誰在傳送假訊息？提升全民媒體素養，讓謠言止於智者！

本文由 建研所 委託，泛科學企劃執行。 

根據聯合國統計數據，全球每年 38% 的溫室氣體排放，並非來自道路上的交通工具，而是由「現代都市與建築」所造成的。

我們如今站在兩條路徑的十字路口。一條是依賴更多水泥建築與空調系統來抵禦夏季酷暑，然而這樣的選擇只會加劇室外大氣的惡化。另一條則是徹底改革建築、用電、設計與都市規劃，不僅尋求低碳排放的建築方式，還要找出節能降溫的解決方案，實現事半功倍的效果。

然而，我們是否真的能將建築業的碳排放歸零？

建築的溫室氣體哪裡來？

在建築物 60 年的生命週期中，建材的碳足跡其實只佔 9.8%，因為建築一旦完成後，材料不會頻繁更換。相反，日常生活中的用電才是主要的碳排來源，占了 83.4%，其中大部分來自冷氣、照明和各種電器。

當然，讓大家集體關燈停用電器「躺平」來拯救地球，顯然不切實際。既然完全不消耗能源是不可能的，我們應該尋找更現實的解決方案。

現在就來看看全球七棟零碳建築之一——成大的「綠色魔法學校」，臺灣首座淨零建築，如何運用建築技術，成為當代永續建築的典範。這些技巧中，有哪些能應用到你我家中呢？

為了省電要把煙囪塗黑、吸收更多太陽光？

都市裡，我們最大的挑戰之一就是夏天的高溫，水泥建築群在陽光的烘烤下，變成一個個巨大的窯爐。為了解決這個問題，綠色魔法學校在國際會議廳裝了一個煙囪，不過這不是為了讓窯爐更熱，而是用來降溫的。

煙囪為什麼都都要蓋的那麼高？原來煙囪越高，上下的溫差越大。熱空氣因為密度低而向上移動，產生熱對流。溫差越大，這個熱對流就越強烈，這就是所謂的「煙囪效應」。在要幫室內降溫的情況下，我們的目的是產生更強的煙囪效應，抽走熱空氣，讓室溫下降。但這棟建築裡沒有火爐，而溫差不夠大時，這效應會變得微弱，那該怎麼辦？

_{浮力通風效應。圖 / 泛科學自製動畫截圖}

綠色魔法學校提出了一個大膽的解法：在煙囪南面下半部改裝透明玻璃窗，並將煙囪內部塗成黑色，還加裝了黑色烤漆鋁板，這樣可以最大限度地吸收太陽光。每當艷陽高照，這個不插電的的「自然通風系統」就能自動啟動，創造局部的熱對流，帶動整根煙囪的熱氣向上移動，為室內降溫，達到節能效果。以熱制熱，完全反常識。

幫室內降溫的最大原則是：通風。

實際上，不是人人家裡都有煙囪。但如果建築的高處沒有任何窗戶或通風設備，熱空氣就是會從屋頂一路往下蓄積在室內。因此，你也一定在許多工廠或民宅的屋頂看過一個不斷旋轉的小風扇，它們也是有異曲同工的效用。雖然不是高聳的煙囪，但特殊的渦輪構造，風吹過就會開始轉動，並連帶空氣排出室外。是個不用插電的通風球。

綠色魔法學校的煙囪就是個效能更強的換氣機，足以讓 300 人大型會議廳的換氣次數，高達每小時 5 到 8 次，甚至能在室內颳起風速每秒 0.5 公尺的微風，是最舒適的環境。這些利用熱氣密度的差異來改善室內溫度的方法，又稱為「浮力通風」。

為了把通風貫徹到底，綠色魔法學校在建築的兩面裝設大量窗戶以及吊扇，來讓水平也能通風。這些我們習以為常的裝置，其實才是關鍵。靠吊扇的一點點電力讓自然風可以自由進出，耗費的能源，遠比冷氣還要少得多。

