那應該是騰訊的信箱，好像有收到威脅恐嚇等等的情況，也找律師處理了，我們在數位部也跟檢警調都是維持密切聯合協作的關係。尤其資安院就資安相關這部分的工作，我們都密切配合檢警調一起處理。
剛才車聯網快速讓審驗通過，及之前推動像 5G 國產化也是快速審驗通過，這次快速救災，我想都有行動創新的特色。至於我的去留，之前已經講過由長官決定，目前還沒有收到長官的決定。
在 520 前有兩個非常重要一定要推動的，第一個是電子簽章法在例行記者會有提到，這個是對冒充名人，也包含一個人開幾千個帳號的冒充情況，可以杜絕最重要的法律，之前已經完成詢答，下禮拜就會進入逐條審議，這個很希望在 520 之前上路。
第二，另外一部分是打詐專法，打詐專法是內政部所主導，但是有關網路廣告的專章由我們所負責，這部分也希望儘速送出，其他包含資通安全法修法等等，都在目前進度、掌握當中。
我們數位部成立之後，對於 DNS RPZ 的執行所謂的流線化，讓它執行比較快，這個有相當大的貢獻。像是在去年每天接近 100 件的速度在執行，都是機器對機器的方式進行對接，包含夜市偽冒電商等等部分，我想執行起來相當順利。不過，因為我們畢竟不是檢警調跟執法單位，或者像是按照兒少法的法律主管機關過來，我們才可以執行，所以從接到通知到執行，讓它 24 小時直接執行、機器對機器，這部分包含資源司下了很多功夫。
當然在判斷什麼時候要發給我們這個函的時機點上尊重，不知道資源司有沒有要補充的？
像剛提到一頁式冒充電商，這個部分是數位產業署，數位產業署確實有注意到他們有相當多的這種詐騙電商，確實下架之後立刻再註冊新的網域，裡面完全一樣就放上來了，我們一方面跟無店面商業同業公會合作，他們即時偵測到這個，或者像是防詐雷達的技術，而人類根本還沒有看到，我們就透過 AI 先掃描到，這樣就可以即時通知電商這邊又冒充新的網域來，但是我們還是有一個報案的流程，要讓檢警調知道，不是數產署自己說了算。
但是像是剛剛講到的不管是掃描、通知、報案、網域扣押跟 Open Data 透明度的揭露，這個過程都盡量引入機器對機器的方法，他們去註冊新的網站、轉址的成本很低，我們這邊執行的成本也要一樣低，才不會變成消耗戰，希望有回答這個問題。
以我目前掌握到的資訊，是有訊號、正在測試，還沒有提供給島上的朋友們使用，但是希望可以很快有好消息。
因為有很多個發動的主體，除了衛福部，我們有注意到檢警調也可以發動，犯罪緊急防制的部分也可以包含透過緊急命令的部分，這部分在 RPZ 不管是 1.0 或者是 1.5 都有規範，我想我們今天有看到新聞，如果是檢方發動都可以，只要有符合 RPZ 的函或者是行政命令出來，我們就會據以執行。
如果去看 RPZ 網站的話，有好幾個不同的態樣，一個是法院裁定攔阻，一個是行政命令裁定攔阻，另外一個是犯罪防制緊急案件處理，裡面又包含檢警調的部分，裡面每一個啟動條件都要看那個啟動條件的主管機關，我們是從 RPZ 收到相當於 1.0 或者是 1.5 法院行政命令或者犯罪防治緊急事件處理要件時來執行，並且製作透明度的報告。
另外一部分，日本地面站跟泰國地面站，以我們掌握到的資訊都是上半年可以開通。
如果要從 10 樓搬 OneWeb 的設備下來，三十公斤，要花一點時間，所以還是請大家在記者會後移駕上樓。
我們也會做技術轉移，不管是這次或者是之前 921 防災演練，所有的相關機關都了解到這個改裝可以發生什麼效益跟成本，隨著繼續驗證的測試，成本可望降低，通常 prototype 第一輛都是最貴的，在這樣的情況下，會把成果持續提供給各部會，至於未來具體部署在哪裡，才可以快速在搶通的同時進行支援，除了車載之外，也包含其他的載具，甚至包含空中載具，這些都在規劃。
謝謝 TTC 及所有同仁救災的協助。
舉例來說，我現在亂數隨機打電話，剛好打到你的號碼，你接起來說「喂」，我說「請問願不願意填個問卷」，你說「不用，我沒有這個需求等等」就掛了電話，只需要這十幾秒的時間，你的聲音聲紋就已經被錄製了，錄製之後下一次我就可以用你的聲音去跟人說話，所以不需要你自行提供我什麼，光是你接起電話開始講一段話、10 幾秒的時間，就已經足夠知道你講話的口吻等等，就可以合成你的聲音。
大概 15 秒左右。好比像你剛剛是用華語跟我講話，但是只要有你的聲紋模型，像 OpenAI 有一個 Voice Engine，你講英文的部分，我也可以現在合成。
現在像 OpenAI 的 Voice Engine 這麼好的技術、高檔的技術，像 ElevenLabs 等等目前還是商用，但是如果是有一些開發能力的話，你用開放源碼的模型，也可以做到 7、8 成，它可能需要訓練的時間要比較久，可能並不是 15 秒，而是需要 150 秒，但是如果是公眾人物的話，要取得我 1,500 秒講話的錄音也是非常容易的事，目前大概是差在需要多少訓練的時間，以及合成多語言口氣上精確的程度，但是要合成到可能 8、9 成都不困難，大概都可以免費取得。
沒錯。
我們剛剛講到的是生物特徵，聲紋是一種生物特徵，或者是你的照片，現在拿幾張照片就可以合成完全轉 360 度都看不出破綻的人臉等等，這個都是屬於深偽的部分。
你剛剛講的是行為的部分，當然如果能夠知道你按什麼東西讚，或者是對什麼東西有興趣、常常在哪裡留言，當然就比較容易建模，比較知道你的喜好是什麼。但是即使完全沒有這些，其實是可以用一些方式來推敲，好比像可以快速展示出一串你可能感興趣的主題，看你在哪一個上面停留比較久等等的這些方法，所以你不一定要主動打字或者是拍照來提供這一些這個網站本身或者是 APP 本身，也可以靠你的注意力停留多久就可以判斷出你的喜好。
對，好比你在網站上查詢關鍵字或者是去購物網站等等，如果那個購物網站上面有買 FB 或者是其他的追蹤器，這樣 FB 就會知道你在網站上的行為，等到你回到 FB 的時候，你就會看到相關的廣告了。
這個是一種做法，或者是用廣告的阻擋器，現在很多廣告阻擋器會內建反追蹤的功能，這個也是一種，所以不但廣告看不到了，追蹤的像素也看不到了。又或者是如果要自己查詢生活上的事，還有跟你工作上的東西，你分開用不同瀏覽器來處理等等，當然都有一些方法，可是如果硬要追蹤的話，還是都追蹤得到，所以我覺得並沒有完全停止追蹤這一件事，主要是假設被追蹤到了、被建模了，然後有人冒充你去欺騙親朋好友，親朋好友還是要有這個警覺，不管聲音再像、講的內容再像，或者是臉型再像，除非你們事前有約定是在用這個電話號碼打，或者是用這個帳號打，不然絕對不要相信換了帳號、換電話號碼等等的這種說法，這個才是最重要的。
他不需要鎖定，通常亂槍打鳥，可能就下一個廣告，如果有看到那個廣告，點進去，好比像某個名人教你看股市、讀書會等等，也就是願者上鉤，下廣告的人不需要認識你，但是當你點下去的時候，就開始認識你了。
也不一定是準確知道，可以用猜的，好比像你有在他的臉書上按讚或者是有分享關於你的消息等等，長此以往，或者是你們有合照的照片出現在他們看得到的地方，他就可以猜，因為他猜錯並沒有成本，他猜錯就再騙下一個人就好了。
很可能就是蠻像的。好比你之前真的有接過一些聽起來像汽車貸款、直銷的電話，你真的有跟他講個幾句話，那個集團就有你的聲紋了。
但是不可能做到這麼徹底，尤其像我是公眾人物，不可能不對外發表聲音，所以當然治本的方法是，辨認那個方法，好比你媽一定有你的手機號碼，如果不是從那個打來，根本就不要相信，完全假設是假的。
如果你去看國防安全研究院，他們就有觀察分析協同操作，那一份資料應該叫做「激化情緒對立的口水戰」等等。這個報告裡面就有很具體的煽動情緒的敘事，他們當時挑的是疫情時的討論，他們發現到第一批疫苗來的時候，這些會特別強調什麼？像副作用、血栓、停用、拒打、不敢打等等，在激化或者是強化大家對於第一批 AZ 疫苗來時不安的感覺，所以並不是這一些協同操作的帳號一定想要支持哪一個政治人物跟政黨，他們是要激化民間的對立跟仇恨。
有一個可能性，如果大家都拒絕打 AZ 或者是 Moderna 等等的話，可能為別的疫苗品牌創造條件，又或者是讓大家不敢打疫苗的這一件事就可以激化對於防疫團隊不滿的感覺，這也是一種可能性，總之大概都是要跟我們當時疫情指揮中心的論述去競爭、強化這種我們的民主體制事實上沒有辦法對付疫情的一種論述。
因為我們的主要論述是靠資訊透明，讓大家知道實際的副作用是什麼，或者幾歲到幾歲的人願意打 AZ、幾歲到幾歲願意打 Moderna 或者是 BNT 又或者是高端各多少，我們是透過透明的方式來降低大家的不安，促進大家不管是哪一個品牌就趕快去打疫苗，所以要反著這個操作，就創造一些陰謀論跟不舒服的情緒。
如果去看像人工智慧實驗室，他們有一個網站是「Infodemic.cc」，在上面就有相當多這方面的報告，包含接近選舉時的這種報告，又或者他們也有做關於在美國想要操作 TikTok 的報告等等，這些都可以在「Infodemic.cc」的網站上看到；除了「Infodemic.cc」之外，國內還有像 IORG、Doublethink Lab 等等做這方面的研究。
對，這些都有滿清楚的一些研究方法，這一些特定情緒目標大概都是激化對立，但是激化對立的情緒，本身不一定一樣，有些可能是仇恨、有些可能是恐懼、有些可能是不安等等。
希望操作成你看到某個字就想到某種情緒，就想要操作出這種聯想，好比像看到 AZ 疫苗，假設就想到血栓，然後就不想打。
這個就是放大某件事，當時 AZ 確實在歐洲剛開始打的時候，有一定程度發現血栓，但是那個發生率非常非常低，但是會不成比例放大那些個案，所以你說它完全是假的嗎？也未必是假的，而是放大有情緒的部分。
好比你有 1,000 個帳號，這 1,000 個帳號在差不多的時間貼文，貼的方向差不多，但是字句都不一樣，這不是 1,000 個真的人，而是一套 AI 系統用 1,000 個帳號在貼，這個就是協同操作。
或者根本也不是一個，而是那個人寫完程式之後就去做別的事了，但那套系統就一直在這邊跑。
很多人也有小帳，也就是工作帳號，說不定還有一個私人帳號，事實上在臺灣有兩個臉書以上帳號的人並不少。
當然 AI 臉書自己或者是其他平台也有去偵測協同操作的方法，但是雙方武力競賽，總是可以到某個程度到沒有辦法辨別出來，以前上千個帳號都發罐頭訊息，任何人或者是演算法一眼就可以辨認出來，現在因為有生成式 AI，很容易讓它每個看起來都很像有一個不同的照片、不同的臉，互相可以加朋友、拍照跟打卡等等，看起來很像有生活史一樣，這些都是假的，都是 AI 生成的。
就會養這些帳號，讓他們平常看起來是很正常的帳號，但是需要操作的時候，就突然跑到一個地方留言等等。
所謂的強化學習意思，AI 系統做出一個判斷的時候，像下棋下贏或者是下輸，當然會回想是下那一步棋，讓自己下贏或者是下輸等等，其實人類也是一樣，你如果下五子棋或者是西洋棋，就會去回想是哪一步下錯了，才會導致輸掉的結果等等，這個就是自己腦裡會有一套獎懲系統，也就是下棋的時候，並不會每一次、每步，老師都來跟你說下這邊會更好、下那邊更好，很多時候是你下完或者是玩電動遊戲，事後因為這一盤輸得比較早或者是得分比較低，就去想哪裡做錯、可以改一下策略等等，所以強化學習的意思，告訴這個 AI 系統是哪一些表現好，就會去強化系統裡那一些的神經，然後如果哪一些表現不好，就會弱化這些部分的神經，大概就跟人類學習是類似的意思。
因為獎懲就看題目答對或者是答錯，任何人只要給一系列的問題或者是正確或者是錯誤的答案，任何人都可以做這種對齊微調，所以不需要工程師，而是需要出題目的人。
