#133- AI 來襲！NPO該怎麼看待和應用新技術？_卞中佩

2023/04/11
https://www.youtube.com/live/Cibm1QqWT2g?feature=share

活動簡介：
AI 正以前所未有的速度，掀起一波波浪潮，一場影響人類、衝擊社會、經濟、文化、政治⋯⋯所有層面的革命已然啟動。AI 的普及會帶給 NPO 伙伴們什麼機會和挑戰？NPO 的服務對象、組織、支持者又會有什麼變化呢？

這次講座邀請到兩位有社會問題意識、AI 實戰經驗的講者，希望能讓⼤家更了解 AI 對 NPO 所帶來的影響，並找到更好的應對⽅式。我們期望這次講座是個起點，能喚起公益圈對新技術的關注，並且開啟更多對話和討論空間。

太多的問題需要被討論，也想邀請你一起來思考：NPO 要積極學習和導入 AI 嗎？運⽤ AI 的 NPO，如果沒有好的規劃和討論，是否有可能事倍功半？甚至衍⽣出新問題？而未來不會運⽤ AI 的 NPO，會不會變得更弱勢？AI 發展過程中，如何繼續守護我們在乎的公平、正義、尊嚴、隱私、自主⋯⋯

Transcript

1. 1 生成式AI浪潮下的NPO 卞中佩（政治大學創新國際學院）
2. 2 AI: 威脅還是機會？ 當前的AI科技 只能處理人類設計好的特殊任務
3. 3 通用人工智慧（Artificial General Intelligence; AGI） maybe is a long way away? AGI: A machine that has the capacity to think, learn, or understand any task that a human can (Pease 2020). Wall-E. 2008. Disney AI: 威脅還是機會？
4. 4 當前的AI科技 只能處理人類設計好的特殊任務 Artificial Narrow Intelligence (ANI) AI: 威脅還是機會？
5. 5 ChatGPT前的AI科技: 只能處理人類設計好的一個特殊任務 Artificial Narrow Intelligence (ANI) 一個訓練好的模型只能做一個任務！ ChatGPT AI: 威脅還是機會？
6. 6 ChatGPT後的AI科技: 能處理人類設計好的特殊任務 Artificial Narrow Intelligence (ANI) 一個訓練好的模型只能做許多任務！ ChatGPT AI: 威脅還是機會？
7. AI模型原理
8. 8 函數製造機 1 0 以人工神經網路產生一個能輸入東 西後能輸出結果的函數 就像：Y = 3X + 5 AI模型原理
9. 9 ? 函數製造機 1 AI模型原理 以人工神經網路產生一個能輸入東 西後能輸出結果的函數 就像：Y = 3X + 5
10. 10 2 函數製造機 1 AI模型原理 以人工神經網路產生一個能輸入東 西後能輸出結果的函數 就像：Y = 3X + 5
11. 11 我們會準備每個數字上千張的圖 片及標註好的答案去讓神經網路 訓練函數 函數製造機 1 AI模型原理 第一張照片與結果7送入神經網路，產生一個初始的模型A
12. 12 我們會準備每個數字上千張的圖 片及標註好的答案去讓神經網路 訓練函數 函數製造機 1 AI模型原理 第二張照片與結果2送入神經網路，修正原來的初始的模型 A，變成模型A1 2
13. 13 程式運算後的準 確率到達令人滿 意的程度後，就 產生我們要的函 數，也就是AI模 型 函數製造機 1 AI模型原理
14. 14 我們就可以把新的圖丟進我們產製 的AI模型，然後就會產生一個結果 ? 函數製造機 1 AI模型原理
15. 15 5 函數製造機 1 AI模型原理 模型會有誤差……
