第三十六期

2026-10-11

本期主要介紹Meta全新推出的AI助理Muse，以及AI「IBM Watson」的興衰與新模型「Jev」的崛起與野心，還有程式貓和海洋大學共同舉辦的黑客松競賽，

一.新的AI助手? 全新AI Muse帶你看

作者:Lhs

前一陣子，Meta趁著最近的AI助手熱潮，推出屬於自己的AI助手:

Muse AI

於美國展開測試。並在網路上掀起一陣熱潮，也已經有許多人開始實際使用並把測試影片傳出，就讓我們一起來看看這款新的AI助手表現如何吧!

一.可愛活潑的風格

從官方的展示片段，以及其他人的實測畫面可以看到，Meta嘗試將Muse塑造成一個可愛活婆的吉祥物，並且在和你對話的時候，還會出現在聊天室的頂端，打破了以往使用AI工具時，只能跟一個「冰冷冷的對話框」對話的印象。

在跟你對話的時候，他還會跟呆萌的搖頭晃腦，是個十分可愛的畫面

圖片

出現在聊天室頂端的Muse本尊 圖片取自官方宣傳片

二.在背後幫助你的私人秘書

在網路上Youtuber們的使用中，Muse AI可以做到讀取你的Meta旗下帳號，做到像是尋找許久沒連繫的好友、組織一次聚餐、甚至是跟電話客服對話等行為，還能透過你的喜好，推薦你所在位置附近的店家，並且由於Meta帳戶的服務範圍廣闊，在處裡不同服務時，若遇到帳戶登入問題也能更快解決。

再來看到使用額度上，Muse每週提供將近1億個Token免費使用，雖然有額外提供付費方案，但正常使用上應該是不會有需求，換句話說，我們可以在不付費的情況下獲得一個萬能AI助手。

圖片

Muse的付費方案，圖片取自官網

單看功能方面，Muse AI可以說是十分成功的AI助手，但在功能萬全的背後，我們也不得不思考以個老問題:

使用者該如何保護自己的資訊安全?

三.Muse的資安是否可以信任?

祖克柏在發表時表示，Muse的賣點是「不只幫你省錢，甚至還能幫你賺錢」，並且，他們也將商業模式訂為「在使用者使用商業服務時抽取服務費用」而非傳統的月費制度，由此可見，Meta對它的商業服務是非常有自信的，但是，使用者是否能安心地把各資交給Muse呢?

實際上，Meta為了解決資安問題，特定為其設計了一套防護系統，主要為以下四點:

  1. 雲端專屬虛擬機與獨立監控:透過獨立的雲端虛擬機，將Muse的權限牢牢把握，無法連接未經允許的連線

  2. 帳密與支付安全 :在使用金融服務時，Muse所看到的是獨立的「替身憑證」，這麼一來，Muse就無法讀取你的真實個資並完成服務

  3. 資料自主權與廣告隱私:在進行寄信、交易的行為時，都需要使用者本人的同意的允許才可進行，以避免發生未經允許的行為，並且使用者也可強行讓Muse移除重要資訊，避免個資外洩

  4. 人類掌控與防禦強化:在Meta的設想中，未來的服務將會完全在使用者和雲端虛擬機之間，獨立的端對端進行，屆時甚至連Meta公司都無法存取服務紀錄，做到絕對的資料防護

並且，Meta公司還祭出30萬懸賞，邀請全球駭客攻擊自家防禦系統，以此抓到防禦弱點和補強。

目前Muse只在美國地區開放使用，台灣則可以開始申請候補志願者，想問問各位讀者，如果是你們會想要試試看這個專屬於你的AI助手嗎?又是否願意將個資交給Muse來幫你服務呢?

