═══ 演算法偏見 ═══

社群與隱私 · 更新於 2026.07.15 · 約 1 分鐘閱讀

──────────────────────────────

演算法偏見指的是 AI 系統在輸出結果時，對特定群體、立場或觀點出現系統性的傾斜。這種傾斜不一定是有人惡意設計的，也可能來自 AI 學習所用的大量資料本身就帶著社會既有的偏見——當訓練資料反覆出現某些刻板印象，模型就會把它們一起學起來，再原封不動地產出。

偏見的來源大致可分成兩層。一層來自「訓練語料」，也就是模型讀了什麼而自然形成的傾向，這層通常較難更動；另一層來自「事後調校」，也就是開發者透過系統提示或微調，刻意加上去的立場，這層可以幾行指令就改變。值得注意的是，演算法偏見還會「跨語言變形」：研究發現，同一個 AI 用不同語言回答同一個問題，可能呈現不同的立場，甚至連內容審查與安全機制都可能只對某一種語言（常是英文）比較嚴格。

對一般人而言，理解演算法偏見的重點在於：AI 的答案帶有它被訓練與被設定的視角，不等於客觀真相。對記者、社運工作者、跨性別者等高風險族群來說，這件事更需要警覺——當 AI 複製了對你不利的敘事，那不只是抽象的偏見，而可能造成真實的污名與傷害。使用時保持查證習慣、不把重要判斷交給單一 AI，是必要的自我保護。

──────────────────────────────
來源：https://ethome.cc/glossary/algorithmic-bias/
ethome.cc — 生活化的資安科普