關於：Open Data運用於農業發展之作法與展望

在去年六月時，開始準備寫這篇文章：Open Data運用於農業發展之作法與展望，並準備投稿到台經月刊。

Open Data在國際間不僅為趨勢，亦是必行的方向。然而相較於國外對於農業資料的積極開放及運用，我國在農業資料之開放及使用相對消極，且著作權仍屬公部門單位居多，除需透過申請步驟，資訊多以PDF呈現，或經編譯保護的Office格式提供，致使在資料取得後需花大量時間進行整理。因此，如何突破「最後一哩」讓農民、研究者、食品生產及加工業者真正參與資料開放作業，需仰賴政策制定、民間配合、時間磨合與流通推廣。

九月寫完這篇文章後就溜到不丹去了，這篇文章約莫在十月時刊登在台灣經濟研究月刊 (第36卷第10期)，並在十一月時陸續刊登在農業科專網站上。

過了一個歡樂又忙碌的新年，發現文章中提到的一些相關事項已經有了變更：

農委會資料開放平台（http://data.coa.gov.tw）的授權條款從原本大家極力稱讚的Creative Commons 3.0改為行政院研考會的：政府資料開放平臺資料使用規範。在寫信洽詢之後，以一個跳出視窗的方式來做宣告，並且告訴大家是自2012年12月17日做的變動，2012年12月16日的資料仍適用CC授權。
台灣政府資料開放平台（http://data.gov.tw/）從文中的Beta版到現在可以算是正式版了。

以上，先做一個小小的宣告，之後我會回來Blogger繼續寫文章。這篇就算是2014年的第一篇吧！

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...

觀察台灣 AI 政策與職場新挑戰

前言這篇文章想和大家分享我對台灣 AI 政策的一些觀察。未來我還會整理其他國家的案例做比較。不過先提醒大家：這篇的資訊量不算太低，文章提及一些日常生活中不常接觸的政府計畫名稱、大筆預算金額與目標數字，乍看之下會讓人覺得很抽象。對我來說，這些數字背後傳達的訊號很清楚──台灣政府確實願意投入大量資源在 AI 的產業發展與人才培訓。問題是，這些投資如何真正走到民眾與企業身邊？如何讓公司知道「資源在哪裡」、讓人才看見「機會在哪裡」？這條「最後一哩路」會決定政策成效，也才是和你我最相關的地方。為了解台灣就業市場的實際需求，我偶爾會瀏覽人力銀行網站。有次看到某家公司在招聘條件中特別要求面試者在面試時分享「自己使用過哪些 AI 工具，以及如何使用」。這讓我注意到：AI 已經被視為職場的基本能力。在日常生活中，AI 已廣泛應用於工作與個人任務。雖然部分單位仍不鼓勵員工使用，但只要有清楚的界限與正確的態度，AI 工具能有效減少重複性工作，把精力留給更有價值的任務。想像在學校寫報告，老師要求必須說明 AI 工具是怎麼幫上忙的；或在公司加班時，主管要求用 AI 快速整理資料。這些情境都不再是未來，而是現在。我撰寫這篇文章的原因有二。首先，是因為參加 Anthropic 的 AI Fluency for Students 課程，課程內提到的 4D 概念對學生、新鮮人乃至現在於職場受到 AI 衝擊的世代都很有幫助。如果我是面試官，我會希望求職者能理解並應用這些觀念。其次，是我長期關注各國 AI 政策，想藉此分享觀察成果。這些分析大多是透過 AI 工具分析政府公開資料而得，也讓我更相信 AI 是研究工作人員的得力助手。以技術與產業發展為核心的台灣AI政策台灣的 AI 政策並不算落後。除了大家熟知的 DIGI+，政府陸續推動了「臺灣 AI 行動計畫」（2018–2021）以及「臺灣 AI 行動計畫 2.0」（2023–2026）。政策重點主要在產業發展與人才培育。從預算來看，2025 年度 AI 行動計畫 2.0 編列經費最多的前三個部會為：經濟部、國科會與數位發展部；2026 年（115 年度）未核定的預算書顯示，數發部、經濟部與國科會仍是主要資源分配單位。大部分經費用於應用與普及，例如開發 AI 便利工具、藥物開發驗證平台等。產業發展台灣經濟結構仍以製造業為主...