資料來源:

https://www.youtube.com/watch?v=MpiAqsEgWDo

https://about.fb.com/news/2026/09/introducing-muse-personal-ai-agent/

https://www.youtube.com/watch?v=Ol82S1UVt7E

二.初出茅廬的 Jev 與他的大前輩 IBM Watson – 從 IBM Watson 的興衰，看 Jev 的信心與野心

作者:KH

引言：那曾經被認為會改變世界的人工智慧

2011 年 2 月，IBM 的 Watson 在美國益智節目 Jeopardy! 擊敗 Ken Jennings 與 Brad Rutter 兩位傳奇衛冕王。Jennings 在最後一題的答案旁，半開玩笑地寫下歡迎新的電腦霸主。那一刻，許多人真心相信：電腦讀懂人類語言的時代來了！

接下來幾年，這份信念持續升溫。IBM 宣告「認知時代」來臨，Watson 被描繪成能讀遍醫學文獻、協助醫師戰勝癌症的系統；從醫療、金融到零售，彷彿沒有它改變不了的產業。

回頭看，那場比賽最值得記住的其實不是勝利，而是畫面上特定為 Watson 顯示的各選項的信心值。每道題目結束後，節目都會秀出 Watson 心中排名前三的候選答案與各自的信心值。信心超過九成時它果斷搶答；三個答案都只有一兩成時，它就會默默地讓人類先答。

十五年後的 2026 年 9 月，舊金山新創 TypeSafe AI 推出 Jev。它不像傳統的 LLM：你丟給它一個問題和一組選項，它只回傳一個選擇，外加一串機率。還記得 IBM Watson 當年那場比賽的人，或許會聯想到那排似曾相識的信心值，也很難不想起隨之而來的那場集體期待。

那 Jev 是 Watson 的精簡版轉世嗎？本文的答案是：這個類比有一半正確；但在故事怎麼被描寫、熱潮如何形成、風險藏在哪裡這幾點上，兩者相似得令人不安。

相似處一：實用性在於它有多少把握

Watson 和 Jev 賣的都不只是答案，而是「這個答案有多可信」。兩者也都把「這個數字如何利用」交給另一層邏輯去決定。

Watson 背後的 DeepQA，核心不是某個新演算法，而是同時跑上百種既有的語言分析方法，再把各路證據分數合成一個信心值。越多獨立方法指向同一答案，信心就越高。按不按鈴，則由信心值與門檻比較決定；IBM 研究員 Jon Lenchner 當時說明，預設門檻約為 50%，並會隨賽局狀態浮動。

最能說明這套邏輯的是在比賽第二晚的 Final Jeopardy。題目類別是美國城市，Watson 卻答了加拿大的 Toronto，錯得離譜，但它只押了 947 美元。它知道自己沒把握，並把這份沒把握轉成了停損。

TypeSafe 在官網發布 Jev 的文章，幾乎是同一個論證的現代版。創辦人 Diogo Almeida 寫道：一個模型就算 95% 的時候都做得對，只要它不告訴你哪些時候落在那 5%，這個任務就無法自動化。所以 Jev 的每個輸出都附帶校準過的機率，訓練目標也從「讓人類喜歡」改成「機率要誠實」，他們稱之為 RLCD。

接下來的分工也和 Watson 如出一轍：模型只負責給出判斷與信心值，「要不要照著做」則交給另一層規則把關。以客服系統為例，Jev 判斷一張工單「是退款申請，把握 0.92」，接著由工程師寫好的程式碼接手：把握超過 0.9 就自動處理，否則轉給真人。TypeSafe 把這種用法稱為「聰明的 if 判斷式」。Watson 也是同樣的結構：算出信心值後，由事先設計好的搶答門檻與下注策略，決定要不要按鈴、押多少錢。

差別在於誰來寫這個 if。IBM 的團隊花了近四年、動用約二十位研究員專為 Jeopardy! 打造節目上使用的 Watson，搶答門檻與下注策略還有專人以模擬反覆調校；Jev 則把這件事交給每一位開發者。Earendil 技術長 Armin Ronacher 對 TechCrunch 的評論很貼切：這個模型在某種程度上，是把幻覺問題轉交給使用者，由他們自己決定機率多高才算可信。

