關於「演算法」 你應該知道的事

編譯／劉大維

到底什麼是「演算法」？

2020年底，美國史丹佛大學醫學中心按照聯邦政府的指引，分配疫苗的優先接種對象。結果卻搞了個大烏龍：5,000支疫苗，多被分配給了高階管理階層，第一線醫護人員的名額只有7名，佔0.1%。史丹佛宣稱當初曾諮詢過許多倫理學家，共同研擬出一套「非常複雜的演算法」，但「表現不如預期」。

看到這，你是否以為史丹佛打造了一個AI決策系統，以更公平、有效地分配有限的醫療資源？然而事件中，史丹佛實際使用的不過是一個類似決策樹（decision tree）的SOP，好讓委員會可以依循。知名電腦科學家楊立昆直批：這是哪門子的演算法？應該只是某人自己打好的一份Excel表單吧！

當人們越來越依靠AI的意見來決定諸如企業人員聘僱、罪犯假釋申請、對弱勢族群的補助審查時，各國政府紛紛意識到監管這項科技的重要性。歐盟的《AI白皮書》更明確規範：AI必須公平對待所有個體，不因性別、種族、經濟條件等因素而有差別待遇。同時，AI做出的決策在違反社會利益的情況下，必須接受個體的質疑，因此系統的演算法必須具備「可解釋性」，使決策過程透明並可穩定地重複再現。紐約大學教授Gary Marcus也在一份報告中指出：我們不能一廂情願地期待那些運用AI的企業能夠自我規範，因為企業利益顯然時常與社會利益相衝突，所以第三方的介入、監管實屬必要。

然而當政府開始介入，立法要求強制審查這類演算法時，到底什麼是「演算法」？如何明確定義它？又該如何審查？便成為不可迴避的難題。

如果你翻開教科書，或許會看到這樣的定義：

演算法是一套明確定義操作步驟與程序的規則。
An algorithm is a set of rules that precisely define a sequence of operations.

在這個廣義的定義下，一份食譜也可以說是一個「演算法」，但絕非各國希望立法規範的標的。

在統計學或機器學習的領域，「演算法」通常是指：一套給電腦的指令（instructions），於是電腦可以從資料（data）中學習。而電腦按演算法而學到的資訊（information），則被稱為「模型」（model），具體以「權重」（weights）的形式呈現。

反觀在其他領域，例如前述的史丹佛案例中，所謂的「演算法」顯得寬容許多：它依然反映了輸入（input，個體的年紀、任職單位等）與輸出（output，接種順序）的對應關係，但得到的是質性結果（是否應優先接種），而非系統可量化的最佳解。

按照語境的不同，所謂的「演算法」也有微妙的差異。想要得到一個放諸四海皆準的定義，並不容易。然而，既然一開始的立法宗旨是為了確保演算法的公平性，我們不妨換個角度思考，著重在「演算法」潛在的效果與影響，而非面紅耳赤地爭論到底什麼是「演算法」。因為無論是一份食譜、史丹佛的疫苗接種名單或人工神經網路，我們真正在乎的是那些受到演算法結果影響的人。

編譯來源

• K. Lum and R. Chowdhury, “What is an “algorithm”? It depends whom you ask“, MIT Technology Review, 2021.

(本文由教育部補助「AI報報─AI科普推廣計畫」執行團隊編譯)