幫空調省電的最後一招，就是微環境控制。

實際上魔法學校內還是找的到空調設備，並不是完全拔除不用。除了選用最高效率的主機，以及把室內循環做到最好以外，降低周遭環境溫度才能減低冷氣的負擔。要降低水泥叢林的熱島效應，需要植被與水體來做溫度調適。

在太陽照射下，水泥屋頂表面最高可以達到攝氏 70 度，如果屋頂有種植植栽，室內頂層樓板的表面溫度就可以維持在攝氏32 度以下。不用開電就先幫室內降溫。

水也是關鍵的一環。一是水的比熱高，想打破水分子之間的氫鍵，需要大量的熱量，要讓一千克水的溫度升高一攝氏度，需要 4,200 焦耳的熱量，這可以避免溫度因為烈陽就快速上升。二是當溫度真的過高，水也會透過蒸發帶走熱量，讓溫度不至於向上飆。

魔法學校的屋頂花園使用水庫淤泥，研磨後燒製成的再生陶粒，裡頭混合了稻穀，結構極細，不會像有機土一樣分解消失，可以涵養水源，還不用動不動補土壤，不只降低屋頂植被的澆水次數，還能達到降溫效果。地面也採用透水鋪面，讓每一滴水都不浪費。

綠色魔法學校本名是成功大學的「孫運璿綠建築研究大樓」

2013 年被英國知名出版社羅德里其評為「世界最綠的建築」，並獲選為聯合國全球七棟零碳建築之一。

除了表彰之外，在認證上也確實取得了臺灣最高等級的「鑽石級綠建築」認證，以及美國最高級的「白金級綠建築」兩個綠建築認證。

為了讓相同的成效可以陸續在全臺的所有建築上實現，臺灣在既有的綠建築標章體系上，擬定出了「建築能效評估系統 BERS」，針對關鍵的空調、照明、插座電器的用電狀況訂出明確的耗電密度指標得分。簡單來說，就是每平方公尺的面積上，每年平均的用電量。

要打造一棟淨零建築，需要設計與材料硬體的相互配合。在日常用電這最大耗能項目上，能透過前面的淨零設計與智慧能源管理來減低能耗。而我們還沒提到的最後一塊拼圖，則是回到建築的建材本身。這部分減碳的方法有很多種，例如將傳統施作工法改為在工廠就完成模組化建材製造的「預鑄工法」，減少現場搭建鷹架、施工的步驟，達成減碳。又或是將部分建材更換為木、竹等負碳建材，甚至使用零廢棄物、能「循環使用」的建材。例如 2018 年亮相的臺中花博荷蘭館、或是 2021 年台糖在沙崙啟用的循環聚落。

建築物能夠完全不用電嗎？……電從哪裡來？

沒錯，連全球最綠的建築——綠色魔法學校，也無法做到完全不使用電力。正如前面提到的，建築的最大能源消耗來自日常使用，而這所「魔法學校」的成就，是成功將日常能源消耗降低，讓溫室氣體排放減少超過 50%。

這就是關鍵，減少一半後，剩下的部分就靠周邊的造林、太陽能和風能等綠色能源來補足。

2022 年 3 月，國發會公佈了 2050 淨零排放的路徑圖，參考美國、日本、歐盟等國，制定了 2050 年達成淨零建築的目標。

這條路徑包含兩個核心目標：第一，所有建築物要在建築能效評估系統（BERS）中達到 1 級節能，甚至進一步達到「1+ 級」近零碳建築的標準，減少至少 50% 的能源消耗。第二，同步發展再生能源，讓這些近零碳建築朝淨零邁進。

這個目標比你想像的要容易實現。比如，2023 年 12 月，台達電的瑞光大樓 II 就成功取得了「1+ 級」近零碳建築認證，並符合 0 級淨零建築規範。而在 2024 年 7 月，國泰人壽在臺中烏日的商辦大樓經過改造後，也達到 0 級淨零建築標準。這些案例證明了綠色魔法學校的成功經驗可以複製，不論是新建築還是舊建築，都能達成甚至超越淨零目標。

