臺灣沒有很多人知道。
所以要讓很多人知道自己有這一種權利？
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？
您是非常有良心的系統建設者。
您怎麼看數據AI背後隱藏的隱私問題？
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。
這個能力有辦法做到嗎？
所以一開始就要把很多的情況思考進去？
這個公開技術的內容過程當中，會花很多的錢嗎？
這一種無人載具要監理或者是可以交代的是？
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？
我們是多早就有這樣的精神？
所以歐盟的方向是值得我們國家來學習的？
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。
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。
還是要有討論的過程？
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。
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。
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。
可能因為模型的錯誤，就是沒有辦法停下來。
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。
萬一這個判斷的人……
這個是需要人去決定30的極限。
200時速是人設定的。
不管怎麼樣。
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……
主要是道德決策上。
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）……
AI是主要輔助人類的系統。
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？
所以這個數據紅利是可以為全民所共享？
這個空氣盒子的故事跟數據紅利的關係是什麼？
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？
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？
大概什麼時候會成立？
您會參與數位發展部會的籌建嗎？
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？
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？
據您的瞭解，這個部會會為臺灣帶來什麼樣的新氣象？
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。
創新的地方是在這裡。
口罩1.0至3.0的部分，可以用數據防疫來形容嗎？
就是健保卡數據。
現在已經進化到3.0了，這背後是不是有整合了健保數據？
剛才是1.0的部分？
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？
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。
主要是運用跟服務。
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。
對，會有20～30頁的專題報導。
