Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

鎮暴手中棍,學子身上依: 論警察打人的心理機制

活躍星系核_96
・2014/04/01 ・3464字 ・閱讀時間約 7 分鐘 ・SR值 548 ・八年級

本文由民視《科學再發現》贊助,泛科學獨立製作

420_1d0ff2b665af7dfe9b2c76a84fbeea06撰文:台大月光心理社(代表:沈伯郡、鄭澈)

前言:2014年3月24日凌晨時分,警察驅離於23日傍晚起進攻行政院與在行政院外靜坐之學生與民眾,驅離過程中引起極大的爭議,一部分的人認為警察執法過當、暴力對待民眾(以盾牌剁人、警棍用力打人),另一部分的人則認為警察作法並無不妥(學生不應該攻佔行政院)。本文將不評論對錯,希望以心理學之客觀角度分析警察攻擊行為背後原因。

首先,要問警察為什麼要打人?或說為什麼會打人? 如果我們從生理、情緒的觀點出發,推想由於部分警察是南部調往北部,一路舟車勞頓;又部分警察被迫結束休假,前來支援;再加上現場民眾與警方雙方互相挑釁的行為,使警察內心累積不少負面情緒,再碰上不肯配合驅離之群眾,在執行命令時遇上許多困難,挫折之際,於是將憤怒宣洩在對群眾的暴力行為之上。在心理學當中這被稱為「挫折侵略假說」(Frustration–Aggression Hypothesis):人若遭受挫折時,將會攻擊無辜的人,即俗話說的「遷怒」 [1] 。在這個抗爭場面,警察把內心的挫折與壓力遷怒在抗議的群眾之上,攻擊此時就是最好的宣洩方式。

-----廣告,請繼續往下閱讀-----

另外,根據行為學派的觀點,攻擊行為和其他行為一樣,發生頻率與結果是獲得獎賞或懲罰有很大的關聯(效果率, Law of Effect) [2]。如果警察的攻擊行為沒有遭到懲罰阻止,且警察從這個行為當中獲得攻擊性欲求的滿足(即佛洛伊德所提到的「死的本能」 [3] ),警察的攻擊行為將自然大幅度的增加,這也滿足心理學中「工具制約」(Operant Conditioning)的原理 [4]。不只如此,僅僅只是看著其他警察展現出攻擊行為,自己也可能會因此展現更多暴力行為,這就是「社會學習」(Social Learning)或「觀察學習」:僅僅是觀察就會學習,某種程度上來看其他個體是可以感同執行動作者(打人的警察)的攻擊性慾求是被滿足的 [5]。

進一步來看,警察的攻擊行為多少也與其穿制服有關。首先,充滿凝聚力的警察團體就會產生強烈的群內偏好(In-Group Favoritism),並容易認為群外(Out-Group)的人是不好的,於是警察傾向於認為抗議民眾不好,且在這個抗議的群體中不論是誰都一樣是可鄙的無賴  [6]。由於警察都穿著類似的制服,並且依規定撕去了自己肩膀上的編號(辨別個人功用),使得執行暴力行為後,其所需付的責任被分散至整個警察群體共同承擔(Diffusion of Responsibility) [7] ,導致警察個體在團體當中得以去個人化(Deindividualization)  [8],並且不會認為「自己」會需要付起責任;相對的,會將責任歸責於「團體」共同承擔。

心理學家Zimbardo研究結果指出:在身分被隱匿的情況下,攻擊行為會有增加的現象  [9]。此外,如果不僅匿名,同時也穿著象徵壞人的服飾,匿名攻擊行為又會增加更多。隨後他更進行了著名的史丹佛監獄實驗(Stanford Prison Experiment):讓一群學生隨機指派,去扮演囚犯或獄卒的角色,實驗到了最後,扮演獄卒的學生會對扮演囚犯的學生進行脅迫與虐待的行為 [10] 。

628x471
史丹佛監獄實驗

綜上先前實驗可見,當一群警察聚集又同時進一步削去個人色彩之時,其行為之執行是可以毫無後顧之憂的,更可能抱持著「反正之後算帳可能也算不太到我」、「反正做這件事情的人又不只我一個,要辦一群人的罪是有難度的」……等心態,其隨應做出來的行為是可以預見的,再加上各個穿著制服,被賦予的身分(警察、鎮暴)角色相當明確,更會使勁做出被權威上級要求做出的任何任務,當然包括:驅離民眾,然卻不會計較任何手段,因為是在群體保護之下,大家可以相擁取暖,我並不孤單。也如Gustave Le Bon在1895發表的《群眾心理學》(Psychology of Crowds)所述:因衝動、責任喪失、無理性、愚蠢之群體特質,個體於其中又因匿名、默化、暗示等因素,得表現出衝動、兇殘的反社會行為。

