從 Google 搜尋結果到 Facebook「趨勢話題」事件,媒介該為我們做道德判斷嗎?
從 Google 搜尋結果到 Facebook「趨勢話題」事件,媒介該為我們做道德判斷嗎?
2016.05.15 | Facebook

臉書被控遮蔽特定新聞訊息

前幾天,臉書被離職的員工爆料,它的「熱門話題」(Trending)功能並不是單純提供「熱門」訊息,而是涉及人為操控阻擋特定議題訊息。我們在數位時代網站的新聞報導裡也看到,這名前員工指出,主要是那些保守派政黨的熱門文章會被忽略。

當然,這個問題牽涉到之前的另一則新聞:原來這些所謂熱門話題的選擇,不全然是透過演算法來決定,而是在演算法排序後,再由數名編輯人工篩選、下標。本來這則新聞引人注意的地方是,它又成了另一個電腦可能開始排擠人類工作者的例子。不過,如今隨著前員工的爆料,兩件事情合起來就呈現出相當令人疑慮的景象:臉書在試圖控制新聞,甚至是「帶風向」嗎?

Zuckerberg第一時間已經跳出來承諾會立即進行調查,因此就讓子彈再飛一會,也許可以知道更多實情,我們在此先不急著審判。倒是這事件讓我聯想到了再前陣子百度發生的大事,也就是中國一名大學生因為相信了百度提供的醫療資訊而不幸殞命。

這兩個事件看似差了十萬八千里,但卻扣連上一個共同的問題:媒介的道德性。

媒介該為我們做道德選擇嗎?

去年年中,QUARTZ有一篇很精采的文章,是由作者與被稱為Google哲學家的Luciano Floridi的對談記錄,主題是:搜尋引擎該是道德的嗎?這個問題的意思是,例如,當我在Google上搜尋「女人的天職」時,到底Google該不該給我那些傳遞性別偏見、甚至歧視的答案?

也就是說,當我們今天總是依賴著各種媒介去認識世界、傳遞訊息、甚至行動時,這些媒介該是客觀中立的?還是該為我們下道德判斷或甚至決策?

與這個問題相關的是,在百度的事件中,顯然其「競價排名」的服務是整個問題的核心。只是這個服務依據的不是「道德」,而是「誰的鈔票多」來提供資訊。

而在臉書這次的事件中,某種意義上來看,假設熱門話題的訊息真如爆料前員工所說,遮蔽了那些保守的、右派的熱門新聞。那顯然地,臉書正在為其使用者下道德判斷(先不談是不是惡意地帶風向)。換言之,臉書預先為使用者判定那些保守、極右派的新聞「不好」。

Google哲學家Floridi在上述的那篇文章中主張:Google不該移除那些(所謂)「道德上不正確」的答案。換言之,他認為像Google這類搜尋引擎如今就像是在「管理真相」(managing truths),而當我們賦予私人企業在這方面上過大的權力,那將是很危險的。

換言之,這可以認為是帶有「網路中立性」意味的觀點:作為傳遞資訊、甚至是真相的媒介,媒介的管理者不應預先將道德判斷加諸其上。

那麼,在百度的事件中,我們看到的恐怕是一個更糟糕的境況:不僅不是道德,而是「金錢」在篩選著那些呈現給使用者的資訊。雖然嚴格來說,「競價排名」這一服務本來提供的就是「廣告」。要從「管理真相」的標準來責難百度,也許過於嚴苛。但當一個生命因此消失後,可能我們真的需要如此嚴苛的標準。

而在臉書的事件中,恐怕Zuckerberg如今也得謹慎思量,如果臉書想要成為不只是提供社交的平台,而是人們日常生活的媒介,那麼該如何「管理真相」就成了嚴肅的問題。換言之,當臉書依照某些其預先制定、有偏向的規則決定了哪些新聞會刊出、哪些不會,這就顯然地讓自己成了掌握道德判斷權力的(危險)巨人。

這是一個大腦延伸外化的時代

加拿大傳播學者麥克魯漢在1964年那個沒有網路、個人電腦的年代,就很神奇地洞見了人們的大腦終將會在科技的發展中延伸出去,也就是透過科技(媒介)來運作其功能。

如今,不管是百度、臉書的事件,還是Google未來的發展,其實涉及的都不只是資訊篩選與管制的問題,而是當這些媒介就成了我們大腦的延伸時,倘若這些媒介的運作被預先設定了某些道德判斷與偏向,這就等同於我們自身的選擇與決策能力在其中受到了箝制。

也就是說,我們必須要注意到,不管是Google、百度、還是臉書,當這些媒介成了我們理所當然認識事物、世界、或甚至「真相」的管道時,這也就意味著真正讓我們得以進行認知的,是「人-媒介(Google、百度、臉書)」這個認知系統。如此一來,當Google、百度與臉書以某種有特定偏向的方式篩選資訊,這也就意味我們自身的認知模式將產生難以察覺的改變。這才是危險所在。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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
一次搞懂Vibe Coding
© 2025 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