Yider Hsu
講者覺得放MLC AIRR MM Taiwan Team比較好
MLCommons 是一個成立於 2020 年的開放式 AI 工程聯盟，是橫跨產、官、學界的成員組成，其核心使命是透過公開透明的基準測試、數據集與實踐規範，加速人工智慧與機器學習的創新並普及惠及全球。 其發起的 AILuminate 文化特定多模態基準測試（AILuminate Culturally-Specific Multimodal Benchmark） 計畫透過與各地的學術、工業及政府機構與組織合作，形成 AI 風險與可靠性（AI Risk & Reliability, AIRR）工作小組AIRR，工作小組內又細分多個小組，我們是關注文字、影像等多形式數據的安全評估的，台灣多模態(Multimodal)小組。
Taiwan Team 大部分的成員是coscup的義工，想將現階段的工作分享給大家。
議程
AI模型的文化盲區─探討AI測試標準的開源現況觀察與難題
目前的 AI 模型雖具備高度的技術流暢性， 但長期局限於西方觀點的現狀，缺乏對全球語言多樣性的理解，導致模型在面對非西方語境時容易產生判斷失誤，看似無害的文字與影像結合卻可能觸犯特定文化禁忌，為了彌補這一文化盲點，一個名為 AI Luminate 的計畫產生。由開放式 AI 工程聯盟MLCommons 主導，涵蓋印度、新加坡、韓國、日本、孟加拉、台灣等不同團隊，透過團隊開發「多模態安全測試套件」AIRR Multimodal ，來提升模型對多語系環境中社交與商業細微差異的應變能力。透過這種跨國界的合作評估來確保 AI 能在多元的現實世界中，具備文化智力與全球適用性的安全基準，成為對數十億使用者均安全且有效的知識介面。
但實際上人工智慧在處理多元文化語境與安全性評估時，往往在理解非英語使用地區的社交禁忌與文化細微差別上表現不佳，在面對非西方背景的情境容易產生判斷失誤，存在極高的漏報率。要如何使AI 的能真正理解多元文化語系背後的文化意涵與潛在衝突，打造具備文化智商的全球化 AI，是目前所面臨的嚴峻挑戰。