高徒說

高徒不但是本站寫手，更是頭號讀者，偶爾在其他引文讀到自己寫的片段，先驚嘆作者頗有見地，下一秒發現來源是高徒說。我先來讀讀黃仁勳的 [管理應該怎麼聊？] Don't walk. Run. 黃仁勳台大畢業致詞與黃仁勳定律 ，照說AI 熱潮，一年多了，今年應該會退，沒想到這次黃仁勳在台大演講，好像比之前還熱鬧。格友說，不對啊！只有人物報導也沒有產業分析，股票怎麼買啊？也對，空間AI來襲，機器人蠢蠢欲動，高徒怎樣也要聊聊自駕車或空拍機，[ Keyu悄悄話 ] 談笑用兵話 AI 一文中，我提到不管光達或機器視覺，都離不開大數據、大模型，光是辨識行人或是路燈，就需要大量的資料與不斷的訓練，自然AI的重點會放在大模型而非新裝備，知道了上游廠商，你自然會買台積電和自駕軟體廠商(例如: Wymo)，而不是光達設備廠。

                                                                                                                                                                                                                                                     沙哈拉以南的漠南非洲，是咖啡主要產區。 攝影 高徒

如果只聊科技，難免枯燥，藝術創作，高徒也同樣亂入，電腦該不該下圍棋（不是打敗柯潔了？但會不會不等於該不該？），大量訓練抄襲後，創作的音樂真的沒版權？之前的訓練材料可都是有版權的。[ Keyu 悄悄話 ] AI 下棋最厲害？從打敗柯潔看 Alpha Go 自我訓練的迷思 ，AI 在創作領域的爭論，不會只是單純的爭論法律上的版權，而是CNN類神經網路，看到梵谷或莫內，不解而做，不避而抄，這類接近純抄襲，應該怎麼定義？若是創作都只管效果，不管來源，那你我都能拼貼畢卡索，也不需要什麼“訓練”了。而預訓練成AI最大的尷尬也是不從虛空中去創思，而是利用大量現成案例，儘量模仿，這跟創作的定義，差距很大。以美術觀點，目前AI 的製作方向，是很棒的完稿師 (visualizer)，很差的創作者，風格很容易跟別人雷同。

接下來以一本書來總結以上的論述，AI 會帶來失業浪潮？這樣社會性的探討，該怎麼預測？[ 管理應該怎麼聊？ ] AI 狂潮下的失業危機？ #無國界讀書會 評 Life 3.0 人類的蛻變與重生 ，書名被我切短了，名稱不對，爬蟲就看不懂了，目前的AI 應該克服。既然是名稱問題，也更可以發現爬蟲不知道書本內容的問題，缺了書名，Google 爬蟲百爬不到，這裡我馬上補正，書本全名是人工智慧時代，人類的蛻變與重生，或許下次爬蟲會爬來這邊吧？！（果然爬到了 2024.7.1）且不管開車或是作畫，班總得上，工作總有程式碼搞不定的東西，馬路破洞還是得補，彭博Michael Rubens Bloomburg 說得好，水溝塞了就得通，當市長，水溝不會先問我是共和黨還是民主黨的，完全不會給面子。全球暖化，AI 伺服器又跟冷氣搶珍貴的電，這些問題，都不會先問你是人類還是AI，務實的面對比較實在，人機協作才是解法。高徒說，您科技路上的良師益友，我們下次聊！

上文提到人類各種制度的來源和運作原理，智人相信同一個故事，可以發揮無窮力量，法蘭西帝國是個故事，IBM公司也是個故是，無實體的東西偏偏掌握一切。有人說貨幣無害，因為倉庫那些糧食不會因貨幣增減，卻沒看到大蕭條時，明明還有大量糧食，卻因金融體系崩潰，現金無法流動，差點餓死一堆人。貨幣能不能產生影響力，就很清楚了。談完這個，有讀者好奇，難道知道原理之後，沒辦法做些什麼嗎？以下我就來談談怎樣從各種發展方向，找到永續的可能。

