---
title: "AI 的偏誤，趁它在教室裡蔓延成歧視之前先檢查"
description: "AI 會原封不動吸收所學資料裡的偏見。本文說明具體的檢查方法，避免在教室裡養大歧視。"
lang: "zh-Hant"
date: "2026-05-09T15:00:00.000Z"
updated: "2026-06-28T02:37:00.000Z"
tags: ["AI 偏誤","公平性","預防歧視","檢查清單"]
canonical: "https://flipsson.com/tw/blog/HaRzqHubM8JJ"
---

# AI 的偏誤，趁它在教室裡蔓延成歧視之前先檢查

向生涯推薦 AI 詢問「適合領導力強的學生的職業」，結果一連串跑出來的都是男性形象的職業——那並不是偶然。AI 以網路上累積的人類偏見為資料學習，於是像鏡子一樣把那些偏誤反射回來。同樣的問法，換成問「需要照顧他人的職業」，這次可能就只跑出女性形象。==AI 的偏誤不是機器的失誤，而是我們社會的偏見被自動化並放大之後的結果。==在教室裡放著不管，等於是在把歧視教給學生。

## 偏誤藏在哪裡

偏誤不會明目張膽，而是滲在細微的措辭與推薦裡。所以不刻意留意去看，很容易就這樣放過去。

- **性別刻板印象**：在職業、角色、性格描寫上預設了特定性別。
- **文化與語言的偏重**：只舉英語圈為中心的案例，或把非主流文化簡化。
- **外貌與身心障礙的描繪**：在圖像生成時把特定種族或身體樣態當成預設值。
- **姓名偏誤**：把外國式的名字或特定地區的名字連結到負面脈絡。

==愈是表面看起來中立的回答，愈要追究裡面的預設值是以誰為基準。==

## 在教室裡檢查的流程

偏誤沒辦法完全消除，但可以建立發現並修正的流程。重要的是不把偏誤藏起來，而是和學生一起把它攤開來談。

1. **對照提問**：同一個問題只改性別、國籍、姓名再問一次，看看答案會不會變。
2. **懷疑預設值**：如果 AI 畫出來的「醫生」或「科學家」形象總是差不多，就和學生一起討論原因。
3. **要求修正**：像「請改用背景多元的人物重新做一次」這樣，明確指示補正。
4. **記錄與分享**：把發現的偏誤案例分享給同事老師，避免重蹈覆轍。

> 找出偏誤的眼光，會長成學生讀懂世上不公的能力。

==檢查偏誤不是審查，而是拿來教學生批判性媒體素養的活教材。==舉例來說，問「適合當班長的學生」，再針對跑出來的答案一起分析為什麼會浮現那樣的形象，就能成為一節辯論課。

## 重點整理

面對 AI 偏誤，最危險的態度是相信「機器是客觀的」。第一，認清偏誤藏在職業、文化、外貌、姓名的各個角落。第二，用只改條件再問一次的對照提問，把偏誤攤出來。第三，一旦發現就立刻修正，並分享案例。==和學生一起發現並討論 AI 偏誤的教室，反而會成為打破偏見最好的學習場域。==請不要害怕檢查，把它當成課堂的一部分。一個學期哪怕只放進一次「找出今天 AI 露出的偏誤」活動，學生就會養成連機器做出的答案也用批判眼光看待的視野。那份視野會越過 AI，成為讀懂廣告、新聞與社會各種訊息的一生資產。