有樣東西是任何公司都不會免費贈送的：數據。圖／freepik
人工智慧的未來
價值就在數據中
由於主要的雲端服務供應商在價格與技術能力上競爭，使用人工智慧的硬體和軟體的成本似乎一定會下降。與此同時，科技巨頭正在努力整合業界前瞻性研究人員所開發的最新成果，透過雲端提供的人工智慧服務也將會不斷地升級。隨著這些發展，即使是最先進的人工智慧技術也變得越來越商品化，除了雲端運算的客戶付費代管數據以外，其他的人工智慧技術將幾乎可以免費使用。事實上，這個跡象已經出現了。Google、Meta 與百度等公司都以開源的形式發布了各自的深度學習軟體，換句話說，這些公司將深度學習軟體免費贈送給我們。各大組織，像是DeepMind 與OpenAI 所進行的最先進研究也是如此，這兩家公司都在領先的科學期刊上公開發表，讓所有人都能看到他們各自的深度學習系統的詳細資訊。
但是，有樣東西是任何公司都不會免費贈送的：數據。這代表人工智慧科技與其所吞噬的龐大數據之間的強大協力作用，將無法避免地向一個地方傾斜。幾乎所有因此產生的價值都將落入擁有數據的人手中。這個現實被普遍認可，且往往導致大家假設科技巨頭將完全主宰任何和大數據或人工智慧有關的領域。不過，這忽略了一個事實，那就是數據的所有權明顯會因為不同產業和經濟領域而垂直化。當然，像Google、Meta與亞馬遜等公司確實控制著難以想像的珍貴數據，但這些數據通常僅限於網路搜尋、社群媒體和網路購物交易等領域，在這些領域競爭的老牌公司或許可以維持主導地位，但也有更多完全不同類型的數據會存在整個經濟和社會中，受到政府、組織與其他領域的企業所控制。
大家常說數據就是新石油，如果我們接受這個比喻，那麼可以依此類推說這些科技公司在很多方面都將扮演著類似跨國油田服務公司哈利伯頓（Halliburton）的角色，提供科技與從資源中提煉價值所需的專業知識。當然，科技巨頭自己也掌握著龐大的數據儲存量，但是這個不斷擴大的全球數據資源中，最大量的數據仍然掌握在科技巨頭以外的他人手中。舉例來說，健康保險公司、醫療體系、政府管理的國民健保服務等企業與組織皆掌控著擁有巨大價值的數據。可以肯定的是，他們會採用大型科技公司所開發的最新人工智慧技術，這些人工智慧技術將透過雲端提供，但他們在很大程度上將會把從數據中提煉出的價值保留在自己手中；其他像是金融交易、旅行相關的預訂與網路評論、消費者在實體零售店內的流動動向所產生的大量數據，以及在交通工具與工業機械中所裝設的無數感測器所產生的工作數據，也都是如此。在每一種情境中，無所不在的機器智慧作為新的公共資源，將被經濟體中不同的單位所應用，以處理這些單位所擁有的特定種類數據。
這所包含的一項重要意義，是人工智慧應用所產生的大部分價值，將由科技領域內最明顯的競爭者以外的單位所獲得。利用人工智慧所獲得的利基將會廣泛地分散在不同單位手中。電力的比喻在這裡也能派上用場。電力為誰帶來最大的價值？是電力公司嗎？還是核電產業？都不是，答案是像Google 與Meta 這樣消耗大量電力，並且找到方法將電力這種無所不在的商品轉化為巨大價值的公司。當然，這個比喻並不完美，而且毫無疑問地，那些身處人工智慧創新的前線並提供這項不斷進步的資源的公司，將掌握巨大的價值和力量，但是透過人工智慧應用所產生的利基卻很有可能會在其他地方累積，尤其是當人工智慧逐漸變為一種商品化的實用工具時更是如此。
