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。