-----廣告,請繼續往下閱讀-----

另一權威服從研究:Milgram experiment也指出在權威的驅使下,六成半的人會服從權威,且不會顧及無辜者(受試者)生命之安危 [11] 。實驗過中,受試者會以實驗者要求之最大電壓電擊無辜的受試者,雖然其明顯知道受試者可能會受不了而受傷、痛苦。將此情況套用至鎮壓現場,鎮暴接到上命令,他們理所當然服從權威鎮壓在場的民眾,並不會顧慮到其他,畢竟他認為他終究只是服從而已,責任並不在他身上!

Milgram服從實驗
Milgram服從實驗

命令的內容也提供了警察合理化(Rationalization)  [12] 暴力行為的依據,命令內容驅離學生,其行為是依「法」行政,因此警察會認為暴力是合理的,而刻意忽略了相反的聲音:這樣的粗暴,引發流血行為是不符合比例原則的,畢竟學生們終究只是躺在那邊絲毫不會造成警方人生的危險!他們會這麼做不是沒原因的,如果聽進去了相反的聲音,就會產生行為與自我之間矛盾的不舒服感受,這種感受被稱為認知失調(Cognitive Dissonance) [13] 。

為了避免認知失調,警察會緊抓著「依法行政」這個論點不放。進而產生更多的確認偏誤(Confirmation Bias) [14] ,他眼中看到的就只有自己是在「依法行政」而已。在此同時亦有另一個認知失調的例子於:當警察以暴力對待學生之後,並不會因為罪惡感而停止攻擊,反而攻擊會加劇,根據在場旁觀者之轉述,鎮暴在對那群真的不堪負荷而不支倒地之民眾進行驅離時,嘴裡都會碎念道;「再假裝阿」、「再裝死阿」,這是因為如果其不這麼想,並停手去關心傷患,他將會被自己的罪惡感所吞噬,更會因罪惡感而認為自己是壞人,進而產生更嚴重的認知失調,然而,又為了避免認知失調,其又會傾向於認為對方是壞的、受處罰應得的,又進而將對方去人性化(Dehumanizing) [15] 。這被Davis & Jones的實驗證明:讓實驗參與者說出某人的缺點之後,參與者之後就會認為該某人是負面可鄙的。

總結來說,整個行為可以回到Bandura在2004所提:「個體在社會化過程中,將逐漸掌握該團體或社會之道德準則。為了維持團體的人際,個體用約束力來控制自身的行為,以避免違背道德標準,違犯之際,雖然不會受到強制力懲處,但隨之而來的卻是強烈的罪惡感。因此,個體會限制自身的行為已符合內在道德標準;此自我約束力更在殘暴行為中扮演重要的角色」。然他亦指出,此約束力能選擇性地被執行,使得一些違反道德標準(殘暴鎮壓)等行為有機會被展現。這種打破原本被限制行為之障礙的歷程稱之為「道德分離(moral disengagement)」,主要透過三步驟完成:

-----廣告,請繼續往下閱讀-----

一、道德辯護(Moral Justification):改變自身對事件的解釋或評價,以便之後再為自己的行為辯護。執法過當的鎮暴或警察替自己的行為進行辯護,可以直接自身進行辯護,亦可從「團體」觀點進行。

二、責備受害者(Blaming Victims):藉著責備、汙名受攻擊者,得以認為那些人本應該受到懲罰,讓自己更能接受去攻擊這樣一個行為事實。認為學生或群眾是因為自己的所作所為違法(攻佔行政院)而被攻擊是罪有應得。

三、汙名化受害者(Dehumanizing Victims):一般情況下,人們是很難對被自身所認同的人痛下毒手的!但是對一個被去人性化或汙名化的人則可以攻擊得泰然自若,當鎮暴彼此在溝通時都稱呼靜坐的群眾為「暴民」之時,這些群眾不再受「學生」、「社會大眾」如此人性的觀點所看待,使得暴力尾隨至。Wasmund早在1986就說過:「藉著宣稱敵人的非人性,否認其為人之本質,伴隨之道德顧慮及自然消除」 。因此,對非人性的「暴民」實施殘暴、流血的鎮壓驅離也就是順理成章、無罪惡感之事了 [16] 。

