1 生成式AI浪潮下的NPO 卞中佩（政治大學創新國際學院）

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 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 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 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 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？

AI模型原理

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 ? 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 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 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 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 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 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 5 函數製造機 1 AI模型原理 模型會有誤差……

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 ABC1234 輸入與輸出 2 AI模型原理

18 License Plate 輸入與輸出 2 AI模型原理

19 We will rock you 輸入與輸出 2 AI模型原理

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 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 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 AI模型原理

AI Projects for NPO

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

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

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 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 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 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 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 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 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 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 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 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 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 2 案例2 AI Projects for NPO

41 其中一個模型 2 案例2 AI Projects for NPO

42 2 案例2 AI Projects for NPO

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 AI Projects for NPO 資料整備 組織改造 倫理問題

AIGC Era

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 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 1 文書、行政支援 生成式AI時代 1 指 令 工 程

49 2 專案助理 生成式AI時代 2 指 令 工 程 專 業 領 域 知 識

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 2 專案助理 生成式AI時代

52 2 專案助理 生成式AI時代

53 2 專案助理 生成式AI時代

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 3 研究分析 生成式AI時代

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 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 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 3 研究分析 生成式AI時代

60 3 研究分析 生成式AI時代

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 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 生成式AI時代 資料整備 組織改造 倫理問題