摘要
生成式人工智慧（Generative AI）的普及，使影像創作門檻大幅降低。然而，這項技術在性別不平等與性產業領域中被濫用，形成新的數位暴力型態。本文以外送茶工作者遭AI影像生成惡意「合成色情」（synthetic pornography）為核心議題，探討其技術結構、社會脈絡、心理影響與法律困境，並從女性主義科技批評（feminist technoscience）與數位人權視角，分析如何建構防護與治理框架。研究指出，AI合成色情不僅是技術濫用，更是社會污名、性別權力與科技不透明的交織結果。本文最後提出法律、平台、教育與社群層面的政策建議，以期重建外送茶工作者的影像主權與心理安全。
第一章 導論：當生成式AI成為性別暴力的新介面
AI影像生成工具如Stable Diffusion、Midjourney與OpenAI DALL·E，在2022年後進入普及化階段。任何人只需輸入文字敘述，即可創造擬真人物影像。此一技術雖促進藝術、廣告與設計創作，但在匿名網絡中迅速被濫用，特別針對外送茶工作者、直播主與OnlyFans創作者，出現「合成裸體」、「AI性愛場景」、「偽偷拍」等形式的惡意生成與散布。
外送茶工作者因職業特性而高度可視化，其社群照片、宣傳照與影片常成為訓練素材。當這些影像被AI再生產為「非自願性影像」（non-consensual sexual image, NCSI）時，即構成新型數位性暴力。本文旨在探討此現象背後的社會技術結構與制度空缺，並提出具體的防治策略。
第二章 理論基礎：女性主義科技批評與「再現暴力」
本文採用女性主義科技批評（Feminist Technoscience）與「再現暴力」（Representational Violence）理論作為分析主軸。前者主張科技並非中立，而是被性別、階級與權力結構滲透的生產體制；後者則指出影像作為社會符號，能再現並強化性別不平等。
在此架構下，AI影像生成不僅是技術行為，更是一種社會實踐。當AI以大量性化女性身體的資料集作為訓練素材時，它延續了「男性凝視」（male gaze）的視覺邏輯。外送茶工作者在此語境下被再度物化，其身體與臉孔成為演算法訓練的原料，最終形成「可被隨意再製」的影像身體。這種再現暴力將數位影像轉化為支配與懲罰的工具。
第三章 技術架構與擴散機制
現行AI生成色情的技術多基於「擴散模型」（Diffusion Models）或「生成對抗網路」（GANs）。前者透過隨機噪音重建影像，後者透過生成器與鑑別器的對抗訓練提升真實感。匿名使用者可利用prompt（指令字）輸入具體描述，如「台灣女性」「短髮」「自拍角度」「裸體」等，藉此生成特定風貌影像。
更危險的是，「臉部替換插件」（Face Swap Extension）可將真實人物頭像嵌入生成影像，使受害者「被拍成」並未發生的性行為。這種「擬真裸照」可瞬間透過Telegram、Discord、Reddit、8chan等匿名平台散播，形成難以追蹤的鏈式擴散（chain diffusion）。
這種生成與傳播的「技術去中心化」特徵，使法律與平台監管幾乎無從追索。AI的開源特性反而成為數位暴力的加速器。
第四章 案例研究：從影像竊取到「再創作」暴力
以台灣為例，2024年有外送茶工作者匿名向數位性別暴力防制聯盟舉報，其照片被使用於AI生成裸照並在論壇兜售。該案例顯示三層暴力：
資料竊取暴力：受害者社群平台照片被自動爬取並輸入AI訓練集。
再現暴力：AI生成影像將她臉孔與陌生身體結合，製造「視覺強暴」感。
散布暴力：影像被以「真實外送茶照」或「流出影片」名義販售。
香港與日本亦有相似個案。一名日本前風俗業員工遭AI合成「未成年時期性影片」，在海外論壇瘋傳，導致其重返職場受阻。此類跨國散布顯示，AI暴力突破司法管轄，使受害者長期暴露於數位羞辱之中。
第五章 心理影響與創傷機制
根據臨床心理師與女性社群輔導中心之研究，被合成色情影像的受害者常呈現三類心理反應：
認知混亂與身體疏離：受害者會出現「那不是我，但大家相信那是我」的矛盾感，導致身份解離。
社會焦慮與羞恥內化：在污名化環境下，受害者傾向自責或退出社群。
持續性創傷反應：包括失眠、警戒過高與再度創傷（re-traumatization）現象。
