歲月的容顏 YingChu Chen

轉變的開始 我在2023年開始使用 AI 工具協助處理工作後，逐漸把心思轉向可以使用 AI 開發的應用。最直接的是建置一個整合多國政府開放資料庫的研究平台，目的預測全球科技發展趨勢，同時我也開發一個半自動化工作流程，讓例行性的法遵工作由AI自己執行。 這樣的經驗讓我看見一個現象：從電腦、通訊、網路到人工智慧，每一波科技進步都在做同一件事—降低資訊門檻，讓人無法利用資訊不對稱剝削他人。 因為完全沒有工程師的相關背景，我在2025年底到現在開發的平台，其實一直讓我有許多挫折，可能是硬體資源不足，也有可能是軟體資源不足，還有自2023年就被引發的焦慮與挫折，非常需要與「真實的人」交流，而很感謝有一個「AI取暖會」的社群活動可以讓工程師與非工程師的人可以實際面對面交流。 孤獨與挫折 這一年多來，我也經歷很多挫折。沒有工程師背景，我在開發過程中遇到硬體資源、軟體資源的瓶頸，還有從2024年就開始累積的焦慮。最難的是一個人做決定時的無力感—我需要的不是更多教學或是引發焦慮的文章，而是有人說「我也遇過這個問題」。 直到我發現「AI取暖會」。 技術社群的力量 第一次參與時，主辦人 Jeremy Lu 分享他的個人經驗與工作方法。我學到把單一 Agent 拆成5、6個 Agents，避免不同領域知識交叉污染。第2次聚會， 一位工程師 分享怎麼用 AI 與 Figma 與客戶一起製作網站，讓 AI 成為工作坊的一員，這些是真正的實務。 這場分享也讓我想起去年在鴻海科技展看到的案例：他們開發可以在診間與醫生共用的生成式 AI平臺（用於乳癌患者諮詢用），患者與醫生間多一個提供意見的第三方角色。這才是 AI 應該被使用的一種方式。 我的分享與未完的對話 參與2次後，我決定主動分享 自己的經驗 。站上台前我很害怕，畢竟我離開網路治理社群已經有一段時間，很久沒公開分享自己的經驗，而昨天的分享定位只有實務經驗，沒有複雜的技術或是實務展示。 現場工程師問我的問題很有意思：不是「你怎麼做到的」，而是「責任歸屬是誰」、「使用資料的規定與限制是什麼」。這說明了一件事：技術問題的背後涵蓋公司治理問題。 但我也意識到有些重要的東西沒有回答完整，特別是安全性。 沒完的答案：安全 前幾天發生的 Axios供應鏈安全事件 讓我很憂慮。我的平台串接開放政府資料，但我看不出來哪個API裡有什麼後門。AI 會執行使用者...

如果有長期讀這個Blog文章的人，應該覺得我很久沒寫文章。在2024年結束時，我寫了 當時的使用心得 。想不到隔了一年，尤其是Google在 2025年第四季推出一系列應用工具後，我從10月到目前為止，使用更多的應用，自己練習用AI工具開發工作上需要的工具，以往概念裡的東西，可能需要藉由工程師才能實現，但現在透過這些AI工具，我也可以自己在與聊天機器人的互動中，一步步，緩慢的實現概念中想完成的事物，目前都是最小可行階段，但對我來說已經是很大的一步。 這段時間也讀了幾本書、聽了一些研討會，從前輩與長官們的分享中，逐漸感受到未來年輕世代可能面臨的壓力與不確定感。同時，在目前 AI 所引導的發展趨勢中，也可以觀察到高度仰賴菁英人力來加速技術進展的現象，這樣的發展路徑在提升效率的同時，也逐漸浮現弱勢族群在參與與受益上的潛在落差風險。 AI 工具逐漸取代部分 Entry-level 的工作內容 我曾經分享過在 2023年初 的一個交辦事項，我必須在短時間內聽12場研討會錄音並做成摘要，那時我還沒開始用ChatGPT，應用過往參與網路治理論壇、線上會議的經驗，一邊聽錄音一邊摘要與翻譯。交辦是有時限的，遇到有嚴重口音的討論時，我必須花至少4天才能翻譯與摘要好一場討論，沒有口音的討論，大概半天到1天就可以完成。中間試過抓字幕檔、轉出字幕檔再用Google Translate去翻譯，一直到出現ChatGPT，就算與現在比起來更容易產生幻覺，但完全提升工作效率。 在沒有ChatGPT前，都要靠自己去完成這些工作，於是在那段期間裡，我等於在密集的補充各種競爭法的相關知識、過往案例、為什麼主管機關會這麼決定、執法人員的考量是什麼，這些完全顛覆我過去在網路治理或是倡議開放資料的經驗。 在日常工作中，可能會注意在摘要的結果與知識，而過程中的這些工作可能都被稱為Entry-level的工作，由實習生、新進人員做的聽會議錄音、整理會議記錄，現在都可以被AI工具取代，有些人使用Google Notebook LM整理會議記錄，再搭配一些資訊就可以產生內容豐富的文章，有些可能還會再加上其他的研究報告、資料去增加更多的內容，或是利用ChatGPT/Claude/Google Gemini等對話介面做出各種成果，或利用Canvas、Napskin....

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...

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。