跳到主要內容

參與是屬於「我們」的權利,放棄就真的什麼都沒了

COSCUP 2019 特別邀請到香港利法會議員莫乃光來台演講,演講前有幸約到一個專訪,現在就讓我們來一起認識一下這位議員吧!

歸港企業家到政治家之路
大部分的香港人都知道,香港土生土長的議員莫乃光,大學時期赴美讀書,一路念到普渡大學電機工程碩士,畢業後正值美國互聯網起飛的時代,在美國有非常好的工作。但也許很少人知道,留在美國工作幾年,前程似錦的莫乃光議員,因為家人的原因,以及希望將美國看到的互聯網技術帶回香港,於是在 1994 年毅然決然回家。

回香港第一個挑戰就是成立互聯網公司,莫乃光謙虛的表示,當時創業比現在容易,他做的事情只是找個方法讓普通人上網就好,不像現在有非常多元的議題方向,使每個創業者想完成的目標比以前更難推廣與達成。創業過程中,體認到在科技與互聯網的領域中,政府政策的實施影響至關重要,因此產生投入政治的想法。

議員的年少時代,經歷了英國統治與香港回歸的生活,成長背景使自己對公共政策與政治抱有濃厚興趣,同時莫乃光相信「參與」是屬於「我們」的權利,如果放棄這個權利,就真的什麼都沒了。幸運的是,在香港中政治制度中,有一個「功能組別」制度,該組別的選舉人,可以代表該產業作為立法會議員參與公共政策。莫乃光認為自身優勢在於互聯網工作的經驗,返回香港工作,在第一線看見香港科技政策上的不足,加深親自投入公共政策的想法。我想正是對看見香港的困難與對香港的愛,使莫乃光議員放棄舒適而安逸的道路,決心投入政治,參與立法會議員選舉。

重要的不是說什麼,而是問什麼
現今資訊科技產業中,資訊太多也變化太快,新技術已經不像以前容易「追」。莫乃光很慶幸過去在偏電信技術提供的領域工作,回到香港還是可以持續接觸,過去的創業經歷讓他保持對技術的敏感度。作為資訊科技界的代表,不同於「選區代表」所要面對的處境,莫乃光所面對的是「產業」與「跨產業」的問題,需要花費大量時間了解這些產業現狀,了解產業所面對的問題,同時也需要跟新興產業的朋友接觸,保持互動與連結。

時間是公平的,每個人擁有的時間都一樣多,因為需要花費大量時間與產業保持交流,同時要推動香港資訊科技的進步以及本身立法會議員的工作,「取捨什麼是重要的」是莫乃光行事準則與保有良好生活彈性的關鍵。在吸收產業新知、回答媒體問題或是提出政府提案之前,莫乃光認為更重要的是要先思考資訊的真實性,尤其自己作為一個推動政府政策上的推手,被訓練出來「分析問什麼問題」的能力。

從資訊科技業轉戰立法會議員,在普通人眼裡也許是非常大的職業鴻溝,但莫乃光認為儘管自己在說話習慣上有些微調整,整體溝通上卻沒有太大分別。身為一個立法會議員,對眾人來說,發言是重要的部分,莫乃光認為更重要的是「問問題」。這一點跟工程師或是資訊產業來說非常相似,念工程也是要不斷問問題、分析與尋找問題癥結點,提出方法解決。任何專業在不同程度上都有這個能力,「媒體與眾人只看到我們發表意見,但做為立委是有權力跟機會去問政府問題」,所以作為議員其實最重要的是問問題,針對個案題目,找方法與解答,這正是最為政治參與最彌足珍貴的地方。

莫乃光分享廣東話有一句俗語「不要跟車太貼」,意思是雖然追求快(效率、速度),但是要拿捏(吋度)。在追求新技術的同時,除了花多一點時間去學習,他同時找相關人士和專業來討論,以資訊保安為例,莫乃光認為自己不完全懂,但對資訊科技的敏感度,讓他知道那些問題要先被求證,這件事情在作為立法會議員非常重要,對外發言的時候更要小心再小心,最重要的是「不需要讓人認為我是萬事通」。我想正是這樣秉持著開放的態度,才使莫乃光議員可以做為資訊科技代表的議員,吸引一群專業人士,一同推動香港政府朝開放資料邁進。

