📝 本系列為 iThome 鐵人賽學習筆記，屬個人教學與非商業用途；文中法規與標準內容均以自身理解後的話轉述並註明出處，非逐字引用。

階段三｜台灣有哪些機構與資源

從機構走到「考卷」

前三天，我們認識了台灣 AI 治理的機構：制度地圖（Day 15）、AI 產品與系統評測中心（Artificial Intelligence Evaluation Center，以下簡稱 AIEC，見 Day 16）、以及底下的測試實驗室與驗證機構（Day 17）。這三天反覆點名、卻始終沒有展開的，是 AIEC 用來評測 AI 的那十大評測項目。今天，就把這份「考卷」逐項攤開。

今天是第三階段最貼近實作的一天：這十項不只是評測用的欄位——它幾乎可以直接當作一份「AI 系統該檢查哪些面向」的完整檢核表。本系列最終要交付的那份《AI 專案資安合規檢核表》，欄位骨架正是來自這裡。換句話說，今天認識的十項，會一路貫穿到第四階段（Day 21–30）的每一段程式與每一份紀錄。

先講一個對開發者最重要的觀念：「可信任的 AI」不是單一分數，而是十個面向的總和。 一個模型答題正確率再高，如果會洩漏個資、會被輕易攻破、決策無法解釋，它仍然不可信。這正是 AIEC 把評測拆成十項的用意——促使開發者從十個不同角度檢視同一個系統。

十項的全貌：先分成三群來記

十項一次背下來不容易，本文把它們依「要回答的問題」歸納成三群，方便建立整體印象，如下圖所示（這個分群是筆者為了好懂所做的整理，官方十項本身並列、不分群）。另就英文標註先說明一點：本文各項括號內的英文，除「彈性」沿用官方新聞稿的 Resilient 外，採國際文獻常見的名詞形（如 Explainability、Fairness、Accountability、Cybersecurity），便於讀者延伸查閱；AIEC 官方文件的英文標註則多採形容詞形（如 Explainable、Fair、Accountable、Secure），兩者指的是同一個項目，對照官方文件時毋須困惑。

下面依這三群逐項說明。每一項都用同一個格式：官方意涵（轉述）→ 開發者的白話 → 未來落到第四階段哪裡。

第一群：效能可信——它答得好不好

準確性（Accuracy）

• 官方意涵：這一項問的是，模型給出的答案離事實或正確解有多遠——講白了就是它答得「對不對」。
• 白話：這是最直覺的一項——模型講的是不是事實、算的對不對。對檢索增強生成（Retrieval-Augmented Generation，以下簡稱 RAG）客服來說，就是「有沒有正確回答使用者的問題、有沒有胡謅」。
• 落點：Day 21 建立 RAG 範例本身、Day 24 處理輸出與幻覺。

可靠性（Reliability）

• 官方意涵：就算輸入夾帶雜訊、被刻意擾動，或出現非預期的怪輸入，模型的表現也不該忽好忽壞、劇烈跳動——看的是它穩不穩。
• 白話：準確性看「一般情況答得對不對」，可靠性看「遇到怪問題、亂輸入時穩不穩」。同一個問題換個問法就答錯，就是不可靠。
• 落點：Day 24 輸出穩定性、Day 26 紅隊測試。

彈性（Resilient，或譯韌性）

• 官方意涵：看系統能不能隨著情境、需求與外部條件的變動而調整、擴充，而不是環境一變就失效——強調的是適應力與可擴展性。
• 白話：這一項有兩個面向：一是「能適應變化」——情境改變、需求成長時能靈活調整；二是「被擾動後能恢復」——受到壓力或干擾時撐得住、不會直接崩潰。
• 落點：Day 26 紅隊測試（在對抗與壓力情境下檢驗系統撐不撐得住、恢復得了）。

