AlphaGo促使大數據與AI崛起，但數據引發的不公與霸權，是新時代的急迫課題；圖／達志影像。

活用海量資料的數據經濟，正在倍數成長。

在這個擁有數據資料，就擁有財富權勢的世界裡，擁有數據並善於開發的人，等於擁有一座座的新科技金山。然而，數據也正在形成新的社會階級，擴大貧富落差。無法跟上這場數據浪潮的人，也會等同於住在虛擬貧民窟。

誠如，1月的英文January這個字，源於古羅馬神祇雅努斯（Janus），這位門神是雙面神，其中一張臉代表善，另一張臉代表惡。

大數據及其應用，正是高科技社會的「新雅努斯」。借用小說家張愛玲的比喻，從誕生的那一刻起，資料科學這副現代文明編織的華美袍子上，就布滿了蝨子。

因此，你該做些什麼，讓自己坐擁金山，而不是置身貧民窟？

這不是危言聳聽，也不是科幻小說情節。事實上，這不僅是目前正在發生的情況，也是未來可預期的趨勢。

數據、機器學習掀巨變，誤用等同毀滅性武器

在美、日、韓出盡風頭的「AI面試」，今年終於在台灣現身：辦公家具龍頭震旦集團的雲端辦公室正式啟用。

這個花費兩年時間，與外部公司共同開發、投資超過1500萬元的AI面試，高竿之處在於能夠分析「微表情」。

想要應徵工作的人，拍下一段自我介紹的影片，上傳到面試App之後，AI會預先整理出人類臉部86次方的特徵，再根據影片中應徵者的微表情，進行數據演算，評測出應徵者的六大人格特質。過程中，面試者和應徵者完全不會見到面。

AI會給出應徵者在情緒穩定性、外向性、經驗開放性、親和性、盡責性、人際溝通技巧的六項得分，做為人資要不要邀請應徵者進一步進行真人面試的參考。

AI面試省麻煩，也得當心黑暗面

「用AI找人可以『三省吾身』，省人省錢省麻煩，」震旦集團雲端事業部副總經理林敬寶笑著比喻說。

AI面試，代表新招募時代的來臨，選才流程縮短，時間大幅減少一半以上。同時，還提供科學性解讀，與人的經驗交叉比對，可以規避人難免會有偏頗的主觀意識。而且，隨著數據愈餵愈多，深度學習會使分數愈來愈精準。

但，人資部門不必擔心自己會因此失業，林敬寶強調，AI提供的報告僅是判斷依據，而不是由AI直接決定要不要聘用。

反倒是人資和面試官，可以從中學會如何利用AI分析報告。比方說，在招募業務行銷的報告中，親和力、外放性，以及人際關係互動的得分，就相對重要。若找的是工程師，或許得思考的，就是盡責性和經驗開放性。

「AI的功能，其實是幫助企業更快速又精準地找到對的人，」林敬寶指出，每一項人格特質都高分的，是完美的聖人，而真正能為企業所用的，並不是這樣的人。

未來的3到5年可以預見，世界各大企業將會全面導入AI履歷篩選與AI面試模擬。然而，若沒有抱持著戒慎恐懼的心面對新趨勢，「新雅努斯」的黑暗面可能就會露臉。

「現在大家擔心的，就是AI變成面試官這件事，」人資小週末專業交流社群創辦人盧世安指出，當AI是決定要不要錄取員工的最後底線，會產生很大的影響，萬一訓練AI的過程出現偏見，工程師可能無意識將自己的價值觀灌輸給AI，結果，「某一種人可能因此永遠沒辦法進入某家公司。」

比台灣更早運用AI面試的南韓，則以另一種形式，展現了對機器的不信任。一些腦筋動得快的補習班開設起專班，教導求職者如何應對AI機器人的面試。

畢竟，所有的科技都有正面與負面的影響，當人工智慧重建入職的方式，或許一不小心就觸碰了科技與人倫的界限。

「數據的利與弊之間，AI的倫理很重要，」工研院產業科技國際策略發展所所長蘇孟宗說，威脅不是來自技術，而是在技術背後，能否經得起人性與商業的侵染。

例如，若交由AI篩選入學學生，取樣的偏誤，或是在設計程式時，把「選擇精英」的偏見放入，而在無意識的情形下，把某些弱勢學生排除掉，「這個就很麻煩，」蘇孟宗說。

《大數據的傲慢與偏見》一書中，作者凱西．歐尼爾（Cathy O'Neil）曾是位「圈內數學家」，浸淫資料科學多年。最後導致她出言警告與揭發：「不當的數據應用，是安靜的恐怖主義，數學模型若被誤用，可能成為毀滅性的武器。」

