這一次我們想要報導的主題是「數據的利與弊」，就是數據的好處跟可能帶來的衝擊，委員是很適合來談這個主題的人。

就是一整集的專題？

對，會有20～30頁的專題報導。

很有意思。但是如果從數據的角度來看，你們的問題裡面很多是在講AI這一些，這兩個的關係是？

因為AI的基礎是大數據，再加上演算法，所以我們就把兩者一併起來談，但事實上AI的根源是從大數據產生的，就要利用這些數據來做什麼事，再建成一個模型來變成服務。

所以不是蒐集、處理，而是運用端，你並不是講這邊的利弊。

主要是運用跟服務。

是面對人的這一邊，並不是攝影機是4K或者是8K的利弊。

不是，不是技術的利弊。我們一開始會先從口罩1.0至3.0這個地方開始談，因為我們知道對於這一次疫情非常地重要，背後應該是有一些數據的力量在後面，但是目前大家對於數據的力量是比較模糊的，所以等一下會先從這邊切入來訪問。

剛剛提到口罩1.0、2.0、3.0的部分，對臺灣防疫很重要的一些舉措，從策劃到施行，背後是整合了哪一些數據的力量？

我想口罩0.0，也就是當時還在超商，一個人買三片，但是沒有整合任何數據的時候。 可能大家還記得在半夜2點就去鋪貨，半夜3點就會有人騎摩托車一家家買，因為從OK，不知道這個人已經在萊爾富買過了，從7-11，不知道這個人在全家已經買過了，一個人很容易掃貨，到早上6點就已經沒有口罩可以買了，這就造成一個亂象。

當時有一位叫做吳展瑋的朋友，他是台南好想工作室的經營者，他的做法是即時通訊群組裡面有太多他的親朋好友在那邊說這一家便利商店還有貨、這一家便利商店沒有了，那個訊息很像洗版一樣，所以就放在地圖上，讓大家可以一目了然看到哪一些是他的親朋好友回報還有貨、哪一些是回報沒有貨的，這一個東西叫做「crowd sourcing」，就是說資料的來源是來自於每個人自發的貢獻，這是0.0時候的社會創新。

當然這個問題是它不一定準，因為要靠有人在那邊回報，而且準確度完全是看那個地方有多少人，所以如果那個地方的朋友們都是急著買口罩，沒有空在那邊打卡回報還有多少口罩，或甚至有一些朋友們比較惡意的，好比像說這邊沒了，但是事實上還有，要讓很多他的朋友去買等等，就有一些未必出於善意的做法開始出現，這樣子的做法，當然是有效，但是精確度與準確度是有其極限，當時我看到0.0的這個超商版的口罩地圖的時候，我就把它給我們蘇貞昌院長看，告訴他說這可以很有效減緩大家不確定、不安全的感覺，所以當時蘇院長說這很像導航一樣，可能是附近一家藥局，可能比較短的路，但是變成紅色，表示不要走這一條路，一個比較遠的藥局，可能是要走比較遠，但是是綠色的，表示比較通暢，那邊還有貨，他一下子就瞭解這樣的論點。

因為這樣的關係就跟健保署合作，一邊是上百位公民社會g0v零時政府社群的工程師在那邊寫這一些地圖，也包含像疾管家，就是一個疾管署的LINE的對話機器人，這是應用端。但是在蒐集端是我們辛苦的藥師們，藥師們當時很願意把每一天的工作，透過健保署這個即時的方式，每一次拿到兩片或是三片或是九片的時候，庫存就即時扣2、3、9，在處理端，健保署等於是相信大家，所以不像一般的其他國家一樣，是每天承辦看過之後，數字才出去，或是每個禮拜數字才出去，在當時是每30秒就更新一次，現在不需要排隊了，所以每3分鐘就更新一次，但是意思是你去藥局，刷個健保卡拿到9、10片口罩之後，等2、3分鐘重新整理這個對話機器人或是其他的方式，很像是分散式的帳本，所有人的帳本就減9，這個有公信力，也就是這個事情是童叟無欺，大家彼此間在同頁上來協作，讓公民社會的朋友們能夠幫助我們的政策形成，告訴我們說在當時的時間點，到底是成人比較缺或者是孩童比較缺，到底是北部比較缺或是南部比較缺，甚至在某些特定的行政區比較缺或者是偏鄉比較缺等等，每個禮拜來看這一些數據，調整配送的頻率及方法，到現在就可以看到在幾乎每一個縣市的供貨率是差不多一樣，而且是很充足的。

