在鍵盤正義、鄉民嘴砲的網路日常,能否瞥見公民氣息?
在鍵盤正義、鄉民嘴砲的網路日常,能否瞥見公民氣息?
2016.03.16 |

在農曆年前的歡慶時節,台灣發生了一場重大災害:高雄美濃發生6.4級地震,造成台南多處大樓傾斜、倒塌,最嚴重的災難現場:住商混合維冠金龍大樓,確定死亡人數達115人、生還者175人,其中96人受傷,超越了1999年9月21日倒塌的東星大樓(87人死亡),為全臺灣傷亡最嚴重的建築物倒塌災難。我們就像是現場的救難單位一樣,墜入混亂之中。

這些災難資訊如雪片般飛來,我們讀得到片段,卻讀不到全貌。從小年夜當天凌晨開始所觀測到的臉書交流連結中,廣為傳遞的前十名中,包含著內容農場與遊戲廣告的連結。除此之外,獲得最多關注的是前內政部長在批評「救災都更」政策沒有繼續推行下去。其中一個搜救隊的抱怨新聞,引起掀底的資訊揭露,又引起更多兩極化的評論與對立。

這讓我想到2012年美國電視影集《新聞急先鋒》(The Newsroom)第一季第三集開頭,引用了一段2004年3月24日,美國喬治布希總統期間前反恐主要負責人Richard Clarke,在國會聽證會作證時的公開聲明,作為開場:

「……我認同這個聽證會的原因是,它們讓美國民眾有機會更深入了解為何911的悲劇會發生,以及我們該做什麼避免這類的事件再次發生。」

「我也認同這些聽證會的另外理由是,它是一個終於出現的論壇,在此我可以正式向911受害者的摯愛與親友們道歉。我正式地對這些現在在現場參加論壇、或者正在收看電視轉播的美國民眾道歉:你們的政府讓你們失望了。被你們信賴的政府、承諾要保護你們的政府,讓你們失望了。而我,讓你們失望了。」

這部影集當中的虛構新聞台ACN播,用這段影片做為晚間新聞的開場,告訴自己、工作人員與觀眾,電視台對新聞的作法錯了。他對自己所犯的過錯向美國民眾道歉。

但是問題是,那些過錯是什麼?主角Will McAvoy說,作為媒體的菁英與行業的領袖,媒體界發生了譁眾取寵、誤導民眾、散播恐慌、引起對立、對發生金融災難視而不見……等種種過錯,自己難辭其咎:「作為媒體,我們沒能成功地告知、與教育美國選民。」

成熟的人應該讓自己的作為訴諸公論。我們欣賞那些勇於承認錯誤,重新改正再出發的那些人格典範。想到這部影集的經典片段,我想到的是:我們這些網路的資深使用者,線上的公民,讓所有人失望了。

在SARS時期,我們有wiki維基共筆,來幫助和平醫院被封鎖的醫生護士與病友,把被堵住的資訊、混亂與實情帶到外面來。在九二一大地震、莫拉克風災,年輕的朋友在網路上召集人力,陌生的人們合作一起到現場協助救災、安置、乃至後面的重建工作。

而今網路的多元性帶給讀者的是混亂與破碎,是感官的強調與煽動,是重複再三、眼見為憑的廉價視訊證據,以及反轉慣行思考模式的實驗性刺激。

視覺化的圖表製作,還沒有進入民眾的視野,就已經氾濫於低度意義的細節展現。在生與死的對立時刻,我們並不知道下一次可以如何避免流下更多的淚水,不知道可以怎麼樣更準確地彼此互助,度過難關。

在一個所有人都有手機的時代,沒有全面性的斷訊情境,搜救的技術有什麼樣的嶄新可能?在歷次大災難中Google早已累積尋人服務的know-how,可以怎麼樣地與特殊的災難現場需求相結合?以前曾經在第一線貢獻過的「老兵」們,可以怎麼樣被串連起來,提供建議?我們又需要什麼樣的「新標準作業程序」,來主動修正重複與錯誤的設計,讓民眾的疑惑與觀點可以貢獻到指揮總部?

而他山之石的文章,更是帶來無比的深刻反省。例如究心科技莊國煜執行長等人的反省文章,與長期貢獻公益議題的李怡志,一系列整理德國社會防救災的日常編組,引起了多少的迴響?前消防署組長林金宏對災防法規定的搜救組織登錄機制的解說,釐清了市政府與搜救隊伍之間的爭議。馬士元教授對災防體系問題的洞察,指引了接下來中央改進的方向。如何把這樣的網絡串連起來?

社群媒體上已經有夠多線索,只是我們想看到什麼程度?我們為何不能從中間整理、獲得教訓?九二一過去17年了,八八風災過去七年了,有多少資深的專家有著深刻的見解,而更年輕的專業者成為可用的資源,在網路上表達了自己的看法?也許我們還在對著當下的新聞片段、自己的目睹見證歷程闡述體會,還沒有來得及跨越同溫層,對不相識的彼此,直接的審視與對話。

在生與死一瞬間的當下,有些東西正在逝去,另外一些則在灰燼中重生。我們能否從冰冷的網路資料、意見分歧的社群對話中,瞥見新生的氣息?

