113 學年第2學期「人工智慧倫理」課程期末實作專題操作指引
各位同學，目前課程已進行一半，應該開始準備期末實作專題囉！本專題設計目的，旨在透過 實作過程體會機器學習的資料搜集與分類1可能導致的倫理問題。請您依照以下指引，循序漸 進地規劃並完成貴組的期末專題。
第十週(4/21-27)：繳交期末專題分組名單
最晚本週繳交分組名單。
分組方式因各校修課人數及學生背景差異，主要由協同教師決定。2
第十一週(4/28-5/4)：Teachable Machine 網站體驗與測試3
請開啟Teachable Machine 網站，點選「開始使用」(Get Started)→選擇以下三種專案 任一，嘗試訓練您的模型：
(1) 圖片專案(Image Project)，例如人臉辨識、圖片分類、物體偵測等；
(2) 聲音專案(Audio Project)，例如聲音辨識、語音指令、拍手偵測等；
(3) 姿勢專案(Pose Project)，例如姿勢測試、運動辨識、投球辨識等。
每項專案請至少建立兩種分類類別，每類建議至少20筆。
點擊「訓練模型」(Train Model)後，就開始訓練，完成後進行測試。
請觀察與紀錄模型無法辨識或辨識錯誤的情況。
第十二週(5/5-5/11)：提交專題主題與材料搜集類型
提交專題擬分析的倫理主題及簡要構想（200-300字）。
(1) 擬探討所訓練出來的模型，它的辨識結果可能有什麼偏誤(bias)或風險等AI安全 問題。
(2) 預計搜集圖片、聲音或姿勢等哪類型的資料。
第十三週(5/12-5/18)：正式搜集資料與訓練模型
參考並改進第十一週的資料搜集與測試方式。
第十四週(5/19-5/25)：模型預測結果之倫理分析
貴組所訓練的模型預測結果，以及誤判情境之倫理分析：
(1) 可能造成「誰」及「什麼」的風險或傷害等AI安全問題？（請參考上課投影片與閱讀文獻）
(2) 一旦不幸造成傷害，有哪些利害關係人(stakeholders)/單位(entities)應該承擔法律或道德責任？
(3) 如何降低那些風險或避免傷害？（例如在資料搜集、技術或具體應用等層面）
(4) 為什麼應該降低那些風險或傷害？（請參考上課投影片與閱讀文獻）
a. 運用倫理批判思維工具來說明；
b. 援引倫理價值、原則或理論來支持論述。
第十五週(5/28)：短影音製作與線上簡報分享（不跨校）
製作靜態簡報 + 1分鐘短影音，上傳到NTU COOL平台，以供同校師生公開瀏覽。
各校師生自行在校內進行各組口頭報告。4
第十六週(6/4)：提交專題書面報告
提交分組書面報告約2千字，內容需包含：
(1) 專題主題；
(2) 資料類型與特徵敘述；
(3)實作步驟與資料處理過程；
(4)模型預測結果與誤判情況說明；
(5)模型誤判之倫理分析（參考第十四週說明）；
(6)提出具體可行的改善建議與未來發展討論。
◼專題評分方式（校內同儕互評20%、主導/協同教師評分20%，共40%）
• 專題主題與倫理問題分析深度（主要依據專題書面報告的(1)&(5)&(6)點，8分）
• 實作的完整與謹慎度（主要依據專題書面報告的(2)~(4)點，8分）
• 專靜態簡報與短影音（主要依據能否讓人快速抓到貴組專題重點，4分）
＃主導教師與協同教師得徵求同學同意後，將作品擇優開放給他校師生觀看。
______________________________________
1. 除了參考本學期上課投影片與閱讀材料外，具體案例說明可參考凱特.克勞馥(Kate Crawford) (2022)， 第三章「資料」、第四章「分類」，出自《人工智慧最後的秘密》，臉譜文化，pp. 109-178（NTU COOL 平台提供第三章電子檔案供參）。
2.提供東海大學分組方式供參：由教師將約50位修課同學分成每五人一組，每組至少包含三個科系， 尤其刻意將人文法政類與科技工程類學生安排同組。但實際分組方式，請以自己學校的協同教師規 定為主。
3.有關Teachable Machine 的詳細教學說明，網路上很多，例如 STEAM教育學習網、影音1, 影音2。
4.提供東海大學預計進行方式供參：每組至現場報告6分鐘（含播放短影音1分鐘）。