對抗假新聞
對抗假新聞
2019.06.14 |

假訊息太過氾濫,民眾在生活上太容易被誤導。在媒體與政府合作下,建立一個可以查核新聞真實性的服務,讓媒體有系統性的把真實的新聞報導出來,打擊現在的假新聞戰場。

編按:感謝李士傑先生多年來在《數位時代》貢獻他的智慧,對於他的驟然離開,我們萬般不捨。〈對抗假新聞〉是他在此專欄留下的最後作品,《數位時代》團隊在此向他至上最深的敬意。

華視在5月初舉辦記者會,邀請一同探討假新聞的媒體傳播專家學者,一同見證「台灣事實查核中心」往獨立法人化發展。

這就像是「遊戲平台」開了孔武有力的外掛程式(plugin),電視台透過一套事實查核方法論與國際接軌的事實查核作業,幫助傳統媒體更加有效地建立網路時代的信譽。這種取徑是相當有意思的懷舊與創新:例如華視推出《打假特攻隊》,以節目內容方式把與假新聞搏鬥的過程,變成全民的教育。

我除了對他們的合作加以祝福外,也想提醒一些假新聞的真實挑戰:期許媒體作為數位匯流產業的帶頭服務,建構起能夠連結到網路的成功浪潮。

首先是目前的事實查核方法論,在自動化層級上隸屬於什麼規模?它是全人工、半自動(混合型)或全自動的事實查核?不同規模決定了相對應數量級的案例,也決定了這個後設新聞服務的營運規模。

電視台作為內容平台,從輸出角度來說,有各種方式可以提供查核完畢的資料連結到相關新聞。無論是哪一個數量級,在網路邏輯下,「相關」連結總是可以提供新聞讀者進一步的點擊行動。如果主播與記者更進一步客製化自己的觀點,混搭加入對假

新聞的註記,是否可以有更吸引人的新型態服務?

其次,演算法與人工智慧在假新聞現象中,也許將扮演越來越重要的角色。臺北大學犯罪所教授沈伯洋引述美國研究報告,描述俄羅斯網軍機構如何針對各種路線的黑人線上社群,成立臉書粉絲專頁,花了5年建立信譽,直到2016美國總統大選投票前,這些假粉絲頁就號召黑人選民不要去投票。

檢視這些假粉絲專頁的視覺化網絡關係,我們可以看到一個大規模戰局,其中社交媒體作為言論戰場的前沿,倘若沒有一套好的演算法管理這樣的對決,這些驚人的意見改變是完全沒有辦法被想像的。

這就是大數據的戰事。它不是以傳統資料庫處理等級在監看與流通管理這些「網路節點」狀態。同時中國也有人工智慧的工具與環境被加入戰局,例如阿里巴巴的魯班系統。我們假使還沒有辦法破解這些新系統,至少透過內容報導,讓更多人知道新戰爭型態已經來臨的確是再重要不過了。

第三,國際交流也可以/應該被數位化。往南望去,東南亞各國在假新聞議題上跟台灣相比,只有受害更嚴重、規模更大。各個國家之間要怎麼有效數位化流通關鍵訊息,這是一個資訊設計的重要挑戰。

台灣電視台系統性地探討假新聞議題,如果可以也探討東南亞各國的假新聞最新進展,我們將有機會串連到東南亞市場的真實需求,也能夠真的讓媒體產業擔任領頭羊,衝刺出某種改變。

第四,最近要出來選板橋區立委的g0v長年貢獻者王向榮,做了一套「鄉民看TV」,企圖捕捉中天電視台或任何線上串流服務電視台的每節新聞標題與內容。他的切入方式與資訊架構充分善用了群眾委外(crowdsourcing)的設計,倘若再進一步跟華視創新合作,就傳播效益來說會更有意思。

總結來說,我們需要一套系統性架構來面對假新聞戰場。這套架構應該要是包容性的,能夠納入各種角度的抵抗計畫,同時也跟國際研究團隊保持緊密合作關係。假使以為這是一個單一簡化的問題、或者我們可以透過有限做法來避開災難,那麼我們恐怕是太過天真了。

