【邁入AI未來新時代 跨世代對談】

引言：全球變局、科技挑戰與核心素養

2024年世界經濟論壇指出，全球正面臨科技發展迅速、地緣政治結構轉變、氣候變遷以及人口結構轉變等四種系統性的風險挑戰；同年，諾貝爾物理學獎得主、AI教父Hinton說：「AI最終將對人類文明產生巨大的影響，改變生產力和醫療保健，足以和工業革命相媲美。」

余紀忠文教基金會因應趨勢變化，於2025年間集結一群來自不同學校的校園大使，透過一年時間，撰寫《AI 時代下的數位治理與社會重構》報告，從「重構數發部、重構資料與民主、重構獨立性保障、重構數位教育」四大面向出發，探討 AI 科技快速發展之下，制度、教育與社會應該如何回應，也思考我們要如何迎接一個正在被 AI 重新定義的時代。

本場論壇，延續該份報告之研究核心，針對「數位治理、數位未來、數位人才」三大主題，由青年視角出發，透過不同世代、不同領域之間的交流，一起尋找 AI 時代的下一步。

當政府必須考慮「數位治理」架構；當科技走進工作與生活；當AI不斷改變世界，而我們究竟想變成什麼樣的人? 這是匯聚眾人在此，展開跨世代對話的真正意義。

周景揚（前中央大學校長、陽明交通大學終身講座教授）

主題一：數位治理——國際現實、主權AI與在地價值
 

在全球數位治理成為顯學之時，數發部同時承擔了產業發展與政府轉型的任務，可謂至關重要。臺灣現有的制度設計，是否足以回應全球快速發展的AI發展趨勢，以及日益分歧的 AI 管制模式，是目前最值得關注的問題之一。

青年代表 羅澤(政大外交系)

羅澤：AI治理的主管機關，似乎均對其他機關的預算有影響力，縱無實質掌控或分配權限（如我國之委員會體制），亦至少掌其審計監察，方可以此為基礎增強法規擘劃之制度效果。但我國科技預算預算由國科會統籌，各部會需要經費皆向國科會申請，而缺乏缺乏遵循數發部指引的制度誘因。就此，數發部是否應掌握獨立預算，以促進數位政府的建置？進一步言之，我國政府數位治理的組織設計是否限縮了職能發揮？

• 林宜敬（數位發展部部長）

  數發部一年的常態預算約50億到100億元之間，以政府部門來講確實不多。但個人始終相信：科技的創新、突破與發展，必須來自民間產業自由且公平的競爭，而不是來自政府的強力主導。這曾反應在美蘇冷戰期間的主要差異。

  蘇聯在二次大戰後由頂尖科學家在中央做最好的規劃，發射第一顆人造衛星Sputnik，曾讓計畫經濟一度被認為優於資本主義。而美國則由洛克希德˙馬丁、波音、通用等軍工產業皆透過民間經營，以自由競爭展現效率，最終世紀之爭由美國勝出，結果也證明政府主導缺乏效率。

  AI風險高、變化快，不可能每件事情都由政府自己做；政府更重要的工作，是建立環境、訂標準、把規則先定出來，讓民間願意進場。

  政府最重要的角色是創造適合產業發展的生態系，數發部主要扮演協調與標準制定的角色，運用五大政策工具推動：

  1. 算力：推動BOO專案，提供五年不用繳營業所得稅鼓勵民間建置算力中心，目前鴻海等機構已投案，預計明年三月前民間算力中心就會擁有超過1萬片Nvidia B300的GPU，目標將達2萬片。我們更與金管會合作，引導保險業數千億資金投入算力中心建設，因為算力中心具備機房與伺服器等固定資產可抵押、有穩定的租售現金流，且投資金額龐大，完全符合保險資金的投資條件。

  2. 資料：開放公部門高品質資料供民間AI團隊訓練模型。

  3. 人才：過去政府總想編列預算由官方培訓，但產業界朋友曾提醒我：「若會用ChatGPT就叫AI人才，那我兩分鐘就能訓練一個。」因此我們制定《AI產業人才認定指引》，定義研究型、開發型與工具應用型人才，並串接104、1111人力銀行建立能力標籤，民間補習班自然依循開課，資策會與人工智慧學校也據此推動證照考試。政府只透過制定人才認定標準與能力標籤，帶動民間市場機制。

  4. 行銷：協助臺灣軟體業從單一客戶的「專案（Project）」轉型為面向大眾的「產品（Product）」，並以政府採購的共同供應契約率先採用，建立示範效應。

  5. 資金：國發基金匡列100億元進行股權投資，而非單純補助，進而扶植本土新創成長。這裡我特別要強調「投資」而不是「補助」；企業真正長大，讓成果與收益再回到生態系，而不是所有風險都由政府承擔。

  而面對歐盟《EU AI Act》明列八種禁止系統、美國擔憂過度管制阻礙創新的分歧，臺灣發展出獨特的「三層架構」：最上層由《人工智慧基本法》宣示原則；中間層由數發部制定《AI風險分類框架》；底層則由各主管部會（衛福部規範醫療責任、交通部規範自駕車責任）制定專業作用法。

