跳至主要內容

簡短的感想:關於我國公開資料加值推動策略會議

其實這些東西早該整理出來了,結果在這個所有事情都忙成一團的四月,心裡有個催促的聲音。因為時間久遠,我只能簡單的,把我記得的寫下來。
這場會議是今年一月十八日由行政院科技會報辦公室所主辦的「我國公開資料加值(open data)推動策略會議」。可以在這裡下載會資料。
筆記如下:
  1. 當天致詞的朱敬一委員(現任國科會主委)提到國內的健保雲、醫療雲是很成功的典範,並特別提到故宮的數位典藏。
    至今,事情已經演變成:歡迎加入連署+寄信給健保局(((((健保局:請尊重我的資訊自主權))))),以及目前國人健保資料的各種被應用、加值並開放提供申請的現況
    除此之外,凡是政府官員都不忘提及布朗大學對台灣政府資訊化的評價有多好,政府資訊公開法的要求及各公部門網站資訊公開專區就是Open Government Data。
  2. 利用社群軟體,政府提供資訊,由上而下,讓民眾及企業得以開放使用。讓商業公司開發API,使用者可以使用,同時也能在使用的過程中給予回饋。
  3. 個人的資料收集容易偏向某個主題(深度夠,廣度不足)。
  4. 降低進入門檻可以激發創意。我想主要還是因為目前政府所開放的資料格式還是固定的幾種,且提供的資訊並不是民間所需要的資訊,兩邊的資訊是完全不對稱的。所以應該是以需求者的角度,像是民眾的切身需求來刺激創意(網路社群創新型服務發展計畫)。從臺北市政府公開資料平台上所提供的資訊可以看到停車場、醫療院所與合格的公廁,都是最常被下載再使用的資料。
  5. 問及隱私的問題。兩位國外的講者異口同聲的表示不會去接觸涉及個人隱私資料。我想這是國情的不同導致。
  6. 因為當天有廠商經驗分享,所以有提到規費法(使用政府資料需要付費給政府)。附帶一提的是,政府的財務審計則是依照審計法
  7. 平常運作時便做資料收集,做分類動作時便可減輕負擔。
刻意把英美兩位open gov的代表的筆記留到最後。他們兩位給我的印象很有趣,來自英國的Andrew Stott一直看手機,而且在台上的講話方式像是在對某個人而非一群人說話;美國open gov的代表 Kathy Conra的態度就是十分的正向,像是提到醫院資料的使用,她覺得使用者可以在這些APP上提供使用評價,同時也能協助醫院做醫療品質的改善,而人們也可以因此互動、連繫。另外像是地區的犯罪狀況,購屋前可以查詢當地的犯罪率高低等,都可以透過政府將資料提供出來後,再透過軟體開發讓使用者使用,同時,因為資料量龐大,也需要常常有人做資料正確性的確認,所以他們的工作時間並不短。
這是國情的不同,而且是非常大的不同。當他們以非常陽光的態度在講這些訊息時,我想起曾經有個APP是在評價醫生的,因可能涉及個資問題,最後下架。在房價資訊上,當屋主或地主要賣房子時發現自己的區域是犯罪率高的地區而房價下跌,或居住在某個地區的人家,他的小孩子在學校被其他同學嘲笑住在犯罪率高的地方?(像是中南部都笑臺北人是天龍國人一樣)。
當台下的人提問關於隱私議題時,這兩位代表只回答一句:我們不會接觸個人隱私資料。
這是因為臺灣的人長期生活在不知道什麼是隱私的關係吧!

美國:Data.gov:http://www.data.gov/
英國:Opening up government:http://data.gov.uk/

留言

此網誌的熱門文章

哪個應用、服務、平台可以代表台灣?

大概 2003、 2004 年,我還是個大學生,那個時候「電子商務」是一門選修課,那個時候台灣還在所謂的電子商務泡沫化中復甦,很多熱極一時的「電子商務」就像今天大家看到的 FTX 事件一樣,一點都不真實,很多執行長、總裁瞬間就失業了,也有很多投資人的錢拿不回來。 看過歷史上的鴻源事件、經歷過電子商務的虛無飄渺時期,再看到 FTX,其實也不會太驚訝。通常泡沫消散後,未來才會到來。 回到大學課堂,穿著輕便但言語犀利的老師談到當時的 Amazon 網路書店,他問大家對 Amazon網路書店的看法,那時的Amazon一直被看壞,所有的媒體都不看好它。甚至會有各種市場傳言,覺得 Amazon會被賣給哪家公司或哪家公司、網路書店會主動併購它。 最後老師說,不會,Amazon書店不會那麼輕易就垮掉,它有其代表的意義。 這個答案給了我很深的印象,我常會問自己,台灣有哪個服務會具有這樣的意義? 偶爾我會問身邊的朋友、同事,對於台灣的哪個服務,會覺得有不能輕易垮掉、要支持它的?我列一下自己所接觸過的,這個世代的應用: 通訊服務:ICQ、MSN Messenger、LINE、Cubie Messenger(台灣,已無服務)、Google Talk、WhatsApp、Telegram、Skype、Signal,還有一些台灣可能較少聽到。 社群平台:Twitter、Facebook、LinkedIn、無名小站(已停止服務,它雖然是Blog,但比較像社群)、Plurk、PTT、Dcard、Instagram、AKASHA、Pinterest Blog平台或架站:Blogger、Wordpress、Drupal 共享書籤 : HemiDemi(已沒有提供書籤服務)、美味書籤delicious 叫車服務:UBER、55688 、呼叫小黄、LINE Taxi、yoxi  當然還有很多是我沒接觸過的,請原諒我的見識不夠廣泛,忽略了哪一個平台、應用或服務。一時想到的大概就這些。有一些服務已經消失或在被併購後就消失了,我也忘了名稱,至於 TikTok 和小紅書,是我不想碰觸的應用服務。 在韓國有 Kakao,日本有 LINE、PayPay,東南亞國家有Grab,中國有自己的網路應用,那台灣呢?之前 KaKao 中斷服務,造成民生應用的線上服務也幾乎中斷,過度集中依賴在一個服務上的確是一個缺點。在和...