最後,我們應該要以何種角度來觀看警察打人這件事情?我們不能草率的給予褒貶,而要深入的明白事件背後的因果關係才能夠據此下一個結論,這篇文章以心理學的觀點來說明暴力行為背後的真正原因,在透澈原因之後才有評價的可能,也就是說:心理學負責還原真相,其餘的留給歷史評價。

-----廣告,請繼續往下閱讀-----

參考資料:

  1. Frustration–aggression hypothesis — Wikipedia
  2. Law of effect — Wikipedia
  3. Death drive — Wikipedia
  4. Operant conditioning — Wikipedia
  5. Observational learning — Wikipedia
  6. In-group favoritism — Wikipedia
  7. Diffusion of responsibility — Wikipedia
  8. Deindividuation — Wikipedia
  9. Philip Zimbardo — Wikipedia
  10. Stanford prison experiment — Wikipedia
  11. Milgram experiment — Wikipedia
  12. Rationalization (making excuses) — Wikipedia
  13. Cognitive dissonance — Wikipedia
  14. Confirmation bias — Wikipedia
  15. Dehumanization — Wikipedia
  16. Moral disengagement — Wikipedia

—————————–

延伸科學再發現@科技大觀園

更多內容也可以上科技大觀園搜尋「情緒」,或每週六上午8點收看民視53台科學再發現

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
活躍星系核_96
778 篇文章 ・ 128 位粉絲
活躍星系核(active galactic nucleus, AGN)是一類中央核區活動性很強的河外星系。這些星系比普通星系活躍,在從無線電波到伽瑪射線的全波段裡都發出很強的電磁輻射。 本帳號發表來自各方的投稿。附有資料出處的科學好文,都歡迎你來投稿喔。 Email: contact@pansci.asia

0

1
0

文字

分享

0
1
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

0

3
1

文字

分享

0
3
1
群眾監控科技:以 2023 雪梨世界驕傲節為例
胡中行_96
・2023/03/16 ・3422字 ・閱讀時間約 7 分鐘

COVID-19 疫情趨緩後,各國都敞開大門,迎接國際觀光客。今年雪梨同志狂歡節(Sydney Gay and Lesbian Mardi Gras)的主辦單位,與 InterPride 合作,將活動升級為 2023 雪梨世界驕傲節(Sydney World Pride)。[1]其中最受矚目的年度大遊行,也於 2 月 25 日晚間,重磅回歸 Oxford 和 Flinders 兩街。[2, 3]

今年遊行中,率先登場的女同志團體「Dykes on Bikes」。圖/胡中行攝(CC BY-SA 4.0)
今年遊行的第二個隊伍,是男同志團體「Boys on Bikes」。圖/胡中行攝(CC BY-SA 4.0)

警察的角色

澳洲雪梨一年到頭,觀光活動難以計數。從知名的跨年煙火、國慶典禮、體育賽事、聖誕市集、繽紛雪梨燈光音樂節(Vivid Sydney)到同志狂歡節等,[4]負責維安的警察早已身經百戰,什麼場面都見過了。如果當天鬧事被逮的人數不多,他們有時還會在事後,透過新聞稿嘉勉群眾幾句。[5]雖然新南威爾斯州警察,在1978年拘捕同志運動抗爭者;但誰也沒想到他們後來化敵為友,自 1998 年起,竟每屆都組隊參加遊行。[6, 7]

2023 年面對前所未有的人潮挑戰,他們派出 900 多名員警,並與主辦單位、雪梨市政府、科技保全公司,以及州政府的觀光、交通、消防和急救等部門攜手合作。[2, 7]

曾參與 1978 年抗爭的同志乘車遊行,受到群眾熱烈歡迎。圖/胡中行攝(CC BY-SA 4.0)
新南威爾斯州警察今年的遊行花車。(不含背景右上的彩虹旗。)圖/胡中行攝(CC BY-SA 4.0)

RAMP分析

根據英國曼徹斯特都會大學(Manchester Metropolitan University)G. Keith Still 教授 30 多年的經驗,規劃大型活動時,要從 RAMP 分析(RAMP Analysis)的 4 個面向,評估群眾安全。[8]