未來城市長得像巴別塔？〈精緻的衰亡〉（TheirRefinement of the Decline, 2014）

未來城市書籍介紹（聯合新聞網/閱讀風向球）

首先來談談人人喊打的核能，的確，核廢料除了少數擅挖地洞的北歐國家，能夠幫忙處理，讓核廢料無害的在地底下度過漫長的半衰期。於是，特過政府特別補助，採購民間過剩的風力發電或太陽能發電，也就成為美好的神話。然而事實也沒有那麼美好，有能力賣電的通常大企業，賣的大半是排碳的火力發電，永續發展上的能源問題，就夠讓人類頭痛的，至於Musk 集團下的Solar Roof 太陽能屋頂，大概僅供家用，要成為小發電廠，可能就要靠台北市民特有的神奇的違建功力，把鄰居的天空全部遮蔽才有可能。或曰：開放私營，各憑本事，發出便宜的綠電，當然我不否認這種可能性，商業誘因很強。可不可能呢？不妨來參考了這本書，書中說得好，政府努力編預算或印鈔票，真正能兌現的只有科學家，是的，現代生活的美好，不只是鈔票充分流通，更重要的是科學家以合理的價格供應了產品或服務，我用的Apple  Mac，就不是美國聯邦政府生產的，而是那些工程師的貢獻。回到能源問題，以目前的能源科技來看，核能非常可能在可見的30年繼續供電，這樣的模式已經成功了，就是號稱風電和太陽能電高度發展的德國，巔峰時段的電力，就是用法國的核電。

不管你深信權威人士比較在行，又或者李遠哲先生光臨本站，大膽以諾貝爾得獎主資格，大談科學萬能論，我個人倒沒有那麼信任專家，甚至敢大膽猜測，各種場合中，沒穿衣服的國王，就是現場那位專家。比如說：房地產專家，到了仲介市場，常常是那個被坑殺的買家，因為抬價、投機客虎視眈眈，等著理論專家掉入囤房、假買家競爭的陷阱。或許有人說，那是商場，醫療、教育等方面，總沒有那麼多爾虞我詐吧！其實學術圈大學要爭排名、學者要爭研究報告的掛名，這方面，各種算計考量，還真的應了那部片名--- 我們（學者們）不是天使 （We're no angels.)，個人方面，學者需要升等，團體上，機構或大學需要聲譽，各種手法做出來的成果，常常無法重現，如果拿地心引力來彼方，也就是說，牛頓的蘋果，這次往下掉，下次往旁邊斜著跑，再下次還會飛上天，完全沒有考價值。除了動機上的不純正，再加上研究工具上，社會科學也跟著自然科學，引入了統計概念，一時之間，只要能證明顯著性，這件事的真實性也就無人關心了。比如說：若是要找黑箱中找黑貓（某些人對哲學的比喻，我借來探討研究工具），現在的研究方向則是設法從貓叫聲、貓糞味證明貓的特徵很顯著，至於那是貓是狗，是死是活，就歸給型一錯誤這類的誤差（若以法律案例來類比，型一錯誤就是判被告死刑時，有可能誤殺無辜被告），沒有人有興趣打開箱子看看那隻貓。

疾管局公布血栓發生機率背景值與AZ疫苗施打期間的案例數  （出處：中央社  轉載請注意合理使用比例）

開場聊了各種真實的科學困境，接下來我們就跟著作者來看看困境是怎麼形成的，有一個蠻有趣的例子是印度養牛，而且是養一頭牛，慈善機構的立論是，除了喝牛奶外，貧窮的人家，還能從牛身上獲得種種益處，然而，一年期的研究結果，養牛是負收益，因為沒到達一定的規模，有趣的是，另一個團隊，針對三年期來研究，長期下來，養一頭牛又變成正收益，難道是牛越老越珍貴嗎？研究時，針對會有正面結果的方向研究，例如：中途牛隻死亡，這樣的損失，不計算進長期收益，所以長期下來沒有影響。避開種種不確定或負面的結果，常常能找到 "答案“。而這樣的模式又非常吸引研究者，因為努力得到了報酬。若是不知道科學的這個面向，慈善機構不就是傻傻的給每個貧戶一頭牛，就能解決貧窮問題，畢竟這比較像給釣竿的概念，不是嗎？有興趣的讀者，可以讀讀第四章 一條路徑並不夠：從研究中看不到的”發現。“

