案例08｜公平：以資料血緣避免偏重大型資料管線

一、案例定位

本案例涉及人工智慧（Artificial Intelligence, AI）、生成式人工智慧（Generative Artificial Intelligence, GenAI）與負責任人工智慧（Responsible Artificial Intelligence, RAI）。用智慧資料流探索器示例理解資料代表性與公平。

本案例依原書第 7 章的框架、範例或情境重組，並非原書正式案例研究。

二、學習目標

說明公平原則。
連結資料多樣性與持續稽核。
分析資料血緣的公平用途。

三、案例情境

原書指出公平要求人工智慧系統避免偏誤並對不同個人與群體產生公平結果。實作需兼顧多元資料收集、演算法公平方法、持續監控與定期稽核。智慧資料流探索器（Intelligent Data Flow Explorer, IDFE）示例要求血緣追溯所有貢獻資料來源，避免結果無意間偏重大型資料管線。

四、開始資料

公平控制	原書內容
資料多樣性	訓練資料反映不同人口與經驗
演算法公平	用數學方法檢查群體差異
持續治理	監控與定期稽核新出現的差距
IDFE 示例	血緣追溯所有來源，避免偏重大型資料管線

五、Excel／AI 分析方法

在 Excel 以資料來源為列，記錄血緣是否完整、資料量、代表性、缺漏與下游用途；AI 可協助找出被忽略來源，但不能自行判定群體公平。

六、計算結果

原書沒有提供可直接計算的數據，因此不補造結果。

七、結果分析與管理解讀

血緣完整性讓偏重問題可被看見，但不等於已證明結果公平；仍需依群體、用途與結果進行評估。

八、AI 提問詞

請檢查資料來源血緣是否完整並指出過度集中或缺漏；不得因來源數量相同就宣稱結果公平。