台灣在口罩對策上成功的主因是政府與民眾彼此信任，並活用數位科技，數位科技在其中發揮極大的效果，相信今後這種現象會經常發生。有效活用數位科技，能促進社會產生變化與發展。
當然，數位科技並非無所不在。例如在新冠肆虐初期，預防病毒最好的方法是用肥皂徹底把手洗乾淨，再用酒精消毒。這些動作，數位科技就無法取代，也沒必要把科學邏輯套用在肥皂和酒精上，數位技術擅長的是，讓更多人理解正確地使用肥皂洗手的方法。
數位技術絕不會改變社會的方向
「內外夾弓大立腕」是台灣網路上流傳的一首歌，歌詞內容是教大家如何洗手。為了讓這首歌在網路擴散，利用數位技術製作出可愛的宣導用吉祥物，就是一種好方法，實際上也可行。
但如果只是這樣，就斷定數位技術會改變社會的方向，就有點誇張了。歌曲和宣導用的吉祥物只用來做推廣用，是為了強化「手要洗乾淨」、「一定用肥皂」的觀念。數位科技的終極目標僅為獲得「徹底洗淨手」這個結果，如此而已。
當然，數位科技有其優勢，例如可透過科技獲悉民間的用水量增加、每個人洗手的次數增加，以及洗手的時間加長了等。數位並無法取代生活裡肥皂的效用，但當我們不知道實際的數據，例如用了多少肥皂、多少水、洗手時間等，就可以透過科技得知。
政府並不想透過數位改變社會方向。「用肥皂洗手」是經過國民認可的共同目標，而當大家朝同一個方向前進時，數位科技也能更快更普及地傳達資訊，僅此而已。
數位無意改變民主主義的方向，也沒要求我們必須朝其所指示的方向去做。無論在新冠病毒對策或數位化政策上都一樣，數位只是一種輔助性的工具。
從偏鄉開始建置5G的理由
台灣的5G（第五代移動通訊世代）正逐漸普及中，4G和5G最大的不同是5G的延遲率會降低。
比如說，當我透過視訊會議接受海外媒體採訪，幾乎可以即時看到國外採訪者的反應，這不是因為通訊速度加快的關係，而是「延遲」消失了。速度的快與慢，可以從我們隔著螢幕是否清楚看到對方的動作來得知。所謂「低延遲」是指當對方點頭時，我們可以在極短時間內就看到他做這個動作。
以開車為例，駕駛者看到對面有車會立刻踩煞車，從踩煞車到停止之間所費的時間，就是延遲。或者當眼見快跟對面來車相撞時，駕駛一定會按喇叭示警，那麼按下喇叭，對方需要多久時間才能聽到，在這段時間內延遲就會發生。
這和速度一樣，聲音與光的傳播時間有其極限，因此延遲會發生。
和光纖相較，4G通訊的速度就慢了很多。比如說有輛無人車撞上對面來車，如果雙方用的是4G通訊，通常是在撞車後才收到訊號「撞車嘍」，一旦換了5G，警訊會從一開始就傳達到位，這時接到警訊的駕駛就能當下判斷，究竟該轉動方向盤或踩煞車。這是4G與5G的不同。
為了讓台灣的民眾在公共場合中都能利用5G，政府投入高額的設備與資金，選擇在4G利用率較低的地方先建置5G設備。這是之前不曾有過的做法。
先從偏鄉建置先進的5G是為了消弭不公平，既能確保偏鄉民眾學習與管理健康的權利，也藉此拉近城鄉的差距，讓偏鄉脫離弱勢的宿命。
還有，線上學習必須接上網路才能運作，但地理上的隔絕使得高山與離島缺乏建置的條件。相同地，網路環境若不完備，視訊授課就無法實現。台灣政府在2019年制定目標，決定先從位在高山的學校投資設備，內政部還為此出動直升機，設法克服困難，以便在山上建置基地台。
網路設備是否完備也攸關安全。台灣有許多小島，很多小學生會去小島體驗划獨木舟。讓孩子們接近大自然、經歷冒險是戶外活動的目的，不過當孩子划著獨木舟穿梭海上時，必須顧慮安全，因此事先想好救援的步驟是必要的。網路設備萬全的話，孩子們就不會有危險，能夠安心探險，讓大自然成為良師。
體驗大自然，有助孩子們身心成長，極為寶貴。缺乏大自然體驗的孩子，就像被囚禁在平地人營造的建築物似地，生活貧乏無趣，VR（虛擬實境）終究只是虛擬，和真實存在的大自然完全不同。