16. 16 1. 重點是你為什麼有一個工作需求，覺得人工做太累或太 耗成本。 2. 這個工作可以數據化為輸入及輸出。 3. 確認AI能處理數據化的輸入與輸出，並且評估進行大量 的數據化後符合成本。 4. 然後拿大量的輸入輸出數據去訓練模型，模型訓練好後， 就是你的工具。 5. 你可以拿新的輸入，讓模型產生輸出 輸入與輸出 2 AI模型原理
17. 17 ABC1234 輸入與輸出 2 AI模型原理
18. 18 License Plate 輸入與輸出 2 AI模型原理
19. 19 We will rock you 輸入與輸出 2 AI模型原理
20. 20 Rock 'n' roll 0 1 2 3 Jazz Rock ‘n’ Roll Classic Pop 輸入與輸出 2 AI模型原理
21. 21 Next word? Fine OK Bad Great How are you? 0 1 2 3 輸入與輸出 2 AI模型原理
22. 22 Next word? thank NA how I How are you? Fine 0 1 2 3 AI模型原理 輸入與輸出 2
23. 23 AI模型原理
24. AI Projects for NPO
25. 25 AI Projects for NPO 1 案例1 案例1：產生一個AI，幫忙預測民眾是否 為潛在捐款人 目標：進行勸募活動時，更鎖定目標民眾， 以更少的成本，產生更高的成功率
26. 26 民眾的各 種特徵 1. 捐款 2. 未捐款 1 案例1 AI Projects for NPO
27. 27 民眾的各 種特徵 1. 捐款 2. 未捐款 儘可能收集、累積許多民眾的基本資料， 包括年齡、性別、教育、收入，越多越好， 再加上最重要的，是否曾經捐款。 1 案例1 AI Projects for NPO
28. 28 Y X 1 案例1 AI Projects for NPO Dataset provided by KDD Cup’98 competition
29. 29 1 案例1 AI Projects for NPO DONOR_AGE URBANICITY CLUSTER HOME_OWNER DONOR_GENDER INCOME_GROUP WEALTH_RATING MEDIAN_HOME_VALUE MEDIAN_HOUSE_VALUE PCT_OWNER 87 ? H M 2 554 294 76 TARGET_B 0 將第一個受訪者的資料丟進人工神經網路， 產生一個初始模型D 然後再丟入第二個受訪者的資料，產生修 正後的模型D1，以此類推，跑完所有的受 訪者，得到最終模型DF。 如果DF準確率太低，就調整變數 及參數，重新訓練。
30. 30 什麼叫做準確率低？多低叫作低？ 不同的AI專案有不同的準確率需求 • 停車場的車牌辨識需要99.99%的準確率 • 預測捐款，其實50%就很高很高了。 為什麼？主要就是財務成本考量。 1 案例1 AI Projects for NPO
31. 31 AI Projects for NPO 31 31 財務分析 實際捐款 No Yes Sum 預 測 捐 款 No 559 13 572 Yes 98 30 128 Sum 657 43 700 23%準確率 所有名單人數 每個人勸募 成本 成本 700 10 7000 最後多少人捐款 平均捐 款金額 收入 43 200 8600 6% accuracy 1600 AI建議名單 每個人勸募 成本 AI支出 支出 128 10 1000 2280 最後多少人捐款 平均捐 款金額 收入 30 200 6000 23% accuracy 3720 對所有名單進行勸募 對AI建議名單進行勸募
32. 32 AI Projects for NPO 32 32 財務分析 實際捐款 No Yes Sum 預 測 捐 款 No 617 3 620 Yes 40 40 80 Sum 657 43 700 50%準確率 所有名單人數 每個人勸募 成本 成本 700 10 7000 最後多少人捐款 平均捐 款金額 收入 43 200 8600 6% accuracy 1600 AI建議名單 每個人勸募 成本 AI支出 支出 80 10 1500 2300 最後多少人捐款 平均捐 款金額 收入 40 200 8000 50% accuracy 5700 對所有名單進行勸募 對AI建議名單進行勸募
