Artificial intelligence

歡迎來到第 3.6 單元：人工智能 (AI)

各位數碼社會科的同學，大家好！本章將探討我們這個時代最具變革性的技術之一：人工智能 (Artificial Intelligence, AI)。AI 早已不再是科幻小說的情節——它影響著我們生活的方方面面，從你串流播放的音樂、看到的廣告，以至政府和企業所作出的決策，統統與它息息相關。
理解 AI 至關重要，因為它與課程中的核心概念，如權力 (Power)、價值觀與倫理 (Values and ethics) 和變革 (Change) 有直接聯繫。如果技術層面聽起來有點複雜，請不用擔心；我們將會專注於其社會、經濟和政治層面的影響，這正是「數碼社會」科的核心焦點！

1. 定義人工智能 (AI)

什麼是 AI？一個簡單的定義

AI 是指電腦系統能夠執行通常需要人類智慧才能完成的任務。這些任務包括學習、解決問題、決策、語音識別和視覺感知。

關鍵術語： 人工智能 (Artificial Intelligence, AI)
由演算法 (3.2) 驅動的系統，旨在模擬人類的認知過程，根據輸入數據 (3.1) 進行預測、解決複雜問題或執行特定操作。

類比：智能家電

想像一下你的冰箱。普通的冰箱只會製冷，但配備 AI 的智能冰箱可以「學習」你的購買習慣，「預測」你何時會用完牛奶，並自動為你下單訂購。它執行了一個任務（訂購），而這個任務需要低程度的類人決策（評估庫存水平和時機）。

2. 不同類型的 AI

要分析 AI 的影響，必須明白並非所有 AI 都是一樣的。我們通常根據能力——即相對於人類有多「聰明」——來分類 AI。課程大綱要求你識別現有不同類型的 AI，所以請密切留意以下區別。

第一類：弱人工智能 (Artificial Narrow Intelligence, ANI)

這是目前唯一存在並被廣泛應用的 AI 類型。

• 定義： ANI 經過設計和訓練，只能出色地執行單一、特定的任務。它在預先定義的範圍內運作。
• 能力： ANI 無法執行編程範圍以外的任務。它只是模擬智慧，並非真正理解語境或擁有意識。
• 現實例子：
  • 語音助手（如 Siri、Alexa）
  • 電郵中的垃圾郵件過濾器
  • 推薦系統（如 Netflix、Spotify）
  • 人臉識別軟件
  • 自動駕駛汽車系統（僅專注於駕駛）。
• 重點摘要： 如果一個 AI 系統在某一方面表現卓越，但除此之外一無是處，它就是弱人工智能。

第二類：強人工智能 (Artificial General Intelligence, AGI)

這類 AI 目前僅存在於理論和虛構作品中。

• 定義： AGI 將具備理解、學習並應用智慧去解決任何問題的能力，就像人類一樣。
• 能力： 它會擁有意識、自我認知，以及將所學從一個領域遷移到全新領域的能力（例如：學會駕駛後，能立即將這種抽象知識應用於駕駛無人機）。
• 現實例子： 想想《星球大戰》的 C-3PO 或《星空奇遇記》的 Data。 我們距離這個階段還很遠！

第三類：超級人工智能 (Artificial Superintelligence, ASI)

這純屬假設，且高度推測。

• 定義： ASI 指的是在幾乎所有方面——包括科學創造力、一般知識和社交技能——的智慧都超越人類認知能力的系統。
• 影響： 這種層級的 AI 將會帶來前所未有的變革，並引發關於權力和人類控制權的重大問題。

3. AI 如何運作：數據與演算法的角色

AI 的運作嚴重依賴「數碼社會」課程的兩個基本要素：數據 (3.1) 和演算法 (3.2)。

AI 的引擎：機器學習 (Machine Learning, ML)

現今構建 AI 最常見的方法是機器學習 (ML)。ML 是一種讓演算法透過大量數據進行訓練的方法，使系統無需針對每一種可能的情況進行明確編程，就能不斷改善其表現。

步驟分解：訓練 ML 系統（小狗類比）

1. 收集數據： 收集數以千計的例子（例如正確標記為「貓」或「狗」的圖片）。這就是「數據輸入」(3.1)。
2. 餵養演算法： ML 演算法 (3.2) 分析數據，尋找模式和相關性（例如：狗的鼻子較長，貓有尖耳朵）。
3. 預測與回饋： 系統作出預測（這是貓還是狗？）。如果錯了，演算法會根據錯誤調整內部的權重。這就是「學習」的部分。
4. 改良： 重複步驟 2 和 3 數百萬次，直到演算法的準確度極高。現在，它已經「學會」了如何區分這兩種動物。

你知道嗎？ AI 系統的表現幾乎完全取決於其訓練數據的質量和數量。

4. AI 在數碼社會中的影響與意義

在 IB 數碼社會科中，我們主要關注 AI 對個人、社區和情境（文化、經濟、社會、政治）的影響。AI 系統往往會與價值觀與倫理 (2.7) 這個概念產生交集。

A. 倫理與社會影響

1. 演算法偏見與歧視

這或許是最嚴重的倫理擔憂。如果用於訓練 AI 的數據反映了現有的社會不平等（例如種族或性別偏見），生成的 AI 就會學習並延續這些偏見，往往甚至令情況惡化。

• 影響： 用於司法系統的 AI 可能會因為歷史犯罪數據的偏見，而不成比例地建議對某些人口群體判處更重的刑罰。AI 貸款審批系統亦可能因郵政編碼或姓氏而拒絕向特定人士借貸。
• 概念聯繫： 這直接挑戰了價值觀與倫理 (2.7)，並引發關於公平 (Equity) 和公正 (Fairness) 的疑問。

2. 透明度與「黑盒」問題

許多先進的 AI 系統（特別是深度學習模型）複雜到連開發者都無法完全解釋它們為什麼會作出特定的決定。這被稱為「黑盒」問題 (Black Box Problem)。

• 影響： 如果 AI 錯誤地拒絕了求職申請或誤診了病人，要挑戰這個決定或追究系統責任將變得極其困難。這種問責制的缺失會影響管治與人權 (HL 延伸內容)。

B. 經濟與政治影響

1. 自動化與就業（經濟情境）

AI 透過自動化那些以往只能由人類完成的任務，推動了顯著的變革 (2.1)。

• 常規任務： AI 非常擅長自動化重複性任務（例如數據輸入、客戶服務聊天機器人）。
• 影響： 雖然自動化可以提高效率和生產力（對經濟有利），但它也可能導致廣泛的裁員，需要社會投入大量資源於轉型培訓和教育。
• 例子： 自助結帳機、自動股票交易。

2. 操縱與政治權力（政治情境）

AI 系統是目標定位、說服和監控的強大工具。

• 目標資訊： 政治競選活動利用 AI 分析選民數據，投放極具針對性的個人化訊息，這可能會加劇社會兩極分化並傳播錯誤資訊（影響表達 (2.2)）。
• 監控： 政府日益頻繁地使用 AI 驅動的人臉識別和監控工具，引發了對私隱、個人自由和國家權力 (2.4) 的擔憂。