Hugging Face 多模態專案倫理憲章

Hugging Face 為其多模態學習專案推出了倫理憲章，以確保從一開始就將倫理考量納入研究生命週期。此框架透過正式化治理專案開發的價值觀與內容政策，旨在減輕演算法偏見、資料隱私違規與惡意使用等風險。

倫理憲章的目的與框架

Hugging Face 的多模態學習團隊制定此憲章，旨在將倫理考量從事後思考提升為機器學習生命週期的核心要素。透過在專案啟動時即定義這些原則，團隊期望以明確的價值與目標為所有技術選擇奠定基礎。

憲章的主要目標包括：

• 早期回饋： 透過對決策與團隊角色保持透明，Hugging Face 期望在足夠早的階段獲得社群回饋，以實施有意義的變更。
• 協作開發： 此文件由 Hugging Face 的研究人員與工程師撰寫，並徵求個人隱私、資料治理與倫理落實專家的意見。
• 迭代演進： 憲章截至 2022 年 5 月仍在持續完善，透過 GitHub 追蹤更新，以反映「倫理 AI」不斷演變的本質。

內容政策與禁止使用情境

Hugging Face 已辨識出多模態技術的特定濫用情形，專案旨在防止這些情況。內容政策禁止以下行為：

• 有害內容： 宣揚暴力、騷擾、霸凌、仇恨，或基於種族、性別、年齡、能力、LGBTQA+ 取向、宗教、教育或社經地位等身份子族群的歧視。
• 法律與權利違規： 任何侵犯版權、隱私、人權、文化權利、基本權利或具約束力法律的行為。
• 個人可識別資訊產生： 產生個人可識別資訊。
• 錯誤資訊： 產生旨在傷害或挑釁他人的虛假資訊，或在缺乏問責的情況下產出。
• 高風險領域應用： 在可能根本危害生命的領域（尤其是醫療、法律、金融與移民）不謹慎使用模型。

核心倫理價值

專案遵循五項主要價值，以確保問責與公平：

• 透明性： 對意圖、資料來源、工具與決策保持開放，使社群能辨識弱點並對團隊負起問責。
• 開放與可重現性： 分享資料、工具與實驗條件的精確說明。研究產出與模型檢查點必須向所有人開放，且不受歧視。
• 公平性： 定義為對所有人類的平等對待，需監測與減輕與種族、性別、身心障礙與性取向相關的偏見。這包括對訓練資料與模型輸出進行偏見審查。
• 自我批判： 致力於避免過度宣傳與誇大其詞，並持續尋求更佳的訓練資料策展與過濾策略。
• 功勞歸屬： 透過適當的授權與致謝，尊重他人的工作。

處理價值衝突

Hugging Face 承認倫理價值在實務上可能產生衝突。例如，分享開放且可重現的工作目標可能與尊重個人隱私或確保公平的需求相牴觸。團隊強調，這些張力需要逐案分析風險與利益，以決定最佳行動方案。