作者：英能科技顧問 林志達 博士、DTA 翁堉珊副秘書長

   當前數位轉型成為各行各業聚焦重點方向，特別是近來人工智慧AI應用ChatGPT相當火熱，幾乎無所不能，舉凡翻譯、撰寫論文、寫程式、聊天、病例診斷、…等等，是繼AlphaGo ZERO及生成對抗DeepFake之後震撼的議題，企業也紛紛思考ChatGPT及其他人工智慧應用能為本身數位轉型帶來何種啟示。為使協會會員了解數位轉型應用AI應考量的重點及重要資安議題，特別邀請英能科技顧問林志達博士就歐盟與德國在AI應用相關階段與規範偕同撰擬本文。

   數位轉型包含數位化、數位優化及數位轉型，在數位優化及數位轉型過程中，可能會有應用AI技術的機會。林博士就德國制定人工智慧(Artificial intelligence, AI)標準化路線圖（見圖1）與歐盟發展人工智慧標準的文件加以翻譯、研究並闡述，協會則佐以數位轉型之角度，摘要並轉述部分內容。關於AI基本主題及AI品質、合格評定和認證等，由於內容豐富，後續將再邀稿刊載於協會網頁上。而協會未來因應趨勢也將研究數轉AI量表，德國及歐盟之研究將有極大的助益。

資料來源：[1][2]

圖 1：AI標準化路線圖

   標準和規範定義了產品、服務或流程的要求，為技術採購和產品開發奠定了基礎。標準和規範確保互操作性，並有助於保護人員、環境和財產，並提高各行各業營運品質，同時在技術應用中創造了透明度和信任，且能通過使用統一的術語和概念來支援所有相關方之間的溝通。德國制定AI標準化路線圖，致力於制定AI標準和規範，促進技術從研究到應用的快速轉移，通過定義產品、服務或流程的要求，確保了互通操作性和品質，對於可解釋性和安保(security)/安全(safe)做出重大貢獻，並支持AI應用程序的被接受度和信任。這些內容對 AI本身基本主題、道德/負責任的AI、AI系統中的 IT 安保（和安全）、AI整合到工業自動化等中心主題的現況、要求/需求與挑戰進行論述。標準和規範在創建人工智慧可持續框架方面發揮著非常特殊的作用：它們促進了研究技術的快速轉移，為德國公司及其創新申請和打開國際市場發揮作用。人工智慧標準規範之努力是德國利益相關者在國家層面，尤其是歐洲層面，全面和及時致力於標準化的領域和國際標準的行動。由於範圍和複雜性，按照基本主題、橫向主題以及相關的經濟和應用領域來構建 AI 主題應該是較合理之規劃做法（見圖2）。

 

而這些原則適用之決定不是較大的一方，而是基於共識，因此將使創新型中小企業有機會與大型國家和國際公司平等地致力於人工智慧的未來。因應上述中心主題的AI標準化當前環境，AI各方面的相關標準和規範，所制定五項核心和總體行動建議，奠下未來國際AI/ AIoT / IIoT，甚至包含醫療、車輛移動等智慧應用之保安/安全及可信賴之要求標準基礎，五項核心和總體行動建議包括：

1. 提供AI系統互通操作性實施數據參考模型：為使各參與者的各種AI系統能自動協同，需一數據參考模型來安全、可靠、靈活和兼容地交換數據。來自各領域的數據參考模型標準為數據交換奠基，確保全球AI系統互通操作性。
2. 打造橫向AI基礎安全標準：AI系統本質上是IT系統，該系統已有廣泛應用領域標準和規範。為實現 AI 應用程序IT安全性統一方法，一個包羅萬象的「傘式標準」，它捆綁了IT安全（安保，安全和隱私）的現有標準和測試方法，並專門針對AI系統的方面對其進行補充，一方面是技術發展催化劑，另一方面是參與者之間的調解。出於這個原因，這將維持既定程序，並制定一個可測試和可核證的標準，暨考慮到經濟性並提高接受度，且提高了AI應用之信任。
3. 設計 IT系統關鍵性檢查的實務行動建議：當自我學習 AI 系統決定對人、對他們的財產或對稀有資源的訪問時，AI計劃範圍外的問題可能會危及個人的基本權利或民主價值觀。為了使 AI 系統在倫理上不重要的應用領域仍可自由開發，應該透過標準和規範設計一個初始的關鍵性檢驗 -- 這可以快速合法地闡明 AI 系統是否會引發這樣的衝突。
4. 啟動並實施「可信任的AI計劃」，以加強歐洲品質基礎建設：到目前為止，AI系統缺乏可靠的品質標準和檢驗程序--這危及AI技術未來的經濟增長和競爭力。因此需實施 「可信任的AI計劃」，它為可重複和標準化的檢驗程序奠定了基礎，透過這些檢驗程序可以檢驗 AI系統的相關性能，如可靠性(reliability)、強固性(robustness)、效能(performance)和功能安全性(functional safety)，並做出關於可信度聲明。標準和規範描述了對這些屬性的要求，構成AI系統認證和合格評鑑的基礎。有這樣行動建議，就有機會制定一個認證計劃，這將是世界上第一個此類計劃，並將獲得國際認可。

提供分析和評估的使用案例(use cases)以滿足標準化參考需求：AI研究和AI系統在工業開發的應用是高度動態的。現今在不同領域已經有很多AI的應用。想要準備用於工業用途的 AI 應用程序的標準化需求，可以從典型的應用程序和工業領域行業相關使用案例衍生得出。為了制定標準和規範，整合來自研究、領域行業、社會和監管的相互推動非常重要。在這種方法的中心，應根據使用案例對已開發的標準進行檢驗和進一步開發。透過這種方式，可以在早期階段識別特定於應用程序的要求，並實施AI可市場化的標準。AI標準化路線圖的結果代表將開展的工作，以及AI領域未來的標準化道路。標準化路線圖AI將不斷更新和開發，以因應不斷變化的需求。

資料來源：[1]

圖2：基礎主題、橫向主題以及相關經濟和應用領域的圖表

   協會數轉量表內主要面向含數位投入、數位成熟度及數位轉型成效，轉化為AI量表將可由AI投入、AI應用成熟度及AI應用成效加以著手。協會將就教AI專家、相關法人與研究機構、台灣人工智慧學校及本協會會員等。AI也可視為數位轉型應用，但企業需衡量各種風險及可解釋性，再應用才能更穩健的朝永續及創新發展，工欲善其事，必先利其器，企業對器之了解需更深化。

---

資料來源及參考文獻

[1] Wolfgang Wahlster and Christoph Winterhalter, "German Standardization Roadmap on Artificial Intelligence", https://www.din.de/resource/blob/772610/e96c34dd6b12900ea75b460538805349/normungsroadmap-en-data.pdf

[2] W. Wahlster, Künstliche Inelligenz versus menschliche Intelligenz. Vorlesungsreihe 2017: Künstliche Intelligenz für den Menschen: Digitalisierung mit Verstand. Johannes Gutenberg Stiftungsprofessur. [Online]. Available at: http://www.dfki.de/wwdata/Gutenberg_Stiftungsprofessur_Mainz_2017/Lernende_Maschinen.pdf

[3] 本文章參考出處: 林志達博士, “工國際AIoT標準資安要求趨勢概觀”, 電工通訊2022年第二季 , Jun., 2022, pp. 75-99. 獲得林博士同意，且經過DTA協會副秘書長補充調整。