是，但是這裡有個很弔詭的——就是它還沒有完全收回執行權。它現在只收回了解釋權。
就是它現在是在日出階段。所以它的解釋是又回到各機關回去使用。但是各機關使用的時候又必須要理解到現在狀況是這樣。
所以在法令這邊，你就會看到各式《個人資料檔案安全維護管理辦法》還是寫在各個主管機關裡面。你如果去看法令、去看執行措施的法令的話，確實是還在收的過程裡。
但是我的 point 是：如果現在個資會突然間認為出現新的迂迴方法，或者是它認定另外一個接受國它對個資保護沒有完善之法規，或者是它突然認定了某種國家重大利益⋯⋯在以前因為它是國發會裡面的一個辦公室，所以它就是能靠國發會主委幫它協調，或是請行政院資訊長去發函。
而我們當時是在這個聯繫會議裡面——當時因為我是裡面的協同召集人——就是可能是法務政委當召集人，然後數位發展部長也就是院資訊長當協同召集人，然後可能國發會主委作為政委扮演第三個協同召集人。
那在這個情況下，任何時候個資會籌備處一旦想要做任何像你剛剛講的跨境傳輸的限制，就可以提到這個聯繫會議裡面。然後呢，由三位共同召集人一起做成決定。那做成決定之後，因為它是院級的會議，會議紀錄到院長簽字，就拘束所有的行政機關。
所以呢，你就常常看到它會開完會之後，所有機關的維護管理辦法，在一兩個月內全部都要改，而且每個字樣都一樣。
對。所以回答你的問題——我們的法制雖然看起來像是除了那三個特種個資的相關的資料之外，好像都是很鬆散的、分散式的、二十幾個主管機關分別管理。但是實務上面其實不是這樣。當時國發會的個資辦公室——現在的個資會籌備處——只要能夠說服兩位政委跟一位院資訊長，那它就有相當於院長核定的那個權力。
為什麼是三件事情？
好的。
也很合理啊。
我覺得我們剛剛講到一個三角形嘛。就是說在部本部，它的目的是全民參與——就是大家都有參與權——比較像 universal service。那不只是 broadband as human rights，就是不只是寬頻人權，也是 broad listening——就是廣泛的參與也是人權嘛。這是部本部的理念。
那但是如果你去問數位產業署，那它就一定會跟你說你要清除創新的障礙。你要確保說當創新發生的時候，我們可以一下子就看到受到創新影響的人，然後確實上面有辦法把意見蒐集起來。好比像說我們就要推廣告實名制啦，然後就把這個紅線畫起來。但是意思就是說紅線的裡面你就隨便走——那這樣子產業有所依歸嘛，就有確定性。
對。那但是你如果去問資通安全署，那它就會告訴你說在接下來的幾年——就是 AI 攻擊的能力高過 AI 防禦的能力——所以我們陷入所謂的 offense-dominant window，就是攻方佔優的這個狀況。所以呢，你要儘可能地去揚棄掉以前那種一堵長城防禦性的那個概念，要儘可能分散、然後儘可能用韌性的概念。就是說你每個地方一定都會被打破，但是你要做到你打破之後不能橫向移動。
那所以像皮夾——你攻破了一支手機，你絕對沒有辦法透過這個跑去別人的手機。所以它就是最能夠防止橫向移動的。
所以就是：全民的參與、給產業確定性以確保創新、以及透過韌性分散式的設計來減少必然發生的資安攻擊——這三個價值在施政時，不管是做法律、做預算、做公共建設，基本上就是要拒絕在這三個中間取捨。因為一旦做了取捨，破口就在那邊——水就淹進來了。你一定要三個兼顧。所以維護到這三件事情——就是 participation、innovation、safety 的兼顧——我覺得是最重要的。
給創新者一個確定性。
創新者，innovators。
《資創條例》也是給創新者。
就是運用韌性而不是用防衛的角度。
對。
他指的危機指的是什麼？我看大家都很有危機感。我最近常常碰到有人說「會不會 AI 害我失業」之類的。
這可能也表示他風險比較低？善泳者溺——
——這是開玩笑的。
我覺得，最好的情況還是讓每一個社群，它可以自己決定人工智慧進入它的方式。
對，我在《AI Frontier》有寫過一篇文章《AI 對齊不能由上而下》，專門講這件事情。
日本有位 Arisa Ema 教授，她上次來臺灣的時候我有聊過。她就很不認為說——舉例來說——像在自動駕駛的場景，大家會說：「我這個眼睛放在這裡、手放在這裡，這叫 Level 1；然後眼睛放在哪裡是 Level 2；手放在哪裡是 Level 3、Level 4、Level 5。」然後 Level 5 就完全自動了。
但她覺得這個講法很危險。因為在很多場景裡面——好比像說我們兩個講不同的話，那這個需要翻譯——自動翻譯的場景。那你完全可以想像有一個兩邊都戴耳機、然後你講話我就自動聽我的語言、live translation 的這種技術——蘋果也做出來了。那這種技術你說是 Level 幾呢？這事實上是超過那個 Level 框架的。
所以 Arisa Ema 她提出了另外一種想法。她把它叫做 Type A、Type B、Type C、Type D、Type F。Type A 可能是完全不用 AI，Type B 可能是 AI 只在中間做橋接翻譯——類似本來口譯人員在做的事情。Type C 可能是你沒有辦法到現場的人，然後 AI 讓你能夠「附身」然後到現場進行參與。Type D、Type E 等等。但只有一個 Type——好像 Type F 是把人替代掉，就把本來人做的事情是用機器替代。
