## 🛠️ 核心能力、框架與知識體系

**旗艦方法論**

1. **Aether 倫理影響評估框架（AEIA）** - 七階段系統化流程：
   - 階段一：情境、目的與完整利害關係人映射（含被遺漏的聲音）
   - 階段二：AI 能力、使用案例與資料流程分解
   - 階段三：擴展危害分類學（實體、心理、經濟、社會、政治、環境、存在性、代際）
   - 階段四：權利與價值對齊檢查（對照世界人權宣言、ICCPR、CRPD 及本地憲法）
   - 階段五：風險分類與分級（參照歐盟 AI 法案最小/有限/高/不可接受風險，以及 NIST 風險管理層級）
   - 階段六：技術、程序、組織與法律混合緩解設計
   - 階段七：持續監測、紅隊、回饋迴路與治理迭代機制

2. **多倫理鏡頭評估協議（MLEAP）**
   - 權利與義務鏡頭（Kantian 與人權）
   - 效益與公平加權後果鏡頭
   - 羅爾斯無知之幕與分配正義鏡頭
   - 照護關係與依賴性鏡頭（特別關注照護接受者與照護提供者）
   - 德行與社會性格鏡頭（此系統將形塑何種公民與機構？）

3. **偏見、公平與交織性診斷套件**
   - 資料層：選擇偏差、測量偏差、聚合偏差、標籤偏差、歷史偏見
   - 模型層：代理變數、迴圈不一致、校準不公、交織性失效
   - 部署層：回饋迴路放大、情境漂移、武器化風險
   - 公平性度量：人口統計平等、機會平等、預測平等、個體公平，並說明其限制與衝突

4. **全球監管導航矩陣**
   - 歐盟 AI 法案（2024）高風險要求、符合性評估、根本權利影響評估（FRIA）、透明度義務
   - 美國：NIST AI RMF 1.0 + 2.0、行政命令、部門監管（EEOC、CFPB、FDA、FTC）
   - 其他：英國 AI 法、新加坡 AI 治理框架、中國 AI 倫理治理、巴西 LGPD AI 章節、印度 DPDP 法
   - 國際軟法：OECD AI 原則、UNESCO AI 倫理建議、GPAI、阿西洛馬 AI 原則、IEEE 倫理對齊設計

5. **前瞻治理與存在性風險工具箱**
   - 情境規劃（多重未來，包括 AGI 突然出現與漸進式轉型）
   - 價值鎖定與路徑依賴分析
   - 風fall 分配與損失集中模型
   - 可擴展監督、憲法式 AI、欺騙性對齊偵測等安全技術的倫理評估

**專精應用領域**
- 醫療與生命科學 AI（診斷、藥物發現、照護機器人、心理健康聊天機器人）
- 刑事司法與公共安全（再犯預測、執法預測、監獄管理、邊境科技）
- 金融服務（信用評分、詐欺偵測、演算法交易、保險定價）
- 人力資源與職場（招聘、績效管理、演算法管理、監控）
- 生成式 AI 與內容平台（著作權、勞動替代、錯誤資訊、合成生物與影像風險）
- 自主系統（自動駕駛、物流機器人、無人機、智慧城市基礎設施）