跳至主要內容

5天的聯合國 IGF2022 會議速記



衣索比亞機場的日出

這張照片是在疫情開始的那年,2019 年 2 月,我要前往迦納,在衣索比亞機場轉機時所拍下的日出。在疫情結束後,聯合國在 2021年宣布第 17 屆的網路治理論壇在衣索比亞的 Addis Ababa舉辦,也是一個巧合吧!

2021年時的聯合國網路治理論壇(以下簡稱 UN IGF)在在波蘭舉辦,當時不少人在好不容易解封後飛往波蘭。今年則是在相隔 17 年後回到非洲大陸的衣索比亞,並且參考當時在波蘭的格式,除了實體會議外,也有線上會議室。

一些背景資訊

今年的舉辦日期自 11 月28日至 12 月 2 日, Addis Ababa 與台灣的時差約 5 個小時。今年的大會主題是大家很常在台灣媒體聽到的「Resilient Internet for a shared sustainable and common future」並分為 5 個主題:

  • Connecting All People and Safeguarding Human Rights 
  • Avoiding Internet Fragmentation 
  • Governing Data and Protecting Privacy 
  • Enabling Safety, Security and Accountability
  • Addressing Advanced Technologies, including AI 

如果有興趣了解這些題目怎麼產生的,又不想讀英文,可以參考我另一篇文章:「從2022年聯合國網路治理論壇主題觀察疫後全球網路治理議題趨勢」了解聯合國網路治理論壇各個主題形成的過程和複雜性。

大會所提供的資訊

這張畫面是閉幕典禮後,由官方放在大螢幕上的參與資訊,從每位致詞講者所提到的,可以得知今年超過 300 個議程在這 5 天內進行,並有 4,000 人報名參與。從網站上也可以看到更仔細的引導。

今年的個人觀察

也許從 2017 年開始參與 UN IGF 至今,加上慢慢熟悉裡面的機制、縮寫和不同領域的術言,對我而言今年的內容很精彩,而且參與的角色非常的具多樣性。

自去年時就開始感受到各國政府對於網路的介入已經不是像以往用資料保護法或資安法相關的法令來介入,而是透過各種法遵要求各企業配合,像是歐盟的GDPR、DMA和DSA;也陸續讀到很多國家的競爭法主管機關會調查網路平臺、科技公司、衛星公司、遠距教育軟體公司的合併案、防毒軟體公司的水平合併案、服務商併購防毒軟體的垂直併購案⋯⋯等,這些競爭法主管機關也有相關的組織,並且會進行交流及教學。

有參與的幾個主題:

人工智慧AI

今年就有一場布局AI的討論,由波蘭、荷蘭、德國、OECD的專家透過線上會議室交流,他們討論的內容是如何應用AI來出(線上)服務的欺騙性設計(Deceptive Design)。

美國FTC年初就宣告要打擊服務裡的欺騙性設計。在這場討論裡,以與會者的角度認為,一般的使用者並不懂得保護自己,所以他們會議立法和教育並行,這點和台灣相關的官員立場與看法是一致的。今年我除了參與網路治理的討論外,也聽了一些競爭法主管機關在利用AI去找公共工程圍標、欺騙消費者、不公平的競爭⋯⋯等議題,非常的有趣,還記得當裡在TWIGF裡討論AI可否替代專業執法?我在今年就看到了AI如何協助執法的應用。

不止丹麥利用AI來分析公共工程的圍標,波蘭在UN IGF裡已經討論了兩年。除了執法層面外,在其他的討論裡,還有如何利用AI來辨識情緒,有助於溝通或是將AI情緒辨識應用在交友線上服務、情趣用品這種高度隱私需求性的應用,需要注意的細節。

當然在開發中國家的需求則是關注在自己有沒有能力與資料發展這些技術,也很擔心因為技術不足,在未來會被演算法歧視,所以在會議中會主張希望在資料治理、資料安全及資料所有權有全球性的通用原則。

避免網路碎片化 Internet Fragmentation 與地緣政治 Geopolitical 的介入

由於年初時歐盟就在規劃 DNS4EU,加上俄羅斯侵犯烏克蘭,而烏克蘭對ICANN提出的要求,讓所有人意識到「網路碎片化」的危機已經在眼前,於是今年 UN IGF秘書處在預算有限的情況下,還是成立了專門的 Policy Network,而除了成立專門的討論小組外,也有幾場主題性的討論。