無論5G或未來透過衛星誕生的6G，這些高科技都會帶領人們去到遠方，開拓視野，是教育中重要的一環。先從偏鄉開展數位教育是有遠見的做法，當理解其中的意義後，就知道我們在做的並不是小事。
人會受制於AI的想法是杞人憂天
AI將取代人類是杞人憂天的想法。
隨著社會數位化發展，我們可以享受不少好處，網路愈普及，人類工作的方式也隨之改變。眾所週知，為了有效地防疫，遠距工作者和機會都增加了。愈來愈多人了解到即使隔著遙遠的距離，事情依然能順利進行。在任何地方都能工作的時代來臨了。
因為這樣，所以有人開始擔心機器與AI發展過度，人類的工作會被取代，或擔心白領階級和藍領階級間的經濟差距會逐漸拉大。
我不這麼想。工作需要「認知能力」與「手動能力」，需要認知能力的工作較難被機器取代，但手動的工作就容易被取代。此外，工作的任務有「例行性」或「非例行性」，例行性是能用明確的指令描述執行的方法，能寫成電腦、機器人可執行的程式，這也容易被取代。儘管如此，其中的層次依然要分得更細膩，應該說，手動能力雖容易被取代，但不會完全都被取代，非例行性工作也是。
再舉例來說。為了讓AI（人工智慧或人工智能，Artificial Intelligence）記憶工作的內容，有一種單純的輸入作業稱為「教導數據（teaching data）」，針對「什麼是汽車」、「什麼是房子」、「什麼是道路」這種疑問，於加註解說後貼上標籤，像老師在做的事那樣，為了什麼都不懂的AI，先花2至3年傳授一些基本知識。在這種時候，註解與貼標籤就是例行性工作，等AI累積了一定程度的基礎資料後，再讓電腦承接。
現在的AI已達到小學一、二年級學生的水準，不用再教它「這是紅燈」、「這是綠燈」這種基本常識了。以前，當詢問Google「這是斑馬線嗎」或「這是汽車嗎」，「請輸入」的訊息也會顯示，這時需要輸入後正確答案才會出現。但是現在的AI早已學會英文單字和數字，根本不需要輸入，也不用再問「哪一個是紅綠燈」，AI就能立刻辨識了。
由此，教導數據與貼標籤這種作業只是過渡期，待電腦學習到了某種程度後，就不需要人為了。可能因為這樣，讓有些人很沒安全感。
不過，電腦或AI有視覺感測不過是2015年、近6年才有的，即使要搶人的工作也沒那麼快。而且無論AI最後進化到什麼程度，透過人的手來做紀錄的工作並不會完全消失，因為紀錄是一項極為重要的工作。以數據分析為例，參考數據後做出最終判斷的，從最基本到高端依然需要人來做。
現在，非例行工作中的基本部分雖可以交給AI做，但最終的責任還是人在承擔。以出版為例，從事編輯工作的是人，把書編輯出來後提供給讀者，這時編輯優秀與否就有區別。這個區別並不在於1分鐘能讀幾個字，而是必須具備獨特的觀點，如何在龐大繁雜的詞語中發現其獨特性，並運用其獨特的眼光做出有活力的報導。
這種工作就牽涉認知、手動、例行性與非例行性，而這是AI怎麼樣都做不到的。AI能做的只是找出文章中每一個段落的重點，將能用的名詞、專門用語數據化後貼上標籤。從這一點來看，AI也許是一個能幹的編輯，但即使如此，根據專業或推理能力而負責下判斷的還是人，或者說只有人有能力下判斷。
我對翻譯感興趣，所以對AI的翻譯能力能達到什麼程度很好奇。以現在的技術來說，AI可以做到的是像工程、法律這種有標準答案的翻譯，或者像翻譯EU各國語言的法律文章那樣，因為已有很多基礎資料，標準答案不可能錯，所以這種翻譯AI可以做。
但是，詩和小說等文學類作品的翻譯就不一樣了。小說雖能被翻譯成外文，但不同譯者翻譯出來的作品一定不一樣。從某種意義來說，這種翻譯等於是重新創作，形式上是翻譯但實際上是創作。由此，要讓AI翻譯這種需要創意的類型，恐怕還有困難。
＊本文選自數位政委唐鳳口述，日本總裁出版社編輯部整理紀錄的《唐鳳談數位與AI的未來》（蔚藍文化）。