-----廣告,請繼續往下閱讀-----
  1. 路線(routes):進入與離開的方向。[8]雪梨同志遊行的隊伍,一般不超出 Oxford 和 Flinders 這兩條街。[2]遊客則必定是從四面八方,逐漸湧入。
  2. 區域(areas):人群聚集的範圍。[8]當天的交通管制,擴及市中心與市郊的幾條主要幹道。[9]
  3. 動向(movement):進場及散場的時間。[8]官網號稱遊行從晚上 6 開始,預計 11 點結束。[10]實際上,觀眾提早幾個小時佔位,正式開幕的時間為晚上 7 點左右,而結束後不少人仍於附近逗留。各街道的交通管制不同,最早從下午 2 點開始,最晚至隔天凌晨 4 點結束。[9]
  4. 群眾(people):對參與群眾的了解。[8]官方預計有 1 萬 2 千 500 人和 200 多輛花車參與遊行。[10]此外,疫情解封以及世界驕傲節的國際觀光效應,勢必帶來人數龐大,而且類型多元的遊客。

此活動行之有年,遊行的路線、群眾聚集的區域,以及周邊交通管制的規劃等,多少都有參考依據。唯一可能比較難以預測的,是今年會增加的遊客。

遊行開始前,Oxford 和 Flinders 街口的人海。圖/胡中行攝(CC BY-SA 4.0)
散場時,尚未撤離的維安、急救、轉播和封街用車輛。圖/胡中行攝(CC BY-SA 4.0)

群眾與手機

為了精準掌握群眾的情形,這次遊行首度依循跨年和燈光音樂節的模式,請動態群眾測量(Dynamic Crowd Measurement)公司在遊行地點周邊,架設了臨時性的監視攝影機與手機偵測器材。[2]

  1. 監視攝影機:配合相應的軟體,從蒐集到的個體表情,例如:開心、中性、難過、生氣等,分析群眾情緒的平均值。同時,測量他們步行移動的速度[2]
  2. 手機訊號:現在幾乎人手一機,由手機通訊用的電磁波,便可推估現場人數。接受《雪梨晨鋒報》(Sydney Morning Herald)訪問的專家認為,不仰賴基地臺的技術,可以避免人數過多時,電信網絡的數據失準。動態群眾測量公司在附近店面,安裝臨時性的偵測器材。[2]
澳洲原住民團體帶了一條蛇來助興。圖/胡中行攝(CC BY-SA 4.0)
技職學校(TAFE)隊伍的大型人偶。圖/胡中行攝(CC BY-SA 4.0)

監控軟體的功能

監視攝影機蒐集到的數據,會被上傳雲端,並呈現於動態群眾測量公司設計的軟體。[11]遊行當天,由主辦單位的工作人員監控,再將必要的資訊報告給警方,以疏導聚眾。[2]下面是該公司官網,所介紹的軟體特色功能:[12]

  1. 地理空間熱區圖(geospatial heatmap):地圖以不同顏色,顯示人群的密集程度,並附帶群眾情緒和人流速度等資訊。[12]
  2. 警報程度指標(alert level indicator):將各區域的危險程度,分級且視覺化,方便監控者一目了然。[12]
  3. 區域監視(zone monitor):群眾密度、情緒和移動速率的警示程度,各區域可以分開設定。[12]
  4. 數據回放(data playback):除了即時監控,已經上傳雲端的數據,也能重新調出來檢視。[12]
  5. 通知管理(notifications manager):客製化群眾密度、情緒平均值,或移動速率等警示,以接收特定的更新資訊通知。[12]
  6. 視覺驗證(visual validator):將即時影像或地理空間熱區圖,與數據並列比較。[12]
https://youtu.be/rTv5ETjEUYk?t=72
動態群眾測量公司的軟體介紹影片,範例地圖是臨近雪梨歌劇院的環形碼頭。影/參考資料11

隱私疑慮

美國喬治城大學法律中心(Georgetown University Law Center)的 Paul Ohm 教授曾說,手機的位置,不該被視為匿名數據。試想一個人幾乎每天在住家與公司之間往返,從手機蒐集到的地理資訊,還真能推測出其身份。[13]所以,參與雪梨同志遊行的群眾,是否有個人隱私外洩的疑慮?主辦單位的發言人表示,他們單純偵測範圍內的手機數量,不包含任何個人化特徵。另外,監視攝影機不具人臉辨識功能,影像也不留紀錄,只儲存數據,因此大家不用擔心。[2]

