文章分類

顯示具有 與談 標籤的文章。 顯示所有文章
顯示具有 與談 標籤的文章。 顯示所有文章

2023年10月29日 星期日

高教重綁: 2023高教改革論壇

高教重綁: 2023高教改革論壇

亟思改革之道

高教重綁

俟河之清

很歡迎大家來參加高教改革論壇,也很感謝臺大校友會文化基金會主辦一系列的論壇,邀請專家學者就高教各個面向加以探討,亟思改革之道。

今天的論壇主題是「價值創造與永續發展」,副標題是「教育、研究與服務,大學要如何自我定位?」大學負有教育、研究與服務的使命,兩位主講人是
陽明交通大學林奇宏校長以及長庚大學湯明哲校長,分別以公立與私立大學校長的身分與大家分享對高教的看法。

一般對大學的衡量或評價也是看大學在這些方面做得好不好;目前在世界大學評比中,比較受重視的是英國的QS、THE 以及上海交通大學的AWRU,以我最熟悉的清華大學來說,從2010-2023年,在QS評比大致持平,居於150-200名間,在THE 以及AWRU評比中,則呈節節後退之勢, 前者從 約200名退到501-600名,後者則從2012年的201-300名退步到2022年的401-500名;而清華大學的狀況,據我所知,頗具代表性。

另外一項重要指標,則是上海交通大學的「兩岸四地大學評比」;QS與THE評比,一般被認為獨厚英國與美國等英語系國家,在華語圈,「兩岸四地大學評比」特別具參考意義;這項評比,從2011-2018年,一直是北京清華大學居第一,2011年台大與新竹清華大學分居第二與第四,2012-2013年新竹清華大學進步到第三,2014-2015年新竹清華大學與台大分居第二與第三,2016,2017,2018年新竹清華大學與居第三,而台大分別為第七、第十與第九,更值得注意的是,台大在2011-2013年,成績都接近北京清華的100分,到2018年,則只得54.6分。

解讀這些大學評比的結果,無法避免的結論是台灣的大學研究表現,與境外同儕大學相比,最多只能說進步較慢;約兩個禮拜前,在一個場合聽到一位教育部前部長說:「台灣高教的兩大問題,是經費短缺,與教育部微管理」,這兩個問題,可謂高教陳痾,根據研究,公共部門教育經費占GDP比例自1990年代達5.6%高點後,即緩步下降,目前來到3.5%左右,而平均家戶可支配所得成長也大幅落後GDP。在約同期,即1996年到2011年,大學院校數目大幅增加,公部門高教經費處於捉襟見肘狀態。雪上加霜的是,教育部對大小事,施行微管理,一方面提供經費不足,一方面又讓學費凍漲多年,在這種情況下,迫使各校必須爭取教育部推動的各種政策,如南向、雙語等勞民傷財,而效用可疑政策,也影響到教學成效。大學在資源不足與法規限制下,在延攬人才與留才方面,缺乏競爭力。

在前幾場的論壇中,有先進提到台灣高教是住在加護病房,靠打點滴維生,也有躺在擔架上
,並非誇大其辭,而是很多同儕的共識,如果不正視,終將構成國安問題。個人以為,期待公部門大幅增加經費,相當不切實際,剩下的則只有在制度上大翻修,也就是要教育部鬆綁,由於學者專家就此呼籲多年,不見成效,釜底抽薪之計,也就是徹底改造主管的高教司,揚棄官署管理心態,能與大學雙向溝通,改以服務為導向,
而由各大學設立具公信力但了解高教的「監督委員會」重綁,則俟河之清,或者有望。

2023年4月2日 星期日

工程教育與研發: 「AI 智慧製造與數位轉型」圓桌論壇與談

工程教育與研發: 「AI 智慧製造與數位轉型」圓桌論壇與談

圓桌論壇與談

前天晚上接到簡副校長訊息,知道他因確診而不能實體參加研討會,並希望我在論壇中代替他與談;由於當初是我建議邀請簡副校長協助策劃本研討會議題的研討,自然是一口答應下來;後來看到建議的討論題綱,對一個從沒有在產業界工作也非資訊專家的人,有相當的難度,因為在大學工程教與與研發主要目的就是訓練產業人才,我選擇分享一下我在這兩方面用到AI 的經驗與想法,也許不會太離題。

