[專訪] 國際醫學維基翻譯計畫發起人海爾曼:因為醫生不會永遠都是對的!
[專訪] 國際醫學維基翻譯計畫發起人海爾曼:因為醫生不會永遠都是對的!
2016.01.26 | 人物

2014年初,伊波拉疫情在西非大爆發,全球民眾人心惶惶。根據世界衛生組織和多國政府採集數據,到今年1月14日為止,感染案例已經超過2.8萬宗、死亡案例也超過1.1萬宗,堪稱史上最嚴重的伊波拉疫情。當疫情蔓延時,哪一個網站是賴比瑞亞、獅子山和幾內亞等疫區人民最依賴的資訊來源?答案不是CNN、不是疾病管制局,也不是世界衛生組織,而是你我幾乎每天都會用到的維基百科(Wikipedia)。

原來,在伊波拉病毒剛爆發時,維基百科編輯群就搶先編修了伊波拉相關條目,再發給具有語言長才的譯者翻譯成各國語言。到目前為止,伊波拉病毒條目已有115種語言版本,而光是在2014年,點閱次數就已經約達1億次之多。「我深信,維基百科在伊波拉疫情中扮演了很重要的角色。」發起這項翻譯計畫的詹姆斯‧海爾曼(James Heilman)接受《數位時代》專訪時堅定地說。

國際醫學維基翻譯計畫發起人詹姆斯‧海爾曼(James Heilman)
圖說:國際醫學維基翻譯計畫發起人詹姆斯‧海爾曼(James Heilman)。圖片來源:顏理謙攝。

三大步驟,讓資訊更開放

除了國際醫學維基翻譯計畫(Medical Translation Project)發起人之外,海爾曼其實還有另一個身分,那就是加拿大不列顛哥倫比亞大學的急診室外科醫生。笑稱自己「一半是維基人、一半是醫生」的海爾曼說,之所以參與維基百科編輯,得回溯到8年前的某個尋常夜晚。

那天,海爾曼正在急診室值夜班,碰巧在網路上逛到維基百科的肥胖症條目,赫然發現,裡面竟然藏了許多錯誤訊息。「那時我心想,我的天啊,這實在太糟糕了!」不過就在此時,他發現頁面上有一個編輯按鈕,可以讓使用者編修文章,從此他一頭栽入維基百科浩瀚的知識之海。而一年半前,他甚至將醫院的工作時數減半,只為了投入更多時間和心力在維基社群。「當我看了越多維基百科的文章,越發現世界上有許多人依賴維基提供的資訊。對他們來說,維基百科就是醫療資訊的來源,這更加激勵我去修正這些文章,」他說。

在那之後,海爾曼開始發起國際醫學維基翻譯計畫。這項計畫共分為三大步驟:改善條目(Article Improvement)、翻譯(Translation)、讓讀取更方便(Improving Access)。

首先,以海爾曼為首的編輯群先參照世界衛生組織和維基百科的醫療主題列表,從中挑出1,000項關鍵疾病,再將英文原文編修得更完善。當文章品質到達一定水準後,除了鼓勵大家參與翻譯,2012年起還請來無國界譯者組織(Translators without Boaders)協助,以人工翻譯方式,將文章譯成超過100種不同的語言。

2014年秋天開始,國際醫學維基翻譯計畫也和台灣的中華民國維基媒體協會合作,邀請台大醫學院學生加入這項翻譯計畫。透過Facebook和Hackpad等數位工具,他們在短時間內就翻譯出超過90個短條目,成果驚人。最後一個步驟則是搭起獲取知識的最後一哩路,讓更多人能夠使用維基百科。

例如在開發中國家,雖然手機已經相當普及,但是資料流量費用卻很高,大多數民眾根本無力負擔。因此,維基媒體基金會推出維基百科零點計畫(Wikipedia Zero)並且邀請當地電信商加入,讓民眾可以免費讀取維基百科。目前這項計畫的受惠人口已達4億人,大多數在非洲和東南亞國家。

為什麼要推動翻譯計畫?海爾曼表示,全球每天有上千人因為無法獲得充足的醫療保健資訊而死,追本溯源,就是因為網路世界的語言和實體世界語言差異懸殊。他指出,維基百科目前擁有286種語言,雖然聽起來數量龐大,但是其實全世界共存在超過6,000種語言,光是非洲就有大約2,000種語言。然而諷刺的是,在實體世界中占了多數的語言,到了網路世界卻成了弱勢族群,而只懂該語言的人民也因此無法獲得足夠資訊。

開放醫療知識為什麼重要?