接下來，我們來聊聊吃培根會導致癌症的問題，可以比較具體了解指的是多高的風險，包括最近歐盟提到AZ疫苗並不會提高血栓的風險，指的又是什麼？我們來聽聽，一天吃4條培根，就會增加 20%的罹癌機會，大家馬上想到，五口之家都吃培根，最後有一個人得了癌症，真的是這樣嗎？以吃培根的實驗組來看，100個人有5個人得了癌症，對照組的100人，則有6個人得到癌症，不是20個人得了癌症。知道這回事之後，再來看蘇珊娜，她生於美國阿拉巴馬州，每天吃4條培根，根據世衛的建議，想長壽，不要這樣做，她活了117年，在某段時間內，她甚至是世界上最高年齡的活人，就更可以知道培根增加罹癌機率，其真正的內容與機率，其實跟一般人可能理解到的機率，非常不一樣。回頭看AZ疫苗與血栓的風險，歐盟人口300萬人接種疫苗，有22例血栓案例，也就是萬分之 0.73 ，高於台灣的背景值1 /100000 (十萬分之一)，不過疾管局有把西方人容易得血栓考慮進去，認為韓國打了AZ 疫苗後，應該血栓的機率沒有那麼高，此即大規模決策時的思維模式，值得認識與了解，卻也要了解背後沒有百分百保證的意味。（註）

而無法準確預測的另一個可能因素，可能就是不可控制的變因，開頭提到的雙胞胎實驗，當被不同家庭教養長大，反而比較可能有類似的結果，但即使如此，兩個雙胞胎出生時有多相似？目前已知連複製羊，每隻都不同，瞳孔顏色也不一致。假設兄弟倆都進了哈佛，一個學醫、一個學法律，這算類似還是差異？這都是很大的問題，要由科學家以判斷來決定。再假設讓比爾.蓋茲重新投胎到同一個家庭，家裡也一樣的富有，只是選中學時，不知何故，沒有選到那時美國有電腦的3所中學，沒有打工寫程式的經驗（詳細的故事，可以參考 異數 Outlier ），微軟致富的故事，也就消失了，這些科學實驗無控制的因素，常常是最關鍵的，怎麼去驗DNA，都無法逆轉這樣的過程與結果。這類科學界非常無知的面相，卻是真實生活中，很重要的「操作變因」。

上一次的 Keyu 悄悄話，以AI 主題談到了商業化應用，也透過自駕車來探討應用的範疇，並非先前想像的，拿來提醒個人行程，或是安排日常瑣事，而是把開車或醫療，這類攸關人命的事，交給少犯錯又不會累的 AI ，有網友說：這不是拿人命開玩笑嗎？其實正好相反，處理速度太慢，無形中沒有治療，也沒有失敗的情況，可能更讓人揪心，既然在很低的錯誤率下，可以救更多人，就有可能應用，再用人工監督，修正錯誤，自駕車也是類似概念，常常犯錯的人類，以AI 輔助，可以減少意外，當然，其中也會有AI帶來的錯誤判斷，這是可能付出的代價。

Autopilot Full Self-Driving Hardware (Neighborhood Short) from Tesla on Vimeo.

目前特斯拉的自駕模式                                                     出自 特斯拉 （Vimeo平台）

（本文不暗示或保證特斯拉系統真的能達到影片上的效果，未與廠商有任何合作契約自駕）

題目上說談笑用兵，就是著眼於小範圍可失敗的AI 實驗，以機場為例，停機坪到航廈的路程，沒有其他車輛，沒有其他行人，就是AI 巴士很好的試驗場，美國高速公路也是Google 自駕車良好的測試場，連方向盤都不需要修正，只要監看筆電上的數據，就能安全的行車。至於Uber 的自駕車意外，完全是規劃不善，加上人為疏失，在社區道路測試，而且是夜間，連非自駕車的人類駕駛人，都膽戰心驚，大膽的測試方式，加上監控的司機完全晃神，當然會出事。簡單來說，就是一腳煞車就能救回來的意外。當然，沒人能為AI 打包票，但至少能了解 AI 能做什麼，不能做什麼。

既然都聊到應用面了，我倒想談談人類的反應與接受度，放心，這裡不是要談卡車司機抗議失業的大議題，這些說來也是假議題，各國都有外國黑工在開車，也有非工會會員在駕駛，行業利益很難靠技術來保障，是明顯的，更何況是人人會開車的年代，駕駛根本不算技術，只能靠組織和法令保護行業利益。我想談談被 AI 服務的車主，內心驚險又安全的歷程，在橋樑下坡的段落，自駕車可能會全速的跟緊前車，萬一前面又是位技術高超的計程車司機，硬是在最後幾公尺才踩煞車，心臟可能會跳到嘴巴上。黑箱式的處理方式，常常是很難說服人的，不過，我覺得一、兩次以後，也許就能建立信心。