講者：侯宜秀｜台灣人工智慧學校基金會秘書長；數位部人權小組委員；青平台永續民主治理中心諮詢委員；g0v 公民科技社群貢獻者
人工智慧發展和應用中，如何堅持「以人為本」的原則，保障基本人權
個人如何培養自身的能力，應對當代的巨變與挑戰；作為群體的一員，如何參與共創出適合社會需求的人工智慧發展與治理路徑
我是台灣人工智慧學校基金會的秘書長侯宜秀，同時也是一名律師。有一個重要的事情是，我是g0v的社群貢獻者。我們在g0v的社群，開始了一個新的學校的計畫，叫做零時小學校。台灣人工智慧學校是一個全由台灣民間企業贊助的基金會組織，它在2017年開始提供台灣的產業工程師還有經理人人工智慧的教育。所以我們非常開心，這是一個協助台灣社會去降低人工智慧將帶來的社會衝擊的一個計畫。
這個計畫的重點在於，並不是提供年輕人AI相關的技能，而是針對已經在職場裡面工作的這些人員，能夠協助他們能夠很快的轉型。所以我們到目前為止，有超過一萬一千名的學員校友，然後來自台灣兩千一百五十一家公司。我們的學員的平均年齡是超過四十歲，在我們的這個校友當中，年紀最長的，當他來上學校的時候，他已經超過七十歲了，是新竹科學園區的一家上市公司的董事長。你可以看到，這是一個非常的社會學習的一個嘗試。
我今天要講的是，人工智慧究竟對人類來說，或對我們的社會來說是什麼樣子的意義呢？這邊沒有辦法講太多，但是我想強調一點，人工智慧它是一個General Purpose Technology，通用型的技術。什麼叫做通用型的技術呢？通用型的技術就是，它會對社會各個層面所有的產業都產生影響。過去曾經發生的通用型技術，包括從第一次工業革命，1970年從動物力變成機械力，1870年電，大家開始用電，然後1990年大家開始用電腦。那第四次工業革命其實就是會由AI還有IoT這些科技來主導。所以我們未來所面對的，其實是一個工業革命等級的改變。
在這樣的改變裡面，會有各式各樣不同的衝擊。會有哪些衝擊呢？比如說，AI是不是用來當武器？那AI對碳排的影響是什麼呢？當然AI非常好用，GPT可以很快的解答你很多問題，但是它在訓練還有在推論的時候，都需要大量的運算，運算造成了很多的碳排。我們稍微計算了一下，據說訓練一次GPT需要的這個訓練一次LAMAS需要的碳排放量，大概是從台北飛到維也納8000T的這個數字。再來就是AI對多元文化有非常大的影響，比如說現在這些大型語言模型都是用西方白文的資料為主，英文的資料佔了90%以上。那這樣的狀況底下，像台灣繁體中文這樣的小語種，甚至韓國日本，韓文日文這樣的小語種，其實很容易就會在大型語言模型的世界裡面消失。那我們要怎麼去維護我們的文化，還有保持這個人類文化的多元性？
另外，我今天想特別提到的是AI對勞動市場的衝擊，就是它究竟會怎麼樣取代我們的工作，或是它會增能人類去做不一樣的工作呢？那我接下來想要給三個故事。
我在Google的這個Search Engine這個框框裡面，打了「被A」以後，我就發現我已經被Search Engine的演算法所完全掌握。那它直接導出來就是被AI取代的工作。因為我本業是個律師，所以常常被議論到說你律師會不會被AI取代。因為律師一直都是在被AI取代的大概前五名啦。那我的回答通常就是，如果客戶還需要我的簽名的時候，我大概就不會被取代。因為AI到目前為止，它還沒有辦法幫人類簽名。簽名的意思其實就是被賦予責任的意思，所以實際上必須要負責任的是人類而不是AI。
那我其實想問問大家，從GPT大概是問世以來，也許是大家對AI比較勇敢的開始。那大家知道什麼工作先消失了嗎？有沒有人知道什麼工作先消失了？我所看到第一個真正團滅的工作，大概是去年四月的時候有一篇報導，在右邊這個圖呢，其實是淘寶上面的模特兒的圖。淘寶上面有很多賣衣服的店家，那過去他們需要花很多的力氣去照這些衣服的相片。