33. 33 模型效果： 1. 告訴你捐款機率最高的群體：如30-40 歲女性，住在郊區，家庭年收入12萬 美元 2. 將打算進行勸募的對象基本資料丟入模 型，模型直接產出是否會捐款的預測。 1 案例1 AI Projects for NPO
34. 34 資料如何收集？ • 別人做好的問卷結果：如台灣公益團體 自律聯盟所做的「2022數位時代下的 公益現況」問卷 • 自行收集：自己進行勸募時，順便紀錄 民眾的基本資料及是否捐款。 1 案例1 AI Projects for NPO
35. 35 模型產生後如何執行？ 1. 按照模型建議結果進行勸募，並進一步 紀錄以累積更多資料 2. 進行一定比例的反向操作，確定模型的 準確度之外，解決倖存者偏差。 3. 用新舊資料繼續訓練更好的模型。 1 案例1 AI Projects for NPO
36. 36 應用AI不僅是開發出很炫的東西，得改變組 織 資料收集、AI模型進入決策、組織架構等等 1. 必須投入資源與人力 2. 取得組織共識 1 案例1 AI Projects for NPO
37. 37 民眾的各 種特徵 1. 會被詐騙 2. 不會被詐騙 儘可能收集、累積許多民眾的基本資料： 隱私問題 該考量Y是否牽涉敏感的議題：詐騙、會 受假訊息影響而改變投票行為等 1 案例1 AI Projects for NPO
38. 38 案例2：由AI辨識高自殺風險民眾 目標：求助防自殺服務專線的民眾越來越 多，由AI篩出高風險民眾轉介給真人服務 2 案例2 AI Projects for NPO
39. 39 電話求助 內容 1. 自殺 2. 不會自殺 將電話內容由語音轉為文字，並標註此內 容的案主後來是否自殺。 2 案例2 AI Projects for NPO
40. 40 2 案例2 AI Projects for NPO
41. 41 其中一個模型 2 案例2 AI Projects for NPO
42. 42 2 案例2 AI Projects for NPO
43. 43 92.5%的準確率在自然語言模型算是很高的，1000人裡 面有925人辨識正確，但這在自殺防治裡可以接受嗎？ 2 案例2 AI Projects for NPO
44. 44 AI Projects for NPO 資料整備 組織改造 倫理問題
45. AIGC Era
46. 46 生成式AI時代 生成式AI：能產生大量的資訊，但無法產 生正確的知識 有求必應的博物館，但展覽出來的東西卻 有很多的偏誤。 生成式AI再處理、優化現有的知識，使用 者要有能力確認生成式AI產生出來的是真 的知識
47. 47 文書行政支援 專案助理 研究分析 對外服務 4 指 令 工 程 專 業 領 域 知 識 資 料 及 程 式 組 織 3 2 1 1 2 3 4 生成式AI時代
48. 48 1 文書、行政支援 生成式AI時代 1 指 令 工 程
49. 49 2 專案助理 生成式AI時代 2 指 令 工 程 專 業 領 域 知 識
50. 50 層層遞進 每一項都是專業 知識的學習，及 需要專業知識確 認內容是否正確 2 專案助理 生成式AI時代
51. 51 2 專案助理 生成式AI時代
52. 52 2 專案助理 生成式AI時代
53. 53 2 專案助理 生成式AI時代
54. 54 3 研究分析 過去很難進行或者執行效果不好的 研究，可以嘗試透過ChatGPT完成。 如社群網路情緒分析及資訊抽取 生成式AI時代 3 指 令 工 程 專 業 領 域 知 識 資 料 及 程 式
55. 55 3 研究分析 生成式AI時代
