跳至主要內容

悄然成型的數位社會評等制度

Photo by Wabi Jayme on Unsplash

當我在讀 Creditworthy 這本書時突然意識到原來在我們使用「信用卡」的當下,已經成為了願意被政府、財務金融體系追蹤與分析消費行為的消費者。政府、銀行、任何一方,都可以透過合法的管道取得這些消費記錄、個人財務的信用評等制度。

對於擁有規律收入的民眾來說,信用評等制度同時也決定了個人在金融財務體系的信用等級。它可能決定了在申請貸款時的金額、信用卡的額度、影響到一個人如果要移民去其他國家的機會⋯⋯估計在一般生活情境裡都會認同這些財務金融體系的信用查核與稽核。

在網路交易漸漸成為主要消費方式的年代,在許多交易平台、媒合平台也建立了所謂的「評等制度」。為了減少「第三方機構」的存在,買賣雙方可以相互評價,並列在該平台中提供其他買家、賣家參考是否執行交易。個人的消費記錄不止可以從銀行體系取得,電子商務平台(B2C、C2C零售業如拍賣;服務業如共乘服務、叫車服務、外送平台⋯⋯等)上幾乎可以公開所有的評價記錄。消費者可能在消費之前,先用相關的服務平台看看這個店家在消費者的評等如何,可能會因為頁面上的負面評論過多,而打消了前往消費的意願;找尋飯店前,先去相關的平台看看顧客對其評價,再決定是否訂房消費。

之後各種電子支付、行動載具,把消費記錄存在服務平台業者、商家、金融業者的資料庫裡,並任這些業者們分析、觀測消費者的消費行為、使用偏好。

有天晚上我使用了叫車平台,並指定女性司機。對方在看了我在上面的信用評價後,要求以電話溝通,確認我也是女性,並且沒有安全疑慮後,才決定執行這次的叫車任務。也聽聞過有些公司在聘用員工前,可能會藉由 email去找尋員工社群帳號的使用記錄,或藉由任何方式去找出對方的數位足跡,也許不會明說,但這些數位足跡或多或少都會影響雇主決定是否聘用的意願,這些數位足跡、評等、公開的言論,都構成了一個人或是一個店家在數位世界的樣貌。

公開透明的評價或評等資訊,看起來保障了買賣雙方、減少第三方單位的介入,但我也開始反思,當人權團體都在批評中國的社會信用制度在侵犯人權時,網路使用者本身其實也逐漸依賴著這樣的評等制度。例如在社交平台上,一個陌生從未見過的帳號送出了交友要求,你是否要接受對方?衡量的標準依據是什麼?和你的共同好友數?有無見過面?還是其他的公開資訊?在社群媒體或數位服務評等資訊為 0 的新進人員,是否也要經歷過一段更辛苦的耕耘期或是耗費更高的行銷成本?

有些人就會認為,那不要使用社群平台,就沒有相關的問題了吧?在如此重度依賴社群平台的年代,沒有提供任何公開資訊的人,是否就被這樣的社會排擠?如果一個人要融入數位社會的第一步是什麼?其至還有看過關於男女交往前,先看對方消費評價、記錄的潛規則。也許有些人看過以下這支影片,描述男女朋友交往,但男方卻沒有任何社群帳號,造成了女方的恐慌:


在以往年代裡,網際網路不是唯一的工具,也不需要時時刻刻都依賴著網路服務,隨時可以離開網路,透過其他方式取得資訊,藉由人與人現實的互動,而建立人際關係,所以在長輩們常會告誡一句話:「名聲要留給人探聽」,也就是要建立個人的好名聲,避免落人口實。在我們成長的年代中為了保護兒童與青少年,有些網路服務平台是拒絕 13 歲以下的兒童註冊帳號。

現代的資訊社會裡,網路已經成為生活的一部份,對現在與未來的孩童,網路就是生活,任何事情都可以透過網路來協助處理,提升效率、節省時間,為什麼還要過著上一代的生活方式?網路不就是要來幫助大家快速找尋資訊、處理問題、節省時間的嗎?

