Hugging Face 倫理與社會電子報 #1

Hugging Face 已推出倫理與社會電子報，以分享公司持續落實 AI 倫理的努力。此計畫由「Ethics and Society regulars」領導，這是一個跨職能的員工團隊，他們認為倫理責任應該是全公司共同的承諾，而非僅屬於單一專門團隊的領域。

核心倫理價值與框架

Hugging Face 的 AI 倫理方法根植於四項主要價值，這些價值源自其開源起源與研究社群的整合：

• 協作: 透過提供文件、評估工具以及像 Discord 這樣的社群討論平台，與開源社群互動。
• 透明: 分享內部思考與流程，包括針對特定專案的價值聲明與 AI 政策觀點，以徵求社群回饋。
• 負責任: 透過建立可審核且易於理解的系統，優先考量技術的長期影響，即使是非 ML 專家亦能理解。
• 可重現性: 隨著研究社群開始使用 Hugging Face Hub 來託管模型與資料，將此作為基本價值納入。

落實 AI 倫理

Hugging Face 並未採用全球性的靜態原則清單，而是根據個別專案的可預見影響，採取情境特定的價值落實方式。此方法論聚焦於透過實用工具與指引來「民主化優良 ML」：

倫理 ML 的技術工具

為提升可審核性與透明度，Hugging Face 已開發並部署多項技術成果：

• 評估函式庫: 讓開發者能更嚴謹地評估模型的工具。
• 資料分析工具: 專為分析資料集的偏斜與偏見而設計的程式碼，亦包括不需編寫程式的資料分析實驗工具。
• 碳排放追蹤: 用於追蹤模型訓練期間碳排放的工具。
• 負責任授權: 開發開放且負責任的 AI 授權（RAIL），以因應 AI 系統可能造成的危害。
• 回報機制: 為模型與 Spaces 倉庫提供的「標記」系統，用以回報倫理與法律問題。

社群與治理

為確保包容的環境與 ML 的民主化，Hugging Face 實施了以下治理結構：

• 直接回饋: 使用者可對 Hugging Face Hub 上託管的模型、資料與 Spaces 提供直接回饋。
• 文件需求: 實施模型卡與文件需求，以提升對模型效用與限制的了解。
• 行為守則與內容指引: 建立框架以指導社群討論並維持包容的空間。
• Private Hub: 為 ML 開發提供的安全環境。

未來展望

Hugging Face 持續研究「優良」ML 的標準，並計畫在未來幾個月發表更多關於價值、衝突與倫理落實的文章。