雖然人工智慧創造的價值將會分散在不同的經濟區塊中，但在特定產業內情況可能正好相反。在「將人工智慧運用到商業模式中」這個方面位居前沿的公司，很可能擁有巨大的先行者優勢。由於握有極具效率的大數據與人工智慧策略的公司將獲得顯著的競爭優勢，這很可能導致贏家通吃的情況。數據對於有效應用人工智慧扮演著極為關鍵的角色，因此邁向人工智慧策略的第一步，幾乎一定是成功的數據策略。這代表企業與組織必須聚焦於建立有效的數據收集與管理系統，以此作為部署人工智慧的前奏。在某些情況下，這也包括需要處理重要的道德問題，例如和員工與消費者有關的隱私問題。那些行動不夠積極的企業組織很可能會被拋在後頭。我們正在迅速邁向這個現實：任何將人工智慧的大好機會拱手讓給他人的企業、政府或組織，都是在犯下非常嚴重的失誤，我們可以合理地將之比喻成斷開與電網的連結。
＊＊＊
隨著人工智慧發展成為一種真正通用的工具並滲透到每個企業、組織和家庭，人工智慧一定會改變我們的經濟和社會。這是一個會在幾年與幾十年內上演的故事，而其所帶來的衝擊將不會是一致的。在某些領域，人工智慧可能會在幾年內發生改變，在其他領域則需要更長的時間。在下一章，我們將著眼於人工智慧作為一種系統性科技的實際層面，試著分辨媒體炒作與現實狀況，並深入探討這種快速發展的科技與澈底顛覆我們生活的大流行病之間的交集。
（本文摘自馬丁．福特著《AI無所不在的未來：當人工智慧成為電力般的存在，人類如何控管風險、發展應用與保住工作？》
博客來-AI無所不在的未來：當人工智慧成為電力般的存在，人類如何控管風險、發展應用與保住工作？
內容簡介
金融時報／麥肯錫最佳商業書《被科技威脅的未來》作者重磅力作
當任何人都能輕易使用AI，生活究竟會有什麼不同？
擺脫炒作與誇大，重新認識AI的第一本書！
★亞馬遜4.5星好評．Goodreads 4.2星好評★
不用等到2030年，AI早已在顛覆各大產業。AI也許無法取代人類，但將變成不可或缺的通用技術。面對這一波浪潮，你一定要知道AI到底有多重要。
AI已存在數十年，為什麼現在必須更認真看待？
只要有智慧型手機，我們口袋裡就有AI，臉部辨識解鎖、召喚語音助理幫忙、觀看平台推薦影音，人類生活早已與它密不可分。但是，真正的革命才要展開。
現在，無論是製作漢堡、開發新藥、診斷疾病，AI都能辦到。很快地，它將和電力一樣無所不在，也不可或缺，所有人、甚至所有產業都能輕鬆活用這項技術。為此，各國巨頭企業與政府正紛紛投入研發以搶占優勢與商機。
再度成為關注焦點的AI，這次會帶來不同的熱潮嗎？透過多年來的研究、觀察、與眾多專家對話，作者帶我們用更全面的角度去看待這項技術，並且解答最重要的問題：
● 影響力將和電力有得比？為什麼？
● 究竟會不會擁有人類心智？
● 實際的發展程度與應用範圍？
● 帶來的好處與風險？如何超前部署與克服？
● 真的會顛覆所有產業，讓大多數人沒工作嗎？
作者介紹
作者簡介
馬丁．福特（Martin Ford）
他是傑出的未來學家、《紐約時報》暢銷書作者，以及人工智慧與機器人技術及其對就業市場、經濟和社會的潛在影響方面的領先專家。擁有密歇根大學安娜堡分校的電機工程學位和加州大學洛杉磯分校安德森管理學院的商業研究生學位。
他也是矽谷一家軟體開發公司的創辦人，在電腦設計和軟體開發領域擁有逾25 年經驗。他針對人工智慧對社會影響所做的TED演講已被觀看超過300萬次。
著有《被科技威脅的未來》（Rise of the Robots），該書榮獲2015金融時報／麥肯錫年度商業圖書獎，並被翻譯成 20 多種語言。此外，他也曾為《紐約時報》、《大西洋》和《華盛頓郵報》等媒體撰稿。
