目前單部車輛的自動駕駛基本原理（在尚未於其他車輛、號誌、道路與交通中心做訊號信息交換時）是：利用自身安裝的各種感測器與行車電腦，快速運算四面八方數據，做出即時的動態預測與控制，例如估算前方可行駛的最小安全空間，估算前方可剎停的最小安全距離，等等…。

哈佛大學哲學教授Michael Sandel在其著名的開放課程《正義》，善用許多假想或實際案例，設法使倫理道德安置在爭辯點，顯現其不確定性與矛盾本質，第一堂課的開場就用思辨的方式展開：「假設你駕駛著一部輕軌電車，發現前方有四個工人在施工，又驚然察覺煞車無效、喇叭失靈，你可以任由車子撞上四人，或是急轉到另一軌道，但會犧牲另一工人，你會怎麼做？…」

科幻作家Issac Asimov於1942年的一部科幻小說，其中藉由一本2058年的機器人手冊，列出了人工智慧機器人的三個基本守則：1）機器人不能傷害人類，或以無作為而造成人類傷害，2）機器人要絕對服從人類的指令，除非指令是抵觸第一守則，3）機器人也要隨時保全自身完整，除非情況預測是抵觸第一與第二守則。真是經典與合理的邏輯想像，也造就日後機器戰警與終結者等系列電影的高娛樂性。

對於目前偕同人類於工廠生產的重型機器人（手臂），若有足夠感測器，這樣的基本守則是必要的與可達成的。但當機器人裡也有人時，內部與外部的人類安全，孰重孰輕？也就是回到本文的主題：Robocar。

當前方緊急狀況發生時（例如，對向車輛不當超車失控滑入），自動駕駛車輛判斷已無法直線安全剎停時，是要保護自身人員與自身車輛的安全，而轉向造成路邊行人或車輛的犧牲？還是就是不管結果地只能直線煞車？資本論的世界，或許靠保險來賠償一切民事責任，但是電腦已高速預知結果，還是行車電腦連保險賠償都做了分析比較。在論述一般職業倫理時，判斷違反人員的三個基本共識是：1）直接造成非倫理結果的前因相關人員、2）知曉會有如是結果的相關人員、3）若能有其他避免選項而不採取的相關人員。或是就可以直接問：現在的自動駕駛車輛，有無類似的機器人守則？又是誰決定了一切？

當然這樣的討論可以反觀飛機的自動駕駛，但施行情況與所處環境是相當不同，特別的是飛行訓練的重心是利用科技設計出多樣模擬，以提升人類的應變能力，而車輛的自動駕駛的發展卻是取代人類的應變失誤。人類文明進化，需要持續做道德倫理的思辨，就像小到只是幾行程式規避車輛排氣檢驗，大到用龐雜程式選擇處理人身安全模式。

彭光中

KC Peng, Ph.D.
彭光中 博士

更多文章

「開放資料」（Open Data）多被視為公共財產，大多是來自政府的資料，國家對其他資源都加以管理並設計增加稅收，那麼開放資料的延伸獲利，是否可以有如開放程式源般的授權管理？同時，開放資料造成的池魚損害，是否也在國家賠償範圍內？

拿紐約市公開租賃車（Taxi & Limo）2013年的資料為例，逾1億7千萬筆的載客趟次，項目包含了去識別化的代碼、起迄的日期時間、GPS座標位置、乘客人數等等，共約20GB容量，如預期地完成了圖形顯示全時全區的交通流量研究，但意想不到讓駭客以已知車牌格式，輕鬆地利用電腦窮極嘗試，破解了去識別化的車牌號碼，加上其他公開資料庫，可以得出司機個人資訊乘客習慣；始料未及的是，還有鬼才利用特種行業地點的特殊時段，找出上下車點的地址，搭配其他公開資訊（如美國選舉資料）比對，對一般市民加以勒索。雖然有的國家立法將試圖破解去識別化的行為即視為犯罪，但網路無國界，駭客無敵我。因此，針對開放資料更該提前擴大舉辦「駭客松」（Hackathon）作各式模擬破解，獎賞激勵下使之更安全。

