歲月的容顏 YingChu Chen

星期五早上，部門內部辦了一場腦力激盪。我們談了很多題目，其中一個，是「AI治理需要哪些基礎建設」；同日下午參與另一場演講，講者剛好分享台灣 TAIDE 模型 的發展過程—談到資料和算力取得的困難，也談到工程師在面對法遵時的抗拒心理—畢竟在工程師的世界裡，「Code is Law」。 兩場活動的現場討論，因為受限於時間，都沒有深入到制度本身的限制。但在活動結束後，讓我重新思考一個核心問題： 如果AI真的是下一波技術革命，身在台灣的我們真的已經有能力參與這場革命嗎？ 資料治理，不只是開放資料而已 在多次公開場合中，台灣經濟研究院的林副院長經常強調資料治理的重要性，更牽涉到以下面向： 可取得性： 是否能跨部會、跨單位、跨領域取得？ 品質： 是否具備標準、結構與說明？ 授權與責任： 是否清楚哪些資料能用、怎麼用、誰負責？ 維運與資源： 是否有穩定預算與長期支持？ 台灣的 MyData 與政府開放資料雖然在形式上有推進，但在實際應用上卻處處受限，不同主管機關不一致的安全性標準使執行人員在充滿風險與缺乏信任的環境下工作，也讓人民、企業在取得資料上處處受到限制。 回顧韓國資料治理的制度發展，他們之所以能在 2020 年推動 Data Dam 計畫、大量釋出公共與民間資料，讓銀行、 FinTech 業者介接 MyData 資料建立服務及收費 ，不只是靠政府號召，而是有一整套法令支撐著「再利用」、「匿名化後的合法使用」，以及「免責條款」。 韓國的《資料三法》( 個人資料保護法 、 資訊通信網路法 、 信用資訊法 )在整合修正後，不只清楚界定資料的再利用情境，也建立了資料去識別化的技術與法律標準，同時提供了「在遵法前提下使用資料者可免責」的條文。這讓企業、政府機關與開發者都可以在明確的框架下進行資料流通，而不用時時擔心法律風險。 台灣在法律層面卻缺乏資料可攜權及對再利用資料的明確界定與免責機制，使民間開發者在使用資料時，始終心存顧慮，不知道會不會踩到模糊地帶；也讓政府內部對資料開放裹足不前，擔心「一開放就出事」。 因此，如果台灣真心想讓 AI 成為下一階段的產業基礎，就不能忽視資料治理的法制建設—這不只是「能不能開放」，而是「開放之後，誰來保護願意開放的那一方」的信任機制。 我們缺的不是資料，而是讓資料變得「能用」的治理機制 我曾經在智慧城市展與一位國外業者談論關於台灣的政府開放資料...

大約在 2023年初，因為 ChatGPT 出現，在當時提供我非常大的幫助，雖然那時的 GPT 反應不快，精準度約 80%，但比靠自己有限的英文聽力與對法律文字的理解能力，它提供的協助比當時的 Google Translate 還多，雖然我還是得周末加班處理，別人連假出去玩，我只能在家裡翻譯錄音及重新撰寫文章，但隱約已有不安的感覺：「身為研究人員，依賴這些工具後，我存在的價值在哪裡？」 在工作裡，生成式 AI 協助我翻譯、校正文字、重組文句、擬問卷題目。當我撰寫好一篇內容後，它可以幫我檢查別字（我很容易有別字）、贅字，或是它會協助挑出一般人不易理解的字句，並提供建議，而我會參考它的建議，再調整文章內的字句。它相當於一個輔助的編輯，在我把文章交給編輯前，先調整文章內容，提高可讀性。有時我請它翻譯文章，裡面有我無法理解的句子或字詞，就會請它解釋到我能以白話理解、表達為止。 隨著使用它的頻率增加，我也去聽關於學術倫理與人工智慧的演講。台上的講者提到一位博士班學生一直寫不出論文，在無法延長修業年限的情況下，使用 ChatGPT「編」出一本乍看之下很真實的著作。當時的 GPT 沒有 4o 有多種功能，但正經八百的與人說瞎話的功能已經令人刮目相看。當這本論文到達指導教授的手上，有經驗的教授第一眼就看參考文獻，馬上被教授抓到破綻--參考文獻的中作者根本沒有出版那篇論文。當時已經有預防論文抄襲的判讀系統，避免學生抄襲，但也曾經因為對非英語母語寫作者的寫作方式而誤判的案例。教授給這位博士班學生一個機會重新撰寫他的畢業論文，但最後，這位博士生仍然無法產出論文，除浪費時間外，在學術倫理評價上也被留下污點。 因為這件事，我如果在撰寫文章時有使用 AI 工具輔助，我多會在文末註明，該篇文章是與哪一個 AI 合作產出，我也會讓主管與同事知道，我使用 AI 在工作文件中提供哪些協助，這已成為我個人的習慣。 隨著可以應用的工具愈來愈多，我也看到許多文章、報告裡都出現 AI 工具的痕跡，有時使用者以為其他人看不出來，但這些痕跡很明顯，如果作者能自我揭露，是一件很好的事。當然現在沒有任何規定、規範要求撰寫者這麼做，但聽同事說國外的期刊已經要求作者自我揭露，我想國內應該也會有相關的要求。 在台灣，政府也提供使用生成式AI的參考指引。台灣行政院在 2023 年 8 月底公布由國科會擬定的「 行政院及所屬機...