  我知道大家常拿美國、歐盟、日本來比較臺灣，但參考國外經驗時，也該從自己的制度出發走出自己的路；AI基本法最後採取三層架構：上面是原則，中間是風險分類，下面由各主管機關依不同情境制定作用法。
   

羅澤：為了提升算力與數位主權，各國政府勢必得向AI巨頭採購在端基礎設施，或者雲端隔離空間，卻悖而對大廠產生更深的依賴。面對這種矛盾，傳統意義上的「數位主權」或AI主權，還是一個應該追求的目標嗎？

• 林宜敬（數位發展部部長）

  我認為臺灣主權 AI 有兩個重要面向：

  1. AI 的模型必須要有臺灣的觀點

  尤其是它必須熟悉臺灣的語言、熟悉臺灣的社會環境，而且必須有臺灣的價值觀。所以我們數發部成立了一個 AI 評測中心AIEC，測試了全世界的 AI 模型，截至目前已測試了一百八十二個模型，模型不是單純看它會不會回答問題，而是看它到底懂不懂臺灣。

  -測試它對繁體中文的理解能力，就高中學測國文過去五年的題目來考。
  -測試它對臺灣社會的了解程度，就高中學測社會科的題目來考。
  -測試臺灣價值觀，就一些臺灣社會有高度共識，但是跟中國沒有共識的題目來測試。

  主權 AI 並不是一定要從頭自己發展一個全新的大模型，而是這個模型最後能不能真正理解臺灣、服務臺灣。我覺得主權 AI 的意義，就是模型裡面要有臺灣的觀點、臺灣的資料、臺灣的社會環境與臺灣的價值。

  2. 模型的算力與部署，必須掌握在臺灣可控制的範圍之內

  落地臺灣不代表所有東西都一定要自己蓋，而是因為當 AI 已經深入政府、金融、醫療或其他關鍵領域後，至少要確保臺灣對它有實質的控制能力，也要有自己的司法管轄權。

  所以我認為主權 AI 並不是閉關自守，算力、資料、人才、半導體供應鏈，本來就不可能由一個國家全部自己掌握。真正重要的是，要有自主選擇的能力，要知道哪些事情可以依賴別人、哪些事情不能完全交出去。今天如果 AI 模型完全掌握在境外的平台或算力中心裡面，即使這個模型懂臺灣，它真正發生問題的時候，還是可能沒有辦法掌握它。

  因此，臺灣的主權 AI 應該是一種「自主選擇、值得信賴、而且能夠有序依賴」的能力。在全球 AI 生態系裡面，不是要跟所有人切斷關係，而是要在合作的同時，把自己的資料、基礎設施、技術與管轄能力掌握住。
   

• 劉靜怡 (台大國發所特聘教授)

  主權AI本質上是新興科技國族主義的展現。過去各國要求跨國企業在實體上落地，現在則是透過限制假訊息、言論管制或限制資料跨境流動，將主權延伸至雲端與演算法空間。算力、資料、演算法模型、人才與基礎建設連接起來，目的在於確保國力地位、合乎本土情境需求，並維護語言與文化的主體性。近年美國透過出口管制防堵關鍵晶片與技術外流，也是為了鞏固主權AI基礎。

  事實上，算力、資料、專業人才與半導體供應鏈非單一國家所能獨立掌握。單一國家要完全自給自足是不可能的，我們應該走出孤立，建立國與國之間資源互補的「數位連帶（Digital Solidarity）」，在民主同盟中提升自主性與韌性，但必須反思國際現實。

  今年二月我參加印度新德里舉辦的人工智慧高峰會「AI Impact」，現場有一半場次都在談主權AI，微軟、Nvidia等科技巨頭全員到齊，Nvidia甚至承包了兩整天展示如何協助各國發展主權AI。然而令人感慨的是，在這份全球主權AI地圖上，現場竟然沒有任何一家臺灣科技公司主動參與對話。唯一設攤的臺灣大廠私下表示，是因為在當地有辦事處才順便設攤，且訂單排到2030年都做不完，不需要去爭取訂單。我認為這是戰略上的盲點，臺灣企業應積極參與國際治理倡議與生態系對話，尋找新機會，而非僅滿足於硬體代工。

  主權AI的核心精神在於：我們絕不能把對國家與社會發展具有核心關鍵意義的緊急開關（Kill Switch）交給別人。主權AI不是閉關自守，而是建立自主選擇、值得信賴且能有序依賴的能力，這是民主治理不可或缺的資安防衛與去風險化政策。

  臺灣不能只看到AI伺服器與半導體的優勢，也要把資料治理、法律制度與國際參與補起來。主權AI真正要守住的，是資料怎麼取得、知識怎麼流動、技術由誰控制，以及發生問題時誰有能力依法處理。

  另外一件我很在意的事情，是臺灣不只是要有自己的資料，也要想辦法讓臺灣真正有價值的特色資料被國際模型與產業看見。否則我們擁有資料，卻沒有把它轉化成國際AI生態的一部分，最後仍然只是硬體供應鏈的一環。主權與開放並不一定矛盾，關鍵在於我們有沒有能力決定哪些資料可以怎麼用、哪些價值必須被守住。