所以呢，在中國有一個產業叫做淘寶的模特兒和攝影師，他們的工作就是去產出這些賣家需要的服飾的圖片。那這個Stephen Diffusion Mid Journey 這些生成式AI繪體工具出現之後呢，很容易就可以一鍵生成數十張不一樣的服飾的照片，所以淘寶的模特兒跟攝影師就團滅消失了，工作就消失了。那過去在中國的這個視頻網站上Bilibili上有很多教大家去怎麼拍這些照片的這個作者，那現在也都被教大家怎麼用生成式AI去生圖而取代。
但是左邊這一張呢，是Vogue雜誌上這一張是用這個AI生成的一個封面，但是Vogue後來也沒有再用就是生成式AI去產出封面，而是持續用真人模特兒。那為什麼兩種模特兒的這個境遇不同呢？我覺得值得大家想一想。這是第一件故事。
那第二個故事是關於這個Radiology就是放射科醫師的故事。放射科醫師呢，這個大家認識這幾位，都是對AI有所涉獵的科學家和創業者。那他們都說過一句話，就2018年的時候他們說這個沒有一件放射科醫師可以做的事，是AI不能是電腦不能做的。因為這一波的AI其實在最早開始就是從影像辨識開始，那它在這個X光片的影像辨識上其實發展非常迅速。
但如果是照這樣講的話，2018年開始其實就一直有這個說法和報導說放射科醫師要失業了。但是非常有趣的是，在去年出現一個統計，就是2019年到2022年，放射科醫師的工作其實並沒有消失，反而越來越多。為什麼呢？不是應該沒有了嗎？為什麼放射科醫師並沒有被電腦取代，反而需要的這個放射科醫師的人數是更多的？那剛剛講的這個大家可以想一下，究竟為什麼呢？
另外一個非常有趣的這個事情是這個，我們一直在說人文會被AI取代。但不久前這個麥當勞他們暫停了，他們這個就是AI的這個服務，就是他們本來有一個一個IBM的合作計畫，用AI來取代他們的這個免攤系統。結果呢因為一直出錯，然後他們就暫停了服務。那這是一個AI被人類取代的一個案例。
那回過頭來為什麼會有三個這樣子不同的這個案例呢？我想特別比較一下放射科醫師跟淘寶模特兒。我的看法是這樣，因為淘寶模特兒他的工作其實產出是非常單一的。他並沒有很複雜的流程。但是對放射科醫師來說，他的工作職能裡面，看片子只是其中一下。他還有許多其他必須要做的事，比如說他必須要跟病人溝通，比如說他必須要跟其他的醫師做溝通，比如說他必須要去做其他的案例的檢索。那另外有一位這個我的醫師朋友告訴我說，放射科醫師其實現在工作的範圍，相較以前更多了。他們甚至去做了本來是其他特別醫師在做的事。
那這就讓我想到了這個會計師的工作，那個電腦剛出來的時候，也有人說會計師的工作要消失了。但是實際上你可以看到現在會計師事務所，他們已經不是只看帳，他們計算檢查帳目，而是他們做各式各樣不同的auditing的這些業務。所以究竟業務會不會消失呢？其實必須要從更大的角度來看。那在去年六月的時候，在NetMagazine公司出了一份報告，他說生存式AI每年可以為63個使用案例增加相當於2.6兆到4.4兆美元的價值。那主要會來自於客戶服務、行銷、軟體工程還有研發。
那這些服務呢，實際上我們去看，今年初又有另外一篇報告，他們去調查了一個線上的這個outsourcing的平台，去調查說究竟哪些工作被取代了。那這篇調查的這個結果發現呢，生存工具、AI工具的導入，會導致自動化易受影響的工作，比如說寫作還有編寫簡單的程式。那它減少了21%。那相較之下手工逆行工作的，減少的職缺比較少。
所以明顯的，AI對於設計重複性任務的工作影響比較大。對寫作、圖形設計工作的影響也比較大。但是最後一點很重要的是，競爭加劇它工作環境的增加。所以越複雜的工作其實越不會被取代，甚至你可以被AI所覆蒙。比如說我們過去可能要查，需要僱用這個法務助理才能夠查到某些案例。但是現在也許利用生成式AI的工具，我們很快就可以查到一些案例。