現居加州的桑尼維爾。
Twitter：@MFordFuture
網站／部落格：mfordfuture.com/about/
譯者簡介
曾琳之
畢業於國立交通大學外國語言與文學系、英國斯特拉斯克萊德大學（University of Strathclyde）行銷研究所。
譯有《好企劃一頁剛剛好》、《不踩雷投資法》、《開始Podcast》等書籍。
目錄
第一章 顛覆即將到來
第二章 人工智慧是新電力
第三章 媒體炒作之外：一位現實主義者對人工智慧作為通用資源的看法
第四章 追求「打造智慧機器」
第五章 深度學習與人工智慧的未來
第六章 消失的工作與人工智慧造成的經濟衝擊
第七章 中國與人工智慧監控政府的興起
第八章 人工智慧的風險
結論 人工智慧的兩種未來
致謝
注解
內容連載
第二章 人工智慧是新電力
電力，曾經是只有娛樂人群的雜耍與實驗才需要的能量，卻無庸置疑地塑造並促成了現代文明。身處在一個任何地方都可以連上輸電網的世界，我們總是將此視為理所當然，但是，我們很容易就忘了電力攀爬到主導地位的過程，是多麼地漫長且艱鉅。
從班傑明．富蘭克林（Benjamin Franklin）在1752 年著名的風箏實驗開始，過了整整127 年後，湯瑪斯．愛迪生（Thomas Edison）的白熾燈泡才終於成功。從那時起，事情的進展才變快。同年在英國，利物浦電燈法案（Liverpool Electric Lighting Act）為英國的第一個由電力點亮的路燈奠定基礎，僅僅三年後，紐約市的珍珠街發電站（Pearl Street Power Plant）與倫敦的愛迪生電燈站（Edison Electric Light Station）都開始營運。儘管如此，到1925 年時，美國只有大約一半的家庭可以使用電力。1936 年，富蘭克林．羅斯福（Franklin Roosevelt）的農村電氣化法案（Rural Electrification Act）通過。又過了幾十年，電力才逐漸發展成為今日我們所知的、無所不在的公用事業。
對於我們這些生活在已開發世界的人來說，幾乎沒有什麼事情不是以某種方式受到電力影響，或是實際上因為接電才得以實現的。電力可能是我們的通用技術（general purpose technology）中最好的例子，當然也是我們使用最久的一種通用技術。通用技術指的是某種跨越經濟體與社會，並在各個方面都改變了經濟與社會的創新。其他的通用技術還包括帶來工業革命的蒸汽動力，但是蒸汽動力現在只剩下很少的使用範圍，例如核電站等。內燃機無疑是帶來改變的發明，但是我們現在很容易就可以想像汽油和柴油引擎幾乎完全被取代的未來──它們很可能被電動馬達所取代。由於那些反烏托邦的災難情境並未發生，我們幾乎難以想像沒有電力的未來。
因此，認為人工智慧將發展成為一種規模和影響力可以和電力相提並論的通用技術，是一項非常大膽的主張。儘管如此，我們仍有充分的理由相信，這就是我們正在走的路：人工智慧就像電力一樣，最終將會影響並改變幾乎所有的事物。
人工智慧的觸手已經伸到經濟的各個領域中，包括農業、製造業、醫療保健、金融、零售與所有其他的產業。這項科技也開始侵入我們原本認為最人性化的那些領域。使用人工智慧的聊天機器人，已經可以全天提供心理健康諮詢服務。深度學習技術正在創造出新形態的平面藝術與音樂。這些都不應該讓我們真正感到驚訝。畢竟，幾乎所有人類所創造的價值，都是源於我們智力的產物，這是我們學習、創新與發揮創造力的能力。隨著人工智慧的擴展、強化或是取代了我們原本的智慧，人工智慧不可避免地將演變成我們最強大和最被廣泛使用的科技。事實上，在我們從冠狀病毒所引發的危機中試圖復甦時，人工智慧最終很可能被證明是我們所擁有之最有效的工具。
