李政德 副教授 【簡報下載】

社群媒體已離不開大眾生活，當我們點開Youtube，推薦影片便映入眼簾；當我們登入Facebook，用戶的每個點擊幾乎都是透過AI演算法找出用戶興趣所在而推薦的內容。社群媒體可透過演算法計算個人偏好並精準捕捉用戶注意力。

注意力研究已行之有年，但網際網路的出現改變注意力研究的深度與範圍。過去，個人對於各種不同商品的喜好僅存於心中，傳統社會學研究是透過問卷調查進行分析，資料取得較慢且使用者對喜好的定義不盡相同，有時難以量化比較，加上使用者在不同領域表達的喜好很難以跨平臺的方式蒐集，然而，當用戶大量投入網際網路和社群媒體平臺，資料蒐集變得更加容易，因此衍生出有效掌握用戶喜好的演算法。

注意力經濟的來源以用戶數位足跡（如網購、線上刷卡等）為基礎，AI演算法能從大量資料中學習規則，透過數位足跡捕捉用戶喜好，最後藉由精準推薦獲取用戶注意力。無論用戶是否購買商品，一旦點擊頁面或用手機滑過某貼文，演算法就會留下紀錄成為數位足跡。以Youtube為例，推薦影片佔點擊流量60%，由此可知，注意力經濟對社群媒體的重要性不言可喻。社群媒體平臺可透過注意力經濟進行精準行銷以提升商品購買率，用戶也會不斷被這些投其所好的行銷手法或廣告吸引而持續消費，形成雙向循環。

我們該如何面對注意力經濟？李副教授提出三大面向，第一，使用者必須留意網路上最珍貴的資產，例如個資和數位足跡，用戶須意識到自己的網路行為會留下紀錄。第二，用戶須意識到演算法會產生偏差，包括同溫層效應、從眾效應、假訊息散播等負面影響，因此用戶應從更多面向蒐集資訊，而非僅靠演算法。最後，注意力不等於行動力，看到推薦商品或影片，未必要購買或點擊，決策前應多查證與比較，並衡量是否有足夠金錢和時間購買或點擊影片。

注意力經濟是把雙面刃，其雖為用戶帶來便利，但也帶來對立和仇恨（例如選舉期間不同立場者互相攻擊），它也有助於用戶關注國際時事，用戶無須大量搜尋即可取得大量時事資訊，透過注意力經濟，用戶可輕鬆取得系統推薦的有用資訊讓學習事半功倍，未來我們應發展自我約束與減緩偏差的演算法，讓具道德框架的AI降低負面影響。 最後，李老師指出，演算法的負面影響或許無法被徹底解決，但可透過推動科普教育讓大家認識演算法，並使用透明化與可解釋的AI技術建構對演算法的信任評估機制，使用AI技術的風險包括AI可能蓄意推薦不真實或造成對立的內容，未來須特別關注。

李韶曼 助理教授【簡報下載】

科技從來就不是中性的，我們須省思誰在推動AI系統發展？在科技發展的洪流中，誰又扮演何種角色？個人又該如何自處？

社群網站與媒體提供便利而免費的服務，其營利模式有賴於大量蒐集用戶個資，只要涉及當代重要競爭行為就無可避免演算法，其中一個重要議題是，注意力經濟在市場運作中是否與個資保護衝突？

李老師認為，注意力經濟已解構傳統主權觀，過去審議式民主是透過公共討論與意見交換形塑與凝聚共識，但注意力經濟已改變民主政治生態，候選人透過將自己包裝成選民喜歡的商品吸引選民注意力，其中政治性廣告就是一個顯著案例。AI可預測甚至介入選民投票行為，投放定向廣告凝聚支持者，這種情況已影響民主選舉機制的透明性與公平。演算法排序該如何問責？是否影響選舉權與公民投票的自由？少數選民是否被演算法忽略？這些問題都是必須審慎思考的，政治性廣告必須受到監管。

至於如何監管政治性廣告？其中一種解方是將政治性廣告列為網路言論，目前可能的管制模式包括：讓提出言論者負責、行政機管監控、網路平臺介入負責，以及公民大眾共同承擔責任。然而，網路具跨國性和匿名性，因此針對個人究責不易；大量網路言論也可能造成行政機關監控成本過大，介入也有可能衍生出濫權風險；由於社群網站與國家對移除網路言論的觀點不同，網路平臺也難以介入；針對公民大眾，則應多加投入媒體識讀教育。 另一種解方是仰賴社群媒體平臺的政策，目前許多平臺都有不當言論檢舉管道，通常是由AI與人工搭配進行審查程序，但這種做法是否會侵害本來合法的內容，是接下來須思考的議題。在去年選舉期間，Google也提出暫時停止政治性廣告的方案，由此可見，目前許多解方都仰賴社群媒體平臺，未來可能須進一步思考，以資訊科技為中心的解方是否適切？但若跳脫演算法，那又有何種價值須納入考量？