如此揭開「大數據的黑暗面」，絕非恫嚇，至少在以人工智慧測量個人信用評級的領域，的確每個人都身陷風險。

靠數據評分，階級流動更困難

數據的弱勢者容易成為被剝削的對象，有人可能是「數據小白」，不容易累積數據信用。有人可能因為數據分類偏誤，而被打入數據應用的冷宮。

AI的黑盒子，光是想就令人害怕。數據若變成最重要的分層標準，財富與聲望都依附著信用評等，當數據形成新的社會階級，善用數據的人擁有晉級機會，反之只能沉淪。

「被機器評分的人生」，在中國大陸的芝麻信用分就發揮得淋漓盡致。支付系統針對用戶的信用程度劃分五等級，芝麻信用分在600分以上，便能輕鬆貸款；若在750分以上，無需財力證明，便可申請新加坡簽證。如此有力的「身分象徵」，一度導致中國大陸女性的擇偶標準，加入了「芝麻信用分700分以上，其他非誠勿擾」這一條。

針對日本企業推出J.Score等虛擬貨幣融資貸款，慶應大學教授山本龍彥（Tatsuhiko Yamamoto）則提出了「虛擬貧民窟」的警告，運用AI分析個人的大量數據，並藉以評分可信度的機制，若廣泛傳播將可能產生「虛擬貧民窟」。

山本龍彥指出，以積分高低對個人進行分類，可能引起差別對待，否定了日本憲法第13條的尊重個人原則。

2030年，5.4億人陷「數位貧困」

而且在未來，虛擬貧民窟的規模似乎還不小。

德勤日本《人工智慧時代的新貧困》這份報告中試算，到了2030年，G20國家將產生最多達5.4億人的虛擬貧民窟，亦即15到64歲的勞動年齡人口中，每6個人就有1個人將陷入「數位貧困」。

虛擬貧民窟現象，或許尚未發生在台灣，但數據高速運轉無國界，未來已來。

擁有駭客等級的程式能力、當遍電子十哥軟體顧問的陳俊宏，在新加坡註冊成立基金會Flowchain。儘管他這兩、三年來，一直在兩岸、東南亞做大數據產品，卻也不停在思考和觀察AI可能引發的階級不公平。

「我覺得自己的工作效率，是一般人的10倍、20倍，甚至百倍，」陳俊宏說，原因是很會寫程式的他，建了一個AI系統幫忙收集整理資訊，一般人一天沒法看一千、兩千篇新聞，他卻靠AI輕鬆辦到。

AI賦予個人很高的生產力，所以，個人的競爭力隨之變得很強。具備AI能力的人，職涯發展通常比一般人更順利一點。「這就是一種不公平，」陳俊宏語帶無奈：「但時勢造英雄，我們改變不了這個事實。」

數據煉金路上的不公平，衍生出新的贏家和輸家。而類似這樣的情形，也可能發生在中小企業的身上。

無法像互聯網巨頭，豪擲巨資建置數據中心，負擔不起龐大算力的中小企業，自然而然在競爭上處於劣勢。於是，數據霸權崛起，唯有少數的科技大咖公司，才是真正「得數據者得天下」。

數據霸權崛起，攸關國際競爭力

AI拉大不平等的差距，不只導致個人與企業有高下之別，還會延伸影響到國家競爭力。

將過去數年AI發展得最好的國家進行排名，陳俊宏認為，領先的是中國大陸，其次美國，再來是以色列，這些國家的共同點，都是從小學就投入AI教育。反觀台灣，直到去年才在某些高中開設AI課程，「腳步太慢，課程也不夠全面。」

