學習方式的改變與AI的危害風險

AI比人類強的長處

• 運算、閱讀與計算速度
• 接受資訊與學習的能力
• 沒有成見與偏見(=沒有定見)

AI的問題與限制

• 像大型語言模型LLM這樣的 AI，其「理解」是基於對人類語言和文化概念的重建（reconstruction），而非真正意義上的理解。透過分析大量文本數據來學習模式並生成回應，這與人類基於經驗、情感和社會互動形成的理解有本質區別(對LLM而言，它只是在玩文字接龍，對於輸出的文句其實沒有意義感；反而是使用者對於它輸出的文句(或圖片/音樂)產生情感)
• AI必須被訓練與調教，其模型=訓練與調教過程輸入的偏見 (訓練資料庫當中沒有的知識或資訊=欠缺的知識與資訊)
• AI理解表述的是相關性(可謂是天馬行空文學作品)，而非真實世界當中的因果或物理法則(=不受限制)=>人類透過經驗學習(什麼可能、什麼不可能)；AI透過調教與訓練，學習投其所好(猜測輸出使用者想看的內容=投放廣告)
• AI的意見與建議，看似完備有模有樣，其實要非常小心與謹慎=>它不知道它在講什麼? 提供的意見與建議是否正確? (它沒有辦法判斷與宣告提供意見建議的可信度與正確性；責任落在使用者身上)

AI怎麼用

• LLM(ChatGPT)可以用來創意發想、寫腳本與腦力激盪沒問題
• 需要可信度的規劃提案，可以用Grok DeepSearch來輔助，但要一一查證資料來源、確認推理流程與邏輯
• 如有可信度的研究報告或期刊文章，可上傳NotebookLM對話，會更言之有(依)據
• AI提供意見與建議的可信度與嚴謹性=其資料來源的可信度與嚴謹性

當人類不再自己思考與探索，完全透過AI代勞時，也會是人類與AI共同停滯(=死亡)的時候

閱讀期刊文章的心路歷程

30年前念碩班(一個月讀一篇，點狀式閱讀，理解深度約50-70%)

1. 心力被英文卡住，不知期刊文章重點所云(時間花在英文閱讀翻譯)
2. 沒有人可以問，只能跟老師說自己沒讀懂，期待老師會解釋(有些老師也很聰明，知道不要叫研究生讀期刊文章以免自找麻煩自討苦吃)
3. 閱讀數量少，通常就是老師指定或學期中的那幾篇"經典"文章(以管窺天+期末報告文章就還給老師了)

10年前讀博班(一週讀一篇，線狀與脈絡式閱讀，理解深度約80-95%)

1. 英文閱讀能力變強，文章理解深度提升不少(一知半解會被老師鞭打策，自己臉皮薄繃得比較緊)
2. 老師交待：師父引進門，修行在個人(自己要勤快一點，主動去讀相關與參考文獻)
3. 閱讀數量增加+老師指引方向+提供學門脈絡地圖：比較有方向感與全貌感，知道讀到的文章，在學海中的大致定位與經緯度

現在的學習與閱讀(透過perplexity與notebookLM 輔助，主題與搜索式閱讀，一個鐘頭可以讀一篇，理解深度約70-80%，但廣度與關聯性大增)

1. 直接去那些有哀的期刊(SCI/SSCI)搜尋下載相關文章或搜尋有興趣的主題，pdf灌入notebookLM
2. 透過發問來學習(問比學重要，善問者如撞鐘，叩之以小者則小鳴，叩之以大者則大鳴；但AI與LLM會唬爛穿鑿附會，使用者需謹慎判斷+從回答中進行第二階的詢問與搜尋)，透過雙項問答，對於文章内容的理解深度與效率大增
3. 以子之矛攻子之盾，同樣的問題可以問不同來源的期刊文章(notebookLM中的筆記本)=>看出不同回答間的交集與聯集，乃至於意識到：AI與LLM的答覆係依據你提供的文獻資料=>如果有些更高明的文獻沒有納入，那麼AI與LLM 無法產出那些洞見給你(你不知道的比知道的更重要，而一般人通常不知道自己不知道，對於自己的無知無感+被AI/LLM自愚愚人)
4. 創意發想與想法掃雷補遺，Grok DeepSearch比Google好用