我在不會寫 code 的情況下做出一個桌面工具

當各種AI工具迅速發展的情況下,大家也開始製作自己常用的工具,更進一步公開分享給大家使用,例如 Jimmy Su 就分享自製的 沉浸式翻譯工具 ,滿足一般人平時上網閱讀外文頁面的需求;進一步像是 Justin Lee  開發的 ccxray ,讓Claude Code的使用者可以監看Claude Code與Anthropic API之間的互動,使 AI Token 的消耗變成視覺化的儀表板。 為什麼做這個工具 AI 幫助許多一般網路使用者做出適合自己使用的工具,我自己也曾 分享自己的經驗 ,現在做出一個應用程式的門檻已經降低許多,AI不會讓程式設計工作消失,反而讓更多人投入這樣的工作,從這個角度看應該是好事。 我自己也用AI打造一些工作上會使用的工具,包括後來做的這個「 AI-Doc-Translator 」,這是獨立自我日常工作使用的工具的其中一個功能,做成一支桌面程式。 由於每天都會接觸到外文論文、期刊,很多PDF檔下載後,只會放在儲存空間裡,或是丟到電子書應用程式裡,但什麼時候再打開?打開還要再閱讀外文的摘要、從頭理解?這些都會消耗掉耐心,於是我讓AI先幫我摘要重點,讓我大致了解檔案內容、記錄後,再做關聯成為自己的知識庫。 這個工具主要的功能是翻譯、摘要,它不是通篇翻譯,也不是改寫作者的內容,只做摘要,長期累積起來的文件會相當可觀,就可以做成知識庫應用。人們通常在下載文件時,自己已經先篩選過資料了,也不是隨便下載,所以使用者自己就是守門員。 為什麼不用 Notebook LM 就好 當然也有很多人習慣把檔案抓下來後丟進各種AI工具,Notebook LM、各種AI Chatbot或是翻譯軟體,但我自己在使用後的心得是,因為資料量太多,Notebook LM的效能會很差,而各種AI Chatbot 在對話結束後,使用者要再找回對話記錄可能還要花時間找尋。那為什麼不平時就開始做知識庫呢?所以在翻譯、摘要的過程中,也是在建立自己的知識庫,存在某個資料夾,可以再利用各種工具來搭建。 我自己是使用 Obsidian 配合 Claudian Plugin 一起使用。在閱讀由LLM產出的摘要時,我一定會遇到無法理解的內容,就可以再使用Claudian進一步「討論」內容,或請它解釋。於是文件就不是只有文件,而是可互動性的內容,也不會只在電腦裡積灰塵。 製作「AI...

不是公司設在哪裡,是公司的服務對象是誰:臺灣中小企業的跨境法遵現實

歐洲資料保護委員會(EDPB)在2026年2月發布的刪除權調查報告,給我一個很難忽視的數字:他們聯合調查了將近8,000家企業,回應率不足一成。 這個數字不只是個資法遵落差的指標,它更像是一個訊號:當監管機關開始大規模橫向調查,沒有回應不代表豁免,代表的是還沒輪到你。 更讓我在意的,是這場調查背後的制度性涵義。EDPB首次明確將備份系統納入刪除義務範圍,這意味著企業不能再把「刪除」當成一個資料庫指令的問題,而必須把它理解成一個系統架構問題。這一步看起來是資料保護法的問題,但它實際上開始觸碰AI系統設計的核心:一個以個人資料訓練的模型,要怎麼「刪除」某一筆資料的影響? 這正是我想在這篇文章討論的事:三個原本分開運作的監管領域——競爭法、資料保護、人工智慧監管——在近年間,已經開始彼此滲透,形成臺灣中小企業難以用過去的法遵邏輯應對的複合壓力。 競爭法:從行為合謀到架構審查 全球反壟斷執法在過去一年發生了一個根本性的轉變,而它的影響遠比多數企業意識到的更廣。 過去的競爭法問題大多有一個清楚的前提:企業之間是否彼此溝通、達成協議。現在這個前提正在鬆動。美國加州的反壟斷法在2026年1月修訂後,正式將「競爭對手共同使用同一定價演算法」納入審查範圍,即使業者之間沒有任何直接溝通,只要共享了同一套系統的輸出結果,就可能被認定為形成協同定價的制度環境。 這個轉變的理論基礎來自稍早的RealPage租金案:多家房東將非公開的即時租金資訊提交給同一平臺,平臺以演算法生成建議租金。法院的判斷是,不需要租東彼此達成共識,這個「共同使用同一個資訊中介」的架構本身,已經可能構成協同定價的條件。 紐約州對Instacart演算法定價機制的調查,和歐盟對Google AI內容抓取的反壟斷調查,都在同一個方向上進一步延伸。歐盟這個案子格外值得注意:Google被指控在未取得授權的情況下,以爬取網路出版商內容的方式訓練AI模型並生成搜尋摘要。這是競爭法第一次正面觸及AI訓練資料取得的合法性問題——從反壟斷法的角度,不是從著作權法。 對臺灣企業的直接影響在這裡:如果你的公司使用第三方定價工具、需求預測平臺或市場分析服務,你需要知道這些服務是否同時服務你的競爭對手,以及這些系統是如何處理競爭敏感資訊的。這不再是IT部門的採購決策,而是一個具有競爭法風險的經營選擇。 歐盟《數位市場法》(DMA)和英國《數位...