讀後感：AI 並非萬能！越洋採訪史隆獎得主、UCLA 台籍教授：2 缺陷要靠人類修補

1. 為什麼選這篇文章分享? 2. 作者為什麼要寫這篇文章? 3. 內容重點 4. 心得

為什麼分享這篇文章？

• AI為近年來熱門話題
• 對AI該注意的問題點及解決方式有粗淺概念

作者想表達甚麼？

• 說明AI的侷限性
• 該如何解決AI侷限性的的問題

重點內容

人工智慧技術

• 美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授張凱崴

1. 研究如何讓 AI 更符合人性
2. 獲得 2021 年的史隆研究獎（Sloan Research Fellowships）。

• 目前人工智慧技術已經可以幫助人類完成很多事
• AI 並非萬能，要先認知它的局限

AI 局限1. 資料寬廣度不足時，就會複製人類偏見

• AI 的運作方式

1. 第一步是輸入資料，第二步是分析，過程容易出現偏見。

例如電腦在理解「總統」這個字

1. 會去看四周有什麼字詞，來學習總統這個詞
2. 由於許多總統都是男性，電腦就會「覺得」總統是男性
3. 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，出現系統性誤差）

• 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

1. 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
2. AI需要知道代名詞指的是「哪個名詞」，才能運算下去

• AI 無法清楚分辨「不曾出現」與「不能出現」（無法出現）之間的區別

1. 只是從資料統計出要學的東西
2. 無法像人類一樣進行邏輯思辨

• 想讓AI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2. 即便條件相同，也無法每次都做出正確判斷

• 現在的 AI 就像一台原型飛機，還缺乏穩定性。

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。

• 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
• 紐西蘭的簽證系統

1. 人們上傳簽證照片，AI 掃描後，確認是不是本人
2. 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。
3. 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

• 將影評中一些字換成同義詞

1. 例如把電影（movie）換成影片（film），或改寫句子等
2. 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。
3. AI系統還未真正了解語言的含義。

• 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。

餵指令給 AI 要多元化，嘗試「換句話說」、刻意混淆

• 設計 AI 模型時

1. 把來源群組不同的資料分門別類測試
2. 在測試階段讓群體多元化
3. 確保不同特色的使用者，用起來都沒有問題

• 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。

• 用不同的「語意」，去測試 AI 有沒有徹底學會一個概念

1. 一套評鑑的 AI 系統，只要蒐集、整理使用者意見，就能判斷顧客的評比是高分或低分。
2. 可以利用「抽換詞面」的方法確認系統的穩定性
3. 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。

• 改變句型、重寫句子，確認AI 不會搞混

1. 同樣一句話，換成不同說法
2. 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」
3. 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。

個人心得

• 個人對於AI的認知，認為AI模型的演算法

1. 有點像是非常複雜的數學方程式，常人難以理解
2. 透過離開演算法的範圍造成BUG，導致AI模型失效(拿圍棋的AI玩西洋棋等)

• 當有人希望AI技術越來越好，則有一派希望阻擋AI的進步

人臉辨識系統：防辨識眼鏡

在圖片、影像放置人類看不到的雜訊，防止AI辨別

• 目前的AI技術類似人類，是屬於技術職居多

是否未來也會出現類似人類社會的分工模式：像是管理職、整合型、運籌等