我們缺乏「國家的設計」,國家這個層級的資訊架構設計,無論是抵抗假新聞的統一戰線,或者想要召喚民眾參與留下集體記憶的文化部國家文化記憶庫計畫。我們所面對的世界是由社交媒體在宰制全世界使用者,以前人們繳微軟稅,如今人們繳臉書稅,差別只是設計更精美,自動在網路平台上自願輸入無限的個人情報。

國家的設計,是意識到這個問題只有集結優秀的跨領域專才,才能夠在國際攻擊與國家認同的矛盾、社交媒體平台的連結、技術挑戰、法律授權衝突、內容商業營運邏輯上,導入資訊架構來各司其職、各安其位。

無論什麼的規劃,都勢必會有「系統偏誤」(systemic bias)。我們必須體認到世界重大進展發生在某個我們不熟悉的世界,例如川普在推特上直接公布增稅25% 的訊息。

如果我們已經建立好了社交媒體的情報輿論系統,那麼我們就會在第一時間看到滿坑滿谷的川普加稅推特貼文:然後幾個小時後,臉書的輿論達人開始一片討論川普的「武器化社交媒體」攻擊行動,以及中國防火牆第一時間攔截討論與截圖所帶來的跳水股市與加劇混亂。

往下滑看下一篇文章
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?
把老師傅經驗變成 AI!智穎智能讓射出機從「導航」走向「自駕」,桃園如何助攻技術落地?

曾是台灣製造業重要根基的塑膠射出產業,如今正面臨人才斷層危機。尤其桃園聚集大量工業區與製造業者,老師傅退休、新人才接不上的現況,更是許多工廠正在面對的現實難題。

從汽車零組件、網通設備、醫療器材到半導體載具,許多產品都離不開射出成型。智穎智能創辦人暨執行長張詠翔指出,全球塑膠射出市場規模超過 3000 億美元,每年仍以約 3% 至 4% 的幅度成長。需求並未消失,只是製造基地從台灣、中國逐步往東南亞等地移動。但機器可以搬、訂單可以轉,老師傅數十年累積的經驗卻很難複製。

這道人才缺口,正是 2020 年成立的智穎智能切入市場的機會。團隊從桃園中原大學的研究能量出發,歷經近十年研究與工廠驗證,嘗試把老師傅腦中的射出經驗,轉化成可以計算、保存與持續學習的 AI 模型,解決產業第一線面對到的挑戰。

把老師傅經驗交給 AI,射出成型從「導航」走向「自駕」

「餐廳沒有廚師是不行的。有再好的設備,不會做的人還是會把它做失敗。」張詠翔如此比喻射出成型的技術門檻。當模具完成後,生產現場仍得依產品、材料與機台特性,調整溫度、速度、壓力、位置等條件;即使使用同一種塑料,不同產品的調整方式也可能完全不同。

而老師傅的珍貴之處,不只是記住參數,而是知道面對材料、機台與環境變化時如何修正。智穎智能要做的,就是把這些難以傳承的「火候」拆解成可以運算的製程邏輯。目前其 AI 解決方案已應用於超過 200 種材料、50 多種產品類型。

把老師傅的經驗轉化為製程邏輯後,第一步就是讓 AI 協助操作人員找到合適的成型條件。智穎智能為此開發智能成型導引系統,工廠只要輸入材料、機台規格、產品尺寸等資訊,sMolding 便能計算第一組成型參數;若試模後出現產品缺陷,再由 sTroubleshooting 提供修正建議。

用手機即可查看系統狀況
圖/ 智穎智能提供

「它就像導航。我今天告訴你要從 A 點到 B 點,但不知道路怎麼走,導航會把路徑算給你。」張詠翔說。對射出成型而言,這條「路徑」就是溫度、速度、壓力與位置等參數如何組合。以半導體載具試模為例,傳統方式需 7.5 小時,導入系統後縮短至 2 小時,材料使用量從 23 公斤降至 8.7 公斤,整體試模成本降低 64%。

但找到正確參數只是第一步,真正進入量產後,工廠面對的「路況」還會持續改變。溫溼度、材料批次與機台耗損,都可能讓原本設定好的製程條件產生偏移。智穎智能因此進一步開發 StabMolding 成型穩定模組,透過射出壓力數據持續監控品質,並依生產狀態自動補償關鍵參數。換言之,AI 不只在試模階段提供一條正確的「導航路徑」,進入量產後還能因應製程變化持續修正,進一步朝「自駕」邁進。

從產線驗證到海外布局,桃園如何助攻智穎智能跨過0到1?