更重要的是，認為人工智慧將比電力更快達到主導地位是個明智的假設，因為部署人工智慧所需的大部分基礎設施，包括電腦、網路、行動數據服務，以及由亞馬遜（Amazon）、微軟（Microsoft）和Google 等公司所經營的大規模雲端電腦設施都已經到位。想像一下，如果大多數發電廠和輸電管線在愛迪生發明燈泡的同時就都已經建成，那麼電氣化的發展速度將會提升多少。人工智慧已經準備好重塑我們的世界，而且這可能比我們預期的更快發生。
一種「具備智慧的電力」
將其與電力相比是恰當的，因為這傳達了這樣的感覺，即人工智慧將變成普遍性的存在，而且最終將影響並改變我們文明的幾乎所有面向。然而，這兩種科技之間也存在著關鍵的差異。電力是一種可替代的商品，而且是靜態的，不會因為時間和地點而改變。無論你身處何處，或是透過哪家公司供電，你透過電網所獲得的資源基本上是相同的。同樣地，今天提供的電力和1950 年的電力相比，幾乎沒有什麼變化。相較之下，人工智慧的同質性程度非常低，而且動態性更高。人工智慧將提供無數且不斷變化的功能和應用程式，並且會因為技術的實際提供者不同而有很大的差異。
雖然電力提供了推動其他創新所需的動力，但人工智慧卻能直接提供智慧，這包括解決問題的能力、做決策的能力，以及有朝一日人工智慧很可能具備的推理、創新和構思新概念的能力。電力或許能為某個節省勞動力的機器提供動力，但人工智慧本身就是可以省去勞動力的科技，隨著人工智慧在我們的經濟體中發展，它將對人類的勞動力與公司企業的結構帶來巨大的影響。
隨著人工智慧繼續發展為某種公用事業，它將以和電力為現代文明奠定基礎同樣的方式影響我們的未來。正如建築物與其他基礎建設的設計和建造方法是為了利用現有的電網，未來的基礎建設從一開始設計的時候，就將以發揮人工智慧的力量為目標，而且這項概念將超越物理結構的限制，改變我們的經濟和社會中幾乎所有層面的設計。從一開始即利用人工智慧的新企業或組織將會出現，人工智慧也將在未來的每一個商業模式中扮演重要的角色。我們的政治與社會機構也同樣會改變而將人工智慧納入體系中，並且對於這種無所不在的新公共資源變得依賴。
所有這一切導向的結論是，人工智慧最終將會發展至擁有像電力一樣的影響範圍，但是，它永遠不會有和電力相同的穩定性與可預測性。它將永遠維持變動性更高且破壞性更強的力量，並且有可能會顛覆幾乎任何受到它影響的事物。畢竟，智慧是一種終極的資源，這是人類創造一切的基本能力。將這項終極資源轉變為普遍且可負擔的公共資源，將會是人類最重要的發展。
價值就在數據中
由於主要的雲端服務供應商在價格與技術能力上競爭，使用人工智慧的硬體和軟體的成本似乎一定會下降。與此同時，科技巨頭正在努力整合業界前瞻性研究人員所開發的最新成果，透過雲端提供的人工智慧服務也將會不斷地升級。隨著這些發展，即使是最先進的人工智慧技術也變得越來越商品化，除了雲端運算的客戶付費代管數據以外，其他的人工智慧技術將幾乎可以免費使用。事實上，這個跡象已經出現了。Google、Meta 與百度等公司都以開源的形式發布了各自的深度學習軟體，換句話說，這些公司將深度學習軟體免費贈送給我們。各大組織，像是DeepMind 與OpenAI 所進行的最先進研究也是如此，這兩家公司都在領先的科學期刊上公開發表，讓所有人都能看到他們各自的深度學習系統的詳細資訊。