以下是測試問題與筆記

問的問題(問得越具體與清晰，越能看出回答的好壞)

基於事前預測 (Anticipating)、作業監控 (Monitoring)、錯誤應對 (Responding) 和事後學習 (Learning) 四個韌性概念，以下分別針對人員作業 (human safety)、製程安全 (process safety)、組織管理 (organization management)，論述韌性的導入推行要點：

問的筆記本1是以下幾篇文章

• Jain, P., Pasman, H.J., Waldram, S., Pistikopoulos, E.N., Mannan, M.S., Process Resilience Analysis Framework (PRAF): A systems approach for improved risk and safety management, Journal of Loss Prevention in the Process Industries (2017)
• Muhammad Shah Rahim, Genserik Reniers, Ming Yang, Shailendra Bajpai, Risk assessment methods for process safety, process security and resilience in the chemical process industry: A thorough literature review, Journal of Loss Prevention in the Process Industries 88 (2024) 
• Hans J. Pasman, Stewart W. Behie, The evolution to Industry 5.0 / Safety 5.0, the developments in society, and implications for industry management, Journal of Safety and Sustainability 1 (2024) 

回答如下(AI/LLM產出)

一、人員作業 (Human Safety)

事前預測 (Anticipating)

• 情境模擬與訓練： 透過模擬各種潛在的異常情境，讓人員事先熟悉可能發生的狀況，並學習如何應對。
• 危害辨識： 加強人員對於潛在危害的辨識能力，例如噪音、震動、化學污染物、人因工程風險等 。
• 人因工程評估： 評估工作站設計、工具使用、工作流程等是否符合人因工程原則，降低人員疲勞、壓力等風險 。

作業監控 (Monitoring)

• 穿戴式裝置： 使用穿戴式裝置監測人員的生理狀態 (例如心率、疲勞程度)，以及是否正確使用個人防護裝備 (PPE) 。
• 情緒 AI (EAI)： 透過情緒 AI 辨識人員的情緒狀態，預防焦慮、憂鬱等問題，避免因心理壓力導致的失誤。
• 協作機器人 (Cobot) 安全監控： 監控協作機器人與人員之間的距離，確保安全距離 。

錯誤應對 (Responding)

• 緊急應變程序： 建立清晰、易懂的緊急應變程序，並定期演練，確保人員在緊急情況下能迅速、正確地採取行動 。
• 人為失誤預防： 建立容錯機制，即使人員發生失誤，系統也能夠自動修正或提供警示，避免事故擴大。
• 快速救援機制： 建立快速救援機制，確保在人員發生意外時，能迅速提供醫療協助 。

事後學習 (Learning)

• 事故調查： 徹底調查所有事故、事件，找出根本原因，並提出改善措施，避免類似事件再次發生 。
• 近 misses 分析： 重視近 misses 事件 (差點發生的事故)，從中學習，預防重大事故發生。
• 經驗分享： 建立經驗分享平台，鼓勵人員分享作業經驗、教訓，促進組織學習。

二、製程安全 (Process Safety)

事前預測 (Anticipating)

• 危害分析 (PHA)： 定期進行危害分析，例如 HAZOP (危害與可操作性分析)，辨識製程中潛在的危害 。
• 風險評估： 進行風險評估，量化潛在危害的風險程度，並制定相應的風險控制措施 。
• 早期偵測 (ED)： 建立早期偵測系統，監測製程中的 "weak signals" (微弱訊號)，預測異常事件的發生。

作業監控 (Monitoring)

• 製程參數監控： 監控關鍵製程參數 (例如溫度、壓力、流量)，確保製程在安全範圍內運行。
• 警報管理： 建立有效的警報管理系統，確保警報能夠及時、準確地傳達給操作人員。
• 安全儀錶系統 (SIS) 監測： 定期測試、維護安全儀錶系統，確保其功能正常。