對個人來說,在本論壇與談而不太離題
,要拜 ChatGPT 之賜,因為它提供了一個與AI 工具直接互動的機會,有人形容以往在生活上接觸  AI,是坐在「自動駕駛」的工具中,由搜索網路獲取資訊,而 ChatGPT 讓你成為「共同駕駛」(Co-pilot) ,針對面對疑問提問,無所不答,當然正如張副校長在他的專題演講中提醒,要高效使用這項工具,必須具備基本的領域知識 (domain knowledge) ,能夠及時察覺明顯的錯誤,同時有疑問也要查明出處再做判斷。

另一方面,新版的 GPT-4 威力強大到可謂「教師博學多才而全天候的助理,學生最佳學伴或不會不耐煩而能幹的助教」,所以一定會被廣泛使用,問題是如何善用?

在各級學校裡,在教學上立即面對的主要問題是考試與報告所受到的衝擊,雖然可用隨堂考試,或以口試方式進行來避免抄襲,但並非對所有課程的最好對策,全面禁用 ChatGPT,也恐怕不切實際,而目前偵測答案是否有 ChatGPT 捉刀,也不完備,是一個大家仍在研議如何應對的問題;我個人的意見是鼓勵充分利用此強大工具,同時明白界定何為抄襲,讓師生有所依循。

由於 ChatGPT 是以龐大的資料庫為基礎,能夠收尋相關資訊,幫忙整理,有條理地回應,對於研究自然大有幫助;我舉一些最近的例子,如我請它提供所研究主題的關鍵議題,它對答如流,提出十項算是相當完整的議題,如再追問某一議題,它也會給合理的答覆,再要求他提供有某一材料系統做成元件的最新資訊,所得結果是洋洋灑灑,如此下去,對一個研究生擬定研究大綱無疑是很有幫助;當然這只是初步的工作,必須做進一步的驗證,搜尋參考資料,雖然 ChatGPT 也會提供參考資料,比較之下,不如常用資料庫「科學網絡」(Web of Science) 所提供的完整,尤其 ChatGPT 資料庫迄今仍限於2021年9月以前已公開的資料,是必須特別注意的。

在研究產出方面,不論是學位論文或學術論文的撰寫,ChatGPT 也能給予很大的幫助,如果將草稿輸入,它可以對文本進行有效的處理和歸納,可協助寫出摘要,做出總結,另外建議標題,受到的限制是文章約限於2,500字,在總結時,較長的文章可能需要做適當地分段,才能有效涵蓋所有關鍵點。為獲得最佳結果,須提供文章的簡明版本或針對特定部分進行總結。

而在表達方面,可請它協助準備簡報資料,例如十頁的 Powerpoint 文稿,它會自動下標題,也會建議適當插圖,展示超強能力。

這裡要特別一提的是,ChatGPT 回應的品質與提問的方式有密切的關係,問題如果具體、清晰、主題明確、簡潔、舉例以及闡明目的,效果較佳。

2022年10月31日 星期一

清材五十 學研卓越

 清材五十 學研卓越

喊水會凍

不可思議

湯瑪斯教授與在台學生

柯漢教授在台灣

繼往開來

歡迎大家來參加「清材五十,精采一百」活動之一的「學研卓越: 教育科研相關內容分享」座談會,與談人都是學研卓越的系友,精彩可期。

清華材料系是在1972年成立,我在1977年加入材料系,當時的清華材料系,共有教師七人,由於台灣當時幾乎沒有博士班,在國外獲得博士學位的教師很稀缺,因此大學大部分領域研究還算是蠻荒地,清華材料系是國內第一個材料系,七位具有博士學位的教師形成國內材料研究的最大聚落,現在看來,很不可思議。