如果我們不想讓「每個夏天都是未來最涼的一年」這樣的預言成真，碳排歸零是必須要實現的目標。現在你知道，這個任務的關鍵就掌握在你我手中。就像選擇能源標章電器一樣，只要選擇符合 BERS 能效標準的建築，我們不僅能降低冷氣的依賴，也能節省電費，讓地球和你的荷包都雙贏。

上次 notion + zapier 做完後，開會總算沒挨罵了，自動化服務真的讚！

而這次介紹 MAKE 串 LINE 做重要信件通知，也源自於我遇到的問題。

如果你不想聽故事，可以往下看教學。

Line Notify

首先，我們會用到 line notify 的服務，要先到官網登入申請。

登入後如果完全沒用過，會直接進到登錄服務畫面。

這邊除了 email 以外可以隨便填，email 之後要收確認信用的，請用你常用的 email。 然後提醒一下，網址跟 callback URL 不要用 google 之類常見的網址，會沒辦法通過，請隨便打一串看起來正常的網址。

設定完成後按登錄。

這時回去剛剛填的 email 收通知信，開通剛設定好的 line notify。

大功告成，這時點右上角的「管理登入服務」，就會看到剛剛設定好的 line notify，這樣 line 的部分就設定好了，可以去 make 做自動化串連。

Make

接著登入 make，如果是第一次使用，他會問你很多廢話。

不用管他隨邊點，直到你看到這個畫面。

點右上角 creat a new senario。

一進去會看到的這個圓圈，這個圓圈跟之前 Zapier 說的 trigger 是一樣的東西，可以手動自己設定流程 flow。

但我們還是叫 AI 幫我們啦，點右下角的 AI Assistant，對話框選選 creat or edit a senario。

輸入「if my gmail get a new email, then send LINE notification」

然後得到畫面上的 flow，左邊是 Gmail watch email，右邊是 line send a notification。

如果你用中文輸入類似的內容，常會跑出很複雜的 flow，這種 flow 裡面有很多有趣的功能。

但這集用不到，我們還是先回到正確的 flow 上。

點開 gmail，連上要整理的信箱。

連接完成後進入設定，先點選藍色的 click here to choose folder。

這邊會出現你在 gmail 裡做的標籤分類，由於我完全沒有按照規則整理，就直接選 inbox，對所有郵件進行分析。

filter type 用 simple filter。

下面的 Criteria 選 all emails 就好了，我們後面會再用 filter 細分。

然後這個，選 no。

選擇 yes 會把偵測過的 email 變成已讀，我不想這樣。

然後這邊是每次執行 flow 時，會抓取多少筆最新的 email 到 line 上發布通知。

免費的 make 是 15 分鐘執行一次 flow，請自己評估每 15 分鐘會收到多少封有用的信件，設定太多你的 LINE 通知會炸裂。

我自己測試後，設定為 5 就差不多了。

設定好點下 OK，會跳出從哪封 email 開始抓資料，用 from now on 就好，之後的新郵件就會自動讀取了。

按下OK，接下來就可以來設定 filter 啦。

點連接線旁邊的板手會跳出選單，選第一個 set up a filter。

進入 filter 設定畫面，上面的 label 是幫這個 filter 上標籤，填你喜歡的就好。

然後點 condition 下面的輸入框，選 subject 標題跟 text content 內文。

然後在 text operator 這裡，選擇 contains。

contains 是在特定字串中如果包含某個關鍵字，就可以通過。

這邊說的特定字串，就是上面欄位設定的標題跟內文。

接下來，在下面空格打上關鍵字，就完成啦。

如果有多個關鍵字要篩選，點選 add OR rule 設定其他關鍵字，不能多個關鍵字打在一起。

