【論文故事】別讓科研野外考察變成性騷擾高發區

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。

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。

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）」！

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。

以研華科技為例，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。

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。

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。

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）。

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。

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。

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

藏在鳴聲中的密碼

說起野生動物時，約翰相當喜歡一探究竟。雖然他研究老虎，但也熱衷於在有空時協助研究魚鴞。四月中的某個晚上，由於缺乏來自薩瑪爾加河的錄音，我就照著瑟格伊教我的，親自模仿起魚鴞的鳴聲給約翰聽，包括四個音的對唱，以及一隻鳥所發出的兩個音鳴叫。我粗糙的咕咕聲沒辦法愚弄魚鴞，但最重要的是，要知道鳥鳴聲的節奏與深沉音調──森林裡沒有其他動物的聲音是這樣。常見的長尾林鴞鳴叫聲是三個音，而這一帶其他可能聽得見的貓頭鷹叫聲──鵰鴞（Eurasian Eagle Owl）、領角鴞（Collared Scops Owl）、東方角鴞（Oriental Scops Owl）、褐鷹鴞（Brown Hawk Owl）、鬼鴞（Tengmalm’s Owl）與山鵂鶹（Northern Pygmy Owl）──鳴叫聲都較高、較好辨識。魚鴞的聲音不會被誤認。約翰明白了該聽什麼之後，我們就出發了。他載著托利亞和我，到捷爾涅伊西邊十公里，也就是謝列布良卡河與圖因夏河（Tunsha）交會處。道路在這裡隨著兩條河分岔，這個地方看起來是魚鴞的完美棲地，有許多淺淺的河道，還有大樹。要前來這裡並不困難，對我們來說會是研究魚鴞的好地點──只要夠幸運能找到魚鴞。

如此展開魚鴞調查並不複雜。相對於薩瑪爾加河，當時我們得先到河邊，沿著結冰的河前進，但在這只要在與河流平行的泥土路開車，暫停下來傾聽奇特的鳴叫聲即可。我們不必太接近河流本身；這樣反而是好事一樁，因為水流聲導致難聽清楚其他的聲音。約翰把托利亞與我留在橋邊，之後繼續開往圖因夏河上游地約五公里。

我們講好，在天黑後四十五分鐘要回到河流交會處集合。我穿著迷彩夾克與長褲，與其說是和環境融為一體，不如說是更能與當地人融合。我朝著一個方向的泥路前進，托利亞前往另一個方向。

我摸摸口袋，確保有手持火焰信號棒。這是用來保護自己的：現在是春天，會有熊出沒。身為外國人，我不能攜帶武器，防熊噴霧又難買，說不定根本找不到。手持火焰信號棒是設計來給遇上麻煩的俄羅斯水手使用的，在海參崴很容易買到，若要使用，只要拉開一條繩索，就能融化化學物質，釋放出震耳欲聾、長達一公尺的火與煙，並持續數分鐘。

在大部分情況下，這種方法夠震撼，足以嚇阻任何抱著好奇卻會帶來危險的熊與虎。但如果嚇阻不了，火焰也可以用來當武器。古德里奇就曾使用過：有一次，他被一隻老虎撲倒，仰躺在地，一手被老虎咬了幾個洞，但另一手就把這火焰之刃往老虎的側身按下去。於是老虎逃跑，他也活了下來。

我走了大約半公里，就聽到魚鴞對唱。那是從上游傳來，也就是我前進的方向，是四個音的嗚嗚聲，或許是從兩公里外傳來。這是我距離發出鳴聲的魚鴞最近的一次，也是我聽過最清楚的二重唱。這聲音讓我留在原地不動。森林裡的某些聲音──鹿鳴、來福槍響，甚至鳴禽的顫音──會響亮爆發，立刻引來關注。但魚鴞的二重唱不一樣。那聲音悠長低沉，充滿自然之感，從森林裡迴盪而出，躲在嘎吱響的林間，隨著滔滔河水彎曲迴轉。那聲音是那麼古老，在大地之間響應。

