所以它在技術上面也好、在法律上也好，都可以節省平台方的成本。所以，目前以我們所知，已經有在做這些 KYC 的，這些數位經濟相關的行業，對於能夠用一種自動化，而且又可以節省他們的時間，然後在法律風險上也比較少使用這樣一種數位簽章的方法，都是樂觀其成。希望有回答這個問題。

而且，數位簽章因為按照新的《電子簽章法》，它已經推定是本人簽名的效力，所以它用技術直接去驗證就可以了，不需要每次再去看身分證正、反面的照片，它到底是什麼時候拍的？它真的是針對這次來提供來使用嗎？還是說這個人也可以主張它的正反面照片是之前留給別人的，是那個人冒充他？這在舉證責任上比較麻煩。但是因為每一次簽到電子文件，數位簽章都會留那時具體的日期、時間等等，所以就很清楚說我這次簽，是為了登這個廣告來使用。

當然這裡的挑戰是如果要把這種 KYC 的做法變成各種廣告，像投資廣告什麼都要適用的話，目前從 Facebook 的角度來看，它驗證文件所需要的成本，包含需要的時間等等，就會越來越高。

至於，問到平台是不是有技術上面的能力，我們舉 Facebook 當例子來講好了。在政治類的廣告，Facebook 現在已經有 KYC 的要求，如果要在好比說選舉期間，登一個幫誰助選等等的這種廣告或者是他們叫做泛政治類的廣告，當然包含社會議題的廣告，目前他們需要透過像正、反面影本的身分證，或者是其他的證件，來進行真實性的確認。

所以，接下來我們也會跟內政部警政署、金管會儘快協調，看是不是儘快在要點層級把這個準備好。當然它實際上要生效，需要數位簽章給予這個法律的定義，所以還是需要立院三讀通過《電子簽章法》這次的修法。但是我們會儘量準備，修法一旦三讀通過，我們這邊不管是技術上，還是行政規則要點上面的配套，就可以第一時間做好。

第一個是，我們管轄「無實體網路廣告」這個營業項目，會不會需要修法？以我們所知，行業登記表的修訂等等是屬於行政上面的公告。

我看 slido 有個問題，我們是不是就接著來回答？這是中央社思云的問題，可能分成三個。

所以這樣子的情況下，好比像我們一些銀行跟立陶宛那邊的企業要進行金融的往來，或者反過來，我們存取立陶宛一些 Fintech 等等，這些部分都可以透過這樣的方式，而不是像現在如果一定要紙本的話，就要透過像 FedEx 等等方式，把紙本的文件從這邊寄到那邊，我想碳足跡或需要等待的時間，透過數位簽章的方法，都可以大幅節省。不曉得俊秀有沒有要補充？

另外還有一個例子是，像我們之前有去立陶宛，立陶宛是非常普遍地在使用這樣數位簽章的技術。由於我們以前舊的《電子簽章法》，現行版本並沒有技術對接、安全相當，可以彼此承認，所以目前為止還沒有國外的憑證機構跟我們來申請承認的情況。現在我們新版是，只要安全程度是 OK 的，技術可以直接對接，不一定需要簽兩國之間的合約，我們還是可以互認彼此的簽章。

像您剛剛提到金融方面，不管是個人的開戶或是貸款等等的應用，或者是法人的應用等等，今天在院會上金管會黃主委也說，《電子簽章法》通過是讓他們法定的效力變得更強，然後更容易去確認這個人數位簽章的身分。所有跟金融有關的業務，都可以來運用。

對於一般人來講，其實任何需要簽名或蓋章的場合，我們新的電子簽章法通過之後，只要相對人不反對就可以去運用我們電子簽章、電子文件的方法進行線上簽署。

很棒的問題。對，我們剛剛講的主要是防詐方面的應用。

我就先補充到這邊，接下來就如果大家有提問的話，我們再來回答。

我們就會第一時間主動發現這些狀況，特別是在投資詐騙的態樣裡面，盡快地去協調大家都要運用數位簽章，然後來進行源頭管理。

當然，在大家的關注之下，我們也看到大家希望我們不是只是去掃描電商，或像這些投資詐騙廣告，其實數產署所負責的所有這些數位經濟相關產業，甚至包含第三方支付、遊戲產業等等，接下來都會是我們聯防平台的成員。

