ㄧ、前言
美國官方發布的《全球人工智慧研究議程》（Global Artificial Intelligence Research Agenda, GAIRA），旨在促進全球範圍內安全、可靠且值得信賴的人工智慧（AI）發展。此議程補充了2023年美國國家AI發展戰略計畫，並將研究重點集中於以下幾個方面：（1）發展能夠長期負責任地使用的AI技術；（2）有效促進人類與AI的協作；（3）促進資料和研究環境的共享；（4）制定原則並推動國際協作的方法。透過整合聯合國、G20、G7等國際組織的研究成果，加速AI技術的發展。

議程還強調了四個相互關聯的核心領域：推動跨國合作發展，探討AI對社會經濟的影響，為政策制定提供依據，並分析AI對全球勞動市場的潛在影響。此議程的主要受眾包括投資者、政府機構及AI相關業者，強調了縮小數位落差、克服語言、文化與地理障礙的重要性。此外，議程還通過意見徵詢書（RFI）的方式，收集國際觀點，促進全球AI技術的進一步發展。

二、AI 研究的建議原則
自2016年以來，各界對人工智慧的討論日益深入，並為研究方向和重點提供了指導原則。經濟合作與發展組織（OECD）提出的「可信賴人工智慧原則(Principles for Trustworthy AI)」已成為國際間的共識，研究誠信與安全性原則也逐漸成為焦點。然而，針對不同類型研究適用的具體原則，尚未有一致看法。為此，《全球人工智慧研究議程》（GAIRA）建議以三項原則作為遵循依據：(1) 包容性和公平性：研究應致力於納入多元族群及需求，並靈活應對不同環境，確保各方都有機會參與，建立讓各方均能受益的公平性；(2) 負責任的研究行為：研究應以保護參與者權益為最高原則，包括數據提供者、測試人員和使用者。研究人員應建立系統以確保研究過程與成果具可持續性與負責任性；(3) 夥伴關係與合作：受AI影響的個人、群體和組織應該在技術開發的早期階段進行協作，尤其是在國際型的開發案中，在地觀點更為關鍵。

三、優先研究領域
為確保人工智慧向著安全、可靠、值得信賴的方向發展，有五個研究領域被列為優先探討對象：

(1) 社會技術研究（Sociotechnical Research）
此領域的研究重點在於理解AI與人類社會之間的互動，為技術提供倫理與社會層面的政策指引，確保其對人類社會的助益。AI技術不僅僅是技術系統，還反映並融入人類當前的價值觀和偏見，進而影響未來社會的發展。研究者應關注AI對不同文化、族群、階級，特別是對弱勢群體的影響。AI生成的內容中隱含的偏見需要被檢視，並且應開發特別的方式來評估和減輕這些偏見。AI技術可能引發的假訊息和偏見，對於民主和人權也構成潛在威脅。研究者應致力於確保AI技術符合道德規範，避免被濫用。此外，研究方向還應包括人機介面的改進，使其更加人性化與可接受。

(2) 包容性研究基礎設施（Inclusive Research Infrastructure）
可信賴的國際人工智慧研究基礎設施，指的是一個國際性開放且能夠協作的研究平台，為研究者提供所需的設備、資源與技術標準，並確保AI技術的可操作性與信賴性。這些基礎設施允許全球研究者共享資源與成果，進而降低研究門檻，廣泛接納多元意見。研究策略應採取共享開源資源（Open-source Libraries）、訓練模型與數據的模式，藉此方式促進全球合作，尤其是讓中低收入國家與邊緣群體的研究者也能參與其中，加速技術進展。同時，公開透明的政策有助於凝聚信賴感，但數據隱私和訓練模型的資安問題仍然是不可忽視的風險。

未來AI包容性政策面臨的挑戰包括：如何使開源資源更具普及性；如何確認數據質量與模型表現之間的關聯；以及如何利用AI進行更多科學領域的研究。此外，還需評估訓練模型在多語言和不同文化場景下的應用，特別是在確保模型的公平性和可靠性方面。

(3) 應對全球挑戰的 AI 研究（AI Research for Global Challenges）
人工智慧革新了知識的產生與應用，能夠幫助解決全球性問題，特別是在聯合國可持續發展目標（SDGs）相關領域。這將是國際AI合作的未來重點之一。在SDGs的目標中，極端氣候、清潔能源與環境問題主要透過降低能耗來解決。國際合作的AI研究可以加速地球AI數位孿生模型的建立，模擬全球氣候，預測與應對極端氣候變化，並發展超級人工智慧運算平台（AI-enabled Supercomputing Platforms），推動清潔能源開發及環境保護。這些氣候模型還可以增加人類對氣候敏感疾病(climate-sensitive disease)的預警能力。