何明諠 專案經理

演算法會影響FB貼文模式或政治人物觸擊率，並因此影響訊息流通的程度，由於社群媒體平臺廣泛使用演算法，它已成為當代重要議題，包括社群媒體、ISP業者都是演算法使用者。注意力產業的營利所在與影響力是我們必須關注的議題。早在2003年，Google便申請過類似專利，而這十年來，演算法的發展已更加蓬勃。

在內容審查方面，演算法也扮演重要角色，Google有安全、隱私權及內容移除的報告，被移除的影片大部分都是透過自動偵測系統認定，移除的留言數大部分也來自自動檢舉和移除。2018年的Santa Clara要求平臺揭露移除統計數據、移除原因、移除內容種類、用戶申訴機制與用戶救濟結果等相關說明。 在臺灣方面，台權會於2015年發現政府在兩年內審查超過七萬件網路內容，但數字無法反映個案決策品質與整體系統運作。未來我們應努力提升決策品質，近年推出的《通用資料保護規則》（General Data Protection Regulation， GDPR）、歐盟《數位服務法》和《數位市場法》都有類似規範。

焦點座談

陶振超 教授

資訊多樣化過去被認為是對民眾賦權，但目前卻造成用戶的選擇困境。人們仰賴少數媒體或演算法形成偏好，社群媒體應提供用戶必須知道的資訊，而非僅提供用戶想要的資訊，現在社群媒體一方面提供資訊，另一方面卻審查資訊，到底媒體應扮演何種角色，請各位老師發表看法。

李振德 副教授

我認為社群媒體應允許使用者自行選擇想看的內容，但矛盾的是，演算法卻已過濾內容。我們可從主動/被動獲取資訊的角度來看，主動代表用戶感興趣、主動訂閱或取出之內容，被動代表用戶允許的演算法推薦內容。

社群媒體應扮演提供多樣化資訊的角色，其相對而言不會受到特定立場媒體影響，但多元性應明訂於法律或特定規範之中，至於如何定義多元？也須請專家提供不同思考面向。演算法透過資料學習用戶喜好，最終仍可能提供大眾偏好的內容從而限制多元性，而我認為應在保有多元價值的情境下適度規範演算法。

李韶曼 助理教授

同意李政德老師支持多元性的觀點，但問題是我們該如何保持多元？我認為傳統媒體能有效過濾有用資訊而達成更好的多元性，媒體角色應被正視，國家是否應作為主動提供平臺的角色，而官方平臺的演算邏輯可能與營利導向的演算邏輯不同，這又對多元性將造成何種影響？另一個可能達成多元性的方法是打破科技巨頭壟斷局面，若Facebook能裂解成更小的單位，現在演算法獨霸的局面是否有可能改變？這些都是可思考的面向。

何明諠 專案經理

我們應思考網際網路的最初理想為何，網際網路一開始的理想是多元資訊的連結，非常自由也沒有任何限制，照當代社群媒體發展路徑，我們須重新思考對網路的最初想像是否合理？另外，人們會因來自不同的多元背景執行價值判斷，演算法並未讓我們擺脫既有處境，反而強化既有處境。

陶振超 教授

接下來請教李政德老師，道德性的AI是否可行？

李政德 副教授

目前AI運作框架是快速有效率地處理資料，因此會提供簡短或圖像化的資訊，若要做到可解釋或透明性AI，未來可能須解釋推薦原因，雖然這在技術上可行，但用戶時間有限可能導致執行困難。

陶振超 教授

這個問題是想請教李韶曼老師，對於政府監管言論的看法為何？

李韶曼 助理教授

政府監管言論的討論很多，但政治性廣告已扭曲民主，因此我認為政府須介入監管的對象。

陶振超 教授

請教何經理，政府應如何協助公民團體監督擁有權力的大企業？也請補充臺灣的網路言論管制政策或法規。

何明諠 專案經理

捐款是對公民團體最直接的幫助！捐款是對公民團體最直接的幫助！監管大企業通常有兩種做法，其一，透過法律和政策管制；其二，透過公民社會監督，政府須投入更多資源協助公民團體吸納人才，才能幫助公民團體壯大。 臺灣曾提過《數位通傳法》草案，目前正準備重提一個新的草案，在最初的版本有針對網路審查的規範，比方說規範何種內容應下架或何種資訊應揭露。

提問與回應

Q1. 聽眾：李韶曼老師提到有害民主的言論須管制，讓我聯想到美國大選時川普被暫時關閉帳號，當時也引發爭議，我們該如何判斷言論是否達成有害民主的標準？

與談人回應

李韶曼 助理教授

是否須管制言論應從該言論發生當下的時空脈絡來看，就川普的案例而言，我支持禁止其言論的決策，當民主重要的制度條件被扭曲或戕害時，就有必要介入管制。另外，當Twitter或Facebook作出停權決策的時候，他們也有不同的審查程序，整體言論管制並非片面性的單純決策，還是應納入不同的利害相關人共同參與。

李政德副教授

將科技巨頭拆分成多個不同面向的小群體，如此一來，在A平臺被禁的言論在B平臺也未必會被禁。