剛才是1.0的部分？

對。

現在已經進化到3.0了，這背後是不是有整合了健保數據？

沒有，哪裡來的健保數據？

就是健保卡數據。

沒有健保數據。我們從頭到尾都沒有用到健保的數據，在口罩的配銷上。是健保署協調我們的藥師朋友們，願意把藥師朋友們的庫存值作為開放資料，不限制使用用途，讓100多個不同的朋友們來進行分享，但是這裡面分享出來的，就是藥局或者是藥師機構，或者是販賣機的位置，目前有幾片成人、幾片孩童，然後每30秒或者是3分鐘更新一次，雖然這個資料的發布者是健保署，但是資料的蒐集者是這些藥師機構，資料的應用者是像口罩地圖這一些，這跟全民健保資料庫一點關係都沒有，而且你在藥局刷卡、拿口罩的時候，他也不可能去讀取或是寫入健保卡上面的資料，更不可能知道你的診斷史或者你的旅遊史，同樣的道理，在販賣機也是如此，其實健保卡在這邊做身分識別的用途，跟健保資料庫是一點關係都沒有的。

口罩1.0至3.0的部分，可以用數據防疫來形容嗎？

我們通常的講法是說這叫做「循證決策」，或者是「evidence-based policy making」，就是我們來看實際上每個地方的供需量來決定配送量，我們看某個地方的分析告訴我們說為什麼這個地方有一些人就是沒有辦法去排隊，因為他的工作時間比藥師還要長，很多朋友就會直接拿起電話打1922，告訴我們說他工作到晚上10點才下班，所有的藥師都下班了，他是不可能買得到口罩，也因為這樣子，就有您剛剛講的口罩的2.0，可以24小時到超商取貨，所以我們的決策依據是來自於民間社會所建立的資料分析，我們決策所使用的工具，也是來自於公民社會開發出來像口罩地圖的這些做法，可以說公民社會是我們的甲方、政府反而變成乙方，這跟傳統的公共採購是完全相反的感覺。

創新的地方是在這裡。

對。

我們現在看到了數據、數據分析的力量之後，事實上我們知道政府因應物聯網時代的到來，也在規劃全新的數位發展部會籌設。

就是一個專責機關，可能一個委員會。

據您的瞭解，這個部會會為臺灣帶來什麼樣的新氣象？

一個數位發展委員會的形成，其實一大部分仍然要靠專業文官，現在只是當我們在發展數位的時候，在應用層面上、在各部會之間，目前需要一個我們叫做「數位轉型」的文化，大家都要習慣如果是24小時都可以領取，這方便的程度比起我們大家要排隊、蓋章及驗身分證來講，可以省掉非常多的力氣，如果不知道有數位的做法那就很可能變成是我省人民一小時的時間，但是要靠公務員加班一小時來把它完成。

之前有公共行政替代役的時候，我不諱言推數位轉型沒有這麼容易，因為很多是由替代役們去進行，當然現在沒有公共行政替代役了，所以各個部會數位轉型的動力就很高，因為如果要節省一小時，大家要加班一小時的話，公務員其實本來的負擔就已經非常重了，有一個數位相關的委員會，裡面如果委員都是各部會一定層級朋友的話，就可以讓所有這些參加的部會，一起瞭解到在這個部會已經試過一些數位的方法，能夠不但便民、而且便利公務員，這樣子的話，其他的部會就不用閉門造車、大家可以開門造車。

所以這個部分的新氣象是開放透明、整合很多公部門的機關這一些特色嗎？

其實整合並不是組改意義上的整合，很像指揮鏈整合，我們這邊的講法是，前台是人民看得到的體驗要一致，後台是機器跟機器整合，不是人跟人整合。我舉一個例子，好比像在以前要登山的時候，很多外國朋友會覺得在臺灣爬個山怎麼會這麼難，經過國家公園的申請，山屋有山屋的申請，有的要排隊、抽籤、入山證，事實上規劃一次登山要跟四個不同的機關介接，而且每一個邏輯還不一樣。

但是對人民來講只是要爬山而已，不是很想知道後面不同的局處司署的指揮關係，我們後來規劃了「向山致敬」的政策，裡面有一個一站式的登山服務網，你只要到這個登山的服務網，網址是「hike.taiwan.gov.tw」，你只要到登山的服務網，直接說今天想要玉山主峰、嘉明湖、能高越嶺，就可以直接在這邊介接到所有的國家公園、山屋、營地等等的部分，而且每個是不同的主管、山屋等等，他的申請數量，是不是保留外籍訂房等等，這些一目了然，不用再開七個網站來做這些事，可以很容易在這邊一次規劃到好，這一件事也告訴我們說，重點並不是把後面分門別類的網站拆掉。

本來這一些像成功山屋、黑水塘山屋、奇萊宿營地、月形池、驚嘆號水池等等的網站都還在，但這等於有一點像代辦，就幫你去看一個個網站，到底還有沒有空位，有一點像訂一個需要轉機的國外行程，自動把轉機時間、不同航空公司的航班安排好，只要輸入一次就可以在各個不同的地方使用，這是前台體驗的一致，但後台並不是把它拆掉，而是互相整合。