-----廣告,請繼續往下閱讀-----
雪梨舞蹈團的遊行花車。圖/胡中行攝(CC BY-SA 4.0)
工人團體的遊行花車。圖/胡中行攝(CC BY-SA 4.0)

通宵達旦

遊行吸引 30 萬人聚集,[14]連總理 Anthony Albanese 也親臨現場,成為第一位參加此活動的澳洲現任元首。[3]整晚狂歡不夠,據報相關的官方派對,還續攤到翌日早晨 8 點。[14]遊行當天有 4 人遭到逮捕;而衝突過程中,1 名員警似乎斷了鼻子,另個眼睛瘀青。[7, 15]除此之外,賴在地上阻擋花車的國會議員 Lidia Thorpe,被和平勸離,並登上各大媒體。[16]新南威爾斯州警察在新聞稿中,表示滿意群眾表現,請大家在 2023 雪梨世界驕傲節剩餘的活動裡,繼續關照彼此的安全。[7]

總理 Anthony Albanese 是第一位參加同志遊行的澳洲現任元首。圖/Anthony Albanese on Twitter

  

  1. InterPride. ‘Proud to be here – Who we are’. Sydney World Pride 2023. (Accessed on 27 FEB 2023)
  2. Grubb B. (24 FEB 2023) ‘How your phone and mood will be tracked at Mardi Gras’. Sydney Morning Herald.
  3. Anthony Albanese makes history as first sitting PM to march in Sydney’s Mardi Gras parade’. (26 FEB 2023) SBS News.
  4. Destination NSW. ‘Sydney, Australia’. Sydney.com. (Accessed on 26 FEB 2023)
  5. Police pleased with behaviour of revellers during 2022 New Year’s Eve celebrations’. (01 JAN 2023) NSW Police Force.
  6. The Age & Sydney Morning Herald. (24 FEB 2023) ‘Sydney Mardi Gras – from ’78 to World Pride’. YouTube.
  7. 45th Mardi Gras celebrated in high spirits and perfect weather’. (26 FEB 2023) NSW Police Force.
  8. Still GK. (2019) ‘Crowd Science and Crowd Counting’. Impact, 2019(1): 19-23.
  9. InterPride. ‘Sydney Worldpride 2023 Road Closures’. Sydney World Pride 2023.  (Accessed on 01 MAR 2023)
  10. InterPride. ‘Mardi Gras Parade’. Sydney World Pride 2023. (Accessed on 26 FEB 2023)
  11. Shortstories Media. (28 JUL 2022) ‘DCM/Dynamic Crowd Measurement Explainer Video’. YouTube.
  12. DCM Features’. Dynamic Crowd Measurement. (Accessed on 28 FEB 2023)
  13. Thompson SA, Warzel C. (19 DEC 2019) ‘Twelve Million Phones, One Dataset, Zero Privacy’. The New York Times.
  14. Hyland J, Pearson-Jones B. (26 FEB 2023) ‘The morning after! Mardi Gras revellers finally start heading home as the last official party ends at 8am – and there’ll be some sore heads today’. Daily Mail Australia.
  15. Sarkari K, Sciberras A. (26 FEB 2023) ‘Police praise behaviour of Mardi Gras attendees as Anthony Albanese makes history’. 9News.
  16. Hildebrandt C. (27 FEB 2023) ‘Federal senator Lidia Thorpe halts Sydney’s Mardi Gras parade with police protest’. ABC News.
-----廣告,請繼續往下閱讀-----
胡中行_96
169 篇文章 ・ 67 位粉絲
曾任澳洲臨床試驗研究護理師,以及臺、澳劇場工作者。 西澳大學護理碩士、國立台北藝術大學戲劇學士(主修編劇)。邀稿請洽臉書「荒誕遊牧」,謝謝。

2

7
1

文字

分享

2
7
1
應對Deepfake濫用,台灣修正刑法夠用嗎?
法律白話文運動_96
・2022/01/30 ・5302字 ・閱讀時間約 11 分鐘

  • 作者/賴宜欣,台北大學法律系法學組學士,政治大學法律學系碩士,日本國立名古屋大學特別研究生,現為執業律師。

編按:在出現Deepfake之後,網路世界進入了「眼見不為憑」的年代。本次泛科學和法律白話文合作策畫「Deepfake 專題」,從Deepfake 技術與辨偽技術、到法律如何因應。科技在走,社會和法律該如何跟上、甚至超前部署呢?一起來全方位解析 Deepfake 吧!