追蹤魚鴞：三角測量

要幫遙遠的聲音精準定位，三角測量是個可靠的方法。這過程很簡單，只需要一點資訊，以及足夠的時間來收集。以我來說，需要先以GPS裝置，記錄聽到魚鴞叫聲的位置、以羅盤記錄鴞的叫聲來源方向（稱為「方位」〔bearing〕），以及需要時間在魚鴞停止鳴叫或移動前，收集到多個方位。之後就能在地圖上，運用 GPS 點來畫出我的位置，並以尺將每一個相對方位連起來。這些線條交叉處，就是魚鴞發出叫聲的粗略位置。基本上，通常會至少需要三個方位，尋找的位置就位於方位交會形成的三角空間（所以稱為「三角測量」）。

我的動作得快：繁殖期的魚鴞通常會在鳥巢開始對唱，但很快就會飛走狩獵。只要收集到三個方位，就很可能找到巢樹。我快速尋找方位，以 GPS 記錄位置，之後在路上奔跑一下。在泥土路上跑了幾百公尺後，我稍微停下來，聽見心臟撲通撲通跳，之後再仔細聆聽。另一聲對唱傳來。我記錄下另一個羅盤方位與 GPS 位置，之後再跑一下。

來到第三個位置時，鳥就安靜了。我又等了一會兒，拉長耳朵，但森林還是靜悄悄的。我終於明白，在捷爾涅伊這麼久，離魚鴞這麼近，為什麼不記得牠們存在：我必須在正確時間、正確條件下到戶外才有機會。魚鴞對唱很容易被其他聲音蓋過，如果有風或附近有人說話，我就會錯過。

這兩個方位讓我士氣大振。如果夠精準，這兩個方位或許能帶我前往巢樹。我等了一會兒，想聽另一次鳥鳴，但沒有等到，遂順著方才走過的路回去。我在黑暗中興高采烈，腳底下的碎石沙沙響。托利亞和約翰臉上也掛著笑容，都說聽到魚鴞的叫聲。

根據托利亞的描述，他偵察到的顯然就是我在謝列布良卡聽到的那對鳥，但是約翰聽到的則為不同的魚鴞夫妻：他是在反方向聽到對唱。在一個小時之內，我的潛在研究動物名單從零變成四隻鳥。最激勵人心的，就是我們聽到的不是一隻魚鴞，而是成對的魚鴞。單一魚鴞可能是過境鳥，但成對的則代表這是牠們的領域。或許我們明年就能捕捉這幾隻魚鴞，好好研究。

那天夜裡，我在地圖上畫起方位，再把交叉線座標輸入 GPS。隔天早上，托利亞與我開車，沿著坑坑疤疤的泥土路，回到謝列布良卡河，跟著 GPS 灰色箭頭指示，看看這箭頭帶我去哪裡。然而，那條又寬又湍急的大河旋即擋住我們的去路，我們前一晚並未來到這裡。魚鴞一定是在對面鳴叫。我們穿上高筒防水靴，前進謝列布良卡河的主要河道，其寬度大約三十公尺。無論是往上游或下游，水都太深，無法穿越，但這裡不會，深度大約是介於膝蓋與腰部之間，清澈的水在平滑如拳頭大小的石頭上，以及更小的卵石上方奔流。

在濱海邊疆區，即使河水僅深及膝蓋，也可能欺騙門外漢，讓他們以為可以輕鬆度過—謝列布良卡河的水流就和薩瑪爾加河與其他海岸邊的河流一樣，可能相當湍急。我們在涉水過河時，急流推著我們。若在某一點停留太久、偵測往前的路徑時，腳下的卵石就會被沖走。我們來到對面河岸，發現自己位於一個個小島所形成的網路之間，較小的水道交織其中；島上植被茂密，古老的松樹、白楊和榆樹構成森林；而在最容易氾濫的區域邊緣有簾幕垂柳排列。