在醫療領域，AI能夠提高醫療效率，降低成本，並提供早期預警及個性化服務，對於改善全球健康醫療系統有顯著的助益。研究重點應包括為中低收入國家及其他地區建立合適的系統，並與現有的衛生系統整合，而非完全取代。全球研究機會還包括：實現AI技術的互操作性（Interoperability）與標準化（Standardization），應對全球健康威脅，保護患者數據隱私，並提高AI應用的質量和安全性。

在農業與糧食安全領域，AI技術可以幫助以最小的投入獲得最大的產出，尤其是在小農和精緻農業中。主要的技術包括產量預測系統、感測器網路（Sensor Networks）和智慧決策系統，這些技術能顯著提高農業生產的效率與可持續性。全球研究機會包括支持小農、整合數據源以改善耕作方式。在科學與工程領域，AI也發揮著強大的效能，通過國際協作，加速科學進步並確保技術的負責任使用。

(4) 安全性與信任研究（Research on AI Safety and Trustworthiness）
目前的人工智慧（Artificial Intelligence, AI）仍處於早期開發階段，儘管已取得一定成果，但在生成內容的完整性、網路安全性、AI系統的標準評估以及隱私保護方面，仍有很大的進步空間。生成式AI（Generative AI）所生成的假資訊，威脅了資訊的真實性，因此，必須提升大眾對生成式AI的識別能力，增強資訊透明度，並開發追蹤訊息來源的技術，以打擊假資訊，並監控其對社會及民主的影響。各國應合作運用AI來防禦網路攻擊，這包括即時監控假資訊、自動防禦系統的部署，並在保障隱私的前提下，提升AI技術本身的網路資安。

此外，還需建立多元且具代表性的基準數據庫（Benchmark Datasets），以補充現有來源的不足，涵蓋更多樣的使用者與應用情境，才能更全面地評估模型的表現優劣。最後，在設計與實作中，應朝向多模態AI（Multimodal AI）的發展，處理不同形式的資訊（如影像、文字、聲音），提升運算效率與演算法，並更加注重隱私保護。還需嚴謹地修正AI生成的偏見，確保輸出結果更公平且可靠。

(5) 勞動市場影響的研究（Research on AI’s Labor Market Implications）
人工智慧不僅能提升生產力，還能改變工作性質，甚至取代某些由人力執行的工作，尤其是那些容易被自動化的任務。研究顯示，高收入國家的勞動者可能更容易受到AI技術取代的影響。因此，未來的研究應從更廣泛的視角探討AI對不同產業、區域、族群、年齡和性別的影響。

全球對數據標註的需求，特別是為訓練AI模型而產生的標註工作，已為中低收入國家創造了數百萬個類似線上客服的工作機會。與以往的新興技術一樣，AI的發展也會創造新的工作需求，因此需繪製AI價值鏈圖，預測新興工作的經濟影響及趨勢。同時，AI的發展對於收入分配的影響會因國家與產業而異。自動化程度較高的高收入國家可能受影響較大，但產業基礎成熟及數位化設施可能有助於縮小貧富差距。

中低收入國家由於數位基礎設施的不足，可能難以充分利用AI技術，因此全球的收入差距可能因此擴大。此外，AI演算法導致的數據監控與勞動權利受損問題，特別是對邊緣少數族群的影響，也需深入研究。為了減輕AI對勞工的威脅，應加強價值鏈透明度、提升監督機制、推動政策干預與勞工賦權等措施，以保障勞工權益。

四、實踐建議
實踐指南為各國和各族群的參與者提供了研究參考和原則指引，應根據不同研究者的準備程度進行即時調整，以確保指南發揮最大的效益，並在AI技術的實際應用前提供最具價值的路徑。指南根據不同利益相關方的需求進行分類，主要包含資金贊助者、研究中心和研究團隊。

具體建議如下：(1) 提升透明度：鼓勵研究者公開研究成果和資源使用情況，以提升研究的可信度。(2) 開放合作：透過開放資金申請以及建立國際研究聯盟，來促進國際間的跨區域合作。(3) 提供適當資源：應普及研究所需的AI基礎設施、數據和軟體，降低參與研究的門檻。(4) 促進交流：舉辦會議、期刊和專業社團活動，提供交流平台，以加強研究人員間的互動與資訊流通。(5) 鼓勵最佳實踐：推廣研究的可重複性，並建立健全的同行評審制度，以提高研究品質。