這個是很重要的整合動作，可以提升很多的效率，減少浪費很多的時間，這應該是國家未來要走的方向？

那當然是這樣。

您會參與數位發展部會的籌建嗎？

當然就這個題目已經開了相當多次的會議。

大概什麼時候會成立？

我想如果要組織改造的話，當然還是要送組織法的修正案到立法院，所以我們坐在行政院是沒有辦法告訴你說立法院什麼時候通過法案，因為是立法委員監督我們，並不是我們監督立法委員，但是我想我們會很積極來籌劃這一件事，一旦立法院三讀通過之後，我們這邊就會按照新的組織法來進行調配、安排，但是我們就像剛剛講的登山申請一站式服務網等等的服務，也不會等到組織改造，我們現在就已經在協調這一些不同的部會來滿足人民的需要了。

既然要整合非常多的政府部門，是不是也需要一個比較高的層級，也就是是跟類似經濟部這樣同等級的部會嗎？

我不確定您的意思。當然會是二級機關，但是如果一個二級機關也有很多不同的設立方法，一個二級機關可以是以執行為主，那樣的話是一個部，或者是以政策規劃為主，那樣就是委員會。

我想在之前的例子裡面，從獨立機關或是從政策規劃的委員會，或是從執行部，在這中間有各種不同的調配，這也就是為何我們目前還有很多不同的案子，目前正在討論。

像剛剛舉了登山整合的例子，我這一次採訪另外一個主題是「數據紅利」，這個對照人口紅利，也就是一個國家有很多勞動力，為經濟發展、工廠生產帶來很多的幫助，現在數據紅利也是類似的意思，也就是大量的數據，經過很多指揮整合，然後形成一些平台整合出來之後的紅利，您怎麼看臺灣有了這個數據紅利，臺灣要怎麼樣好好利用這一些數據紅利？

一方面最重要是在資料蒐集端，對於資料來做公共利益的運用，這一點到底是有意識做這一件事，或者是被動被蒐集，如果只是被動被蒐集，你蒐集到的東西，很多時候不是很堪用的，因為有點像雜訊一樣，本來不是為了這個目的而蒐集的；相反的，如果本來就是為了特定的公共利益目的所蒐集，大家就會花很多力氣確保這個資料品質很好。 像很多的國小在臺灣，有環境教育的課程，就是運用空氣盒子教導小孩要怎麼樣把空氣的感測器放在濕度、高度恰當的地方，才能量到PM 2.5的量。

全臺灣成千上萬個微型感測器加在一起的airbox變成分散式的帳本，任何人都可以寫入這個帳本，但任何人不能刪除帳本裡面的數字，大家不斷存進來之後，數據的勞動是要花時間去看到底要加在陽台或是加在哪裡，如果每天數據有飆高或不正常的現象，是不是感測器壞掉等等，要透過勞動，才能確保這個數據才高的。

但是這一些國小老師跟環境團體的朋友們要付出這一些勞動，他們希望能夠給大家很正確的途徑，讓大家看到臺灣每一個地方的空氣品質，哪一些是在地造成的，哪一些是旁邊的縣市造成的，哪一些移動、哪一些非移動、哪一些境外等等的途徑，從環保署的角度來看，公民社會才是甲方，環保署才是乙方，公民社會要求環保署說沒有辦法設置的一些點，像工業園區，他們總不可能真的跑進去，然後硬裝空氣盒子，那邊是私人土地，但是我們經過討論之後，發現路燈是公家的，所以拿他們的設計掛在路燈上，一起把這個拼圖拼起來。

因為每一方，不管是開始發起的社會部門或是學術研究，像在中央研究院的陳添志老師，或者是公部門的環保署朋友，或者是這一些路燈上裝感測器工業園區的朋友們，大家的目的都是希望對於空氣品質有就事論事的討論基礎，這是一個公益目的，才會讓大家在產生數據的時候，擁有對這個數據的共同控制權的感覺，並不只是大家被動被蒐集，每個人都是主動提供數據的勞務。

這個空氣盒子的故事跟數據紅利的關係是什麼？

數據紅利是任何人如果研究氣候變遷的學者、大氣科學的學者等等，當然你可以直接來運用，所以其實空氣盒子已經全世界在用了，不是只有臺灣，任何人都可以用臺灣這個成功的經驗來說服在地的朋友來運用臺灣模式，這個一方面是對國際社群貢獻的紅利，二方面也可以觸類旁通，好比像叫做「國土智慧巡守隊」，就是把空氣盒子的概念運用在水上，因為我們通過一個法律「如果你在農地上有一些工廠破壞了農地的水品質，這樣經濟部可以給他斷水斷電」，但是要怎麼知道是誰在破壞，尤其沒有註冊、登記的話，所以水盒子是類似空氣盒子，就是量水裡面的三種污染源，像有太陽能的發電電池，只是放進去就不斷寫入分散式的帳本，所以如果你是農民的話，只要放進去就知道有沒有水稻是被哪一個上游污染，如果覺得其實真的沒有污染到水源旁邊的初級加工廠或之類的，你也會有動機買盒子放到水稻來證明是你的上游來的，不要把我斷水斷電。