準確來說，大數據成為網路、電視和報章雜誌的熱門詞彙，也不過是近六年的事。

若簡單定義AI等於大數據加演算法，2016年以深度學習開發的圍棋程式AlphaGo首度擊敗人類棋王，促使了產業巨頭、年輕創業家和民間資本紛紛加入大數據大軍。在台灣，更與物聯網連結，成為商業界的最大時尚與潮流。

根據工研院IEK最新的測算，台灣資料服務產業的產值，將從2019年的934億元，成長到2022年的1262億元，而且市場規模的成長率將超過35％。

再細數台灣市值前五大公司，台積電、鴻海、中華電、台塑化、聯發科，其實，每一個都是「數據大戶」。

愈來愈多企業利用數據的力量，轉化為商業行銷利器，進行數位轉型。愈來愈多公部門也不落人後，努力挖掘數據金礦，優化政府治理。

比如圍堵新冠疫情的數據防疫。中華電信業務執行副總經理馬宏燦分享，發給居家檢疫隔離者的防疫手機，追蹤鑽石公主號外籍乘客造訪的景點，還有口罩2.0等，隱形的大數據和程式碼都發揮著作用。

「很多系統要串在一起，很多資料也要串在一起，」馬宏燦說，才能做出很多不同的應用。

過往許多開發中國家得以經濟起飛，靠的是人口紅利。如今，新的發展動能將切換成「數據紅利」，收集海量資料整合提煉，全方位開發出數據的價值。

「數據大戶」台灣大哥大，擁有720萬餘活躍手機用戶，日產上千億個資料點。今年第一季疫情期間，是電信三雄中唯一營收跟獲利都仍有成長的公司，台灣大哥大總經理林之晨認為，主因是基於數據及集團內平台跟平台之間的合作，串出了各式各樣多贏的合作方式。

企業缺乏數據DNA，10年內將被淘汰

「與其說公司有數據紅利，不如說公司有平台紅利，」林之晨舉例，台灣大基於數據的第一個發現是，行動上網最頻繁的時段，是在家的晚上10到12點，然而，家中較深的地方離基地台較遠，網路訊號不佳，於是台灣大聯合凱擘大寬頻合作，祭出把行動光纖兩者捆綁於一的「好速成双專案」。

購買這項服務的用戶還可獲得機上盒，對台灣大來說，數位電視收集到的收視數據，給了他們第二個發現：用戶偏好驚悚片。於是，在今年推出的自製劇中，便有一齣《76號恐怖書店恐懼罐頭》，推出後很受歡迎。

如此的一環扣一環，行銷層次不斷深化，同時串連起各個平台，因而造就出數據紅利。

增值數據釋放紅利，林之晨認為，未來任何公司都必須是大數據公司，必須要充分掌握自己公司的數據，能夠從公司的數據，去做各種判斷，「不能這樣做的公司，在未來十年的過程中，一定都會被淘汰掉。」

金山貧民或數據精英？創新科技仰賴監理沙盒

面對數據時代，你不能成為坐在金山上的貧民！

問題是，你準備好了嗎？

強大的科技，通常會導致權力與金錢的集中。某些個人、企業與國家，透過大數據和演算法，一躍成為掌握大量資源和權力的「數據精英」，躋身新統治階層。

而且，這種新財富不見得會重新分配。美好的數據紅利，並未讓所有人共享，虛擬貧民窟裡住著數位貧民。

監理沙盒，或許是消除虛擬貧民窟辦法之一。

「監理沙盒的重點是accountability（問責制），給出交代，」行政院政務委員唐鳳說，將一項創新科技在實驗期內，將風險係數、個資保護、資安等資訊都公諸於眾，提供檢視公開討論。

與傳統作法不一樣的地方，若會造成某些「不利益」，新的演算法必須能給出交代，說明起因是否因為歧視或偏見。

「如果給得出交代，這個實驗才繼續，」唐鳳說，如果給不出交代，就表示這項創新與社會常規相違背，「對不起，實驗就終止了，我們感謝投資者付了學費。」

數據不會消失，也不必把AI信用評等視為洪水猛獸，要做的是攜手規管這些「數學毀滅性武器」，馴服它們，讓它們能夠被稽核，並消除它們在侵犯人權與個人意志上的殺傷力。

更多相關報導及精彩內容，請參閱遠見雜誌。 

採訪撰文／邱莉燕   

錄音轉述／陳雨新