錯誤應對 (Responding)  就是Detection/Protection+Interlock+Layers of Protection

• 自動安全系統： 建立自動安全系統 (例如緊急停車系統、洩漏偵測系統)，在異常情況下自動啟動，保護人員和設備 。
• 緊急應變計畫： 制定詳細的緊急應變計畫，包括疏散路線、應急設備、通訊方式等。
• 滅火、救援設備： 確保滅火、救援設備可用性、有效性，定期檢查維護，以應對意外事故。

事後學習 (Learning)

• 事故調查： 徹底調查所有製程安全事故，找出根本原因，並提出改善措施 。
• 經驗回饋： 將事故調查結果、改善措施回饋給設計、操作、維護等部門，避免類似事件再次發生 。
• 製程安全資訊分享： 建立製程安全資訊分享平台，促進組織學習 。

三、組織管理 (Organization Management)

事前預測 (Anticipating)

• 風險文化建立： 建立積極的風險文化，鼓勵員工主動報告潛在的風險，並參與風險管理。
• 領導力承諾： 領導階層應展現對安全的承諾，並提供必要的資源，支持安全管理活動。
• 組織健康： 關注組織健康，營造良好的工作環境，降低員工壓力，提升整體安全績效。

作業監控 (Monitoring)

• 安全績效指標 (KPI)： 監測安全績效指標，例如 LTIF (損失時間事故頻率)、TRIR (總可記錄事故率)，評估安全管理成效。
• 安全稽核： 定期進行安全稽核，檢查安全管理系統是否符合標準，並找出改善機會。
• 員工意見調查： 進行員工意見調查，了解員工對於安全管理的看法，並作為改善的參考。

錯誤應對 (Responding)

• 管理變更 (MOC)： 建立完善的管理變更程序，確保任何變更 (例如設備、製程、人員) 都經過充分的風險評估和控制。
• 持續改善： 建立持續改善機制，定期檢討安全管理系統，並根據新的資訊、技術進行調整 。
• 危機溝通： 建立有效的危機溝通機制，確保在緊急情況下能夠及時、準確地向員工、社區、媒體等傳達資訊。

事後學習 (Learning)

• 學習型組織： 建立學習型組織，鼓勵員工持續學習、創新，並將學習成果應用於安全管理 。
• 經驗傳承： 建立經驗傳承機制，確保資深員工的知識、技能能夠有效地傳承給新進員工 。
• 知識管理： 建立知識管理系統，系統化地收集、整理、儲存、分享安全管理相關的知識。
• 透過以上導入推行要點，可以提升人員作業、製程安全和組織管理的韌性，從而降低事故風險，保障工廠的安全運作

組織管理的部分，戴明是大師與洞見沒被納入，以上内容相對參考價值不高

同樣的問題詢問Resilience 的筆記

Hollnagel 提出了韌性系統的四個關鍵能力：預測（Anticipating）、監測（Monitoring）、應對（Responding）和學習（Learning） [4-6]。以下將分別針對人員作業安全、製程安全和組織管理，論述導入韌性概念的要點：

人員作業安全 (Human Safety)

預測 (Anticipating)：

• 情境感知：操作人員需要具備良好的情境感知能力（Situation Awareness, SA），能夠感知環境中的元素、理解其意義並預測未來的狀態。
• 風險評估：操作人員應能主動預測潛在的危害，並事先規劃控制措施，以避免事故發生。

監測 (Monitoring)：

• 自身狀態：操作人員應隨時注意自身的身心狀態，例如疲勞程度、壓力水平等，並在必要時尋求支援。
• 環境變化：操作人員應密切監測工作環境的變化，包括設備運作狀況、其他人員的行為等，以便及時發現異常情況 。

應對 (Responding)：

• 快速反應：當事故發生時，操作人員應能迅速且有效地採取應對措施，以減輕事故造成的損害 。
• 靈活應變：操作人員應具備靈活應變的能力，能夠根據現場情況調整應對策略，而不是一味地遵循既定的程序 。

