可信任AI, AI治理, 人工智慧, 趨勢 可信任AI,不能只靠模型須有完整治理 人工智慧科技基金會於 11 月 4 日舉辦 AI Cafe,以 AI 專案中的風險為切入點,剖析全球 AI 監管趨勢與企業風險管理課題,探討企業如何在加速導入 AI 的同時,建立可信任的應用環境。
媒體營運模式, 生成式AI, 人工智慧, 趨勢 每週用 AI,卻不信 AI 新聞?路透新聞研究所2026報告解析 牛津大學路透新聞學研究所(Reuters Institute)最新調查顯示,每週使用AI的人一年內從三分之一增加到過半,但民眾對「由AI產製的新聞」依然高度保留,這道信任鴻溝兩年來幾乎沒有縮小。
AI City, 智慧城市, 生態系, 人工智慧, 趨勢 英國曼徹斯特:以城市做為產業AI化的創新平台 英國工業革命的發源地,曼徹斯特,正在用另一種方式重新定義「城市即工廠」。該城市的做法不只是把市政服務數位化,而是把城市本身當成產業創新的平台:市府提供場域、資料與協作機制,讓企業、大學和研究機構在真實的街道上一起試驗新技術。
資訊安全, 人工智慧, 趨勢 台灣數位信任協會發起「台灣資安日」公私協力打造全民防線 根據國家安全局最新數據指出,台灣每日承受超過 260 萬次網路威脅,高居亞太之首。尤其到了 2026 年,詐騙手法已進化為結合 Deepfake 視訊、假帳單與私訊誘導的「混合式攻擊」。隨著資安與防詐已提升至國家安全層級,歐美亞各國相繼推出強化資安韌性的相關指引。面對地緣政治與 Deepfake 詐騙的雙重威脅,『人』往往是安全防線中最關鍵、卻也最脆弱的一環。
生態系, 人工智慧, 趨勢 案子越大賠越多?資服業開發 AI 產品的三大挑戰 數發部部長林宜敬近年大力倡導資服業者做產品,減少營收對人力的依賴。根據 AIF 研究發現,不少相對積極的業者已經意識到 AI 帶來的產品化機會,但市場在哪、怎麼收費,是發展產品最關鍵的兩大問題。透過8月份的專家會議,AIF 梳理出資服業者面臨的主要挑戰,以及政策上可能的著力點,期待創造更健全的產業環境。
可信任AI, 主權AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢 從中央指引到地方落地的挑戰與突破(二):AI 治理的多重挑戰,風險的分類與邊界該如何劃分? 當人工智慧從「輔助工具」進化為能自主判斷、執行任務的「代理人」,政府部門的治理難題也隨之升級。過去談 AI 治理,多半聚焦於資料該怎麼盤點、風險該如何分級;但當 AI 開始導入後,一個更根本、也更尖銳的問題浮上檯面:權限的邊界該畫在哪裡?一旦 AI 犯了錯,究竟該由誰負責?
主權AI, 可信任AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢 從中央指引到地方落地(一):AI 治理的多重挑戰,情境與用途是關鍵 隨著《人工智慧基本法》今年1月正式施行,數位發展部已依法在7月公布《人工智慧風險分類框架》,資料治理相關指引則仍在研擬階段,台灣的AI治理架構正逐步成形。然而,當AI浪潮席捲公部門,地方政府與第一線實務單位在推動治理落地時,卻正經歷著轉型陣痛。從跨局處的資料盤點、AI與既有工作流程的整合,以及時程與預算壓力之外,更要面臨專業人力不足、權責劃分不清等現實考驗,政策落地的真正挑戰才正要開始。
AI治理, 人工智慧, 趨勢 MIT公布五大AI風險,恐釀百萬人死亡級災難 麻省理工學院未來科技實驗室(MIT FutureTech)與昆士蘭大學(University of Queensland)共同發布《人工智慧風險優先排序》研究報告,報告指出,未來五年內最可能造成嚴重損害的五大風險依序為:危險能力、競爭壓力、武器與網路攻擊、權力集中,以及虛假資訊。報告也指出,資訊與金融產業對此尤為脆弱;而最容易受到這些風險衝擊的個人與組織,往往缺乏足夠的應對能力。
生成式AI, 人工智慧, 趨勢 小心,AI的產出可能讓企業決策變得千篇一律 目前多數的大型語言模型(LLM)都陷入了某種窠臼。它們的回答比你想像的更容易預測,而且缺乏創意。這對於寫程式或研究等任務來說沒什麼大礙,但當你在進行腦力激盪或規劃下一次度假時,這種「群體思維(Groupthink)」就會成為一個問題。