【人物專訪】科技與社會的交織——專訪林文源教授

●9/11 林文源老師主講:「公共化AI:你我可以做什麼?」鎖定CASE直播

採訪、撰文/蔡志嘉

八月初,台灣的疫情稍稍趨緩,我們仍然不敢大意,好在林文源老師很體貼地願意讓這場採訪在線上進行,於是我們托科技的福,能在台北和新竹間搭上線,聽老師暢談科技與社會的關係。

●誤打誤撞栽進社會學

是什麼勾起林文源老師對社會學的興趣呢?出乎意料地,林老師年少時也曾抱持著人文學科無法對社會做出什麼貢獻的刻板印象,高中畢業後選擇進入清大電機系就讀。然而大一時被診斷出罹患重病,醫生宣告大約只剩下二到三年的壽命,頓時晴天霹靂。

林老師得知噩耗後決定休學,也在休學期間決定,如果生命所剩時間不多,應該讀自己最感興趣的科目。當時他常常思考「人為什麼會這樣想或那樣想?為什麼會做這樣或那樣的事?」,而對文學萌發了興趣,加上當時在學校社團認識了多位中文系的學長姐,因此復學後轉入清大中文系就讀。後來他發現有一門學問叫社會學,與起初感興趣的問題更密切相關,同時因為身體狀況也比醫生預期的好,於是大學畢業後便轉而研究社會學,並考上公費留學,到英國蘭卡斯特大學攻讀科技與社會研究 (Science, Technology, and Society)。

●科技與社會的交織

談到這裡,我們也不禁好奇,林老師為什麼會想探討社會學與科技間的關係呢?他分享了一個小故事,在他唸碩士班時,當時清大社人所的學風強調要做和自己有關係、有意義的研究,大學生病後就開始洗腎的老師從自身生活經驗出發,他想到洗腎腎友若不透過血液透析,就無法延續生命,換言之,科技不只和人的生活密切,沒有某些科技,人甚至無法繼續活下去。

同樣的道理發生在生活的各個層面,倘若現在人與人溝通少了通訊軟體,或是政府機關少了運作所需的資料系統,我們習以為常的社會很可能會崩解。科技與社會的各面向就像一片網子交織在一起,無法被分開。林老師在訪談中笑說自己也不是一個科技狂熱者,但他認為科技對社會的影響確實是不容忽視的。

擔心我們誤會,老師也強調,社會並非單向地被科技左右。科技本身並不是一個封閉的物件,科技從設計、開發、到使用的過程中,都有人參與在其中,若認真釐清,各種科技事實上是一個個開放的系統。也因為如此,「科技與社會不應該被視為是兩件事,我們要嘗試探討哪些方式把他們連在一起。所有科技上的技術安排都應該與適當的社會安排連結在一起,才能夠適當地運作。」他如此說道。這個概念也和老師之後的演講內容有相當大的關係。

●何謂「公共化AI」?

至於最近很熱門的人工智慧(Artificial Intelligence, AI),林老師說AI早從英國電腦科學家圖靈探討「電腦能不能像人一樣思考?」這個問題時就開始了,只是因為種種限制,當時的發展很有限。近年來因為演算法、圖形運算等硬體的突破,加上網路普及導致大數據的出現,AI技術才真正成熟了。所以AI其實並不新,中間已經過了數十年的努力。

但是掌握AI技術的人畢竟是少數,如果AI最後演變成只為少數人效力的「私有財」,那將發生什麼問題呢?他舉了一個例子,雖然我們需要花錢購買電腦設備和網際網路,但我們可以免費在網路上輸入網址抵達任何一個網頁,如果今天這件事情變得必須付費,那麼目前網路世界的資訊數量、多元性與可近性都會大打折扣,很多資訊就會變得不透明或是不平等。所以公共化背後的意義就是共享與共好,要促進大家的參與和包容多元價值,也保障科技發展帶來的可能性盡可能為大眾所分享。

●人人都可以參與AI

那麼要如何落實AI公共化的理想?林老師認為最好的方式就「人人都來參與AI」。AI的開發過程大約可以分成四個環節,包含設定問題、提供資料、使用演算法、最後是詮釋與應用。現在多數AI都只有特定的功能,比如說Siri不會下棋,Alphago不會導航,所以必須先明確設定要訓練AI解決的問題是什麼?而這關鍵的第一步就需要由人來設定,並且為其不違反倫理問題把關。第二步是提供合適的資料給AI,過去亞馬遜公司就曾經使用AI來決定公司員工的升遷,卻意外發現男性的升遷比率較女性高,原來是用來訓練AI的過去資料中就存在著男女升遷機會不平等的現象,因而造成了AI的偏見。所以根據問題找到合適的資料也是開發者的任務。

演算法的部分需要較多的專業知識,一般人或許較難參與,但是AI經過演算法做出的判斷結果,絕對需要人的詮釋及應用。比如說一個專門判斷照片中的動物是狗還是貓的AI經過演算法的運算後,告訴我們照片中某隻動物有95%機會是狗,90%是貓,但這隻動物一定是兩者其一,不會是狗和貓的混合體,這時候就需要由人來詮釋及應用AI判斷的結果。這種判斷可能無傷大雅。但若今天是AI判斷某個人有98% 能成為適合本公司的員工、80%會還不出貸款而不適合借錢給他、或是99%可能會再犯而不應該保釋。這些判斷都關係到許多人的前途甚至生死。因此,每個人都應當瞭解AI是如何由過去累積哪些資料做出這些預測,有哪些適用與不適用之處。在瞭解AI的能與不能後做出最終決定,才能真正善用AI而不為AI所誤導。

綜合以上,從問題的設定、資料的篩選,到最後的詮釋與應用都有人的參與,因此AI公共化絕對是可能的。我們可以開始關心日常生活中用到的AI,思考適合用AI解決的問題,提供好的資料來訓練AI,也可以將使用經驗反饋給開發者,甚至就像各種社會運動影響企業與政府一樣,更積極地以公民參與角度推動希望AI發展的目標與方向,或是推動對AI相關的監督與各種制度發展,有許多方式可以達到公共化的目的。

聽完老師剖析科技與社會的綜橫交錯,突然覺得種種科技包括AI其實離我們很近,社會中處處有科技,而科技又仰賴社會的價值觀。未來想必會有更多各式各樣的AI出現,如何參與在其中,更有待你我去探索。

views