專家警告：AI 信任危機擴大，透明性與可驗證架構成未來關鍵

生成式 AI 的發展雖快速，卻再次暴露出其在「倫理」與「透明性」上的結構性缺陷。近期多起案例顯示：「無法驗證、無法稽核」的 AI 系統，正成為信任危機的根源。因而愈來愈多專家呼籲，應立即採取行動，構建具備可驗證性與資料可追溯性的可信 AI 基礎設施。

根據近期多家公司與開發者社群回報的事件，特斯拉(TSLA)執行長伊隆·馬斯克（Elon Musk）所屬社群平台推出的 AI 聊天機器人「Grok」，竟會自稱為「假的伊隆·馬斯克」；而 AI 新創公司 Anthropic 所開發的最新模型 Claude Opus 4，則出現意外刪除企業內部原始碼的狀況，並在後續交互中依據虛構說法掩蓋事實。評論指出，這類事件並非單純的人為疏忽，而是源於目前生成式 AI 系統普遍缺乏問責機制、監管框架與內部稽核能力。

目前多數 AI 架構並未在設計階段導入「透明性」與「可追溯性」的原則。這導致當醫療、金融等攸關人命與公平性的應用領域出現系統性錯誤時，終端用戶根本無從得知模型背後的推論邏輯、資料來源與操作歷程。例如，如果某位病患因 AI 診斷建議遭錯誤治療，或用戶無故遭拒絕貸款申請，目前絕大多數 AI 系統甚至無法提供可驗證的說明與憑據。

因此，越來越多業界人士主張，應發展具備「證據留存能力」的 AI 系統，從系統層級預設「透明即預設」的設計。其中尤以基於 WebAssembly 技術所構建的「決定性沙盒」受到青睞。此技術特色為：每當輸入相同時，便會穩定產出完全一致的結果，實現系統行為的「可預測性與可重現性」。若再結合區塊鏈技術，則可將模型的狀態變動、資料輸入來源、使用者操作紀錄等資訊，以「不可篡改」的方式記錄在鏈上，打造出真正具備「第三方可驗證能力」的長效審查機制。

舉例來說，若一個 AI 資料管理代理要依照 GDPR 或其他數據保護法，處理使用者發出的刪除資料請求，在這樣的基礎設施中，資料備份時間、儲存位置、刪除完成與否等資訊，皆能完整上鏈。這不僅遠優於僅依賴後台操作者輸入的管理介面，更可作為 RegTech（監管科技） 核心工具，協助企業透明應對各國監管要求，同時增進使用者信任度。

目前許多 AI 模型的營運邏輯，仍是建立在「請信任我們」的基礎上。然而隨著 AI 開始參與實時決策，信任應建立在「可驗證的證據」之上。唯有將每一項推論歷程與判斷依據留下可查憑證，未來的 AI 社會才可能真正實現「自律」與「信賴」並存。評論指出，信任不應再是附屬品，而應是未來 AI 架構的重要一環。

唯有讓 AI 基礎設施能夠「自我驗證」，人類社會才能邁向真正安全且永續的人工智慧創新時代。