那就是要往你對齊，也就是所謂對齊的意思，雖然沒有對錯，但是你覺得這個回答比另外一個好，我在影片裡面舉的例子是：「在開發 AI 的時候，請問性別角色扮演什麼作用？」有一種回答是，應該是促進多元共融、照顧性別需求等等，另外一個回答是，其實很簡單，也就是男性去當工程師、女生去當設計師或者是美術相關的，你要說哪一個一定正確，在不同的社會裡面認同不同答案的人比較多，但是我們希望他往第一個方向回答，所以就把第一個標成正確答案、把第二個標成錯誤的答案，並不是指放諸四海而皆準一定都正確或者是錯誤，但是我們希望往前面這一個部分來對齊。
對，而且幾乎一定要這樣子，很多問題在社會裡面確實是有不同的常規，所以不可能是完全由加州、矽谷訓練出來，然後就放諸四海而皆準，大家都支持，不會是這樣。
沒有錯，比較流行的做法，也就是「Collective Alignment」，就是「群眾對齊」，我們先找一群人，這一群人可以是像商周編輯部的所有同事，這群人先在共筆上寫下來你們覺得 AI 怎麼樣做比較對、怎麼樣回答比較好，好比像你們注重追求來源的真實性，可能都要去做 fact check，如果沒有足夠的證據支持的話，應該要寧可說不知道，並不是講一些幻想的東西等等。
但是如果今天是科幻小說的作家，他們的文件跟你不一樣，希望盡可能有創意、盡可能亂講也沒有關係，只要聽起來合理就好，因為反正是寫小說等等，所以你們兩邊會有不同對齊的標的，但是同一個模型，只要是開放的模型，你們下載下來之後就可以自己做對齊、微調，然後同一份模型就被訓練成符合你們、符合他們兩個不同的版本。
我這邊有貼 CIP 跟 Anthropic 合作的報告，裡面就是用了 Polis 的技術，然後發問卷問了 1,000 個人，他們有各自不同的偏好，但是他們也有相同的一些偏好，所以舉例來說，好比像有一些相同的部分，比如 AI 不應該用種族歧視或者是性別歧視的問題來回答問題，這兩群人的想法是一樣的。
但是，其中 A 這一群人佔 70％，認為越邊緣化的這些少數群體，AI 在回答的時候積極照顧到他們的需求，但是 B 這一群是佔 30％多是不同意這樣的講法，所以看這個報告的話，就可以看到這 1,000 個美國抽樣出來的人裡面，有哪一些共同的價值、哪一些不同的價值，這一些價值加起來就會是一份所謂的「憲法文件」，這份文件告訴 AI 說在回答的時候，你要考慮到這一些價值出來。
回答你的問題：可以是透過一題題跟 AI 回答，說這種回答好、那個回答壞，可以這樣子，但是你也可以比較抽象去制定一份很像憲法一樣，交給語言模型，自己跟自己對話，然後就去判斷是不是符合你這邊憲法文件的要求，然後讓他自己來訓練自己，這個一般來講訓練成本是比較低的，因為需要共創一份文件，不需要一直回答它上萬份的對話，這個叫做「憲法式的對齊」。
現在新一代的模型，因為你要找那麼多人跟他對話，像 OpenAI 當時找了很多肯亞人跟他對話，成本真的很高，所以「憲法式的對齊」，如果你要自己調校的話，是比較多人來採用。像 OpenAI 的主要競爭者，也就是 Anthropic 最近才推出了 Claude 3 的 Opus，應該是第一個在全方面都不比 GPT 4，而且很可能比 GPT 4 好的模型，而這個 Opus 這個模型就是用我剛剛分享的那個連結，也就是群眾討論出來的憲法來幫助對齊。
他們有做過實驗，透過這種群眾制定出來的憲法，它的能力並不比實驗室的科學家自己寫的來得差，但是在注重不要歧視、能夠符合社會常規等等方面就比較好，所以如果比較 Claude 3 的 Opus，也就是他們最新的模型，對於好比像身心障礙者的瞭解，就比起上一代沒有做過憲法對齊的 Claude 2 好很多，為什麼？因為出在群眾參與的時候有一些身心障礙者參加。
