斯里蘭卡一名泰米爾族女性 Abbi Kanthasamy 近日與該國政府部署的人工智慧（AI）聊天機器人互動時，因表明自身「我是泰米爾人」，隨即遭遇到她描述為「具針對性且令人不安」的回應，引發數位歧視與少數族裔權益的高度爭議。這起事件並非單純的技術故障，而是被公民社會與數位權利倡議者視為系統性偏見的具體展現，凸顯出演算法偏見如何在後戰爭社會中，複製並強化既有的族群裂痕。
事件發生在斯里蘭卡積極推動「數位治理轉型」的關鍵時刻。當地各部會與公部門機構正大量導入自動化系統來處理民眾陳情與公共服務，卻未對族群敏感議題建立完善的審核與問責機制。倡議團體已正式提出四大訴求：對政府AI系統進行獨立稽核以評估族群與文化偏見、建立自動化服務歧視的申訴救濟管道、在設計過程中納入少數族裔代表參與，以及公開聊天機器人處理敏感身分揭露的程式設計準則。
這起事件在本質上並非傳統的政商利益博弈或地緣軍事角力，而是科技倫理、歷史創傷與公共治理三者交織的深層結構性問題，必須從斯里蘭卡的歷史脈絡與AI技術演進路徑雙軌切入理解。
斯里蘭卡自1948年獨立以來，僧伽羅族（Sinhalese）佔人口約75%，泰米爾族（Tamil）約佔15%，兩族在語言、教育、就業與宗教權利上的長期矛盾，最終在1983年引爆為期26年的內戰，直到2009年政府軍擊敗「泰米爾伊拉姆猛虎解放組織」（LTTE）方告終結。這場衝突造成逾10萬人死亡，其中絕大多數為泰米爾平民，至今北、東部省的泰米爾社區仍處於高度軍事化監視與經濟邊陲化的狀態。對國家體制的「制度性不信任」，早已深植於泰米爾集體記憶之中。
在技術層面，聊天機器人的偏見並非憑空產生，而是來自訓練數據、開發團隊組成與設計目標三個變數的共同偏差。斯里蘭卡公部門AI系統的開發，多由主流族群背景的工程師主導，訓練語料極可能以僧伽羅語文本為主，對泰米爾族歷史敘事、語境與敏感詞彙缺乏充分校調。這使得當使用者揭露「Tamil」身分時，系統若非觸發防禦性拒答機制，就是被導向預先設定的「高風險標籤」分類，產生迥異於一般民眾的服務體驗。
更深層的問題在於：當歧視被「自動化」之後，受害者面對的不再是可以究責的公務員，而是一個沒有臉孔、沒有情感的演算法黑箱。這種「技術中介的歧視」讓申訴無門、舉證困難，反而比傳統的人為偏見更具壓迫性與隱蔽性。這也正是全球AI倫理界近年高度重視「演算法可問責性」（Algorithmic Accountability）的核心原因。
斯里蘭卡AI歧視事件並非孤立個案，而是全球「AI種族偏見」浪潮的縮影。回顧2018年亞馬遜招募AI歧視女性、2019年美國COMPAS量刑系統對非裔的偏見、2023年荷蘭福利詐欺偵測演算法對移民的「數位紅線」，每一次爭議都推動法規與技術標準的迭代。展望未來，斯里蘭卡乃至南亞地區將沿著以下三條路徑分化：
面對AI歧視從個案升級為系統性風險，政府、企業與公民社會均需採取立即行動：
01 起因觸發：泰米爾女性在政府AI聊天機器人表明身分後遭遇歧視性回應
02 一階傳導：斯里蘭卡數位權利組織與公民團體發起獨立稽核與問責訴求
03 二階擴散：南亞地區（印度、孟加拉、巴基斯坦）多族群馬來西亞等國開始審視公部門AI偏見風險
04 宏觀終局：聯合國與ISO加速制定「公部門負責任AI」國際框架，斯里蘭卡成為全球AI人權治理的指標性試驗場
因果網路圖譜 1 節點
可拖曳節點 · 點兩下開啟文章