按下OK，你會看到板手變成一個漏斗，這樣 filter 就設定完成。

接著點開 line，他會要你輸入 notify API。

回到 line notify 的「管理登入服務」頁面，點擊剛剛設定好的服務，進入服務細節的頁面，複製上面的 client ID。

回到 Make 複製貼上按SAVE。

接著會進到這個頁面，這邊是設定你要在哪個聊天室發送通知，你可以設定在工作群組發送，我這邊先設定我自己就好。

然後進入 line 推播訊息的設定頁面。

message 這欄可以打成這樣，這樣就不會丟一個不知道在做什麼訊息，你也可以發揮創意寫一些幹話進去，增添趣味。

下面的設定用不到，我們直接按OK就完成了。

接下來就要測試啦，我先分別寄三封信件到公用信箱中，分別是：

1. 標題有關鍵字
2. 內文有關鍵字
3. 沒有關鍵字

寄完後，按下 run once。

成功的話就會在 line 上收到通知，果然，沒有把不含關鍵字的信件傳到 line 上，測試成功。

現在把下面的 scheduling 打開，就完成所有設定了。

以後再也不用擔心自己漏接公用信箱的重要信件啦！

結論

最後分享一下實做心得：

比起 zapier 跟 ifttt，make 用起來更有寫程式的感覺，對完全沒有程式背景的人，Zapier 跟 ifttt 會比較好上手，但在免費版的情況下，make 能做到比 zapier 更複雜的自動化功能。

像前面有出現過的複雜流程圖，就可以用 router 做出複數條件判斷的流程，例如前面抓gmail的流程，加上 router 後就不只能傳送提醒到line，還能自動回復罐頭訊息給符合條件的郵件，這如果要在zapier做，就要做兩個流程才能達成了。

另外如果你的公司信箱不是使用Gmail，前面的模組可以從Gmail改成Email，Connection type選用Microsoft系列。

理論上只要這邊按 save，就可以選擇你要串連的microsoft帳號。我串完之後還是抓不到信件，但 make 跟 microsoft 帳戶上，都顯示授權成功，如果有人知道這是什麼問題，請一定要留言告訴我⋯⋯

這次的分享就到這邊，如果有其他想看的 AI 工具測試或相關問題，可以直接留言 ，或給加入 Discord 跟我們一起討問喔。

如果喜歡這支影片的話，也別忘了按讚、訂閱，加入會員，我們下集再見～掰！

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

本文轉載自中央研究院「研之有物」，為「中研院廣告」

• 採訪撰文｜劉韋佐
• 責任編輯｜田偲妤
• 美術設計｜蔡宛潔

人工智慧將改變以人為主的法治領域？

由人工智慧擔任警察，再也不是科幻電影的情節，交通管制常見的科技執法就是應用 AI 辨識闖紅燈、未依規定轉彎、車輛不停讓行人等違規行為。 AI 的客觀、高效率正在挑戰以人為審判主體的法治領域，這樣的轉變會對我們產生什麼影響呢？中央研究院「研之有物」專訪院內歐美研究所陳弘儒助研究員，他將帶我們思考：當 AI 取代人類執法時，將如何改變人們對守法的認知？

想像有一天你正在尖峰時段開車，車子停在十字路口等紅燈時，後方出現一輛急駛而來的救護車，你為了讓道必須開過停止線。這時你是否願意冒著違規被開罰的風險？還是承擔風險以換取他人盡速就醫？

在上述情境中，針對「要不要闖紅燈」我們經歷了一段價值判斷過程。如果剛好十字路口有真人警察，他的判斷可能是：這是情急之下不得不的行為，並非蓄意違規。

然而，如果負責執法的是「法律人工智慧系統」（Artificially legal intelligent，簡稱 ALI）情況可能截然不同。

ALI 這個詞源自 Mireille Hildebrandt 的研究，在概念上可區分為兩類：採取傳統程式碼的 IFTTT（if this then that）、運用機器學習的資料驅動。前者是注重法律推理或論證的計算機模型，將法律規範轉為程式碼，藉由程式編寫來執行法律任務。後者則透過大量資料的學習，來預測行為範式，用於再犯率、判決結果預測上有較好的成果。