1977年時,大學部畢業生只有兩屆103人 (76及77級各52與53人),碩士班畢業生只有四屆 37人(74、75、76及77級各4、11、10與12人),到1981年,博士班方成立,從1985年起,才有畢業生,1985 -1989年共五屆23人,與之相對照的是,2021年大學部、碩士班、博士班畢業生各105、125與23人,變化相當大,到2021年為止大學部、碩士班、博士班畢業生總計各為3453、3043與750人,由於清華的固有聲譽,以及徐賢修校長遠見,設立了當時即使在世界上都少見的「材料科學與工程系」,是清華工學院最先成立的三系之一,掌握了先機,招收到眾多優秀學子,五十年後,畢業生在台灣材料界,說喊水會凍,並不太誇張。

材料系的發展,除了同仁們的努力外,也得到不少外部的助力,首先是政府在1980年推動包括材料科技在內的四大重點科技,有特別經費支援,讓材料系購置了不少貴重儀器,也有本錢加入國科會「貴重儀器中心」,得以打造位於
「材料科技館」底層的「黃金走廊」,同時也協助清華成立「材料科學中心」,以及「合金鋼廠」的建造與相關設備的購置。

政府能在1980年代初期以材料科技為四大重點科技之一,主要得力於當時「中國材料學會」理事長吳伯楨先生建請行政院科技顧問組設立「材料科學顧問小組」,由美國加州大學柏克萊分校材料系湯瑪斯 (Gareth Thomas) 教授為召集人,最後行政院採納顧問們的建議,而得以成案,對台灣材料科技發展,有重大影響。

這裡不能忽略的是國科會約於同期成立「貴重儀器中心」,先是對審核通過的儀器提供人事與維護費用,其後更在適當時機協助汰舊換新,材料系現今受惠儀器包括高解像能電子顯微鏡 (HRTEM)、場發射掃描穿透式球差修正電子顯微鏡(UHRTEM)、場發射電子微探儀 (FESEM/EPMA)、X光粉末繞射儀 (XRD)、歐傑暨化學分析電子掃描微探儀 (Auger/ESCA)、化學分析電子能譜儀 (ESCA) 以及掃描探針顯微鏡 (SPM),洋洋大觀,也是材料系發展的一大助力。

再者,教育部於1980年代後期,推動材料所系「第二專長」方案,協助各材料系拓展金屬材料以外的研究領域,原由是教育部聘請美國麻省理工學院柯漢 (Morris Cohen) 教授來台評估台灣主要材料所系發展,本人受託陪同參訪各材料所系,柯漢教授給教育部的報告指出,台灣各材料系所師資、課程與設備太偏重金屬材料,建議教育部提供資源,協助各所系發展「第二專長」,譬如在清華以電子材料為第二專長,教育部從善如流,以專案方式,分年挹注,對當時主要材料系所發展幫助很大。

其次則是教育部於2000年左右推動「追求卓越」計畫,雖然不是只針對材料系所,但如經過激烈競爭,得到補助的話,對研究水準的提升,大有助益。本人與約二十位清華教師團隊幸運中選,申請到一個四年兩億六千萬元的計畫,也大大充實了材料結構原子層級臨場動態觀察能量。

由於材料系師生同仁多年來「自強不息」以及一些特殊的機遇,清華材料系五十年來不僅在台灣材料界建立龍頭地位,揚名海內外,同時開枝散葉,除在產業界大放異彩外,也確實做到「學研卓越」,今天邀請的與談人是系友中代表性人物,都是台灣學研界的巨擘,一方面是材料系的榮耀,也希望大家在未來更能「繼往開來」。

2022年6月13日 星期一

利用 AI 簡政便民: 新竹縣政府與產業界交流座談會

利用 AI 簡政便民: 新竹縣政府與產業界交流座談會

人工智慧能在施政方面做甚麼

世界已籠罩在AI中

「AI為善」至為重要

在約三個月前接到縣政府邀請來參加今天的座談會並給一個短講,最初我以為是楊縣長推薦,答應以後,才發現是個美麗的錯誤,據主辦單位告知實際上是以AI 分析大數據尋找後嘗試邀請;楊縣長是我在國科會擔任副主委時的老同事,他當時擔任中科局長,活力十足,據統計,在約二十個月的時間,我受邀參加中科活動五十次,可見與楊縣長共事,不是很輕鬆,但也因為如此,楊縣長主政三年多來,政績斐然,備受肯定,就不令人意外了。