但要讓 AI 真正走進工廠,智穎智能採取 SaaS 訂閱模式,將核心運算留在雲端持續學習與更新,降低中小型製造商一次投入大量資金的門檻。另一項差異則是「跨廠牌」。現實中的射出工廠往往同時擁有台灣、日本、歐洲不同品牌與年份的設備,因此智穎智能的方案既能導入既有設備,也能與射出機、控制器業者合作,在新機出廠時直接整合。「一個工廠不會只有一個廠牌,就像你家的車庫不會永遠只放同一品牌的車。」張詠翔說。

對智穎智能而言,AI 真正走進製造現場的關鍵,在於不同世代、不同品牌的設備都能導入。只是對工業 AI 而言,降低導入門檻還不夠,更關鍵的是能否取得真實產線反覆驗證。對從中原大學研究成果衍生創立的智穎智能而言,桃園不只是公司所在地,也提供了技術走向市場的第一塊試驗場。「對新創來說,第一個就是要經費、要人才、要場域,再來就是客戶與合作夥伴資源。」張詠翔說。

成立初期,團隊透過桃園市政府研發補助、新創競賽與基地進駐等資源,降低早期研發與營運負擔。更重要的是,桃園密集的製造業聚落,本身就是智穎智能最直接的潛在市場。透過市府串聯工業區與在地企業,智穎智能在創業初期接觸到位於桃園的「良器」,成為公司第一個客戶。從概念驗證、產品調整到實際導入,合作一路延續至今。對必須進入產線反覆驗證才能成熟的工業 AI 而言,第一個願意開放場域的客戶,意義遠超過第一筆營收。

如今,從桃園製造現場磨出的解決方案也開始往海外走。「日本這一次,完完全全都是桃園市政府帶著我們去做這件事情。」張詠翔表示,透過市府帶領團隊前往日本神戶,智穎智能接觸當地官方與企業資源。在市府引薦下,團隊成功對接了神戶知名加速器,更取得日方針對外資新創設立公司與拓展市場的兩階段實質補助資訊。目前團隊正籌備日本布局,為下一階段海外市場拓展做準備。

智穎智能在 TaipeiPLAS 2026 台北國際塑橡膠工業展,展示 AI 智慧製造成果,現場商洽氣氛熱烈,成功吸引產業關注。
圖/ 智穎智能提供

AI 解決「怎麼生產」後,下一步是「替誰生產」

當 AI 開始解決「怎麼生產」,張詠翔看到的下一個問題,是「替誰生產」。部分製造商提高生產效率後反過來問他,如果我的產能多了 20%,但沒有多 20% 的訂單,我何必要做那麼快?

這個問題催生了智穎智能下一階段的製造媒合平台構想。隨著供應鏈分散至不同國家,品牌要在海外重新尋找符合特定規範與製程能力的供應商,也愈來愈困難。團隊因此希望串聯既有使用 AI 方案的製造商,讓品牌端能依條件尋找供應商,也讓製造端的閒置產能有機會被看見。團隊預計 2027 年上半年推進平台服務,初期規劃串聯超過 200 家製造商與破千台機器。

從中原大學的研究,到桃園工廠提供第一個實際驗證場域;從把老師傅經驗變成 AI「導航」,再走向能自行修正製程的「自駕」,智穎智能試圖數位化的,是製造業最難被保存的資產:人的經驗。而當全球供應鏈持續移動、製造基地愈來愈分散,這套從桃園工廠磨出的 AI,下一步不只要替老師傅找到數位接班人,也要重新連結散落全球的製造能力。
而「Meet 桃園+」也期盼持續透過計畫的媒體報導與宣傳資源,將更多像智穎智能這樣扎根在地、走出海外的創業故事傳遞出去,讓外界看見桃園豐沛且具實戰力的創新動能。

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
台達電全解讀
© 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