如果你能一秒變身吉卜力動畫裡的主角，代價是交出你的「臉部主權」，你願意換嗎？
&nbsp;
一個再平凡不過的週末午後，你打開社群軟體，發現朋友圈正被各種 AI 濾鏡洗版，於是你也跟著上傳了一張自拍照，讓 AI 幫你生成一張充滿吉卜力風格的趣味肖像畫。看著幾秒鐘內就產出的精美圖片，你忍不住讚嘆，AI 真的好厲害。
&nbsp;
但你可曾想過，你的照片最後去哪了？該程式或是網站會主動在使用完畢後就從資料庫中刪掉你的照片嗎？還是被永遠儲存起來？甚至挪作他用？
&nbsp;
生成式人工智慧技術近年來爆發性成長，為我們的生活、創作與溝通帶來了極大的改變。然而，這些前所未有的便利並非憑空出現，它們往往是建立在蒐集並學習網路上巨量資料的前提下，才得以順利運行。這種以大數據為基礎的 AI 訓練模式，讓不少人擔憂：在享受 AI 服務的同時，我們的生活習慣、對話紀錄，甚至生物特徵，是不是也都被看光光了？
&nbsp;
這樣的擔憂並非杞人憂天，因為每一次與 AI 互動，都可能意味著我們正在無意間交出部分的數位隱私，甚至失去對個人資料的控制權。這引發了一個核心問題：在推動 AI 創新與享受科技便利的同時，我們該如何有效保護個人隱私？
&nbsp;
AI 時代的個人隱私與資安風險
當我們將照片上傳到 AI 圖片生成網站的那一刻，我們不僅無法確定 these 影像是否會被刪除，更可能徹底失去對個人資料的控制權，甚至是面臨深偽技術（Deepfake）可能帶來的危害。
&nbsp;
所謂的深偽技術，就是透過 AI 將蒐集到的影像與聲音產生極度逼真的偽造內容，這不僅可能造成個人名譽受損，甚至會遭到武器化，用於身分盜用、詐騙或散播政治假訊息。
&nbsp;
面對個資外流，很多人第一時間的反應可能是：「我又沒做什麼壞事，被看到也沒差吧？」
&nbsp;
但中央研究院法律學研究所邱文聰研究員提醒我們，在 AI 時代，隱私權的重點早就不是「有沒有祕密」了。過去我們認為隱私是「機密性」，就像是把日記鎖在抽屜裡，不讓別人看見，資訊不被連結到個人名字或特徵；但現在，隱私的核心已經演變成了一種「自主權」，也就是你的資料被蒐集後，到底要被拿去怎麼用？這件事應該由你自己說了才算數。
&nbsp;
他以偷拍為例說明：「在公共場所偷拍，即使沒有拍到臉部或可直接識別的個資，沒有違反機密性，但我們依然會覺得隱私受到侵害，原因就在於個人的自主權受到了侵犯。」
&nbsp;
在 AI 的應用場景中也是如此。即使 AI 系統在蒐集資料（例如公共場所的臉部特徵捕捉）時並未直接洩露使用者的真實身分，但只要是未經當事人同意的使用，就已經是對個人數位自主權的侵害。技術方法或許能確保資料不被輕易看透，但如果打從一開始就違反了個人的自主意願，後續的技術防護也無法彌補前端的權利侵害。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/3-4內文圖：670x460-1.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">當我們將個人資訊提供給生成式 AI，個人資訊會被如何利用？這將變得難以掌握，甚至可能被拿去以深偽技術加工。</div>
</div>
</div>
</div>
</div>
&nbsp;
隱私強化技術（PETs）的崛起
雖然危險，但直接禁用 AI 或者是把資料鎖死，也不是解決之道。過去，我們保護資料的思維就像是把貴重物品鎖在保險箱裡，嚴格限制任何人取用。然而，AI 模型的進步極度仰賴資料的餵養，我們不能不餵資料給 AI，但又不能讓它看到真實數據。為了解決這個矛盾，產業界與學界積極推動隱私強化技術（privacy enhancing technologies, 簡稱 PETs），將隱私保護的重點轉向「資料可用但不可見」。
&nbsp;