今天座談會的主題是「文科簡政便民、服務產業升級」,我的題目是「縣政府與產業界如何合作共創簡政便民雙贏 (導入AI智慧)」,由於參加對象包括:

(一) 新竹縣政府一、二級機關暨鄉鎮市公所之公務同仁,
(二) 新竹縣轄內中小企業團體、
(三) AI智慧園區、鳳山工業區進駐廠商。
我想最好的切人點可能是AI智慧能在施政方面做甚麼以及產生的影響,而由產業界提出需求,縣政府認真評估可行性與推行,

人工智慧 (AI) 近年來蓬勃發展,已漸影響世人生活各層面。如果說我們現時已被籠罩在「人工智慧」中,可能不算誇張。前幾年不可避免地開始注意到「數位科技」對人類生活影響越來越大,而其影響層面之深廣在幾年之間,有飛速的成長。由於個人與財團法人「中技社」有相當的淵源,因此我有機會協助「中技社」舉辦了四場研討會,分別是「人工智慧對科技、經濟、社會、政治、產業領域的挑戰與影響」(2018年2月22日)、「AI 時代社科文教之變革與創新思維」(2019年3月13日)、「AI智能應用對日常生活之翻轉與創新」(2019年8月23日)、「AI倫理治理與醫療防疫」(2020年10月16日)研討會,就各個面向加以研討,個人也從中學習到很多。

去年本「AI為善」理念研討,先挑選教育與產業 (製造與服務)兩個領域邀集該領域耕耘多年經驗豐富之專家與開發該領域AI科技專家,針對各領域AI技術能貢獻之處與適合台灣投入的方向,進行多場專家討論會議,每場各由一位專家分享論述,再進行討論,彙整重要論述與建議,向教育部與相關主管機關部會提出建言。同時為達到針對社會大眾科普推廣認知目的,也規劃大型的研討會,首場「AI在教育領域應用」研討會原定5月27日舉行,因疫情而延至9月7日舉行。

與本座談會「簡政便民」主題息息相關的是前行政院研究發展考核委員會主任委員、前花蓮縣政府副縣長朱景鵬教授分享的「AI 對公共行政之影響」,內容包括 一、公共行政是什麼,二、AI 的定義:從公共行政的觀點,三、AI 能幫政府做什麼,四、AI 與公共治理的問題與挑以及五、AI 與公共行政的未來想像。
在座有許多公共行政專家。我就跳過公共行政定義,而從公共行政的觀點定義AI:
1. 應用 AI 提升生產力,
2. 公民服務平台,
3. 用數據化、自動化來協助解決公共議題。
4. 透過認知技術 (Cognitive Technologies) 對所有公部門所產生革命性的影響,例如 AI 可以聽、可以讀、可以說,但是它有沒有情緒 (emotion),這就是人類無止盡的努力方向。

再者,AI 能夠幫助公務員找到提升工作、服務效能的模式及自動化的手動流程的解決的方式,這裡面含括數據匹配 (matching data)、模式建立 (patterns)等。從公務系統需求角度,AI 的功能有四,第一、將標準化工程予以稍微舒緩(relieve);第二、自動化分解工作任務 (split up);第三、能簡化支持系統 (replace),替代一些不需要的人工;第四、增加處理公共事務的能力(augment)。

