想像一下，有個年輕人體面、博聞、口才流利，條理分明。叫他做什麼他都說沒問題，問他再冷僻的事都能秒獲言之成理的答覆。這樣的小夥子，誰不喜歡？
2年前闖到眾人面前的ChatGPT，以及一幫它同文同種的生成式人工智慧兄弟，就像這樣的小夥子。
老闆們各種機緣下先後面會了這樣的小夥子，大為驚豔之餘，無不殷切希望將他們大批引進，好滿血變革，讓自己的組織「脫胎換骨」。他們甚且相當擔心，如果自己手腳慢了些，會「趕不上時代」，讓組織面臨淘汰。
過去2年間的這波AI浪潮，故事主軸線大概就這麼回事。
油門踩到底的「有效加速主義」
這波AI浪潮的推動者，主角是源頭造浪的軟硬體軍火商，配角則是數位時代資訊生態圈的各種傳訊推手。主角這頭，像是OpenAI頗受爭議的CEO阿特曼（Sam Altman），以及在台灣尤其受寵的Nvidia執行長黃仁勳，近期都高舉「加速一切」的大旗，鼓吹他們旗下產品發達所寄託的AI，將很快改寫人類各方面的生活。
這類讓人振奮的前瞻，呼應近年流行於矽谷的「有效加速主義」（effective accelerationism，e/acc）。前述的AI軍火商，是這脈主張的支持者與推動者。「有效加速主義」樂觀地相信技術是人類所面臨各種挑戰的解方：大至氣候變遷與貧窮問題，小至企業經營的瓶頸突破與永續發展，都可（同時也都應該）藉由技術，調動可用的最大限度資源去處理應對。在這樣的調性下，這派信仰認為技術進步終將正面且全面地改造社會。
主角們造浪，配角們推波助瀾下，近2年來人工智慧的相關敘事，推動著對未來的想像。社會技術想像預設了一個由主角們共演的舞台，向公眾傳播美好的遠景，同時強化落後的恐懼。人類所構成的市場很受「感覺」左右，這類樂觀情緒一旦發酵，在資本市場中取得共鳴，便又反過來加強浪潮席捲各處的澎湃氣勢。
炒作煙霧開始散去，實況是什麼？
各方大力投入之後，這波生成式AI浪潮在各場域中的實際用處與限制，經過2年的時間，逐漸撥雲見霧，看到輪廓。在全球算力每6個月翻倍的背景下，客觀的研究指出：現有AI的段數距粗具人類常識尚遠，不少組織也逐步理解AI科技夢與當下現實間存在巨大鴻溝。大家這2年費力嘗試在組織內落實生成式AI應用，多意識到當下想將這項技術大面積鑲嵌於組織作業場景之中，實踐上的扞格與困難。
打從20世紀50年代「人工智慧」（artificial intelligence）這詞彙被眾人認識以來，發展已經歷過不只一次「樂觀→失望→發展寒冬」的循環。1960年代中葉的AI熱潮中，後來獲得諾貝爾經濟學獎和圖靈獎的司馬賀（Herbert Simon）曾宣稱：20年內，機器將可以完成人類能做的任何工作。今天看來，這是「專家」面對「開放系統」時常做出不準確預測的一例。現在諸多有效加速倡導者所擘畫的，似乎明天就吃得到的AI大餅，再過些年回頭看，除了在有限場域內會部份成真外，多數地方很可能仍是雷聲大雨點小。
企業的適應：緊盯著資源配適度的「不斷再合理化」進程
斯斯有兩種，AI則有很多種。就企業組織來說，如果要務實收割這「很多種」AI的可能好處，需要掌握一系列重點：
-
不再執著於幾年前流行的「要做XX領域的科技公司」一類公關式願景宣稱。一般企業犯不著垂涎（事實上也養不起）AI時代「軍火商」所需不斷擴增的算力以及時時精進的算法。把AI在內的科技應用當作工具，聚焦本業的能耐打造，長期來說才具實益。
-