國立陽明交通大學電機工程學系游家牧副教授解釋：「隱私強化技術的核心概念，在於讓資料能夠實際參與分析、模型訓練或輔助決策，但同時不需要把原始的明文內容直接交出去。」游家牧副教授所說的這種做法，就是將隱私保護從出事後的補救措施，轉變為產品設計階段的底層防護，也就是所謂的 Privacy by Design（隱私始於設計）。
&nbsp;
游家牧副教授進一步舉例說明了幾種常見的 PETs 技術原理：「首先是差分隱私（differential privacy），這是在統計結果或模型訓練的過程中，刻意加入受控制的適量雜訊，讓外界看得見整體的資料趨勢，卻極難反推出特定單一個人的真實資料。舉例來說，若直接公布某部門染病精確人數為 50 人，只要一人離職或加入，外界就能輕易推測出該員工的健康狀況。但若加入雜訊，將結果微調顯示為約 52 人或約 48 人，這樣微小的誤差既不影響判斷整體趨勢，又能有效隱藏單一個人的真實狀態，避免個資曝光。
&nbsp;
「其次是聯邦學習（federated learning），這種技術讓原始資料保留在醫院的伺服器或個人的手機設備內，各節點只針對本地資料進行運算，隨後僅將模型更新的參數傳送至中央伺服器進行整合，全程不交換原始資料。」
&nbsp;
此外，還有同態加密（homomorphic encryption）、可信任執行環境（trusted execution environment, TEE）、甚至是傳統的 k-匿名化（k-anonymization）等技術。透過這些技術的交錯運用，我們得以在不暴露個資的前提下，發揮資料的最大價值。
&nbsp;
守護隱私的高科技盾牌：合成資料
如果說差分隱私是把資料本身打上馬賽克，那麼聯邦學習則是保留原始資料移動的方式，讓機敏原始資料留在你的設備裡，只把學習成果傳出去。
&nbsp;
但如果我們連一丁點真實個資都不想冒險，還有一個終極大招：合成資料（synthetic data），也就是直接做出一個「虛擬分身」給 AI 學習，近年來成為極具潛力的關鍵解方。
&nbsp;
游家牧副教授詳細說明了合成資料的運作原理：「開發者並不直接使用真人的完整病歷、位置紀錄或通報資料，而是先利用 AI 模型去學習真實資料集中的整體統計規律與結構，例如年齡分布、疾病趨勢、避難需求或交通流量變化。學習完成後，AI 會生成出一批看起來極度真實、且具備相同統計價值，但實際上不存在於現實中的假資料。因為這些資料是無中生有的，並不直接對應到現實世界中的任何特定個人，因此大幅降低了個人被重新識別的風險。」
&nbsp;
這種技術在公共衛生與災難應變等公共治理領域，展現了巨大的雙贏潛力。例如在預測傳染病走勢時，研究人員或政府單位可以使用合成資料來測試預測模型或演練醫療資源的分配，不再需要頻繁觸碰高度敏感的原始民眾個資。
&nbsp;
不過，游家牧副教授也提醒，合成資料並非絕對完美的防護罩。如果生成模型過度記憶了原始訓練樣本的細節，依然有洩漏資訊的風險，因此在實務應用上，通常必須將合成資料與差分隱私、嚴格的存取控管，並搭配使用品質檢查機制，以建立多層次的縱深防禦。
&nbsp;
奪回數位自主權
雖然有了這些強大的技術護盾，但誰該用這些技術？誰又該為出事負責？這不能只靠程式碼決定。傳統單靠事後究責的《個資法》在監管力道上已顯得力不從心。
&nbsp;
因此，我們的目標是推動技術與法律框架的深度結合。游家牧副教授指出，未來應透過《人工智慧基本法》立法之後，進一步建立法規制度，要求開發者在系統中導入「資料可用不可見」的技術標準，並利用 AI 自動化合規稽核系統來進行監管。他解釋，這套系統可以在底層直接內建資料最小化原則，自動偵測並遮蔽敏感資訊，並詳細記錄資料的存取軌跡與訓練用途，即時偵測資料滲漏。這能將隱私保護從紙本的條文規範，徹底落實為不可隨意竄改的底層程式碼。
&nbsp;