我們跟著 GPS，來到其中最大的島，周圍是懶洋洋的回水，與其說是溪流，更像是沼澤，而其高地主要是由灌木叢中拔地而起的白楊構成，那些灌木叢和被風吹倒的草木殘骸，在地上糾結著。我拿起雙筒望遠鏡，從一個樹洞掃視到另一個；潛在的巢樹數量多不可數。在這些瘦巴巴的樹木中央，屹立著一株優雅的松樹，宛如一位美女被膽怯的追求者包圍。這是個穩固又健康的美女，強健的紅樹皮樹幹往上升，最後消失在綠色的繁茂枝葉中。我看見在大樹枝上有根魚鴞的羽毛黏在上面，在難以察覺的微風中顫動。

我揮揮手，引起托利亞的注意，於是一行人朝著松樹前進，目不轉睛。雖然濃密的樹枝應該要能遮蔽樹木的基底，不受環境影響，但底下有東西與周圍的融雪混合。這裡充滿魚鴞白色的排泄物──數量繁多──混合著過去獵物的骨頭。

發現棲木：魚鴞隱密的棲身之所

原來，這是一株棲木。魚鴞喜歡在針葉林棲息，這棵松樹就是個例子，可在其白天睡覺時提供遮蔽，保護牠們不受風雪及想騷擾牠們的遊蕩烏鴉注意。我立刻看見魚鴞獨特的食繭（pellet）：這些食繭和其他鴞所產生的不同，並不是灰色、如香腸狀的逆流物．多數的貓頭鷹會吃哺乳類，因此食繭會是毛皮緊緊包裹著骨頭。然而，當魚鴞將無法消化的獵物殘骸反流回來時，沒有東西能把骨頭包起來，因此食繭並不呈現繭狀。

托利亞與我因為這項發現而大受激勵，給彼此俄羅斯式的擊掌歡呼──握手。魚鴞並不像其他貓頭鷹一樣，有習慣棲息的棲木，這麼常使用的棲木是很罕見的。然而，棲木也強烈暗示著巢樹就在附近；雌鳥窩在巢中時，雄鳥通常會在附近守護。早上其餘的時間裡我們伸長脖子，觀察高處的樹洞，果然到處都有樹洞，高度從十公尺到十五公尺都有。我們尋找線索，看看哪棵樹可能有魚鴞巢，可惜徒勞無功。不過，我們確實撞見了魚鴞出沒的祕密之地，這邊無法從河上島嶼與沼澤窺視。

接下來幾天，我們繼續在謝布列良卡和圖因夏河谷，尋找魚鴞的影子。我們聽到了約翰找到的那對鳥，卻找不到實體的跡象。這些留鳥整個冬天都在這裡，但現在雪融了，樹木冒出嫩葉，因此越來越難看到其足跡和羽毛。再過幾天，托利亞前往南方兩百公里的阿瓦庫莫夫卡河（Avvakumovka River），蘇爾馬奇在那邊發現魚鴞住的鳥巢，還有剛孵出的蛋。蘇爾馬奇想要托利亞去監視這巢，記錄成鳥帶回多少食物給幼雛、帶回什麼獵物，及幼雛何時長出羽毛。

我這個星期和約翰一起聆聽鴞的聲音，尋找更多魚鴞可能居住的領域，包括謝普敦河（Sheptun River），幾年前蘇爾馬奇和瑟格伊曾在此找到鳥巢。約翰與我發現了這棵樹，是株粗壯的白楊，可惜已在暴風雪中傾倒，而周圍的灌木繁盛生長，幾乎藏住這棵樹的存在。我們在那邊沒有聽見魚鴞的動靜。