所以我想這部分的工作，我們也很積極地在跟經濟部進行討論。因為在此之前的廣告業，包含實體、網路上的廣告是經濟部所主管，現在因為數產署成立了，所以就是無實體的純網路廣告平台，我們接下來也會爭取成為主管機關，希望很快能夠成為「無實體廣告業」的目的事業主管機關。這樣的話，我們作為主管機關，再加上《電子簽章法》，如果修法通過的話，就可以有相當多源頭防治的運用方法。

第二個，他以後再去刊登這種投資詐騙的廣告，也沒有辦法那麼容易地再變出另外一個自然人的身分來，因為他不可能再取得數位的印鑑證明，然後另外做出一個數位簽章等等，這樣的話，就可以很有效地達到聯防效果。

第一個是以前被檢舉下架之後，他換另外一個帳號後又上架，所以就變成每個 24 小時下架之後，你隔天又看到差不多的東西。但現在因為數位簽章，是關係到這個個人，所以他如果真的簽了，發現是假冒的，然後把它下架之後，同一個自然人在別的平台所登這些投資詐騙等等的廣告，我們透過聯防的通報系統，就可以一次告訴其他人都要下架。

這樣有什麼好處呢？

所以，接下來我們就會跟主要的網路廣告平台，像剛提到 Facebook、YouTube 或者是 LINE 等等說這類的投資廣告，未來不是上架後被檢舉再下架，而是上架前就要求上架的那個人去簽數位簽章，也就是要為他刊登的內容負責。

現在數位部透過《電子簽章法》修法，剛才俊秀副署長有說，我們不是像以前那樣只有電子簽章——好像電子文件上面蓋章而已——我們還多加一個層級：數位簽章。等於那個蓋章有一個印鑑證明，可以證明真的是這個人蓋下來的章。

但 24 小時下架之前，那個名人的臉還是在那裡，大家滑的時候還是看到那個廣告，所以造成相當大的困擾。

像這樣的投資詐騙，我們在防詐相關的聯防機制裡，數位部數產署其實都已經有主動去掃描。它如果是連到一頁式的網站的話，那個網域如果你有點下去的話，你就會看到 165 已經把它的網域攔阻掉了，也就是把這個訊息攔阻掉了。

很謝謝俊秀剛才的說明，接下來我就舉實際應用的案例。大家可能知道現在在網路上很多的廣告平台，好比像 Facebook、YouTube，有時會看到某個名人的名字，甚至還有他的照片，然後說就是他推薦什麼投資之類，請大家加入等等。

謝謝。

所以，我想今年我們也會特別關注這種生成式模型，如果用在法律相關的工作上的話，怎麼確保它是不只是符合我們當地中文用法的準確性，而且也符合六法全書裡語言的準確性。

像我們平常說這個有沒有「辦法」，辦法是那個意思，但是在法律裡面「辦法」完全另外一個意思，類似於「要點」。或許不一定要用「辦法」這個例子，可能再想別的例子，但法律就是一個非常需要準確性的行業，而且它的用法、行話的用法跟普通語言不一樣。

對，我覺得你如果要舉特定行業的例子，倒不妨舉法律相關領域，不管是律師事務所或者是甚至未來公部門來使用的例子。因為法律就是一個很明確的、有它的行話的領域，也就是說，同樣的字在日常用語是一個意思，但在法律很可能是另外一個意思。

好的。

你一旦有這樣子的需求，你的下游開始跟你要求準確性的話，你去挑準確性高的模型，或是你透過微調的方法、對齊的方法，讓你手上的準確性變高，這個需求才會創造出來。有了這個需求之後，就會有更多人投資在這種調整的技術上，但這些技術，都是已經成熟的技術。

所以應該不會到同樣程度的熱潮。但就實用性的要求來講的話，確實會有越來越多這樣子的需求出現，所以不會是這一、兩年內的事情，有可能三、五年內，會慢慢走向這樣的情況。現在技術上已經比較成熟了，大家感受到這種需求的程度會越來越多。

我們評測的這個能力，大概今年會陸續建置。因為這主要是企業端才需要，你是一個比較大的組織，才有自己的行話，個人的行話可能沒有那麼多。所以，我不覺得像之前 GPT 一下到 2C 的時候，那樣子變成好像每個人都有點 FOMO，「這個我沒用過，是不是落伍了」這樣。

如果現在機器翻譯的模型，可以很容易去微調成這個滿足準確性要求，當他準確性高過專業翻譯工作者的時候，專業翻譯工作者就會變成只需要最後稍微校個稿。他大部分時間，反而是在調這個模型，而不是在翻譯文章。我想很多地方，大概都會看到類似的情況。

