「對於這樣的事件我們感到遺憾，但還是認為法官逾越專業認定，案例如果成立，可能對往後的疫苗施打，造成無法預期的負面影響。」

這是一場罕見的記者會，疾病管制署署長郭旭崧身邊站滿醫界與法界專業人士，對判決結果強調疾管署會上訴到底。

他們在說什麼？先把時間回溯到 2009 年 11 月。於嘉義就學的某陳姓高職生，在學校接種 H1N1 新型流感疫苗後，卻陸續出現臉部、眼睛腫大等症狀。 2012 年 5 月他在學校昏倒，轉送台北榮民總醫院後卻發生急性彌散性腦脊隨炎（acute disseminated encephalomyelitis, ADEM ），最後傷口感染引發敗血症身亡。家屬認為孩子是因為流感疫苗副作用而死，先後對衛生福利部預防接種受害救濟審議委員會、行政訴願提出受害救濟 440 萬元的申請遭到駁回。台北高等行政法院在今（2016）年 5 月 5 日做出新的判決，依據仿單上提及接種疫苗有出現急性瀰散性腦脊髓炎的可能「無法排除」，判定衛福部敗訴。

消息一出，全醫界一片嘩然。

由專業醫師組成的救濟審議小組經過兩次審查，結果卻被高等行政法院一紙判決推翻。疾管署在判決出爐半個多月後，火速擬定策略決定提起上訴，除了因為這是歷年來首件法院推翻疾管署審議小組拒發藥害救濟的案例外，就是擔心讓民眾留下「流感疫苗不安全」的負面形象、降低疫苗接種率。

打完疫苗有不良反應，怎麼確定是疫苗的關係？

疾管署的擔心並非空穴來風，這個個案經由審議小組專業判定為與疫苗無關，現在卻被高等法院打回票，豈不是容易讓民眾將個案死因與打疫苗副作用直接相連？事實上要釐清不良反應事件與疫苗安全性間的因果關係，並沒有想像中那樣簡單。

每年十月流感疫苗開始接種時，主管機關衛福部每周都會從各縣市衛生單位，蒐集疫苗不良事件的通報病例，在衛福部 101-102 年季節性流感疫苗不良事件通報摘要報告中提到，「這些通報事件時序上發生於疫苗接種之後，但不表示為接種疫苗所致。」換句話說，多數不良反應事件的出現只是「時序上」和疫苗接種有關，與疫苗本身的安全性則不一定互為因果。主管機關蒐集相關資料，目的是為了進行疫苗品質的安全性控管，對影響疫苗的變因加以統計評估分析、有系統監測上市疫苗的安全性。

嚴謹驗證確立因果關係

「事件」與疫苗間的關係，必須經過嚴謹反覆的科學驗證，才能判定兩者是否存在「因果關係」而非只是「時序上相關」。每年流感疫苗施打期間的嚴重不良反應事件，都會進入衛福部疾管署的預防接種受害救濟委員會（ VICP ）審議，透過這個委員會來認定個案與疫苗施打間的因果關係。由於疫苗上市前的臨床試驗再多也就不過幾千人，但有些副作用的發生機率是萬分之一，在測試中可能也看不出來，因此上市後需要持續追蹤找出罕見副作用予以修正。

台大醫院兒童感染科副教授、同時也是台灣疫苗推動協會理事長的李秉穎強調，理論上要透過有打疫苗與沒打疫苗的資料比對，來確認疫苗與不良反應間的確存在因果關係，「不能說時間相關就有因果相關」。

回到這次發生的個案情況，最後導致陳姓高職生死亡的 ADEM 算不算流感疫苗引起的副作用之一？

致力協助台灣建立自製疫苗廠的中研院生醫所研究員何美鄉，對此問題給了肯定的答案。不過研究疫苗多年的李秉穎則提出不同看法，他認為過去資料只顯示 ADEM 與施打疫苗有時間上的關聯，算是疫苗可能發生的不良事件，但「目前沒有實證研究證明流感疫苗會引起 ADEM 。」李秉穎還強調，如果只用時間序來推導因果其實是「偽科學」。

