負責任的 AI 導論
課程概述
生成式 AI 普及得很快，怎麼讓 AI 系統用負責任的方式運作就成了關鍵。這堂課會介紹 Google 的 AI 原則框架，看看怎麼在開發 GenAI 應用時，把公平性、安全性跟透明度做進每個環節。這不只是道德上的考量，企業要部署 AI 系統，這也是合規的基礎。
你將學到
- 列舉並解釋 Google 的 AI 七大原則
- 識別 AI 開發中的四類不應觸碰的領域
- 理解偏差（Bias）在 AI 系統中如何產生與擴大
- 認識 Google Cloud 提供的 Responsible AI 工具與資源
核心概念
Google AI 七大原則
Google 於 2018 年發布了七項 AI 原則，作為當時指導 AI 產品開發與部署的框架（註：Google 已於 2025 年 2 月將官方框架精簡為三大核心原則 — Bold Innovation、Responsible Development and Deployment、Collaborative Progress, Together；以下七大原則為 2018 年版本，仍是 Google Cloud Skills Boost 本課程的教學內容）：
- 對社會有益（Be socially beneficial） — AI 應用應為社會帶來正面價值
- 避免產生或強化不公平偏見（Avoid creating or reinforcing unfair bias） — 積極防範對弱勢群體的歧視
- 為安全而建構與測試（Be built and tested for safety） — 在部署前進行全面的安全性評估
- 對人負責（Be accountable to people） — 提供適當的機制讓人類能監督與干預
- 融入隱私設計（Incorporate privacy design principles） — 從設計階段就納入隱私保護
- 堅守高科學標準（Uphold high standards of scientific excellence） — 以嚴謹的研究方法為基礎
- 以符合原則的方式提供使用（Be made available for uses that accord with these principles） — 限制可能違反原則的用途
AI 不應觸碰的領域
在 2018 年版 AI 原則中，Google 曾明確表示不會開發以下四類用途的 AI 技術：造成或可能造成整體傷害的技術、設計用於監視且違反國際公認規範的武器、收集或使用資訊進行違反國際公認規範的監控、以及目的違反國際法與人權基本原則的應用。（註：此「Applications we will not pursue」條款已於 2025 年 2 月 Google 改版 AI 原則時移除，現行原則改以 Bold Innovation、Responsible Development and Deployment、Collaborative Progress 三大主軸呈現，因此這些已不再是 Google 的現行承諾。）
偏差的來源與影響
AI 偏差可能來自好幾個環節：訓練資料的採集偏差（Sampling Bias）、標註過程的人為偏好（Annotation Bias）、模型架構的內建假設，還有評估指標的設計盲點。在生成式 AI 裡，偏差會直接反映在模型輸出的內容上，所以更需要有系統地去檢測跟緩解。
實踐 Responsible AI 的方法
實際開發時，Responsible AI 不是做完再回頭打勾的檢查清單，而是要貫穿整個開發生命週期、一路做下去的事。從需求定義階段就要納入利害關係人的多元觀點；在模型選擇跟訓練的過程中做偏差審計；部署之後也要持續盯著模型行為的公平性指標。
實作重點
- 瀏覽 Google 的 AI Principles 官方網站，理解每項原則的具體含義（注意：該官方頁面已於 2025 年 2 月更新為三大核心原則，若要對照本文的 2018 年版七大原則，可參考 2018 年版原則存檔）
- 在選擇基礎模型時，檢視 Model Card 了解模型的訓練資料、已知限制與適用範圍
- 養成為每個 GenAI 應用建立「風險評估清單」的習慣，涵蓋偏差、隱私與安全面向
- 了解 Vertex AI 中的安全篩選器（Safety Filters）如何自動阻擋有害內容
Lab 導讀
Lab 連結：Introduction to Responsible AI — Google Cloud Skills Boost
這個 Lab 以影片講解跟小測驗為主，重點放在搞懂 Google AI 原則。測驗會考你對七大原則熟不熟，還有遇到具體場景時，怎麼判斷符不符合 Responsible AI 的要求。建議特別留意那些看起來合理、其實可能踩到原則的邊緣案例。
延伸學習
- 概念深入：什麼是生成式 AI？ — 回顧基礎概念
- Google Cloud AI 負責任原則實踐 — 進一步了解如何在 Google Cloud 上實踐這些原則
- 負責任 AI：公平性與偏差 — 聊聊公平性議題的技術解方