56. 56 隨機抽取100則，共抽10次，共1000 則： 1. 準確率為81.7% 2. 「其它」包括「中立」及「無法進行情緒分 析，因為此訊息並沒有情緒色彩」等訊息。 3 研究分析 生成式AI時代
57. 57 衛福部食藥署2013-2023新聞 稿，共4624則。 3 研究分析 生成式AI時代
58. 58 為推動國內食品業者實施食品安全管制系統(HACCP)，行政院衛生署於97年5月8日發布之「食 品安全管制系統」第四點規定，要求管制小組成員中至少一人應具備食品技師證書，該規定已 自101年5月8日起正式實施。這個部份政府希望除了落實從農場到餐桌之全程衛生管理外，於 食品產業導入食品專業的軟實力，將是未來提升我國食品產業轉型及引領國際的重要關鍵。 推 動食品技師投入食品產業，以提升食品衛生安全水準，食管局自99年成立後，陸續辦理多項配 套措施及宣導方案，包括舉辦校園宣導活動、辦理業者說明會、舉辦食品技師研習活動、協助 成立食品技師協會、建置食品技師資訊網，協請考選部增辦食品技師考試等。依據考選部資料 顯示， 99年至101年度總計已新增661名食品技師。食管局為使新進食品技師投入食品產業服務， 並持續精進產業服務之能力，101年起辦理食品技師培訓班課程，期望透過培訓課程，使食品 技師於職涯中不斷精進，並於食品產業中發揮把關食品安全，促進提升產業質量，歡迎新進食 品技師報名參加培訓班，102年度食品技師培訓班相關資訊可至食管局網站 (http://www.fda.gov.tw/TC/site.aspx?sid=2301)連結食品技師資訊網查詢。 要求ChatGPT抽取訊息中的藥品名、醫學名詞、 法律名、政府機關名、人名 3 研究分析 生成式AI時代
59. 59 3 研究分析 生成式AI時代
60. 60 3 研究分析 生成式AI時代
61. 61 為推動國內食品業者實施食品安全管制系統 (HACCP)，行政院衛生署於97年5月8日發布之「食 品安全管制系統」第四點規定，要求管制小組成員 中至少一人應具備食品技師證書，該規定已自101 年5月8日起正式實施。這個部份政府希望除了落實 從農場到餐桌之全程衛生管理外，於食品產業導入 食品專業的軟實力，將是未來提升我國食品產業轉 型及引領國際的重要關鍵。 推動食品技師投入食品 產業，以提升食品衛生安全水準，食管局自99年成 立後，陸續辦理多項配套措施及宣導方案，包括舉 辦校園宣導活動、辦理業者說明會、舉辦食品技師 研習活動、協助成立食品技師協會、建置食品技師 資訊網，協請考選部增辦食品技師考試等。依據考 選部資料顯示， 99年至101年度總計已新增661名 食品技師。食管局為使新進食品技師投入食品產業 服務，並持續精進產業服務之能力，101年起辦理 食品技師培訓班課程，期望透過培訓課程，使食品 技師於職涯中不斷精進，並於食品產業中發揮把關 食品安全，促進提升產業質量，歡迎新進食品技師 報名參加培訓班，102年度食品技師培訓班相關資 訊可至食管局網站 (http://www.fda.gov.tw/TC/site.aspx?sid=2301) 連結食品技師資訊網查詢。 藥品名 1. 這段文字中並未提及任何藥 品名。 醫學名詞 2. 醫學名詞：食品安全管制系 統 (HACCP)、衛生福利部、專門 職業及技術人員高等考試、食 品技師考試、食品技師、食管 署、產業界、食品衛生安全。 法律名 3. 法律名：無。 政府機關 名 4. 政府機關名：衛生福利部、 考選部、食品藥物管理署。 人名 5. 人名：無。 訊息發布日期為2013年7月9日，2013年7月23日 食管局改制成食品藥物管理署。 生成式AI時代
62. 62 4 對外服務 由ChatGPT與編輯協作產製新聞、製作應 用ChatGPT的聊天機器人。 需整備高品質的資料及建立好的微調模型。 生成式AI時代 4 指 令 工 程 專 業 領 域 知 識 資 料 及 程 式 組 織
63. 63 生成式AI時代 資料整備 組織改造 倫理問題