公部門也好，在上面的營運私部門也好，或者是社會部門也好，都有動機來買水盒子，也就是造成污染的那一位不會買，但是水的擴散模式要比空氣來得容易計算，就算比較少的點位，也可以推算出是哪一個點在造成水污染，所以空氣污染的數據紅利就是他的這個處理模型可以套用到各種不是空氣的場域去，這樣子大家的共同治理能力，都一起在增強，這個是它的紅利。

所以這個數據紅利是可以為全民所共享？

那當然。

我們提到比較多的是數據帶來的好處，還有為政府帶來一些治理上的進步。但根據國外美日歐盟等國與專家的報告，AI除了帶來好處以外，也會帶來一些衝擊，姑且不論背後的原因是什麼，但就是也衝擊到就業的問題、不平等的問題、隱私、道德等等的問題，會帶來一些隱憂或者是風險，你怎麼看從數據到AI帶來的衝擊？

AI對我來講就是「輔助式的智能」（assistive intelligence），社會先決定怎麼樣是有公共利益的，在這個實現的過程中，有一些比較冗的事情，大家來做都差不多的事情，這些事情我們可以有一個機器學徒在旁邊看，然後幫忙把它自動化，舉一個例子，像之前在總統盃黑客松裡面，有台水的朋友，整天就是在聽檢漏員，所以看哪邊有漏水的時候，就像聽診器的方式去聽水的聲音，但是其實像以基隆小區為例，從一個地方漏水到被這些巡迴的檢漏員聽到，可能兩個月就過去了，這裡面有非常多的水資源，也就等於虛擲了，臺灣最近因為颱風的運氣滿好的，就是沒有登陸，但是會帶來雨量，所以看起來缺水的狀況稍微有所緩解，但是隨著氣候的變遷，怎麼樣善用水資源仍然是非常重要的議題。

所以如何讓這一些檢漏員，能夠發揮更大的創造力，因為當聽到有漏水的時候，會發揮創造力去解決它，但聽到沒有漏水的時候，是沒有任何創造力可言的，任何人來聽沒有漏水都一樣，所以這個時候的這一件事，就可以請機器學徒來協助他，所以發現台水本來就有量水壓、水流量，如果再把用水量，把目前的天氣等等的這一些數據集合在一起，做成很像對話機器人的方式，讓這一些台水的師傅們一醒來，機器學徒就告訴他說：「師父，附近這三個地方是漏水70％的機率。」一天跑這三個地方總有一個真的是漏水的，然後就發揮所長來解決這個問題。

但是如果自己沒有很像這樣的導航裝置，按照順序跑的話，好幾天在聽得到漏水，所以這時候機器的學習是「assistive intelligence」，因為他輔佐這個師傅去做有創造力跟公共利益的這一件事，所以就得了總統盃黑客松的優勝團隊、卓越團隊之後，紐西蘭的朋友也邀請同樣這組人去威靈頓，幫他們培養他們的機器學徒，然後解決他們那邊的漏水問題。 所以我們可以看到AI只要放在正確的位置上，當作輔助式的智能，不但沒有讓這一些老師傅們失業，而且確保年輕的師傅願意加入這一行，現在的年輕人聽七天沒有聽到漏水的，會覺得他的工作很沒有成就感，很難找到人類的師傅願意投入他們的工作，如果現在大部分的時間是在創造新的工作來想如何解決，到底有沒有漏水這個很冗的部分，完全是AI來幫忙做，年輕的師傅就比較願意投入這個工作。

AI是主要輔助人類的系統。

對我來講並沒有別的意思，AI就是輔助式的智能。

我們也觀察到，某些比較高度風險的領域，像自駕車可能會遇到類似著名的電車難題（Trolley problem）……

不要開快就好了。

主要是道德決策上。

沒有，不要開快就不會撞死人。

我還是先描述一下Trolley problem，一條很狹窄的山路，然後上面是總統的坐車要往下開，下面是一台載著20個小學生的娃娃車要往上開，因為道路太狹窄了，兩個都是自駕車，假設無可避免會撞上……

