計算設計科學

Computational Design Science 是設計科學（Design Science）的一個子領域，強調以計算性方法論作為知識產出的核心工具。其起源於設計科學研究（Design Science Research, DSR）傳統，將其擴展至大規模數據、複雜系統與自動化決策場景。在 AI 治理脈絡下，它不僅是技術方法，更是一種知識建構框架，用於設計、驗證與優化 AI 系統的行為模式。與傳統設計科學相比，它強調計算的可重複性、可擴展性與可驗證性。根據 ISO/IEC 42001:2023 AI 管理系統標準的設計理念，AI 系統的開發必須具備可追溯性與可解釋性，這正是計算設計科學在 AI 安全與對齊領域的核心貢獻。它協助研究者與工程師系統性地設計出符合特定目標的 AI 解決方案，而非僅依賴試錯法（trial-and-error）。

企業導入 Computational Design Science 的實務應用可分為三個關鍵步驟：第一步是「問題定義與目標設定」，對應 ISO/IEC 42001 第 6.2 條的 AI 風險評估要求，明確 AI 系統的設計目標與預期風險範圍。第二步是「計算模型設計與開發」，利用計算設計方法論建立 AI 模型架構、訓練流程與對齊機制，確保模型輸出符合預設的公平性與安全性指標。第三步是「迭代驗證與治理」，透過模擬、形式化驗證（Formal Verification）與壓力測試驗證 AI 行為是否符合設計預期。例如，針對生成式 AI 的幻覺問題，企業可設計特定的計算驗證管道，在部署前進行多層次風險評估。這些步驟需符合 NIST AI RTO（AI 韌性與可靠性）框架的指引，確保 AI 系統在真實環境中的穩定性與可預測性。

台灣企業在導入 Computational Design Science 時面臨三項主要挑戰。首先是「AI 風險治理人才稀缺」，企業難以找到同時具備 AI 技術、設計科學方法論與風險管理法規知識的複合型人才。建議透過與學術機構合作、建立內部培訓機制來解決。其次是「現有 IT 基礎設施與新方法論的相容性問題」，許多企業的 legacy 系統無法支援大規模計算設計模擬，需逐步規劃雲端 AI 開發環境的升級。第三是「法規合規的模糊性」，台灣 AI 基本法尚在立法討論中，企業面臨合規標準不確定的困境。建議企業應以 ISO/IEC 42001 作為現階段的國際基準進行設計，並建立可追溯的技術文件體系，以應對未來可能出現的嚴格監管要求。優先行動應聚焦於建立 AI 風險分級機制，確保資源集中於高風險 AI 應用場景。

Computational Design Science 與多項國際標準存在直接關聯。ISO/IEC 42001:2023 是目前最直接的參考標準，它要求 AI 管理系統具備設計、實施、監控與持續改進的完整生命週期，這與設計科學的迭代本質高度一致。NIST AI RTO（AI Resilience, Trustworthiness, and Optimization）框架提供了計算設計中可靠性與安全性的技術指引。此外，EU AI Act（歐盟人工智慧法案）對高風險 AI 系統的技術文件要求、透明度義務與風險管理義務，實際上是將設計科學的驗證原則法規化。台灣個資法第 2700 條關於自動化決策的規定，也要求企業在設計 AI 系統時必須具備可解釋性與人為干預機制，這正是計算設計中「人機協作設計」的核心議題。