對於本業各項作業流程進行完整詳細的系統分析。藉由這樣的分析，客觀界定可能透過數位化／AI化改善增益的節點。
-
投注資源於各種AI專案之前，先衡量現狀與理想狀況間的差距有多大（即清楚作出差距分析gap analysis）。確定掌握欲打造AI工具的適用邊界與限制後，評估要以該工具填補現狀與理想狀況間差距的成本與效益。
-
無論接軌哪類AI工具，認清數據永遠是最關鍵的礎石。夸言大力發展AI之前，若沒有一套到位的數據治理機制，讓數據品質達標且流暢彙整，談AI應用都只是說大話。
-
屏除「錯失恐懼症」（fear of missing out，FOMO）害怕自己落伍沒跟上的心態，改為透過數位工具「不斷再合理化」改善的意志。
個人的適應：相信常識，充實「關於知識的知識」
根據美國人口普查局今年的一份報告，近年接軌AI的美國企業中，有94.5%並未減少組織的聘雇人數。數位科技與AI發展著實對於很多行業帶來改變，但在還看不到「強AI」或「通用型AI」實現可能的今天，來自前述「有效加速主義」想像的就業市場圖像急遽改變，並沒有大面積發生。有趣的是，近期在美國裁員最兇者，反倒是扮演AI造浪者與推手角色的科技公司。
對於個人而言，熟悉各種AI賦能工具，乃至於能寫程式打造些堪用的小工具，當然是好事。但除了已選定於AI相關領域發展專業者外，最要緊的或許並不在跟風捉摸技術皮毛，而在於理解什麼是一兩代人在世之際人工智慧做不到的地方。如果能領會可預見的未來人仍遠勝人工智慧之處，對焦而加以豐實，大概較能確保世俗意義上的「不敗」。
簡單說，這方面要緊者，就只「常識」（common sense）和「元知識」（metaknowledge）兩件事。所謂「常識」，是世人欲以「合理和安全的方式生活時，所需的基本實踐知識和判斷」（劍橋字典的釋義）。其實，不管是哪家銀行的客戶，只要有過幾次徒勞無功的線上對話機器人往來、最終仍在電話上靠真人客服才解決問題的經驗，憑常識應該就可一葉知秋，判斷許多AI應用的吹噓仍是天邊的彩虹，不用太擔心自己小孩念的「非AI」專業會被淘汰。又譬如面對社交媒體上氾濫、近年透過AI助攻的各類詐騙，若有厚實的「高報酬必定高風險」以及「天下沒有白吃的午餐」常識，就不大會輕信上鉤。
至於「元知識」，即「關於知識的知識／常識」，是動態過程中知識建構的源頭。譬如欲爬百岳者，在規劃乃至實踐特定山頭攀抵前，總得先有「不是一日郊山，所以需妥慎規劃」的知識／常識，掌握申請山屋流程的知識／常識，具備海拔、方位、經緯度的知識／常識，擁有能判讀地圖上等高線與氣象資訊等等的知識／常識……更重要的，是知道這林林總總各面向知識基礎間的關聯，且知道可往哪兒去取得進一步資訊。而這些知識（其實就是不同場域中的常識）串起來，便是欲登百岳者無論如何都需要的登山「元知識」。
「知之為知之，不知為不知，是知也」。AI並不具備其所給出答案相關的元知識，無法判斷究竟「知道」或「不知道」某件事，常給出「幻覺」般的答案。在可預見的未來，人勝過AI者，在於知道自己到底知不知道，並且能掌握各領域、各情境下廣義常識所建構出的元知識。AI應用是可以按需求使用的工具，而不是需要膜拜的神祇。即便是功利地談「競爭優勢」，無論成年人自我充實或小朋友的教育學習，都合適透過各種涉獵，把多些氣力放在比較可長可久的「常識」和「元知識」上。
分享圖文請註明出處，未經本站同意不得轉載
瀏覽次數：2008
