A I真的來了！2022年可以說是生成式AI(Generative AI)在全世界應用爆發的元年，台灣各界也反應熱烈，不但諸多民眾熱衷使用ChatGPT與Midjourney，驚訝AI看似無所不能的強大威力，近日還引發網路名人是用電腦繪圖還是A I繪圖的爭議。國科會更宣布即將打造台灣版的GPT，而清華大學首先宣布組成專案小組因應AI對高等教育的衝擊。
但是在這一波熱潮中，台灣是否有可能不只是看熱鬧，而是發揮優勢，儘速參與這一波AI科技的發展？而政府除了鼓勵科技產業界與技術研究單位投入外，還需要在哪些基礎設施上建造，才能開發出對我們社會有實質幫助的A I應用呢？
筆者分別為人文社會與理工背景，我們在幾年前開始意識到A I對各界的潛在影響，因此透過國科會計畫與許多領域的研究者一同推動「公共化A I」專案。這項專案是以促進跨領域合作為主，尤其聚焦在如何推進人文社會研究專業知識參與AI發展。我們近期的重要工作之一是建立專業資料的標註平台，並推廣人文社會團隊進行專業標註，希望及早培養未來AI發展應用的土壤。我們認為台灣各界雖然所可能需要著力的地方有所不同，但相當關鍵的是訓練符合在地需求的AI所需要的資料標註，並且開發合適的應用場域，才能將各項資源連結起來，培育AI發展更健康合適的土壤。
以車子的製造來比喻，AI是這個汽車的引擎，是最重要且不可取代的部分。但是如果車子只有引擎也不可能跑，還需要有油箱與合適的燃料輸入，更要有傳動軸與輪胎將引擎的馬力帶出來。若這台車要能載人載貨，也總是需要有椅子與坐墊才會舒服。若缺少這些，沒有人會只買一台引擎回家。簡而言之，AI公共應用所需要互相搭配的至少有三個領域：「資料來源」、「AI技術」與「應用場域」，以及兩個重要環節：「整理標註」與「系統建置」。彼此間的關係可約略用圖一來表達，而外面虛線的方框代表整個社會所需要搭配的法規環境、教育訓練與資源配置。
在這樣的架構下，筆者以下對不同單位或領域所可以加強的角色提供若干方向性的建議，希望能搭配起來一起為AI的公共應用帶來新的契機。
一、對政府科技推動單位(例如數位發展部或國科會)：以台灣的資訊科技基礎，對於A I演算法的掌握應已有相當實力，人材濟濟。但較大的弱點之一反而在於對本土實際需要的資料掌握較為有限。這是由於在目前的法規以及公部門害怕犯錯等限制下，許多資料往往分散而不容易取得。因此政府若有志於將A I推展為重點科技政策，或許並不是再砸大錢作另一個GPT(難道要學微軟投資OpenAI的100億美金？)，而是建立與資料有關的基礎設施，例如優先解決資料治理的法治基礎與相關規範(這也需要與司法單位討論協調)，讓法令規範可以更有彈性來鼓勵學者或業界嘗試應用政府相關資料，自然有無窮機會與創意會發生。 （相關報導： ChatGPT剛誕生，就跟Google結下樑子！微軟餵它喝奶水，賺最多的卻是蘋果？ ｜ 更多文章 ）
二、對政府各部會與各級政府：目前台灣的開放政府推動已有相當成效，而各級機關與單位長年委託或自行提供的統計數據也有一定累積或公開上網。然而這些往往都是只與該單位業務工作量有關的統計，用來應付民意代表的詢問，而缺乏從研究或未來發展角度而有的完整性數據。舉例來說，最近教育單位很重視大學生的心理健康議題。但是我們並未有任何全國性的資料架構，足以讓研究者了解各校學生實際使用諮商資源的人數/人次與學校類型、系所、性別、年級、求助主題等等關係。目前只有各校自行用不同的方式來統計，無法整合也數量不足。沒有統一的數據結構來評估問題可能的原因與癥結點，就像在矇著眼打一場不知道敵人的戰爭。就算現在想要開發某些AI應用來協助改善校園心理健康，又要拿甚麼資料來訓練或評估成效呢？