一般情況下，應用在交通管制的 ALI 會辨識車輛是否超速、闖紅燈等違規行為，不過交通情境千變萬化，ALI 能否做出包含「道德價值的判斷」將是一大挑戰！

中研院歐美研究所陳弘儒助研究員察覺，人工智慧（AI）正在左右人們對守法的價值判斷及背後的因果結構，進而反思當我們將原本由人來判斷的事項，全權交由 AI 來執行時，可能產生哪些潛移默化的影響？

讓我們與陳弘儒展開一場從法哲學出發的對話，探索 AI 與法治價值之間的緊張關係。

怎麼會對「人工智慧」（AI）與「法律人工智慧系統」（ALI）產生研究興趣？

會對 AI 感興趣是因為我很早就對電腦有興趣，我原本大學想唸資訊工程，因為高中有些科目沒辦法唸，於是去唸文組，大學進入法律系就讀，研究所考入「基礎法學組」研讀法哲學。

後來我到美國讀書，當時 AlphaGo 的新聞造成很大的轟動，啟發我思考 AI 的應用應該有些法律課題值得探討，於是開始爬梳 AI 與法律的發展脈絡。

AI 這個詞大概在 1950 年代被提出，而 AI 與法律相關的討論則在 1970、80 年代就有學者開始思考：我們能否將法律推理過程電腦程式化，讓電腦做出跟法律人一樣的判斷？

事實上，AI 沒有在做推理，它做的是機率的演算，但法律是一種規範性的判斷，所有判斷必須奠基在法律條文的認識與解釋上，給予受審對象合理的判決理由。

這讓我好奇：如果未來廣泛應用 AI 執法，法律或受法律規範的民眾會怎麼轉變？

至於真正開始研究「法律人工智慧系統」（ALI）是受到我父親的啟發。有一陣子我經常開車南北往返，有一天我跟父親聊到用區間測速執法的議題。交通部曾在萬里隧道使用區間測速，計算你在隧道裡的平均速率，如果超速就開罰。

父親就問我：「政府有什麼理由用區間測速罰我？如果要開罰就必須解釋是哪一個時間點超速。」依照一般的數學邏輯，你一定有在某個時間點超速，所以平均起來的速率才會超過速限，可是法律判斷涉及規範性，我們必須思考背後的正當性課題，不能只用邏輯解釋，這啟發我逐漸把問題勾勒出來，試圖分析執法背後的規範性意涵。

如果將執行法律任務的權限賦予 AI，可能暗藏什麼風險？

我們先來談人類和 AI 在做判斷時的差別。人類無時無刻都在做判斷，判斷的過程通常會先做「區分」，例如在你面前有 A 和 B 兩個選項，在做判斷前必須先把 A 和 B 區分開來，讓選項有「可區別性」。

在資料龐大的情況下，AI 的優勢在於能協助人類快速做好區分，可是做判斷還需經歷一段 AI 難以觸及的複雜過程。人類在成長過程中會發展出一套顧及社會與文化認知的世界觀，做判斷時通常會將要區分的選項放進這個世界觀中，最終做出符合社會或自身考量的抉擇。

當我們將判斷程序交由 AI 執行，就會涉及「判斷權限移轉」的問題，這經常在日常生活中發生，你只要發現原本自己可以執行的事情，有另外一個對象做的比你好或差不多好，你就會漸漸把判斷的工作交給它，久而久之，你大概會覺得這是很好的做法，因為可以節省大量時間。

我擔心這種判斷權限移轉會快速且廣泛的發生，因為 AI 的工作效率極高，可以大幅節省人力成本，但是哪一些權限可以放給 AI？哪一些權限人類一定要守住？我們經常沒有充足的討論，等到發生問題再亡羊補牢可能為時已晚。

以讓道給救護車而闖紅燈的情境為例，如果讓 AI 來做交管，可以節省警察人力，又可以快速精準地開罰，卻迫使民眾需額外花時間，證明闖紅燈有正當理由。如果是真人警察來判斷，警察通常會認為你的行為有正當理由而不開罰。這對於受法律規範的民眾來說，會產生兩種全然不同的規範作用。

