透過 AI 讓社群媒體兼具隱私與道德 成大數據科學所李政德獲頒第九屆「年輕學者創新獎」
文／陳意安 圖／成大數據所副教授李政德
自稱為「資深鄉民」、從小就喜歡看名偵探柯南的成大統計系暨數據科學所副教授李政德，利用機器學習與圖神經網路技術，讓社群媒體有兼具隱私與道德的判斷依據，減少使用者被假消息誤導或遭受網路霸凌的可能。李政德以此研究計畫與系列研究成果獲頒傑出人才基金會第九屆「年輕學者創新獎」，並獲得每年新台幣 50 萬元獎助，獎助以 ３ 年為限，也被列為科技部哥倫布計畫之成果。
科技成熟與行動裝置普及讓人們大量仰賴社群媒體獲取新知、交流互動，但大量個資暴露與長時間網路使用習慣，也造成社群網路中假訊息、網路霸凌和仇恨言論流竄，帶來不少社會隱憂。成大副教授李政德是國內極少數橫跨資訊工程與統計科學的跨領域學術人才，自稱是「資深鄉民」的他，見到當代社群媒體中假新聞橫行、個資洩漏、網路霸凌等隱私與道德事件層出不窮，尤其在選舉期間，有關政治類的假新聞佔所有假訊息中近三分之一，促成他思考能否用自己的專業協助建構更健康的網路社群環境。
從小就喜歡看名偵探柯南的李政德，發現漫畫中經常使用「人際網路」來表示角色的關係，萌生對人與人之間關係網絡的好奇，後來又藉由《六個人的小世界》科普一書打開以人際網路表示各種資料與訊息散播的研究想像。「既然網路結構能用來代表世間萬物對各種人事時地物的關聯，是不是能讓機器也像柯南一樣有推理預測的能力？」於是，李政德透過設計各種「圖神經網路」（Graph Neural Networks，GNN）於社群媒體資料如 Twitter 或 Instagram 上進行模型訓練和各種預測，期盼能融入機器學習提高社群網路的服務品質、並減緩隱私洩漏與不實訊息帶來的危害。
李政德表示，研究裡提及的「圖神經網路」包含兩種層次：作為一種資料表示方式，可以用來描述資料彼此間節點與連線的關係，捕捉人事時地物的各種關聯性；作為一種人工智慧技術，提供機器從網路資料中學習表示個體潛在行為，用以分類個體並預測未來行為趨勢。應用在社群媒體上，一方面能藉由歸納特定行為的相關性與因果關係，達到預測惡意行為的效果；一方面也可以針對用戶貼標，偵測具有不法傾向的用戶。
在此獎項的資助下，李政德預計設計攻擊模型（Attack Model）打擊侵犯個資與逾越道德界限的社群行為，包含假新聞偵測、網路霸凌預測、以及仇恨言論掃除，藉此提高社群服務之道德品質；另一方面，也設計防禦模型（Defense Model）保護社群用戶的個人隱私，包含洩漏隱私之個資偵測與建議修正，並在使用者產生的內容上，自動隱藏或建議調整會洩漏隱私的個人資訊。
而為了平衡攻擊模型與防禦模型所犧牲的社群服務用戶品質，李政德打算透過多模態（multi-modal）圖神經網路架構，來學習不同模態如文字、社交互動、個資與影音彼此之關聯，藉此在兼顧 AI 道德和隱私下，維持社群服務的品質，如廣告商品推薦以及用戶貼標；並透過多任務圖神經網路學習（Ｍulti-Task GNN Learning），同時進行內容分類、連結預測、用戶社群網路特徵學習以及項目知識表示學習，來減輕資料偏差（bias）並使推薦結果保有公平性。
過去 5 年中，李政德團隊在國內外人工智慧領域表現亮眼，發表超過 50 篇重要國際會議期刊論文，亦擔任許多重要 AI 國際會議議程委員和講師。此外，李政德團隊更將人工智慧技術應用在對抗不實資訊與非法行為，與世界海關組織（World Customs Organization）國際合作，開發一項機器學習非法進口申報偵測模型，發表於 AI 頂尖國際會議「KDD 2020」（註 1），並榮獲科技部 2020 年未來科技獎的肯定。
註 1：2020 年美國計算機學會之國際知識發現與資料探勘學術會議，為 AI 資料科學領域全世界最重要且最盛大的國際會議。
相關獲獎資訊：
https://www.faos.org.tw/News/news_202.html
https://www.faos.org.tw/honors_list.html
相關獲獎資訊：
https://www.faos.org.tw/News/news_202.html
https://www.faos.org.tw/honors_list.html
維護單位:
新聞中心
更新日期:
2021-11-08
瀏覽數:
分享