三、AI 能幫政府做什麼
美國是 AI 發展的主要領導國家,據美國經驗,AI 除了能夠節省人力、提升工作效能之外,還能應用在法律上防止犯罪,譬如多如牛毛的法律判例、判決個案,皆可以透過 AI 來進行研究分析,節力省時。美國有很多公民參與案例,如紐約市社會服務部、美國公民和移民服務、亞特蘭大消防救災預警系統等。
從 1998 年起,臺灣開始推動電子化政府,目前已邁入第五階段(2017-2020 年),DIGI+方案下服務型智慧政府,目標希望達成提供便捷服務和落實透明治理,這些都是二十年來一步一腳印慢慢累積的。現階段,則要去思考 AI 工具如何導入才能夠提供更優質、更便捷,以及更具創新作為與人性化的服務。
對 AI 公共行政而言,從不同的經驗裡可以發現到資料安全、隱私保護、協商 AI 合約、公民參與是成功的關鍵。

四、AI 與公共治理的問題與挑戰
對於 AI 與公共治理,需要關注的至少有四個問題,第一個問題是誰擁有這個權力來規範或者律定治理體系;第二個問題是公民對社群媒體的信任度,現在經常發生假新聞 (Fake News),社群媒體如何讓民眾信任;第三個問題是透明化的原則如何融入至公共行政領域的治理體系;第四個問題是個人隱私權的保護應如何執行。
關於 AI 和風險社會,第一是人為化風險、第二是制度化風險、第三是技術性風險,以及第四是全球性風險。歸結到組織化的不負責任。舉例來說,開發 AI 領域所伴隨的風險如造成失業率增加,已經形成國際社會生態的問題,AI 是福還是禍,是須要嚴肅以對的問題。

五、AI 與公共行政的未來想像
相關問題是機器做決策,是否會造成更多政策失靈? AI 演算的偏差及數位獨裁。我們可以思考政府有沒有需要透過 AI 來重塑、政策是否要透過 AI 來調整?某種程度上 AI 的確是一個非常好用的工具,但是最終做決定的還是人類。
歐盟推動 AI 的經驗呈現出四大障礙,就是穩定 (robustness)、可靠 (reliability)、準確 (accuracy)、延伸 (scalability),前述四項是技術上碰到的問題,但是其他的 AI 障礙如像倫理 (ethical)、法律 (legal)、社會 (societal) 考量等就不是一般技術可以克服的問題了。

最後,如果 AI 要在公共行政領域有效率的發展,必須符合四個條件,第一是透明 (Transparency)、第二是誰來負責 (Accountability),釐清責任歸屬、第三是公民參與 (Participation / Civilian Engagement),只有前面三個項克服了,才能得到有效率 (Efficiency) 的政府。

從技術的角度來看,基本上AI就是根據很多的數據資料 (即大數據),透過機器學習,做合理的推論。在產業應用上我們已經看到影像辨識、商品推薦、搜尋引擎、語言翻譯、資安防護、防金融詐欺、自動駕駛,以及智慧製造方面等很多成功的應用。台灣製造業,有很多AI技術可以應用的地方,比如以辨識技術找出瑕疵品、優化裝配生產線、優化(有複雜配方與製程參數的)半導體製造流程、機台故障之診斷與預防保養、生產決策等;也可藉由AI技術做學習而自動化,這些都已是台灣製造業的實際應用,所以AI的確可在製造業發揮很大的助益,而且效益也應該是最大的。

在產業方面,關注對台灣製造業的發展更有助益AI關鍵技術的布局與開發,規劃下列三場座談會,分別就高科技產業。傳統的中小企業以及新創產業研討。希望藉由不同產業面向的討論,勾勒出台灣應優先致力發展的AI應用在製造領域之方向,讓台灣的製造業再晉級,保有競爭優勢。第一場「AI 於高科技製造產業與影響」座談會已於3月30日舉行,其他兩場因疫期升溫而暫緩。

在「AI 於高科技製造產業與影響」研討會中,有三個主要的討論重點,一個是從應用面,包括半導體產業、面板、電子製造業都是台灣非常重要的產業,探討這些場域的AI智慧製造應用;其次是從解決問題提供者面,包括AI、物聯網、5G、大數據等,目前都有一些新的挑戰跟機會,第三則是從供給端與需求端來看,整個AI智慧製造對台灣經濟的影響,再擴大對社會還有政治上面的影響和政策意涵。