尤其對外送茶工作者而言，其心理創傷常被社會輕視，甚至被指責為「自找風險」。這種結構性二次傷害，使心理復原更為困難。部分受害者嘗試透過「匿名互助群」重建安全感，但仍缺乏專業資源支援。
第六章 法律與制度分析：在灰色地帶中尋求正義
台灣現行《性影像犯罪防制法》於2023年上路，但僅涵蓋「真實拍攝」之影像。AI生成影像未被明確列入，導致檢警難以認定「被害人存在的要件」。同樣問題亦出現在《個資法》與《刑法妨害名譽罪》之間的交錯地帶。
對照國際：
英國於2024年通過《Online Safety Act》，將「未經同意的AI合成裸照」納入刑責。
韓國自2022年起針對Deepfake制定《性暴力處罰特例法》修正條款。
**歐盟AI法案（AI Act）**則要求高風險AI模型須建立透明訓練紀錄與可追蹤性。
台灣若要有效防範，須在三方向著手：
修法將「虛擬影像侵害」納入性暴力範疇。
建立跨境司法互助與平台資料留存機制。
引入「數位證據緊急保全」制度，讓被害人能即時凍結網頁與伺服器紀錄。
第七章 平台治理與AI倫理責任
AI影像生成平台多以「技術中立」為由逃避監管，但在倫理上應承擔「預防性責任」。本文主張建立以下三層治理架構：
模型層面：禁止以未經授權之個人影像作為訓練資料，並要求標註資料來源。
生成層面：引入「人臉相似偵測機制」，當生成影像與真實人物臉孔相似度超過門檻時，系統自動警告或阻止輸出。
平台層面：要求AI平台建立「舉報回溯系統」，記錄每張影像的生成指令（prompt log），以便法律追查。
此外，應推動「AI倫理審查委員會」，由法律學者、性別專家與技術人員共同監督，確保AI生成工具不成為暴力擴散器。
第八章 外送茶工作者的集體自救與社群行動
在缺乏制度保障下，外送茶工作者社群展現了高度的自我組織力。近年興起的「數位防護協作網」包含：
影像回報系統：透過加密表單匿名登錄被合成影像，形成受害者資料庫。
法律支援連線：結合女性律師、記者與數位權倡議者，協助報案與下架。
教育與自保培訓：教授反向圖片搜尋、浮水印技術與資料最小化原則。
更具創造性的行動是「藝術化反擊」。部分受害者以AI重新生成具批判性的影像作品，諷刺男性凝視與演算法偏見。例如，一位台灣藝術家以自身被AI合成經驗為題，製作系列影像〈我不是你訓練的身體〉，成為女性身體自主的再現宣言。
第九章 教育與社會認知：防止「娛樂化暴力」的文化根源
AI合成色情之所以猖獗，部分原因在於「數位性別意識」的貧乏。許多使用者將生成裸照視為幽默、挑釁或創作，缺乏對受害者心理與社會影響的理解。
因此，應從教育層面推動三項改革：
媒體素養教育：學校課程應教授AI影像辨識與倫理判斷能力。
性別平權教育：建立對「外送茶工作者人權」的理解，破除污名。
公眾宣導：以短片、展覽或公民論壇形式揭露AI性暴力現象，將「觀看」轉化為「覺察」。
唯有讓社會認知到「數位暴力也是暴力」，才能終止其娛樂化與匿名合理化的文化。
第十章 政策建議與制度重構
本文綜合法律、技術與文化層面的分析，提出以下政策建議：
立法修訂：將「生成式影像侵害」納入《性影像犯罪防制法》明文規範。
數位暴力通報中心：建立跨部會協作機制，整合警政署、通傳會、性平處與民間團體。
AI透明化條例：要求平台定期公開訓練資料來源與防濫用政策。
國際合作：參與APEC與UN Women之數位性暴力防治合作網絡，建立跨國取證協議。
心理與法律援助基金：由政府設立專責基金，補助受害者進行心理治療、法律訴訟與名譽修復。
這些措施的核心在於「重建信任架構」，讓受害者重新掌握數位身分與影像命運。
結論：影像主權與女性身體的數位未來
AI影像生成的出現，重新定義了「真實」與「虛構」的界線，也挑戰了法律、倫理與社會的治理能力。當外送茶工作者成為惡意生成影像的主要受害群體時，我們看到的不只是技術濫用，而是性別權力結構在數位空間的延續。
未來的防治方向應從「個體保護」走向「系統防禦」——結合法律、技術審查與社會教育，形成多層次防護網。更重要的是，應讓受害者從「被觀看者」轉為「發聲者」，讓她們的經驗成為數位倫理制度改革的起點。
AI技術的進步不應以犧牲他人尊嚴為代價。唯有當科技承認其社會責任、法律補足制度漏洞、社會正視外送茶工作者的人性與尊嚴時，我們才能真正邁向一個「不以算法暴力為代價」的未來。