學習 (Learning)：

• 經驗回顧：操作人員應定期回顧自身的工作經驗，從中學習成功的經驗和失敗的教訓。
• 知識分享：操作人員應主動與他人分享自己的經驗和知識，以促進團隊整體的學習和成長 。

製程安全 (Process Safety)

預測 (Anticipating)：

• 危害辨識：從傳統和韌性工程的角度出發，全面辨識製程中潛在的危害 。
• 風險評估：評估各種危害發生的可能性和潛在影響，並據此制定相應的風險控制措施。

監測 (Monitoring)：

• 主動指標：監測製程中的各項主動指標，例如安全培訓時數、設備維護頻率等，以評估安全措施的有效性。
• 被動指標：監測製程中的各項被動指標，例如事故發生率、設備故障率等，以評估安全績效 。

應對 (Responding)：

• 應急計畫：制定完善的應急計畫，包括事故通報流程、人員疏散路線、緊急醫療支援等，確保在事故發生時能夠迅速有效地應對 。
• 容錯設計：設計容錯性高的系統，允許一定程度的錯誤發生，並具備自動修正或恢復功能 。

學習 (Learning)：

• 事故調查：從系統的角度調查事故，找出根本原因，而不僅僅是追究個人的責任。
• 根本原因分析：進行根本原因分析 (Root Cause Analysis, RCA)，找出安全漏洞並加以改進 。

組織管理 (Organization Management)

預測 (Anticipating)：

• 高層承諾：高階管理階層應展現對健康安全的高度重視，並將其置於與公司其他目標同等重要的地位。
• 安全文化：建立積極的安全文化，鼓勵員工主動報告安全問題，並提供必要的資源和支持 。

監測 (Monitoring)：

• 內部稽核：定期進行健康安全內部稽核，評估管理系統的有效性，並找出需要改進的地方 。
• 績效監控：監控安全績效指標，包括主動和被動指標，以評估組織的安全表現 。

應對 (Responding)：

• 管理變更：建立變更管理機制，在引進新的技術、流程或組織結構時，評估其對健康安全的影響，並採取相應的措施。
• 危機管理：建立危機管理團隊，負責制定和執行危機應對計畫，確保組織在面臨危機時能夠有效運作 。

學習 (Learning)：

• 管理審查：定期進行管理審查，檢討安全管理系統的有效性，並根據經驗和教訓進行持續改進 。
• 知識管理：建立知識管理系統，收集、整理和分享安全知識，以促進組織整體的學習和成長 。
• 透過在人員作業安全、製程安全和組織管理中導入韌性概念，可以提升系統的適應能力，並在面對不斷變化的環境時，確保安全和生產力。

以上概念觀點呼應4S

4Sight 方法透過四個核心流程來增強組織韌性 [1]：

預見 (Foresight)：預期、預測並為未來做好準備 [2]。

掃描組織必須回應的刺激因素，以便生存和成長 [2]。

系統地探索可能、合理、可行和偏好的未來 [2]。

幫助組織成員在心理上為不確定性和變化做好準備 [2]。

關注組織內部，幫助成員預測並注意到可能發展成重大事件的問題、錯誤和隱憂 [2]。

鼓勵人們注意微弱的信號，並處理迫在眉睫的問題 [2]。

洞察 (Insight)：解釋並回應當前的情況 [2]。

監督 (Oversight)：監控和審查已發生的事情並評估變化 [2]。

後見 (Hindsight)：從經驗中學習正確的教訓 [2]。

這些流程使組織能夠應對並創造破壞和機會 [3]。

4Sight 方法呼應 PDCA (Plan-Do-Check-Act) ：

計畫 (Plan)：定義政策、目標和指標 → 預見 (Foresight)：預期、預測並為未來做好準備

執行 (Do)：在結構化的管理框架內實施計畫 → 洞察 (Insight)：解釋並回應當前的情況=>situational awareness

檢查 (Check)：根據計畫目標測量和監控實際結果 → 監督 (Oversight)：監控和審查已發生的事情並評估變化

行動 (Act)：糾正和改進計畫以達到並超越計畫結果 → 後見 (Hindsight)：從經驗中學習正確的教訓

同樣的問題詢問Resilience Engineering  對頭的Reliability of Systems and Engineering的文章筆記

以下針對人員作業、製程安全和組織管理，分別論述可靠度工程與提升系統可靠度的導入推行要點，並結合事前預測 (Anticipating)、作業監控 (Monitoring)、錯誤應對 (Responding) 和事後學習 (Learning) 四個韌性概念：