「數據倫理」（Data Ethics）的關注肇因於數據分析的最後影響總是關係到人，因此在整個過程：「數據蒐集、數據傳遞、數據分析、與數據儲存」，都需要全程關注各項細節：「網路安全、個資保全、隱私尊重、與數據倫理」。數據本身是中性的，是任意蒐集與無意洩漏造成了保全問題，是分析的手段與目的造成了道德問題。論述一般職業倫理時，判斷違反人員的三個基本共識是：直接造成非倫理結果的前因相關人員、知曉會有如是結果的相關人員、若能有其他避免選項而不採取的相關人員。所以每個環節的單位企業，都該成立「數據倫理指導委員會」，做內部把關裁決。

試問台灣智慧醫療的目標是：提升醫事人員效率？降低醫院健保罰款機會？計算高利潤門診與用藥？篩選分類病患而服務？…若沒有同時量化分析，病患的長期身心效益作最高指導準則，智慧醫療就可能陷入道德倫理危機。

「資料科學」（Data Science）儼然是個新學門，就像是「電腦科學」於50年前產生，當初物理大師費因曼還公開嘲弄：電腦怎麼會是個科學？但看看這50年來的發展，是其他科學的重要工具，更是個需要多領域合作的學門。既然是科學，強調的就是實驗精神。過去的數據分析多是統計「描述性分析」（Descriptive Analytics），當前利用先進工具，重視的是模型「預測性分析」（Predictive Analytics），大數據分析最擅長的是找出兩兩相關性，但相關性並不代表因果性（Correlation vs. Causation），所以未來的數據分析挑戰是能自動釐清龐雜項目因果性的「處方式分析」（Prescriptive Analytics），方法之一是善用電腦的窮極迴圈，輪流抽換不同項目，排列出影響預測的準確程度，再於時間序列上，實驗出相關項目的影響變化，有了虛擬世界的模擬，再於實際世界實驗確認。

舉例美國線上售票TicketMaster，多年來一直為黃牛大量搶票造成的民怨所苦，試過多種方法分析研究，但對於以秒殺搶購過程與靈活善變的黃牛而言，都無法有效對付，多是失敗實驗結果，只好求助Hackathon腦力激盪，一旦觀念轉對，問題可迎刃而解：重點不在於確認誰是黃牛，而是要讓良民順利買票。所以採行的是即時分析線上購票者的行為，只要是疑似黃牛就技術性的拖慢或跳出，順利讓一字一字輸入卡號的良民完成購票程續。

「資料經濟」（Data Economy）在在強調企業營運不再只靠傳統的人力、金錢、土地，數據資料已成為第四項重要的生產要素。那麼某公司低價或無償地提供數據，讓其他（子）公司分析獲利炒作，算不算是掏空資產？目前有相關法條可規範嗎？數據資料該如何鑑價與追蹤？

Big Data或許像是個噱頭口號，但大數據分析就像科技產品一般，將持續提升人類文明。

彭光中

KC Peng, Ph.D.
彭光中 博士

更多文章

2009年作者試著探討經濟發展重要還是人身壽命的重要，也受到非營利Mind Gap網頁與Hans Rosling的TED演講之啟發，曾對各國平均壽命與其他數據做簡易相關性研究，以Life Expectancy at Birth的跨國數據作為比較橫軸，掃瞄各式數據（如圖一所示：人均購買力與平均壽命）。金錢或生活滿意，或許能促進健康與生命長度；但是，目前生命長度似乎有一難以突破的極限。難以靠無限多的金錢與幸福，能換取時間與生命（以圖1為例，顯示各國縱軸人均PPP經濟表現與橫軸平均壽命的關係）。

圖1呈現一類似對數的發展趨勢，PPP在US$10000以下的國家，可以因小幅的經濟發展，而能達到大幅的壽命增長。有錢的國家是否也能留意這樣小成本重分配的人道精神呢？

