大家晚安。歡迎各位來到 114 學年度第一學期孫運璿科技講座的現場。我是今天的主持人。

今天我們非常榮幸地邀請到中華民國無任所大使唐鳳、首任數位發展部部長，以及國家資通安全研究院董事長。

在開始今天的演講之前，讓我們先以最熱烈的掌聲，歡迎科管院彭心儀院長上臺致詞。

唐鳳大使、部長，然後各位、林福仁老師，然後各位清華大學科技管理學院的朋友、先進、各位貴賓，還有本院的老師、學生、同仁，大家好，大家晚安。

今天真的非常榮幸，因為這是我們這學期、這學年的第一場孫運璿科技講座。非常非常高興，我們今天請到了唐鳳大使，為我們談「合作式 AI：化衝突為共創」。

原本我的工作是要介紹講者，可是今天的講者實在是已經有滿場的粉絲，所以剛才已經好多粉絲都照相了，所以我就覺得好像可以跳過這一段。還是我用比較不同的方式，好不好？

就是剛才我跟大使有稍微談到，我記得 2019 年的時候，跟幾位本院的老師舉辦一場國際研討會。那個研討會的主題是在談人工智慧以及數位經濟時代的國際貿易，著重於國際貿易的秩序。那時候唐大使是政務委員。唐政委正好要代表國家出國，所以幫我們錄了一段演講的影片。

我到現在印象深刻，因為那個影片在我們國際研討會的會場，每個外賓就聽了這樣，好專心、好專心。後來我們就說，這是我們國家、我們臺灣最年輕的閣員，以及第一位數位部長。到現在印象深刻。

我想大家都很熟悉，就是唐部長在數位部推了很多我們都很熟悉的政策，包括了政府的資訊的共享，甚至也包括了政府的資訊公開。這幾年，我剛才聽到，更是讓在世界各地，讓臺灣的科技民主，讓全世界更看見。我們都非常地感謝。

今天的主題，我覺得我們會很需要聆聽。從生活面來講，我們每天看我們的社群媒體、我們的搜尋引擎，真的，那個背後的演算法，真的讓好多好多的言論意見推向兩極化。AI 在我們生活中應該扮演什麼角色？怎麼樣追求一個更包容、更負責任，或更有永續概念的 AI？是我們大家非常關心的議題。

尤其今天在清華大學，在以科學園區為中心的這樣的一個生活圈的社群，我想我們更希望了解，我們怎麼投入這樣的一個共同多方關係人的努力。

所以，是不是大家跟我一起再次地歡迎唐大使。

非常感謝彭院長的致詞。接下來讓我們以最熱烈的掌聲，歡迎唐鳳大使為我們帶來今天的演講主題。

謝謝院長的介紹。非常高興能夠有這個機會，來跟大家聊一下我最近的工作。

大家可能知道，我現在擔任無任所大使（at large ambassador）。在最近一年大概去了 27 個國家，可以說是民主國家大概都跑過了一輪。大家在各國現在最關心的議題，就是如同院長剛剛講到的：就是怎麼樣確保他們的民主制度，不會因為 AI 的出現，以及這些演算法——包含社交媒體等等——去放大衝突的部分，然後讓共創的部分變得非常困難。

不過為了讓大家更了解，我一開始為什麼會來做這個題目，我就先不講我在牛津的研究，或者是在英國有一個合作式 AI 基金會（Cooperative AI Foundation）的工作，稍後再談。

先講自己的一個故事。大家可能知道，我快滿五歲的時候，醫生診斷我有先天性心臟病。他就跟我家人說，這個小孩大概只有 50% 的機率，可以存活到接受心臟手術的年紀。

從那個時候開始，我每天晚上睡覺的時候，就有一個感覺好像在丟硬幣。如果硬幣掉下來的是不正確的那一面的話，明天就會醒不過來。所以我從大概五歲就養成一個習慣，英文叫做「Publish before perish」（在消逝之前發表）。

我沒有時間去追求完美。所以我那時候是先在錄音帶——就是那種塑膠的有兩個孔可以轉的，可能很多年輕朋友不知道那是什麼——然後之後是磁碟片，當然 Internet 上面，每天去記錄我學到了什麼東西。

這個習慣，就是把我學到的、我對談的逐字稿等等，都發表在網路上。那透過這個過程，我就有一個發現：就是說你線上如果是發表一個已經非常完美、已經完成的作品的話，那看到的人就是按個讚，然後他就滑掉了，就去看下一個東西了。

但是，如果是我發表的是還不完美的、那有很多缺陷的、我還沒有想清楚的，那這樣就好像一個邀請函一樣。就所有人看到了，都會說「這邊錯了，我來修正它」，或者「這邊有不完美的地方，我也可以幫忙」等等。

所以就是透過從小就分享我醞釀中的一些不成熟的想法，反而我找到我的線上的社群。所以這種就是透過脆弱、透過不完美來創造連結的方式，我覺得後來就變成我工作的一個核心：就是怎麼樣子透過看到這個社會或這個結構的缺陷，然後讓大家有這樣一個邀請函，來一起創造。

我很喜歡一個詩人，加拿大的 Leonard Cohen。他曾經寫過一首詩，我把它翻譯成：「萬事萬物都有缺口，缺口就是光的入口。」我們的數位社會有非常多的缺口，那這個缺口並不是說把它掩蓋下來，而是說把它當作共創的所在。

那我們就回到今天的主題。就是現在的這個缺口，怎麼樣子被放大呢？事實上很多是透過 AI 的方式。

AI 這個題目，大家在報紙上面可能也看到，有一派的人認為說，AI 發展到某一個程度，可能會造成社會太大的衝擊，不管是失業或者是犯罪，或者是更嚴重的資源上面的衝擊等等。所以就希望能夠把 AI 發展的速度能夠減緩，或甚至對所謂的超智慧（Superintelligence）給一點限制。

但是如果你去聽很多矽谷的朋友的話，他們就會說，其實加速得還不夠快，還可以再加快一點。希望很快的就可以達到週休三日、週休四日、週休五日的那種世界。

所以這個討論是非常的兩極化的。但是我今天想要討論是一個不同的角度。就是說，你一輛車子如果是只有油門跟煞車的話，那其實是沒有辦法開的。我們現在在做的事情，並不是加速或者減速可以解決，重點是怎麼樣打方向盤。

就是說，如果 AI 它是接下來很強的一個引擎的話，我們怎麼樣確保它往哪個方向開的這個控制權，是能夠讓全民、讓所有人都可以參加。

那這個就是所謂的 Cooperative AI（合作式 AI）。就是透過 AI 來促成人跟人之間的合作，然後又透過合作的狀況更好的人，能夠來促成人跟機器、機器跟機器，乃至於整個社會的合作。這個就是 Cooperative AI 的意思。

要理解為什麼這件事情很重要，就是要了解這年頭的 AI，就是機器學習，它是怎麼樣子來訓練的。

大家可能知道，我想在場也有很多朋友了解，這年頭的 AI 大概就是你給它一個目的，你給它一個需要最大化的一個分數，然後它就會用各種各樣的方式，為達目的不擇手段，想出很多人類想不出來的方式，去最大化這一個分數。不管是 GDP 的最大化、產出最大化、利潤最大化，或者大家黏在手機上面時間的最大化等等。那這些都是非常流行、非常多人用來訓練 AI 的所謂的「獎勵函數」（Reward Function），就是讓 AI 能夠越高分越好。

我舉例。好比像說大概十年之前，大家如果有用社群媒體的話，會發現說，所有主流的社群媒體，差不多就是在 2015 年前後，發現了：就是它如果從「你追蹤誰，就看到誰的貼文」，改成說「你就算沒有追蹤的人，只要 AI 覺得你會喜歡看，也讓你看到那些貼文」。這樣一個改變，你本來的情況可能一天只花在社群媒體上一小時，但是如果變成 AI 主動推給你東西的話，你就會待三小時。

所以大家都切換到後面的這樣一種「for you」——就是為你量身打造的演算法。

這樣子的問題當然是說，以前我們只要追蹤一樣的人，我們大概就知道說，我們是在相同的世界裡面。但是現在就算我們追蹤一樣的人，只要我們在一篇文章上，我多停一秒鐘，你少停一秒鐘，那接下來隔天我看到的東西，就會跟你開始不一樣，然後就會越來越不一樣。

而且這種，我把它叫「寄生式的」（parasitic）AI——因為只有對它好、對我不好。這種寄生式的 AI，就是找到我們中間的衝突，然後把它放大。

放大的意思是什麼呢？就是去找最會激怒我的，或者是讓我覺得衝突性最高的。為什麼呢？給你品質很好的文章，大家看了需要一點時間了解、需要一點時間想，那時候就不會一直待在社群媒體上面，那就會去做別的事情，可能查資料、可能自己稍微靜坐一下、散個步等等。

但是如果是找到讓你忍不住一定要去反唇相譏的、一定要去「炎上」、一定要去作戰、憤怒對立的話，基本上在上面三四個小時，都不會覺得時間過去了。

所以這個寄生式的 AI，如果它的獎勵函數，就是說要最大化每一個人待在螢幕前面的時間的這個目標的話，那它就不擇手段地，就會去找到我們分裂最大的，以及就是對彼此憤怒的那個地方，然後一直放送這個地方給我們看。這個就叫「enragement for engagement」——就是透過激怒、透過炎上來達到互動。

所以現在當然我們過了十年，現在回頭去看，就可以發現說，我們比起十年之前，幾乎全世界各種各樣的，就是人跟人之間，以及人群跟人群之間，它極端化的程度——就是對彼此的感受的不好的、憤怒的那個程度——就比十年以前要高得多。

臺灣的狀況還稍微好一點。我才剛從日本回來，日本也好一點。但是在美國，好比像說，美國就是已經被叫做「peak polarization」（極化高峰）。就是它已經不可能比那個再極化了。就是他的共和黨跟民主黨的支持者中間，就是他看到對方所做的任何事情、任何訊息，他一定做完全相反的解釋，而且已經不可能更相反的解釋了。那這個都是有社會學的量測的。

我把它叫做一個很高的 PPM。PPM 講的不是二氧化碳的百萬分濃度（Parts Per Million），我講的那個「Polarization Per Minute」（每分鐘極化程度）。就是你刷社群媒體，激化的訊息。

所以這個情況，當然就是很像空氣污染的情況，就好像霧霾一樣。整個社會都越來越看不清楚，說到底我們彼此認知的事情是什麼、狀況是怎麼樣、共享的現實是什麼。這個都就是霧霾越濃越看不到。

所以我們共享現實基礎崩潰，當然有很多別的問題，包含民主秩序、自由社會等等的問題。但其實這些很可能都是一開始就是告訴 AI：「最大化使用者黏在螢幕上的時間」，不擇手段來造成的。

所以這個的狀況，現在當然就變本加厲。因為在當年大家還是自己寫文章，或者自己上傳影片，然後 AI 是告訴我們要看到什麼影片。但是現在可能大家也知道，隨著 Sora 2 等等的這些推出，現在我們都不用自己寫文章，也不用自己拍影片了，全部都是 AI 來產生了。

他們叫做「AI Slop」。不知道要怎麼翻？AI 垃圾訊息之類的。類似垃圾食物的垃圾訊息。

這個道理其實很簡單。就是說，如果是廚師做很精美的、很營養的料理給你吃，你吃一吃就會感覺飽了。因為本來人就是吃飽了，身體需要就飽了。但是如果是給一堆沒有營養，但是非常多鹽、非常多油炸，然後怎麼吃都好像沒有飽一樣，就是越喝越渴。那這個在食物叫垃圾食物，那在 AI 我們叫 AI Slop。