看完國外針對深度造假技術的相關規範,讓我們回過頭來看看台灣。現行台灣法規,對於使用深度造假的數位性犯罪,其實規範相當不足,常見質疑包括有人提出「罪刑是否相當」或有謂「對於未經同意拍攝散布、或是未真實發生的性影像,並沒有特別規範」等。

而在諸多立委、婦女團體及法界人士的促請下,連蔡英文總統也都跳出來發文,呼籲民眾關注此類事件,並宣示政府會重新盤點法規,研擬推動修法。法務部也稱將朝「加重刑法相關刑責」的方向辦理。

蔡英文總統發文呼籲大眾關注 deepfake。圖/蔡英文 Tsai Ing-wen

不過不少聲音認為,雖然修正《刑法》相關規定是較為簡便,但《刑法》目的只在「究責」,如果真要防制數位性暴力,應該要從前端宣導預防著手,並於事後保護被害人的身心發展。舉例來說,如若進入刑事訴訟,被害人可能會因公開審理的緣故,形成二度受創。種種因素都指出,相關管制應較適合朝制定「專法」的方向發展。

先來看看刑法修正草案的內容

2021 年 11 月 17 日,法務部提出《刑法》修正草案。將保護的範圍主要分成三種:

-----廣告,請繼續往下閱讀-----

第一,針對「真實的性私密影音」,加重處罰「竊錄性影音」的行為,明文處罰竊錄性影音以及進一步散布、傳送或供他人觀覽的行為,最重可處五年有期徒刑。且不但未經同意竊錄會構成犯罪,即使在經同意後所收錄的性私密影音,也不能在未經同意下散布播送。

第二是針對「不實的性影音」,不論是製作合成、散布、播送、交付或以他法供人觀覽,這些都是犯罪行為,最重處 5 年以下有期徒刑;如果還意圖營利,更會加重處罰到 7 年。

第三則是針對「不實活動、言論、談話的影音或其電磁紀錄」,若是意圖散布而製作前述內容,或散布、播送、交付或以他法供人觀覽相關內容,則會受到 3 年以下有期徒刑的處罰,如果意圖營利,更會加重到 5 年以下有期徒刑。

散步私密與不實影音,都屬於犯罪行為。圖/envato elements

參考國外規範,台灣或有可借鏡之處

透過上述的《刑法》修正草案,台灣對於「性私密影音」的管制,終於有了較為清楚的規範。不過,這樣的修法是否足以遏止數位性犯罪了呢?跟國外規範比一比,筆者此處整理幾點,或可供後續立法借鏡的地方。

-----廣告,請繼續往下閱讀-----

一、性犯罪配套對策與保安處分的多元性

韓國相關立法有相當多元的「保安處分」,其中針對性犯罪,設有「性暴力治療計畫、人身情報公開、兒少及身障等福利機構之就業禁止、電子腳鐐」等配套。

舉例來說,2021 年 11 月,N 號房中主要犯罪者們,陸續被判以 15 年到 42 年不等的刑期,而法院在刑期外,更另外作成了多種「保安處分」,除了要求主要營運者及初始創房者「公開身分情報 10 年」,並「限制其在兒少機關及身心障礙人士福祉設施就職」外,也須「配戴定位追蹤的電子裝置 30 年」(註)。

N 號房中主要犯罪者們,除了刑期外,還有各種「保安處分」。圖/envato elements

回來看看台灣,因為台灣沒有制定專法,性犯罪在判刑之餘,相關配套措施是依《刑法》第 91 條之 1 規定,以及《性侵害防罪防治法》相關規定辦理,其中最廣為所知的是對性犯罪行為人進行「強制治療」。

但問題來了,大法官在司法院釋字 799 號解釋中,認為「現行強制治療制度長年運作結果,有趨近於刑罰之可能。」也就是說,長期接受強制治療者,如果仍未達到或無法達到,顯著降低再犯危險的治療目標,就會被一而再強迫接受治療,等同讓受治療者變相被無限期剝奪人身自由,猶如終身監禁,而有牴觸憲法之疑慮。