羅澤：我國資料治理法制之匱乏，更造成在取得訓練語料上更為困難，但若要趨向「開源」模式趨勢，模型的護欄又易遭竄改。維護數位主權的同時，現實上又預算有限，在這種兩難之下，我們應該如何守護在地價值？

• 林宜敬（數位發展部部長）

  全世界大概只有美、中兩國有環境讓開發通用LLM賺錢；臺灣資源有限，策略是鎖定垂直利基市場（Niche Market），以國際開放權重模型（Open Weights）為基底，結合本土專業資料進行微調：

  1. 金融大語言模型：由數發部、金管會與中信金、中華郵政等二十多家金融機構出資，委託亞太智能訓練300億參數的專用模型，由金管會針對銀行、保險、證券法規出題。模型雖然只有三百億參數，比國際上的大型模型小很多，但在臺灣金融法規的評測上，仍能有非常好的表現。
  2. 法務大語言模型：由法務部主導，訓練符合臺灣大陸法系架構與本土法規的專用模型，協助檢察官辦案與檢索卷證，未來亦可開放民間律師使用。
  3. 護理大語言模型：由長聯科技、鴻海等訓練，以護理師國考題目評測，打造醫護現場專用模型。

  透過在境內建立專用利基模型，我們以有限的預算，兼顧了實用性、在地價值與司法管轄權。
   

• 劉靜怡 (台大國發所特聘教授)

  AI競爭從來不只有模型，軟體、硬體、治理、資料與能源其實都在同一個系統裡。而發展開源或自主微調模型，最大的障礙在於訓練資料取得的法制困境。中國訓練模型時什麼資料都抓、都不在乎侵權；美國科技巨擘財大氣粗，採取「先做再說，被吿就拿錢和解啟動協商」的模式。但臺灣本土業者沒有單獨承擔侵權訴訟與高額和解金的能力，政府與國科會也不敢冒然侵權。

  在臺灣現行著作權法下，「合理使用」在實務上門檻極高、非常難用。若要打破僵局，我強烈建議立法部門應參考日本數年前修法的經驗，在著作權法中明定「法定合理使用豁免」，或者推行「強制授權」集體協商機制，建立透明的授權補償方案，讓既有書籍與文化出版品能合法進入AI訓練鏈，否則這道難題永遠無解。

  同時，我們的個人資料再利用法制不完備，限制了高品質資料庫的建立；甫通過的《人工智慧基本法》條文多停留在宣誓層次，主管機關應加速推動具體作用法，才能為臺灣AI生態提供堅實的法制後盾。

  ​​

主題二：數位未來——社會信任、勞動價值與監管責任

從小到大，生活就充斥著網路使用，也很習慣被稱為「數位原住民」，因此每天都在面對各種不同的信任問題。當AI 開始直接介入我們取得資訊、理解資訊，甚至替我們整理與判斷資訊的過程，並逐漸成為我們認知世界的入口，究竟應該相信什麼？又該如何確認在未來，眼前的資訊是真實的嗎？

青年代表 林品樺 (政大公行所)

當 AI 開始替我們篩選、整理，甚至重新詮釋資訊，改變的就不只是辨識真假的方式，也可能是理解世界、形成判斷的方式。因此，我想把問題一路從資訊中介與社會信任，延伸到企業責任與 AI 治理，最後回到一個最根本、也最難回答的問題：當 AI 越來越能取代工作中的部分功能，我們該如何重新理解人的價值？

青年代表 陳英屹(台大哲學系)

林品樺：從 IT 時代到 AI 時代的驅動上，使用者的信任樣態發生了什麼變化？既有的監管模式是否仍然適用？

• 余若凡 (台灣網路資訊中心執行長)

  台灣網路資訊中心（TWNIC）負責臺灣網域名稱「.tw」與IP位址的分配導航。早期網路討論的是頻寬速度與數位落差； ChatGPT問世後，核心挑戰徹底轉向「數位信任（Digital Trust）」——「收到一個連結，你到底敢不敢點？你根本不知道銀行的通知是真是假。」

  TWNIC2025年的網路報告顯示，臺灣上網率達九成、短影音使用率近八成、六成民眾透過數位平台看新聞、生成式AI使用率達四成多，是高度數位化的社會。然而調查中出現驚人的反差：約六成受訪者自信能判斷資訊真假，但「六成五坦承從未查證」；七成自認能辨別AI產出，八成自認能判斷產出好壞。最危險的新型數位落差已不再是年長者因恐懼而不敢用，而是「高度使用AI，卻極少花時間理解背後運作機制的人」。

  生成式AI與社群媒體不同，它是一對一、極度私密且展現高度同理心與耐心的互動，進而演變成個人的「認知夥伴」。這帶來四項深層信任危機：

  1. 驗證已近乎不可能：資料海量龐雜，傳統事實查核難以全面覆蓋。
  2. 說謊者的紅利：黑盒子成為犯罪者卸責的藉口。
  3. 擬人化導致盲目信任：使用者因其順從的溝通風格而輕易卸下心防。
  4. 非專業領域的隱蔽錯誤：AI在回答我們不熟悉的領域時，即使出錯也極具說服力，使用者難以察覺。

  單靠政府事後監管已難以解決問題，必須由企業、政府、公民共同建立基礎建設：企業端應將數位信任提升至董事會層級的社會責任，確保入口（官網、網域、Email）的真確性，防止詐騙冒用，並提升AI透明度；政府端應鋪設好數位世界的「交通號誌與安全路面」，建立可信任的底層環境與法定義務；公民端則需認知自身盲點，養成持續查證的習慣，所以我更傾向把它看成共同責任，而不是找一個唯一的監管者。

  信任不是單一角色就能建立的。企業如果沒有信任，連最基本的交易都很難發生；政府要把可信任的環境、制度與基礎建設鋪好；公民則要知道自己的盲點，願意花時間查證。問題是怎麼把責任接起來，而不是往下一個人身上推。

陳英屹：AI 正在裂解資訊中介並加劇偏見風險，面對「黑盒子」與龐大 Agent 生態，企業如何落實技術防護與「當責」？既有法規責任如何劃分？

• 陳佩君（微軟台灣人工智慧研發中心技術長）

  Agent 不用睡覺，而且能力會越來越強。面對這些系統，微軟的核心使命是「Empower every person and every organization to achieve more」，我們研發 AI 的目的，是讓人被賦能，而不是被取代。因此，微軟強調AI 系統必須始終維持適當的人類監督與控制，包括持續監測系統運作，並確保人類在必要時能夠介入、暫停或關閉系統。

  在系統架構上，AI 絕對不只是底層的 Model。就像車子不能只有引擎，模型上面還必須有 Platform 或 Harness。比如大家常聽到的 RAG，就是透過資料索引，把企業內部的專有資料或機密資料妥善串接起來，補足模型原本不知道的脈絡。

  在法規治理上，我們遵循安全開發生命週期（SDL），對資料來源與程式碼建立完整的產銷履歷，讓整個過程具備透明度，也能夠被重現。而 AI 的責任劃分，我認為是一個共同責任（Shared Responsibility）。就像醫療用藥一樣，藥廠要負責標示警語，藥師要核對處方，醫師要負責診斷與告知，不會只有其中一個人負責。

  所以在 AI 系統部署的時候，就必須設置安全護欄（Guardrails），也要有即時偵測與通報風險的機制。

  但是我們也必須承認，現在技術發展的速度比法規快很多。陶哲軒曾經用一個很有趣的比喻，現在就像原本是一條讓馬通行的馬路，突然有保時捷，甚至高鐵開始在上面跑。法規可能才剛制定完成，高鐵就已經跑過去了。 所以，工程程端也必須把安全落到具體的系統設計，例如Token 預算上限、檔案存取權限（Permission）以及人工審核確認，讓「當責」能夠真正落實在技術裡。
   

• 余若凡（台灣網路資訊中心執行長）

  我想補充的是，AI 帶來的問題不能只等到事情發生之後再處理。RCA 工安事件其實就凸顯了傳統法規「事後追懲」的極限。如果所有事情都等法院判決，等訴訟打完可能已經五年過去了，但科技可能早就翻新好幾代。

  所以在數位 AI 時代，治理思維必須往前走。我們應該回頭關注數位基礎建設，從源頭透過技術手段進行主動防禦與身分認證，而不是把所有查證責任都推給民眾，也不是等到發生問題以後才交給司法處理。

  現在 AI 發展處在非常早期的階段。過去網際網路剛興起的時候，技術發展往往走在前面，等到問題發生之後才開始討論監管。現在 AI 才剛開始發展，全球對於技術與監管的討論就已經同時展開，甚至企業領袖本身也在公開討論 AI 的風險，能在技術還沒有完全定型之前，就把這些問題拿出來討論，是一個值得把握的契機。

陳英屹：當 AI 不斷提升工作效率，甚至重新定義許多工作的內容，我們該如何重新思考「人的價值」？在勞動轉型的過程中，除了生產力之外，人還需要保有什麼能力與價值？

• 陳佩君 (微軟台灣人工智慧研發中心技術長)

  我們評斷一個人，不能只看他的能力與生產力。就像我母親煮菜不是米其林主廚，但我尊敬、愛護她，是因為她是我的母親，不是因為她菜煮得好不好吃。人本身的存在就是最高價值。 所以微軟的 AI 理念一直都是賦能人類，而不是把人當成生產工具。

  在職場上，現在確實面對到非常大的轉變，人才必須具備成長思維（Growth Mindset）。我常常跟女兒談到，以前有打字員，後來打字員消失了，可是新的工作又出現了，例如 Uber 與共享經濟。所以真正的問題不是「某一個工作會不會消失」，而是當工作內容一直改變，我們有沒有能力一直學習、一直轉換。

  工業時代訓練的是一個人能不能把被交代的任務執行得非常好；但未來的人才，必須同時往前走，也往後走。什麼叫往前走？就是要問「為什麼」，要有定義問題的能力；什麼叫往後走？就是當AI一個晚上可以產生大量程式碼，你有沒有能力去檢驗、去驗證，最後出了問題，你能不能承擔後果。這前後兩端，其實最後都回到一件事情，就是批判思考。

  所以當我們談 AI 的時候，我覺得真正重要的，它能不能讓人保有更多成為「人」的空間，而非只剩下生產力這一件事情可以被衡量。
   

主題三：數位人才——教育變革、跨域Know-How與品味學習
 

身為AI時代的學生，不禁想問:「當 AI 已經能夠比人更快地搜尋資料、整理資訊，甚至完成許多過去需要長時間練習才能掌握的基礎工作，那教育究竟還要教什麼？」所以對我而言，「數位人才」真正需要回答的，也許從來不只是「學生要學會什麼」，而是更根本的問題：在 AI 越來越強大的時代，我們希望下一代成為什麼樣的人？

青年代表 阮悠晴(台大政治系)

阮悠晴：當AI比我們更有效率時，我們究竟需要批判的是AI的答案，還是如何問出好問題？現行教育體制如何幫助學生學會提問？

• 郭大維（台達電子技術長／中央研究院院士）

  科技發展的速度，已經超乎我們過去的想像。運算力需求在過去十幾年間暴增了一億倍，而 ChatGPT 從推出到突破一億用戶，也只花了兩個月。人類從牛頓、愛因斯坦所代表的理論科學，進入電腦模擬的計算科學，例如質子治療的電腦模擬，再一路發展到大數據分析；到了今天，科學界更進一步將物理方程式與海量資料深度結合，例如 Moderna 結合AI大數據分析所發展的個人化 mRNA 疫苗。

  當 AI 開始重新定義工作的內容與角色，教育也不能再只是以知識傳遞為核心。過去我們比較強調的是「被動接收知識（Knowledge）」，但接下來更重要的，應該是「主動培養能力（Capability Cultivation）」。未來真正重要的，不只是你知道多少，而是你能不能運用這些知識去解決問題。尤其當一個問題本身已經跨越不同領域，我們更需要的是批判思考，以及把想法轉化成跨領域解決方案的能力。

• 呂顥天（均一教育平台 前瞻教育 AI 研究工程師）

  在教育現場，我認為真正需要擔心的，可能不只是語言模型出題的鑑別度，而是「人類的過度擬合（Human Overfitting）」與「認知卸載（Cognitive Offloading）」。

  例如，當學生讀一篇論文時，習慣第一時間直接丟給 AI 抓重點，我們原本應該自己閱讀、判斷與辨識重要資訊的過程，就可能逐漸被 AI 取代。長期下來，我們不只是在使用同一個工具，甚至可能讓自己的思考方式也逐漸向特定模型靠攏，造成思考樣態的同質化，最後變成「手裡拿著榔頭，看什麼都像釘子」。

  另一個值得注意的現象，以 Biological Pointer 與 Google Effect 來看，我們很容易產生一種錯覺：只要知道 AI 或網路查得到，就好像等於自己已經擁有這個知識。但實際上，大腦可能只記住了資訊的索引，卻沒有真正建立起完整的知識脈絡，也可能因此失去連貫推論與獨立思考的能力。

  我們真正需要培養的，是「研究品味（Research Taste）」。

  我所說的品味，不是時尚、穿搭、美食的品味，而是 Research Taste，要具備一種長期累積出來的領域直覺，知道什麼樣的問題值得被解決，也能夠判斷什麼樣的解決方案更好、更合理，甚至更為優雅。

  所以，我更在意的其實不是「會不會用 AI」，而是你能不能在 AI 給出答案之前，先形成自己的問題；也能不能在真正採取行動之前，把自己的決策準則放進去。

阮悠晴：當初階、基礎的日常練習工作被AI接手，青年世代該如何磨練並學會創新？跨領域學習的真正本質是什麼？

• 郭大維（台達電子技術長／中央研究院院士）

  青年培育AI-Ready團隊有三個關鍵：
  1. AI素養（AI Literacy）：熟練掌握工具是基本生存門檻。
  2. Vertical AI（垂直領域深耕）：AI是催化劑而非終局答案，唯有「AI＋各領域專業知識（Domain Knowledge）」才能開花結果。
  3. 心態與遠見（Mindset & Vision）：洞悉未來趨勢。

  如果以台達電推動AI轉型為例，提升工作效率只是第一步，最關鍵的是「流程再造（Re-engineering a process）」。過去企業所有機制的運作是以人為主，未來是人與智慧機器協同共存，既有流程需要重新設計。未來最具價值的人才，是能掌握專業知識、保持快速學習適應，並善用AI解決問題的人。
   

• 呂顥天（均一教育平台 前瞻教育 AI 研究工程師）

  許多人談論跨領域時，往往陷入必須學會所有知識的誤解，最後成了「樣樣通、樣樣鬆（Jack of all trades, master of none）」。阿拉巴馬大學伯明罕分校（UAB）Matt Might教授所提出的知識圓圈概念：人類總體知識是一個大圓，我們從小學、中學學到基礎，大學長出專長，到了碩博士鑽研邊界，歷經多年奮鬥在邊界上突破了一小點，推動了人類知識的擴張。

  跨領域絕非要求一個人學會所有知識，而是尋找借力的「槓桿（Leverage）」——在深耕核心領域的同時，從其他領域借用工具與視角，解決當前領域卡關的難題。AI在其中正是降低門檻、促進跨領域借力的強效催化劑。跨領域的前提，仍是先建立一定的 Domain Know-How，打破學科壁壘，把探索的自主權還給學習者。

  所以跨領域真正重要的是，這個知識組合的選擇權應該回到學習者手上，而不是由制度先替我們規定好「你學這個，就一定要再學那個」。AI可以降低跨過邊界的成本，但前提仍然是我自己有能力判斷要跨去哪裡。
   

阮悠晴：在企業選才與培育的實務現場，解決問題的能力、對世界的關懷與價值判斷，這兩者該如何平衡？產官學青對核心能力高度共識，為何落實依然困難重重？

• 郭大維（台達電子技術長／中央研究院院士）

  企業首先必須生存，才有能力實踐社會責任與永續。企業需要好的技術，也需要足夠的人才，這是最基本的前提。在 AI 時代，很多原本由人掌握的專業知識，正在快速內化到工具裡。這帶來另一個問題：如果未來越來越多人只會使用工具，卻沒有人真正理解工具背後的原理，人類面臨突發狀況就會面臨很大的風險。所以，企業在培養人才時，不能只要求人「把問題解決掉」，還是要讓能理解問題為什麼會發生，以及這套工具背後的原理與限制。

  現在產業在AI轉型上仍在「摸著石頭過河」的階段。原因是世界變動得非常快，企業一方面需要(建造)新的工具，一方面需要重新設計流程，同時還要思考下一代人才應該怎麼培養。AI轉型不是企業單方面就能完成的事情，而是需要企業與學校更緊密地結合，一起探索未來的人才培育方式，找到真正能夠共生的道路。

  至於為什麼大家明明都有學習與運用AI共識，但真正落實卻這麼困難，我認為很大一部分原因還是在台灣教育體制。學校的主修、必修與課程規範調整需要不少時間。但外在世界的變動速度卻已經遠遠超過這個節奏。例如，AI 工具本身也在快速變化，很難完全摸清楚它下一步與何時會走到哪裡。

  換句話說，學校的制度在變，產業的需求在變，AI技術也在變，而且這三個變化同時發生。當所有變量都在劇烈變化時，原本比較固化的體制自然很難快速回應。我們現在真正需要的，不只是重新定義人才應該具備哪些能力，更重要的是讓教育與企業本身都保有足夠的彈性與速度感，才能跟上 AI 時代快速變動的環境。
   

• 呂顥天（均一教育平台 前瞻教育 AI 研究工程師）

  我會把這個問題拆成一個完整的決策歷程來看。一個人的決策，可以分成內在狀態、決策準則、具體行動與回饋校正四個階段。而我認為，品味與價值判斷最重要的介入位置，就是在「形成問題之後」與「採取行動之前」的決策準則。

  也就是說，我們不只是要培養一個人解決問題的能力，更重要的是，他在面對一個問題時，能不能先問自己：這是不是一個值得解決的問題？我為什麼要用這種方式解決？最後希望帶來的是什麼結果？

  我認為真正困難的地方，不是大家不知道應該培養什麼能力，而是我們還沒有找到一套可以真正落地的方法。因此，我認為現在最需要的，是更多能夠跨越不同領域的人才，把抽象的價值與治理概念，真正轉譯成可以設計、可以驗證、也可以持續修正的技術與制度。

  只有當「我們希望培養什麼樣的人」這個問題，能夠真正進入教育制度、企業流程與 AI 系統的設計裡，今天大家所談的共識，才有可能真正落地。
   

青年代表會後迴響

與三位部長對談之後：數發部為何管不了數位治理？ -青年代表 羅澤[1]

從AI基本法的主管機關談起

2024年7月15日，國家科學與技術委員會正式提出人工智慧基本法草案，原於2025年3月擬改由數位發展部主責，產官學研各界專家一路緊跟決策，最後立法院在國科會與數發布之間選擇了前者。雖然基本法的核心職能更偏向數位發展部，但考量到委員會體制能擴及所有部會，故縱使國科會相對於人社與法律等議題，過去較偏重科學技術，或許仍然設立在單一部會較好。當時還沒深入研究的我想到的第一個問題是：「為什麼不把數位發展部改為數位發展委員會呢？國科會也曾經是科技部改回來的啊！」為了探個底透，我們安排了一系列的學術訪談，問法律學者、問科技專家、問政治人物。

現任桃園市市長、前行政院院長、科技部部長的張善政市長當面向我說明他的主張，認為我國實應採取「委員會」體制，部的體制本來就不利於跨部會協調，理由在於，我國中央政府體制的行政單位，「部」通常只能管理自身職權內的事務，「一旦涉及跨部會範疇，部與部之間往往互不隸屬、難以溝通，這註定了其首長即便有能力，也難以跨出該部範圍去影響其他單位。」

但這這是否具有政策實益？中央研究院院士、法律所特聘研究員兼所長李建良告訴我們：「國科會雖然是法的主管機關，但其實是幕僚機關，並不是法律意義上的主管機關。國科會可以召集各部會開會，但企業不遵守時沒辦法開罰。」正如李建良老師所述，解釋主動權在中央目的事業主管機關，顯示 AI 基本法的解釋、適用仍以中央目的事業主管機關為主， 國科會僅居於輔助角色，一窺條文即知。人工智慧基本法第18條第2項規定「前項法規制（訂）定或修正前，既有法規未有規定者，由中央目的事業主管機關會商中央主管機關，依本法規定解釋、適用之。」可以明顯看出，類似規定也可見於第5條第2項、第14條。換言之，國科會與數發部並沒有辦法把核心規範擴及其他部會，所謂的作用法是否應當服膺於數發部的指引，乃至依照風險分類框架深化規範，都是自由心證，而可能導致潛在的規範真空。（這還不談風險框架中，絕大多數都只是再次重申公務員既有的行政手段，請參照AI風險分類框架第3.4點）

與兩位部長有約：政委、部與委員會

為了理解第一手的首長角度，我們安排了過去兩任數發部長的訪談。作為我國首任數發部長，現任無任所大使的唐鳳說，現行體系雖然看起來像除了三個特種機關（衛福部、金管會、通傳會）的相關資料之外，好像都是分散式的二十幾個主管機關分別管理，但是實務上當然也將張善政市長或類似建議納入考量，因此衍生出現行的兩大設計，服務數位發展業務的協調。第一，由資訊長統合各部會在資訊相關事務上的見解，相關作業要點也是以此為依歸：

因為由國科會作為幕僚，而且由行政院長作為召集人，只要在這個會議做成決議，那在行政體系內，這種院級綱領對後續預算編列有很強的指導與協調效果。

所以，雙頭馬車的情況在她任內還沒出現過，未來或許在比較極化的情形才有可能發生，因為現行慣例上，數發部長均兼行政院資訊長，此時：

雖然作為部長不能做這個協調，但我作為行政院資訊長卻可以做這個協調。所以我就是簽一個院函，然後請數位發展部的次長跟內政部的次長來，然後就好像政務委員一樣召會。

第二，考量數發部有「三角特性」，即部本部較貼近教科文屬性，產發署類似  於經濟部工業局，資安署又貼近於內政部甚至國防部、陸委會等職能。但為了在立法院內有個對應的專責委員會，時任部長的唐鳳與立法院討論，將數發部歸由交通委員會這類具有橫向性質的委員會，將之作為公共建設看待，既然是估共建設，後續流程就走工程會：

既然它是公共建設，那我在做這個公共建設的時候，就不限任何部會，只要扣合到這個公共建設，它都可以提來，包含說它要去做 T-Road、分散式備份等等。⋯⋯其他各部會提方案、提了之後由數位發展部長告訴公共工程委員會、或者國發會、或者國科會說，在這件事情上面是我說了算。

同樣是前任數發部部長的黃彥男老師則從系統採購談起，告訴我們他在部長任內的體會。他說，數發部在政務推動上確實較困難，核心問題還是沒有足夠的資源與人力，無法掌控預算、也無法掌控人事，各部會各自為政，而行政院也難以逐一協調，導致跨部會整合困難，各部會各自發展系統，例如AI應用、客服系統，各自採購、各自運作，缺乏整合。如果數發部能掌握各部會的資訊預算，例如設備、軟體、AI平台採購需經其同意，才能建立統一架構，但現在做不到，因此無法整合。黃彥男老師告訴我們，要妥善發展數位治理，作為主管機構的數發部必須能在預算跟人事中掌其一，由此作為出發點，以委員會定位爲佳：

當初討論是否設數發部時，也有人主張設委員會。我的看法是委員會較合適。因為數位轉型涉及政府與產業，不可能由單一部會完成。關鍵在預算控制：例如國發會因掌握經建與社發預算，能透過資源分配引導政策；國科會則掌握科技預算，也能用預算引導方向。但若無法掌握預算，各部會不會配合，因為大家都是部長，沒有理由聽命於他部。

受多少侷限？以資料治理為例

那麼，數發部體制到底應不應該調整呢？綜合考量行政、立法與學者角度的意見，本文認為，由於數發部目前成立不到四年，除非組織再造的成本低到無需考量，短期內或許無法大幅調整，但應及早擘劃組織改造的中期計劃，調整為數位發展委員會。

首先，在行政與管理的角度來看，部的定位在應然與實然面都不可避免導致數發部業務的自我限縮，例如資創條例草案中對於資料對齊的條文設計，就針對資料對齊做出強行規定。以我國《促進資料創新利用發展條例》草案（下稱資創條例草案），第二十條規範政府與產業在資料對齊業務上的關係，但關於資料內容、授權條款、來源、結構與格式標準，立法者採用的是「得」而非「應」。

直覺上，考量我國法文化，如果只是寫「得」，往往代表實務上未必真的會有人去做，換言之，資料對齊以軟法進行，恐怕無法獲得落實。以此為出發點，我們進一步就其成因與後果分別討論。現任中研院資安專題研究中心特聘研究員兼執行長的黃彥男告說，條文當初如此設計，很大原因是「數發部沒有足夠的權力（power），無法強制推動，只能寫「得」，因為沒有辦法要求各單位一定配合。本質上就是希望大家自願配合，但缺乏實質工具。」

缺乏資料治理法制的難題並沒有因為部長更替就被解決，而是一直蔓延下去（當然，立法院僵局也有貢獻不少）。數發部的新聞稿指出，現階段以具豐富語料資源的出版業及電子書平臺為合作對象，採無償授權方式推動，作者如有意願提供個人著作，可由其出版社協助上架至語料庫，並採「自願參與、明確授權、可退出」三大原則。

可是，正如美國政府責任署的研究報告點出，一旦資料進入機器學習階段， 就直接「深入大腦」，即便資料抽離，仍然可能會有隱私風險出現。再者，中華民國出版商業同業公會全國聯合會也挑戰無償捐贈的合理性，指稱經濟成長新高、明年普發一萬，但數發部卻請出版社及作者們免費提供個人著作：「這合理嗎？無論如何，還是希望數發部可以透過合理有償的機制，進一步取得台灣出版品的文本資料使用權。」

從學理討論、行政經驗、立法態度的角度而言，將數位發展部逐步調整為數位發展委員會有其理由，更能在實質職能、預算權責、政策戰略性上均獲致理想結果，且有過往資訊長與院級協調制度作為過渡，並非不可行，爰應予肯定。反觀現制以國科會主掌科技預算，而負責進行規範制定、管制手段、軟體發展、數位基礎建設的數位發展部則無法擴及其他部會，縱使硬體上有所成功，但內部協調乃至數位治理文化均付之闕如。

邁入第三任：監管阻礙創新？

9月22日，余紀忠文教基金會假臺大管理學院正大會議廳舉辦「迎向AI新時代跨世代未來對話論壇」，邀請數位發展部長林宜敬、陽明交大電子所終身講座周景揚教授、臺大國發所特聘教授劉靜怡、中央研究院院士郭大維等等產官學專家，一同討論AI的未來。

作為青年研究者，我一直對於臺灣的數位治理、管制模式頗感興趣。不過，正如林宜敬部長在這場論壇說，臺灣模式「獨樹一幟」，至於要解讀為褒或貶，只能留予公斷。可以知道的是，短短十來分鐘的對談中，我不斷試圖把監管的問題拋向部長，但得到的第一個回答是，這是國科會主委吳誠文的職責，因為人工智慧基本法的主管機關正是國科會；得到的第二個回答是，「監管阻礙創新」（regulations hinder innovation）。

同一場與談的劉靜怡教授非常包容我的橫衝直撞，一直試圖調和我跟部長之間不同的意見，尤其是在我舉出美國、日本等等法制繼受國家作為例證時，試圖「部長認為美國沒有監管，而我認為美國是寬鬆監管」的分歧。如劉教授所注意到的，美國副總統范斯發言對於英國乃至歐盟的AI治理政策有了相當程度的影響，但美國並非沒有監管。

筆者認為，如國際關係理論中經常援引的「狂人策略」（madman approach），川普任內的官僚主張與領導人對外表意並不完全一致，就AI監管亦是如此，美國雖然對外不斷放話，讓歐盟國家降低監管、讓美國大廠的影響力更能擴張，但在國內並沒有如部長說的完全放棄管制，川普任內發佈了兩個行政命令（第 13960號、第14179號），以及白宮預算總局依照這些命令所發布、兩號重要的備忘錄（M-25-21、M-25-22），所揭櫫的監管密度都較我國更高。

再退一步，無論監管密度高低，總是先有監管才能討論密度啊！林部長說，數位法制的「臺灣模式」已經獲得國際的注意，甚至想跟臺灣學習，未必需要一概訴諸比較法。但是，前瞻法制之研究，多以比較法為基礎，參照所謂「先進國家」制度，再予辨析而引入；縱使不看國際實踐，如李建良老師所述：「既有本土法制之梳理與改造，則無法求助外力，法制基礎工程不越乎行政管制觀念之深化、義務體系結構之分明、產品責任法制之完善、數位消費者保護法制之開展，以及資料治理法制之建構。」亦無從用以正當化本國法制建設頹怠的現況。

劉靜怡教授是否在管制的態度上採折衷說呢？筆者認為，他的主張已經相當明確：「法律不應該被當成是限制科技發展的阻礙，而是應該成為保障科技健全發展的基石。政府應該儘速參考國際發展趨勢，建立完整的資料治理架構，包括資料授權、匿名化、再利用與風險評估等制度，讓產業界能在明確規則下發展AI。」這是他在這場論壇的主張，亦是重申其在5月22日「AI新十大建設研討會」的說法。

不過，公共政策經常受限於路徑依賴，這樣的願景恐怕已經無法實現。這三位部長都是技術背景出身，也都戮力從公，有幸親炙他們不同的風貌之後，筆者還是認為，「監管阻礙創新」這句話如果不斷縈繞延平南路的辦公大樓，也無怪乎數發部對於規則制度化興致缺缺。臺灣社會究應如何看待法律、法律應該如何看待AI，還得仰賴法律人們繼續討論、倡議、溝通，否則，我們或許只能繼續見證一個可嘆的景象：我國公民走在路上所受的法律限制，可能比AI模型還多！