歡迎來到「宏觀視野」：電腦科學的新興趨勢

你好，未來的電腦科學家！這一章絕對是最令人興奮的，因為我們將要運用「水晶球」來預測科技的發展方向。我們不僅要了解電腦是如何運作的，更要聚焦於這些科技如何從倫理、法律及環境層面改變我們的世界。

別擔心這些概念看起來很複雜——我們會將最酷的新科技拆解成簡單易懂的部分，並只專注於考試所需的重點。準備好探索未來了嗎？讓我們開始吧！

第一節：正在改變世界的科技

新興科技是指那些具備顯著影響社會潛力的新創新。理解這些科技至關重要，因為你很快就有機會親身接觸它們！

1. 人工智慧 (AI) 與機器學習 (ML)

人工智慧 (Artificial Intelligence, AI) 指的是設計用來執行通常需要人類智慧才能完成的任務的電腦系統，例如決策、模式識別和問題解決。

現代 AI 最常見的形式是機器學習 (Machine Learning, ML)。

  • 什麼是 ML？ 這是一個電腦系統從大量數據中學習，而無需針對每一種結果進行明確編程的過程。
  • 運作原理（簡化版）： 系統會被輸入成千上萬個範例（例如：貓和狗的圖片）。它會偵測數據中的規律並為自己建立規則。得到的數據越多，它的預測或分類就會越準確。
  • 現實世界的例子： 電郵中的垃圾郵件過濾器、手機上的臉部辨識，以及串流平台的推薦系統（「因為你看過這個，所以你可能也會喜歡那個」）。

重點回顧： AI 是目標（智慧）；ML 是達成此目標的一種常見方法（從數據中學習）。

2. 機器人學 (Robotics)

機器人學涉及機器人的設計、構造、運作和使用。機器人是可編程的機器，通常能自主（獨立地）或半自主地執行物理任務。

  • 製造業： 機器人能比人類更快地執行重複性、精確且沉重的任務（例如：工廠裡的汽車裝配）。
  • 醫療： 手術機器人協助醫生進行微創且高精度的手術。
  • 探測： 無人機或探測車能探索人類無法安全進入的危險環境（例如：深海或火星）。
你知道嗎？
「Robot」（機器人）一詞源自捷克語 robota，意指「強迫勞動」或「苦差事」。
3. 虛擬實境 (VR) 與擴增實境 (AR)

這些科技將使用者沉浸在模擬環境中，或是將數據疊加到現實世界中。

  • 虛擬實境 (Virtual Reality, VR)： 使用特殊頭戴裝置創造一個完全沉浸式的虛擬環境。使用者會與現實世界隔絕。
    例子： 機師或外科醫生的訓練模擬，或是沉浸感極強的電子遊戲。
  • 擴增實境 (Augmented Reality, AR)： 將數位資訊（圖形、聲音、文字）疊加在使用者所看到的現實世界上。
    例子： 使用手機相機預覽新傢俬在你客廳擺放的效果，或像《Pokémon Go》這類遊戲。

記憶小撇步：
VR = Virtual（虛擬），與現實非常 (Very) 疏離。
AR = Augmented（擴增），添加 (Adds) 到現實中。

4. 3D 列印（積層製造）

不同於通常涉及切割或塑形材料的傳統製造方式，3D 列印（又稱積層製造, Additive Manufacturing）是根據數位設計檔案，將物體一層一層地製造出來。

  • 運作原理： 數位檔案（通常是 CAD 檔）會被切片成細薄的數位層。隨後，印表機會加熱並沉積材料（如塑膠、金屬甚至生物組織），並依據這些層面進行堆疊，直到成品完成。
  • 影響：
    • 快速原型設計： 公司可以快速且低成本地製作產品測試版本。
    • 客製化： 容許高度個人化的物品，例如訂製醫療植入物或牙齒矯正器。
    • 在地生產： 零件可在當地直接列印，減少對全球物流運輸的需求。

第一節重點總結： 像 AI、機器人、VR/AR 和 3D 列印等新興科技，正在創造出極具效率、自動化且個人化的方式來與世界互動。

第二節：議題與影響：倫理、法律與環境

隨著科技變得愈發強大，我們必須考慮非技術性的層面——倫理困境（什麼是對的？）、法律要求（規則是什麼？），以及對環境的影響。

1. 倫理考量（關於對錯的問題）
a) 隱私與監控

新科技，特別是 AI 和物聯網 (IoT)，正收集關於我們的龐大數據。

  • 隱憂： 大規模數據收集導致大規模監控。如果我們每一個行動都被追蹤，隱私就會受到威脅。誰擁有這些數據？我們該如何確保數據不被企業或政府濫用？
  • 例子： 時刻都在錄音的智慧音箱，或是配備臉部辨識功能的無處不在的閉路電視 (CCTV)。
b) AI 系統中的偏見

AI 從輸入的數據中學習。如果訓練數據反映了社會中現有的偏見（例如：歷史上的種族或性別偏見），AI 就會複製甚至放大這些偏見。

  • 問題： 有偏見的 AI 可能會導致不公平的決定，例如在貸款申請、刑事司法量刑或招聘過程中。
  • 類比： 還記得電腦原則 GIGO（垃圾進，垃圾出）嗎？如果你用充滿偏見的「垃圾」數據來訓練系統，結果輸出的決定也會同樣帶有偏見。
c) 職位流失

隨著機器人和 AI 自動化重複性任務（例如：貨車駕駛、數據輸入、工廠作業），許多職位可能會消失。

重要背景： 雖然部分職位消失了，但同時也會創造出新的職位（例如：AI 訓練師、數據科學家、機器人工程師）。倫理挑戰在於如何確保社會能為人們提供再培訓，以勝任這些新的、更高技術需求的角色。

2. 法律與安全考量

法律往往難以跟上科技變革的步伐。

a) 數據保護與 GDPR

法律框架（例如歐盟的通用數據保護條例 - GDPR，儘管你所屬課程可能著重於通用原則）是必要的，以確保組織能以負責、透明且安全的方式處理個人數據。

  • 關鍵規則： 組織在處理個人數據前必須先獲得同意。
b) 知識產權 (IP) 與著作權

誰擁有 AI 生成的創意作品？如果有人使用 3D 列印複製受專利保護的設計，他們是否違法？

  • 挑戰： 數位複製與自動化創作的快速，使得著作權在全球範圍內難以執行。
3. 環境影響

科技具有顯著的「碳足跡」。我們必須考慮設備在整個生命週期中所使用的能源以及產生的廢棄物。

a) 電子廢棄物 (E-waste)

電子設備（手機、電腦、伺服器）的生命週期都很短。當它們被丟棄時，就變成了電子廢棄物。

  • 危險： 電子廢棄物含有有毒物質（如汞和鉛），如果沒有正確回收，會污染環境。
  • 解決方案： 推動永續製造、設計易於維修的產品，以及推廣正確的回收方式。
b) 能源消耗

訓練複雜的 AI 模型和運作大型數據中心（存放和處理數據的伺服器大樓）需要消耗巨大電力，這些電力往往來自化石燃料。

  • 目標： 產業正朝著使用再生能源（太陽能、風能）為數據中心供電，並研發更具能源效率的硬件。
常見錯誤：
學生經常混淆職位流失（機器取代人力）與隱私倫理問題（數據濫用）。請記得：職位流失屬於經濟/倫理影響；而隱私屬於數據/法律影響。

第二節重點總結： 科技進步必須與責任感取得平衡。我們必須解決倫理偏見、在法律上保護個人數據，並盡量減少電子廢棄物和能源消耗所帶來的環境損害。