-----廣告,請繼續往下閱讀-----
大法官曾針對強制治療進行釋憲。圖/關鍵評論網

因此,衛福部因此研擬《性侵害犯罪防治法》修正草案,在第 37 條增訂:「經鑑定、評估,認有繼續執行之必要或認無法達到其再犯危險顯著降低治療目標者,法院得依直轄市、縣(市)主管機關聲請延長強制治療或命接受科技設備監控;其延長或監控期間,每次以三年為限。」 

簡單來說,對於接受強制治療的加害人,是採以 3 年為限度施以監控。雖然這是在權衡「病人的治療」跟「犯人的人權」兩難下的決定,但也讓民間非常擔心是否有縱放社會,提升再犯風險的問題,並呼籲政府應予強化社會安全機制。

有鑑於此,韓國法在處理性犯罪時配套措施的多元,以及從 N 號房判決中看到,賦予法官對保安處分期間訂定的權限,也比台灣寬鬆許多,在這些做法或許是台灣可參考之處。

二、修法似漏未規範處罰未遂犯?

本次台灣的刑法修正,似乎並未囊括未遂犯的處罰。在韓國的《性暴力犯罪法》中,對於數位性暴力的犯罪行為,都設有處罰未遂犯的規定。由於未遂犯的處罰,必須有明文規定才能辦理,這應該是個法規漏洞,希望未來能立法加以補足。

-----廣告,請繼續往下閱讀-----

三、考量組織犯罪可能性,制定加重條款防範

在數位性犯罪的問題中,也必須要注意組織犯罪的態樣。從韓國 N 號房事件可以清楚發現,當數位性暴力以組織犯罪形式開始擴大時,受害程度會急遽上升,受害人也更加難以抵抗。

韓國法院就認為,N 號房的主要犯罪者們,創設色情房並加以營運分工,是構成組織犯罪 。台灣其實也有前車之鑑,在詐騙集團盛行時,為了應對這種犯罪行為組織化的情況,修訂了詐欺罪的規定──若是三人以上共同犯詐欺罪時,會受到比單純詐欺罪更重的處罰。

既然數位性犯罪,非常有可能發展成組織化的犯罪,筆者認為在立法上可以考量像詐欺罪一樣,制定集團犯罪的加重條款來加以防範。

數位性犯罪有可能是組織犯罪。圖/envato elements

四、應考量將「持有與購買者」納入規範

由於台灣這次修法並沒有將「持有與購買者」入罪,但因為有「散布、營利」之人,就一定會有「購買、持有」之人,對於這種只處罰一方的疑慮,韓國法界已出現促請立法規範的聲音 ,台灣是不是也應該考慮一起處罰「持有與購買者」呢?

-----廣告,請繼續往下閱讀-----

對此,有論者擔心,若貿然將持有購買性影像的行為定罪,會因為付費會員過多造成打擊過廣的問題;甚至多數行為人可能只是抱持「性好奇」,甚至是心理尚未成熟、未能認知犯罪的未成年人──這樣貿然處罰可能會與兒少保護有所衝突,因此需要考量比例原則 。

然而,正所謂「殺頭生意有人做,賠錢生意無人做」,若僅單向處罰產出性影像的一方,而對為數眾多的持有與購買者完全不規範,行為人在評估營利利潤大於刑責風險下,仍會前仆後繼的進行數位性犯罪行為。

這麼一來,將無法根本性地遏止數位性犯罪。被害人必須經歷的心理創傷,甚至對名譽、事業的影響,都是對於被害人無法抹滅的痛苦 。

因此,筆者仍傾向贊成韓國律師界的意見「不能再讓當事人的犯罪受到好奇心的保障,任何一次的收看、分享、儲存或散布都是犯罪」,應該將持有與購買列入處罰。但同時也應該在教育及基層機關上,積極推動「犯罪預防」、「青少年事前性教育宣傳」、「成立兒少性犯罪調查專責部門」等,處罰與教育兩者並行不悖。

-----廣告,請繼續往下閱讀-----
持有與購買私密影片應考慮列入處罰。圖/envato elements

五、對「強暴脅迫」的數位性暴力,漏未規範?