第二群：安全防護——它守不守得住

安全性（Safety）

• 官方意涵：關注系統萬一功能失效時該承擔的風險與應變作法，確保它運作起來不會傷到人、環境或財產（工廠、道路等實體場域尤其重視這一點）。
• 白話：這一項關心的是「出事會不會傷到人」——AI 給了危險的建議、或在實體場域做了危險的動作，後果是安全問題，不只是答錯而已。
• 落點：Day 23 輸入防禦（阻擋誘導系統做出有害輸出）、Day 26 紅隊測試。

資安（Cybersecurity）

• 官方意涵：看的是系統擋不擋得住外部入侵、越權存取與惡意濫用，能不能守住手上的運算資源、功能運作與資料，不被竊取或破壞。
• 白話：這是傳統資安在 AI 上的延伸——會不會被入侵、被繞過權限、被惡意利用。提示注入（prompt injection）就是這一項的頭號威脅（原理見 Day 2、Day 3）。
• 落點：Day 23 輸入過濾、Day 25 存取控制、Day 28 供應鏈治理。

隱私（Privacy）

• 官方意涵：保護個人不被侵擾，也避免有人靠零星、片段的線索反推、拼湊出某個人的隱私事實（身體狀況、個資、信用等）。
• 白話：AI 會不會把不該說的個人資料吐出來、會不會從蛛絲馬跡推斷出隱私。對 RAG 客服而言，就是「知識庫裡的個資會不會被誘導洩漏」。
• 落點：Day 22 資料治理與外洩防護。

第三群：治理透明——它講不講得清、負不負得起責

透明性（Transparency）

• 官方意涵：要拉平一件事——AI 提供方握有的資訊，遠比使用者多；使用者常不清楚系統的用途、拿什麼資料訓練、架構長怎樣，透明性就是要縮小這道落差，避免因誤解而誤用。
• 白話：使用者知不知道自己正在跟 AI 互動、知不知道這個 AI 是怎麼來的、有什麼限制。呼應人工智慧基本法的「透明與可解釋」原則。
• 落點：Day 24 輸出揭露（標示 AI 生成、附來源）。

可解釋性（Explainability）

• 官方意涵：問的是，模型從輸入走到某個輸出，中間的推理依據能不能被說清楚——是有跡可循的因果，還是至少能描述它憑什麼這樣判斷。
• 白話：透明性是「讓你知道這是 AI」，可解釋性更進一步——「讓你知道它為什麼給這個答案」。答案能不能追溯到依據，就是這一項。
• 落點：Day 24 可解釋與來源標註（讓每個答案可追溯到 RAG 的檢索來源）。

當責性（Accountability）

• 官方意涵：系統一旦出事，開發方與使用方都不能置身事外——必須能回溯、說明它當時的決策與行為，並有人為後果負責。
• 白話：出事的時候，能不能還原「當時發生了什麼、是誰、依什麼做的決定」，並有人負責。這需要完整的紀錄作後盾。
• 落點：Day 27 稽核日誌與可追溯性。

公平性（Fairness）

• 官方意涵：檢查模型對不同族群或個人是否一視同仁，會不會因為對象是誰，就產生系統性的差別待遇或歧視。
• 白話：模型會不會對特定性別、族群、地區產生系統性的偏誤。呼應基本法的「公平與不歧視」原則。
• 落點：Day 22 資料治理（源頭的資料偏誤）、Day 26 紅隊測試（測偏誤輸出）。

為什麼這十項可以當「檢核表骨架」

把十項看完，會發現一件事——如下圖所示，它們幾乎完整覆蓋了前兩階段講過的所有治理原則。

• 對照人工智慧基本法第 4 條七大原則（Day 8）：其中隱私保護、資安與安全、透明與可解釋、公平與不歧視、問責這五項，幾乎一一對得上十項裡的隱私、資安、安全性、透明性、可解釋性、公平性、當責性；另兩項「永續發展與福祉」「人類自主」屬更上位的價值取向，較難直接對映到單一評測項目。
• 對照 ISO/IEC 42001 的附錄 A 控制（Day 12）與歐盟、美國框架（Day 14）：資料治理、透明揭露、人類監督、風險管理——也都能在這十項裡找到對應。

