Upgrade to Pro — share decks privately, control downloads, hide ads and more …

#133- AI 來襲!NPO該怎麼看待和應用新技術?_卞中佩

#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⋯⋯

網路星期二

April 21, 2023
Tweet

More Decks by 網路星期二

Other Decks in Technology

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)

    View full-size slide

  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

    View full-size slide

  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?

    View full-size slide

  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?

    View full-size slide

  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?

    View full-size slide

  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?

    View full-size slide

  7. AI模型原理

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    函數製造機
    1
    AI模型原理

    View full-size slide

  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

    View full-size slide

  15. 15
    5
    函數製造機
    1
    AI模型原理
    模型會有誤差……

    View full-size slide

  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

    View full-size slide

  17. 17
    ABC1234
    輸入與輸出
    2
    AI模型原理

    View full-size slide

  18. 18
    License Plate
    輸入與輸出
    2
    AI模型原理

    View full-size slide

  19. 19
    We will
    rock you
    輸入與輸出
    2
    AI模型原理

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  23. 23
    AI模型原理

    View full-size slide

  24. AI Projects for NPO

    View full-size slide

  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

    View full-size slide

  26. 26
    民眾的各
    種特徵
    1. 捐款
    2. 未捐款
    1 案例1
    AI Projects for NPO

    View full-size slide

  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

    View full-size slide

  28. 28
    Y X
    1 案例1
    AI Projects for NPO
    Dataset provided by KDD Cup’98 competition

    View full-size slide

  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。

    View full-size slide

  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

    View full-size slide

  31. 31
    AI Projects for NPO
    31
    31
    財務分析
    實際捐款
    No Yes Sum




    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

    View full-size slide

  32. 32
    AI Projects for NPO
    32
    32
    財務分析
    實際捐款
    No Yes Sum




    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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  36. 36
    應用AI不僅是開發出很炫的東西,得改變組

    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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  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

    View full-size slide

  40. 40
    2 案例2
    AI Projects for NPO

    View full-size slide

  41. 41
    其中一個模型
    2 案例2
    AI Projects for NPO

    View full-size slide

  42. 42
    2 案例2
    AI Projects for NPO

    View full-size slide

  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

    View full-size slide

  44. 44
    AI Projects for NPO
    資料整備
    組織改造
    倫理問題

    View full-size slide

  45. 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

    View full-size slide

  46. 47
    文書行政支援
    專案助理
    研究分析
    對外服務
    4

















    3
    2
    1
    1
    2
    3
    4
    生成式AI時代

    View full-size slide

  47. 48
    1 文書、行政支援
    生成式AI時代
    1




    View full-size slide

  48. 49
    2 專案助理
    生成式AI時代
    2










    View full-size slide

  49. 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

    View full-size slide

  50. 51
    2 專案助理
    生成式AI時代

    View full-size slide

  51. 52
    2 專案助理
    生成式AI時代

    View full-size slide

  52. 53
    2 專案助理
    生成式AI時代

    View full-size slide

  53. 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















    View full-size slide

  54. 55
    3 研究分析
    生成式AI時代

    View full-size slide

  55. 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

    View full-size slide

  56. 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

    View full-size slide

  57. 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

    View full-size slide

  58. 59
    3 研究分析
    生成式AI時代

    View full-size slide

  59. 60
    3 研究分析
    生成式AI時代

    View full-size slide

  60. 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

    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

    View full-size slide

  61. 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

















    View full-size slide

  62. 63
    生成式AI時代
    資料整備
    組織改造
    倫理問題

    View full-size slide