第一波AI仰賴規則（rule-based），專家系統不能自動更改知識庫以調整現有規則或增加新規則；第二波AI由數據所驅動（data-driven），經由數據分析、機器學習、演算法等，電腦可以模擬人類的學習行為獲取新知，並重構自身知識庫來改善性能。倘若AI在應用上只是模仿人類行為，不過是提升工作效率，實無機器取代人力之問題；正因有能夠發現隱藏模式的AI可在大量數據中找出不同行為之間的相關性（correlation），甚至可以跨越因果關係（causation）不明的知識缺口，故在精準投放廣告、找出潛在罪犯等領域深具優勢，而挑戰到人類的工作權。機器學習需要大量資料藉以辨識出運作模式，然而在個資獲取上應如何權衡「利用之公益性與必要性」與「自主權保障程度」？若欲達成GDPR對於個資保護和隱私的要求，資料會否喪失可利用性？個人化演算法是否會造成同溫層效應？本講座探討資訊、隱私與演算法決策的挑戰，試圖尋求妥適解方