但是，有樣東西是任何公司都不會免費贈送的：數據。這代表人工智慧科技與其所吞噬的龐大數據之間的強大協力作用，將無法避免地向一個地方傾斜。幾乎所有因此產生的價值都將落入擁有數據的人手中。這個現實被普遍認可，且往往導致大家假設科技巨頭將完全主宰任何和大數據或人工智慧有關的領域。不過，這忽略了一個事實，那就是數據的所有權明顯會因為不同產業和經濟領域而垂直化。當然，像Google、Meta與亞馬遜等公司確實控制著難以想像的珍貴數據，但這些數據通常僅限於網路搜尋、社群媒體和網路購物交易等領域，在這些領域競爭的老牌公司或許可以維持主導地位，但也有更多完全不同類型的數據會存在整個經濟和社會中，受到政府、組織與其他領域的企業所控制。
大家常說數據就是新石油，如果我們接受這個比喻，那麼可以依此類推說這些科技公司在很多方面都將扮演著類似跨國油田服務公司哈利伯頓（Halliburton）的角色，提供科技與從資源中提煉價值所需的專業知識。當然，科技巨頭自己也掌握著龐大的數據儲存量，但是這個不斷擴大的全球數據資源中，最大量的數據仍然掌握在科技巨頭以外的他人手中。舉例來說，健康保險公司、醫療體系、政府管理的國民健保服務等企業與組織皆掌控著擁有巨大價值的數據。可以肯定的是，他們會採用大型科技公司所開發的最新人工智慧技術，這些人工智慧技術將透過雲端提供，但他們在很大程度上將會把從數據中提煉出的價值保留在自己手中；其他像是金融交易、旅行相關的預訂與網路評論、消費者在實體零售店內的流動動向所產生的大量數據，以及在交通工具與工業機械中所裝設的無數感測器所產生的工作數據，也都是如此。在每一種情境中，無所不在的機器智慧作為新的公共資源，將被經濟體中不同的單位所應用，以處理這些單位所擁有的特定種類數據。
這所包含的一項重要意義，是人工智慧應用所產生的大部分價值，將由科技領域內最明顯的競爭者以外的單位所獲得。利用人工智慧所獲得的利基將會廣泛地分散在不同單位手中。電力的比喻在這裡也能派上用場。電力為誰帶來最大的價值？是電力公司嗎？還是核電產業？都不是，答案是像Google 與Meta 這樣消耗大量電力，並且找到方法將電力這種無所不在的商品轉化為巨大價值的公司。當然，這個比喻並不完美，而且毫無疑問地，那些身處人工智慧創新的前線並提供這項不斷進步的資源的公司，將掌握巨大的價值和力量，但是透過人工智慧應用所產生的利基卻很有可能會在其他地方累積，尤其是當人工智慧逐漸變為一種商品化的實用工具時更是如此。
雖然人工智慧創造的價值將會分散在不同的經濟區塊中，但在特定產業內情況可能正好相反。在「將人工智慧運用到商業模式中」這個方面位居前沿的公司，很可能擁有巨大的先行者優勢。由於握有極具效率的大數據與人工智慧策略的公司將獲得顯著的競爭優勢，這很可能導致贏家通吃的情況。數據對於有效應用人工智慧扮演著極為關鍵的角色，因此邁向人工智慧策略的第一步，幾乎一定是成功的數據策略。這代表企業與組織必須聚焦於建立有效的數據收集與管理系統，以此作為部署人工智慧的前奏。在某些情況下，這也包括需要處理重要的道德問題，例如和員工與消費者有關的隱私問題。那些行動不夠積極的企業組織很可能會被拋在後頭。我們正在迅速邁向這個現實：任何將人工智慧的大好機會拱手讓給他人的企業、政府或組織，都是在犯下非常嚴重的失誤，我們可以合理地將之比喻成斷開與電網的連結。
第三章 媒體炒作之外：一位現實主義者對人工智慧作為通用資源的看法
自動駕駛汽車與卡車：比預期更漫長的等待
