教育部學術倫理電子報
生成式 AI 席捲全球，學術界與創作界正面臨前所未有的倫理挑戰。文字的抄襲已有成熟的檢測系統得以把關，但在視覺圖像領域，「原創」及「複製」的界線卻日益模糊。本期主題文章將分享 2025 年底，新加坡南洋理工大學藝術、設計與媒體學院的副教授兼研究副院長 Lisa Winstanley 的專題講座精華。第二部分「中心新訊」回顧近期 AREE 更新內容，包括：新增生成式 AI 主題課程、GCP 相關課程推薦清單、影片《AI WAY 不對味》、電子書《AI 世代的學術寫作指南──給研究生的參考手冊》，新訊請點此查看。
三、反擊與防禦：創作者的工具與策略
面對AI的積極崛起，學術界與創作者並非束手無策。Winstanley教授在演講中介紹多種防禦工具與策略，對臺灣的視覺設計者極具參考價值。
（一）技術防禦工具
1. Glaze：
由芝加哥大學SANDLab開發，這款工具能對數位影像添加人類肉眼幾乎無法察覺的雜訊，而這些雜訊能干擾AI模型的訓練，防止AI學會藝術家的特定風格（stylemimicry）。
官網：https://glaze.cs.uchicago.edu/what-is-glaze.html
也是由芝加哥大學開發，是一款更具攻擊性的系統，它能將圖片轉化為對AI模型有害的「毒藥」（poison），若AI模型未經授權抓取這些圖片進行訓練，將導致模型崩壞（例如將狗誤判為貓），藉此增加科技公司非法抓取資料的成本。
官網：https://nightshade.cs.uchicago.edu/whatis.html
由Spawning開發的網站，讓創作者查詢自己的作品是否已被納入AI的訓練資料中，並提供選擇退出（opt-out）的機制。
官網：https://haveibeentrained.com/
（二）創作策略：1+1=3
在防禦之外，Winstanley教授也提倡積極的創作方法論。她提出了 「1+1=3」的概念。這意味著真正的原創並非無中生有，而是將兩個既有的概念（1+1），透過獨特的連結方式，創造出第三個全新的事物（=3）。
例如，將「植物」（vegetal）的元素與「字母R」結合，再加上「路徑」（path）的意象，最終設計出一個既像葉子又像道路的獨特品牌標識。這種強調轉化過程的教學法，能有效引導學生遠離單純的符號拼貼或AI生成，並轉向深度的設計思考。
（三）引用規範：TADSL
針對視覺設計引用的學術規範，Winstanley教授推薦了TADSL格式，即清楚標註作品的以下資訊：
Title（標題）
Author（作者）
Description（描述／修改說明）
Source（來源）
License（授權方式）
這種嚴謹的標註方式，能確保在學術交流中，每一張圖片／視覺創作的來源與使用授權都公開透明，也是一種維護視覺誠信的基本做法。
四、現場實作：找回人類的創意主權
本次演講的高潮出現在尾聲的互動環節。Winstanley教授帶領全場觀眾進行了一場創意練習「畫出蝙蝠俠」；這個繪圖挑戰共分為三個階段：
第一階段：第一次繪圖，在40秒內畫出蝙蝠俠。
第二階段：時間縮短為20秒，嘗試在時間內再次畫出蝙蝠俠。
第三階段：最後一次練習則是用僅有的5秒畫出蝙蝠俠。
現場氣氛從一開始的從容轉為緊張，但也充滿笑聲與驚呼。然而，當大家交換畫作欣賞時，驚訝的事情發生了：即使是在5秒鐘的壓力下，畫紙上那些潦草的線條，依然能看得出來是蝙蝠俠！
Winstanley教授藉此強調，即使在壓力下，我們的雙手依然能創造出AI無法取代的東西，即那些雖不完美，但充滿人性與原創性的視覺設計。這場練習演繹出創意的本質：創意是一個始於大腦、終於雙手的「過程」（process），而非僅僅是一個輸入指令後得到的「結果」（output）。AI可以生成完美的圖像，但它無法複製人類在創作當下那種願意冒險、嘗試概括與想像的瞬間。
五、給臺灣學術界的啟示
Winstanley教授的演講內容，對於正積極推動AI產業與深化學術倫理的臺灣而言，具有多重深遠的啟示。
（一）重新定義「原創性」的教育目標
在教育現場，我們過往多側重於防弊（如防止抄襲）。Winstanley教授的觀點提醒我們，AI時代的教育重點應轉向對學習過程的評量。教師不應該只評分學生最終的產出成果（因為那很有可能是AI生成的），而應該更重視學生的發想草圖、迭代過程，以及對引用來源的轉化論述。教師也需要鼓勵學生進行「倫理上的回絕」（ethicalrefusal），即要求學生選擇不使用AI，回歸手作與實體媒材，以培養真正的基底核技能。
（二）建立視覺引註的學術標準
學術界對於文字引用的規範（如APA、Chicago等引文格式）已相當熟悉，但在簡報、論文或教材中使用圖片／視覺設計時，往往較不嚴謹。Winstanley教授提出的TADSL架構值得各大專校院與經費獎補助機構推廣，甚至建立出一套適用於我國學術界的圖像引用規範；特別是在使用生成式AI產圖時，必須明確標註所使用的工具、模型版本及提示詞（prompt）等資訊，這才是負責任的研究態度及表現。
（三）重視資料主權與在地化偏見
Winstanley教授提到的AI偏見問題在臺灣同樣存在。目前主流的生成式AI模型多以西方國家的資料為主，這可能導致臺灣特有的文化、地景或族群特徵在AI生成的影像中被抹去或扭曲。因此，學術界或許應思考如何建立具備在地文化特徵的開放資料庫，以在積極發展AI科技的同時，也能守護臺灣文化的主體性。有關此部分，筆者提醒其實我國國家科學及技術委員會自2023年起就推動「可信任生成式AI對話引擎」（TrustworthyAI Dialogue Engine，簡稱TAIDE）計畫，希望集結公私立部門共同發展具有臺灣在地特色的大型語言模型（LargeLanguage Model，簡稱LLM），透過融入本土情境與數據資料，打造屬於臺灣的主權AI（SovereignAI），讓AI生成之內容能更理解與貼近我國民情與習慣。
（四）跨領域的倫理對話
本次演講最珍貴之處，在於Winstanley教授本身既是視覺設計師，也是學術工作者。這提醒我們，研究倫理不應只是倫理審查委員會（Institutional Review Board，簡稱IRB）的事，更應該融入設計、資工、傳播等各個學科的專業訓練中。臺灣也需要更多像Winstanley教授這樣跨越實務創作與學術倫理的學者，來填補技術發展與道德規範之間的落差。
六、 結語
LisaWinstanley教授的演講，為我們在AI浪潮中點亮了一盞燈。她並非全盤否定AI的價值，而是主張我們不應讓工具凌駕於主體之上。在演算法能輕易生成億萬張圖像的年代，人類的價值不在於比AI畫得更像、更快，而在於我們創作背後的意圖、對資料來源的尊重，以及我們在不完美中展現的獨特靈魂與生命體驗。這場講座不僅是一堂倫理課，更是一次對「人之所以為人」的深切提醒。
最後，特別感謝國立臺灣師範大學宋曜廷校長的安排及場地提供，讓這場跨國的學術交流能在臺灣激盪出火花。期盼我國學術界能以此為契機，在AI科技與人文精神之間，找到一條兼具創新與誠信的永續之路。