不同於我這個年代的人可能到十幾、二十多歲才開始建立自己的數位身份,有些孩子可能一出生就已開始建立自己的數位人格,從父母上傳至網路的照片,到小朋友們透過技巧為自己在社群平台註冊帳號,藉由簡單易用影音平台建立自己的品牌、自己的頻道,他們無時無刻都在創造自己的數位足跡。身為家長,要如何和孩子們溝通並開始教導小孩子們使用網路、注意自己的數位足跡、建立自己的數位身份,避免成為長大後的遺憾?

在我們高喊保護人權的當下,也在不知不覺中藉由這些評等制度建立了自己心中的衡量標準,大概也是網際網路為人們帶來便利生活之外,也默默的帶來了「評價」、「分級」的效應之一。


留言

此網誌的熱門文章

停不下來的更新

一直更新Blog的版型,我必須承認是一件很無聊的事,不過這次除了版型的更動外,連分類和文章內文也做了變動。 先說分類吧!在Blogger叫做Label,不過,Blogger在分類上有一些bugs,只能使用英文,以前這裡的分類大多都是中文分類,結果在link上就是一堆亂七八糟的亂碼,所以我把它改成英文,同時細分一些項目,把出版的文章和一些教學的文章分開來,雖然已經很久沒寫新的,不過既然放上來就做個分類。然而就在新舊label移轉之後,發現中文的label還會存在,而且還會出現莫名奇妙的幽靈數字,Blogger知道這是個bug,不過似乎一直沒有修復的跡象。所以在分類上就出現了如右圖一般的情況,在英文標籤裡會有文章,但是在中文標籤裡是沒有文章出現的,但奇怪的是,有些中文標籤已經不見了,然而在Beauty-Beta這個部落格裡,我也做了分類上的變動,由於以前用英文開頭的Label,所以在label的變動上倒是不用擔心會有這樣的情況。 再來是文章的內容,把以前的文章重新分類,標題前面的一些全形符號或是分類刪掉,除了一些比較特殊的,我會留著,例如壹陸壹,因為在label裡為了統一,我留著原本的E61,但人家的店名是壹陸壹,所以留下文章標題前面的中文分類,另外像是Entertainment項目裡,可能有音樂,可能有電影,就會在前面留下中文分類。 前簡單的CSS和HTML改成現在的XML,這無疑是讓我們再多學些東西,能有時間鑽研當然是好事,可是轉換後,我一直沒有時間去改,當然多半也是因為懶,到現在也是拿別人做好的版型去改配色而已,所以像裡面的設定、安裝的widget和analytics的javascript都要一個一個重新裝,上個星期幾乎每天都弄到天亮才睡,只為了整理這個blog。也因為之前在blog裡放了technorati的分類,所以還要修改以前的文章,把它們加入technorati,還有裡面的語法要更改,所以這個星期甚至下個星期都會一直收到這裡的更新訊息,對於不斷收到訊息干擾的朋友們,在這裡說聲抱歉。 在版面上因為blogger系統在feed接受上的更新,所以還有四個東西沒加進去,分別是最近的文章(Recent Post)、Comments(目前是用別人寫的widget)還有GVO的feed訂閱顯示、Beauty-Beta的訂閱顯示也都還沒放上去。 在Feed訂閱上,以前bl...