一. 高科技
(一) 討論主軸:為了台灣高科技產業持續發展,保持競爭力,台灣應致力那些AI科技面向之研發
1. 提升製程良率,
2. 異質整合,
3. 輔助愈趨複雜之品項設計與開發,並加速開發時程,
4. 促進ESG之執行與管理等。

二. 中小企業
(一) 討論主軸:協助台灣中小企業數位化轉型,應致力開發之AI應用技術方向
1. AI於中小企業與傳統產業之應用,
2. 智慧製造解決方案(如AI、物聯網、5G、大數據等)之挑戰與機會,
3. AI智慧製造於經濟發展之意涵,
4. AI對於社會與政治的影響等。

三. 新創公司
(一) 討論主軸:協助台灣中小企業運用AI技術創造商業價值並解決產業痛點,應致力於那些全方位解決方案之AI科技開發
1. 資料中心解決方案,
2. 預學習模型加速製造,
3. 瑕疵檢測解決方案,
4. 設備運維解決方案等。

以上報告,還望各位先進指教,將不勝銘感。

2019年9月27日 星期五

郭毅可院士「人工智能與未來社會」講座與談

「專家與非專家」與談

「兩岸清華一家親」


郭毅可院士「人工智能與未來社會」講座與談

今天很榮幸與郭毅可教授對談,郭教授1980年至1987年在「北京清華大學」電腦系電腦專業讀書。「台灣大學」雖然是我的母校,但我在「新竹清華大學」工作了四十二年,而「新竹清華大學」與「北京清華大學」同根同源,是由原「北京清華大學」梅貽琦校長於1956年在新竹建立的,兩校有同樣的校訓、校歌,以及幾乎完全相同的校徽,今年六月,我到北京開會,順道拜訪曾與我一起擔任校長的「北京清華大學」顧秉林校長,顧校長特別準備了2010年我們初次見面的照片相贈,倍感溫馨,而細數歷年來,我們交流有十五次之多,確確實實是「兩岸清華一家親」。

「郭毅可」院士專業是資訊工程,資訊工程是AI 的家鄉,而郭院士是斐聲國際的大數據專家,而我基本上是外行人,今天所以應邀與郭院士對談,想是朱雲漢院士特別安排的「專家與非專家」對談,也許能從更廣視角看問題。另一方面,在AI時代,未來社會是許多人關心的問題。本人近年來密切注意AI的發展與思索AI的未來,同時有幸協助公益法人「中技社」在過去一年半間舉辦了三次與AI有關的研討會。不同於國內一般AI研討會,「中技社」系列主題是請各領域的頂尖專家談談它們對AI的看法,這種由名家主講AI-X的模式,受到相當的肯定,每次都吸引超過場地容量所限之四百人報名參加。其中很感謝朱院士在去年第一次研討會中給了一個以「AI與政治」為題的精采演講,作系統性的論述,整理這方面的文獻以及過去的一些思考。而這三次研討會演講主題包括經濟、社會、政治、產業、科技、醫學、國防科技、傳媒、金融、藝術、教育、公共行政、語音辨識、老年生活、工程與營造、5G通訊、運動、學習等,誠如「李琳山」院士在8月23日,第三次研討會中所言,「想不到一個領域用不到它」,「在可預見的未來都會很有用」,總言之「可大可久」,簡明而直指核心。

同時「中技社」身為國內首屈一指的公益法人,不斷發揮創意,今年更首度辦理「中技社AI創意競賽」,分為3個競賽主題,評選具AI創意實體作品。包括: AI與藝術、AI與創新服務、AI與教育,共收到32件競賽作品,已評選完畢,優勝作品相當多元與令人驚豔,將於10月4日在「中技社六十週年慶」典禮中展示特優作品,請大家「拭目以待」。

優勝作品相當多元與精采


今天郭院士在「從技術發展來探討未來社會」大架構下,談到幾大趨勢﹕

一、無中心化:新的社會組織結構,

二、資料的資本化:新生產資料下的資料經濟,

三、人工智慧的普適化:新生產工具下的產業賦能,

四、人機二元社會:新的生產關係下的機器行為。

在去中心化服務方面,可看到:

一、微醫療: 郎中階段 – 醫院階段 – 私人醫生階段 (更方便地結合海外醫療:「第二診斷報告」),

二、微教育: 私塾階段 – 學校階段 – 互聯網 + 私塾,

三、微媒體: 口耳相傳 – 大眾媒體 – 自媒體,

四、個性化經濟與大資料,從個性化的微服務/商品到高度定製化的服務/商品,展現改進的動力。

這些趨勢在台灣社會各領域已漸浮現,但離真正廣泛施行,還有一段距離。

數位經濟對應的生產要素是數據,通過大數據的數位化分析讓數據轉換為資訊,未來的共用經濟也就是大數據經濟,共用經濟導致了數據資源的社會化。過去以數為據,數據曾僅是記錄度量物理世界的資料,逐漸轉化為數據產品:大數據是這個社會的自然資源,數據主宰著我們今天的生活,數據用來組成服務時,它成為資源,到如今對數據的所有權的界定使數據成為資產,未來對數據資產流通和交易實現其價值,使數據成為資本。而數據因而從資料轉化成資源、資產到資本。引發了大數據經濟市場的產權制度及激勵機制、市場的信用關係、及市場組織結構和遊戲規則等方面都發生根本性的變化。但是在這些方面一般的基礎設施及法律制度準備不足。

歐盟在資料保護方面,最為先進,於2016年制訂,而於2018年5月25日生效《一般資料保護規範》(General Data Protection Regulation, GDPR),包含了相應的法規和保護措施。目前,台灣「個資法」第七條對個資收集的同意,仍是採取「推定同意」(當事人如未表示拒絕,相關單位若已提供其個人資料者,則推定當事人表示同意。),而非GDPR的「自願、具體聲明同意」的型態,許多國內專家認為應該要盡速修改為如同GDPR的同意要件。

另一方面,資訊隱私法在實行上有困難,讓企業千方百計鑽漏洞,也不利於促成有效而具競爭性的數據市場,政府應限制資料使用的方式。而用法規架構來提升效率,必須由政府機關負責執行。執法機關必須要有組織能力、人力、必要的調查與執法權力、具備專業知識,但人才難尋。

從資料資產到資料資本的瓶頸,在於實體資產和資料資產的不對稱、資料資產的可交易性與資料的使用特徵的矛盾(使用非排他/無限可再生)、以及個人資料接近無限:我們無法靠腦力來處理我們的資料,以實現資料價值。解決方案一為區塊鏈,另一為人工智能。未來將受區塊鏈和人工智慧的共生驅動。

人工智慧需要資料,但是資料往往被中心化平臺壟斷,因而阻礙創新。區塊鏈創造了一個對於資料提供者有正確激勵機制的資料市場。人工智慧能夠依賴這個資料市場起飛。許多人不理解人工智慧的瓶頸不在於演算法,而在於資料。

郭院士在人機二元社會,介紹了新的生產關係下的機器行為。目前機器學習的局限在於沒有全域的抽象能力,就無法揭示規律,做出準確的判斷(會發生什麼?),沒有應用知識的能力,就無法理解資料,理解感知的內容,實現真正的認知 (發生了什麼?),學習的結果無法解釋,就無法和人類的知識融合,驗證決策,獲得信任(為什麼是這樣?)而機器學習孕育著新的革命,現在是:儘量減少人的干預 (資料驅動的學習),未來是:儘量利用人的知識 (知識支援下的資料驅動)。而未來可能成為一門新興學科的「機器行為學」,是很須要注目的。諾貝爾經濟學獎得主Herbert Simon曾在發表論文中問到:「是否也存在所謂『人工』科學,專門研究人造物與所引起的現象呢?」部分學者主張從動物行為研究來看,經歷出生,成長、傳宗接代、演化過程的相似性,應研究機器的行為以及與環境的互動。

機器經由腦編碼與解碼,已經到了解碼大腦的時刻,可以理解人,而知道人想什麼。那麼人懂機器嗎?一連串的問題,包括: 機器有沒有行為?機器的行為是如何決定的?又是如何發展的? 機器的行為的功能是什麼?人如何影響機器的行為? 機器如何影響機器的行為? 機器如何影響人的行為?毫無疑問, 機器是有行為的,而機器的行為是由人通過演算法決定的,通過瞭解演算法,我們就能確定機器的行為。但如何瞭解演算法?演算法是黑箱怎麼辦?可以有生成演算法的演算法嗎?