——本文摘自《遠東冰原的貓頭鷹》，2025 年 01 月，知田出版，未經同意請勿轉載。

• 作者：黃伊平／執業律師，台北大學法學碩士

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！

網紅小玉涉嫌利用人工智能 AI「Deepfake」（深度造假）技術，把多位公眾人物的臉部圖像移花接木到色情影片的主角身上，重製成「換臉影片」，並成立「台灣網紅挖面」社群，供人付費觀看，以獲取不法利益。被害人數眾多，其中不乏藝人、政治人物、知名網紅等。

而未經當事人同意，製作「換臉」的影片，這樣的行為會觸犯那些法律呢？

換臉影片觸犯《刑法》哪些罪名？

換臉影片屬於新型的數位性犯罪，在台灣還沒有處罰前例，目前大多認為可能會涉犯《刑法》的「散布猥褻罪物品罪」和「妨害名譽罪」。

「散布猥褻物品罪」包括哪些具體行為？

首先，刑法處罰「散布猥褻物品」的行為，依照實務見解是指：「客觀上足以刺激或滿足性慾，內容可與性器官、性行為及性文化的描繪與論述聯結，且引起一般人羞恥或厭惡感而侵害性的道德感情，有礙於社會風化的狀態」。

具體來說，「Deepfake」換臉影片的劇情，如果含有「暴力、性虐待或人獸性交」的情節，或雖然無關「暴力、性虐待或人獸性交」，但有引起一般人羞恥的性器官裸露、性行為的內容，且缺乏適當的安全阻隔措施（例如沒有用包裝隔絕並標示「18 禁」），就會違反《刑法》的散布猥褻物品罪，刑度是 2 年以下有期徒刑、拘役或科或併科 9 萬元以下罰金。

實務上，曾有人不滿女友提分手，憤而把交往時拍攝的女友裸體照片散布在社群網站 Instagram，被法院判拘役 50 天，並以「一天 1000 元」易科罰金。

還有一則案例是前男友在兩人分手後，在網路論壇上傳親密影片供人瀏覽，被害人直到聽朋友說網路上有疑似自己的性愛影片，才知道受害。而觸法的前男友，也被法院判有期徒刑 3 月，緩刑 2 年。

另外，如果換臉影片的內容涉及「未成年人」，加害人除了違反《刑法》的散布猥褻物品罪外，還會同時觸犯保護兒少所特別制定的《兒童及少年性剝削防制條例》——如「拍攝、製造兒童或少年為性交或猥褻行為之電子訊號罪」以及「散布少年為性交及猥褻行為之電子訊號罪」。

而且，基於特別法優先於普通法的原則，加害人將會被用刑責較重的《兒童及少年性剝削防制條例罪》來處罰。

舉例來說，有個案例是被告在拍攝自己跟未成年人的性愛影片後，用影片要脅被害人，又把影片上傳到色情網站。針對拍攝影片的行為，被法院處有期徒刑 1 年 1 個月；恐嚇未成年人的部分，則被處有期徒刑 3 個月，得易科罰金；最後，散布猥褻影片的部分，被處有期徒刑 6 個月，得易科罰金。

不過，並非所有傳送裸露照片的人都會被定罪，還需要達到「散布」的程度，實務就曾有被告先拍攝被害人跟自己性交時的照片，還有被害人的大腿、胸部等私密處，再將照片傳送給某位網友觀賞；法院認為，被告只有把照片傳給「1 名」網友，不算是「散布」，就不能用散布猥褻物品罪處罰。

換臉影片又為何符合「妨害名譽」？

所謂妨害名譽罪，包含「公然侮辱罪」和「誹謗罪」兩種類型。兩者的共同點，都是在保護人民的名譽免於侵害，但差別在於：前者是透過「表達意見」來侵害名譽，後者則是用「陳述事實」的方式來做。

實務上，有法院用「事實能否驗證」的判準來區分「公然侮辱罪」和「誹謗罪」。

換言之，如果行為人的言論，語意脈絡空洞而無意義，無法客觀檢驗所依附的事實，僅讓被害人主觀評價下的感情或名譽意識受損，就屬於「侮辱」；反之，如果語意脈絡具體而有意義，客觀上可以清楚理解、辨識指摘的特定事實是什麼，此時就傷害到被害人客觀外部的名譽，就是「誹謗」要處理的範疇。

