從歐盟《人工智慧法》談新興科技治理的制度設計難題（三）林勤富教授 人工智慧自1950年代達特茅斯會議提出概念以來，歷經數次發展與寒冬，直到2000年後因網際網路普及、大量數位資料累積、演算法突破與GPU等硬體運算能力提升，迎來第三波以機器學習與深度學習為核心的AI浪潮。2016年AlphaGo擊敗南韓天才棋手李世石象徵重大轉折，近年生成式AI（如ChatGPT）的興起，更加速AI滲透至各專業領域，被視為未來人機互動的重要介面。 然而，人工智慧發展伴隨治理難題。首先是資料代表性與標註過程可能反映既存社會偏見，導致演算法歧視與不公平，例如：司法風險評估、求職履歷篩選或圖像生成的性別與種族刻板印象等；其次是黑盒子問題，包括營業秘密造成的法律不透明、深度學習本質上的不可解釋性，以及決策者對AI運作機制理解不足的知識落差，均挑戰正當法律程序與責任歸屬。在治理的制度設計上，各國面臨軟法引導、硬法規範或司法事後審查等不同選擇，歐盟《人工智慧法》採風險分級模式，依應用風險高低設計義務強度，嘗試在創新與權利保障間取得平衡。本課程從人工智慧的技術發展歷程出發，闡釋其對法律、社會倫理與治理架構所帶來的衝擊，並聚焦於歐盟《人工智慧法》的制度設計，進一步與其他國家法制進行比較。