用Claude Code做一個AI飲食營養分析Bot:從拍照辨識到條碼查詢的實作筆記

沒想到在十多年後,因為想做飲食營養控管,所以自己利用 AI 開始做一個簡單的食品營養分析工具,能分析我每餐的飲食是否充足或過量,並提供有依據的飲食建議。 最初的雛形是基於以往曾參與「 Food Open Data 」倡議的經驗,我希望用最簡單的方式,拍照-->AI辨識與分析-->提供建議,然後統計一段期間的營養攝取狀況。 最初的想法 當我把我的雛形想法告訴 AI 後,Claude Code 很快的就幫我設計好雛形、教我如何申請Telegram Bot,這些步驟都寫得很清楚,整個雛形做好不用半天,我還愣住了,怎麼可能這麼簡單?難怪那些應用程式公司只把飲食營養分析當作一個「附加功能」,主要目的是蒐集其他的生理監測資料,但這些公司蒐集資料的用途,我自己在處理過美國資料經紀公司所販售的資料隱私資訊後,這是值得關心的議題,但不在此篇文章裡討論。 不過,我只專注在飲食分析項目,我覺得這個功能如果可以做好,再想想其他的。最初的想法很宏大,因為家人與自己患有慢性疾病,所以特別針對某些族群設計,但事實上,如果沒有實際的使用情境,可能也無法做出符合需求的產品。 於是我把這個Bot的使用者只鎖定在我自己的飲食分析上,那就簡單多了。 工具與環境限制 我在今年已經改用 Claude Cowork 與 Claude Code 協作,雖然 Claude Code 有一般介面版,但我大多數時間都開著終端機視窗使用 Claude Code,這樣比較能專心工作。 基於使用工具的習慣,我使用 Claude Code 開始建置,當時的模型雖然已經有Opus 4.8,但Sonnet 4.6已綽綽有餘,而後來出現的Fable 5 則用在其他專案裡。 因為只做給自己用,所以選擇最簡單的 Chatbot 形式;也因為我希望可以自由的使用而不是提供過多的個人資料給其他平台,選用 Telegram Bot,而不是台灣人常用的 LINE Bot ,而且 LINE上太多廣告,根本不想開它。 在衡量經濟現實及自我管理資料的想法後,目前這個 Bot 與資料庫只放在我的電腦裡,沒有上雲端,當電腦休眠、網路斷線時,Bot就會停止工作。 雖然只是給我自己使用,但我還是要求資料庫是加密儲存的,匯出資料時也必須加密。 台灣的飲食文化很多元 我不是開發者、也不是營養師,我自己也沒使用過其他的應用程式,所以無從理解在開發飲食營...

AI 提高產出,但誰得到好處?

我收集了 2026 年 3 月至 9 月由 Anthropic 研究團隊公開發表的 5 篇文章,讓 Claude 重新翻譯並編輯,並修改為習慣的閱讀語氣,以利閱讀。 Anthropic 今年 3 月發表的報告顯示,美國整體失業率沒有上升,但 22 到 25 歲的年輕人每月順利進入 AI 高曝露職業的比例比 2022 年低約 14%。這是我讀完今年他們發布的 5 份經濟研究摘要後,最常想起的一句話:「AI 讓產出變多」與「誰能把產出變成自己的收穫」,是兩個得分開回答的問題。 AI 做得到,不代表已經在做 過去大部分研究或媒體在衡量 AI 對工作的影響時,常問「AI 理論上能做哪些任務」。問題在於,AI 做得到,不代表企業或個人真的已經拿來用。 在這次閱讀的文章中,研究團隊提出「觀察曝露度」(Observed Exposure)。這個指標結合 O*NET(美國職業資訊網路,Occupational Information Network)的任務清單、理論可行性評分與 Claude 的實際使用資料,並對「自動化」與「工作用途」給予較高權重。 排名最高的是電腦程式設計師(約 75%)與資料輸入人員(約 67%),客服代表也名列前茅;另有 30% 的勞工觀察到曝露度為零。AI 目前的實際使用與理論能力還有一段距離。 在公布的研究中,高曝露職業的從業者有幾個共同特徵:女性比例高 16 個百分點、平均薪資高 47%、學歷較高、年齡也偏長。受衝擊的是中高薪的知識工作者,和「AI 先淘汰低薪年輕勞工」的直覺相反。 衝擊有多大?研究用差異中差異法比對,發現 ChatGPT 發布前後,高曝露職業的失業率未見系統性上升。唯一較清楚的訊號在 22 到 25 歲:這個年齡進入高曝露職業的新工作起始率,約比 2022 年低 14%。研究團隊也註明,這個結果僅勉強達到統計顯著。 同一套 AI,成果為何不同 在針對使用者研究的報告中,使用 6 個月以上 Claude 的人,其對話成功率為 73.1%,新使用者為 66.7%,相差 6.4 個百分點。控制任務類型後,差距縮到約 3 個百分點;再加上模型、使用情境、國家等變數,差距維持在約 4 個百分點。 Anthropic 曾假設,資深使用者會更傾向於把工作整包交給 AI 自動完成。研究的資料指向相反的方向:資深使用者更常與 Claude 來回...