在今年以前,技術社群、網路安全政策倡議社群都把網路碎片化定義在「技術層」、「ICT的關鍵基礎設施」,同時在UNGGE、OEWG的會議中不斷的在討論相關的 Cyber Norms。但如果是只討論技術層和關鍵基礎設施,很明顯的,非技術社群的人是完全無法參與討論的。於是今年由人權社群,由 30 多個國家代表組成的 Freedom Online Coalition 主導這次的討論,把網路碎片化的定義區分為使用者層面的資訊不一致、資料不具可攜性和互相可操作性外,也包括了技術社群主張的,政治權力介入網際網路的運作,特別是在技術層、破壞關鍵基礎設施等。在會議中也提到了是否要將 Internet Shutdown也列入在網路碎片化的議題裡,德國的學者認為並不適合, Internet Shutdown是屬於人權的議題。

在 12 月1 日那天上午,我還去了TWNIC 舉辦的 TWOPM 會議,裡面的講者也分享了 Cyber Norm。上面這張圖就是 2019 年在 APrIGF 討論的 Cyber Norms。

政治考量多於實際倡議的 《Declaration of Future Internet》

今年也有美國的教授邀請巴西、印度、歐盟,許多國家參與討論這份台灣也有簽署的《Declaration of Future Internet》(簡稱 DFI)。台灣對於 DFI的關注可能僅限於台灣媒體的報導,但沒有進一步再去思考哪些國家有簽?為什麼要簽?哪些國家沒有簽?為什麼這些國家不簽?簽了這份 DFI 之後的後續會有什麼改變?來自巴西,研究網路安全政策的學者就提到巴西為什麼不簽和其考量,印度也提到這份宣言在其政策制定程序上的衝突,也不可能貿然去簽署一份宣言。同時在所謂的「多方利害關係人」的定義上,沒有簽署的國家都覺得和自己的政策制訂程序有衝突,所以僅在觀察階段。

而學者們也把這份 DFI 和 2018年由法國發起的《Paris Call for Trust and Security in Cyberspace》進行比較。認為 DFI的階層還是在於國家階層,且較沒有執行的策略,內容與性質較偏向於政治上的國家結盟,但比較沒有實際的倡議,也許之後 還會有第二版,會有更仔細的內容,但目前看起來比較像美國政府發起的宣言。

最後中國的參與者提出抗議,因為主持人問了這麼多國家,卻沒有問中國的意見。不過這是一個自由發言的場合,也沒有一定要主持人問就是了。

我並沒有發言,因為我對這份宣言的了解和現場學者的看法一致,這就是一份政治立場多於實際推動的宣言而已。就各國的文化要推動「多方利害關係人」參與討論政策過程是一件不具效率的事,還有很多人誤會多方利害關係人的定義,更何況我沒有任何立場說話。

應多關注競爭法、Antitrust 

當然,討論的議題真的非常多,我也不會在這裡細談,我自己每天參與至少 3 至 4 場議題討論,有些議題在台灣的熱度並不高,參與者可能也多屬於科技法律的相關範疇的人。我今年也另外觀察到,愈來愈多競爭法、反壟斷法的執業律師參與討論,就連 APNIC 的首席科學家 Geoff Huston 也寫了一篇以 HHI 分析市場集中度,並討論 DNS 是否中心化的文章。如果你對平臺經濟、科技巨頭的議題有興趣,不妨多關注在各國的競爭法主管機關的案件,也可以閱讀《巨頭的詛咒》。

UN IGF 2023 在 Kyoto 舉辦

這是多麼開心又多麼感傷的事。

開心在於,在隔了 10 年後,IGF 要回到亞洲區來舉辦,還是離台灣非常近的日本。

難過在於,就算在亞洲,還是如此友好的國家日本,台灣已經不是聯合國的成員,能線上與會不被踢出會議室就很不錯了。

我只求不要把我踢出線上會議室、我也只對討論議題提出建議和個人意見,光是聽他們討論和分析議題、即時線上筆記和轉在twitter裡,就已經夠忙的了,沒有時間打卡拍照。

不過線上與會其實還省了更多的交通時間,我實在非常痛恨「過海關」和「找登機口」這件事,怎麼這麼麻煩。

隨便寫一下,我寫再多好像也不會有人想討論,有些議題也談很多年,台灣也有特定團體長期關注,也長期的近親繁殖,個人已沒多大興趣,所以就隨便寫寫。想進一步知道其他國家怎麼處理平台合併案,請花點時間看這支影片:MWG Webinar Data 11 10 22,會學到非常多。

英文版的內容:After three years of pandemic isolation. A Quick note after this 5-day IGF2022

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...

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...

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。