《我們與惡》為何有酸民、媒體角色？幕後資策會大數據團隊的工作揭密！
https://technews.tw/2019/06/24/the-world-between-us/
由公視製播、探討無差別殺人事件的影集《我們與惡的距離》，自上映後成為網路熱門話
題，收視率隨著劇情的開展節節攀升，完結篇創下 3.4 的高收視率。這部戲能成功，金
鐘編劇呂蒔媛功不可沒，無論是不同故事主線穿插交織、劇中人物對社會事件的辯證論述
，還是一波未平一波又起的衝突場面，在在都牽動著觀眾的情緒，也喚起台灣社會對五年
前鄭捷事件的集體焦慮與傷痛回憶。
《我們與惡》是一部治癒人心的戲劇，但鮮少人知道這部神劇還有一位幕後功臣——資策
會數位服務創新研究所（簡稱服創所）。服創所由副主任徐毓良與其團隊，以大數據分析
為《我們與惡》的前期劇本開發奠定良好基礎，拓展整部戲的深度與廣度。而擅長數據溝
通的分析師又如何跟金鐘編劇合作，才能碰撞出台灣史上首部擁有「數據力劇情」的佳作
？
「目前我們所熟知的機器學習與演算法有其僵固性，以致未必能夠貼近人們的真實情感，
因為人的決策很複雜」資策會執行長卓政宏對大數據能在藝文領域發光發熱頗有感觸：「
但即便如此，在科技急速發展下，未來的一切都有可能發生，關鍵是要先能明確定義需求
，才能產出真正有用的資訊！」
回到劇本上，一部劇要成功需具備三元素，衝突、觀點、立場，三者缺一不可。好的編劇
就是能將這三個元素巧妙安排在各橋段中。戲裡面有一幕是法扶律師王赦拜訪網路先驅報
創辦人劉昭國，王赦希望借助媒體的力量，一起找出李曉明會犯下如此重刑的原因。僅就
這一幕，雙方一來一回的對話中，就點出了戲裡錯綜複雜的人物關係，也呈現出各個角色
因立場分歧，對同件事情所持有的不同觀點與引發的衝突。
找出衝突、觀點、立場，幫助編劇在「無差別殺人事件」這個主題上進行框架設計與資料
探索，就是 2016 年服創所與公視開始為期五個月的大數據劇本實驗時，編劇與製作人所
出的第一道功課。
資料探索，挖出事件、人物、議題
徐毓良在接到這項任務時，先利用編劇所提供的 5~10 個關鍵字，從社群網路爬梳大量文
章，並藉由自然語言處理（語意分析）清洗資料，篩選出新的關鍵字，再重複以上爬梳、
清洗、刪選等步驟，直到留下真正相關的資料為止。「使用的演算法不難，但整個過程非
常繁瑣，因為抓下來的文章並沒有統一的規範格式與標籤，需要經由人工與程式反覆地處
理」，徐毓良坦言。
篩選後的資料再給定標籤，分別歸屬於事件、人物、議題。事件的選定較簡單，只選擇與
無差別殺人有關的事件，而人物與議題的標定則較為困難，必須參考相關的研究資料與主
觀經驗判斷，且因為無法用程式精準地判別，還需加上人力輔助。
最終徐毓良從一年份的資料中找出 16 個事件，篩選出 40 個分屬四大類的關鍵人物，這
四大類分別是加害人、被害人、專業人士、其他人物，其中加害人的描述是毒品前科犯、
精障患者、預謀隨機殺人犯，後兩者也是編劇選用的角色。
在議題上則濃縮到 10 個，並從中整理出 200 個關鍵字。以「審判過程」這個議題為例
，在建立標籤架構後，除了從文字雲、Facebook、PTT 等熱門文章進行分析外，也從不同
人物立場觀點，針對有被留言與分享的文章進行分析，如此一來才能反應真實的討論聲音
。透過文章分析，就能找到審判過程中會出現的角色與觀點，像是加害者想要逃避死刑、
檢察官認為犯人沒有悔意、法官說精障不能判死等。
這樣的過程能幫助編劇找出隱藏訊息與專業術語。例如徐毓良從資料探勘中挖掘出以下文
字，
「如果判死刑就是順應民意，民意只聽它想聽的、看它想看的，但民意真的是對的嗎？」
這段話出自小燈泡事件發生後嫌犯的辯護律師引用的日劇經典台詞；而在《我們與惡》中
，法扶律師王赦也曾用類似的話為死刑進行辯證。
從關鍵字孵出劇情對話
《我們與惡》這部戲令人耳目一新的是劇中出現許多有意思的關鍵字，徐毓良表示這些關
鍵字能幫助編劇從中孵出劇情對話，更能支撐每個角色所需的觀點，因此當他給出 200
個關鍵字時，編劇馬上眼睛為之一亮，非常興奮。
這些關鍵字包含：社會安全網、思覺失調症、教化可能、挪威、矯正署、聯合國兩公約等
。「當分析結果出來時，尚未進入劇本編寫過程，人物設定都還在初期階段」，但兩年後
當《我們與惡》開播時，徐毓良驚喜地發現這些關鍵字出現在許多對話中。
例如劇中身為受害者家屬也是媒體高層的宋喬安，就以
「挪威的社會福利這麼好，還不是出了隨機殺人犯。我們的社會安全網，我們的教育體制
，永遠控制不了那些加害者」
這段話，控訴對兒子遇害的無力感。
從資料找出衝突角色
《我們與惡》這部戲的張力十足，媒體在劇中所扮演的角色可說至為關鍵。徐毓良在分
析數據時，發現許多衝突點都來自媒體，因此在他與編劇的會議時，湯昇榮製作人就建議
納入媒體觀點立場進行分析，後續也加大了分析的程度。
「可能編劇那時候就有這樣的想法，但或許我們的建議讓他們加重了戲份」，對於這部分
的貢獻，徐毓良並不邀功，然而從許多觀眾的迴響來看，媒體這條支線的表現非常真實且
細膩，確實突破了台劇過去的套路。
除此之外，編劇也希望對一些議題能更深入了解，像是酸民現象。因此徐毓良利用爬蟲將
社群上的討論聲音抓下來分，並與新聞風向交叉比對分析，篩出一些討論的文字，酸民也
意外成為這部戲的亮點。
大數據在影劇產業的應用
「台灣劇本能成功多是因為天才編劇，但天才畢竟少見，美國近年也鬧劇本荒，好的劇本
不多見，但為什麼還能屢有不錯的戲？這是因為美國對編劇的訓練已經有一套完整系統與
脈絡」。徐毓良表示台灣在編劇的訓練上較欠缺這一塊，未來若能有好的劇本引導開發工
具也許能幫助編劇建立基礎脈絡，再輔以這次以大數據分析的方式，建立知識圖譜、帶出
觀點、建立相關人物脈絡、發現潛在劇情、探索專業議題，「也就是讓新手編劇能快速找
到多元與衝突觀點。」
資策會執行長卓政宏強調，「雖然大數據、人工智慧看似無所不能，但人的需求才是推動
整個社會前進的動力」。《我們與惡》這部戲為影視產業帶來新氣象，但如果當初合作時
編劇沒有說出需求、雙方沒有那麼密切的互動，服創所空有資料也無法生出這些內容，而
編劇也將錯失可以發展的好點子。服創所提供的數據分析結果，不僅為編劇帶出新的思考
角度，也讓劇情更具厚實度，達成製作人對這齣戲的期望「做一齣能夠讓大家討論的戲」
。