AI 產生的規範作用會讓民眾擔心事後銷單的麻煩程序，如果無法順利解決，可能會訴諸民意代表或上爆料公社，並漸漸改變民眾對守法的態度。而真人警察產生的規範作用，將使民眾自主展現對法律的高度重視，雖然當下的行為牴觸法律，卻是行為人經過多方權衡後做的判斷，相信法律會支持自己出於同理心的行為。

使用 AI 執法除了看上它的高效率，也是因為和真人相比 AI 不會受私情影響，比較可以做出公正的判斷。如果從法治觀念來看，為何決策權不能全權交由 AI 執行？

我認為法治的核心價值在臺灣並沒有很好的發展，我們常想的是怎麼用處罰促成民眾守法，長久下來可能會得到反效果。當人們養成凡事規避處罰的習慣，一旦哪天不再受法律約束，可能會失去守法的動機。

事實上，法治最根深柢固的價值為：

法律作為一種人類行為規範的展現，促使民眾守法的方式有很多種，關鍵在於尊重人的道德自主性，並向民眾陳述判決理由。

給理由非常重要，可以讓民眾不斷透過理由來跟自己和法律體系溝通。如此也可以形成一種互惠關係，使民眾相信，國家公權力能用適當的理由來制定法律，而制定出的法律是以尊重公民自主性為主。當民眾理解法律對我所處的社會有利，會比較願意自動產生守法的動機。

AI 執法看似比人類「公正無私」，但它的執法方式以處罰為主、缺乏理由陳述，也沒有對具體情境的「敏感性」。人跟人之間的互動經常需要敏感性，這樣才能理解他人到底在想什麼。這種敏感性是要鍛鍊的，真人警察可在執法過程中，透過拿捏不同情境的處理方式來累積經驗。

例如在交通尖峰時段應該以維持交通順暢為原則，這時警察是否具備判斷的敏感性就很重要，例如看到輕微的違規不一定要大動作開罰，可以吹個警笛給駕駛警示一下就好。

我越來越覺得人類這種互動上的敏感性很重要，我們會在跟他人相處的過程中思考：跟我溝通的對象是什麼樣的人？我在他心中是什麼模樣？然後慢慢微調表現方式，這是人類和 AI 最根本的不同。

相較於法律人工智慧，ChatGPT 等生成式 AI 強大的語言功能似乎更接近理想中的 AI，其發展可能對我們產生哪些影響？

我認為會有更複雜的影響。ChatGPT 是基於大型語言模型的聊天機器人，使用大量自然語言文本進行深度學習，在文本生成、問答對話等任務上都有很好的表現。因此，在與 ChatGPT 互動的過程中，我們容易產生一種錯覺，覺得螢幕後好像有一名很有耐心的真人在跟你對話。

事實上，對於生成式 AI 來說，人類只是刺激它運作的外在環境，人機之間的互動並沒有想像中的對等。

仔細回想一下整個互動過程，每當外在環境（人類）給 ChatGPT 下指令，系統才會開始運作並生成內容，如果我們不滿意，可以再調整指令，系統又會生成更多成果，這跟平常的人際互動方式不太一樣。

資工人員可能會用這個理由說明，生成式 AI 只是一種工具，透過學習大量資料的模式和結構，從而生成與原始資料有相似特徵的新資料。

上述想法可能會降低人們對「資料」（Data）的敏感性。由於在做 AI 訓練、測試與調整的過程中，都必須餵給 AI 大量資料，如果不知道資料的生產過程和內部結構，後續可能會產生爭議。

另一個關於資料的疑慮是，生成式 AI 的研發與使用涉及很多權力不對等問題。例如現在主流的人工智慧系統都是由私人公司推出，並往商業或使用者付費的方向發展，代表許多資料都掌握在這些私人公司手中。