人員作業 (Human Safety)

事前預測 (Anticipating)：

• 可靠度規格 (Reliability Specification)：明確定義何謂失效。這包括定義執行的功能、識別失效模式，並確保定義是明確且可觀察的。
• 訓練與認證：提供針對性的訓練，確保人員具備執行任務所需的技能和知識..。訓練應涵蓋潛在風險和應對措施。
• 人因工程 (Human Reliability Analysis)： 執行人為可靠性分析，找出人為錯誤的潛在點，並設計相應的防錯機制。

作業監控 (Monitoring)：

• 程序遵循：嚴格執行標準作業程序 (SOP)，並持續監控人員是否確實遵循。
• 工作環境：確保工作環境符合安全規範，例如照明、通風、噪音等。
• 即時回饋：建立即時回饋機制，讓人員能立即了解其操作是否符合安全標準。

錯誤應對 (Responding)：

• 緊急應變計畫：建立明確且可執行的緊急應變計畫，並定期演練。
• 快速反應：訓練人員在第一時間做出正確的反應，防止事態擴大。
• 資源支援：提供足夠的資源，包括設備、工具和人力，以應對緊急狀況。

事後學習 (Learning)：

• 事故調查：徹底調查每起事故，找出根本原因，並提出改善措施。
• 根本原因分析 (Root Cause Analysis)：使用根本原因分析找出問題的根本原因。
• 經驗分享：建立經驗分享平台，讓所有人員都能從他人的錯誤中學習。
• 文件化：將所有調查結果、改善措施和經驗教訓文件化，以便日後參考。

製程安全 (Process Safety)

事前預測 (Anticipating)：

• 危害分析：進行全面的危害分析 (例如 FMEA、FTA)，識別製程中的潛在風險...。FMEA/CIL是可靠性工程的重要分析
• 安全設計：在設計階段就納入安全考量，例如使用安全係數10，或選擇更安全的材料。
• 製程參數設計：關鍵製程參數的設計。

作業監控 (Monitoring)：

• 參數監控：即時監控製程中的關鍵參數，例如溫度、壓力等，確保在安全範圍內。
• 統計製程管制 (Statistical Process Control)：採用統計製程管制，監控製程的穩定性。
• 異常偵測：建立異常偵測機制，及早發現潛在的問題。

錯誤應對 (Responding)：

• 自動安全系統：設置自動安全系統，例如緊急停車系統 (ESD)，在異常狀況下自動介入。
• 洩漏控制：建立洩漏控制措施，防止有害物質擴散
• 備援系統 (Redundancy)： 設計備援系統，以應對單點失效...。高低階的備援系統可以提升系統可靠度。

事後學習 (Learning)：

• 失效分析：對失效的設備或組件進行失效分析，找出設計或製造上的缺陷4。
• 製程改善：根據分析結果，修改製程或更換設備，以提高安全性16。
• 資料收集： 建立維護資料收集，以供專案管理17。

組織管理 (Organization Management)

事前預測 (Anticipating)：

• 風險評估：定期進行風險評估，識別組織面臨的各種風險，包括人員、設備、流程等。
• 建立安全文化：培養組織內部的安全文化，使安全成為每個人的首要任務。任務成功始於安全。

作業監控 (Monitoring)：

• 安全稽核：定期進行安全稽核，檢查各項安全措施的執行情況。
• 供應商監控：監控供應商的可靠性計劃...。
• 績效指標：設定安全績效指標，追蹤安全績效的變化。

