台灣特濕拉協會

  本文透過政策分析與社會學視角，探討定點茶取締後的風險轉移機制，並提出避免「越打越危險」的治理策略。   一、問題背景：從可見場域到不可見網絡   在許多城市中，定點茶長期存在於特定區域或空間，形成某種程度的「半可見」狀態。這種狀態雖然伴隨污名與風險，但也使得行政單位、非營利組織與醫療資源能夠在一定程度上接觸到相關從業者。   然而，當政策選擇以高壓手段全面取締定點茶時，結果往往不是消失，而是轉移。原本在定點茶場域中運作的網絡，開始碎片化，透過通訊軟體、私密社群、臨時據點等方式重組。這使得定點茶從一種空間性活動，轉變為一種流動性的網絡結構。   在這樣的轉變中，定點茶不再是政策可以直接觀察與介入的對象，而成為隱匿於數位與人際關係中的動態系統。   二、「風險外包」的概念與運作機制   所謂「風險外包」，指的是原本集中於特定場域的風險，被轉移至更分散、更難監管的節點。在定點茶被取締後，這種風險外包主要表現在以下幾個層面：   （一）空間風險的分散   原本在定點茶場域中，活動集中於固定地點，使得某些基本安全措施（如監控、熟人網絡）仍然存在。但在轉向隱蔽模式後，交易地點變為隨機、短期、甚至是臨時租用空間，風險顯著提高。   （二）責任的模糊化   在定點茶場域中，經營者與中介角色相對明確。然而，在隱蔽網絡中，中介可能分散為多個節點：介紹人、訊息轉發者、平台管理員等。這使得責任難以追溯，也降低了對不當行為的約束力。   （三）資訊不對稱的加劇   定點茶場域中，從業者之間可能透過口耳相傳建立某種「黑名單」或警示系統。但在分散化後，資訊流通變得不穩定，新進者更容易陷入高風險情境。   （四）保護資源的斷裂   原本在定點茶場域中可以接觸到的健康教育、法律諮詢與社會支持，在隱蔽化後難以觸及，形成「看不見就無法服務」的困境。   三、越打越危險：政策失靈的結構性原因 （一）需求未被處理   單純取締定點茶，並未處理市場需求與經濟壓力。需求仍在，供給便會以其他形式出現。這使得定點茶從...

  一、問題背景：當安全資訊被誤判為風險內容   隨著平台治理逐步導入人工智慧技術，許多社群空間開始仰賴 AI 進行大規模內容審查。在這樣的趨勢下，涉及成人服務、灰色經濟或地下網絡的資訊往往被歸類為「高風險內容」，而遭到刪除或封禁。然而，在定點茶相關的線上社群中，許多資訊並非單純的交易訊息，而是攸關人身安全、風險警示與緊急求助的關鍵資料。當這些資訊因 AI 誤判而被移除時，實際上可能對定點茶從業者造成更高的風險。   定點茶社群往往承擔著非正式安全網絡的功能，例如分享黑名單、警示危險客人、通報警方動向、或提供即時求助資訊。這些資訊在傳統治理框架中不易被理解，卻在實務上具有高度重要性。當 AI 系統僅以關鍵字、語意模型或風險標籤進行判斷時，很容易將這些內容誤認為違規，導致整個定點茶社群的安全機制被削弱。   因此，如何在 AI 內容審查制度中設計「例外機制」，使定點茶相關的安全資訊得以保留，同時又不放任非法內容擴散，成為當前平台治理的重要課題。   二、 AI 內容審查的結構性限制   在理解例外機制之前，必須先分析 AI 審查為何會誤刪定點茶相關資訊。主要原因可歸納為以下幾點：   （一）語意模糊與語境缺失   AI 通常依賴語言模型進行判斷，但定點茶社群中常使用隱語、代碼與特殊語境。例如同樣提及某些關鍵字，可能同時代表交易、警告或求助。 AI 若缺乏語境理解能力，便容易將所有相關內容一概視為違規。   （二）風險導向偏誤   多數平台的 AI 審查採取「寧可誤殺也不放過」的策略，這使得定點茶社群中的資訊更容易被全面掃蕩。這種風險偏誤忽略了定點茶工作者的安全需求。   （三）資料訓練偏差   AI 模型的訓練資料往往將定點茶相關內容與犯罪、剝削等高度關聯，導致模型在分類時產生系統性偏誤，無法區分不同類型的內容。   （四）缺乏創傷知情設計   現行 AI 審查系統很少考慮使用者可能處於高風險或弱勢狀態。對於定點茶從業者而言，許多訊息是基於生存與安全需求，而非單純的商業行為。   三、例外設計的必要性：從「禁止」...