兩台都停下來。

不管怎麼樣。

不是，兩台都停下來就好了，你如果速度是時速200公里，當然不可能在反應時間裡停下來，但如果時速是30公里，任何反應時間你都會停下來。

200時速是人設定的。

所以這是為什麼我說是「輔助式」，是在不破壞人的社會常規的前提下去運用人工智慧，不是一台車可以開到200，我們就讓它開到200，而是大家覺得在時速30的時候，怎麼樣都可以剎車，所以只讓他開到時速30。

這個是需要人去決定30的極限。

這是物理學，就像遙控無人機，為何巡航高度是這樣設計？就是因為以他的重量，在那個高度掉下來砸不死人，這不是憑空去設計，而是憑物理學去設計。

萬一這個判斷的人……

……不是人在現場判斷，而是事先討論出在這個高度、重量掉下來，會產生多少的衝擊力，這個不是人在判斷的，當然現在如果回到可能牛頓或者伽利略的那個時代，你可以說是人在判斷，因為你有不同的力學模型，那個還說得過去，但現在的公共政策上，應該是沒有不同的力學模型在作用。

自駕車在路上開，時速是按照標準，假設突然有四種人跑出來。

無論如何就停下來。（笑）

可能因為模型的錯誤，就是沒有辦法停下來。

那是為什麼呢？

不知道。設計這個模型的人，每個人並不是非常公正，或者是依照這個正常的思維去做。

同樣的問題也可以問電梯，說這個電梯的設計者非常地不公正，所以裡面的人只要一多，鋼索就斷掉，這樣到底是誰要負責？當然是設計電梯、架鋼索的人負責。這純粹是工程設計的問題。

另外一個我有注意到互聯網的大公司，不是臺灣的公司，是根據數據的一些模型或者是人類的交易紀錄，開發出一套信用評等制度，你知道有名的例子像阿里巴巴有做芝麻信用，像日本Yahoo也曾經針對用戶來做信用評等的制度，類似信用卡的。

就是大概借你錢的時候，你還不還得出錢的機率。如果還不出錢，就收你比較高的利率，如果比較還得出錢，就收你比較低的利率，這個是行之有年的模型。

像日本就有提出來一些批評，他們認為這樣的信用評等制度會造成一些歧視或者是不公平，最糟糕的是數據上弱勢的一群人可能會被排擠、邊緣化，產生類似貧民窟。

就是所謂金融普惠的相反，金融的排除。像在臺灣有一個沙盒的制度，任何想要解決這個問題的人都可以挑戰現成的法律、法規命令一陣子，這個法規命令是不限任何部會的，就是覺得目前的做法會排除這一些沒有信用紀錄的人，像您剛剛講的，但是我想要跟他們還是給金融產品可以使用，這個就要挑戰金管會的風險計算原則，我們的沙盒概念是你可以挑戰金管會的這一些，但是必須要在這個實驗期當中，首先是自願者來，要把風險系數、個資保護、資安等等這些都公諸於眾，讓大家來檢視，而且也一起討論出在新的情況下，像新的風險系數，比如時數是多少，大家自己討論出來。

像在臺灣的金融沙盒就有這樣的案子，我沒有信用紀錄，我很年輕，我需要信用貸款，也沒有人願意貸給我，怎麼辦呢？就運用繳電信費帳單的紀錄，如果都準時繳，就表示還不做，也不用去銀行開戶，因為在取得電信sim卡的時候，已經驗過雙證件了，等於是電信公司來代替銀行櫃台確保你是你自己之虞，也代替類似授信的計算，把你的電信費的紀錄來當作你的授信紀錄，這個想法真的很不錯，所以已經出沙盒了，已經變成我們這邊風險計算能力的一部分，這個是為什麼我們這個概念，讓所有的人在這一方面有新想法的人都用一種開放式創新的方法，在沙盒裡面不只是成功的經驗，如果失敗的話，為何失敗，為何沒有人來、為何沒有人相信他，都分享給大家，新的團隊就有新的角度來解決大家共通的問題，目的就是像您剛剛所講公共利益、也就是您剛剛所講的金融普惠。

還是要有討論的過程？

對，這個沙盒的論點是就事論事，我們會害怕一個事情，一下子就會在全國適用，如果有不好的環境或是社會後果，我們沒有辦法承受，但是這邊是自己願意實際上試試看的人，就這麼幾百個、幾千個，這一些朋友們隨時碰到問題了，這個實驗就終止了，所以這樣的做法才可以說服其他人這樣的做法真的是達到金融普惠，而且他的負面社會作用，目前看起來好像還好，大概是這樣的過程。

您講的這個例子讓我想到蘋果信用卡的故事，那個是在去年發行的，但是發行三個月之後就被告了，因為有一個工程師發現蘋果信用卡信用額度是他太太的20倍，但是事實上在別的信用聯徵制度當中他太太的信用比較好的，他告蘋果的原因是他覺得這個背後的機制隱含了性別歧視的問題，所以這個過程事實上就需要這一種監理沙盒。