從使用者到推動者,看見互聯網使用自由對上國家安全的隱憂
開源都是 90 年代後期出現的詞,90 年代至今,莫乃光經歷學生、工程師、創業者到議員的身分轉變,對於使用開源的經驗與身分也持續變化。過去在美國工作時是比較傳統電腦公司,都不是開源軟體。儘管在公司中有使用 unix 開發,但是當時主流還是封閉的作業系統。直到 90 年代末期,開源詞彙慢慢出現後,回到香港創業,提供網際網路服務供應商的莫乃光,發現用公司的封閉技術太昂貴,開始大量使用開源軟體。後來在互聯網協會中,從一個供應商轉變成個人用戶,現在則是接觸更多政策層面的開源議題的推動者。

回憶過去參與過的國際互聯網活動,莫議員分享當時互聯網是沒有政府管理,從下而上由使用者、開發者自己定義規則。現在則變成政府開始參與管理互聯網的內容以及使用,甚至很多地方如印度實施 " internet shutdown ",香港最近也很擔心發生這件事情,不論是內容的管制還是總體的「閉碼」管理,都是非常嚴重的問題。這些情況莫乃光認為更重要的事情是,政策、國情的配合,未來的方向變成一個隱憂。

不過莫乃光也理解,當國家安全受到威脅,站在政府的立場就會希望介入。只是西方民主國家執行有一定程序,在其他地方情況可能就會不太一樣。莫乃光觀察主要的問題是在管的人不懂這個技術,所以不明白實際的作法可能造成的什麼樣嚴重後果,例如程式中塞「後門」進行對人民的監控的問題就是一個經典的案例。


儘管政府對開源不信任,制度卻讓我們有機會一同討論
香港在軟體方面都是使用者,相較於開放數據世界排名第一的台灣,香港即便有成熟的電信網路技術,開放數據方面卻十分封閉。過去來說,香港資訊科技發展集中在大公司,政府採用開源方面比較落後,對開源的信任比較不夠,儘管一直有有興趣的朋友們在推動,但在發展開源文化方面比較還是比較慢。

近年香港的 open source 圈開始慢慢往前做 open data,但香港主要的問題是在不容易「持續」,也比較不容易找到長期志工推動開源。莫乃光回憶,十年前曾經有一個台灣的夥伴到香港,做一個中文的 online course 分享,志工多半來自台灣、中國等各地,但開放資源、開源軟體的使用量來說香港卻排名世界第二。透過這個案例可以窺見,香港在開放文化上,常常作為使用者,而非貢獻者。

如同前面所提到,香港政治制度可以開放眾人一同參與討論公共政策,很多問題香港政府不知道怎麼處理細節,而透過這樣的政治制度可以開放眾人一同討論、處理。莫乃光認為自身優勢在於互聯網工作的經驗,培養出的資訊技術敏銳度讓他可以看到科技的變化。現今社會雖然變化速度越快,但造成的問題也越多,因此希望透過投入立委工作,推動政府更加開源與開放,找到更多人來,協助解決政府問題。

當然,對於非技術領域的人,要鼓勵他們參與開源非常困難。所幸的是,現在的社會並不需要把開源( open source)跟開放資料(open data)分太細,莫乃光認為相較於推廣開源,可以再更退一步,以從推廣 open data 開始,因此近幾年他正在努力推動香港政府來 open data。

從有感的 Open Data ,募集 Open Source 的支持
香港首先成功推動 open data 的原因源於生活。相較來說,香港政府對商業的干預比較小,因此香港的巴士跟鐵路公司過去沒有將數據開放出來。當港民到如日本、台灣等地旅遊時,會發現當地有許多交通時刻 APP ,可以查詢各級交即時動態,回到香港卻常常沒有工具可以幫助他們查詢巴士與鐵路的即時動態。生活便利性的差異這個議題被提出來後,港民開始了解「數據」開放的重要性。透過這些真實「有感」的案例,幫助非技術人了解「開放」的好處,進一步支持開放數據、開源的政策推廣。

近期更因為香港的所面臨的現狀,慢慢有越來越多人跳出來進行開放數據與開源技術的開發、使用與推廣。造成這個狀況的原因可能是因為過去香港從沒有面對失去自由民主的問題,而現在香港因為開始面臨可能失去過去無感的民主自由,所以走上台灣過去走過的路,開始爭取跟發展真正的自由民主。

俗話說危機就是轉機,正因為現階段所面臨的危機,使香港在開源與開放數據迎來更好的曙光。莫乃光不擔心香港問題解決後,開源跟開放科技又慢慢式微。現今的狀況已經和過去很不一樣了,未來香港還有非常多的問題,可能也會需要透過開放科技跟開源解決,相信未來會越來越多人更加重視與參與開源的重要性,經歷過這次的事件的香港,將會有更好能力與經驗來處理未來即將面對的問題。

最後莫乃光分享,以產業來說,香港、台灣面對的問題其實非常相近,開放的技術給予我們這些經濟比較小型的地方有一個機會,讓我們可以用真正公平的成本,開發對社會有益的事物。以立法協會的角度來說,現在的資訊發達程度,全世界都看的到技術掌握在誰的手裡,然而這些原本應該是屬於人民的權利。因此更需要透過教育,讓人民去了解使用與應用這些技術是非常重要的事情,對社會來說又會是一個全新的進展。不管技術開發厲害,科技發展多高超,怎麼樣使用這些技術,讓人跟協會、組織、政府之間更加平等,是非常重要的事情與眾人一起努力方向,開源會是很好的推動力,齊心擁抱開源,推動社會進步。

文章作者:呂昕恩
本文原作者呂昕恩以 CC BY-SA 4.0 授權分享予公眾使用

留言

這個網誌中的熱門文章

利用 Jitsi 建立個人化的視訊會議平台

  近期因為疫情的關係,越來越多企業開始實施分流或在家工作,視訊會議的需求也日益增加。 在商用解決方案選擇上,有不少企業會選擇知名品牌的產品,例如  Cisco Webex 、 Google Meet 、 Microsoft Teams 、 Zoom  都是很不錯的方案。 KKBOX 集團在去年便試行及做好充分 work from home 的準備,今年五月也因應疫情升溫,全員 work from home 至今兩個月有餘。 當然,取之 Open Source,也要對社群有些貢獻。在這一屆 COSCUP,我們要來介紹 Open Source 圈中也很知名,效果也很不錯的一套視訊會議平台: Jitsi 。 除了基本的視訊會議功能外,在最後我們也會示範如何透過 Jitsi 畫面輸出到 YouTube/Twitch 或其他支援 RTMP 的平台進行直播。 由於篇幅有限,且 Jitsi 可以調整的細節非常多。今天我們純粹很快速的示範,如何簡單的建置出一個 Jitsi 環境,並提供單場會議內容錄影或直播。 Jitsi 的文件可以在 這裡 找到。 今天透過 AWS Lightsail 的 $10/month instance(1 core CPU + 2GB RAM + 60GB SSD),作業系統則是 Ubuntu 20.04 來示範。當然,使用其他 VPS 亦可,大同小異,這邊直接跳過 VPS 相關的建置過程。 *firewall 相關資料參考 這裡 及 這裡 。 針對系統做必要的更新 基本的 apt repository 更新: $ sudo apt update 因為後面要示範的會議錄影及直播需要使用 ALSA loopback device,如果是 EC2 or Lightsail 則需要額外安裝 generic kernel( 註 ): $ sudo apt install linux-image-generic linux-headers-generic linux-image-extra- virtual 接著做系統套件們的更新: $ sudo apt dist-upgrade $ sudo apt autoremove 如果是 AWS EC2 or Lightsail 則需要另外再將預設的 AWS optimized kernel...