資料有一種特性，它可以萃取出「資訊」（Information），誰有管道可以從一大群資料中分析出有價值的資訊，誰就有權力影響資源分配。換句話說，多數人透過輸入資料換取生成式 AI 的服務，可是從資料萃取出的資訊可能在我們不知情的狀況下對我們造成影響。

面對勢不可擋的生成式 AI 浪潮，人文社會學者可以做些什麼？

國外對於 AI 的運用開始提出很多法律規範，雖然國外關於價值課題的討論比臺灣多，但並不代表那些討論都很細緻深入，因為目前人類跟 AI 的相遇還沒有很久，大家還在探索哪些議題應該被提出，或賦予這些議題重新認識的架構。

這當中有一個重要課題值得思考：

我們需不需要訓練 AI 學會人類的價值判斷？

我認為訓練 AI 理解人類的價值判斷很可能是未來趨勢，因為 AI 的發展會朝人機互動模式邁進，唯有讓 AI 逐漸理解人類的價值為何，以及人類價值在 AI 運作中的局限，我們才有辦法呈現 AI 所涉及的價值課題。

當前的討論多數還停留在把 AI 當成一項技術，我認為這種觀點將來會出問題，強大的技術如果沒有明確的價值目標，是一件非常危險的事情。實際上，AI 的發展必定有很多價值課題涉入其中，或者在設計上有一些價值導向會隱而不顯，這將影響 AI 的運作與輸出成果。

思考怎麼讓 AI 理解人類價值判斷的同時，也等於在問我們人類：對我們來說哪一些價值是重要的？而這些重要價值的基本內容與歧異為何？

我目前的研究有幾個方向，一個是研究法律推理的計算機模型（Computational models of legal reasoning）；另一個是從規範性的層面去探討，怎麼把價值理論、政治道德（Political morality）、政治哲學等想法跟科技界交流。未來也會透過新的視野省視公民不服從議題。

這將有助科技界得知，有很多價值課題需要事先想清楚，影響將擴及工程師怎麼設計人工智慧系統？設計過程面臨哪些局限？哪些局限不應該碰，或怎麼把某些局限展現出來？我覺得這些認識都非常重要！

鐵面無私的 ALI ？人類與人工智慧執法最大的分野是什麼？

陳弘儒是臺灣少數以法哲學理論研究法律人工智慧系統（ALI）的學者，他結合各種現實情境，與我們談論 ALI、生成式 AI 與當代法治價值的緊張關係。

由於 ALI 擅長的資料分類與演算，與人類判斷過程中涉及的世界觀與敏感性思辨，有著根本上的差異；以處罰為主、缺乏理由陳述的判斷方式，也容易影響民眾對公權力的信任。因此陳弘儒認為，目前 ALI 應該以「輔助人類執法」為發展目標，讓人類保有最終的判斷權限。

至於現正快速發展的生成式 AI ，根據陳弘儒的觀察，目前仍有待各方專家探索其中的價值課題，包括資料提供與使用的權力不對等、哪些人類價值在訓練 AI 的過程中值得關注等。

在過去多是由人文社會學者提出警告，現在連 AI 領域的權威專家也簽署公開信並呼籲：AI 具有與人類競爭的智慧，這可能給社會和人類帶來巨大風險，應該以相應的關注和資源進行規劃和管理。

在訪談過程中，有一件令人印象深刻的小插曲，陳弘儒希望我們不要稱呼他「老師」，因為他從小就畏懼老師、警察等有權威身分的人，希望以更平等的方式進行對話。

假如今天以 AI 進行採訪，整個談話過程或許能不受倫理輩分影響，但這也讓我們意識到，在 AI 的世界裡，許多人際互動特有的敏感性、同理反思都可能不復存在。

陳弘儒的研究讓我們體會，AI 在法治領域的應用不僅是法律問題，背後更包含深刻的哲學、道德與權力課題，也讓我們更了解法治的核心價值：

法律要做的不只是規範人們的行為，而是透過理由陳述與溝通展現對每個人道德自主性的尊重。