是，因為在監理沙盒裡面的重點是accountability，就是「給出交代」，如果這個沙盒的新規則，因為一定跟舊的不一樣，如果一樣也不用實驗了，這個不一樣對我造成不利益，我要你用這個新的演算法給出一個交代，到底為何有一個比較不利益的情況，到底是因為歧視或者是因為什麼別的我自己也沒有發現的原因，如果給得出交代，這個實驗才繼續，如果給不出交代，就表示他跟社會常規是相違背的，對不起，實驗就終止了，我們感謝投資者付了學費，下個團隊來的時候，就要用不同的想法來做。

給出交代是很重要的原則。我想到另外一個監理沙盒類似的例子，像歐盟，歐盟是在今年2月的時候公布了他的AI白皮書，還有資料建設的報告，在這裡面比較特別的一點是規定了AI使用規範，像你在訓練AI的過程中，要公開透明、可解釋可追溯。

對，就是在歐盟本來就已經很好的隱私保護，GDPR的框架上，再加上透明跟給出交代的要求。

所以歐盟的方向是值得我們國家來學習的？

當然，我們早就是這個方向了，所以誰學誰還不知道。

我們是多早就有這樣的精神？

在成文法國家裡面，我想我們第一個通過金融沙盒的，因為在判例法國家裡面，可以透過這陣子的判例，暫時先不參照以前等等方法的沙盒工作，以成文法來講，你做違背法規的事情，後面都必須要有母法在後面授權你，因為行政保留原則，在成文法國家裡面是第一個通過金融沙盒實驗裡面的，所以我說在其他的歐陸法系，接下來陸續有你剛剛講沙盒實驗的話，很多是有參照臺灣的經驗。

臺灣除了在金融領域有這個沙盒實驗，有沒有計畫推廣到其他的領域？

我們目前其實有非常多的沙盒，除了金融沙盒之外，可能無人載具，剛剛已經討論過了，不管現在已經在開的鹿港、彰濱的無人載具線以外，下個月信義專用公車道，在捷運打烊之後，還要讓大家回得了家的那種無人載具，其實目前就已經有十幾個在各種不同程度的無人載具，甚至包含無人船，所以也不只是車子，還有無人機，正在進行沙盒的撰擬跟申請。

所以很快就會發現在每一個地方，如果真的覺得那一個地方過於偏僻或者怎麼樣，他沒有辦法蓋一條輕軌或者是沒有辦法說服足夠多的計程車的工作者在那邊工作的話，很快就會有另外一種選擇，也就是進入一個無人載具的沙盒。

但是像軟體定義的輕軌一樣，路線並不是這麼自由的，而且常常是自己專用的道路，這一些是不想違背掉社會常規，大家都知道如果跑到鐵路的軌道上在那邊不動，如果被撞了，說真的，並不是火車的問題，但是如果現在沒有標誌、標線、沒有專用軌道的話，這個問題很難講，現在還是軟體定義軌道，會有很明確的標誌、標線，當然不要沒事走到上面去。

這一種無人載具要監理或者是可以交代的是？

非常多，好比一定要裝類似行車紀錄器，如果發生意外的話，除了您剛剛講的演算法本身參照的權重、思考過程之外，也要有一個類似像飛機的黑盒子跟AI無關的行車紀錄器去紀錄這整個還原當時發生的過程，因為這樣子才可以在人類的陪審團裡面發生意義，因為你就可以把這個回放，然後問一個有經驗的司機在同樣的情況之下看看會做出什麼樣的判斷，而不只是很像必須要相信演算法這邊對於自己的解釋而已，所以像行車紀錄器是在法律裡面有明文規定的，也就是無人載具的創新實驗條例，也包含資安、隱私保護等等的這些也必須要能夠讓第三方來檢核。

這個公開技術的內容過程當中，會花很多的錢嗎？

應該是還好，因為這叫做「accountability by design」，就是一開始設計的時候，就以如果發生問題了要給出交代，你把這個設計得越前面，你就越不花錢，你越一開始沒有想到這個，事後才想要來追溯意外發生的原因，我們就去問運安會就知道一開始如果設計的時候考慮越多，後面的力氣就越少，如果一開始完全沒有這一些資料，要重建這一些資料，那真的是非常花力氣。

所以一開始就要把很多的情況思考進去？

就是要在模擬的場域，像封閉式的場域及完全是虛擬的模擬場域，都要跑過非常多次。

這個能力有辦法做到嗎？

當然，包含彰濱的車測場或者是沙崙都有這樣的設備。

我想大家都一直很關心、也都很注意，像歐盟推出史上最嚴的GDPR。

已經推出了。

您怎麼看數據AI背後隱藏的隱私問題？

其實很簡單，哪一些是你主動提供的？好比像最近大家有一個活動，也就是「taiwancanhelp.com.tw」，這裡面有很多實名，我的名字寫到在裡面，你可以看到這450萬片口罩的響應裡面，我貢獻了6片，另外還有唐鳳屏、唐鳳旻以及唐鳳仙等人，名字裡有唐鳳的人一共響應了36片的口罩。

這個做法是在全民健保行動快易通的應用程式裡面，你點響應人道援助，就是「護臺灣、助世界」，按了「我願意」，可以選擇公開姓名或者是默默行善，但是無論是選哪一種，從口罩實名制2.0開始，因為沒有抽籤，任何人都拿得到的那個時點開始算，到現在沒有去拿，因為一定拿得到，所以沒有去拿表示還有剩餘的，你把這樣子的心意貢獻出來，然後分享給大家，這就是全世界需要的人，當然是以醫護人員優先。

所以你說這裡面有沒有個資？有啊！有我的名字，但是這是我自己很明確被告知，就是做這一件事特定的公益用途的這個情形裡面，我願意公開我的名字，然後旁邊有6片、日期為2020年4月27日，這個資料集只有三個欄位，也沒有任何別的欄位，在這個過程中，我們很清楚告訴每一個來用這個APP的人說到底會公開什麼東西，所以是在充分告知、公共利益目的及自願提供的這三個前提裡面，讓整個世界看到臺灣人民的善心，所以不只是外交部好像提供幾百萬片的口罩，而是全臺灣的人民、而且講得出名字的這一些人名提供425萬片口罩的心意給大家。

當然如果想要讓你的實名不出現，你只要按「默默行善」就好了，如果想要你的片數不出現，不要按就好了，所以每個人就把這個選擇權變成顯名權的過程，到底付出什麼、換得了什麼，在大家都明確瞭解這個情況下，自然也沒有您剛剛所說的比較是被動式被蒐集的問題，如果現在是被動算大家沒有領得的口罩多少片，然後就直接公開大家的姓名，然後作為外交用途，那就是對隱私非常大的侵犯，但是這邊每一個人就像榮譽榜一樣，我想我的名字在榜上就實名，我不想我的名字在榜上就默默行善，不覺得我的口罩應該要提供給國外的醫護人員，認為只提供給國內的，就不要按響應，那就是這樣子。

您是非常有良心的系統建設者。

這個是最基本的，GDPR的精神也是這個精神。

我們知道很多互聯網的巨頭公司，利用人們的每一次搜索、網頁搜索，每一次的定位點讚，他們在沒有告知被蒐集的情況之下蒐集數據，而這一些數據拿去做商業的用途，每個人變成很像他的商品了，你怎麼看這一種數據霸權帶來的一些？

您講的是《監控式資本主義》，前題是誠如您剛剛說的，如果每個使用者都不知道按照GDPR或者是按照個資法，每一個人其實都有請求刪除、副本及請求修改的權利，而且這不可以以合約為拋棄，這是任何人都有的類似基本人權的事情。

如果很少人知道，很像大家都不知道在網路上購物有7天的鑒賞猶豫期，大家都不知道詐騙接到電話可以打165，如果都沒有這一些基本的公民素養，這樣當然就會有人趁虛而入，就會看到很多詐騙、就會看到很多不實的廣告，就會看到非常多你剛剛講的霸權，但是大家都知道每一個人都可以來行使，不管是從個資方面請求副本、刪除、更新、解釋、給出交代的這一些權利，或者是收到詐騙，可以打165，馬上可以繩之以法，像網購收到的東西，就是不合你用的，其實7天之內包好退回去，只要足夠多人開始做這一件事，比較沒有良心的商家，成本就會非常高，就變成沒有辦法競爭得過良心的商家，沒有良心的商家之所以可以存在，是因為足夠多的消費者並沒有行使他的權利。

所以要讓很多人知道自己有這一種權利？

是的，就是請求副本、刪除及更新，這是不可以以合約為拋棄的權利。

臺灣沒有很多人知道。

這就是靠媒體工作者了。

也靠委員協助告訴我們背後的道理。我們講到有關於AI對於隱私、就業、道德的一些衝擊，似乎人類都是可以有對策來解決的，我們未來要成立這個數位發展部會，是不是也會基於這一些精神，然後在做一些事？

當然，其實每個不同的部會就是一種不同的價值，如果價值一樣，早就被組改變成同一個部會了，像經濟有經濟發展的價值、環境有環境保護的價值，這兩個當然不一定總是相同的價值。