這不是巧合。AIEC 在規劃這十項時，明確參考了國際主要的 AI 規範；而這十項與美國國家標準暨技術研究院（National Institute of Standards and Technology，NIST）的人工智慧風險管理框架所列的可信任特性高度對應，也呼應國際標準化組織（International Organization for Standardization，ISO）與歐盟的框架。可以說，這十項是各國治理共識在「產品評測」層次的具體化——用它當檢核表骨架，等於同時對齊了本國法規與國際框架。

一句話總結它的價值：十項評測，就是把抽象的「可信任 AI」原則，翻譯成十個可以逐一檢查、逐一給分的具體面向。 對開發者而言，這比逐條研讀法規更容易入手——毋須具備法律專業，只要依這十項逐一自我檢查，就抓住了合規的主幹。

對映到第四階段：十項如何變成程式與紀錄

這十項不會停在「檢查清單」。本系列第四階段（Day 21–30）的核心工作，就是把每一項落成可執行的技術控制與可稽核的證據。下圖呈現十項評測與第四階段實作的主要對映，作為後半段的路線圖：

這張圖就是「從法條到程式碼」在評測項目這一層的樣貌：每一個評測項目，最後都會在第四階段找到一段對應的程式、一道對應的流程、或一份對應的紀錄來提供證據。 到了 Day 29 收斂白皮書時，這組對映就會長成一份完整、可勾選的檢核表。

對映到 RAG 範例

把十項投影到本系列的 RAG 客服範例，會得到一份非常具體的自我檢查清單。這其實就是第四階段每一天要動手解決的題目：

• 隱私：知識庫裡的個資，會不會被誘導問出來？（Day 22）
• 安全性／資安：系統提示能不能被提示注入繞過？（Day 23）
• 存取控制（資安）：不同使用者是否只能檢索到被授權的資料？（Day 25）
• 透明性／可解釋性：回答有沒有標示「AI 生成」、有沒有附上來源？（Day 24）
• 當責性：出事時，能不能從日誌還原整段決策軌跡？（Day 27）

第四階段我們每加一道防禦，都是在為這份清單的某一項「補上技術證據」。今天先把這十道題目立好，後面就逐題破解。

小結與明日預告

今天把 AIEC 的十大評測項目逐一攤開：

• 十項分三群：效能可信（準確性、可靠性、彈性）、安全防護（安全性、資安、隱私）、治理透明（透明性、可解釋性、當責性、公平性）；
• 「可信任 AI」是十個面向的總和，不是單一分數——答得準只是其中一項；
• 這十項幾乎完整覆蓋基本法七大原則與 ISO/IEC 42001、歐盟、美國框架的要求，所以能當檢核表骨架；
• 每一項都會在第四階段找到對應的技術控制與稽核證據，最終收斂成白皮書的檢核表。

明天（Day 19）進入第三階段的最後一站——驗證與認證體系：本土案例與 TAF。 我們會看台灣第一家通過 ISO/IEC 42001 驗證的公司作為本土案例，並釐清「驗證」與「認證」的層級關係、財團法人全國認證基金會（Taiwan Accreditation Foundation，以下簡稱 TAF）在整條信任鏈中的位置——把 Day 17 留下的「證書怎麼來的」補完。

• 程式碼：本篇為評測項目導覽，無對應程式碼；十項如何落成技術控制與稽核證據，見第四階段（Day 21–30）。
• 參考條文／出處：AIEC 官方網站（aiec.org.tw）「主要評測項目」之十項說明；數位發展部數位產業署新聞發布；十項與人工智慧基本法第 4 條、ISO/IEC 42001 附錄 A、NIST AI RMF、EU AI Act 之對映為本文之概念性整理。以上均為政府公開資料，各項意涵以自己的話轉述並註明出處；三群分類與對映表為筆者為便於理解所做之原創整理。