那這樣子的狀況就是會讓大家雖然是黏在裡面，然後但是一直都覺得沒有任何飽足感，就是一直不斷的運行多巴胺的迴路。

那我們以前在做 AI 倫理的時候，很喜歡講一個概念叫做「Human in the loop」，就是說 AI 在做決定的時候，一定要有人在那個做決策的迴圈裡面，隨時喊停。

但是因為現在 AI 的速度實在太快了，包含生成這種內容的速度實在是太快了。所以我就常常講說，我們是「human in the loop of AI」。就是好像是 AI 是倉鼠輪（hamster wheel），然後人就好像倉鼠一樣被跑在裡面，就一直跑一直跑。其實倉鼠因為需要運動，牠跑的時候其實應該是滿開心的。但是在這個情況下，牠對那個輪子到底要到哪裡去，那個方向盤牠是一點掌握都沒有，是原地在奔跑。

所以現在就 AI Slop 的這個情況，就很像這個 human in the loop of AI 的這個情況。

所以我們就會發現說，我們要怎麼解決這個問題？其實是不能夠再把人放到 AI 的迴圈裡面。我們要反過來，是把 AI 放回人的迴圈裡面——就是人之間互相關懷的那個迴圈裡面。是 AI 要用人際的速度來運作，而不是越來越轉得快的 AI 的速度。因為到某個程度，其實人是沒有辦法去配合那個速度的。

所以我們就要解決剛剛那個最大化（Maximize）的問題。所以這個作業系統是怎麼樣的？我們有提出 Cooperative AI 的這樣一個想法，合作式的 AI。

它核心的想法就是說：當然社會上是有差異有衝突，但是 AI 的目的不是去放大它，把它當作好像能源、好像地熱能、好像燃料一樣。就是說可能有岩漿很熱等等，但是它是要有一個耐熱的引擎，去把它變成動能。

意思就是說，AI 它服務的對象，就不是單獨的個人——他花多少時間、或者賺到多少錢、或者怎麼樣。而是它要服務的是：人群跟人群之間，它的關係的健康的程度。

意思是說，它要找到不同觀點中間，有哪些罕見的共識。不是說一邊 51%，然後另外 49%。而是找到中間重疊的地方。

第二個就是說，它是以人跟人之間彼此關係的能力。如果是要最大化的話，是最大化我們中間的關係的健康的程度，而不是某一個個人的程度。

第三個最後就是說，是盡可能讓每個在地的社群，都可以去好像導航一樣，去把 AI 的方向導向這個社群覺得好的部分。而不是說所有人都有矽谷的、或者北京的、或者哪裡的一個巨型的 AI，來設定社會的關係。

不過這個當然很抽象，所以我們馬上來舉一個例子。

我們在 10 年之前，2015 年的時候，我們在臺灣有引進一個系統，叫做 Polis。當時就是 Uber 正在進入臺灣的時候。Uber 一開始是沒有職業駕照的朋友在開。那當然沒有職業駕照，他可以宣稱說他只是上班順便載人，然後只是順便交個朋友收點錢等等。那但是事實上就是在做計程車的事情。

那在各國當時都出現了非常大的衝突。就是覺得這是「太棒了，是創新」，或者是覺得說是「非常不公平」等等。那你如果去看當時的社群媒體，在臺灣也是一樣，各有支持的朋友。然後任何一邊只要貼了看起來其實蠻有道理的一個貼文，馬上會被轉貼。但是轉貼並不是支持他的意思，而是加一個尖酸刻薄的評論的意思。然後另外一邊又會再轉貼，再加更尖酸刻薄的評論。所以其實本來很好的朋友，這樣子轉貼加註三四次之後就彼此封鎖了，也不知道為什麼。

總之這個十年前的時候，我們第一次感受到這種「轉推加註」的對社會的關懷的撕裂的這種能力。

所以後來我們就邀請大家到 Polis 這套系統。這套系統它是被設計成我們叫「Prosocial Media」（利於社會的媒體），不是反社會的媒體。

它的概念其實很類似於 Twitter 這些。你到了 Polis 之後，你看到的也是一則貼文，也是 140 個字之內。但是它的差別就是說，你沒有「轉推」這個按鈕。最近已經有很多研究顯示說，你只要有轉推這個按鈕，不管你是用哪一種推薦演算法，基本上大家就一定撕裂。完全就是被轉推按鈕這件事情所決定的。

那你要平衡撕裂這件事情，你就只能用 Polis 的這種演算法。這是什麼演算法呢？就是橋接的演算法（bridge-based algorithms）。

Polis 它跟一般的社群媒體有兩個不同。一個像剛剛講到的，沒有轉推按鈕。事實上是連回覆的按鈕都沒有。你看到一個貼文，你就只能說「我同意」，或者「不同意」，或者「跳過它」。然後當然就是捲到下一則。下一則你也可以說我同意、不同意、跳過它。這是一個差別。

那第二個是說，你隨著同不同意，你會看到你的肖像、你的圓圈圈會移到某一個群體那邊。一開始就是有支持 Uber 的群體、支持計程車的群體、支持國家應該要照顧到偏鄉的群體等等，有很多群體。

然後它就會，系統會告訴你說，這個群體都認為是這些事情是好的，那個群體可能是覺得這些事情是不好的。但是在這兩個中間，就有一些搭橋的想法。這些想法是兩個彼此之間幾乎什麼都不同意的群體，都覺得這個是不錯的。所以這個是有點罕見的這種共識。

所以每個人，他只要能夠提出去贏得對方那個群體的支持的這些想法，跨越的距離越大，你就得到越大的搭橋的獎勵。也就是說，你會傳播力越強。

所以這個就跟傳統的社群媒體剛好相反。本來社群媒體是你越去攻擊對方、你越去拉大跟另外一邊的距離，你的傳播力就越強。你越極端的就會給越多人看到。那在 Polis 剛好相反，就是你越能夠去橋接掉這些隔閡的，你的傳播力就越強。所以這個就是橋接式演算法。

在這件事情上面，我們就翻轉了誘因。同樣是用機器學習，我們也是用機器學習；同樣是用 AI。但是它的傳播力，因為是給中間的罕見共識。所以我們過了三個禮拜，我們就看到有九個論點，是各方都能夠接受的。我們就把這九個論點，變成「多元化計程車方案」。當然 Uber 的問題在臺灣就解決了。

這裡的重點，我想不只是說解決特定的政策問題，而是它給國際看到如何解決問題。所以這個情況下，我們就提出了這樣一個概念，叫做「協力治理」（collaborative governance）。

所以在這個協力的治理的框架裡面，你就不是像以前那樣子，好像你有 70%、80% 的票，你就可以去忽略掉 10%、20% 的聲音。在 Polis 裡面是剛好相反。如果你有一個比較大的群體在這邊，然後有好幾個比較小的群體在邊陲。你大的群體中間因為沒有什麼差別，它的同質性高，所以你在大的群體裡面同溫層裡提再多意見，它都不會得到橋接的獎勵。

所以你這個大的群體就一定要去照顧到小眾的想法，一定要提往他們那邊橋接的想法，你才贏得到橋接獎勵，才有可能最後變成政策形成的參考。所以這件事情也翻轉了我們以前民主「票多的贏」的這件事情。

現在這個治理，當然在國際上是還滿有名的，也影響到了 X.com，就是 Twitter。他們之前就有推出一個叫「社群備註」（Community Notes）。它就是在 X 上面的任何一則推文，每個人都可以去說，這個推文它有哪些沒有講完全的地方、沒有講好的地方。

任何人提出來之後，同樣的就是某些人會覺得這些講法很好，某些人會覺得這些講法實在是差勁透了。他們很快就會分成左翼跟右翼。然後演算法就會說，誰能夠提出一個想法，讓兩邊的人都覺得「尚可」，這個就浮上來，變成所謂的社群備註。

這個演算法現在已經，YouTube 在美國，然後 Facebook 跟 Threads 在美國，大概都採用了。所以已經變成主流的一個演算法。Elon Musk 也公開說，它會在應該是下個月，就把 X 的主要的時間軸的演算法，也變成橋接的演算法。

然後再加上 Grok Mini。所以你就可以去告訴 X 的演算法說，我現在想要多看到什麼，我想要少看到什麼。所以像以前是 AI 去誘發你的偏好，其實這個偏好都是無意識的。但現在因為有橋接演算法，你就可以有意識地去說，我想要橋接到哪些社群、我想要橋接到哪些想法。那你就可以反過來去設定你的偏好。

所以這一點我覺得是蠻不錯的。等於說我們在這邊實驗出來的一個治理的方式，那現在變成各大社群平台的一個基礎。那當然我自己也有在跟 Bluesky——就是 X 的主要競爭者之一——我們弄了一套 Green Earth，讓這個藍天配綠地。綠地的演算法，那就是把 X 剛剛弄到這一套，能夠在 Bluesky 透過一個開放的方式來使用。

我再舉一個例子。剛剛的 AI，是有生成式 AI 以前的狀態。但是我們在臺灣，事實上也有用語言模型，就是有生成式 AI 之後的狀態來做 AI 治理。

舉例來說，去年。我不知道大家記不記得，去年年初的時候，有一陣子，任何人只要打開 YouTube 或者 Facebook，尤其是 Facebook，就一定會看到黃仁勳（Jensen Huang）先生的臉。然後他就會說要回饋臺灣、要教你一些存股的做法，或者是說加密貨幣要送給你。有很多變形。然後你如果按的話，就真的有時候會聽到 Jensen 的聲音就會跟你說話。但當然不是 Jensen，那個就是 Deepfake（深偽），就是透過 NVIDIA GPU 合成出來他的聲音。

所以這個情況下面當然是很嚴重，大家就有很多損失、很多問題。但是你如果是一個一個去做民調的話，絕大部分臺灣人即使是在當時，都會說政府不應該管制言論。任何內容方面的管制（都不行），因為我們是全亞洲網路最自由的國家，我們是絕對不接受。

所以這樣怎麼辦？所以我們就透過簡訊，我們寄了 20 萬則簡訊，給隨機的臺灣的號碼。然後裡面只問說：「我們要維護資訊完整性，你有什麼想法嗎？跟我們講一下。」然後裡面就非常多人願意參加我們在線上的討論。

所以我們就隨機抽籤出了 400 多個人。這 400 多個人其實就跟民調一樣，是非常嚴謹的。就是他不管是居住地、學歷、職業、性別等等，他的分布都跟全臺灣的總人口的分布是相同。所以他是有統計代表性的一群人。就是所謂的 sortition（民主抽籤）。

所以在這個情況之下，我們不是一個一個去問他們問題，跟傳統民調不一樣。為什麼？因為每個人被單獨問問題的時候，都會挑一個比較極端的立場來回答。所以我們想要找到是整個社會可以接受的做法。

所以我們就是把這 400 多位朋友，放在 40 多個線上討論室裡面，每個討論室裡面有 10 個人，然後大家來腦力激盪。在這 10 個人中間，他們不管講什麼話，AI 也會去統計說，哪些想法，這邊的人反對、這邊的人同意。在這十個人裡面，只有這些想法慢慢凝聚到這十個人差不多都同意，或者「即使不同意，我還可以接受」的這個情況，這個主意才會從這個房間傳出去，給所有人看到。所以同樣就是橋接的演算法，但是是配上了即時的這樣的一些 AI。

