# Google Responsible Innovation Fellowship 工作坊 筆記

---

## 破冰與核心心態

> “**You get out what you put in; the more you put in, the more you get out — I’ve seen that *tenfold*.**”

* **挑戰自我 & 問對問題**：工作坊鼓勵「really tough questions」以切入議題核心。
* **假設善意 + 承擔行動責任**（assume good intent & take accountability）。
* **Cultural Humility**：包容多元文化脈絡與觀點差異是關鍵領導力。

---

## 計畫緣起與願景

1. **公平機會**：原初目標是為「*historically excluded*」學生擴大科技職涯管道。
2. **橋接雙向落差**
* *技術 ↔ 社科 / 公共政策*
* *STEM ↔ Ethics*
3. **共享 AI Principles 框架**：去神祕化、開拓職涯途徑、培育跨域人才

> 講者自述：講者 A 背景是 public policy

---

## 學習成果 & 三日模組

| Day | 主軸 | 重點 |
| --------- | ------------------------------------------------------- | ------------------------------------------------------------- |
| **Day 1** | Orientation & Moral Imagination | 基礎概念、實作導入 |
| **Day 2** | Sociotechnical Harms ＋ 五大 AI Principles Lightning Talks | Social Benefit / Fairness / Privacy / Safety / Accountability |
| **Day 3** | 多組 Case Studies | 實戰演練與結業 |

> **Learning Outcomes**
> ‑ 了解 Google AI Principles 在產品開發中的應用
> ‑ 探討現有與未來 Responsible Innovation 挑戰及因應
> ‑ 建立「社會—技術」雙鏡視角
> ‑ 能以系統化方法評估技術倫理

---

## Moral Imagination 團隊介紹

| 姓名 | 職稱 | Google 年資 | 專長 |
| ----------------- | ------------------------------- | --------- | ------------ |
| 講者A McCroskery | ETHICS Partner, Google Research | N/A | 團隊倫理落地 |
| 講者B | Ethics & Policy Advisor | \~3 yrs | 法律 / 政策 / 哲學 |
| 講者P | AI Ethics Specialist | 5 yrs | AI‑Ethics 諮詢 |
| 講者K | Designer → Moral Imagination | 7 yrs | 設計思維 |
| 講者D | Scenario Writer (TVC) | 5 yrs | 劇本化情境 |

---

## 工作坊筆記（正文）
### 技術超前法律：Policy Vacuum 的灰色地帶
講師B 用一張雙曲線圖說明「法律落後科技」的現實：自 1990 年代網際網路普及後，舊有法律逐漸跟不上科技的複雜度。如今技術曲線早已高於法律曲線，形成巨大的「灰色區」。在這裡，立法者望塵莫及，企業與個人就必須主動定義行為準則。這正是負責任創新急速冒出的歷史背景──法律規範不足，企業就得自行扛起倫理審查。


> 科技線像裝了火箭一樣衝上天，而法規這條虛線卻還在悠哉慢跑，雙線正式脫鉤。現在的我們，活在一個「政策真空」裡。而法律部署落後的代價，便是不斷被犧牲的少數人權。[name=蔡秀吉]

## 技術哲學三定律：意圖、世界、關係
接著 講師B 引入三個哲學命題：
- 第一「我們造的東西反映我們的意圖」，數百個設計決策背後，皆藏著價值取向；
- 第二「我們造的東西改變世界」，從 Time 1 到 Time 2，舊問題解決的同時，必會產生新問題；
- 第三「我們造的東西形塑人際關係」，技術不僅是工具，也是媒介，影響資訊流向與人類互動模式。

若不對這三點進行倫理審視，風險終將在產品上線時集中爆發。

## 四步模型：把倫理鑲進開發流程
為避免「最後一關才審查」的高昂沉沒成本，團隊提出四步：

1. Externalize Intent──在專案 Kickoff 就說清楚「為何要做？」
2. Expand Perspective──透過情境演練找盲點。
3. Evaluate Together──跨域共評新挑戰。
4. Respond──把洞見回饋至下一輪迭代。

講者P 的名言點出核心：「道德想像是感知細節、質疑框架、想像替代未來的能力，而 **『不做』永遠是一種選擇**。」

## Lightning Talks：五大 AI 原則深描
第二日 Lightning Talks 依序呈現五大原則。

- **社會效益**：Unni Nair 以聯合國 SDGs 篩選技術應用範疇，示例包含利用 Street View 偵測加州易燃植栽、與 NOAA 合作鯨魚保育、用 AI 強化垃圾分類。
- **公平消除偏見**：講師A 說明 ProFair 團隊的四步流程，並舉例 Google Translate 由「He is a doctor」進化為多元代名詞。
- **安全**：講師A 借鏡航太工業，強調安全須「設計時即內建」。他提醒：Facebook 在緬甸的失控與美國醫療成本演算法的歧視，都源於對「社會系統層級」缺乏整體觀。
- **責任歸屬／可解釋性**：講師P 提到 Google 為中學生錄製 13 部 AI 教育影片，並設計自駕車情境案例，讓使用者理解「為何看到這個決策」。
- **隱私**：講師P 以 87 % 美國人可被生日、郵遞區號與性別唯一識別的研究開場，強調隱私權必須「人人皆有，而非付費才能享」。她列出透明度、比例性、使用者控制與保留期限四項設計準則。

## Harms Exercise：從搜尋偏見到 TikTok 推薦
講師 R 和 講師 E 以 50 分鐘帶領「Harms」練習。暖身活動要求學員分別搜尋 `woman smart`、`man smart` 等詞，觀察 autocomplete 與圖片結果如何放大性別刻板印象。接着解析 TikTok「For You」演算法：為何它根據 watch‑time 建議影片、如何形成過度沉浸及群體誤導。學員在小組討論中，需列出潛在濾泡、上癮、隱私風險等多重傷害，並提出緩解策略。

## 綜合反思：責任創新的三大啟示
- 第一，倫理必須前移：等到產品完工才檢視，往往為時已晚；意圖外顯與早期對話是降低重工成本的唯一途徑。
- 第二，文化決定產品：團隊價值觀與日常決策直接映射到程式碼與介面上，故培養跨域文化比寫更多守則更有效。
- 第三，實踐工具化：從 SDGs 濾網到 ProFair 測試、從差分隱私到 Explainability 教案，皆證明「負責任創新」不是抽象理論，而是一套隨手可用的方法論庫。

## 結語：讓更強大的科技，也更值得被信任
當科技曲線持續上揚、法律曲線仍緩步跟進，我們處在一個必須自行訂定準則的時代。RIF 工作坊提示：負責任創新並非「附加功能」，而是一種工程與社會科學密不可分的思維模式。未來的技術領導者──不論你今天是程式設計師、社會學者或公共政策研究者──都得習慣把「更值得信任」的目標，寫進產品 backlog，擺在性能指標之前。唯有如此，科技才可能為人類與地球帶來真正可持續的紅利。

---

## 建議的後續行動

| 層級 | 行動 | 目的 |
| -- | --------------------------------------------------------- | -------- |
| 團隊 | 在 sprint 0 即納入 **Externalize‑Expand‑Evaluate‑Respond** 四步 | 減少重工 |
| 個人 | 參照 AI Principles 每月做一次自我稽核 | 養成倫理肌肉記憶 |
| 組織 | 強化跨域人才管道（社科 ↔ 工程） | 彌補灰色政策真空 |
| 社群 | 以 **Open‑Source+Workshop** 形式共享案例 | 擴散多元參與 |