對一國家整體而言，有難以避免的自然分佈不均，但政府不該放任差異化的擴大與惡化。以經濟不均為例，維持同樣的整體經濟表現，改善收入的分配不均，意味著高收入轉移部份財富予低收入戶，使整體平滑分布，縮小貧富差異；高收入戶的些微損失，不致於影響其健康或生命表現太多。而低收入戶，將因重新分配的收入增加，而能大幅改善健康程度。就國家整體的生命期望長度，將因原本低收入戶的健康大幅改善，而獲得增長。已有多數文獻探討此議題。

圖2顯示家庭收入之不均指標與平均壽命之比較（縱軸GINI Index，數值大代表差異性大，綠色菱形代表千萬人口以上的國家）。約略可看出平均壽命較長之國家，有較佳之貧富分配。

圖3顯示各國個人收入之不均性（兩端10%富貧之差距，資料為2002年），相較於世界各國，台灣還是有不錯之表現。維持良好的貧富差距，也能維持社會品質的良性發展，例如：互相信任與幸福生活。

圖2與圖3是採用不同之定義計算，表達的多是同樣的意念：Inequality，但是GDP或各種收入的計算，皆未將家庭主婦等之貢獻量化為金錢，性別收入的差異，也會於家庭收入表現中產生不同；圖2與圖3的差異（例如台灣與日本的比較），應當是能再作深入探討的，作者暫不在此評述。

較易量化的經濟指標，若不能完全表達整體的生活品質與狀態，主觀的問卷統計調查，或許能表現人生滿意度或是生活幸福感。圖4顯示各國人民對生活滿意度調查下的分歧與不均（資料為2000年）。類似先前經濟收入的不均比較結果，顯示出平均壽命較長的國家，皆有著國內分佈較均衡的表現。而台灣在此項目的表現，僅僅是在趨勢上，並非有著極佳表現，仍有努力的空間。

避免死亡減少疾病，當然會立即影響整體平均壽命，圖5顯示台灣與日本的差異，日本總死亡率是高於台灣，也有著較高的平均壽命，因為台灣在年幼與年輕族群的分齡死亡率較高，意外事故死亡率較高。這些都是政府民間能努力的方向。

另外，也可以快速掃瞄台灣文明病的異常發展，如圖6顯示於2003年台灣子宮頸癌發生率並不在各國發展的趨勢上，也才鼓勵了「6分鐘護一生」的措施，以及青少年的疫苗注射。同年，青光眼也異常，2006年梅毒也有異於其他國家的發生率。所以可以利用簡單的逐年掃瞄，找出異常線索，再請各領域專業人士查證與解釋，進而提出因應對策。

本簡短導讀，試著在提出跨國數據比較之實用性，相信均富與均樂的社會是有益於整體發展，並強調除了慣常的經濟指標，平均壽命可以是各國政府施政的重要指標，時間的流向是單方向不可逆的，生命是可貴的，不該有貴賤之分。但我的分析是時間的剖面及有限的。
感謝關貿網路團隊能掌握住Mind Gap的精髓，而重新展現歷史追蹤的動態，更增加地理位置的顯示選項，提供一平台讓台灣蒐集彙整自己的數據；未來再小改版時，或許能讓使用者自行組合參數作簡易比較，例如：可以除以人口數量或是國土面積，可以做指數間的加減乘除定義，如痛苦指數等等。雖然台灣不是聯合國成員，通常不見於各國比較，希望大家能持續協助蒐集跨國跨年代的各國數據，協助整合開放資料與發揮群眾綜效。
(請參閱: 各國壽命影響因子比較分析 )

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章

由於本人過去對全球進出口數據的創意分析，待橄欖油與芝麻油等食安事件出包，才事後諸葛地意外發現，可以從巨觀的角度探索蛛絲馬跡。再加上近年食品安全持續是個利之所趨的道德問題，所以在此提出跨平台大數據監測的建言，為食品安全做自動化蒐集線索。

第一步，利用WTO的公開資訊網站，如TRADE MAP，可以蒐集2000年以後，全球分年分季，個別經濟體所有分類碼的進出口金額、數量，以及所有夥伴國。事關關稅收入與企業保險，加上海關抽檢查緝，因此有一定的精準性。利用各品項的金額與數量，可計算出單價（單位數量的金額）。要小心比較的是，各國數據是否是同一數量單位，例如會有件數或是重量的差異，而重量通常是包裝貨物的重量，所以並非內容物的淨重。但是利用此宏觀的單價定義，對同一品項跨國比較是極具參考價值的：可以得出某國進出口某品項與全球平均進出口單價的差異。在全球自由市場的報價競爭下，單價差異也隱喻了品質差異。