那我想特別提的是，主持人說到的所謂手工逆執行工作，是哪一邊？它是數據區域，儀館圖案、影像圖履這些，屬於手工逆執行。那這個地方需要特別提醒大家注意的是，因為這一篇的研究報告，它是調查的時間是在去年，在2023年的7月4日。但是今年不久前，這個TWOGPK出了這個For All的版本，它是一個多模態，就是說這個AI它可以讀，它可以聽，它可以說。那所以其實如果是明年的報告，也許我們會看到關於聲音，關於影片，然後關於Data的輸入這些，也許也都會被AI所處理。
我的觀察是這樣子，就是未來會是單一任務工作消失，多種任務組合的工作繼續連存下來。所以每個人都會需要更多的不同的技能的組合。那數據放得越高，AI滲透得會越快。所以你會面對的工作型態轉變會越快。我們現在看到，如果你的職場不太熱門AI的話，其實你並不覺得有什麼太大的影響。那全世界哪裡受到影響最大呢？我想是矽谷的工程師，他們的失業是實際上正在不停的發生之中的。那另外，複雜能夠凸顯核心專業的服務才能夠取得報酬。未來AI終將帶來流程還有組織上的重整。所以在未來5到10年之間，每個人的這個適應能力都是要提高的。
我覺得老實說，那簡單一句話講就是，低的組織會被AI用，會被徹底用AI摘走。沒有什麼簡單的，就是從日系的可以去一次提供，比如說非能重複的這些簡單的合約。我想客戶就可以直接用AI生存，然後再來讓你看，那你能生存的備用就會變少。我覺得應該只是體驗完，但是是不是這樣子，我們的核心領域知識就不一樣了呢？就不重要了呢？是不是這樣子？所以所有人都應該去學AI，而不要再專注於我們的核心領域知識，就是原來我們所學的，比如說法律，比如說文學，比如說歷史。我想應該不是或是貴族，因為AI這個有辦法就好了，那貴族就不用學了嗎？但是我們發現一件事就是，如果你的核心領域知識，你沒有這個核心領域知識的話，其實AI可以協助你的機會其實是程度是比較少的。
怎麼說呢？這一張圖呢，很醜的圖是我用AI畫的，我用Visual。那因為我就是一個不會畫圖的人。那我請我同樣做設計的朋友，畫了這個用低的果實，客戶用AI摘水。因為這個在半小時內呢，給了我大概30張圖，然後每一張都非常的精美，跟我就是一整個不同層次的結果。
那就是非常明顯的，我的理論是這樣，N乘以X。N是你的核心領域知識，X是AI可以增容的倍數。如果你的核心領域知識是0的話，其實AI能夠協助你的相當的少。所以我在所有的場合，我都鼓勵我們的學生，我們還是必須要從你的核心領域知識出發，深入去學習，甚至AI能夠協助你學得更深入。
未來，大家會需要很多跨領域的能力，協調工作的能力，然後建立核心專業知識的能力。所以也許N乘以X還有T，這是兩個未來你需要增強的這個學習的這個努力的方向。那因為跟TreeTreeT還有這些AI協作呢，其實最重要的是你要問對問題。如果沒有辦法問對問題的話，其實AI就不會給你好的答案。
過去如果你要叫機器做事的話，你只能夠會寫程式。不會寫程式的人，沒有辦法叫機器工作。所謂程式語言就是跟機器溝通的語言。AI的特點在於什麼呢？AI的特點在於我們可以用我們人類的自然語言來跟機器溝通。但是機器現在還沒有那麼聰明到像我們的朋友這麼聰明，你要學會跟這個AI溝通呢，其實你還是要有一定的邏輯和會問對的問題。
我常常覺得我跟AI講話講久了，很像跟我先生講話，為什麼呢？因為我先生是一個工程師，他的講話的邏輯就是非常機器的邏輯。我一直講常常講一個笑話是呢，如果我叫我先生去買十個包子，然後告訴他說請幫我買十個包子，如果在路上看到賣西瓜的買一個，他就會買一個包子回來。大家有聽懂嗎？如果我告訴他請買十個包子，在路上看到賣西瓜的請買一個，他就會買一個包子回來。因為我給的指示是錯誤的。正確的邏輯是，正確的指示是什麼呢？正確邏輯是請幫我買十個包子，如果在路上看到賣西瓜的，請幫我買十個包子還有一個西瓜回來。
我覺得未來一萬小時的學習定律還是非常重要的。我們會開始很容易進入某個領域，但是隨著AI的增能，每個領域的天花板會變得越來越高，然後甚至在職場上，客戶願意付錢或是說你老闆願意付錢的門檻也會變高。
但同時每個人都可以想辦法，去尋找更超越的自己。
Comentários