■ 本刊資料室 核二廠2號機完成40年的任務編組，於本月14日期滿除役，「缺電」的疑慮再度成為焦點。即使行政院長陳建仁、經濟部長王美花及台電都掛保證不會缺電，指出夏季將新增機組共130萬瓩，大於除役供電量，加上太陽能、風力和水力等再生能源發電出力，可持續確保未來供電穩定無虞，但外界信任感全無。蔡英文政府為了實現「2025非核家園」，已於2019年關閉了核一廠、2021年再度停止運轉核二廠的1號機，如今核二廠的2號機也在日前除役，台灣目前只剩下位於屏東的馬鞍山核電站（核三廠）還在運轉，不過也將於明、後年陸續停機。環境研究中心「突破研究所」（Breakthrough Institute）的研究員西福爾王（Seaver Wang）表示，逐一關閉核電廠不但無助益減少碳排放，且台灣的能源供應將在短期內更加不穩定，「國聖發電廠（核二廠）退役後，相當於台灣減少了三分之一的潔淨可再生能源發電」。執政黨綠能目標一向遭人批評過於樂觀虛幻，實際不管是光電或風能，每個進度都在落後。2021年太陽光電目標量設定8.75GW，實際建置量少了1.1GW。2022年再調升至11.25GW，但是根據經濟部能源局統計，到年底完工併網量確定約為10.02GW，再度跳票。經濟部能源局坦言，目前併網量離目標還有距離，除了因疫情延誤、原材料高漲、缺工等問題外，歐洲進口太陽能設備環路開關出貨受阻也影響進度。經濟部尚不確定何季可以補達成，只表示將努力衝刺。不過接下來2023目標還要挑戰14GW，恐怕難度更高。事實上，台灣在過去的10年期間，致力於建設風力與太陽能發電等再生能源，但此舉並未達到降低碳足跡的目標，近90％的民眾依舊仰賴化石燃料所產生的電力供給。專家指出，若是核二廠、核三廠再運行10年，並讓同等功率的燃煤電廠退役，減碳效果堪比肯亞全年化石燃料排放量。核電廠陸續除役，由於替代的綠電等發電成本比核電多出2至3倍，將導致電價成本大增。去年在6部核能機組停機一半下，近一半電力用綠電與燃氣替代，因成本分別比核能每度1.5元高出3.3倍、2.3倍，導致去年電費成本多出550億左右。等到2025年後3座核電全退場，用外購電力補上缺口，依照今年的外購電力成本，至少要多支出1400至1600億。對於核能退場，用其他發電燃料替代要花多少錢？經濟部長王美花說，台電自己也講換算困難，因為核後端乾貯設施要花多少錢不確定性高。核二廠2號機14日期滿除役，目前台灣僅存1座核三廠，面對即將迎來的炎炎夏日，民眾擔心是否會對供電造成影響，儘管經濟部掛保證不會有缺電問題，但美國網路媒體《哈芬登郵報》（Huff post）披露，未來台灣的碳排量不僅不減反增，且今年夏天「恐發生嚴重停電危機」。

■圖文轉載自 寫點科普網站https://kopu.chat/chatgpt/ 答案真實性無法驗證如果我們有個問題拿去問Google：「Next Level是New Jeans發行的歌曲嗎？」可以看到Google的搜尋結果中第一條「Next Level」是另外一個團體Aespa的歌曲。但是若用同樣的問題拿去問ChatGPT，只得到「不是，Next Level是New Jeans發行的歌曲」這種Garbage In，Garbage Out（垃圾進，垃圾出）的結果 但為什麼我們會願意相信Google到的答案？因為從結果中我們可以輕鬆跳轉到原始網頁，看到更完整的上下文背景資訊，包括創作者是誰或資訊發佈的日期等等，看到答案背後的共同背書人包括維基百科與特定媒體等來源，我們才願意相信或決定不相信。但ChatGPT為人熟知的問題就是很容易一本正經講幹話，目標是生成自然語言，結果出現一堆看似合理的廢話，使用者也完全無法知道來源。如果想讓ChatGPT取代Google，我個人反倒更推薦另外一家搜尋引擎公司Neeva的作法。Neeva是在Google工作長達15年的廣告資深副總裁Sridhar Ramaswamy在2018年所創立的新創，致力於成為一家純粹靠用戶訂閱收費、完全無廣告的搜尋引擎，也被美國Time時代雜誌評選為2021年100個最棒的發明之一。同樣在2022年12月，Neeva推出了NeevaAI的Beta測試，同樣針對使用者的搜尋結果以自然語言對話呈現，NeevaAI同樣顯示了一個綜合所有資訊的單一答案。然而它更進一步在答案當中放入引用的參考文獻，讓使用者可以一目了然地掌握搜尋結果的來源和可信度。很明顯，如果NeevaAI的生成結果要一個個引用資料來源，自然語言生成能力會很難像ChatGPT這麼強大。ChatGPT這樣的語言模型的目標是生成連貫且聽起來自然的文本答案，簡單來說就是ChatGPT是模擬一個人類在進行聊天或創作、答案對不對不一定，訓練的資料集還需要隨實進行更新。（ChatGPT目前尚未聯網，訓練資料集只到2021年第4季）而NeevaAI不會透過自然語言與人類進行交流和互動，而是爬完一堆網站後直接幫你寫個總結，把長篇文本縮短成簡短的版本，會有來源且隨時聯網給使用者最新資訊。更重要的是：運轉的速度更快且成本更低。看看NeevaAI去年底最新募資金額約在8千萬美元左右，跟微軟對OpenAI至少10億美元以上的投資（還不包括伺服器成本）不能相提並論。（不過NeevaAI到現在也只出了Beta版本且僅限美國地區使用，概念很強大但實際能不能做的出來，甚至能針對不同語言進行整合還得看後續發展）AI訓練員的偏好誤差與持續訓練成本過往訓練大型語言模型（LLM,Large Language Model）的方式就是讓模型根據大型網際網路的文字資料集來預測下一個單字，比如「老虎會吃__」這句話後面看是接：肉/草/人……等等。但「預測下一個單字」和「使用者想要聽的語句」是兩個不同的目標。也就是說模型會很容易產生與用戶預期不同的結果，比如預測出一堆胡亂拼湊的單字或有毒的內容。ChatGPT之所以可以突破重圍取得令人驚豔的效果，主要來自於採取了一種創新的訓練方式－－基於人類給回饋的增強學習，稱作RLHF（Reinforcement Learning from Human Feedback），並結合監督式學習做預訓練。但這樣一來，AI聊天機器人的回復就會受到研究人員或訓練人員偏好的高度影響，很可能產生偏頗，也得耗費大量的人力持續更新訓練。這也是我認為ChatGPT不可能取代Google的第三個原因。要解釋這個概念，以下讓我們來針對「ChatGPT到底是怎麼運作的」進行超簡化科普：一開始人類AI訓練員會提供一些對話作為訓練資料集給AI參考，比如「一個問題+對應的理想回答」，到這邊還是監督式學習，讓AI學著人類去判斷一句話所代表的使用者意圖，完全按照人類的規範；或如果看到機器人所認知的對話意圖出錯時，AI訓練員要給予否定。預訓練完這個模型後，就開始讓ChatGPT來實戰了－－訓練員會開始向AI進行提問（不在之前有標準答案的資料集裡面），接著讓AI生成數個對應的回答，再讓訓練員會針對這些回答進行排序，比如問題是：「蘋果是一種水果嗎？」假設AI生成出3個答案：A.蘋果和水果都很好吃B.蘋果長得很像水果C.蘋果是水果的一種就由人類來針對這些答案進行排序，比如排出C>B>A，最終訓練完成針對這個增強學習模型的獎勵模型/偏好模型。（事實上研究人員會採用多種模型來生成答案，可以是初始模型、fine-tune完的模型或人工等等，生完答案後再來人工排序餵回去給AI）接著進一步把這個訓練後的獎勵模型透過增強學習（Reinforcement Learning）來優化出最終的聊天模型，獎勵模型會對AI生成的答案進行排序，並將排名轉換為獎勵，藉著增強學習的過程一步步讓AI自己探索出最合適的答案。簡單來說就是生成一個經過人類偏好校正的獎勵模型，來確保聊天機器人說出人類想聽的內容。透過監督學習的預訓練，學習出一個具有一定能力的基礎模型（Supervised Fine-Tuning, SFT）從人類的回饋中學習出基礎獎勵模型（Reward Model,

■ 理應 電價確定要調漲，經濟部17日召開電價審議委員會，決議4月至9月的電價費率平均上漲11%，每度電來到3.1154元；而顧及照顧民生、穩定物價及降低用電對產業的衝擊，住宅用電700度以下、小商店1,500度以下、農漁及學校用電不上漲。根據經濟部能源局公告，台灣2023年4月1日起將調漲電價，包括工商業用電也會受到影響。對於工商業用戶，其電價調整的比例因用電量不同而有所不同。使用電力超過1,000度的大型工業用戶電價調漲比例約為10.65%；使用電力在500~1,000度之間的中小型工業用戶電價調漲比例則為11.33%。相較於民生用戶，工商業用戶對於電價的變化較為敏感，因為電費對於他們的經營成本有很大的影響。因此，政府也針對工商業用戶提供節能減碳的補助措施，例如推廣高效能機器設備、補助設置太陽能發電系統等，以降低工商業用戶的能源成本，增加其競爭力。總體來說，電價的調整是為因應國際油價上漲及推動能源轉型所做出的決策，希望透過降低能源浪費、推廣節能裝置等措施，來達成永續能源發展的目標。2022年電價調整，因調價後產生的節電效果，實際上台電所收的平均單價為每度2.8064元；在此基礎上，依方案核算調整後的整體平均電價為每度3.1154元，漲幅為11%，將於4月1日開始實施。經濟部表示，儘管近期國際燃料價格已經回跌，不過仍處於高檔，對台電造成極大壓力。去年台電每賣1度電就虧損1.2元，為減少損失，以及由較有能力者負擔較多電費的兩大原則下，決定進行調整。根據經濟部的公告，高壓及特高壓的產業用電大戶的電價將會調升17%，而產業低壓以內的需求、微型及中型企業的電價也會提高10%。這個調價幅度低於產業高壓的調幅。另外，為了減緩景氣衰退產業的衝擊及照顧產業弱勢，去年下半年用電下降10%以上的產業的電價調幅會減半，而農漁業的電價則維持不變。換句話說，工業用電的電價將會有不同程度的調漲，視需求的高低、用電量的大小而有所不同。此外，為了照顧產業的發展和減輕對產業的影響，低用電量的微型及中型企業調價幅度相對較低。為顧及民生物價及促使用電度數較高用戶節約能源，約有1,231萬戶、占93%的住宅700度以下用戶，以及約76萬戶、占84%的小商店1,500度以下用戶，電價都不調漲。住宅701至1,000度、小商店1,501至3,000度，上調3%。住宅用電1,001度以上調高10%、小商店3,001度以上漲5%。為照顧學生上課環境，從幼兒園至大專院校的電價全部凍漲。經濟部特別提到，這波燃料價格大幅上漲，國外也都陸續進行電價調整，2021至2022年各國漲幅介於26%至73%之間，2022年通膨介於3.7%至11.26%。面對燃料價格居高壓力，國內已採取較低的調幅。

■圖文轉載自 寫點科普網站 https://kopu.chat/chatgpt/ 打開手機，通篇是以下熱門新聞內容：Google深感ChatGPT帶來威脅，有消息指今年將推出逾20個全新AI產品–科技新報，01/25/2023ChatGPT異軍突起、廣告市占率大幅下滑Google搜尋引擎龍頭地位告急？-Yahoo新聞，01/28/2023微軟押寶AI聊天機器人ChatGPT傳考慮投資100億美元–經濟日報，01/10/2023ChatGPT擬推付費版、AI生成新創宣布倒閉！技術熱潮背後，要順利變現有多難？-未來商務，01/16/2023ChatGPT從去年11月30日OpenAI公布以來熱度至今都沒有下降，說是風靡全球股市的聊天機器人也不為過。不過關於ChatGPT真的是新聞說的這樣嗎？今天就來說說我的看法。不開玩笑，這篇會是你看過最詳盡且不枯燥的ChatGPT詳解報告，包含現階段商業化的瓶頸與未來可能發展。（作為人類代表在即將被AI取代前的一點意氣之爭）嘔心瀝血破萬字文，猜猜哪些部分是ChatGPT生成的？對機器問問題，其實一直都很累能夠不假思索地溝通應達，可能是人類面對機器時永遠的夢想。GQ的熱門YouTube節目「Actually Me」或是WIRED的「Autocomplete Interview」（自動輸入訪問）應該大家都有看過以下橋段：某個明星或藝人會拿自己常常被觀眾在Google搜尋引擎搜尋的相關問題來作為訪問題材：「為什麼OOO喜歡吃味精」、「OOO是不是英國人」、「OOO怎麼出道的」……等等，邀請明星本人在節目上進行回答。不知道你有沒有注意到，使用者搜尋的問題通通都是一句完整且自然的人類問題。相較於從前，我們跟搜尋引擎的互動絕對不是這個樣子。假設我們想要進行一個搜尋來解答疑問，我們只會輸入關鍵字「味精 台北」而不是「我家附近哪裡有賣味精」。或是針對這個明星感到好奇，可能也只會搜尋「Blackpink成員國籍」或「布萊德比特生平」等等，而不會是「Blackpink成員有幾位」、「Blackpink成員都是韓國人嗎」這樣完整的問題。為了機器易於理解而把自然語言濃縮成關鍵字，是Google等搜尋引擎出現以來，使用者被長年訓練後的結果。但就像你不會突然走進超市然後大叫「味精」，就等著店員走過來把味精賣給你，或知道你到底是要買味精還是有其他目的，人們仍渴望著更自然且更直接高效的互動和解答。比如針對「味精 台北」，有些人想找的其實是「我家附近哪裡有賣最健康的味精」或是「最便宜的味精」，或甚至是「不加味精的餐點」。無論如何，在應用程式越來越方便、數位化越來越發達且人性化的現今，讓使用者能夠少一步思考就是多一步的商業潛力。現在Google其實也有類似的設計，比如在搜尋完答案之後，下方會出現一段網頁結果的文本摘要；或是會在搜尋欄輸入完關鍵字的當下，就跑出幾個預設問題來猜測使用者的完整意思。 輸入「應該買保險嗎」就會跳出一排的：車險/手機險/演唱會險……等等把使用者可能的意圖接續下去的完整問題或是直接擷取排名最高網站結果的部份文本： 然而，這些作法的使用者體驗，畢竟仍比不上直接讓使用者看到一段完整的、直接針對問題的精準回答，而不用到處點選或到處跳轉網頁，花一堆時間自己整理出答案。 ChatGPT直接告訴我們一段最終解答（安裝ChatGPT Extension可同步顯示）不用再用一堆濃縮關鍵詞表達需求、和問完問題後被丟一堆網頁連結。我們都想要不假思索地跟機器對話，且立刻得到想要的答案。ChatGPT這就來了。ChatGPT是哪來的？在Google DeepMind還沒有正式釋出相關產品來讓大眾進行測試之前，目前ChatGPT可以說是市面上可見最強大的自然語言生成機器人。ChatGPT背後的組織OpenAI，是由特斯拉執行長Elon Musk（怎麼哪裡都看的到你……不過他在2018年就退出營運，只是仍有投資）、知名投資人Peter Thiel、LinkedIn共同創辦人Reid Hoffman，與全球最大的新創孵化器Y Combinator前任總裁Sam Altman等人在2015年底共同投資創辦的AI研究機構，Sam Altman也是現任OpenAI的執行長。OpenAI組織目的一開始是非營利組織，目標是透過與其他機構的自由合作來向公眾開放專利和研究成果；2016年宣稱將製造通用機器人，來預防人工智慧會造成的可能災難、並讓AI發揮積極作用。2019年初為了吸引更多投資人，宣布「有利潤上限」的營利，成立OpenAI LP子公司；截至2023年1月的最新數據為止約有375名員工。2019年中，微軟宣布投資OpenAI高達10億美金，雙方將合作替Azure雲端平台開發人工智慧技術。接下來就是大家都知道的，2022年11月30日，OpenAI發佈了名為ChatGPT的自然語言生成模型，轟動全世界。ChatGPT有可能在某天取代Google嗎？關於這個問題，我個人認為不太可能。ChatGPT是一個進階的自然語言處理模型，能夠生成人工般的文字和回答問題，但它是為特定用途設計的：語言生成和問答。相較之下，Google搜尋引擎是一個高度精密的資訊檢索系统，使用複雜的演算法爬取和索引數十億個網頁，並向使用者提供相關的結果。ChatGPT和Google搜尋引擎有不同的目的和功能。儘管ChatGPT可以補充和加強搜尋體驗的某些方面，但在不久的將來完全取代傳統搜尋引擎的需求是不太可能的。……不知道讀者有沒有發現，上面這兩段話完全是由ChatGPT生成的。雖然是由本人（機）生成的，但我認為已經說明的很清楚了－－ChatGPT是單純針對資訊詢問和問答的工具，不能取代搜尋引擎。以下作為人類自我思考的代表，讓我來針對這個論點做一些額外補充：ChatGPT硬體成本是搜尋引擎的數倍被微軟投資後，可能是微軟給OpenAI提供了超大折扣優惠來讓ChatGPT使用Azure雲端平台。做個簡單計算：一個NVIDIA A100 GPU可以在6毫秒內運行一個30億參數的模型，按照這個速度，要在ChatGPT生成一個單字會需要約350毫秒。目前微軟對單一個NVIDIA A100 GPU每小時收費3美元，換算在ChatGPT上生成的每個單字都會收費0.0003美元；通常ChatGPT的一個回復都會落在30個單字左右，相當於每一個ChatGPT的回復都會花費1美分。根據估計，運行ChatGPT的成本每天高達10萬美元，相當於每個月300萬美元，每年金額3,600萬美元。ChatGPT的月活躍使用者約在2,100萬人。如果你心裡在想，對這個成本金額有多龐大沒有概念？根據SimilarWeb的數據，Google搜尋引擎月活躍人數在852億左右，使用者人數是ChatGPT的4萬倍。粗略的試算一下，如果我們將一年3,600萬美金*40,000倍使用者，足足超過1.44兆美金。（而且月活躍使用者代表一個月只要使用至少一次就可以算一個人，ChatGPT的使用者可能僅僅只是在一個月內註冊使用了一次、還不像Google搜尋引擎的活躍用戶可能是每分每秒都在發生搜尋行為）根據Google最新財報，包含搜尋引擎、YouTube、Gmail等等全產品的銷貨成本也才在311.5億美元。或參考2022年12月Azati網頁製作公司報價，現在從零開始建立像Google這樣的一個搜尋引擎原型（Prototype）的硬體成本，包括網站架設、伺服器、托管、電力等，初始約在1億美元，後續維護成本每年2,500萬美元。就算像Google的TPU一樣透過自製晶片來節省成本（Google雲端TPU成本比採購的GPU便宜20%），也仍舊遠遠高於建立和維護一個搜尋引擎的費用。還記得2019年時微軟已經投資了10億美元在OpenAI上面嗎？就算這個數字已經遠遠高於純粹打造一個功能不錯的網頁檢索搜尋引擎的價格，要把ChatGPT規模化到可以「取代Google」，在現在看來光硬體成本就簡直天方夜譚。執行長Sam

■ 本刊資料室 時任行政院長賴清德曾喊出2020年時政府機關要達「零派遣」，但現今仍有許多政府機關用派駐人力等取代。檢視人力銀行政府聘僱相關職缺，有許多公部門濫用「駐點」方式，涉嫌「假駐點真派遣」、「假駐點真僱傭」，工作內容甚至涉及指揮監督的「其他相關業務」。據統計，行政院所屬機關公務員人數達21萬556人，而行政院及所屬機關運用「勞務承攬派駐」人數已達4萬9645人，其中又以交通部1萬1723人最多、經濟部7760人、退輔會以7119人再次之。雖然人事行政總處規範，機關不得指揮督管理承攬派駐人員，但實際查看人力銀行職缺發現，許多機關的「承攬單位」要求的「派駐」人員，不乏要求協助系統資料統計與分析外，也有審件、獎勵經費核撥等業務，還有協助修訂法規、審查國外輸出證明書、補貼計畫等工作。甚至，還有工作內容涉及指揮監督的「其他相關業務」或「臨時交辦事項」等工作內容，有「假承攬、真派遣」或「假承攬、真僱傭」的疑慮。東華大學法律系副教授張鑫隆直言，「派遣歸零是假的」。因為現行勞基法要求要派單位要負擔多一些責任，如派遣勞工不能為定期契約等，各機關就改用「派駐承攬」，但工作內容仍與先前的派遣相差無幾，但為何不能直接僱用？無非是為了人力彈性化運用，寧願犠牲勞工權益。勞動部官員坦言，勞務承攬應就履約成果品質要求承攬人符合契約規範，若工作內容中有「其他相關業務」或「臨時交辦事項」，難以檢視其履約成果，因此指揮監督成份較大，但仍要就個案事實判斷，認定不會就事業單位宣稱的而認定，如果一旦認定為派遣關係，勞工就可以主張勞基法中對派遣勞工保護相關規定。