相似處二：使用合成資料，與「誰的判斷」當標準答案

兩者都在「人造的世界」裡接受訓練或驗證，也都把某一小群參照者的判斷當成標準答案。這是兩者最底層、也最容易被忽略的相似處。

Watson 轉戰醫療後，最受矚目的產品是與紐約 Memorial Sloan Kettering（MSK）癌症中心合作的 Watson for Oncology。2018 年，STAT News 取得 IBM 內部簡報：客戶與內部醫療專家發現多起不安全、不正確的治療建議，主因是系統只用少量「合成」的假設病例訓練，而非真實病患資料。

更關鍵的是標準答案的來源。內部文件指出，建議依據的是每種癌症一兩位專科醫師的經驗，而不是診療指引或實證。外界以為自己拿到的是「AI 分析大量病例」的結果，實際上更接近「幾位 MSK 醫師的偏好」。

對此，MSK 回應：那些錯誤建議出現在系統測試階段，並未用在真實病人身上；合成病例反而能涵蓋更多元的治療選項。合成資料本身確實不是問題；真正的問題在於這些病例由誰設計，標準答案又代表誰的判斷。

Jev 也站在類似的基礎上。根據 TechCrunch 的報導，TypeSafe 表示 Jev 完全以合成資料訓練；但這些資料由誰、以什麼方式生成，公開資訊裡看不到細節。

它的「標準答案」問題在官網的發布文章裡也有提到。TypeSafe 的工作流程評測，是拿 GPT-6 Astra 與 Claude Fable 5.1 兩個前沿模型的平均預測當參考答案，而不是真實世界的結果；評測流程本身也是自家能力團隊成員設計的。TypeSafe 團隊也表示這可能帶有偏差。

換句話說，以官方評測而言，「Jev 很準」的意思其實更接近「Jev 的判斷很像兩個頂尖 LLM 的共識」。那當然還是有參考價值，但它能不能等同於「在你的業務範圍內判斷正確」，仍有與過去 Watson for Oncology 類似的疑慮。

相似處三：舞台效應，從 Jeopardy! 到 Doom

兩者都靠一場精心挑選的公開展示打響名號；展示證明的能力是真的，卻往往不是市場後來要它們解決的那個問題。

Jeopardy! 對電腦其實很友善：每道題都有唯一的標準答案，有裁判判定對錯，Watson 還以文字形式直接收到題目。它的弱點反而是聽不到對手的回答，曾重複人類剛答錯的答案。

真正的考驗在節目之外。MD Anderson 癌症中心從 2012 年起與 IBM 合作開發腫瘤專家系統 Oncology Expert Advisor，IBM 在 2013 年的新聞稿中把它包裝成消滅癌症任務的一部分。到 2017 年德州大學系統的稽核報告公開時，專案已花掉超過 6,200 萬美元，約 3,900 萬付給 IBM、約 2,100 萬付給 PwC，系統卻仍未進入臨床使用。

IBM 的回應反而最能說明問題。它強調，連稽核報告都承認 Watson 在肺癌治療建議上有 90% 的準確率。但這個漂亮的數字沒能救回專案。

真正拖垮它的，是兩件和準確率無關的事：專案目標一再更改、範圍不斷擴大；醫院後來換了新的電子病歷系統，這套腫瘤專家系統卻沒有跟著整合，也就無從進入臨床使用。換句話說，準確率是在測試環境裡量出來的，專案卻是在落地整合時失敗的。

回到現在，Jev 的舞台是 Doom。TypeSafe 展示由 Jev 即時操控這款經典射擊遊戲，每秒約 10 次查詢，每小時成本約 7 美元。官網的發布文章描述道「 Jev 讀到的是文字化的遊戲狀態，不是畫面」以及「一個不用 AI 的 Doom 機器人其實可以玩得更好」。