舉例來說，曾有被告在他人臉書專頁文章下留言「智障超譯的女表子」等文字，法院認為「婊子」是針對撰文者的「性別」的侮辱性用語，判被告犯刑法的公然侮辱罪，處罰金2千元。

另則案例是：被告在臉書社團爆料公社上，張貼指摘被害人是「史上地表最強小三」等內容的文章，法院認為被告用散布文字的方法，指受害人是介入他人婚姻關係的第三者，足以貶損人格尊嚴與社會評價，所以觸犯刑法的加重誹謗罪，處拘役 45 日，得易科罰金。

那 Deep fake 換臉影片到底觸犯「公然侮辱罪」還是「誹謗罪」呢？

由於影片已直接將被害人的臉置換到 AV 內容當中，雖然沒有明確使用侮辱或謾罵被害人的文字，但影片本身已足以向觀賞者傳達「羞辱、侮蔑」被害人的意味，並讓被害人感受到極大的輕視和痛苦，所以可能會成立刑公然侮辱罪。

而含有性交和裸露鏡頭的換臉影片，一旦在網路流出後，不免有人會相信影片主角有拍攝的事實，將嚴重影響被害人在一般人心中的名譽和社會地位，所以也可能會成立加重誹謗罪。

而觸犯刑法公然侮辱罪，可處拘役或九千元以下罰金；觸犯刑法加重誹謗罪，則將處二年以下有期徒刑、拘役或三萬元以下罰金。

換臉影片還觸犯了《個人資料保護法》！

所謂「個人資料」，依規定包括：任何足以辨識個人的資料，包括姓名、生日、特徵等。由於製作「Deepfake」換臉影片，勢必會擷取被害人的臉部照片，而可以辨識個人的「臉部特徵」，實務肯認這就屬於《個人資料保護法》所要保護的「個人資料」。

而個人資料的蒐集、處理及利用，原則上需要得到當事人本人的同意，僅當政府機關基於法定目的，或私人基於契約關係、或其他重要的公共利益時，才能在不經同意的前提下，合理使用，但無論如何都不能侵害當事人的利益。否則，可能就會違反「非公務機關非法利用個人資料罪」，最高可處 5 年以下有期徒刑，得併科 100 萬元以下罰金。

類似案例像是：被告未經被害人同意，就在臉書社團張貼被害人的姓名、年齡、地址、個人大頭照、生活照、住家外觀照片，同時發表「小心這個人外表會騙人，目前侵占案避不見面」等言論。法院認為，被告把自己跟被害人間的債務糾紛私怨訴諸公眾，將被害人的個人資料揭露在臉書社團專頁，顯然侵害被害人的資訊隱私或自決權，觸犯個人資料保護法罪名，處有期徒刑 3 月，得易科罰金。

此外，為了製作 Deep fake 換臉影片，勢必使用明顯能夠辨識被害人的臉部照片，且非出於任何公益目的；依個資法，加害人就該負起「損害賠償」的責任！

肖像權被侵害，可依《民法》請求賠償

《民法》保障每個人的肖像權，這是一種「個人決定肖像是否公開的權利」，肖像權人可以自己決定是否揭露自己肖像，並決定在何種範圍內、何時、以何種方式、向何人揭露。

因此，如未經同意，就拍攝、重製他人的肖像等，就會侵害肖像權。

過去曾有案例，被告未經他人同意，就把被害人的照片後製，在臉上增加手掌圖案，並刊登在網路，表示「打臉」的意思，即使被告辯稱是為了評論與公益有關的事項，才製作網路圖片，但法院認為被告「並沒有」利用被害人肖像的權利，而以網路方式公開打臉圖片，已嚴重侵害被害人的肖像權。被害人除了可以請求刪除打臉圖片，也可以要求賠償自己的精神上損害。

