新加坡的AI策略,重點未必是造出最大、最強的模型,而是先看技術能否幫到市民,以及能否讓不同地方都用得上。新加坡數碼發展及資訊部長楊莉明在2026年9月21日舉行的Digital@UNGA發言,介紹當地如何把AI用於公共服務,同時強調人仍要為決策負責。
3
AI如何幫政府處理日常工作?
楊莉明舉例,機器學習可以為居民的意見分類,例如有人反映鞦韆損壞或街燈故障,系統便可把個案轉交相關部門。在邊境,AI協助從數以百萬計的貨運中找出異常;打擊騙案方面,則用來辨識釣魚及冒充他人的跡象。
3
她亦表示,接近七成公務員會使用AI分析資料和準備草稿。不過,使用AI不代表把責任交給系統:最後的工作和決定,仍由公務員負責。
3
這些例子反映新加坡所說的「實用」取向:先用AI處理具體工作,而不是單以模型有幾大、技術有幾尖端來衡量價值。
AI要聽得明地方語言,也要理解文化
要把AI帶到東南亞不同社群,語言和文化是重要一關。楊莉明指出,現有模型未必熟悉各地語言、口音和文化脈絡。新加坡開源模型SEA-LION,便希望更貼近區內語言環境,包括理解多語言語音,以及人們在對話中轉換語言的情況。
3
11
她亦提到Project ATLAS。這項工作由新加坡與蓋茨基金會、Google及聯合國開發計劃署合作,目標是為較少被涵蓋的語言建立適合AI使用的資料集,補足訓練及調整AI系統所需的資料缺口。
3
不必每個國家都自行打造頂尖模型
楊莉明的另一個重點,是讓各地有能力按自己的語言、文化和需要調整AI。她認為,擴大AI普及不等於每個國家都要由零開始建造頂尖模型;支援各地採用和調整合適的技術,同樣可以令更多人受惠。
3
新加坡亦透過小國論壇(Forum of Small States)的數碼支柱分享數碼發展經驗。該論壇的社群由108個小國組成。
11
衡量AI進步,不只看模型有多強
楊莉明的發言歸納出三個方向:把AI用在有實際效益的地方、建立公眾信任以支持長遠使用,以及讓更多人參與。她提出,衡量成效時,應看AI能夠賦能多少人,而不只是機器變得多強。
3
以上例子和數字來自新加坡政府對楊莉明發言的介紹,反映的是政府所述的做法,並非對各項計劃成效的獨立評估。