有趣的是，兩個舞台都把世界先轉成乾淨的文字再送進模型。Doom 證明了速度與成本，就像 Jeopardy! 證明了封閉世界的問答。對 Jev 來說，真正的考驗不會是下一個遊戲展示，而是像 Watson 當年那樣的落地現場：例如每天湧進企業信箱的郵件，中英夾雜、格式五花八門，寄件者還會不斷換招嘗試騙過過濾器。能不能在這種環境裡依然判斷準確、信心值依然可信，才是它真正要證明的事。

「新類別」的說法，經得起拆解嗎？

Jev 的說法相當宏大：「一種新類別的前沿模型」、新架構、新的並行取樣器、新的訓練法 RLCD。

但 TypeSafe 沒有發表 RLCD 論文，也未公開基礎模型或參數量。TypeSafe 表示 Jev 以 transformer 為基礎，但不是 LLM；不過根據 TechCrunch 報導，外部觀察者懷疑底層可能是一個現成的開放權重模型。

在同一時間，社群的反應也很迅速。發表不到兩週，Hugging Face 上就出現多個自稱「開源重現」的模型。其中一個專案表示，用 Jev 的輸出在一個 9B 的 Qwen 模型上蒸餾約 3 個 GPU 小時，就能近乎複製它的輸出分佈；另一個專案在自建的 200 題通用決策測試上，量到 Jev 準確率 0.730、校準誤差（ECE）0.164，落後 Fable 5.1 與 GPT-6 Astra。

這些都是開發者自行公佈、未經同儕審查的數字，不宜當成定論。但它們一起指向一個問題：如果這個「新類別」模型的行為能在幾個小時內被幾乎複製，開發者為何還要選擇 Jev？

但這次有幾件事真的不一樣

歸納來說，Jev 比 Watson 穩健的地方有四個：承諾更窄、試錯更便宜、對自己的侷限更透明，而且外界檢驗得更快。

承諾更窄。 Watson 的承諾是改變醫療、消滅癌症；Jev 的承諾是在開發者事先定義的選項裡挑一個，並輸出信心值有多少。由於答案只能從給定選項中挑選，它不會回傳格式錯誤的內容，也不會憑空捏造選項，這是設計上的保證。承諾越窄，越有機會兌現。

試錯更便宜。 Watson 當年的癌症合作計劃，花了四年多、數千萬美元才發現行不通。Jev 則是按 token 計費的 API，已上架 Vercel 與 Cloudflare，也有 LangChain 等整合。一個工程師一個下午就能拿自己的資料測試，不適合就放棄；錯誤會在幾週內浮現，而不是幾年。

對自身侷限更透明。 TypeSafe 官網的發布文章在每個主張後面附上「細節」註腳：評測流程由自家團隊設計、參考答案偏向特定廠商、193.6 倍加速是最理想情況（實際多半沒那麼多）、幻覺率為零並非實測而是由結構保證。文中甚至直言歡迎外界質疑，還說他們自己也是懷疑論者。對照 2018 年 IBM 高層仍公開稱 Watson 進展「好極了」，而內部簡報早在前一年就記錄了錯誤建議，兩種姿態差很多。

外界檢驗得更快。 早期客戶已公開測試數據，連 Jev 表現不如對手的地方也如實寫出。據 TechCrunch，Vercel 用 Jev 取代原本的指令安全檢查分類器，快了 5 到 18 倍；Bryo AI 拿它和 Gemini 比商務郵件分類，Gemini 略準，但貴 10 到 20 倍。加上社群在兩週內就做出開源重現，這種檢驗速度是 Watson 的封閉式企業合約從來沒有過的。

但要清楚兩件事：坦白說出證據的侷限，不等於拿出了證據；承諾變窄，也意味著凡是它沒承諾的，責任都落在開發者身上。說到底，這些優點只是讓我們更清楚，該自己去驗證什麼。

結語：每個開發者，都得是自己的 IBM 團隊

回頭看，Jev 和 Watson 最深的相似處，在於它們做決定的方式：先算出一個信心值，再由另一層規則決定要不要相信它。當年 IBM 的團隊為了一場比賽，反覆調校搶答門檻與下注策略，才讓這套機制在節目上運作得恰到好處。