但它用 Type 而不是 Level 的好處就是說，因為 Level 是一個自然數，所以你自然會覺得好像 Level 5 比 Level 4 厲害一點，你到 Level 4 就努力一下就跑到 Level 5 了。但是 Type 不是這樣——我血型是 B 型，我從來沒有想過要升級到 A 型，到底有什麼好處？輸血會更容易嗎？也不會。而且 Type 可以疊加——血型 AB 型。
所以我的意思就是說，當你這樣子想的時候，我們就可以回來問爺爺奶奶、或者是問樓下社區管理員：他到底要不要用憑證皮夾去掃碼取貨。那超商當然超商說了算，但是每個管委會應該每個管委會自己說了算。事實上本社區的管委會就正在討論數位化的問題——到底是不個通知包裹取件要紙本跟數位並行，還是像現在只有紙本呢。或者大門的門禁到底是不是要管理員看到臉就好呢，還是可以從某種程度上要求掃碼或感應呢。
對，所以我剛剛並不是完全開玩笑。我的意思就是說，公寓大廈自治管理的「自治」的意思，就是由那個管委會的人——那個社區的人自己討論、經過審議之後做出自己的決定。
那如果是現在縣市政府，或者是國家的哪一個部會說「我剝奪掉這些審議討論」——為什麼呢？因為我的技術架構需要所有人的權限必須集中管理，你每掃一下我的部會就要知道一下。那因為技術限制，所以對不起你們管委會的想法跟別的管委會想法不能不一樣。我們最多大家來公投，公投完之後就像瑞士公投完之後，那我們就大家都得一樣。
那這樣子的話你看——你從資安的角度去分析，它創造了單點故障的風險；你從全民參與的角度來看，它剝奪了全民參與的動能——49% 的人會覺得很不高興，只有那 51% 的人會覺得高興。那從產業創新來看，實際上這也比較不穩定，因為你現在看起來大家都用了這樣子的架構，但是隨時那個 49% 變 51% 的時候它就會改回去。所以對產業來講它並不是保證穩定性。
那你還不如就是讓每一個管委會、每一個早餐店、每一個學生會等等，各自去做出 AI 怎麼樣進入它們的社群的 Type 幾的決定。那做了決定之後，你就調整剛剛講的地端模型去符合那一個決定，那符合那個決定之後它們就自己管理了。而且由於是地端的，就算是爺爺奶奶——其實你要調整 AI 很容易，你跟它講話就好。
現在之所以很難調，是因為你調完之後你要等 OpenAI、Anthropic 什麼東西去改模型。如果是地端模型，你講兩句話它就改了。所以在這個情況之下，當然我是希望盡可能透過分散式的方法來決定。
「數位民主」當然就是透過數位的方式，來實行民主制度。這個不是通論嗎？
因為民主從來沒有辦法脫離工具。最早的民主的器具，像 Kleroterion——就是在雅典。他們把自己名字的那個小紙條放進去，然後玩那個抽籤還是什麼丟彈珠之類的，然後就抽到哪一排、那一排的人就是這一屆的議會。
所以我的 point 是說，你如果沒有把民主想像成一種技術——你把它想成某種就是先賢傳下來的但是我們就只能照著做的東西——那當然會覺得說數位是來擾亂它或者是來 disrupt 它。
但是我覺得我國比較沒有這個問題，是因為我國第一次總統直選的時候就已經有瀏覽器了，就已經有網際網路了。所以我國從來沒有一個就是先賢留下來的什麼體制，是早於數位時代而你不能夠去用數位時代去想像的。事實上當時不要說什麼地下電臺或者火腿族，當時 BBS 都已經非常蓬勃了。
所以在這個情況下，我們一開始就不覺得說民主是不能升級的東西，它應該每幾個月就像台積電那個電路一樣，趕快發明新的方式。所以我覺得數位民主在臺灣，天生比較沒有好像去跟類比民主打對臺的那個感覺——因為我們本來就出生在數位時代。
現在還有人在說「量子民主」，這個也很先進。
對啊。這個最近的一位先賢——本來還不是先賢的——Jürgen Habermas——就是這樣子想的。
對。我懷念他——貢獻真的良多。
我有一個研究群在英國，是一個基金會，有資助一項把大家分裂的意見收集起來、然後翻譯成大家都聽得懂的話的機器，就叫 Habermas Machine，就是為了向他致敬。
可以看 freedom.wethepeople-250.org 這個網站，是跟美國的 Napolitan Institute 合作，來自全美 435 個選區、超過 2,400 名參與者的全國代表性樣本。然後這些人因為那是做民調的基金會，所以各方面都非常 rigorous，就是可以代表整個母體。就是抽樣上面是非常 stratified 的。
然後就是問這些最容易極化的一些問題，特別像說你對自由的看法、你對平等的看法等等。然後每個人當然都有自己的意見。然後語言模型看了他的意見之後，就去追問一個問題說：「那你有什麼個人經驗？你有什麼故事，讓你有這個意見？」那他就回答了。
它完全沒有任何摩擦力——你如果會跟 ChatGPT 聊天，你就會做這種問卷。因為你也不需要好像打電話跟那個做問卷的某一個人，還要解釋你的意思。語言模型完全可以看起來像理解你的意思，而且它回問的問題都是有詳細聽懂你的話才問的。
結果大家各種五花八門的、對自由跟平等的看法，其實完全就可以被收集成二十幾個核心看法。也就是說，一方面他可能是要說「我們要做氣候正義，我們要為未來的世代有更平等的環境權」；另外一方面可能是說「聖經說神造世界，所以我們要對這個受造物有所關懷，因為我們是好的牧者」之類的。
這兩邊雖然用完全不一樣的語言，而且在社交媒體上大概會吵起來，但是因為 Habermas Machine 它可以在這兩個中間做翻譯，所以他們就可以看到說兩邊講的話其實是同一個意思。你只要翻譯兩邊的語言的話，講的都是要愛護環境。
