百工百業用 AI

簡立峰主張主權 AI 的本質是「國族問題」，優先要釐清國家安全、法律管轄權、健康、教育、文化權等風險，而非急著談策略；根本解方是修法，仿日本著作權法修訂讓 AI 訓練用途不構成侵權。李育杰則強調資源有限的國家「優先序很重要」——算力（要建但不要一次全押）> 資料（「模型是一時的，資料才是永久的」）> 人才；他明確反對台灣自己 train from scratch，理由是資料與算力都不夠，且他本人不完全相信 Transformer 式暴力堆算力會是終局。許永真強調「想像力」與「協力」——不要被貧窮限制想像力，也不要台灣多個語言模型計畫互相較勁；她在座談中途自我修正，把「要有自己的大型語言模型」改為「不一定要自己建，而是希望全世界來幫我們建，但資料要自己捐出來」。三人對「資料哪裡來」也給出三種不同解方：簡立峰主張修法、許永真主張遊戲化眾包並降低貢獻門檻、李育杰主張建立有別於既有智慧財產權的新一層「資料使用權」。三種解方並不互斥，但反映三人對根本問題出在哪（法律障礙、社會文化害羞、缺乏所有權框架）的診斷並不相同。

蔡宗翰（TAIDE 核心模型訓練與 RLHF 召集人）主張訓練小模型優於「通用大模型＋RAG」——通用大模型像「剛畢業的聰明大學生」，什麼都能答但正確率不穩；具體數字：EduTAIDE（微調模型）合格率 76% vs. GPT-4o 51%，且用 LLaMA 3.1 405B 做通用大模型＋RAG 需要 11 張 H100，一般團隊難以負擔。楊立偉（意藍資訊，同一場次稍後登場）給出相反結論——現在多數企業不再做 fine-tuning，因為模型版本更新太快（客戶剛微調完 LLaMA 就出 LLaMA 2、3、3.1、3.2），企業資料也常態變動，fine-tune 反應不及，趨勢是「model-agnostic 架構＋RAG」。第三種立場來自李明達（宮廟 AI）：明確反對 RAG（「易搜尋錯誤造成誤差」）也反對 LoRA（「會降低模型基礎能力」），堅持用 70B 以上模型做 full-parameter fine-tuning。三人分屬 TAIDE 學術陣營、企業知識管理陣營、垂直利基應用陣營，同一個技術選型問題給出三種互斥答案，年會現場也沒有人出面調和。

翁浩正（DEVCORE 戴夫寇爾 CEO，D1 R3）評估相對保守——AI 目前還做不到「精準的一擊必殺」，無法判斷哪個漏洞可以一擊必殺，zero-day 挖掘仍需要人類創造力；現階段 AI 對紅隊來說是「很棒的 Copilot」，尚不足以取代精準滲透。沈宜婷（中華資安國際，D2 R3，隔天登場）現場 demo 用本地部署、去除安全限制的 Ollama 模型自動化攻擊 Linux 主機，成功以一般權限打穿系統、取得 root 密碼與權限，並持續自動挖掘 /etc/passwd、shadow 檔等機敏資訊。兩者並非直接對話、目標情境也不同（翁浩正談的是真實企業紅隊演練的「精準隱匿」要求，沈宜婷的 demo 是針對刻意設置的練習環境），但把兩場並列來看，「AI 現在能不能自動化打穿系統」這個問題在同一場年會裡得到了兩種截然不同的示範——一個說「還不行」，一個當場示範「行」。

游家牧（隱私強化技術／PET）主張差分隱私、合成資料等技術可以「先強（隱私強化）後串」，讓高價值敏感資料在保護個資前提下仍可釋出訓練模型。邱文聰（中研院法律所，開場自稱「來踢館的法律人」）正面反駁——依個資法定義，只要事後仍可透過 hash ID 或代號「串聯」，即便經過去識別化處理，法律上仍是個資；不論「先強後串」或「先串後強」，只要仍可串聯，本質上都還是個資。他也點名批評數位發展部「數據公益」概念模糊了個資／非個資的界線。差分隱私因為有 Curator 中介角色，是少數「有機會」讓個資轉化為非個資的例外，但脫離 Curator 直接開放給大眾查詢就不成立。交叉討論環節更進一步爆出具體分歧：卞中佩個人立場傾向支持「先串後強、完全去識別化」對企業資料是可以接受的；邱文聰則舉德國為例——「德國是嚴格禁止跨部門資料串接的」，並質疑台灣「即使串接後立即機敏化，只要日後仍可串，法律上就仍是個資」，「先串後強是否合法仍存有爭議」。這場交鋒的意義在於：本屆年會多數場次預設「技術（PET／差分隱私）可以解決資料開放的難題」，但邱文聰這一場明確指出技術方案繞不開法律定義本身——兩派對「資料到底能不能開放」給出了不同答案。