舉例來說，像有一個房間，他就說：因為 AI 現在沒有辦法分辨，所以只要是這種廣告，底下應該都要寫「可能是詐騙」。只有必須要有實名制——就是可能黃仁勳先生要自己用電子簽章，或者 NVIDIA 要給電子簽章。總之你要能夠追溯到某個我們認的 KYC（實名認證），你才把「可能是詐騙」這個警語拿掉。這是其中一個房間的想法。

另外一個房間的想法是說：投資詐騙如果你只是罰 Facebook 的話沒有用。所以應該要怎麼樣呢？如果有人投資詐騙被騙了，好比像說五千萬元。而且這個詐騙當時是 Facebook 已經知道他沒有電子簽章、沒有實名制就放上去的。那他應該算作從犯。意思是什麼呢？Facebook 應該要賠這五千萬元。只有這樣 Facebook 才會理我們。這個是另外一個房間的想法。

然後還有一個房間的想法是說：因為當時 TikTok 還沒有被美國要求賣走他們的分公司，所以他們事實上是態度很強硬的，也不願意落地，也不願意設法律代理人。所以就有一個房間講說：也許在如果 TikTok 一直不理我們這一套的話，我們不要一次就把它變成不能連線，因為侵害言論自由。但是我們可以把他們影片的速度調慢，就好像速限管制一樣，慢車道，把它走到慢車道去。這樣子的話就沒有管制言論，你還是看得到。但是它的廣告收入，大概都會跑到它競爭者那邊。這也是一個很好的主意。

總之就是這些想法，其實大家可以想一想就知道說，這些想法是彼此加強的。雖然沒有辦法哪一個房間想到很全面的想法。但是我們透過語言模型、透過生成式 AI——這個是一個研究領域，叫做 generative social choice（生成式社會選擇）。

那你就可以透過語言模型，畫出一個核心包裹（Core Package）。這個核心包裹你可以證明說，就是每一個房間裡面的人都有貢獻到。而且這些加起來的部分，沒有哪一個房間會非常反對。就是大家都稍微滿意一點，但是沒有哪組人非常不滿意的這個包裹。

這個包裹當然我們就在專家討論之後，我們在那一天結束前，就讓所有房間 400 多個人投票。投完票之後，我們就可以證明說，這些有統計代表性的人，自己想出這些方法。而且有超過 85% 的人，在結束的時候覺得這個核心包裹是他們是能夠背書，就是他們覺得是很好的一個政策。

所以當時，因為是去年，我們三月做了這個討論。四月我就邀這些大型的平台來進行可行性的確認。五月我們就把電子簽章法跟打詐專法的草案都送到立法院。當時已經是三黨不過半的狀況。但是我們的電子簽章的修正案，基本上是連冷凍期都沒有，瞬間出了委員會。然後打詐專法也很快過了。當然是因為他們已經看到說，這個就是民意的匯聚。沒有哪一個黨的委員想要當「協助詐騙的黨」。所以瞬間就通過了。

所以我們到今年大家可能也看到新聞，確實也罰了 Facebook 好像一千多萬。現在這種投資詐騙型的廣告，可以說是幾乎是看不到的，下降了九成以上。

所以這件事情就告訴我們說，我們不需要一下子就跳到這個極端或那個極端。我們可以在一個下午的時間裡面，就蒐集整個社會的意見。它執行的成本、它執行的時間，跟普通的民調來比都沒有比較貴，也不用等比較久的時間。但是你就可以匯聚到一開始設計民調的人想不到的那些比較有創意的解決方案來。

這個做法也同樣傳播到國際。我當然有寫一本書。他們就是有一個日本新的政黨，叫做 Team Mirai（未來團隊）。他的黨主席就是當時 33 歲、現在 34 歲的安野貴博。他就是一個 AI 工程師跟科幻小說作家。

他就是看到臺灣我剛剛講的這個例子，他就決定要在日本組一個黨。而且他沒有政見。他當時在選東京都知事的時候，他宣布參選的時候，離投票只有一個月。只有一個月。然後他完全沒有政見，而且沒有人聽過他，他也沒有黨派支持。

所以他就說：「我們就要用唐鳳這一套。」它叫做「廣泛傾聽」的方法，來蒐集他選東京都知事的政見。結果他就一下子獲得了超過 1% 的選票。然後很多年輕人支持他。所以他就非常受鼓舞。

當時小池百合子知事也看到說，安野的這個群眾凝聚出來的政見，被獨立的智庫評比為第一名，甚至比小池知事的政見還好。小池是第二名而已。所以他就覺得這個很棒，就找安野來幫忙。後來安野現在就選上了日本參議院的議員。他們那個新的政黨已經獲得超過 2.5% 的選票。

所以很快地就在日本變成說，好像各大政黨都要來做這種廣泛傾聽的這種事情。那確實因為對他們來講，他花的錢更少、需要等的時間更短，事實上產生出來的政策品質也很好。大黨不會說「小黨做了這種民調，所以我不要做這種民調」，那是不可能的。所以這種新的生成式的、或審議式的民調，現在在日本就相當多的人來關心。

當然這個是我們剛剛講到的一些比較現有的，就是之前的這種推薦系統，或者是生成式的 AI。當然我們在未來，我們現在就看到說，大家都在說 AI agents。這個字不知道怎麼翻：代理人、智慧體之類的。

大概就是說，你會授權這個 AI 在現實世界中去產生一些活動。這些活動它一定程度上可以代表你，或者甚至是就變成你。這樣的情況。所以各地都在想說，關於 AI agent 這件事情，我們要怎麼樣子來去做治理。

今天因為不是學術研討，所以我不特別在這邊講細節的部分。我在牛津有一個網站，叫做 「關懷六力」，6pack.care。

他講的就是說，我們要怎麼樣子去訓練 AI，不要變成說好像他只服務這個個人、或那個個人。我這個 AI 當你的代理人，別的 AI 當他的代理人。但是我把你的想法最大化，然後他的代理人把他的想法最大化。事實上兩個中間如果有衝突的話，就等於把這兩個的衝突最大化。社會的撕裂就越大，衝突的程度就越多。這個顯然不是一個好下場。

所以我們現在要訓練代理人，他要能夠像日本有個講法，叫做「讀空氣」（空気を読む）。就是去看到在一個房間、一個社群裡面，人跟人之間的哪些關係是重要的，必須要去保存，甚至必須要去促進的。這個叫做覺察力。

他在這樣子有覺察能力的時候，他就可以好像是一整個團隊的教練，而不是一個個人的導師那樣子，去協助整個團隊能夠彼此之間協作變得更加容易。這個就是大概的想法。

後來我在日本，這個演講本來是在日本同志社大學做的。因為是在京都。京都大家可能知道，就是神道教的一個很重要的城市。

所以我在那邊就提出一個想法說：如果要訓練一個非常大型的這種超級人工智慧，那個就有點像全知全能的天神。但是在日本他們有一個概念叫做「地神」。就是跟我們這邊土地公、土地婆是類似的概念，雖然不能說完全一樣。叫做 Kami（神）。

他們那邊的 Kami，就不是好像變成全部全知全能。而是說它就是關心可能是一條河流、一個樹林。甚至他們雷電也有 Kami，什麼都有 Kami，萬物都有 Kami。所以它是在促進某一個特定的社群，可能一個村莊有一個 Ujigami（氏神），就是照顧那個村莊的一個族人。讓這些人中間的關係變好。但它不特別去管外面的別的事情。

如果每一個小的社群，都能夠去把 AI 的代理人，訓練成他們那個社群裡面覺得很好的智慧體的話，那就可以看到說，他們能夠很好的分工合作。

就好像之前花蓮救災的時候，有很多支援的在地力量。就是沙包、鏟子，或者是機具的開挖等等，是在地特定的情境之下，按照花蓮實際受災的情況，解決當地當下的問題。

沒有哪一個 agent 在這個情況下，是很抽象地想要說，我們要 GDP 增加 3%、4%，那種最大化一個數字。而是說在地有哪些需求，我就盡我自己的力，在我的專長裡面去說，那我可以解決這一小部分的問題。

那這樣子的做法，就是所謂的有特定的界限（Bounded）的這個想法。那我們現在認為是設定 AI 智慧體，以及幫 AI 智慧體做訓練的時候，這樣才能夠去促進他跟人，以及人跟人中間協作的這些力量。

如果不是這樣做的話，會造成一個結果。就是我們之前在 400 多個人討論的時候，確實當時也有同事問說：「我們為什麼要花那麼多時間，讓人跟人之間彼此討論？為什麼不是你叫一個 AI 去跟個人對話，討論這個題目。只要講一個小時，你就知道他的偏好。然後這 400 多個人，就有 400 多個 AI 代理人。你讓那 400 多個 AI 代理人、400 多個機器人討論就好了。」

這樣子產生出來的政策，在國際上研究證明說，這樣產生出來的政策，絕對不會比人討論的差。而且你還不需要花那麼多的時間。

但是這樣的問題就很像說：我想要健身，但是我派我的機器人去健身房幫我練舉重。這樣機器人一定很厲害，可以舉很重。但是到最後就是我肌肉也沒有長。

所以就是說，我們剛剛講到這些審議式的、生成式的調查，它當然會產生出很好的政策。這是一回事。用 AI 來做像剛剛講到，在討論裡面去即時的做綜整、即時的去讀空氣，看那個意見是怎麼樣，然後去把它共鳴的地方能夠傳播出來。甚至是翻譯不同的想法、不同的語言、不同的文化中間。這些都是我們 agent 可以做的。

但是如果你從頭到尾就是 agent 一手包辦的話，那就會像剛剛講，就是送機器人到健身房舉重的那個情況。我們的 Civic Muscle，就是我們公民的肌肉的力量，很快就會萎縮了。所以這兩個部分還是要兼顧的，還是要有一些人際的參與。

好，我們回到我一開始講到的，就是社群媒體治理的題目來。

我們如果要把剛剛講到的這種比較是關懷的倫理，而不是我們叫效益主義或功利主義——就是最大化什麼東西的那個倫理——去放回我們現在的社群媒體的治理上的話，那有一些很具體的做法。

像我之前有跟猶他州（Utah），在美國的猶他州。當然就是 Governor Cox，Cox 州長。前一陣子在媒體上常常看到他，因為就是 Charlie Kirk 遇刺的關係。那他就率先通過了一個法案，那這個法案叫做「數位選擇法案」。它就是給我們在社群媒體中間搬家的那個遷徙自由。

意思是什麼呢？就是從明年 7 月開始，如果你是猶他州的居民，你想要從某一個社群媒體，Tiktok、X.com，你想要轉台到可能 Truth Social 或者是 Bluesky 的話。以前是你到這邊的話，你就歸零了。就是本來你的追蹤者、你的朋友、你的社群通通都不見了。所以基本上很少有人會這樣搬家的。通常都是一群人一起搬家。但是一個人搬家，他需要付出的成本是非常非常高。

所以這個法案就是說，你一旦搬家之後，就像你從遠傳改到臺灣大，你本來的門號還是可以留著。就是所謂攜碼的概念。

所以你若是猶他州的居民的話，你證明你是猶他州的居民。那這樣你舊的那個平台，就必須要一直把你新的交友、新的回文、新的按讚什麼，一直都 forward（轉寄）到你的新平台。所以你雖然在新平台才剛開一個帳號，但是你本來的朋友跟本來社群，通通都還是算你的。

當然在臺灣如果大家有在玩「脆」（Threads）的話，其實脆的選單裡面有一個，就是「開啟聯邦宇宙」（Fediverse）。如果你打開那個選單的選項的話，其實脆現在就有這樣的功能。就是你可以跟不是脆的別的網絡中間彼此之間互相按讚、互相回文等等。

但是猶他州基本上就是說，所有的社群媒體，只要它服務猶他州的居民，他都必須要提供這樣的功能。不然的話要罰非常非常多錢。

所以這個就是一個很好的概念。就是他有透過一個開放的架構，讓每個人都可以自由地轉台。所以他在競爭的時候，他就只能競爭他的服務比較好。而不是說我一開始就佔有市場的大部分，然後就把人鎖在裡面，然後就賭說你是會不轉台的這個情況。

就像一條資訊高速公路，但是就有一個法規說，你一定要有交流道、一定要有匝道。不能說你開到終點，沒有辦法下交流道。所以像這樣子的，就是開放式的 API、開放式的橋接式的可攜性，我覺得現在是蠻重要的一點。現在我們在歐盟、在其他地方，都開始有提出同樣的法案。應該是很快可能應該就會通過。

當然另外一個就是，剛才已經講的，X 上面或其他地方，它的排序以前是完全不透明的，也完全不開放。就是一個黑箱。你也不知道為什麼你現在看到這樣的東西。

現在我們也有在推動，可能會有一個透明性的法律。第一個是說你主動推送的這些，如果不是使用者設定它的偏好——就像剛剛講到的，你可以跟 Grok 說我現在想看到什麼東西，然後它再給你。

如果平台沒有辦法證明是使用者提出需求才推給他，而是平台為了刺激使用者留在平台上面，主動推給他的話，平台主動推的這一則，要算平台的言論責任。

這個就跟以前的狀況不一樣。以前是說，只要是平台的使用者發的，平台就不負責任。尤其在美國，Section 230（通訊端正法第 230 條）法案就講這個。

但我們現在基本上就是在改變對這個法案的見解。就是說，如果我既沒有追蹤他，也沒有告訴我的偏好系統說我想看到這種內容——然後我們在脆上常看到一個梗：「我辦中華電信的時候，沒有想要看到這一個」——如果它主動這樣推過來，然後它是有害的、或者違法的訊息的話，那平台就要開始負連帶責任。

同樣的，它是透過一個開放的、可審計的這樣一個架構，然後去確保說，平台如果又回去用最大化的功利主義的 AI 的話，它必須要付出它的責任來。

當然講到這邊，那大家可能會有一個很合理的懷疑。就是說在這個競爭非常激烈的這種世界裡面，我們就是已經過了十年之後，再來做這些政策上面的改變，那真的是有用嗎？還是說其實那些就是矽谷的大公司，就是又再發明下一代的 AI，然後我們剛剛的這些又好像不太管用了？

那所以其實重點還是說，我們多快的速度裡面，可以讓大家看到說一個創新出現，它到底是擾亂這個社會，擾亂的程度到多少？還是說它是對這個社會有幫助的？

舉例來說，像我小時候，當時大家發現說，在冰箱的冷媒，就是 Freon（氟利昂），它會破壞臭氧層。大家可能都記得，如果年紀大一點的話，看報紙都會看到臭氧層破一個洞的照片。

所以當然當時（氟利昂）是便宜又好用的化學物質。替代品在當時實驗室裡面才剛剛開始研究，還沒有辦法產品化。但是因為大家在報紙上都看到了臭氧層破洞的那種照片。所以他們就很快就簽了一個蒙特婁議定書。然後說在幾年之內，就算它替代品不成熟，但是你現有的破壞臭氧層的這種化學物質，就不能夠再用了。

所以重點就是說，我們要怎麼樣去確保說，我們把那個霧霾降下來之後，大家可以很快地看到說，全球有一個共識。就是你這樣子一種新的演算法，它很快的我們去量測，它造成全世界激化的程度馬上有變多。變多的話，我們就讓它好像那個臭氧層破洞的照片，讓大家都看到。

那在這個情況之下，那這些大廠合作就要比不合作，在經濟上面更有利。因為它如果不合作的話，很快就變成是，就像 Facebook 在臺灣被當作是詐騙的從犯。這樣子的這個做法。

而我們多快能夠達到這個目標？不是去 read the air，去讀空氣，去猜說其他人怎麼看。而是我們要 write the air，就是去寫入這個空氣。讓大家都看到說，現在大家有共同的證據，可以說這樣對社會是好的，或對社會是不好的。那這樣我們才會有這樣足夠的公民肌肉，去處理接踵而來的 AI 對社會的挑戰。

我想我們現在在一個蠻關鍵的轉捩點上。矽谷一直在講 super intelligence，超級智慧。但是我想要提一個概念，就是說我們需要的這種 super intelligence，其實就是我們自己，我們全民。

只要大家有彼此之間協調的能力，只要有彼此快速形成共識的能力。在這樣子的情況下，我們其實不需要一個外部的 super intelligence，去幫我們去好像健身房幫我們舉重一樣。

我們可以透過這樣子的方式去確保所有的民主國家都可以升級它的民主制度。到來的時候，我們就會像剛剛講的廣泛傾聽等等這樣的方式，能夠快速凝聚到大家雖然不太滿意，但是每個人都可以接受，也沒有誰非常不滿的這些解決方案。

所以大概今天就先講到這邊。我剛剛已經看到 Slido 上有非常多問題。所以接下來我們是不是就請老師上台，然後我們就大家在 Slido 上面的問題，或現場的問題進行問答。謝謝大家。

（掌聲）

感謝唐大使帶來精彩的演講。讓我們再次以熱烈的掌聲表達我們的感謝。

接下來我們將進行的是 QA 的問答時間。現場的觀眾可以透過掃描螢幕上的 QR Code，於線上提交您想向唐大使提問的問題。

同時我們很榮幸地邀請到服務科學研究所林福仁教授上台，為我們主持本場的 QA 時段。讓我們掌聲歡迎林福仁教授。

（掌聲）

謝謝。唐大使，還有今天與會的各位好朋友，大家晚安。

那接到院長給我這任務的時候，我是非常的高興。因為過去幾年只有透過那個螢幕才看到大使。那今天真的很榮幸可以坐到他旁邊，所以我是很高興。

今天大使實際上只大概花了四十分鐘，把一些重要的想法跟大家分享。接下來他很期待有更多的互動。所以各位朋友如果有些想法，這個 Slido 還是開著的，大家可以這邊提出來。或是你沒有提出問題，你可以看一下 Slido，看上面有沒有哪些問題跟你所關心的很雷同，你也可以按一下 +1，這樣可以作為來選擇詢問這樣的一個依據。這也是一種公民（參與），對不對？也是讓大家可以成為今天整個一起來聆聽的一個主人，可以表達自己的想法。

在統計大家的想法當中，其實剛剛有幾個地方的一些大使的看法裡面，我拋出一個還蠻 quick 的議題。因為最近有一本書，剛好您來，我想要好好跟您請教一下。有一本叫做《雲端封建時代》（Technofeudalism: What Killed Capitalism）。

雲端封建主義，是。

這本書出來之後，我覺得對我們在看目前這些大的社交媒體公司在這當中……因為這本書有看過的請舉手？不多。

我很簡單地說明一下。基本上它跟大使所講的東西有很重要的連結性，我想把它做個串接。因為這本書提到，目前這些的社交媒體本身，包含 Meta 或者是 Amazon、Microsoft 各方面這些公司，是掌握整個雲端重要的一些資訊。

這個平台當中事實上，我們都是它最下面叫做科技佃農、雲端佃農。為什麼？我們就上面寫很多我們自己的資料。包含 Facebook 來說的話，它把我們這資料拿過去，加上演算法運作。運作完之後，中間就有很多叫做封建的地主——就作為他們很重要的去跟，比如說跟 Facebook 買點數，幫他公司做推廣。然後他們就可以這麼精準去抓到這些使用者，因為我們這麼多人餵給他很多的資料。而我們實際上是一個所謂的雲端佃農。

最後他透過這部分，這些中間的封建地主就必須要繳租金，給了最上面的封建的一個帝國。

這邊就回應到剛剛您提到過，目前公民的力量覺醒之後，可是再怎麼覺醒，我們還是籠罩這樣的大的一個雲端平台的使用者的狀態之下。所以往前看，如果回到我們剛剛所提到的，以自己的出發點去回應更多自己所關心的事物的時候，那我們要從這部分去做一點不同的想法跟做法？我想用這種方式來作為今天大家在回應問題的時候，一個問題先詢問一下唐大使。

要怎麼達到「耕者有其田」的狀況？我想剛剛講到的數位遷徙自由（Freedom of Movement），這個是最基本的。因為如果你連搬家、攜碼的自由都沒有的話，你可以想像，像我小的時候，我記得當時的提款機，當時還叫提款卡，還不叫金融卡。

那為什麼不叫金融卡？金融卡的意思就是它可以跨行提款，那個是稍微後面才有的事情。如果是你都不能跨行提款，一開始所有好的位置，都已經被大的銀行已經設定住了。這樣你家新的銀行如果要競爭的話，是不可能競爭的。更不要說數位銀行，像將來銀行、Line Bank 這些。你所有提款機都不給你用，那到底辦個銀行卡還有什麼意義？

所以後來很快地，財金公司的前身（金資中心），就建立了金融卡制度。就強制說你可以收一點點手續費，但是你不能不提供跨行轉帳、跨行提款。

然後後來當然電信業也是一樣。就是說你不能不提供攜碼服務。因為如果是同樣的你要改電信商，但是你本來的的手機號碼一定不能留的話，那這樣新進的電信商，基本上永遠都是在劣勢。

那在 TikTok 的這個情況就更加明顯。大概兩年前美國有過一個研究，他們去問美國的大學生有在用 TikTok。發現平均起來，你要說服一個美國的大學生放棄掉 TikTok，你每個月要給他 60 美元（就是接近 2000 台幣）。就是他損失掉那麼多的效益。

但是如果有個魔法按鈕，他一按，旁邊所有人一起都不用 TikTok。他願意反過來付你每個月 30 美元。所以就是說他願意反過來付你每個月 1000 塊，讓他旁邊人都跟他一起不用 TikTok。

所以意思就是說，其實每個人都每天都是在倒扣效益。但是第一個搬走的人倒扣更多效益。所以這個就跟佃農的狀況是非常像的。就是說你不管收成多少，反正就是會要收這個租嘛，地租。而且隨時你的田被收回去，你也沒有辦法說什麼。就像 Facebook 誤判，就把你的帳號砍了，你也沒有辦法說什麼。

所以剛剛講到這種攜碼、遷徙自由，還是要用法律定之。像猶他州或接下來歐盟的法律，基本上就是說，你所產生的這些行為、這些資料基本上都是你的。你是暫時存在 Facebook 而已。但是哪天你要搬家到別的地方的時候，他不能夠不持續提供這些資料給你新的地方。

這樣的話，你就會想像到每一個社群，就可以開始有他自己的、開源的，就是他自己的一畝地。但是它每一個貼文、每個社會關係等等，都是從現有大平台搬回來的。所以還是應該是需要有法律來做這件事情。

謝謝。我想大使的分享，跟我們可以回應剛剛他所談的這些部分的核心的議題。但是這邊如果說這些佃農要一起起來革命，其實以科技來說，不是每個一般的人都有能力可以建構自己的社群的平台。

那這部分從這麼大資本的所形成這麼大的一個網路的公司之下，有什麼方式可以透過什麼方向，有更多這種個別小的社群，有些很好的 technical support，讓這部分可以成為一個可行的方案？這從科技面來看。

你剛剛提到說應該是做立法。但如果以全世界這麼互通的環境裡面，臺灣是小小的國家。我們怎麼樣從一個小小國家、這樣一群的使用者去推動？

不過我想臺灣目前在世界上面的談判位置還滿好的。像廣告實名制我們是第一個推的。但是我們那時候去談判的時候，也是跟 Facebook 跟 Google 等等說：「其實以我所知，別的大使也告訴我說，他們也準備要學我們這一套了。所以你現在趕快實作這一套，你展現出你的誠意。」

然後日本，然後現在各地都通過類似的法律。你越早做到這個法遵，你越能夠跟其他國家說你表現良好，你不是詐騙的從犯。你拖越久，就是你在各個國家所損失的 goodwill（好感）就越多。

這個是蠻有用的。所以當時 Google 就一下子，我們還沒有通過打詐專法，他們就實做了廣告實名制。所以我想具體來講說，我們的談判地位，並沒有我們想像的那麼弱。這是第一點。

第二點是說，我覺得這個也不涉及到內容管制。確實現在因為貿易談判的關係，任何地方只要說我要對美國公司的內容進行內容管制，那馬上你就會收到美國貿易署的一封信，說要加你關稅。這個是公開資訊是可以講的。

但是因為我們所講的只是說，資訊高速公路要有交流道，你要能夠下匝道。所以並不是說我要保護國貨。

我舉例，像大家如果有在聽 Podcast。那 Podcast 你錄製的人用的那個平台，跟聽的人用的平台，很可能是兩個不同的平台。甚至很多 Podcast 都說，你不管在哪裡聽 Podcast，只要搜尋我們的頻道名稱，就可以聽得到。

那為什麼？就是因為 Podcast 它是建立在剛剛講到的開放協定上面，就是 RSS 這個協定上。所以錄的人沒有辦法去把聽的人綁在特定的平台。所以所有的平台都必須要用更好的服務來競爭。而不是說你一開始綁到多少人。所以一開始只要是設定這個競爭的方式，那它的誘因、它經濟上的誘因，就會變成是服務更好，而不是一開始綁住更多人。

謝謝大使，給我們非常好的一個解惑。因為我自己是學資訊管理的，以前剛開始做電子商務的時候，都在談一個詞語叫做「Lock-in User」，都嘗試用平台 Lock-in User。但是發現我們用這套方式做到現在發現，我們是被 Lock-in 到一個大平台去，自己的一個無法脫身的窘境。

回到個人本身更大的自主權，加上一些大家覺醒完之後，有機會說服大公司，也透過可攜性，來創造更加的、更多的選擇。我想這是滿好的、今天很大的收穫。

當然這邊有幾個問題，我想也幫大家問一些問題。我們看到 Slido 上提到，剛剛對於您提到橋接式演算法，其實聽完之後是相當的，對我來說我看的是非常驚艷。It’s a good idea。不過當然這邊就有人提到說，如果這樣的方式可以減少對立，但是從您的認知裡面，這個演算法是不是還有一些不適用的地方？

其實橋接演算法第一次大規模的被壓力測試，就是上一次的美國總統選舉。然後那次 Elon Musk，就是新聞記者做的那些事實查核，他是不相信的。他認為大的這些新聞媒體都受到某些偏見所影響。總之他有一套想法。所以他就決定 Twitter（X）不再使用第三方事實查核，然後全部都用橋接演算法來進行本來事實查核所做的工作。

當然我們很快就看到這個橋接式演算法它的缺陷。它的缺陷簡單講，就是「too little, too late」（太少、太遲）。

就是研究都證明說，你如果看到一個高品質的橋接的社群備註，那確實它對於沖淡極化、對於讓人跟人之間不要那麼彼此仇視，確實很有幫助。而且是會持續長時間有幫助。

但是你在當時美國總統選舉的時候，所有的這些非常偏激的這些發言等等，常常都是出現之後，可能要六個小時、七個小時，你才有個高品質的社群備註出來。而在那六七個小時裡面看過的人，基本上第一個不會回去去看社群備註。然後第二個是就算他回去看，其實他已經（被影響）了。就是他腦袋已經鎖定了錨定效應。所以他後面再看到說「事情其實不是這樣」的時候，他只會感到不舒服而已。

就是說社群備註他要生效，他必須是你第一眼看到的時候——就像 mRNA 疫苗一樣。就你碰到病毒的時候，你同時也碰到疫苗，那這個時候就非常有保護作用。但你如果是先中了，然後過一段時間再接種疫苗，那你一開始那個症狀還是有。那 X 平台他們的研究團隊，那就跟我們——就是剛剛講英國的合作式 AI 基金會合作。所以我們現在就是在做：讓 AI 來寫備註。

我們就不要等人寫出高品質備註。我們直接透過一個訓練方式，它叫 RLCF（Reinforcement Learning by Community Feedback）。

以前在訓練像 ChatGPT 的時候，他都是讓 ChatGPT 生出兩個版本。然後他們一開始是找非洲肯亞的一些人，然後去看說這個版本好還是那個版本好。所以你如果用 ChatGPT 寫英文，很容易就看到很多長斜線，或者是那個 “delve”（深究）什麼什麼的那些用詞。因為那是標準肯亞英語。

總之他們看到，就是肯亞這些朋友們，看到這個回應好、那個回應好，那他們就訓練出 AI 來。但結論就是說，這種 AI 就非常容易拍馬屁、非常容易逢迎諂媚、非常容易順著人講話，提供非常高的情緒價值。但是實際上，就是對橋接是一點幫助沒有。

所以 Grok 他們就提出一個不同的訓練方式。就是透過社群備註裡面，之前成功讓不同陣營的人能夠橋接起來的那些寫法。所以它不是讓特定的人高興，它是讓特定的橋接的能力變強。

所以它現在已經開放了它的程式介面。所以不止 Grok，現在也有人在用 Gemini，或者是像我們是用 GPT 的開放版本等等。任何人都可以參與，用機器去寫這些社群備註。所以這個 too little, too late 的問題，現在正在想辦法解決。應該 12 月左右可以解決到一個程度。

太棒了。所以可以看出來，基本上我們在談人跟 AI 當中，其實是怎麼樣我們可以運用 AI 這個能力，但用在比較能夠達到我們要的那種正面的效益。

這邊就提到往下走，用這樣的一個用 AI 來代理我們，促進人們的意見不同方式的一種橋接，跟慢慢形成某些共識。這邊就有人問到說，那是不是未來可以用這種橋接式演算法來取代公投？讓爭議的議題可以得到不同群組的共識，得到最佳的解決方案？

非常好的問題。我們目前用這些做法，都是在政策形成的時候，所謂的「議題設定」。就是說讓大家提出選項。但這個選項如果最後要收斂的話，那還是要透過本來的民主程序，不管是代議或者直接民主的程序。

但確實我們在加州，現在我們跟州長，就是 Newsom 有合作。我們有做一個平台叫 Engaged California（參與式加州）。本來的民主程序，像加州也有公投，跟我們剛剛講到這套生成式的橋接的這種程序（結合）。

大概的概念就是說，有點像是在臺灣很多提公投之前，會先到我們公共政策網路參與平台上面去試水溫。然後去試到說有 5000 個人的連署。然後正方意見、反方意見，同樣沒有轉推、沒有回覆。然後浮到最上面，大家發現說，我如果把這個題目寫成這樣的話比較好。所以它的公投題目就不是極化式的寫法，而是大家已經比較折衷過的那個寫法。

所以像在參與式加州這個平台裡面，我們當時就是在加州野火發生的時候。你如果個別去問加州的人的話，他們要麼就是所謂的 YIMBY（Yes In My Back Yard，歡迎來我家後院），要麼就是 NIMBY（Not In My Back Yard，別來我家後院），就是連電纜地下化、電線杆地下化都不願意，因為是他的土地。就是雙方吵得很兇。

後來我們就是透過這種橋接式的方式，去找到雙方都可以接受的見解。但是裡面如果有某些需要改到法律的話，那還是經過州議會的程序，或者是州的公投的程序。

但是我們現在也在想說，可能就參照臺灣，如果有一萬個人連署的話，我們就先做一次審議式討論。審議式討論最後凝聚出來的，再送到公投，或者再送到州議會。可以這樣來搭配。

所以公投這個形式還是必須要有。但是實現的那個主文，是大家已經凝聚過。所以公投大家就可以期待是 85%、90% 這樣通過的，而不是說好像都是 51% 贏、49% 輸這樣子。

剛剛大使提到有關於我們叫我們的 Agent 去做健身房的比喻非常好。往往有時候我們覺得讓機器做完之後就完成答案，可是我們自己本身是完全沒有感覺的。所以透過這當中，是人們參與當中慢慢去思考的問題。但是 AI 是幫我們在這方面加速，或是能夠減輕一些我們所謂的 mental effort（心智努力）。這時候可以讓人覺得更愉悅、更快樂地完成這段過程。

這部分當然就回到你剛剛提到的，這樣的一種方式的互動，其實根源於我們從小到大的生長環境。所以有人就很好奇問說，大使您在成長當中，目前這樣的一種想法跟做法，從生命歷程來看，與成長背景有某種的關聯。而把這種關聯如果連結到現在教育的體系，不管是哪個層級的教育，您不曉得從這個面向給我們一些相關的提示？

我在 2016 年加入內閣之前，我本來是 12 年國教課發會的委員。我們在課發會當時設計的新課綱，就是現在叫做 108 課綱的想法。在討論的時候是已經 AlphaGo 就是已經下贏李世乭的狀況。

所以當時就已經可以預測到說，只要是有標準答案、有標準流程的事情，先是認知性的事情，機器大概都會做了。接下來操作性的東西，機器大概也都會做了。

所以如果 12 年國教，就是我們一個 7 歲、8 歲的小孩，你一開始就教他有某種一技之長勝過別人。然後剛好他學 12 年之後，AI 就把那件事情做掉了。那他應該會非常的失落。

所以我們那時候就在討論說，那我們可不可以就是不要像之前那樣子，變成好像每個人都找到他專精的，但是一致性的標準答案等等這個地方。那有沒有哪些是，就算認知性的跟操作性的、有標準答案的機器人都可以做掉的情況下，仍然還是有價值的事情？

那當然後來我們就凝聚成三個核心素養。現在大家應該都知道：自發、互動、共好。

那意思就是說，就算機器人可以做掉所有標準化的東西。「我自己的好奇心」這件事情，還是機器不能取代的。「我想要跟我不同的人之間彼此之間互相合作」的這件事情，還是機器沒有辦法取代的。那以及我們要怎麼樣子去把好像就是你輸我贏、你贏我輸、或者你輸我輸的這樣一種情況，去把它翻轉成雙贏、多贏的情況。這個操作也不是 AI 可以來幫人做的。因為這是人跟人之間的關係的一部分，就是關懷的部分。

所以這些部分都跟標準答案沒有關係。所以我們那時候就設定這些是所謂的核心素養。

所以我後來當然也擔任社會創新相關的政務委員。我們當時也有說，大學就是高等教育，他也可以一定程度上，不要變成說好像每個人各自發展他自己的學問。而是說他在發展學問的過程裡面，也可以去透過互動達到共好。

所以當然好奇自發的部分，還是每個學生自己要做的。但是他可以透過一些社會的責任。每個大學可以勾一些永續發展目標，169 項，看大家要勾幾個。在附近 USR（大學社會責任）做到一些有幫助的專案。如果成功了的話，當然非常有成就感。如果沒有成功也可以發論文。總之就是讓大家怎麼樣都覺得有學到東西，這樣的做法。

所以我想當時都是因為 AlphaGo，然後一開始就可以看到這種 AI 的起飛，所以我們設計了這樣一套做法。現在回過頭來，我想這個方向還是對的。

只是說我們怎麼樣讓整個社會都可以了解到，像以前那樣就是個人跟個人之間的競爭，其實越來越沒有意義。而且所有時間過去，只會越來越沒有意義。關懷的能力才會越來越有意義。我覺得大家越把這個概念能夠擴散出去，我們在終身教育上就越容易。

太棒了。但是這樣的邏輯我還是要再追問下去。因為可以這樣的共好，然後可以自發。但你回到很多的階段的學習的下一個階段的這樣的一種——我們現在也不能講窄門——但是我就是有一個遴選。那樣的共創、那樣的一種共好，在目前的評量裡面，怎麼可以被 identify（鑑別）出來？就回到 AI 可幫忙這一塊，可以讓我們這些參與遴選的，不管是入學考之類的，或是大學教授可以更容易，不會有遺珠之憾？

對。我之前有跟東京大學的校長有聊過這個題目。因為東京大學大家如果有看漫畫都知道，大家都知道是非常注重那個筆試的。就是考滿分的上東大，大家都知道是這個狀況。

但是他們也發現說，第一個就是在有 AI 的情況下，每個人筆試能力都一樣好。你作文沒有辦法拼得過 AI 了。他們本來覺得說，好像日文是有非常多很困難的部分，機器語言處理是不能處理的。但是到 GPT-5 出來，他們去做評比。

我們在資訊科學界有一個叫圖靈測試（Turing test）。就是你要一個人看另外一個人的打字，然後再看電腦的打字。然後你要區分說這個是人，還是這個是電腦。到 GPT-5 出來的時候，好像 70% 多的人會覺得 GPT-5 才是人，另外那個是電腦。就是說它已經比人更像人的情況。所以你靠筆試去測任何東西都是不準的。因為你就叫 GPT 幫你寫就好了。

所以他們現在東大明年會翻新他們的學制。他們會有一個叫做設計學院（Design College / Design Institute）。他們的整個評量方式就都是跨科系。然後是以完成特定任務，就像我們 PBL 那種概念。然後就是以專案為主軸的學習（Project-Based Learning）。以 Purpose，就是以特定的社會使命為主的學習。然後是透過同儕互評，甚至是跨班互評來進行討論。而不是說由一個人去審說你的書審有沒有用 AI 等等。這些事實上都已經沒有意義了。

所以在這個情況下，我想在未來這種就是透過團隊，然後看這個團隊怎麼樣善用 AI，當做這個團隊的輔助或者教練。而不是說去增強團隊裡面每一個個人的這個能力。我覺得顯然會是未來的主流。東大開始做什麼，別的學校就會開始跟進。所以應該很快就會普及了。

在互動當中我發現其實有很多來賓都想要打斷這邊的代為發問，想要有些新的問題。所以我想是不是有些……院長先請。

（接過麥克風）謝謝大使，謝謝福仁老師。先從剛才最後一個問題請教。因為這個評比問題，這其實真的是在校園、在學術界非常非常的，我覺得是困擾。我們同事之間的討論是，我們其實漸漸的、漸漸的淡化了那個鑑別的功能。剛才大使的建議是說，我們盡量用團體的方式——「未來職場怎麼做，在學校就怎麼做」。簡單講就是這樣。也就是說我們要反向、要重新設計。看起來是要顛覆我們既有的評量方式了。不只是學生，可能包括學術界。所以謝謝。如果大使願意再多跟我們分享一些創新的、更具體的方法，我們會非常感謝。

我回到剛才的一個問題。就是社群媒體要為 User generated content（使用者生成內容）負多大的責任這個問題。

剛才大使提到了，因為我們有這樣的一個創意，所以在國內我們先推了跟詐騙有關的，姑且稱他為連帶責任。大使也有提到說，最典型就是美國的 CDA 230（通訊端正法第 230 條）。那個是很極端的。他要管也可以，他不管也可以。他把受憲法保護的言論下架也沒有問題。但是都不管也不用負責任。

當然剛好又提到了說，也許歐盟已經漸漸的有不同的做法。這個辯論是很困難的。因為如果是矽谷的人會認為，他們的 230 簡直是創造網路社會的一個基礎。當然我們也會擔心很多的負面效果。是一旦讓它負責，也許會有一些過度的審查。或者是會造成只有大型的 Big Tech 有能力做這樣的法遵，但是中小型企業其實負擔會很重的問題。

維基百科什麼都要倒閉了。

都要倒閉的問題。所以剛才最後大使提了一個「主動、被動」的這樣的一個劃分法。我就覺得我們想進一步請教。就是說如果這是一個畫線，就是說我們要找一個平衡點。可是以現在的演算法的推薦這樣的一個參數的這樣的設計，什麼叫主動？什麼叫被動？其實這個主動、被動，會不會也本身是有模糊地帶的？

非常好的問題。這個我在 Harvard Kennedy School 有一篇文章叫《Sunset and Renew》，講的就是 230 要怎麼做調整。

其實 230 在美國的一些法院，州級的，它已經有一些判例顯示說：如果你是——我就講名字——TikTok。那你已經知道裡面某一些影片它是違法的。但是你在使用者已經檢舉它違法的情況下，你又推送給其實沒有訂閱這個創作者的使用者。那這個時候他不能夠免除責任。

然後加州的州議會，先前已經通過一個連帶責任法案。是說同樣的就是違法內容，如果平台明知其為違法，而且又把它主動推送給就是被動接受、我也沒有訂閱這個創作者的人的話，那他也要負一些責任。

所以這個我想，我們在英文是把 speech（言論）跟 reach（觸及）分開。就是說你有完整的言論自由，你愛講什麼就講什麼，也絕對不會被下架。但是如果平台主動推給當初沒有訂閱你的人，平台的推送行為，就要算做他的第一方言論，那就變從犯了。簡單講就是這樣，我覺得是蠻直觀的。現在應該是共和黨可以接受的一個解決方式。Brendan Carr 他們可以接受的一個方式。

當然如果更細究的話，就是說如果我自己現在訓練出一個推薦模型，然後是我拿著我的推薦模型去這個社群平台。如果是我自己使用者訓練的推薦模型，那是不是所有我收到的東西，我自己就要負責任了？理論上是。

所以如果是這樣的話，我覺得這個就很好。就會變成是一個向上競爭，而不是逐底競爭的狀況。

因為你就會看到，像維基百科，他絕對不會主動推給你什麼你沒有訂閱的東西。所以維基百科繼續享有絕對免責。

如果今天是 Bluesky，他本來就是分散式的架構。他不會主動給你任何東西。你要看任何演算法的 feed（資訊流），那就是你去訂閱的。如果那個 feed 的創作者要免責，那他就是透過像我們剛剛講 Green Earth 這種工具，去讓你客製化你的推薦引擎。一旦你說「對，這就是我的推薦偏好」之後，那使用者又負全責。所以平台就免責。

所以這樣這個平台就有充分的誘因，去做我們剛剛講到的，包含可攜性在內這些事情。所以整個市場應該就會變成一個比較好的，就是 positive sum（正和）的一個競爭。

所以我是覺得蠻不錯的。尤其是美國是特別適合這樣做。因為他們許多人都對機構化的事實查核已經完全放棄信任。所以他們除了橋接式這一套、可攜式這一套之外，他們也沒有別的選項了。

反而是亞洲或歐洲很多還是很依賴傳統的大型的事實查核機構。可能就要看美國這個實驗成不成功，我們再看要不要跟。

OK，謝謝。可以看出來其實大使是非常相信公民共同的力量，而不是靠另外的監管機制來做。這是很重要的一個關鍵點。不知道還有沒有現場還有其他？請。

今天真的聽到很多令人耳目一新的想法。我現在所困惑的是，這種用 AI 來做橋接式的民意調查，非常非常具有代表性。但是可以讓它進到立法院或行政院去嗎？您有什麼看法？

我們去年的那一個，當然是變打詐專法，跟變成我們叫數位簽章，就是電子簽章法修正案。

如果現在在講的是說，怎麼樣再加強它的拘束力。就是變成……因為其實現在你如果是在公共政策網路參與平台上面提連署案，它正反雙方，其實現在都是用橋接的方式在做 aggregation（統整）。

但是當然它的強度、它的拘束力，並沒有強到相當於立委通過的法案，或相當於公投。它差不多就相當於立委提出的一個質詢案的，就是備詢的那個程度而已。

通常學理上我們是希望用兩個方法。一個是說盡量在小規模的地方先做。像芬蘭他們在全國做這個之前，他們就是先在一些試點的這些，類似我們縣議會、或甚至是一個里的里民大會的那個程度而已。

像我們在美國 Bowling Green 在 Kentucky（肯塔基州鮑靈格林市），就幾千人而已，相當於我們一個鎮。在那個人口裡面，他們就比較容易給出高的拘束力。裡面大概一兩千人有參與這個。說真的非常有代表性。大家都同意的話，我也不需要鎮長說什麼。大家都覺得說這個很棒，那我們就去做了。

所以所謂的 hyperlocal（小規模在地），去增強它的拘束力，現在看起來是相對容易的一個做法。

另外一個情況就是像加州的做法。就是說他們先做基礎建設，然後就等一個緊急的情況，好像野火來的時候。等於整個全加州的關注都在這個上面。而且如果你不趕快提出一個方案，去把州政府、市政府、聯邦政府的權責能夠區分出來的話，那對州長的政治前途也不太好。這個情況，那這個情況它就很容易一下凝聚就是大量的民意。

所以就是在平時的時候用小規模在地的做，但是建立起這樣的基本制度。那這樣子每次就是特別的緊急狀況，像之前疫情等等來的時候，再把它提到全國情況。目前大概是這樣來做。

如果能用 ImageNet 在 LINE、FB、IG 上攔截圖形，這個世界根本 80% 的詐騙是不可能成功的。好像沒有一家公司在做。不曉得天才部長可不可以（自己）下去寫？

這個之前 Gogolook（Whoscall 開發商）有一個 Android 上的系統，叫 Message Checker。那個就是用您所提到的原理。

它的原理就是它 Android，你不管是裝任何的通訊軟體，它都會跳出通知。然後它去攔那個通知的 API。所以它是在你自己的手機上面，對所有的通知去進行篩檢。然後去看它是不是詐騙、或是不是網路攻擊、是不是釣魚等等。

因為它是在你自己的手機上本機運行。所以就像您剛剛講的，它是小模型。它不需要去把你收到所有私人訊息都傳回趨勢科技，或者傳回 Gogolook 等等。

所以防詐騙的做法，現在慢慢都開始從雲往端去移動。因為大部分人不會想要把自己的特別的點對點加密的訊息，去分享給這些大公司。但是詐騙大概都是在這些地方特別的嚴重。所以你要不侵害隱私，又要能夠去進行攔阻。確實像您說的，就是在手機本地去運行小模型，應該是最主流的現在大家看到的解決方式。

我確實有自己下來做這個題目。我有參加一個基金會，我是理事，叫做 ROOST.tools。我們是今年 2 月在巴黎 AI 峰會，我跟 Meta 的 Yann LeCun——就是他們 AI 的負責人，開放式 AI 的算是掌門人吧——以及 Eric Schmidt——就是很關注安全的以前 Google 的執行長——我們一起發展 ROOST 這個概念。

這個概念同樣就像您剛剛講到，就是去訓練小模型。我們一開始挑的題目是 CSAM（兒少性剝削影像）。主要原因就是因為它的非法性在全球都比較確定。其他的可能還有言論自由什麼的爭議，但是 CSAM 應該是沒有太大的爭議了。當然這裡是說跟真人像的，如果是漫畫的那個是有爭議的。但是 anyway，這裡是說像真人的那個部分。

這部分以前的問題是說，大部分你要做這種機器訓練的時候，持有那個圖片就是非法的。所以以前我們沒有辦法做端到端的訓練。只能上載到微軟的 Microsoft PhotoDNA，或者是美國的 NCMEC（國家失蹤與受虐兒童中心）——FBI 的資料庫。

但是現在因為你要合成這種兒少性剝削影像的成本太低，而且你可以直接在手機或筆電上就合成。所以就像以前那種溯源的做法，已經是行不通了。

所以我們現在就是透過一個叫做 CLIP Embedding——是 OpenAI 的一個程式庫——把圖片變成跟它圖片意思類似的文字。但是它在轉文字的時候，不會洩露那個圖片裡面的人的個資。所以你就突然間手上會有一堆文字去描述那個圖片。但是這個文字是可以合法處理的，就是它不觸發兒少性影像的那個問題。然後你就分享這堆文字的描述值，就是它的 embedding。然後我就可以分散式地來訓練這種小模型。

目前我們已經成功說服 Discord，他的訓練平台已經讓 Bluesky 在用了。另外 Roblox 好像也快要用了。所以我們確實是現在在做這種事。如果等兒少性剝削影像這個題目可以完全用這種方式解決，其他的部分，包括您所提的詐騙等等，我覺得也很有希望。

現在也有不用自己接電話，就是透過像蘋果 Apple Intelligence，它會幫你聽電話、摘要、然後跟你講。那個也是用地端的模型做的。那是我之前在蘋果合作的團隊。2016 年就跑掉了。但是他們就留下來繼續做 Apple Intelligence。所以以我所知，現在是有自動綜整的能力。你可以在 MacBook 或者是在 iOS 上都有。它幫你接電話、幫你綜整。

謝謝。非常謝謝大使今天非常多的分享。我自己本身也有先前在網上看過蠻多大使的分享關於教育的部分。我覺得就如同剛剛院長所提的，就是其實現在在對於如何篩選大學生進入學校的這個方式上也有許多的想法。在之後的時代，特別是那三個方向——合作之類的——它是非常重要的一個方向。

可是在現實上，我們的資源就是這樣。台大、清大、交大、成大，就這幾所。在教育的體系之上來說的話，我們要怎麼樣在現實的資源有限的情況下……因為考試的成績，最後感覺比出來之後，還是在以考試的成績去做篩選。

那其實像我自己在學生時代的時候，最後感覺拼的還是我們考試考的好不好。沒有辦法真正的去有那一個區塊。那假設在未來的教育之上，我們要怎麼在實際面去培養到就是課綱 108 課綱裡面那個能力？然後又可以有一個真正的方式去篩選出有那個能力的人，然後可以進到就是可能大家想要進入的學校？

我試著了解一下你的問題。就是說，你覺得現在在高中端，雖然是有累積一些就是團隊的能力等等。但是最後還是看個人考試的那個能力，決定到哪個大學。所以你在想說大考怎麼樣調整……

應該是說我自己作為大學生，我有點不知道該怎麼去做。因為課綱的方向是說要去培養那個能力。但是事實上我實務上面對的就是，你的成績好不好，就這樣子而已。

那是不是有可能會有一個評選機制，是能夠真的是去看說剛剛講的那個三個 108 課綱的能力？我們能不能用這種方式進入大學的評選方式？或者是說，假設是之後——雖然沒有那麼快——可能之後作為家長，那我們要怎麼樣去教育自己的下一代說，他可以在這樣子的體制之下，可以得到他自己所想要進入的大學？

就是說如果現在大學，他能夠信任說，在之前不管高中端，或者是技術高中等等，他這種同儕互評，或者是剛剛講到 PBL 等等的這種就是所謂的學習歷程的這些東西，能夠有可信度。那你建立起這個有可信度的交叉評量的這件事情……

確實一定程度上面，其實以我所知，現在也有一些就是多元選才等等的這些做法、繁星推薦等等。其實現在的狀況我並沒有那麼悲觀。就是說現在已經有一些名額是，透過類似這樣 portfolio（學習歷程）的方法進來的。那之後當然這種 portfolio 的問題，當然還是現在的可信度可能沒有高到這個程度這樣子。

所以我覺去得增強剛剛講到的就是：我們在一個團隊裡面，然後這個團隊討論等等。我剛剛講到的十個人的討論室裡面，其實 AI 它是隨時在讀空氣的。它可以去算出每個人他對於這個團隊討論他的貢獻的程度。他引導其他人討論的程度。

所以如果有個開放可驗證的某種 AI 模型，然後不是很容易被欺騙的，用某種方式去協助評審，去看說一個人在團隊裡面他的貢獻度到底多少。我覺得這個未來確實是一個方向。

但是這個的前提就是說，這個 AI 模型它必須是超在地的、就是我們大家都同意的。而不是說丟給矽谷的什麼黑箱演算法來決定誰要念清大這樣子。謝謝。

我想這是一個很重要的點。不同的評量方式有沒有一定的可信度。所以在清華這邊大家也都了解，實際上蠻重視多元的選才。所以實際上也在多方嘗試一些可能的實驗的方式，能夠找到一些更有效的方式，然後不會有遺珠之憾。

剛才大使您提到這個標準的問題。用 AI 所橋接出來的所謂共識，我們怎麼知道它是真的？誰來認證？這您有什麼客觀的做法？

目前的做法，就是所謂的比較好的一個評量方法，叫 Proportionate Veto Core（PVC，比例否決核心）。

它的做法就是說，可能像我們加州火災是 30 個政策選項，最後選出 5、6 個。我可以證明說，所有參加的這幾千人裡面，任何 10% 的少數，就是任何這樣子挑出來的 10% 的少數，都可以去 veto（否決）、都可以去杯葛掉裡面他們最不喜歡的那 10% 的選項。任何 20% 的人都可以杯葛掉他們最不喜歡的那 20%。任何 30% 的人都可以杯葛掉他最不喜歡 30%。

所以你在數學上是可以證明說，最後存活下來的這些選項，基本上都是讓大部分人就是「雖不滿意但可接受」或比較高興。而不會有任何少數人非常不高興。

那當然你如果只有一個人非常不高興，因為你只是千分之一。你沒有辦法杯葛掉千分之一的提案，因為總共才 30 個提案。但是就是說人們只要稍微有一點點凝聚力的話，就很容易去杯葛掉不要的那個部分。

所以這個算是一個防守式的數學方式。就是說它沒有辦法去做出讓大家都非常高興的那種做法。但它可以證明搭的這個橋，基本上除了極少數極端值之外，其他人都覺得是相當好的。就至少夠好（good enough）。

我剛剛講到那個 Maximizing OS（最大化的作業系統）。這個比較像是 satisficing（滿意即可）。就是說它夠好就好。到某個程度，我們這個橋就先搭了先過了。那某些真的沒有共識、還分歧的部分，你就輪到下一輪再進行討論。所以就是先把低垂的果子先採收掉。

而且在數學上可以證明說，它沒有犧牲掉任何少數族群的權益。大概我覺得目前暫時先做到這樣，已經比本來的、別的聚合的方法要好很多了。謝謝。

大使您好。我這邊有一個問題是想要聊聊你的看法。就是臺灣的軟體業的發展，可能沒有像臺灣的半導體或硬體發展這麼好。去年也有被 Google 的前執行長（Eric Schmidt）說，臺灣的軟體是一團糟，不像硬體。但臺灣的硬體很好，他這麼說的。

然後想要知道說，您對於我們臺灣軟體的發展困境是什麼？對比比如說愛沙尼亞，這個國家他們一樣跟我們一樣小小的，但他們就會提出說 E-Estonia，而且他們是一個高度數位化的國家。

今年的數發部部長林宜敬先生，他可能有提出說我們要做 product（產品），不是做 project（專案）。我覺得這是一個很好的思維轉換。您有沒有更多的觀察或建議，可以給我們臺灣的軟體從業人員，讓我們對臺灣的軟體更有貢獻？謝謝。

非常棒的問題。二月在巴黎跟 Eric Schmidt 發表 ROOST 的時候，我跟他們 Schmidt 基金會有大概討論這個問題。

我的看法簡單來講，就是說我覺得我當年學的軟體工程，有點像手工業者的那種感覺。就是陶藝、雕刻那種。它有非常大的難以直接傳遞的，你必須要當學徒學很長一段時間，才能夠學到的這些默會知識（tacit knowledge）。

但是我覺得現在開始，就是軟體工程慢慢變成比較像是完全機具化的這種作業。可以說是，特別是大家可能有看到，就是 GPT-5 Pro、Claude Code，未來 Gemini 3.0 Pro 出來之後。基本上你只要能夠描述的出來的前端介面，或者是它的呈現方式，精準度不要差多少，那 AI 都可以鉅細靡遺地畫給你。基本上已經不太需要手工雕花的狀況了。

所以在這個情況下，我覺得整個想法就會變得相當不一樣。就是程式設計裡面，可能「程式」的比重會一直減低，而「設計」的比重會一直增加。

就是說你面對機器的部分，很可能到最後幾乎完全沒有。面對人的部分、面對使用者需求的部分，變得越來越高。到最後大家都是架構師加上 PM 的這樣子的一個狀況。

實際像我們當年那樣去雕花的，已經就有點像 Elon Musk 說，現在還是有人在自己種菜。但是自己種菜、在菜園裡面種菜，那是為了強身健體，或者是自己怡情養性。但是並沒有辦法跟工廠化農業來進行直接的競爭。

所以我未來覺得軟體工作——就是宜敬部長的看法——就是以前那種客戶有一個需求，你就專門幫他雕花，做一個專案。這個不但顯然是夕陽產業，而且在未來也不需要這樣子做了。

之前是這樣子做是因為，你要看懂別人的程式的成本非常高。然後你很難去把客製化的專案，改成一個通用化的產品。

但現在是你只要——就是剛剛講到那個匝道——就是 API 的這些接口、介面有設計好。這樣需要客製化的客戶，也不會需要你來客製化。他只要告訴 Claude Code，或者是這些 vibe coding 的工具說：「我今天介面想要長這樣。」他就好像免洗餐具 3D 列印一樣，就把它弄一個他想要看到的前端。等於你只要管營運邏輯那邊就好了。

我講得比較繁瑣，簡單講就是說，如果我們能夠從程式的部分往設計的部分移動。然後再去善用剛剛講到這些機械化的、自動化的軟體產生工具。那這樣就比較容易達到說，我們看到社會需求，就直接做出全世界可以用的產品，也不太需要受到像以前那樣語言、或者文化、或者是慣用操作介面的這些限制。因為你在那個地方去用 vibe coding 去再做客製化就好了。簡單講是這樣子。希望有回答到您的問題。

大使您好。感謝大使今天的講座。大使在講座當中展現了很豐富的學識涵養。我其實蠻好奇，大使目前在這麼緊湊的生活當中，是如何去安排和分配時間的？每天大概會花多少時間在學習？以及有沒有推薦什麼樣的學習方法？謝謝。

對，很好的問題。我其實主要工作的時間都是睡覺的時間。所以我每天一定要睡到八個小時。如果要處理比較困難的問題，就要加班，就要睡到九個小時或十個小時。

所以可以說，白天的時間基本上都是在跟人互動，然後發揮我的好奇心。但是我在白天是不下判斷的。就是全部都收集起來。但是真正下判斷的時候，就是在睡覺的時候。我也不知道是怎麼做的。總之就是醒來就會有一些新的想法。大概就是這樣的做法。

那時候我記得 2022 年，那時候我們正在籌備數位發展部。然後就出現裴洛西議長來台。然後我們就受到網攻。7-11、火車站的外面的廣告招牌都被換掉。

那時候謝翠娟——當時是資管處長，接下來的資安署署長——就是負責去回應這些攻擊。我每天都要他向我回報。但不是回報資安的情況，是回報他睡了幾個小時。分段睡沒有關係，一定要睡夠。

這個概念其實滿簡單。就是說，基本上資安的攻防也好，其他的攻防也好。攻擊的方式，他絕對不會等你去把你的防禦做完。他一定馬上變招，馬上做一個新的方式。

但是人如果沒有睡夠的話，你前一天所吸取到的東西，你沒有辦法真的寫入長期記憶。所以你如果才睡三個小時，你醒來之後，還是用你昨天那一套再做。那這樣過了幾天之後，攻擊方就一定贏，防守方就一定輸。

所以作為防守方，你一定要睡夠，才能夠去充分吸取你前一天獲得的資訊跟情報，新的防守的招數才會出現。所以即使是在最高壓力的時候，像當時疫情的時候等等，我就是怎麼樣都要睡夠。

所以我具體的建議，就是說不妨把蒐集資料，或者甚至做一些評量，或者是做 judgment（判斷）的工作，只要是你醒著的時候，我覺得都可以交給 AI 做。

我現在像我在牛津的 6pack.care 的網站。不但程式碼完全是 Grok 寫的。它就連裡面的內容，我都是讓 Claude 跟 GPT 去互相辯論，然後讓 Gemini 做裁判。然後讓 agent 在那邊 orchestrate（編排）。所以我什麼都不用做。我只要看他們辯論的記錄就可以了。然後試著在中間去提取人類可以看得懂的部分，然後把它變成我的哲學創作。

我覺得未來越來越多的創作會是這個形狀。就是 judgment 的部分，可以在醒著的時候交給 AI。人是 perception（感知）。就是你去看所有其他實際上的需求。你要照顧哪些關係？哪些人會有哪些求知的要求？或者是有哪些增進他們的服務的要求等等。

然後你把這些要求，跟剛剛 AI 的 judgment 去做結合。結合完之後可能有個 prototype（原型）。就像剛剛講一定不完美。不完美沒有關係，大家一定會有很多批評指教。那個就是你隔天的新的 input。

只要每天都能夠睡夠，大概就可以每天有一個 checkpoint（檢查點）。大概就可以一直保持創作的能量。大概是這樣。謝謝。

所以大家就要好好的睡覺。

臺灣的外交處境這麼艱困。大使能夠在世界這麼多一流的機構遊走，是靠海外外交官的幫忙，還是大使自己的努力？

我覺得是靠大家一起努力的結果。因為我現在主要做的題目，就像剛剛說的，就是去極化（depolarization）。就是在社會上已經彼此仇視到一個程度的情況。而且既有的大的機構——像在美國大的新聞機構、大的學術機構、大的政府機構——都預設就一半的人不相信的這個情況。你要怎麼樣子去把它橋接回來？

我覺得臺灣之前也不是沒有過民粹主義，也不是沒有看起來好像麥卡錫主義的東西等等。但是每一次發生的時候，我們就是靠我們可能世代之間的、或者是不同信仰中間的、或者是城鄉之間的，就是有各種共好的這個部分。去把在政治上在別的國家其實就已經會導致非常不可挽回的狀況的東西，我們好像每次都有拉回來。

所以我在國際上面之所以分享這些東西，大家覺得說需要參考、有份量等等。並不是說個別的外交人員，包含我的努力。而是說我們邀請國際上面的研究者實際來臺灣。他們現在非常多，包含一些國際的 NGO 都在臺灣。

他們看我們每一次社會極化、然後再回來、再極化、再回來的過程。寫了非常多的研究報告。像之前哈佛商學院，就有專門就我們疫情期間的情況寫個案報告。所以這些就是大家全民的成果，不是我個人的貢獻。

但是我就是去跟國際的機構說明，臺灣是「壓力造就鑽石」，但並不是說只有在臺灣受到那麼大的壓力的情況下，才能夠達到這種韌性。而是說我們在受到那麼大的壓力情況下，我們想出了一些方案。這些方案其實他們沒有受到那麼大的壓力的時候，就可以用了。如果等到他們再受到那麼大的壓力，可能已經來不及了。

所以像剛剛講的這種廣泛傾聽，或者是青年參與的青年諮詢委員的制度，就是所謂的逆向導師制度。或者是像日本——因為我才剛從日本回來。我們這些我們已經覺得沒什麼的，像剛剛講到的大學社會責任，或者是社區大學的制度，或者是地方上面的這些所謂的社會創新創業、地方創生等等。

其實我們的改變制度的程度……其實這些很多口號當時是日本先喊出來的。但是我們改變制度的程度比他們深很多。所以現在他們再回去看說，臺灣當時因為有這些制度，所以就不受我們剛剛講到的這些民粹等等的影響。

日本他們現在非常擔心民粹主義，就是右傾的這個狀況。所以他們現在就非常關注臺灣的狀況。所以基本上就是靠過去十年大家的成果。我覺得不是哪一個特定的外交人員，包括我的功勞。

大使您好。在傳統產業，因為以目前傳統產業來說，不像電子產業或者是軟體業一樣，通常都已經有很堅強的軟體或硬體的能力來迎接這種新的工具。以目前的狀況來說，甚至很多傳統產業在基礎架構上面是沒有投資的。

遇到的狀況其實是這些傳統產業的 IT 走在比較前面，然後他們想要幫助公司可以進行這樣的轉型。但是這些硬體投資或軟體投資其實沒有立即效益的。對。那在這種狀況下，我們要怎麼樣來協助企業或者是協助領導人，可以進一步的去推動這種數位轉型？而不是只是一直在等世界推它一把。

對。這個題目，其實我當時在疫情的時候，我們有推一個叫做「T 大使」的方案。現在已經蠻多年了。

所以他的想法就是說，我們讓可能大四或者是剛大學畢業的朋友，他不是單打獨鬥然後去傳統產業裡面去當 intern、當學徒。而是說他可能五個人一組。當時好像也有十個人一組，但主要五個人一組。然後受一些基本的訓練之後，好像兩三週的訓練之後。當然有一些去好像夜市，或者是一些地方創生的地方。但是主要是去傳統產業。

然後去當作所謂的 Transformation Ambassador（轉型大使）。就是這群人，他不是聽現有的這些執行者的指揮。而是他能夠代表數位轉型的可能性。有點像是高薪聘請的麥肯錫管理顧問那樣子。然後進去之後去進行診斷。

但是這滿有意思的。因為我記得沒有錯的話，八成多的 T 大使，其實都不是資訊科系。而且事實上很多是學哲學的，或者學其他的相關人文的這些科系。

但是因為就像剛剛講到，一個人單打獨鬥的時候，他會覺得可能沒有底氣，去跟這些傳統產業的老闆們這個斡旋。但是一旦他組成了團隊，而且是在這個團隊裡面大家討論出來是有共識的。那其實他們提出來的很多這些年輕人，因為他數位原生世代的這些想法，其實真的能夠切中傳統產業的需求。

所以我覺得這裡面有一個關鍵，就是說不能由上而下的說，某個傳統產業的哪一個產業，它一定都要怎麼做。因為在那個裡面的竅門，只有那個傳統產業、那個很短的供應鏈裡面，他們的人才能夠了解。

所以應該是把這些有數位轉型能力的人，把它內嵌到這些企業裡面。我記得留任率是蠻高的。就是說他們常常完成這七個禮拜之後，裡面就有一些人就留在那個產業裡面，那就繼續去當他的轉型顧問。

所以我還是要盡可能去促成，特別是二十幾歲這一層級的人，跟傳統產業的決策者——常常都六七十歲了的這些朋友們——他之間跨世代的信任。這個可能沒有辦法透過由上而下的政策來達成，就只能透過大家不斷的互相關心來達成，大概先回答到這裡。

另外，像當時也有提雲市集。就是讓大家不需要做資本投資，而是用訂閱的方式。所以你就可以隨時換一套系統。而且要加入雲市集的話，資料有可攜性。所以你今天覺得不好用，你過三天就轉台，就去用別的。

同樣就是讓傳統產業的人覺得說，他都不需要做 CapEx（資本投入）。他可以一直用很小的 OpEx（營運成本），就夠去試到他覺得「雖不滿意但是還行」的這些方案。再配合 T 大使，我覺得會有一些效果。

當然現在的做法，我覺得跟以前不太一樣。就是說以前你還是團隊裡面至少要配一個真的會寫程式的。但是現在可能連那個人，可能下一期就不需要了。就完全是 vibe coding 的情況。所以我覺得之前 80 幾 % 是非資訊科系，可能以後可以 90 幾 % 是非資訊科系。以上。

OK 好。因為時間關係，所以我想最後做簡單的總結。

所以今天從唐大使所描述當中，各位發現是在唐大使的歷練當中，這方面的能力我們都覺得我們遙遙不可及。但他今天告訴我們一件很重要的事情，是我們都不是……不見得很多都是數位原住民，包括我自己在內。但他給我們很大的一個鼓舞。

所以我們只要能夠回應，就是我們是整個科技發展的主人。那怎麼樣透過我們好好去跟 AI 合作，透過這樣的 AI 的輔助當中，來真正彰顯出我們本身想要表達的意見。來透過一些比較好的、屬於我們可以去透明化理解的這些 Algorithm（演算法）。讓我們成為這當中的一個參與者當中，能夠快速達到更多的共識，來解決我們周遭的問題。

所以最後所提到的「地神」的概念，我想這是很合乎老子所講的，這是小國寡民。就能夠更小的幅度裡面去做一些互動跟協作，而降低很多大幅度所造成的時間延遲，也增加了所謂的多中心的韌性。

我想是大概呼應大使所提到的韌性這部分，也充分顯示出我們臺灣在四百多年以來，所累積下來的社會的一個氛圍裡面，是可以從很多的變動當中，達到重新再出發的一個方向。

不過我還是有些問題要再繼續想詢問，但因為時間關係，我們就到這邊。但是我想各位有些問題可能還沒有被回答。沒有關係，把問題帶著。透過未來可能有機會，也許大使或其他單位辦理相關的一些公民式的參與的時候，可以再提出來。

那充分來幫我們自己對於整個自己身邊的事物，跟怎麼未來發展的部分——從教育、從生活、從產業，還有更重要從臺灣的整體性的發展——都可以找到我們個人在中間可以參與的機會。

所以最後想要用大家的雙手，來謝謝大使今天給我們的分享。

謝謝大家。謝謝。

謝謝。非常感謝唐大使與福仁教授精采的分享與主持。接下來我們將邀請的是科管院的彭心儀院長上台，代表科技管理學院致贈感謝禮物，以表達我們誠摯的謝意。請院長上台。

接下來我們要邀請的是林福仁教授，代表科管院致贈感謝花束。

最後讓我們邀請唐大使、林福仁老師以及彭院長，我們三位一起合影。

好，請三位一起來我們攝影師比個讚。我們唐大使的演講非常的讚。小愛心。好。

那我們今天的演講就到此告一段落。再次感謝唐大使的演講。