直接相關才補償 vs. 無法排除就補償

說到這裡你可能會想，如果沒辦法證明 ADEM 和流感疫苗直接相關，審議小組到底該不該補償？

這個問題可能要回到審議小組設立的補償標準來討論，不過單就醫學角度，多數受訪者都認為疫苗補償必須證明不良反應與疫苗有直接的因果關係。臺大醫院小兒科主任黃立民就說，仿單上所謂「無法排除」指的是過去曾發生，但不代表兩者有直接因果關係；李秉穎則認為，雖然疫苗補償需要有直接因果關係，但台灣審議小組認定標準其實很寬鬆，許多「無法排除」的案例都會加以補償，即便如此，「ADEM 還是連無法排除都勾不上邊」。李秉穎強調，如果連沒有因果關係的案件都補償，只會影響民眾對疫苗的信心。

當衛福部擔心民眾因為審判結果影響打疫苗意願之時，何美鄉則提出疫苗的「無過失補償」概念。她強調，從防疫的角度來看，疫苗之所以需要「救濟」是因為，打疫苗主要看「整體效益」，也就是基於多數人的安全著想，罕見副作用是可以忍受的。如果出現有因果關係的副作用就應該「補償」，而這個補償並不是因為疫苗「做錯了」、也不影響疫苗安全性。

每年十月流感疫苗施打期間，總會有愛子心切的家長因為擔心疫苗副作用，遲疑到底該不該讓小孩打疫苗。黃立民強調，打疫苗的確會引起一些輕微副作用，嚴重副作用的比例則低於萬分之一，只要和醫師做好相關諮詢，發生副作用的風險「幾乎可以忽略」；何美鄉也提到，民眾不應該因為疫苗出現不良反應事件就選擇不打疫苗，因為打疫苗引起不良反應的機率，其實遠低於不打疫苗得到流感最後導致重症的機率。下回要選擇打不打疫苗之前，或許可以先想想這兩者風險，你願意承擔哪一個？

採訪後記

為了寫這篇報導，花很多時間研究相關資料，問了專家、聽取多方說法，交稿的這一刻覺得事件中最難處理的不是理解專業知識、而是釐清個案和群體間的關聯性。雖然這並不是一篇針對個案討論的文章，但採訪過程還是逼著我不斷的思考，是不是嚴謹科學論述得到的因果關係，在情感上就能／應該順理成章的接受？以疫苗救濟本身而言，是應該要有非常直接的因果關係才能做補償、抑或只要「無法排除」就算符合賠償標準？很多時候醫病關係中知識的落差不對等，讓患者只能仰賴醫師的專業判斷，而醫師有沒有在事前提供完整資訊給患者做決定、這些知識落差如果影響最後結果該由誰來負責？這樣的問題是立場的選擇，而我都沒有答案。

採訪中遇到的另一個難題是，如何讓大家理解對不良反應事件提出賠償，不代表疫苗本身安全性降低，當多數人對安全的想像還停留在「只要發生問題就是不安全，沒有發生才安全」這樣二元的概念時，如此曲折的邏輯脈絡實在很難說明白。這篇文章試圖打開一些討論空間，希望你有機會一起加入讓這樣的討論面向越來越多元。

• 水熊蟲真的能跟量子位元「量子糾纏」嗎？
• 逼近 50% 的癌症研究實驗無法被重現？RPCB 耗時 8 年點出「再現性危機」
• 大資訊時代也是大駭客時代！——你該認識的駭客新興手法
• Omicron 變種病毒從哪來？打疫苗有用嗎？Omicron 相關研究彙整
• 推理系動畫毒殺利器！——認識致命的「河魨毒」

編按：你的理智知道「眼見不為憑」，但你的眼睛還是會背叛你的理智，不自覺得被眼前的影像所吸引，儘管你真的、真的知道他是假的。Youtuber 小玉於2021年底涉嫌利用 Deepfake 技術，偽造多位名人的色情影音內容並販售的事件，既不是第一起、也不是唯一、更不會是最後一個利用「深偽技術」進行科技犯罪的事件。

當科技在走，社會和法律該如何跟上甚至超前部署呢？本次 Deepfake 專題，由泛科學和法律白話文合作，從Deepfake 技術與辨偽技術、到法律如何因應，讓我們一起全方位解析Deepfake！

第一篇，讓我們就 Deepfake 技術做一基礎的介紹，那我們就開始囉！

什麼是 Deepfake？

深偽技術 Deepfake 於 2017 年陸續開始進入大眾的目光中。原文 Deepfake 源自於英文「deep learning」（深度學習）和「fake」（偽造）組合，主要意指應用人工智慧深度學習的技術，合成某個（不一定存在的）人的圖像或影片、甚至聲音。最常見的應用，就是將影片中的人臉替換為另一張臉（常是名人），讓指定的臉在影片中做出自己從未說過或做過的事情。

現今談到 Deepfake，大多數人想到的可能是偽造的成人影片，就如前述 Youtuber 小玉的事件，Deepfake 一開始受到關注，主要與名人或明星的臉部影像被合成到成人影片有關，然而，Deepfake 的功能遠不僅於此，相關的技術使用還包括了替換表情、合成一整張臉、合成語音等等。

除了像是讓過去或現在的名人在影片中「栩栩如生」做出使用者想要的表情與動作，之前在社群媒體上曾有好幾款 APP一度風靡，包括上傳一張照片就可以看看「變老」「變性」自己的 FaceApp，甚至於讓自己的臉在經典電影中講上一段台詞的「去演」APP，這類的功能也是應用前述 Deepfake 的技術。

雖然有些線索顯示這類 APP 常有潛在的資安疑慮[註]，但好歹技術的成果多屬搏君一燦自娛娛人，尚可視為無傷大雅。

而過往電影的影音產業要仿造人臉需要應用許多複雜、耗時、昂貴的電腦模擬，有了 Deepfake 相關的技術，也使得許多只能抱憾放棄的事情出現了彌補的空間。最有名的應用應是好萊塢電影《玩命關頭7》與《星際大戰》系列。《玩命關頭7》拍攝期間主角保羅・沃克（Paul William Walker IV）意外身亡，剩下的戲份後來由弟弟擔綱演出，劇組再以 Deepfake 的技術讓哥哥弟弟連戲，整部電影才得以殺青上映。

Deepfake 讓「變臉」變得太容易了？

想想過去的電影如《魔戒》中的咕嚕、或是 2008 年布萊德・彼特主演的《班傑明的奇幻旅程》，將影片或照片中人物「換臉」「變老」的修圖或 CG 技術，在 Deepfake 出世之前就已經存在了。Deepfake 受到關注的核心關鍵在於，應用 AI 的深度學習的演算法，加上越來越強大的電腦與手機運算能力，讓「影片換臉」這件事情變得越來越隨手可得、並且天衣無縫。

過往電影中採用的 CG 技術要花好幾個月由專業人士進行後製，才能取得難辨真偽的影像效果，而應用了 AI 演算法，只需要一台桌上型電腦甚或是手機，上網就可以取得軟體、有機會獲得差強人意的結果了。

進一步，傳統軟體演算法主要依靠工程師的持續修改調整，而如 Deepfake 這類技術，內部的演算法會經過訓練持續進化。有許多技術被應用於提高 Deepfake 的偽造效果，其中最常見的一個作法被稱為「生成對抗網路（Generative Adversarial Network, GAN）」，這裡面包含了兩組神經網路「生成器（Generator）」和「辨識器（Discriminator）」。

在投入訓練資料之後，這兩組神經網路會相互學習訓練，有點像是坐在主人頭上的小天使與小惡魔會互相吐槽、口才越來越好、想出更好的點子；在練習的過程中，「生成器」會持續生成偽造的影像，而「辨識器」則負責評分，反覆訓練下來，偽造生成的技術進步，辨識偽造的技術也得以進步。

舉例來說，This Person Does Not Exist 這個網站就充滿了使用 GAN 架構建構的人臉，這個網站中的人臉看上去非常真實，實際上都是 AI 製造出來的「假臉」。

