人工智慧倫理:以人權、正義與生態為核心的全球治理讀本
本書把「人工智慧倫理」理解為一個跨技術、法律、經濟、文化與政治的共同問題:AI 系統如何分配機會與風險,誰有權決定技術用途,誰提供資料與勞動,誰承擔錯誤與環境成本,以及受影響的人能否知情、參與、拒絕與申訴。
本書採全球比較視角,納入聯合國與 UNESCO、OECD、歐盟、歐洲理事會、非洲聯盟、ASEAN、日本、台灣、印度、拉丁美洲與加勒比海,以及原住民族資料治理的材料。研究部分包括公平指標、資料文件化、模型卡片、人臉分類偏誤、生成式 AI、AI 勞動與環境影響;批判性書籍則從資料女性主義、種族科技論、演算法壓迫、福利自動化、隱形勞動與 AI 的行星成本切入。
全書的主張是:AI 倫理不能被縮減為模型是否準確或是否安全,而必須檢視整個社會技術系統的目的、權力、分配與救濟。 技術治理需要量化工具,但量化無法代替價值選擇;開放與創新值得支持,但不能凌駕於人權、集體資料主權、勞動尊嚴與生態責任。
建議閱讀路徑
- 先建立共同規範語言: 從 人工智慧倫理的規範框架與法律治理地圖 開始,閱讀 UNESCO、OECD、歐盟 AI Act、歐洲理事會公約,再對照非洲聯盟、ASEAN、台灣、印度與拉丁美洲材料。注意分辨具法律拘束力的法律或條約、政策戰略與自願指南。
- 再理解系統如何造成不平等: 閱讀 演算法公平資料正義與交織性地圖,接著研究 Gender Shades、資料女性主義、種族科技論、搜尋引擎偏誤與福利自動化案例。
- 將權利與問責放進流程: 使用 人工智慧生命週期風險評估與問責流程地圖,對照 NIST 框架、資料集說明書、模型卡片、加拿大自動化決策指令與申訴制度。
- 看見資料的集體權利與全球權力: 閱讀 資料治理原住民族資料主權與知識正義地圖,比較 FAIR 與 CARE,並思考資料公開、研究再利用與社群自決之間的張力。
- 把 AI 放回地球與工作: 以 人工智慧勞動環境與全球價值鏈地圖 為入口,閱讀 Ghost Work、Atlas of AI、ILO 職業研究與資料中心環境研究。
- 最後轉成行動: 由 生成式人工智慧可信度資訊完整性與內容來源地圖 延伸到 idea 筆記,挑選一個採購、社區教育、語言資料治理或工作者參與的試辦方案。
重要概念地圖(moc)
- 人工智慧倫理的規範框架與法律治理地圖
- 人工智慧生命週期風險評估與問責流程地圖
- 演算法公平資料正義與交織性地圖
- 資料治理原住民族資料主權與知識正義地圖
- 人工智慧勞動環境與全球價值鏈地圖
- 生成式人工智慧可信度資訊完整性與內容來源地圖
靈感筆記(idea)
- 為每個AI採購案建立一頁公共利益影響卡
- 讓每位使用者都能選擇不由AI替自己作高影響決定
- 為在地語言與文化資料建立由社群授權的使用流程
- 追蹤生成式AI背後的隱形勞動成本
- 把資料集說明書與模型卡片納入知識庫的基本文件
- 每次部署AI前先畫出權力關係與利益分配地圖
- 設計一個任何人都能使用的AI錯誤申訴與人工覆核入口
- 建立AI環境帳本並公開模型推論使用量
- 用公共圖書館舉辦AI共同治理讀書會而不只教工具操作
- 建立AI倫理紅隊與社群審議的雙軌實驗室
- 追蹤台灣人工智慧基本法如何落實到地方公共服務
- 設計從辨識限制到參與公共決策的AI素養課程
- 建立AI專案的停止條件與退場演練
- 邀請第一線工作者共同決定AI導入後的工作重組
- 用雙語來源地圖降低台灣AI倫理討論的知識落差
概念筆記(term)
- 人工智慧倫理、人權導向設計、風險分級治理、價值對齊、演算法公平、交織性、資料正義、資料殖民主義、原住民族資料主權、CARE原則、FAIR原則、透明性
- 可解釋人工智慧、可問責性、可稽核性、人類監督、申訴權、風險評估、影響評估、隱私保護、資料最小化、差分隱私、資料集說明書、模型卡片
- 紅隊測試、對抗性穩健性、生成式人工智慧、通用人工智慧、基礎模型、幻覺、深偽、內容來源憑證、AI勞動、資料標註、演算法管理、自動化偏見
- 自動化不平等、數位落差、AI永續、環境正義、算力、開放資料、民主治理、公共利益、社會技術系統、生命週期評估、資訊完整性、人工智慧素養
永久筆記(note)
規範與制度治理
- AI法律義務與實施日期必須依條文逐項追蹤
- 全球人工智慧倫理必須進入系統生命週期而非停留在原則宣示
- 風險分級治理應依使用情境與可能傷害決定監管強度
- 透明只有連結責任申訴與補救才有意義
- 人類監督必須保留實質決定權而非只作形式簽核
- 風險治理必須包含停止部署與退出選項
- 公共部門採購是落實人工智慧倫理的關鍵治理節點
- 企業自律若沒有外部問責就難以保護受影響者
公平與資料權力
勞動與環境
- AI倫理需要把看不見的勞動納入價值鏈
- AI環境責任必須計算整個生命週期的水能源與碳成本
- 全球南方不能只成為資料勞動與資源的供應地
- AI的效益評估應把地方環境成本與資源競爭納入
- AI治理必須把工作者納入技術轉型決策
生成式AI與公共知識
- 通用模型的用途擴張要求持續更新風險評估
- 生成式系統的流暢輸出不等於知識可靠或責任承擔
- 人工智慧素養是公民參與治理的基礎能力
- 人工智慧政策必須區分科學證據與價值選擇
- AI安全不能取代公平人權勞動與環境倫理
- 部署單位必須驗證模型適用情境而不能照搬供應商宣稱
- 人工智慧發展策略必須把在地能力與公共利益一起考慮
- 公益型AI仍需要由受影響群體共同定義效益與傷害
- 自動化決策必須提供可理解理由與有效申訴管道
文獻筆記(data)
- 全球人工智慧倫理應以人權尊嚴多元共融與生態福祉作為共同底線
- OECD於2024年更新人工智慧原則以回應生成式模型與資訊完整性風險
- 歐盟人工智慧法以風險分級配置義務而非一體適用
- 歐洲理事會人工智慧公約把人權民主與法治放入AI生命週期
- NIST生成式人工智慧風險框架把可信賴特性轉化為組織流程
- 非洲聯盟以非洲自主發展與區域合作制定人工智慧大陸戰略
- ASEAN生成式人工智慧指南回應東南亞社會與產業脈絡
- 日本AI商業指南以企業責任與自律治理回應快速創新
- 台灣人工智慧基本法建立人本創新與權利保障的基礎法律架構
- 印度AI治理指南以包容發展人民優先與創新導向建立治理原則
- 拉丁美洲與加勒比海區域以區域路線圖推進倫理且包容的人工智慧
- 聯合國2026年科學小組報告要求全球AI治理建立共同證據基礎
- CARE原則要求原住民族資料治理以集體利益自主控制與倫理為核心
- Gender Shades研究證明人臉分類錯誤會沿種族與性別交織分布
- 資料集說明書讓資料來源用途與限制成為可追溯文件
- 模型卡片要求揭露AI模型的適用情境與群體表現限制
- 隨機鸚鵡研究提醒大型語言模型的規模擴張伴隨環境與社會成本
- AI伺服器環境研究顯示水資源與碳排應納入部署決策
- 演算法公平研究指出公平定義包含不可迴避的價值選擇
- 資料女性主義將資料科學重新放回權力與社會不平等脈絡
- 種族科技論指出自動化可能用中立外觀延續既有種族階序
- 搜尋引擎排序也會生產知識權威與種族性別刻板印象
- 福利自動化可能把貧困者轉化為風險分數與監控對象
- Ghost Work揭露AI服務背後仰賴低可見度的人類勞動
- Atlas of AI把人工智慧放回礦產勞動資料與地球政治之中
- ILO研究指出生成式AI更可能轉變多數工作而非直接消滅所有職位
- 加拿大自動化決策指令把政府透明度影響評估與救濟連在一起
- 2026年國際AI安全報告整理通用人工智慧能力與風險的科學證據
使用與維護說明
data/保存來源導讀,包含來源連結、文獻性質與可延伸的知識連結。政策文件的效力、日期與適用時程可能更新,引用前請回到原始來源確認。note/保存可以脫離單一來源而持續發展的主張。每張卡片集中一個可討論、可反駁的觀點,並連結資料來源與概念。idea/保存可以實際試辦的延伸問題與行動構想。實作時需依組織能力、受影響社群及法規調整。term/提供概念定義與中英文維基百科入口。部分中文條目使用維基百科搜尋連結,因相關中文條目可能不存在或名稱不穩定;請在後續編輯時補充可靠的中文專業來源。moc/以 Mermaid 關係圖呈現重要概念群,作為跨領域閱讀與重新組合筆記的入口。
版本與研究範圍: 整理日期為 2026-11-16。此書庫是研究型讀本與工作筆記,不構成法律意見或特定系統的合規認證。對仍在變動的法律及政策,請以官方最新版本為準;對實證研究,請留意研究年份、樣本、地理範圍及外推限制。