「尊重專業」四字人人都愛講,既然如此,為什麼我們還需要開放醫療知識?這麼一來,會不會養出更多難纏的病人,造成醫師的壓力和負擔?對於這個顧慮,海爾曼絲毫不以為意。他指出,以前大家都覺得醫生最懂,但是事實卻不一定如此。在過去,病人去看醫生時,會先回答醫生所有的問題,再由醫生為病人下決定。「但是我們致力於改良這種狀況。我認為,應該要讓雙方都了解醫學資訊,讓醫生和病人一起做決定。」

海爾曼表示,醫生們希望病人具有充足的醫療知識,至少年輕一輩的醫生這麼認為。所以,大多數的年輕醫生對於病人可以在網路上閱讀相關資訊,其實是很開心的。他以自身為例說明:「比方說我是急診室外科醫生,我的病人有成人也有孩童。當孩子生病了,如果母親事先做了功課,她就會成為這個疾病的專家,變成最了解孩子的人。身為醫生,我其實很仰賴這樣的專家。」

雖然當病人獲得很多資訊後,可能會質疑醫生的判斷,「可是有些問題是該問,因為醫生不是永遠都是對的,」他說。

海爾曼進一步解釋,有些醫生可能是40年前讀了醫學院,但是他們並沒有跟上最新的資訊,因此這些醫生給的答案很可能是40年前的正確答案,已經不再符合當下的狀況了。所以,為了病人好,有時候的確該質疑醫生。不過,他也強調,更重要的是讓醫病之間的資訊平等,讓雙方可以多加討論。病人可以說出他的想法和擔憂,協助醫生判斷,進而得到更好的醫療照護。

而同樣面對開放資訊,加拿大、美國和台灣的態度有沒有什麼不同?海爾曼直接了當地說:「我認為年輕世代都很認同開放資訊,因為他們就是在這樣的環境中成長。」他表示,當他和越多來自不同文化背景的人共事,越發現彼此有很多共通點,相同之處遠比差異來得多。尤其在維基百科社群,開放資訊和民主理念就是大家共享的價值觀。

關鍵字: #維基百科
往下滑看下一篇文章
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦
AI 同事愈來愈多怎麼管?Going Cloud 用「多代理系統」,助企業打造最強營運大腦

ChatGPT、Gemini、Claude 等 AI 通用工具問世後,「AI」無疑成了現今全球最熱門的關鍵字。儘管許多企業已經開始導入相關應用,多數卻仍停留在文書輔助、單一聊天機器人(Chatbot)運用等單點階段。但隨著商業環境快速變化、缺工日益嚴峻,企業需要的不再只是一個會回答問題的對話框,而是具備「自主決策與行動執行」能力的「代理式 AI」(Agentic AI)。

Going Cloud 和 IDC 合作發布的《多代理系統崛起 打造敏捷韌性企業》報告便指出,如今「AI First」時代來臨,企業的 AI 應用正從輔助性質走向自主營運,有 80% 的企業期望藉此提升生產力,70% 的企業希望能更輕鬆處理複雜任務,還有 66% 的企業期望透過多模型來提升整體效能。

代理式 AI 愈來愈多,必須納入組織管理

但究竟什麼是「代理式 AI」?

「過去人們使用生成式 AI 時,需要一步步下達明確指令,但現在使用者只要賦予代理式 AI(Agentic AI)明確目標,它就能自己理解前因後果、進行推演,甚至能去呼叫 API 完成任務。」Going Cloud 總經理黃柏淞點出差異。
而當企業內部的代理式 AI 日益增加,比方說,人資部門有專屬 AI、業務部門有報價 AI、法務部門有合約審閱 AI,跨部門協作的複雜度也隨之飆升,「如果你是管理者,你就會意識到,必須把 AI 當成一個人,納入組織裡來管理。」黃柏淞強調,能統籌、指揮多個 AI 代理協作的「多代理系統」(Multi-Agent System, MAS),正是為了解決這個痛點而生。

簡單來說,MAS 就像虛擬的企業總部,負責協調、治理負責不同任務的 AI 代理、工具和功能模組。在讓 AI 自主決策的同時,各個 AI 代理間也能共享資訊、協調分工。MAS 還具備極佳的擴展性和分散性,企業可以依照業務需求,隨時新增、更改 AI 代理,能大幅提升營運韌性。