科技有科技創新的價值，但是我們的內政社福也有社會公平的價值，這兩個不總是同一個價值，所以本來在內閣裡面，不同的部會就是在倡導不同的價值，所以未來的這個數位專責機關，有一個很重要的目的是在這一些不同的價值裡面去找到共同的價值，好比像永續就是一個共同的價值，我們現在不管去倡導什麼價值，不能以犧牲我們的後代作為他的代價，這就是共同的價值，我們越確保這一些共同的價值，我們越確保數位的科技是符合我們大家的共同價值，我們如果自己在那邊爭論不休彼此抵銷的話，反而很容易被你剛剛講的這些數位霸權，不管是國家主義的霸權或是資本主義的霸權趁虛而入。

所以綜合所談的，委員其實不太擔心AI在未來帶來的衝擊或者是威脅？

只要新聞工作者還在擔心，我就不太擔心，因為表示大家的社會共識是不想要看到這一些不好的情境發生，這一些情境發生一點點，新聞工作者就會告訴大家說不行了，又有很不好的威脅要來了，這時候我非常相信臺灣只要有一件對社會不利、但是只對商業團體有利的事情，大家就會抵制，每次抵制一次就倒一家公司。

臺灣這一方面是很厲害的，所以我們之前跟這一些跨國的商業談判時，我們就會說好比像監察院有一個政治獻金法，我們在選舉的時候，現在每筆政治獻金跟支出全部都是公開的，讓媒體記者可以進行分析，所以就告訴這一些跨國公司說如果有人在上面打政治廣告，這個跟政治獻金沒有兩樣，你也應該比照監察院的方式，每一筆都公開，讓大家知道到底是針對哪一些人、花了多少錢、放出什麼訊息，必須一覽無疑，所以有一些公司就同意了，好比像FB，有一些公司就說不發廣告了，像Google，但是沒有哪一個公司敢說我們的常規跟你們的不一樣，就是要發，而且不告訴你他的內容，如果敢這樣講，就會受到抵制，我們什麼法律都不通過，光是抵制就很難讓這一些公司在臺灣做生意。

就是透過治理、監管、提前預防可能未來發生的問題。

監管是到最後一步，大部分的治理都是靠社會部門，剛剛講的社會會選擇性購買對環境跟社會有幫助的服務跟產品，會選擇性去抵制對社會、環境不利的服務、產品，這個力量才是大的，監管只是最後面的後盾。

最後請委員幫我們總結一下，AI會如何徹底改變人類的社會與生活？

我覺得「輔助式的智能」，把人類的工作裡面異化的部分，就是覺得自己很像一個機器、很像工具人的部分，慢慢都取代掉了，人之所以為人，因為我們有自發，我們人跟人之間彼此間會互動、會達到共同動的價值、共好，人性的這些部分，會因為覺得像工具人的部分被人性工具慢慢取代，在人性有創造力的部分，這部分可以發揚光大。

您覺得我們馬上會在什麼領域感受到AI的威力？

像現在絕大部分的自動翻譯，我們看國外的文獻、最新的科學知識等等，其實現在我們很多這一種技術性的、不牽涉到文學的，很多朋友覺得自動翻譯是生活的一部分了，這個就讓我們不同的文化、不同的國家或者甚至是各種不同的思潮間有更多充分對話的機會，而不會因為不會那一國的文字而產生一些隔閡。

就是馬上見識到AI對人類帶來的好處。

是這樣子。

您覺得我們的工作異化的部分會被取代，人類不要再做機器的工作，應該會多出很多時間。

像這個訪問就不是機器可以做的。

當AI幫我們做很多事情之後，我們人類還可以做什麼事？

像剛剛講到的，人類有無止盡的好奇心，所以假設地球治理還不錯了，總會有人覺得去火星試試看，所以這個好奇的部分，我想會是很重要文明的趨力，當然人跟人之間的互相瞭解、互動及達成價值，還是支持文明發展的一些基礎。

AI不會取代掉大部分的人的工作，反而會讓大部分的人多出時間來思考工作以外的事情？

對，簡單來講，你的工作只是為了重複式地做一些自己做的時候，也很像機器做的事情，你的工作成分會慢慢取代掉，但你的工作裡面培養出來你跟其他人之間的關係、你關心的事情，你對於各種不同的美學、品質上的要求等等，這個機器翻譯在翻譯詩的時候跟人翻譯的美學未必一樣，就算翻譯出一個版本，我一個詩人，可以翻出完全不同的版本，這裡面沒有取代的問題，因為每一個藝術家就是不一樣。

所以可以充分掌握AI為人類帶來的好處，所以可以從中做更多的創新、研發，但是要必須注意中間的治理。

就是確保AI一直是「輔助式的智能」。

所以今天結論是AI是輔助的智能？

是這樣的，如果你有一個助理，如果幫你決定你的行程，而且透露你的隱私給別人，你問他為何這樣安排的時候，他都不給你這樣交代，你馬上就會把那個助理fire掉，你怎麼期待助理，就怎麼樣期待輔助式的智能。

我們的訪問到此結束，非常圓滿成功，謝謝。