第二步，有了與全球平均單價以及各國單價的參考，回頭審視台灣海關有的公司級別的進出口數據，相比較能得出各公司進出口與全球的單價差異，再檢查進口來源國該品項之進出口單價差異，或是進口來源國該品項對其他出口國個別的單價差異，作為判斷該公司進口此品項之品質訊號依據。當然，食品公司進口了工業化學用品，或是食品上游原料公司進口了劣質原料，就是需要實地稽查的線索之一。

第三步，加上財政部所有的國內企業間電子發票，要求各企業提供國內B2B交易品項與海關進出口分類碼的聯結，而不合作之極少數企業，可以是實地稽查的參考線索之一，比對全國提報的品項聯結，完成單一且校正的Look-Up Table表單，也就做到宏觀與微觀品項數據的相關聯結，即時掃瞄國內企業間的可疑交易情況：例如，進口了非食用原料卻販售成食品原料，或是食品公司購入了非食用級化學品。

國際上，在金融保險或會計稽核等領域上，有採用大數據分析的趨勢，善用平行處理（Parallel Processing）、機器學習（Machine Learning）協助快速剝繭、抽象學習；將過去舊案例當訓練教材，而未來新經驗繼續累積，即使舊資料也能因新掃描而得以持續揪弊，人工智慧甚至可能協助預測舞弊序列，協助作為最終人為判斷決策的線索。

同理，藥品的安全監測也可以同時完成掃瞄。期待，食品藥品安全辦公室，就是個大數據掃瞄分析機房，每天自動列印實地訪察的建議名單。數據科學分析也是新式政策制訂（Evident-Based Policy Making）的重要工具之一。

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章

　　台灣與高堡四國要論合作，可以先找出高堡四國各國出口優勢產業，並透過平均單位重量之價格分析比較，排列出台灣與高堡四國之間適合彼此進行經貿技術合作的順序。

　　以波蘭來說，臨海的地理位置，造就了全球第一的漁船製造出口以及漁獲發達，台灣漁船與遊艇有其特殊之處；以波蘭出口優勢產品長度24公尺以上之漁船為例，出口佔比達20％為全球第一，但價格只有台灣平均出口單價的三分之一，可做為台灣技術輸出的項目。

　　而在經貿進口上，則可考量波蘭的農業優勢引進其農產品，例如價格低於台灣單價之精梳羊毛紗與蘑菇。家用洗碗機，波蘭出口的全球占比為18％，可對台灣才剛起步的應用做技術輸出或經貿出口；安全氣囊系統與柴油引擎，波蘭分別有著全球9％與10％的出口，都高於台灣出口單價，值得台灣技術學習。

　　捷克在運輸及基礎工業上，也則有著優良的基礎。以其重量2噸以下飛機為例，全球出口市占6％，低於台灣進口單價，可以是經貿進口談判項目；機械工具刀片，捷克全球輸出佔比9％，但單價卻只有台灣的三分之一，可以是台灣技術輸出的項目；而捷克的車用安全帶、發電機組、槽式單體機頭工具機、梭形動力織機，全球出口市占比率分別為13％、8％、9％、7％，但在單價上都高於台灣出口單價，值得台灣做技術學習的項目。

　　而匈牙利在工業上，也深具一定的優勢。其中匈牙利的啟動發電機、車用照後鏡、硫化橡膠目前全球出口比分別為10％、9％、16％，在出口價格上，都高於台灣出口單價，這些將可視為台灣技術學習的項目。其他如塑膠製絕緣配件、紫外紅外燈管、玻璃用模具、玻璃製安瓿等，均因價格低於台灣單價，可視為經貿進口台灣的項目。

