:改變句型、重寫句子 。張凱崴指出,同樣一句話,如果換成不同說法,電腦可能判讀錯誤,將「因為發生A事件,所以導致B事件」,改寫成「B事件發生了,是因為A事件的緣故」,明明兩句話意思一樣,但AI很可能因為穩定性不足,搞混兩者的差別。如果要鞏固AI的穩定性,可以使用自動改寫的方式,增加資料的多樣性。

張凱崴表示,經過這些測試,讓AI接受更多元化的訓練,得到更廣的學習範圍,往後碰到同義詞、相似資訊,才能有效判讀。

張凱崴總結,AI還在快速發展,或許可以創造更多工作機會、新的職位,但現行階段,它只是輔助角色。AI並非魔術盒子,使用它就一定有更好結果,人們還是要保持高度耐心,先認識它的缺陷,才能在技術更迭下,發揮出最好的結果。

張凱崴

台灣大學資訊工程系碩士、美國伊利諾大學(UIUC)電腦科學博士。美國加州大學洛杉磯分校(UCLA)電腦科學系助理教授,研究領域包括人工智慧、機器學習、自然語言處理。2021年獲得史隆研究獎(Sloan Research Fellowship),研究團隊開發的運算方法,使人類語言處理的程序更有效率、更多元,同時兼具公平性。

本文授權轉載自:經理人

責任編輯:文潔琳、錢玉紘

關鍵字: #AI
往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