法律給了我們奪回個資的「權利」，除了從系統開發端著手，我們也必須在使用者端進行賦權。現代大眾在下載 APP 或註冊新服務時，面對冗長且充滿法律術語的隱私條款，往往只能盲目地按下同意，進而導致「同意疲勞」，喪失了對自身數位身分的控制權。針對這個痛點，游家牧副教授提出，未來我們可以雇用自己的專屬 AI 助手，讓它幫我們監督那些貪婪的演算法，協助公民奪回數位主權。
&nbsp;
未來的個人 AI 助手可以扮演隱私條款翻譯員的角色，自動過濾並解析繁複的法規，精準標示出高風險的授權段落（例如 APP 要求與功能不符的定位權限），甚至協助公民一鍵追蹤自身資料的流向，並隨時撤回資料使用權。
&nbsp;
邱文聰研究員進一步強調，現代的隱私保護框架必須賦予當事人動態控制與退出的權利。在許多非涉及重大公共利益（如法定疫調）的商業 AI 應用中，民眾的資料往往被用於「目的外利用」。當 AI 技術能夠簡化法規理解門檻，讓資料主權真正回到個人手中時，我們才能防止公民在不知情的情況下，被簡化為「被演算法剖繪的對象」，進而實現真正的數位民主。
&nbsp;
<div class="py-6">
<div class="jsx-3968805167 flex justify-center -mx-2">
<div class="jsx-3968805167 px-2">
<div class="jsx-3968805167 relative overflow-hidden"><img decoding="async" class="jsx-3968805167" src="https://www.charmingscitech.nat.gov.tw/backend/wp-content/uploads/2026/06/3-5內文圖：670x460-2.jpg" />
<div class="jsx-3968805167 absolute w-full left-0 bottom-0 p-4 text-white text-[13px]" style="background: rgba(0, 0, 0, 0.66); display: block; line-height: normal;">面對落落長的個資授權同意條文，未來有望透過 AI 助手直接標示出不合理的授權範圍。</div>
</div>
</div>
</div>
</div>
&nbsp;
隱私保護是建立社會信任的基石
在追求 AI 技術突破的道路上，隱私保護不應被視為阻礙發展的絆腳石，而是建立整體社會信任的基石。
&nbsp;
邱文聰研究員語重心長地提醒，政府或企業的資料治理若缺乏透明度，便是在透支社會信任。一旦民眾發現自身的敏感資料（例如醫療紀錄或學生的學習歷程）在未經明確告知的情況下被濫用於 AI 訓練，這種信任一旦崩解，將引發強烈的社會反撲，最終反噬並拖垮整體的科技發展進程。人權保障必定伴隨著成本，民主國家在制定規範時，不應為了追求眼前的開發便利而選擇在人權標準上「向下看齊」。
&nbsp;
總結來說，我們該用何種心態看待 AI 與個人隱私之間的關係？游家牧副教授給出了一個清晰的觀念：我們不該把 AI 當成帶來毀滅的洪水猛獸，也不該將其視為完全無害的萬能管家，而是要將它視為一個能力極強、但必須受到嚴格規範與監督的工具。「既然我們已經脫離不了 AI，那我們要問的是：AI 用了什麼資料？資料會被誰看到？出了問題誰負責？」他給出了在乎隱私的我們應該捫心自問的三個問題。
&nbsp;
真正的解方並非拒絕科技，而是學會利用科技來制衡科技。透過將 AI 從風險來源成功轉化為隱私守護工具，並結合完善的法規與稽核機制，我們才能確保在追求 AI 創新的同時，不以犧牲公民的數位自主權為代價，讓 AI 技術在看得見且管得住的穩健條件下，為全人類的福祉服務。
&nbsp;
（客座總編輯｜國立臺灣大學國家發展研究所劉靜怡特聘教授；研究顧問團隊｜中央研究院法律學研究所邱文聰研究員、國立陽明交通大學電機工程學系游家牧副教授；責任編輯｜王喆宣、洪孟樊）