　　而匈牙利的柴油引擎與發電機組，在台灣分別與波蘭、捷克談判失利後，可導入作為台灣向匈牙利技術學習的項目。

　　斯洛伐克在4國中為總體出口最弱的國家，但近年來汽車工業與金屬重工業產業快速發展，尤其是轎車車體與車用空調，不僅全球出口占比分別為41％與9％，單價上也都高於台灣的出口單價，將可做為台灣技術學習的項目。氣體計量器與電扶梯電動走道，低於台灣出口單價，可向台灣技術學習。甜菜糖可以作為台灣進口談判項目。

　　高堡四國各有著優勢的交通運輸，例如船舶、鐵路、汽車等的基礎工業與周邊相關產業，倘若未來能進一步與各國展開技術合作後，定能為台灣的交通運輸產業技術達成加乘的綜效。

　　此外，在農產品上，高堡四國均有農產品出口，但卻有著比目前台灣進口單價還低的普遍現象，尤其是匈牙利的多個優勢農牧產品，都是台灣尚未進口的品項，都相當值得列入作為經貿談判時的籌碼。

　　國際競合的思維需要新策略，在思考國際合作時，可以他國優勢產業為出發，合併數國進出口數據，比對單位重量之價值做順序排列，便可得出合作線索的快篩組合，兼重經貿互利與技術互惠的談判，使優勢合作共識更易達成，創造台灣加乘綜效。

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章

　　台灣芝麻油堪稱國內對外出口的強項，根據WTO的資料顯示，2012年台灣芝麻油（分類碼：151550）出口金額就多達292.85億美元，佔全球16.2％出口金額。而其中台灣芝麻油出口全球占比，是台灣總出口全球占比的9.42倍，足以證明是國內有相對出口優勢的產品。

　　不過，這樣優勢的出口產品，價格在全球自由競爭的市場中卻表現平淡。儘管根據海關的進出口數據顯示，台灣是僅次於日本之全球第二大芝麻油出口國，實際上出口平均每噸單價僅3,759美元，不僅遠低於日本的每噸6,420美元，全球平均單位價值的每噸3,813美元，更低於對岸中國大陸的每噸3,885美元，凸顯在國際間的訂價策略上嚴重缺乏競爭力。

　　而從台灣、日本、韓國這3個地區的芝麻油出口價格關係來看。台灣對日本以每噸3,882美元出口了170噸，韓國（全球出口金額排名15）對日本出口僅24噸，卻可以每噸7,500美元的高單價來進軍日本市場。韓國打出高價芝麻油的背後，究竟有什麼精煉技術值得我們學習，為什麼挑剔的日本市場可以買單？

　　數字會說話，上述的數字娓娓道出台灣芝麻油在國際上的弱勢，顯示台灣芝麻油雖然出口多，但在全球自由市場的比較下，要不品質不如人，便是無訂價優勢。而在市場上，台灣還有待努力；2012年全球共有83國進口芝麻油，但台灣也僅出口了43國，顯示品質提升後還有更多的海外市場值得開拓。

　　WTO進出口研究限制是僅有巨觀的該國企業總體平均表現，未能明確驗證個別企業差異，也不代表實質利潤。例如，以關注的橄欖油為例，數據僅顯示台灣2012年以每噸3,617美元進口了3,982噸，而以每噸2,268美元出口了1,737噸。台灣若沒有能力從頭提煉橄欖油，那進口的橄欖油還被加工成更便宜的出口？

　　我任職的工研院競爭力中心已有5,700種品項的150國數據整理，能顯示各國出口隱形冠軍的品項線索，能探索台灣與他國經濟貿易與技術合作的互惠方式，在此僅以芝麻油個案為例。

　　要提升我國的競爭力，可以先從提升優勢產品的出口單位價值來著手，而要提升產品價格行銷國際，品質又是基本功；從芝麻油出口的例子來看，未來國內業者應該痛定思痛，從質救起，力求質量並重，唯有不斷的精進，才是奠基競爭力的關鍵。而品牌的背後是不背叛地持續精進品質。

彭光中

KC Peng, Ph.D. from KEC of ITRI
工業技術研院 知識經濟與競爭力研究中心

更多文章