跳至主要內容

一週腦力激盪:Focusing on ideas and requirements

從04月23日的丹麥創新設計,到26日的2013 IOT x Big Data 台歐智慧產業高峰論壇,最後是27日下午的Code for TomorrowEarth Day Workshop,彷彿進行了一週的腦力激盪。 在23日的演講結束後,讓我最難忘的是台上的講者說的一句話:Focusing on ideas and requirements。 至於IoT & Big Data的論壇,我看到了資策會的專家們畫出了許多的願景,同時還不斷提到:「台灣是個很適合當做測試的地方。」這點我不奇怪,就像手機剛發展時,Nokia與Motorola只要有新的機型,都會先拿台灣做市場測試。一來是因為台灣人喜歡嚐鮮,二來是台灣人還頗捨得在三C電子上的消費。不過IoT是個整體環境的連結,小至資料,大至產業,如果貿然的就做測試,沒有完整的配套措施,可能會導致一場災難,而這也是趕流行的公部門常犯的失誤之一。 到了27日下午的地球日工作坊,儘管我不是寫程式的人員(也不是工作人員),卻也感受到一種開放力量所帶展現的生命力。
這場期待以久的工作坊剛好是在G8的Open Agriculture之前,在短短的兩個小時裡產出了兩個計畫:
  1. 好愛米(Good Rice,計畫的主持人是C.K.,我簡短的列出以下:
    • 地籍與所得資料的結合。有產銷履歷表的資料是屬於所得較低的地方。
    • 土壤污染與產銷履歷的結合,讓消費者了解米的來源是否為安全來源。
    • 購買所得較低的地區所產的米,以公益給予協助。
    • 地籍資料的對應與取得,需要付費給縣市政府,如何避免隱私權的問題。
    • 如何連結消費者與生產者。
    • open street map的使用,劃出農田的範圍。
    • 農夫市集 farmer market的時間/地點結合(目前民間與政府都有提供相關的資訊)。
  2. Food Open Data:這是由Kny所提出的,透過使用者在手機上安裝APP的方式,把食品包裝上的條碼掃瞄拍照後做辨識,可以知道這個產品的履歷及加工過程。聽起來很像是農委會做的農產品產銷履APP,也很像安心食品履歷追溯網所提供的APP的做的功能,不過這兩個APP的各自獨立,且後者的APP的掃瞄後就出現資料庫錯誤的訊息。在一群工程師低頭默默的寫程式打拼的過程裡,在外面稍微聊了一下這個APP的應用方向十分的廣:
    • 醫療用途:食品成份的致敏性、慢性病患者的飲食控管。
    • 食品履歷追蹤及安全:食品添加物及相關加工工廠資訊、健康食品認證相關資訊。
    • 社群的相互交流。
    • 甚至可以把Good Rice的資料庫包在裡面。
    • IoT的應用,我拿冰箱來舉例,而這似乎也是目前業界在做的:
    • 讓冰箱裡有一個條碼掃瞄器,當購買回來的產品在放入冰箱,條碼解讀後,除了了解產品的來源外,也許可以提供主婦食譜參考,在食品到期日前發送訊息到手機裡,可以避免食物的浪費。甚至可以計算出一個家庭的食材使用量,當食品將要吃完時可以發送訊息到供貨商,例如像主婦聯盟或是大王菜舖子這類的食品合作社可以提供一週的食物量、從營養師的資料庫取得營養保健建議,同時也可以避免你家的冰箱成了異次元空間,找到長出不知明生物的過期產品,保持冰箱的清潔與衛生。在這樣的一個例子裡,正是目前許多國際農業組織所注意的議題:
      1. 食品履歷(Food Traceability)
      2. 食品安全(Food Security or Food Safety)
      3. 不再浪費食物(No more food waste)
      4. 透過ICT應用來幫助農村進行改善(ICT in Agriculture or ICT for Rural Development)
於是我在這兩個小計畫裡看到了所謂的「Focusing on ideas and requirements」,從需求面出發,並使用遊戲的概念,讓大眾有興趣去參與,在遇到資料來源不足時,也不會想:不可能。中間我提到一個關於糧商混米的問題出現在台灣市場上,我後來也想到了一些方法,例如從海關的進出口資料及農委會的稻米進口量去比對,同時去找公開資料。這過程有點辛苦,但也不是沒辦法做出來,只要找得到方法,也能找得到資料,應該就會有相關的資訊出現。 接下來的兩天,國際間有一場重頭戲:G-8 International Conference on Open Data for Agriculture,很可惜的是沒有辦法全程參與。 也許會有人好奇,為什麼我會持續關注農業議題?除了本身的工作有些許的相關外,也許很多人忘了原本是農業立國的台灣已漸漸依賴進口食品,而在氣候變遷的情況下,全世界的食物將會出現短缺的現象。如果你希望未來的下一代是活在一個可以不吃基因改造食品(GMO Food)、天然健康食品的未來,都應該要注意農業相關的議題。 再次感謝Code for Tomorrow讓我有一個十分充實的週末。 其他關於:
  1. 2013 IOT x Big Data 台歐智慧產業高峰論壇也可見:Schee:在台灣,開放資料遠比海量資料重要(二)
  2. Code for Tomorrow的Earth Day Workshop:Schee:Open Data 的人才培育 (2)

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...