錯誤應對 (Responding)：

• 資源投入：在發生安全問題時，立即投入所需的資源，包括人力、物力和財力。
• 責任追究：明確各級人員的安全責任，對違規行為進行責任追究。

事後學習 (Learning)：

• 知識管理：建立知識管理系統，收集和分享安全相關的資訊。
• 持續改善：將安全改善納入持續改善的循環中，不斷提升安全水準。
• 可靠性成長曲線：從可靠性成長曲線學習。

心得結論

1.以前是學比問重要，學習的目的是為了考試，而考試通常無法考出真正的知識或理解程度(考試不是做學問  https://www.darencademy.com/article/view/id/16127 )

2.現在問比學重要，問的目的是為了應用知識(要用得出來與用得對，而非是考試裝模作樣)=>AI與LLM的危害在於：讓學生假裝有在學習、老師假裝有在教學 (對於問題的定義與需求，發問的人自己要很清楚，而非無病呻吟死隨口問問)

3.AI與LLM會把世界區分成三種人

• 第一種是AI賤民，沉迷在AI創造出來的虛幻中、被操弄而不自知 https://zh.wikipedia.org/zh-tw/%E5%A5%B6%E5%A4%B4%E4%B9%90
• 第二種是AI的使用者，透過AI來增強自己的能力，但能力知識與見識受制於AI
• 第三種是知識的創造者，創造出原始的洞見(美術與藝術)與知識(科學研究)以供AI仿效

-----------------------------------------------------------------------------------------------------------------------------

使用ChatGPT來獲取安全衛生資訊的問題

文章出處：https://www.sciencedirect.com/science/article/pii/S0925753523001868

(以下是NotebookLM摘錄整理的文章結論與建議)

研究結論：

• ChatGPT 在提供安全相關資訊時存在風險：儘管 ChatGPT 具有潛力，但在安全領域的應用上仍存在許多風險和疑慮。其提供的建議可能過於簡化、不精確，甚至具有潛在危害。
• 資訊缺乏批判性：ChatGPT 的內容缺乏對證據衝突和差距的反思，未能警告使用者證據可能存在爭議或虛構。
• 缺乏透明度：ChatGPT 的建議來源不明確，無法引用特定的研究、理論或知識領域來支持其建議。
• 回應內容會因關鍵字和查詢行為而異：ChatGPT 的回應會根據使用者使用的關鍵字略有不同，可能導致不一致的結果。
• 過度強調個人責任：ChatGPT 傾向於強調個人責任，而非系統性和共同責任，可能忽略了環境、社會或政策因素。
• 可能不適用於特定群體或情境：ChatGPT 提供的通用建議可能不適用於某些群體或情境，特別是少數族群或低收入國家。
• 資訊量過大：ChatGPT 平均提供 7.3 個建議，可能讓使用者難以消化或決定哪些建議最重要。
• 可能存在偏見：ChatGPT 的訓練數據可能存在偏見，這些偏見會反映在其輸出的安全建議中。
• 可能誤導使用者：ChatGPT 具有高超的對話能力和類似人類的回應，使用戶難以評估其所接收資訊的可信度，而且可能會產生看似可信但不正確或無意義的回答。
• 缺乏案例特定的建議。即使在需要個性化建議的情況下，ChatGPT 也常常提供通用建議。

研究建議：

• 使用者應謹慎使用 ChatGPT 來獲取安全相關資訊：由於 ChatGPT 的資訊可能不準確或不完整，使用者不應將其視為唯一的資訊來源。
• 應尋求專家來源的建議：使用者在面對安全相關問題時，應諮詢相關領域的專家或查閱可靠的官方來源，以獲得更準確、完整且客觀的資訊。
• 開發者應加強風險管理：決策者和業界應積極管理 ChatGPT 及相關技術的風險，並考慮其潛在的負面影響。
• 開發者應加強安全機制：ChatGPT 的開發者應加強安全機制，例如：提供更透明的資訊來源、明確指出資訊可能存在的爭議或不確定性、以及強調共同責任而非個人責任。
• 教育使用者相關限制：教育機構應建立相關的培訓和規範，讓學生了解 ChatGPT 的限制，並培養批判性思考能力，以避免被誤導。
• 需要更多安全領域研究：許多安全領域的研究似乎不足，以致於語言模型無法提供完整的建議。這表示需要加強安全科學研究，並將研究成果傳播給大眾
• 關注公平性議題：在開發和應用 AI 技術時，應關注公平性、多樣性和包容性，確保 AI 技術不會加劇社會不平等。應以價值敏感設計和共創設計等方法來建構合乎道德且可信賴的.
• 改善資訊呈現方式：未來語言模型應改善資訊呈現方式，例如：對建議進行優先排序、避免資訊過載、以及考量使用者的情境和需求

