跳至主要內容

參與 LTUX.Taipei 活動


一些朋友大概知道我並不喜歡站在講台上,主要的原因是比我努力的人更多,而他們才是更需要大家掌聲的人。所以,有站上講台的機會,應該把機會讓給別人,而我偏好在幕後工作,一邊工作一邊學習。

去年在 COSCUP 2018 ,我準備了以新聞角度切入的網路治理議題,希望能讓初次接觸「網路治理」的參與者能自新聞了解什麼是網路治理。當我從講桌往下看時,參與者卻多是已沉浸其中許久的朋友們,我還是以非常基礎的角度,粗略的去談自己在網路治理會議中所學習到的經驗,當作是基礎交流,然後就回家準備去 Vanuatu 參與 APrIGF 2018。

在兩年接觸網路治理的議題研究後,今年非常希望能接觸不同圈子的人,希望有更多的年輕人參與網路治理或至少有個人資料保護的危機意識。所謂不同圈子的人,可能是聽都沒聽過什麼是網路治理,也可能不覺得網路治理與自己有關的人,這些人,才是我想交流的對象,因為到了任何物件都連網、服務即將全網路化、所有資料都變成 0 與 1 儲存的年代,都需要關注「網路治理」,它不再是只有高深的網路基礎架構的爭論,而涉及更多生活中的時事議題。

這次是 LTUX.Taipei 第一次與台北醫學大學合作,同時也與一位年輕的網路行銷從業人員分別在前後分享。參與者多是學生,學生也自然對網路行銷較有興趣。網路行銷的手法、技巧,對學生來說都是具有吸引力,同也都能即時用上的,例如如何透過社群平台操作讓社團活動更容易被曝光、讓更多人參與。

在做這次的分享簡報時,也融入了自己在 Coursera 和 Diplo Foundation 學習到的知識,因為時間不多,所以只能先挑三個基本主題來談,再簡單的介紹幾個網路治理或網路政策相關的論壇。

因為參與者是醫學生居多,加上只有 15 分鐘,所以不討論必要但一定會令人打瞌睡或窒息的網際網路發展史,只放四個主題 (可能還是太多):
  1. 法規與治理的異同
  2. 簡介多方利害關係人機制
  3. 網路治理領域相關的議題
  4. 簡介相關網路治理會議
學生們的重點放在:
  1. 網路治理與之後職業生涯的關係?
  2. 多方利害關係人機制如何應用在他們的學校生活 (社團)、職業場合裡?
  3. 如何在生活應用裡保護自己的個資和隱私?
  4. 如何查證不實資訊?

多方利害關係人機制應該廣泛的被應用與了解

在交流時間裡,也有提到了服務流程設計的重要性與多方利害關係人機制的關係。我以政府網站或資安事件流程的通報來做比喻,為什麼沒有人喜歡看政府網站?為什麼沒有人在受到網路攻擊時,能快速的反應給相關單位知道?其實是最主要的問題,就在於網站和這些通報機制的設計之被就是以主觀立場在操作,並沒有站在使用者的立場來規劃服務流程,這就是使用者經驗 (UX) 的重要性;而一個網站或服務的利害關係人,則可以從長官、網站維護人員、網站設計人員、建置人員、網站瀏覽人員⋯⋯等不同時期不同角色切入,而不再只有網路治理領域中談到的幾個利害關係人,而不應該只有單一視角的意見。可能一個通報流程機制、政府計畫網站或部門網站的建置初期準備時間、成本,會超過於計畫執行期間,這則是計畫經理人或產品經理人所要控管的部份,如何有效率的執行每一個環節,都是一門專業,甚至是多個團隊的合作,不是一個人、一本書、一次的活動就能談完的。走筆至此,我也想起了在 2014 年的 Smart Government 活動,當時就談到了服務流程設計與政府網站之間的關係。五年過去了,其實台灣政府網站、網路服務上已陸續的在改善,也試著慢慢導入服務流程設計的概念。由於多方利害關係人在生活裡的應用不是在三分鐘裡就能談完的,如果有興趣的話,可以從使用者經驗相關的文章來看,就能理解兩者其實有緊密的關連性,而不會只有狹義的定義:
  1. 獸群之心:談UX設計師網站改版三招:利害關係人訪談/數據分析/Prototype
  2. 獸群之心:UX設計師用戶訪談利害關係人的五種情境分析法

不實資訊的查證

在查證不實資訊上,有許多年輕的學子們表示非常不喜歡現在的政治人物利用網路的便利性,進行「測風向」的政治標語宣示,於是便與學生交流了自己在當政府計畫網站小編時的網路行銷經驗。網際網路、社群平台都只是工具,做法正確了,就能把補助資訊擴散開來,如果用錯方法,就會對社會造成傷害,這不論是什麼領域都會有同樣的狀況。

同時我也好奇的在討論時間與部份參與者討論:「不喜歡不實資訊的他們,如何去驗證訊息的真實性?」有些參與者會多等幾天,有些表示會多參考其他的新聞來源。這都是很好的反應,這個臨時的抽樣調查,雖然不具有代表性,但至少會讓我感受到並不是所有的網路使用者只單向的接收資訊,不經思考與查證就傳播、轉貼資訊。這也是其他人談到的「資訊識讀素養」,愈是年輕的族群,在這一方面似乎已經是直覺性的反應,而不需要再「喚醒」他們關於資訊或媒體識讀的意識。

「數位原住民 (Digital Native)」與「數位移民 (Digital Immigrant)」的不同

有個學生和我分享了台灣人權促進會透明度報告,這讓我十分驚喜,畢竟我是在 2016 年時才開始建立這樣的概念,而學生們可以在校園時期就能接觸這樣的資訊,這也是很正面的回應。

能接近年輕族群這樣的反應,也明顯的區分出「數位原住民 (Digital Native)」與「數位移民 (Digital Immigrant)」的差異。我是標準的數位移民族群的一員,透過技能訓練,把自己的生活與網路服務結合,並依賴著網路服務,如果要我回到沒有網路的生活,剛開始會有些困難,也會經歷網路成癮後戒斷的症狀,也能慢慢的再回到現實與網路分開的情況;對於更年輕的族群來說,他們可能一出生就與網路「生活」在一起,網路服務是生活中的理所當然,他們的生活裡可能不再有電影院、郵購、對於身份與隱私的看法可能也完全不同。

有了這次交流的經驗,我也希望日後還有機會與學生交流,當然可能會有不同的主題、國際網路治理論壇討論的方向,而不會只介紹如何參與會議。

我的簡報:如果看不到的話,可以點擊此連結

留言

此網誌的熱門文章

生成式AI使用記錄-翻譯

翻譯是一門專業工作,它不只是把另一種語言轉化為日常生活的語言,而是轉化為人人看得懂、聽得懂的語言。在學習的過程裡,老師說過翻譯重視「信、達、雅」,這是一門學問,不是任何一個人、哪種工具可以取代的。這篇不是在談「翻譯」的學問或是翻譯會不會被人工智慧取代,我也不是專業翻譯,沒有能力談這門學問,我只能分享AI在工作上的協助。 因為工作需要閱讀大量的國外文獻,或是參與會議中有大量的英文文獻需要閱讀,Google Translate提供許多協助,同時利用使用者協助修正翻譯的正確度,甚至減少大量閱讀的時間。 隨時間的增加,坊間也愈來愈多更好的翻譯軟體,但遇到會議的錄影與錄音轉譯,還是需要由專業的翻譯公司協助,以節省時間成本,人員可以把時間專注在自己的事業上,遇到需要節省金錢成本時,就會折衷由一般人員來譯出可以接受的成果。 直到 ChatGPT 出現,我拿它來翻譯會譯的逐字稿,它協助節省金錢成本與時間成本,雖然增加編輯成本,但隨著模型逐漸進步,訓練的人愈來愈多,它也會提高準確度,並藉由一次又一次的對話往來,產出比用 Google Translate更能讓人容易接受的版本。相對的,它還是增加使用人員需要編輯、審核的時間成本。但有沒有比人類編輯好?我想現階段,中文可能還有沒比人類編輯好的程度,但已經可以是能接受、初步可以讀懂文字要表達的粗略意思的程度,離「信、達、雅」的標準還很遠。 以往的少見文字,如藏文、閃語、印度語,甚至連死海古卷裡的文字都已經可以藉由AI技術辨識出來,已經是非常大的進步。有天我使用AI翻譯藏文時,突然想到,誰可以幫我核對翻譯出來的正確性?我個人是不懂藏文的,當我想把中、英文用AI翻譯為藏文時,又能請誰幫我確認文法與用字的正確性呢? 所以,使用者本身也是需要一定程度,才能辨識AI結果的正確性,有無過度編撰或錯誤的引用,例如在法規上的引用、宗教信仰經典裡的人物及故事,會不會在一來一往中給AI產生幻覺(Hallucination)的機會。又如同專業的翻譯人員並不是完全了解各行各!業中的知識,工作過程中還要再與委託者討論。又如有次我聽到一場會議的講者,他提到他是專業的執法人員,但是否判定對方有無違法,還需要了解該行業的專業知識,例如建築業、畜牧業,甚至要去了解飼料的投餵方式與成份。所以現階段,AI還是無法取代人類,也無法代替法官做出判決,大概也是短期內的一件好事吧! I...

生成式 AI 使用記錄 -- Deep Research

當OpenAI將Deep Research先開放給 ChatGPT Pro 的使用者後,已經有一群使用者驚訝於它的產出,沒多久,OpenAI已 開放給付費的使用者 來使用 Deep Research功能,讓更多人都能受惠於這套功能帶來的方便。 當我在 ChatGPT 裡使用 Deep Research 讀完我幾年來處理的文件、寫的報告內容後,它依這些資料產出的速度相當快,除了可以搜尋網路文章外,也同時參考我所上傳的資料。因為已經讀過我整理過一次或經過多次編修的內容,所以產出成果也有一定的品質。 這樣的發展促使我思考「知識工作者」是否可能真的被取代?科技進步就是不斷的在縮短資訊落差,減少因為資訊落差造成的不平等,但仍有可能因為運用資本的程度不同而產生不平等。 就現階段來說,使用者要讓生成式AI按提示語(Prompt)工作,取得高品質且符合需求的資料、辨識產出的成果是否存有虛構的內容,都需要依賴使用者本身對該領域的專業程度,才能寫出正確的提示語。在我今天的操作過程中,如果沒有先前累積的知識,可能也無法讓AI開始工作。 知識工作者在未來,存在的意義可能會像「翻譯」一樣,將客戶的需求「翻譯」為指令,限縮這些生成式AI在搜尋的範圍,提高產出的準確率及品質,減少內容的幻覺,,也像一個具基本能力的「編輯」,編修文章中的字句,更貼近「人類」的語言,或客戶需求的專業語言,而不是像機器一般的語言。 Deep Research 不僅縮短產出文章的時間,還沒有創作者在產出文章時的陣痛期,例如面對排山倒海的資料確不知從何處開始著手整合,又或是完全不知道要去哪裡找資料,又該從哪裡開始。在對話的過程裡,生成式AI也會一起把範圍縮小,讓目標更明確,也是不錯的協助。

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...