雙眼看AI：一眼看模型，一眼看祖先為什麼皺眉

Two-Eyed Seeing常被翻譯成「雙眼看世界」：一眼看見原住民族知識的力量，一眼看見西方科學的力量，並學習讓兩者並行。但進入AI時代後，這個概念很容易被誤用成漂亮的多元文化裝飾。

真正的雙眼看AI，不是把部落故事拿去餵模型，也不是在簡報裡放幾張山林照片，再加上幾句「尊重文化」就算完成。它要求我們重新設計AI的問題設定、治理流程、資料權利與教育方法。

AI的第一隻眼看見效率、預測與規模化。它能快速分類、大量生成、整理語料、辨識影像、轉寫聲音，也能協助醫療系統找出風險，讓偏鄉學生取得更多學習資源。這一眼很迷人，它看見速度，看見自動化，看見「規模」。

但這一眼也有盲點。AI常常不知道資料是怎麼來的，不知道沉默代表什麼，不知道沒有被記錄的人為什麼沒有被記錄。模型只會看見資料裡存在的模式，卻很難看見資料外面的權力。

在原住民族處境中，這個盲點非常致命。殖民治理本來就製造了很多不完整、不平等、帶偏見的資料。若AI直接吃進這些資料，就可能把歷史傷害重新包裝成現代預測。黑色幽默是：以前是行政系統看不見你，現在是模型用更快速度看錯你。

AI的第二隻眼應該看見關係、責任與脈絡。它要看見知識不是單純資訊，健康不是只有病歷，教育不是只有成績，語言不是只有詞彙表，文化不是只有可生成圖像的風格。

Two-Eyed Seeing最容易被誤解為「融合」。彷彿只要把原住民族知識與西方科技攪一攪，就會得到一鍋美味的創新湯。但真正困難的是並行，而不是混合。

並行意味著兩套知識系統可以各自保有權威。AI模型可以提供分析，但不能取代長者判斷。資料科學可以提供視覺化，但不能抹掉族群分類與自我認同。教育科技可以提供教材生成，但不能把祭儀知識改寫成可愛互動遊戲。

更重要的是，並行治理必須允許不同答案存在。西方科技常追求單一最佳解；原住民族知識常強調場域、關係、季節、身份與責任。AI系統若只會輸出一個看似自信的答案，就可能違反知識本身的倫理。

台灣媒體談AI，常見兩種極端：一種是把AI當成國家競爭力神明，一種是把AI當成失業末日怪物。談原住民族時，也常見兩種極端：一種是節慶風景，一種是弱勢悲情。

雙眼看AI要求媒體做第三種工作：追問權力如何運作。當政府推動AI教育，媒體應該問原鄉學校是否有穩定網路、設備、師資與文化教材治理機制。當企業推出多語模型，媒體應該問族語資料從哪裡來、誰授權、錯誤翻譯誰修正。當AI生成「原住民族風格」圖像，媒體應該問這是創作、剽竊，還是高解析度的文化懶惰。

一套較負責任的雙眼AI，至少要有五個最低標準：社群共同設計，不是事後諮詢；資料來源清楚，不是「網路公開所以可用」；敏感知識可拒絕進入模型；AI輸出需有人類文化審查；利益與能力建置要回到社群。

這些標準聽起來麻煩。沒錯，文化倫理本來就比API文件麻煩。但若科技只能在忽略他人權利時才有效率，那不是創新，那只是殖民的雲端版。