台灣傷亡最嚴重的建築物倒塌災難/6.4級高雄美濃地震/115人死亡/175人生還/96人受傷

責任編輯:張庭銉

往下滑看下一篇文章
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢
OpenAI 重磅講者親臨高雄|掌握前瞻 AI 與產業轉型關鍵趨勢

隨著 AI 工具逐漸普及,真正拉開差距的,已不只是技術或算力的強弱,是企業能否整理資料、重新設計流程,並把 AI 融合既有工作方式,持續轉化為營運價值。

Amazon Web Services(AWS)將於10月23日於高雄舉辦「2026 亞馬遜港都 AI 創新日」邀請 OpenAI 與製造、金融、交通、零售及運動育樂等領域的實務代表,從技術趨勢、資料治理、流程設計與組織轉型等面向,拆解 AI 落地前必須處理的現實問題,協助企業重新檢視自身的導入條件與下一步布局。

企業下一步,不只是再導入一套 AI 工具,而是讓 AI 進入日常營運

模型可以採購,系統可以建置,但資料是否整理到位、流程能否重新設計、組織是否清楚由誰負責,才是決定技術能否持續發揮價值的關鍵。

高雄近年推動數位轉型,同樣面對這項核心課題。亞灣周邊聚集扣件、石化、鋼鐵等傳統產業,場域複雜、既有系統眾多,正因如此,更能檢驗一套 AI 導入方法是否具備複製與擴大的條件。城市發展也從建置算力基礎,進一步走向讓技術真正進入產業與治理現場。

AWS 連續六年深耕高雄,今年以「雲騰智慧大南方 齊創 AI 好未來」為主軸,將討論重心從雲端與算力基礎,推進到應用全面升級,協助城市從「有 AI」走向「AI 有感」。

政府治理是否更即時、產業流程是否真正改變、市民與使用者能否感受到服務提升,才是「AI 有感」的具體檢驗。延續「高雄試點、全臺普及、雲端出海國際」的發展路徑,10月 23 日登場的亞馬遜港都 AI 創新日要談的不只是企業「有沒有 AI」,而是導入之後企業的真實改變。

2025 亞馬遜港都 AI 創新日現場,資料照
圖/ AWS

OpenAI 重磅講者親臨高雄,從技術前沿看見企業的關鍵課題

今年活動特別邀請 OpenAI 東南亞暨台灣合作夥伴總監 Mark Jeffrey,以「前瞻 AI 如何助力產業領袖開創新局」為題,分享在 AI 技術快速演進之下,企業應如何重新思考未來布局。

面對 AI 能力邊界持續擴張,哪些應用已具備規模化條件?哪些仍需要更完整的資料、治理與組織準備?這是正在規畫下一階段 AI 投資的企業必須先回答的關鍵課題。

上午議程將從資料、組織與金融三個面向,拆解 AI 落地前必須處理的現實問題。「數據為本,AI 啟航」先回到資料基礎:外部模型跑得再快,若企業自身的欄位定義、存取權限與資料品質尚未整理到位,技術仍難以轉化為可靠判斷。

「打造 AI-Ready 組織的關鍵布局」論壇則聚焦組織當責。AI 專案通常橫跨資訊、營運與管理部門,真正困難的不只是把系統建起來,而是由誰推動流程改造、由誰認列成果,以及當 AI 產出的判斷出現問題時,責任最後應由誰承擔。公部門、製造業與雲端服務業者如何從不同角色處理這些問題,對其他組織同樣具有參考價值。

金融創新論壇將討論 AI、虛擬資產與企業轉型。金融場域對資料安全、合規、風控與可追溯性的高度要求,也提醒企業:效率不能取代治理,AI 更不能成為責任模糊的理由。能否在高監管、高風險環境中建立清楚邊界,將直接影響 AI 應用能不能被長期採用。

2025 年活動論壇現場,資料照
圖/ AWS

從六種產業場景,看 AI 如何走進真實流程

真正具備參考價值的 AI 案例,不只要說明「做了什麼」,還要回答幾個更實際的問題:解決哪一段流程、使用哪些資料、在哪個節點交給 AI、誰負責最後判斷,又如何確認投入確實產生價值。

下午議程規劃橫跨智慧支付、製造、媒體科技、智慧交通、零售製造與運動育樂六種產業場景。每個場景面對的資料條件、即時要求與風險門檻都不相同。

產業場景 議程規劃與關鍵課題
智慧支付 藍新金流運用 AWS AI 自建智能 KYC 與交易監控;處理身份辨識、交易監控與風險判斷
製造 以語意層串接資料孤島,讓 AI Agent 正確理解分散在不同系統的資料
媒體科技 會說台語的 AI Agent:從醫院櫃台到第一線的落地實戰
零售製造 零售製造轉型;把技術接進實際營運與使用者體驗

這些差異進一步說明,AI 沒有一套可以直接複製到所有產業的標準答案。企業真正需要的,不只是更多案例,而是看見不同產業如何依資料條件、即時要求與風險門檻,把 AI 融入實際營運與使用者體驗。

現場同步打造「產業賦能走廊」,邀集超過 15 組雲端生態系夥伴設置展示攤位,聚焦智慧製造、金融科技與城市治理的真實痛點與解法。無論企業目前卡在技術、資料、治理,還是組織協作,不同問題點,都能找到對應的解方。

10 月 23 日,從智慧製造的產線優化、金融科技的風控升級,到運動產業的會員體驗創新,看 AI 如何從概念走進產業現場,成為百工百業轉型升級的實際動能。

10/23高雄展覽館盛大舉行
圖/ AWS

「2026 亞馬遜港都 AI 創新日」,掌握 AI 賦能百工百業、領航產業升級的實務趨勢
立即報名

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
一次搞懂工業AI
© 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