因此，那些臉部照片遭盜用、被製成換臉影片的被害人，可以依法請求製作者刪除影片，並請求慰撫金──具體來說，法院將依照實際加害情形、所造成的影響、被害人痛苦的程度、雙方的身分地位、經濟情形及其他各種狀況，以確認合適的賠償金額。

換臉也是「性騷擾」，可以申訴啟動調查

什麼是性騷擾行為？《性騷擾防治法》指出：像是那些違反被害人意願，播送跟性或性別有關的影像，而有損害被害人的人格尊嚴，造成被害人感受敵意或冒犯的情境。

而換臉影片將被害人照片後製成 A 片主角，彷彿讓眾人看見赤裸裸的自己，使被害人深感冒犯和不舒服，就是一種性騷擾。

性騷擾事件的被害人可向直轄市或縣（市）主管機關提出申訴，主管機關即應開啟調查程序，並可依法對行為人處以新臺幣一萬元以上十萬元以下罰鍰。

而有鑑近年數位和網路性別暴力案例頻傳，行政院性別平等會更在今年 110 年 2 月 3 日，發布「數位/網路性別暴力之定義、類型及其內涵說明」一文，內容是參酌 CEDAW 一般性建議第 19 號第 6 段意旨，明確定義數位／網路性別暴力，明列數位／網路性別暴力的態樣，其中就包括「未經同意散布與性／性別有關個人私密資料」，並表態有意擬定相關防治政策、訂修法規，有待後續明顯進展。

要求換臉影片下架，有法律機制嗎？

被害人若發現某網路平台上有換臉影片，可以要求業者將影片下架嗎？

關於網路平台業者有無管制用戶言論的責任，曾有判決指出：網路業者並非司法機關，沒有判斷用戶行為是否構成侵害他人權利的權限，且若平台判斷錯誤，將有侵害言論自由的疑慮。為了兼顧用戶的言論自由及保護被害人權利，網路業者只有在「明知或有相當理由足認確實發生侵權行為」時，才有採取防止措施（例如刪文）的義務。

換言之，在侵權事實水落石出之前，依照法院的慣例，網路平台業者可能沒有主動和積極管制用戶言論的權責，被害人除非能證明權利受到侵害，才能要求網路平台業者下架影片，較難及時避免損害繼續擴大。

為了處理這樣的進退兩難，行政院在 107 年 4 月 27 日提出《數位通訊傳播法草案》，明定網路業者對提供使用的資訊，應負擔法律責任──當被害人告知或警察機關通知有侵權的內容，網路業者就應採取適當的處置並保全證據。

業者如果確實在合理期間內移除侵權資訊，並好好保全相關證據，就可以免除後續的賠償問題。因此，本草案如經未來立法院三讀通過，可望附加網路業者更多積極管制換臉影片的措施。

此外，依照《兒童及少年福利與權益保障法》的要求，須設立「iWIN 網路內容防護機構申訴管道」。若民眾發現有害兒少身心健康的網路色情內容時，可以向 iWIN 網路內容防護機構提起申訴，iWIN 機構將依規定進行查證，如查證屬實，即通知業者移除或改善，若屆期未移除或改善，主管機關可以對業者進行裁罰。

水能載舟，亦能覆舟，科技的發展原意是要改善人們的生活，然而一旦遭有心人濫用，所造成的危害，將是遠遠超出我們的想像。

如長期氾濫的虛假訊息、以及層出不窮的網路性暴力威脅，除了有賴立法管制，也不該忽略加強對網路使用者的教育宣導，而將性別平權的概念深植到每個人的心中，才能從根本解決網路／數位的性別暴力現象。

願立法追上科技的腳步前，我們每個人都自動自發地成為 Deep fake 換臉影片的終結者。當看見非法的色情影片，不下載、也不分享，提出檢舉，終結那些血淋淋傷害持續擴大的可能性。