謎之聲：

1. 別鬧了的費曼先生說：科學最基本的品格就是不能欺騙，而你是最容易被自己欺騙的人。這年頭要自欺欺人，(不但有專業/訓練有素的詐騙集團，還)有超級強大AI與LLM，要不被騙其實難度更高
2. 期刊文章研究發表扯到DEI...(本文作者多達14位，正是力行實踐DEI ! 亦或是某種學術不倫?)
3. 這年頭學生使用各種AI工具(作弊偷懶)，也需要教導(危害告知)他們如何不被AI欺騙吧? (博學，審問，慎思，明辨，狀顯示為八股XD)

-----------------------------------------------------------------------------------------------------------------------------

實證文章- 犧牲永續換取GDP成長

Sacrificing sustainability for a higher GDP growth rate

https://www.sciencedirect.com/science/article/pii/S2950524024000155

 

 研究的結論和建議如下：

• 本研究旨在讓大家瞭解多個主權永續性指標和相關 GDP 成長之間的關係，追求 GDP 成長並不等同於健康的經濟成長。GDP 成長是以犧牲各種永續性為代價來實現的。
•  與GDP(經濟成長)負相關的SDGs：整體 SDG 分數、零飢餓 (SDG 2)、健康與福祉 (SDG 3)、永續城市與社區 (SDG 11)、氣候行動 (SDG 13)、陸地生態 (SDG 15) 
• 與GDP(經濟成長)正相關的SDGs：優質教育 (SDG 4)、性別平等 (SDG 5)、體面工作和經濟成長 (SDG 8)、已開發國家，可再生能源消耗量 (SDG 7)、新興經濟體減少不平等現象 (SDG 10) 
•  檢驗 GDP 成長因素對 SDG 評分的影響時，會出現有趣的模式。例如SDG 評分的提高與老年人口的增加相關，而在已開發經濟體中，SDG 評分的提高與政府支出的增加相關。相反，在這兩類經濟體中，SDG 評分的下降與家庭消費和人口成長的增加一致。在新興經濟體中，出口的增加與 SDG 評分的下降相對應，而在已開發經濟體中，政府支出的增加與 SDG 評分的增加相關。

 

謎之聲：

1.SDGs有17項，各目標彼此之間相互衝突也是合情合理的；永續發展SDG是個衝突矛盾的口號：追求發展勢必做出取捨(=犧牲部份永續目標，什麼都要=什麼都要不到)

2.想起縱斷面研究的顧志耐曲線( Kuznets curve)，現實沒有那麼樂觀與理想，只能說不同國家在不同發展階段有不同的問題與取捨，家家有本難念的經，每個國家都有各自的永續發展特徵(pattern and context)與問題瓶頸

3.多元融合DEI其實不過兩個構念(pseudo-construct) :"多元(diversity)" & "融合(equity and inclusion)"是個衝突矛盾的口號：當價值觀越多元時，組織與成員之間越難融合(可以相互尊重、包容與容忍已經可以偷笑)

4.如果不願意面對衝突與困難，SDGs, DEI都可謂只是自欺欺人的標語口號，如同大門漆有安全第一的工廠發生事故災難

5.現在想想，很多看似理所當然大義凜然的研究問題(e.g., 消除貧窮、預防事故、永續發展)，其實是很恐怖的陷阱=>因為問題複雜無解+各說各話，會讓當事人沉迷不可自拔(然後錯置心力與虛耗青春，解決能解決的問題才能名利雙收)