鑽石級贊助商 - KKBOX 帶你打造具備 NLP 功能的 Telegram Bot (上)

打造具備 NLP 功能的 Telegram Bot(上) 最近因為一些契機學了 Python 3,用它做了一個 Telegram Bot ( GitHub 連結 ),裡面用到 NLP Service,用上下兩篇文章記錄一下實作過程還有眉角。上篇首先教大家如何做一個最基本的回聲 Chatbot,接下來我們可以透過 NLP 服務,讓 Chatbot 根據使用者不同的訊息做回答,這樣就變成更加人性化的聊天機器人囉! 使用的工具及服務: Python 3 (for develop) pipenv (for dependency management) OLAMI (for NLP) ngrok (for testing) Step 1. Creating new bot Telegram 很有趣的地方在於,與其他通訊軟體(Line、Messenger)相比,開發者管理 Bot 的方式也是透過官方提供的一位 Bot 在處理的,它叫做 BotFather (眾 Bot 之父 XD)。如果已經有 Telegram 帳號,只要加 BotFather 為好友,就可以開始管理你的 Bot。 加入 BotFather 好友後,它會親切地問候,並告訴你他能為你提供什麼服務。 I can help you create and manage Telegram bots. If you're new to the Bot API, please see the manual ([https://core.telegram.org/bots](https://core.telegram.org/bots)). You can control me by sending these commands: /newbot - create a new bot /mybots - edit your bots [beta] /mygames - edit your games ([https://core.telegram.org/bots/games](https://core.telegram.org/bots/games)) [beta] Edit Bots /setname - change a bot's name /setdescr...

機器學習的五大實務問題:對企業的影響與相應的化解方式

Appier 首席機器學習科學家 林守德博士 正如 Jason Jennings 及 Laurence Haughton 在《以快吃慢–如何藉速度在商戰中克敵制勝》一書中指出──未來,不是大公司吃掉小公司,而是速度快的公司吃掉速度慢的公司。 從現在開始,唯有善用適當的資訊快速做出決策的企業,才能成為戰場上的贏家。 機器學習技術驅動了這場變革。無論企業是嘗試向顧客提出建議、改進生產製造流程或應對市場的變動,都能運用機器學習技術處理大量的資料,進而提高自身的競爭優勢。 然而,機器學習雖能創造大好機會,卻也同時帶來了相應的挑戰。機器學習系統需要大量的資料,以及執行複雜的運算能力。顧客期望改變、出乎意料的市場波動等等外部因素,都意味著機器學習模型的運作並不是百分之百的自動,往往仰賴許多外部的資源來作監控及維護。 此外,機器學習也有不少尚待解決的實務問題。以下將深入探討機器學習的五大實務問題,以及這些問題對企業應用會產生的影響。 1. 資料品質 機器學習系統仰賴資料進行訓練,而訓練資料在廣義上可分為「特徵」及「標籤」兩種類別。 「特徵」是輸入機器學習模型的資料,像是來自感測器、顧客問卷、網站 cookie 或歷史資訊等等。 然而這些特徵的品質可能良莠不齊。舉例而言,顧客在填寫問卷時可能會隨便填寫,或對題目略而不答;感測器可能因失靈而回傳錯誤資料;即使使用者的網頁行為明確,網站 cookie 回報的資訊也可能不完整。 此外,資料也可能包含雜訊,當無謂的資訊夾雜其中時,機器學習模型將會受到誤導而做出不正確的預測。 相較於「特徵」,「標籤」的正確性與穩定度更為重要。標籤是機器學習模型最後輸出的結果。所以需要在訓練的時間利用正確的結果教導機器學習模型。標籤的稀疏性也是個問題,這是當系統已掌握大量輸入的資料卻對輸出的結果沒有把握時出現的現象。在這樣的情況下,將難以針對該模型偵測其特徵與標籤之間的關聯性優化,甚至需要耗費額外的人力干預,將標籤與輸入資料關聯起來。 機器學習需仰賴輸入與輸出資料的關聯,才能具備足夠的泛化能力以預測未來行動並提供相關建議。因此,如果輸入資料過於雜亂、殘缺或有所偏差時,將可能難以理解某輸出/標籤的產出原因。近年來機器學習也開發出許多先進的方法如半指導式學習,轉移學習來處理這樣的問題。 2. 複雜性與品質的取捨 建立強大的機器學習模型需要大量的計算資源來處理特徵和...