從邏輯思維到晚安詩,我們在社群中能找回個體的自在與多元嗎?
從邏輯思維到晚安詩,我們在社群中能找回個體的自在與多元嗎?
2017.03.28 | 生活

在資訊社會中的個人,除了被動接受現成的知識、消費現成的感動之外,數位工具事實上也賦予了具高度個人色彩的「行動」更大的可能性。而這些個體的多元「行動」,正是人類創造意義的根本。

日本導演岩井俊二的作品《青春電幻物語》,描述了網路歌手「Lily Chou」和圍繞在她發行的CD歌迷身上的故事。然而,全片中最吸引人注意的部分,是這些歌迷在討論區的「留言」被剪接而成,並用快速的黑底白字畫面呈現蒙太奇鏡頭。

投稿者:太極
「受強光照射者,有更濃密的陰影」
投稿者:Lui-Hua
「黑色的眼淚、青色的微笑、透明的我,無色的世界」

這些對Lily Chou歌聲中的「以太(宇宙中光的介質)」著迷,但現實中默默無聞的歌迷所撰寫出的謎樣句子以打字機的字體出現,占據整個畫面的剎那,讓人想到安迪.沃荷(Andy Warhol)所說:「未來,每個人都有15分鐘成名的機會。」即使轉眼熄滅,他們已經在這樣的參與中,體認到了無可取代的意義。

陶行知

上述的「意義」,來自網路社會主體所擁有的多元化自我表達的機會,如Instagram、Facebook等,這些表達的舞台一一登場。然而,這個世界永遠在多元與單一之間拉鋸。Facebook允許個人從文字、圖片、影音等方面,做出最具風格化的展演,但是它終究是控制在單一企業體之下的載體,服膺於某種意識形態的工具。

愛因斯坦

舉例來說,在2015年法國國內遭到伊斯蘭國攻擊時,Facebook官方「主動」推出鼓勵使用者更換法國國旗濾鏡大頭貼功能一事。對事件表態本無不可,但當Facebook這看似中立的社群平台,事實上都蘊含著群體極化(指在一組織群體中,個人決策因為受群體影響,易做出比獨自決策時更極端的決定)的可能性時,我們就更不能對這一切看似理所當然的結果照單全收。

而美國社會學教授喬治.雷瑟(George Ritzer),更是如此詮釋當代社會的單一化現象:「虛無」(Nothing)並非一無所有,而是只有一種標準:當一切都被單一化,虛無即產生。這種單一的價值觀可能來自政府、跨國企業、單一的民族主義社會氛圍、父權傳統、保守團體,或來自某種強大的外力,讓個人的差異與多元性無法發揮。

如果說每個網路社會的個體,都無可避免暴露在網路訊息的百花撩亂中,那麼我們不妨回頭看看中國文化大革命時期思想矯正的「大字報」:這種看似眾聲齊鳴,事實上背後卻只有單一聲音的訊息交換形式,是如何抹殺個人追求多元意義的可能。它將整個社會對話可能性封閉到了一個單向度空間,而這正符合了雷瑟所闡述的虛無。

幸運的是,我們能夠看到無論外部資訊是單一或龐雜,都不能取消人的能動性。即使在文革時期,諸種極端單一化、教條化的口號洗腦中,小說家王小波仍能夠在大字報上留下「龜頭血腫很不好,龜頭血腫很疼,龜頭血腫應該否定,絕不要再有人龜頭血腫。」此種以文革的口吻反諷文革,以性和文學抗擊整個時代的傑作。

畢竟,人才是訊息的主宰。人,無論如何,總能從自己創造的雜訊中設法脫身,進而創造意義。

孟子

本篇為系列文章的第三篇,其他篇章請見此:
- 【科技✕意義 1】資訊爆炸時代中,「意義」成為高價商品
- 【科技✕意義 2】被遺忘的新娘——網路社會重新定錨的人際關係

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