Deepfake 影片不一定是問題，不知道是 Deepfake 才是問題

現今的 Deepfake 技術得以持續進步、騙過人眼是許多人努力的成果，也不見得都是壞事。像是《星際大戰：俠盜一號》片尾，年輕的萊婭公主出面驚鴻一瞥，就帶給許多老粉絲驚喜。這項技術應用癥結在於，相關演算法輕易就能取得，除了讓有心人可以藉以產製色情影片（這類影片佔了Deepfake濫用的半數以上），Deepfake 製造的影片在人們不知情的情況下，很有可能成為虛假訊息的載體、心理戰的武器，甚至於影響選戰與輿情。

因此，Deepfake 弄假似真不是問題，閱聽者因此「不辨真假」才將是最大的問題所在。

相關的研究人員歸納了幾個這類「變臉」影片常見的特徵，可以用來初步辨識眼前的影片是不是偽造的。

首先，由於 AI 尚無法非常細緻的處理一些動作細節，因此其眨眼、視線變化或臉部抽蓄的動作會較不自然。其次，通常在邊緣處，如髮絲、臉的邊緣線、耳環等區域會出現不連貫的狀況。最後，在一些結構細節會出現不合理的陰影瑕疵，像是嘴角的角度位置等。

由於現階段的 Deepfake 通常需要大量的訓練資料（影像或影片）才能達到理想的偽造成果，因此會遭到「換臉」的受害者，主要集中在影像資源豐富的名人，如電影明星、Youtuber、政治人物等。需要注意的是，如果有人意圖使用 Deepfake 技術製造假消息，其所製造的影片不見得需要非常完美，有可能反而降低解析度、非常粗糙，一般人如用手機瀏覽往往難辨真假。

人眼已經難辨真假，那麼以子之矛攻彼之盾，以 AI 技術辨識找出 Deepfake 的成品，有沒有機會呢？隨著 Deepfake 逐漸成為熱門的議題，有許多團隊也開始試圖藉由深度學習技術，辨識偽造影像。2020 年臉書與微軟開始舉辦的「換臉偵測大賽」（Deepfake Detection Challenge）就提供高額獎金，徵求能夠辨識造假影片的技術。然而成果只能說是差強人意，面對從未接觸過的影片，第一名辨識的準確率僅為 65.18%。

對於 Deepfake 可能遭到的濫用，某部分我們可以寄望技術的發展未來終將「道高一尺」，讓社群平台上的影像不致於毫無遮攔、照單全收；然而技術持續「魔高一丈」讓防範的科技追著跑，也是顯而易見的。

社群網路 FB 在 2020 年宣布全面禁止 Deepfake 產生的影片，一旦有確認者立即刪除，twitter 則強制註記影片為造假影片。Deepfake 僅僅是未來面對 AI 浪潮，科技社會所需要應對的其中一項議題，法律、社會規範如何跟上？如何解決箇中的著作權與倫理問題？這些都將是需要經過層層討論與驗證的重要課題。

至少大家應該心知肚明，過往的網路流行語：「有圖有真相」已經過去，接下來即將面臨的，是一個「有影片也難有真相」的網路世界了。

• 註解：推出 FaceApp 與「去演」的兩家公司其軟體皆要求註冊，且對於上傳資料之後續處理交代不清，被認為有侵犯使用者隱私權之疑慮。

參考資料

1. Deepfakes and the New AI-Generated Fake Media Creation-Detection Arms Race – Scientific American
2. What To Do About Deepfakes | March 2021 | Communications of the ACM
3. Tolosana, R., Vera-Rodriguez, R., Fierrez, J., Morales, A., & Ortega-Garcia, J. (2020). Deepfakes and beyond: A survey of face manipulation and fake detection. Information Fusion, 64, 131-148.
4. Deepfake 深偽技術的技術濫用與道德困境，大眾正要開始面對 | TechNews 科技新報
5. 台灣團隊研究辨識Deep Fake影片　深偽技術的正邪之戰開打 | 台灣事實查核中心 (tfc-taiwan.org.tw)

• 水熊蟲真的能跟量子位元「量子糾纏」嗎？
• 逼近 50% 的癌症研究實驗無法被重現？RPCB 耗時 8 年點出「再現性危機」
• 大資訊時代也是大駭客時代！——你該認識的駭客新興手法
• Omicron 變種病毒從哪來？打疫苗有用嗎？Omicron 相關研究彙整
• 推理系動畫毒殺利器！——認識致命的「河魨毒」