智慧演算法的特點是演算法是可以學習的,學習演算法的結果可以是新的演算法,演算法決定機器行為的辦法往往是通過優化「效用函數」來實現的,同時演算法可以是非確定的,非確定常常是人類和演算法交流的管道,演算法可以「暫時」是黑箱,實驗是黑箱透明化的方法,最後演算法是可以遺傳進化的。

機器的行為的功能是什麼?可從機器行為為環境帶來何種影響,使得它們能持續有優勢。例如,某些表現優異的交易演算法,可能會成為業界的標竿,在不同公司之間交流,也可能受對手仿效、學習。又如自駕車系統,越是顧及乘客安全的越會受到歡迎,反之則會銷售不善,被淘汰出局。

機器如何影響機器的行為?與動物、昆蟲類似,機器也有群體互動的一面。如果彼此互動優良,可能更順利也更出色地完成指定任務。相較於單一AI的行為研究多聚焦於機器在不同環境、背景下的各種反應是否合乎預期。多個AI間的合作關係,可以提升效率。目前高唱入雲的工業4.0即為一例。

人如何影響機器的行為?人類社會中固有的歧視與刻板印象自然地顯現在提供給機器的訓練資料中影響演算法。機器如何影響人的行為?,包含選舉、休閒、工作等等,隨著機器引入各種人類活動,影響人類社會將益形重大,如選民投票行為、觀眾偏好以及工作形式,都已可見到相當的變化,未來必定更加劇烈。而交互作用之下,人機共存的世界必然呈現不同的樣貌,只是改善或加劇既有的不公不義?應是「機器行為學」此一新興學科迫切關注的問題之一。

郭教授在總結時提出「知本主義社會」,類似於古籍中提到的「大同社會」。未來社會改變的趨勢是,工作與生活邊界消失,個性化匹配代替集中市場,所有權模糊,層次化消失扁平社會,人類可轉而追求更高層次需求。應是大勢所趨。

最後有兩個問題想請教郭教授的看法﹕

一、正如郭教授提到的,許多研究顯示, AI取代大量人力將是勢不可擋,傳統以「分配」以及「參與」的救濟失業方式,很明顯將無法支應。比較激進的做法,就是「全民基本收入」(Universal Basic Income,UBI)。其核心思想是讓每人每月得到一定金額,足以支應基本的食。衣、住、行、教育以及某種形式的健康保險。雖然UBI問題多多,但據大數據領域公認的權威麥爾荀伯格 (Viktor Mayer - Schönberger) 等人分析部分UBI,或許只要靠著合理程度的增稅,就足以支應,主要目標在個人賦權,讓人把「薪資」與「工作」的概念拆分開來,在思考「工作」時,能有更多自我實現的考量。[註一]

二、二十世紀九十年代,由蘇聯為首的共黨集團崩解,主要原因之一,是經濟不振,物質稀缺,AI若能促成的「大同社會」,不啻共產社會班師回朝。

[後記] 郭教授對問題一的回應是UBI值得深入探究,問題二則是大致同意。

[註一] 麥爾荀伯格 (Viktor Mayer-Schönberger),蘭姆格 (Thomas Ramge),大數據資本主義:金融資本主義退位 (Reinventing Capitalism in the Age of Big Data) ,林俊宏譯,天下文化 (2018).

https://lihjchen1004.blogspot.com/2019/09/reinventing-capitalism-in-age-of-big.html

「全民基本收入」概念值得深入探究

「知本主義社會」類似「大同社會」