雖然企業普遍意識到,代理式 AI 已經蔚為風潮,但實際部署時,仍面臨諸多挑戰。《多代理系統崛起 打造敏捷韌性企業》報告便顯示,資安疑慮、預算限制、缺乏 IT 支援分別是企業最擔憂的三大問題,「企業最擔心串聯多個 AI 代理時,要是權限沒控管好,很容易有機敏資料外洩的風險。」黃柏淞提到,在此情形下,Going Cloud 推出了以「分層式多代理架構」為核心的解決方案。系統會由一個「主管代理」(Supervisor Agent)作為主要決策層,底層則串聯了各個負責單一任務的「任務代理」(Task Agents)。

以 Going Cloud 服務的大型金融企業為例,假設一位 VIP 客戶登入銀行 APP,詢問 AI 客服:「我想申請房貸,請問現在利率多少?另外,請幫我評估把我目前的科技股基金贖回當作頭期款適不適合?」如果是傳統的聊天機器人,可能會因為問題太複雜直接轉接人工客服。但在 Going Cloud 的分層式 MAS 架構裡,「主管代理」接收到任務後,會先拆解再指派負責「房貸利率」的「任務代理」,去後台抓取客戶的信用評分和最新房貸專案。同時,這位虛擬主管還會指派「理財分析」的「任務代理」,去檢視客戶最近科技股基金的績效並預測市場。最後,再由「主管代理」統整資訊,一併給出一份完整且客製的財務建議,「分層式 MAS 能確保整個過程的指令被清楚傳遞,而且因為權限分層管理,房貸 Agent 不會碰到不該碰的理財資料,符合金融業的風險控管與合規要求。」黃柏淞說。

目前 Going Cloud 已經協助知名金融機構導入 MAS 架構。以實際成效來看,多代理客服平台能降低 50% 以上的人工客服工作負擔,並讓回覆使用者問題的平均時間減少 60% 以上;FAQ 知識導向與 API 資料調用的正確率,在調用得當的情況下,也都達到9成以上的成功率。黃柏淞指出,金融、製造、顧問等有複雜跨部門協作需求的大型企業,都是亟需採用代理式 AI 的產業。

#0 AI同事愈來愈多怎麼管?Going Cloud用「多代理系統」,助企業打造最強營運大腦
提到目前與台灣領先金融集團的合作進程,黃柏淞表示因為金融機構的特殊性,需要縝密的全方位服務,從前期討論到技術導入,大約需要半年到九個月的時間。
圖/ 數位時代

懂雲也懂企業痛點,助員工無痛升級「AI 小組長」

但為什麼 Going Cloud 能為企業打造出如此高效的代理式 AI 底層架構?一方面,Going Cloud 先前服務過亞洲最大 AI 多媒體科技集團科科科技(KKCompany Technologies),奠定具備理解和服務大型企業的經驗,且自 2022 年創立起,就鎖定服務架構最複雜的大型企業市場。同時,Going Cloud 是全台首家榮獲 AWS 生成式 AI 服務能力認證及 ISO27001、ISO27701 雙重國際驗證的雲端產業專家,此成就彰顯 Going Cloud 在堅實的資訊安全基礎上,深化了對個人資料保護的承諾,為客戶提供符合國際標準的資料保障,強化雲端服務領導地位。另外,Going Cloud 還能為企業量身打造底層 AI 平台,提供 AI 策略方針定調、雲端架構設計、Agent 任務規劃、效能優化等一站式服務。

對於準備跨入「AI 商用階段」的企業,黃柏淞建議,釐清應用場景,比追求最新技術更重要,「唯有清晰定義痛點,才能讓強大的 MAS 平台真正落地。」
他特別提到,導入 MAS 系統不只是 IT 部門的責任,其實更像企業的升級轉型,「未來的知識工作者,不能只是單純『接球就打』,每個人都將成為『小組長』或『專案經理』。」例如員工不必再親自打開 excel 敲公式、解讀報表,應該要學著指派手下的「數位同事」去執行。員工的核心價值,將從過去繁瑣、重複性任務的執行,轉移到前期的目標定義、流程規劃,以及後期的決策判斷和審核把關。

AI 技術飛速推進,企業間的競爭已從「要不要用 AI?」,升級成「如何管理與協作多個 AI?」。透過建構靈活、安全且具高擴展性的多代理系統,企業不僅能解放員工的生產力,更能在瞬息萬變的市場中,打造敏捷、韌性兼具的營運大腦。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
AI全球100+台灣20
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