韓國《性暴力犯罪法》在 2021 年 1 月 24 開始,將「涉及性私密影像的強暴脅迫」列入犯罪 ,也就是明確規定用性私密影像來強暴脅迫被害人的行為,是一種犯罪。而參考 N 號房事件,脅迫的對象應不只限於被害人本人,如以被害人的性私密影像來脅迫他人,也是犯罪 。

就像報導指出,前述事件的被害人,就受到行為人脅迫「將公開人身情報並對親友不利」,讓其直接自行製作性剝削影片。甚至對青少年們進行強姦、類似性行為後,將影像攝影傳送,以要散布子女的裸照,脅迫被害青少年的父母。

性私密影像的產生,並不一定是由犯罪行為人製作,也很有可能是脅迫被害人自己製作。這常見於雙方過往曾有親密關係,也因此取得相關性私密素材,事後卻將此私密內容作為脅迫工具。

台灣的《刑法》修正草案,目前並沒有就「涉及性私密影像的強暴脅迫」有所規範。對比近來立委高嘉瑜受到家暴及被威脅外流性私密影像的事件,這也彰顯了法規缺陷的問題,應該即時檢討。           

-----廣告,請繼續往下閱讀-----
圖/envato elements

六、考量搭配事前規範的可行性

台灣及韓國,目前都較著重在處罰「利用當下(製作、編輯、合成加工)」及「利用後(散布、營利)」的行為,並未有針對事前的規範。

或許可以考量搭配日本和歐盟的模式,在利用深度造假等技術前就予以分類,賦予行為人相對應的事前注意義務(如:告知影像是以深度造假技術製作的通知義務、加註警語等),以減少後續不當使用的產生。並可透過專家會議及政府部門定時檢討等方式,達成與時俱進的 AI 利用規範。

又或像是美國的《深度造假問責法》(DEEP FAKES Accountability Act)草案,要求使用深度造假技術製作影片的人負起責任。例如,若影片內含有虛假人物的視覺元素,製作者應嵌入數位浮水印(Digital watermarking),讓閱聽者能清楚識別這份影音包含更改後的音檔或視覺元素,或要求提出更改聲明,以及對更改程度的簡單描述。

圖/envato elements

遏止AI濫,用前置作業、處罰、教育宣導應三方並行

台灣目前在數位性犯罪的整體應對上,仍有許多可以檢討的地方。在前置階段,可以參考歐盟、日本或美國,針對 AI 功能進行分類採取如通知義務、加註警示等對應措施。在處置不當利用深度造假等技術時(如數位性犯罪),則應注意「處罰未遂犯、處罰購買及持有者、列入數位性犯罪的強暴脅迫、注意組織犯罪防範」等面向,以期細緻化處罰或配套措施。而防治數位性犯罪的相關教育宣導,更是不可或缺的。畢竟良善的文化才能確保人人尊重彼此,從源頭杜絕類似情況再次發生。

本文爬梳現狀,整理可供借鏡之處,希望本文有助於未來數位性暴力的防制更加完善。

註解

參考資料

一、中文部分

  1. 婦女救援基金會,侵害個人性私密影像防制條例草案。 
  2. 江鎬佑,小玉換臉罪責如「轉傳A片」?數位性暴力法制的缺角
  3. 姜冠霖、王碩勛,從陌生人到熟人凌辱,韓國Deepfake數位性犯罪修法的啟示
  4. 洪敏隆,數位性暴力在台灣無法可管?民團訴求專法防止挖面事件再發生
  5. 現代婦女基金會, 大法官「性侵犯強制治療」釋憲出爐!民間呼籲:高再犯風險回歸社區,須強化安全機制

二、外文部分

  1. 韓國日報,「N번방’ 최초 개설자 문형욱 징역 34년, ‘박사방’ 2인자 강훈 15년 확정」、「박사방운영자 조주빈, 대법서 징역 42년 확정…공대위“끝이 아닌 시작
  2. ‘딥페이크 처벌법’ 신설하긴 했지만, ‘반쪽’ 짜리 법안입니다
  3. 韓國《性暴力犯罪之處罰等相關特例法》。
  4. 대법원 2021도11753, 2021전도112(병합) 대법원 2021도11816‘n번방’ 최초 개설자 ‘갓갓’, 징역 34년… 박사방 ‘부따’, 징역 15년 확정
-----廣告,請繼續往下閱讀-----
所有討論 2
法律白話文運動_96
26 篇文章 ・ 531 位粉絲
法律白話文運動」是致力於推廣法律知識與法治思想的獨立媒體,願與讀者一起從法律認識議題,從議題反思法律。