2021年12月中,由人工智慧協會、人工智慧科技基金會,以及台灣人工智慧學校校友們共同舉辦,鴻海研究院、東海大學、逢甲大學、精誠資訊等多位產學研專業人士,線上線下共約120人參與研討會,分享近半年共同研讀「德國AI標準化藍圖」(GERMAN STANDARDIZATION ROADMAP ON ARTIFICIAL INTELLIGENCE)的心得與洞察,並提出對於台灣AI發展藍圖的建議及行動方案。
在德國AI標準化藍圖中,提出了AI標準化的五項行動方案建議,與會者都認為很值得台灣思考學習。
首先是使用數據參考模型(data reference model)讓AI系統可自動協同工作。由於在AI價值鏈中常有許多不同參與者以及AI系統,能夠讓AI系統安全、可靠、靈活交換數據,須建立數據參考模型,才能讓AI自動協同工作。這樣的數據參考模型標準可為全面的數據交換奠定基礎,確保AI系統相容且運作順暢。
AI資安平台不可或缺
在此同時,則必須創立統一的AI資訊安全平台。AI本質上是IT系統,而IT系統已有很多不同應用領域的資安標準與規範。在這份AI標準化藍圖中建議,可以先從整合現有資安標準和 IT 系統測試程式,並輔之以 AI的總體「保護傘標準」開始,然後再從此基本資安標準衍生出不同領域的應用。
第三, AI系統應有初步檢核系統。尤其是AI系統決定有關於人、財產或稀缺資源的獲取時,有些不在預期中發生的問題可能危及個人基本權利或民主價值。因此,若與此類議題相關的AI系統應該具備初步重要性檢核測試的標準,可以快速且合法澄清AI系統是否會引發衝突。
還有,啟動並執行「可信任的AI」國家級方案。截至目前為止,在世界各國皆然,AI系統缺乏可靠的品質標準和測試程序,而這將影響未來科技經濟成長和競爭力。可信任的AI國家級方案,應該具備可重複和標準化的測試程序,用來測試AI系統可靠性、穩健性、性能及功能安全等,並給予可信度證明。
最後,AI的標準化藍圖並不是一個固定的概念,由於AI研究與AI系統的產業化開發與應用仍在不停變化,隨著不同領域的不同應用,必須整合來自學術界、產業業、社會和法規的不同角度,以根據實際使用案例來測試並制定未來標準。這樣,AI特定應用的要求可以在早期階段加以鑑別,並實現可市場化的AI標準。
「世界咖啡館」探討台灣AI標準化的重要性
在研討會最後特別舉行「世界咖啡館」,與會者分組討論在自己的工作崗位所觀察到的現象,並進行意見交流。
例如若從法律觀點切入,如果沒有可以用在AI產品上的「品質標準」或「標準化標準」,不僅造成法律責任歸屬困難,同時,因為契約上難以描述AI產品的品質,將導致無從驗收,甚至很難簽訂契約,反而造成交易意願低落,而有害於AI產業的發展。光從這一點就可以知道,AI的品質標準或標準化標準有多重要,至少政府單位應有政策促進或鼓勵提出客觀標準。
與會人員也分享,Gartner所提出的 AI 和道德規範,若要建立以人為本和對社會有益的 AI 時,最常見的五大原則包括:公平;可解釋且透明;安全可靠;並且負責。
那麼,政府應該介入管理嗎?該怎麼管?德國AI標準化藍圖依照危害程度分級,多位與會者討論後為,與人民生命財產安全相關的,應由政府來訂法規規範,並先以監理沙盒來控管。至於純屬產業經濟問題,則市場情況相當多樣化,可於營運模式開始出現時再視情況訂定相關法律。
德國AI標準化藍圖的提出,對於人工智慧在產業界的應用是一個新的里程碑,也可以看出世界各國都將AI視為經濟與產業發展的重要動力。但也如同報告中所提,AI所牽涉到的問題不是在技術層面,還包括倫理、社會文化等多種角度。因此,台灣需要什麼樣的AI發展藍圖?這場研討會只是起點,與會者將組成平台,持續討論相關策略,並與產學研界互動,期望能夠對於台灣產業AI化政策提供建言,加速AI在台灣落地發展並可接軌國際。