伊隆．馬斯克承諾在2020 年底會有100 萬輛機器人計程車上路營運只是自動駕駛汽車過度繁榮的例子。也許是因為汽車在我們的生活方式中占據了中心的位置，特別是在美國，沒有任何人工智慧的應用像是自動駕駛汽車那樣，受到如此大的關注與誇張的熱情歡迎。這個產業隨著2004 年與2005 年美國的國防高等研究計畫署大挑戰（DARPA Grand Challenge）而興起，並在技術上取得了驚人的進步，卻也經常未能達到過度誇大的預期目標。在2015 年時，業內最知識淵博的人都普遍預測，全自動駕駛汽車將在五年內上路。克里斯．厄姆森（Chris Urmson）是這個領域的先驅，他曾擔任從Google 獨立出來的自動駕駛汽車公司Waymo 的科技長，現在是自動駕駛新創公司Aurora 的執行長與創辦人，他曾提出著名的預測，說他當時11歲的兒子，在16歲的時候可能不需要去考駕照。此外，包括豐田與日產在內的主要汽車製造商，也都承諾會在2020年推出自動駕駛汽車。厄姆森對此充滿信心，並在2019年表示，他預計至少有「數百輛」全自動駕駛汽車會在五年內在公共道路上使用，且可能有1萬輛以上這類的汽車在十年內投入使用。我個人的觀點是，這些預測可能都是過於樂觀的。我會說，真正的自動駕駛汽車具有高度風險，因此在未來的許多年內，將會維持「即將在五年內實現」。
現實狀況是，自動駕駛汽車在高速公路和更多市區環境中的日常操作（或者說，在工作或多或少能如預期般運作的情況）在很大程度上已經得到了解決。如果公共道路的整體可預測程度和亞馬遜的倉庫內部一樣，自動駕駛汽車可能已經被廣泛使用了。問題就在於所謂的「極端狀況」，也就是幾乎無窮無盡的異常互動與狀況，讓自動駕駛汽車難以正確預測，或是不可能準確預測，甚至在許多情況下，難以正確解讀。大多數自動駕駛汽車的駕駛路線經過的街道，都需要有對街道高度精準的進階地圖繪製。因此，意外的道路關閉、施工或交通事故都可能造成問題。惡劣的天氣，尤其是大雨或大雪，也會是主要的障礙。但最大的挑戰，將是與一個由無法預測的行人、騎自行車的人與駕駛所組成的生態系統安全地互動。在像是舊金山這樣的城市，遇到分心或喝醉的行人的情況並不少見。即使是那些有警覺的人，也經常有難以被理解的行為，有時候是在特定的情況下或在特定的街區試探性地離開人行道，而在其他情況下則會有更激進的行為等。在人口密集的地區，駕駛和行人間的大部分協調有賴於社會互動，而這對於自動駕駛汽車來說是非常難以理解或複製的。透過眼神示意、揮手、跨出大步後停在中間等駕駛確認，以及許多其他微小的行為所交織而成的一種不用說話的語言，是每個共享道路的人都能理解的。我認為，透過談判協商的這類互動很可能已經超出當今深度學習系統的能力。換句話說，真正能夠自動駕駛的汽車可能需要的是在往通用機器智慧前進的這條路上所開發的科技，而這可能需要漫長的等待。
許多分析師認為，鑑於自動駕駛汽車在都會環境中所碰的種種困難，第一批出現在路上真正可行的無人駕駛車輛，將會是長途貨車。畢竟，在高速公路上駕駛這個問題，在很大程度上已被像是特斯拉的自動駕駛等系統解決了。雖然在高速公路上發生不可預測事件的可能性低於繁忙的城市十字路口，但是因為其中的速度與牽涉的車輛，是一輛滿載貨物、以龐大動能行駛的卡車，發生錯誤的後果會更嚴重。而且，雖然伊隆．馬斯克對此有著滿腔熱情，特斯拉的自動駕駛系統絕不會在沒有一個專注的駕駛員在車上的情況下上路。由於這些原因，我認為我們還需要很長的時間才能在公共高速公路上看到真正的無人駕駛卡車。
留言列表