當然，像我們剛剛講到的翻譯，就是最好的例子。如果現在機器翻譯的準確性，一直都不夠好，那翻譯的人，總是最後還要有一個重新校對的一個過程。

當然OpenAI 也有賣微調服務。可是它的那個服務非常非常貴，就除非你非常有錢，不然通常付不太起。但你下載下來，在自己的機器上微調，或你租個雲端來微調，現在需要花的錢真的就很少，可能幾千塊。所以會越來越多人，因為準確性的要求，就開始去看到這種開放式的、地端可以部署的模型的好處。

某種程度來說，它還是把過去留在語言裡面的，那些行內知識、沒有被文字化的行內知識，灌到這個相對地端的 AI 模型裡面，好像給它上補習班。

對，一個詞彙表。你這個模型拿來，配上你內部的詞彙表，然後跑個一個晚上或兩個晚上，你就有了一個學會你的這邊特殊的、能夠要求你的在地的、我們叫地端的模型。可以有一個更好的準確性、調校過的新的模型，但就是微調，稍微調一點點。

去年是有這個權衡，你要就調一個比較厲害的，但你能調的範圍真的很有限。你如果想要自己從頭調過，那威力就不怎麼樣了，能力就不怎麼樣了。但在今年，特別因為是2月這波新開放的模型出來，大家發現說你在可以自行調校的前提上，它的能力都沒有比 GPT 4 差多少，或甚至一樣，這時我想就會有越來越多人，因為要自己調校的關係，會去選擇這種比較開放的模型。

以前是你要能夠自己再調校，它能力就會比 GPT 差，但你如果不能自己調校，GPT 容許的調校範圍很窄的。這時GPT 就可以享受到比較好的功能，但你對它的控制力比較低，對不對？

所以，今年一個很重要的研究方向，是因為現在開放的模型、大家可以自己下載模型，已經早就超過 GPT 3.5 的能力了，而且事實上已經非常接近 GPT 4 的能力了。很多人會說，今年一定就會超過 GPT 4 的能力——至少在純文字上——所以這個時候你就不需要去做取捨。

好比，我們現在很多翻譯社，在你給他翻譯文章的時候，你可以給他一個 glossary、一張詞彙表，然後說在我們的用法裡面，這個英文字就是要這樣翻，而不是那樣翻。所以，等於再給他一張額外詞彙表的這件事情，再進一步對齊。

所以也不要覺得 TAIDE 就這樣對齊，一切事情都解決了。而是我們自己在部署在應用的時候，我們還可以再做第二次的調校跟對齊。

當它有一些自訂的詞彙、一些行話（jargon）的時候，不管是 TAIDE或者其他是對著教育部詞彙訓練的模型，都沒有辦法完全達到在那個特定行業，或特定場域裡面要的準確性。

對，我們說隔行如隔山。其實每一個行業裡，都有類似於剛剛土豆或窩心的狀況，一個詞語都在臺灣使用，但是跨了學門意思就不一樣了。又或者是可能有一些公司或者是一些事業，它內部有一些自己約定俗成的詞或者一些簡稱，這些在外面的字典是找不到的。

我們在這邊講的只是「土豆」這個字跟「花生」這個字比較近，還是跟「馬鈴薯」這個字比較近？或者是「窩心」這個字，它跟「溫暖」比較近，還是跟「不舒服」比較近？這種字的距離，好像跟我們在應用上面，所謂道德倫理，關係好像比較小一點。

因為等於是它幫我們做了，是守門員的概念嗎？可是「字的意思」好像無關乎道德，對不對？

因為它這個預設的回答，顯然符合北京話的準確性的要求。他們那邊也可以有準確性要求，所以你不能說它原始資料有誤，你應該是說它的原始資料不是符合我們這邊的準確性的要求。這時就要透過對齊的方式。所以，像 TAIDE 在 Llama 的基礎上繼續訓練，去調整、讓它對齊，變成能夠符合我們這邊準確性要求。

你剛剛提到如果一開始訓練的資料，就像我剛剛舉的例子，Llama 一開始訓練的資料裡面，顯然「窩心」是不舒服的意思的原始資料比較多，它才會選擇這樣翻譯。但你要說它錯誤嗎？也不是錯誤，只是它沒有符合我們這邊的準確性要求而已。

所以我們不會自己憑空發明題目，我們找這種準確性題目的時候，後面都會盡量用現有的，而且是有教育規範效力的。像剛剛講到國家教育院的雙語詞彙、學術名詞、詞書資訊網或教育部其他的資訊網等等，都可以當作我們出題的方法。