AI 生成的原住民肖像：看起來很美，問題是它到底偷了誰的臉？

AI 影像生成讓「原住民風格」變成一個可以輸入的關鍵字：羽飾、山林、老人、神秘、古老、圖騰、戰士、祭典。幾秒鐘後，一張漂亮、銳利、像廣告大片的圖就出現了。

AI 很會畫「原住民」，但常常不知道自己在畫誰

打開任何影像生成工具，輸入「Indigenous elder, traditional clothing, cinematic light」，很快就會出現一張看似莊嚴的臉。皺紋剛好、眼神深邃、背景有霧、衣服像某種傳統服飾但又說不出是哪一族。這就是問題所在：AI 影像常常製造一種「泛原住民美學」。它看似尊重，實際上把不同民族、歷史、服飾、儀式與地理脈絡攪成一鍋高解析度的文化濃湯。

最危險的不是醜化，而是漂亮化

過去媒體再現原住民族，常見問題是刻板、落後、野蠻化。AI 時代新增一種更滑順的問題：漂亮化。畫面很美，光影很專業，人物很莊嚴，因此觀眾不容易察覺它其實不準確、不負責任，甚至冒犯。

這是一種視覺糖衣。它把文化錯置包裝成藝術，把未授權資料包裝成靈感，把資料集裡的歷史不平等包裝成「模型能力」。黑色幽默地說，AI 可能是史上最有禮貌的文化挪用者：它不會嘲笑你，它只會把你的祖靈畫成高級桌布。

資料集不是天上掉下來的

AI 影像模型的能力來自大量圖像資料。這些資料可能包含新聞照片、博物館典藏、旅遊攝影、社群媒體、學術紀錄、商品圖、影展海報、教育材料。許多影像在被拍攝、上傳或典藏時，並沒有同意被用來訓練商業生成模型。

對原住民族而言，影像不是純粹視覺材料。服飾、紋面、刺青、頭飾、祭儀場景、身體姿態、器物與空間，都可能有身分、年齡、性別、家族、階序、儀式與禁忌。把它們拿去模型化，不只是著作權問題，也是影像主權問題。

文化共同生成，不是文化被生成

近年的跨文化 AI 倫理討論指出，文化不應只被視為需要被管理的差異，而應是倫理共同生成的來源。換句話說，文化不是 AI 產品上市前最後一關的「敏感性檢查」，而是從問題設定、資料蒐集、模型設計、評估方式到使用規範都要參與的共同作者。

這對原住民族影像尤其重要。社群不是提供「特色素材」的人，而是決定影像如何被使用、何時不可使用、哪些符號不可混搭、哪些場景不可模擬的治理主體。

Two-Eyed Seeing 在影像生成裡怎麼實作？

從一隻眼睛看，AI 影像是創作工具：它能協助教育、展覽、故事板、語言教材、文化活動設計。從另一隻眼睛看，它也是再現權力：誰被畫？誰下 prompt？誰審核？誰收費？誰被誤認？

Two-Eyed Seeing 提醒我們同時使用不同知識系統的長處。技術端可以建立資料來源標記、授權機制、風格限制、社群審核、敏感符號封鎖；文化端則要指出哪些圖像不能被生成、哪些需要脈絡說明、哪些只能由特定成員使用。

媒體與教育現場的最低準則

第一，不使用「泛原住民」作為圖像提示詞，除非文章本身就是在批判這種問題。第二，不把 AI 生成圖當作真實族群照片。第三，若使用 AI 圖像，必須清楚標示生成影像。第四，不模擬真實祭儀、喪葬、神聖物件或限制性服飾。第五，不把不同民族符號混搭成「更有原民感」。第六，教育材料應優先使用社群授權的真實資料，而非生成式替代品。

否則我們很快會進入一個荒謬世界：學生看了很多「原住民影像」，卻沒有看見任何真實民族。

影像倫理的核心不是能不能畫，而是誰有權決定怎麼畫

AI 生成影像不是原罪。問題在於它延續了舊媒體的觀看權力，又加上新技術的規模化與自動化。過去一張錯誤海報影響一場活動；現在一個錯誤 prompt 可以生成一千張「看似合理」的錯誤文化圖像。

真正尊重的創作不會把原住民族變成風格套件。它會先問：這張圖需要嗎？誰參與了？資料從哪裡來？是否混淆族群？是否侵犯禁忌？是否讓觀眾誤以為這是真實文化？

AI 可以畫得很美，但美不是倫理。美有時只是錯誤穿上禮服。