十五年後，Jev 把同樣的機制做成便宜的 API，交到每一位開發者手上。工具變便宜了，調校的工作其實沒有消失：問題怎麼拆解、選項怎麼定義、門檻如何設定、信心值在自己的資料上準不準，這些過去由 IBM 研究團隊負責的事，現在都落在開發者身上。不過好在試錯變便宜了，這件事第一次落在每個開發者都做得到的範圍內。

因此筆者認為，Jev 較好的使用方式不是拿來直接使用，而是依自身需求，調校出適合自己的 Jev。先拿手上真實的資料測試幾次，看看它是否表現理想；再依自己能承受的風險調整門檻，決定哪些事可以放心交給它。

這也回答了前文的問題：開發者為何還要選擇 Jev？其實不該只看發表會上的數據，而該來自你自己的資料。只有在自己的專案裡驗證過，選擇它才有意義。

十五年前，人們看著 IBM Watson，期待它改變世界。這一次，不如先確認它在你的世界裡，是否值得信任。

參考資料

Watson 與 IBM

Jev 與 TypeSafe AI

三.首創技術、企劃雙軌評選！臺灣海洋黑客松競賽盛大舉辦

作者:YD

「臺灣海洋黑客松」於 10 月 10 日至 11 日在國立臺灣海洋大學盛大舉辦，吸引超過 30 支隊伍報名參與。來自不同背景的參賽者齊聚基隆，在兩天的賽程中發揮創意與專業，以科技回應海洋議題，為這片孕育臺灣的藍色國土注入新的想像。

圖片

臺灣海洋黑客松競賽

開幕典禮上，指導單位產學營運總中心主任黃章文、資訊工程學系主任馬尚彬親自到場，向全體參賽者致詞勉勵。兩位主任指出，在人工智慧快速發展的時代，許多技術門檻逐漸降低，真正難以被取代的，是發現問題、拆解問題並找出解決方法的能力。他們期許參賽者把握這次機會，不只是寫出能運作的程式，更要深入思考作品背後想解決的問題，培養跨域整合與團隊合作的實力。

總召集人楊光地在分享時則提到，臺灣四面環海，海洋與每個人的生活息息相關，無論是假日出遊、品嚐海鮮，或是認識自己成長的家鄉，大家其實都早已與海洋有所連結。然而，正因為海洋近在身邊，人們往往忽略了它所面臨的挑戰與蘊藏的潛力。他希望透過這次黑客松，讓更多年輕人重新認識海洋，並用自己的專長為海洋發聲。

圖片 本次競賽以打造與海洋相關的數位作品為目標，形式包含但不限於網站、應用程式及數位遊戲等，題材可涵蓋海洋教育、生態保育、漁業與產業應用、海洋觀光與文化推廣等多元面向，給予參賽者充分的發揮空間。

本屆賽事最大的特色，在於首創「技術」與「企劃」雙軌評選機制。除了檢視作品的技術實作、完成度與創新性之外，各隊伍也須繳交完整的企劃書，內容包含但不限於創作目的、市場規模、財務規劃與行銷策略等。主辦單位表示，一個好的作品不僅要「做得出來」，更要「走得下去」，雙軌評選的設計正是希望引導參賽者從產品思維出發，思考作品如何真正落地、創造價值，甚至具備未來商業化或持續營運的可能。

這樣的機制也讓不同專長的參賽者都能找到發揮舞台：擅長程式開發的成員負責將構想實現，熟悉商業分析與行銷的成員則能為作品規劃清楚的方向與藍圖。主辦單位期盼，藉由技術與企劃並重的訓練，培養兼具實作能力與宏觀視野的跨域人才。

圖片

隨著兩天賽程展開，各隊伍將在有限時間內完成發想、開發與簡報，接受評審檢驗。主辦單位也期待，本次黑客松誕生的作品能成為推動海洋永續與數位創新的種子，讓更多人看見臺灣海洋的美好與無限可能。

資料來源: