AlphaGo 擊敗人類棋王之後，媒體對人工智慧（AI）的報導常常過度誇張。本節從一個被誤讀的新聞事件切入，梳理經濟學家對「AI 是否會取代人類工作」這個問題的看法如何逐步演變，並以 IBM 沃森（Watson）專案的失敗為例，說明目前 AI 離「威脅人類」還有本質的距離。

核心論點#

作者主張：離會毀滅人類的 AI 誕生還很遠。新東西剛出來的時候人們不重視，一旦重視了又會過分重視——學術界（除已故的霍金外）並沒有幾個人相信 AI 對人類有迫在眉睫的安全威脅。

2017 年 Facebook 關閉一個聊天機器人專案，國內媒體卻聳動地報導「Facebook 關閉『失控』AI 系統」。實情是：兩個聊天程式因事先設定沒做好，講出來的話不符合標準英文語法，而 不是 發明了什麼新的「高效」語言。專案關閉的原因正好相反——是程式表現太弱、沒有達到預期。

經濟學家擔憂的三個階段#

第一階段（2012）：自動化搶走工作#

• 麻省理工學院兩位管理學教授埃里克·布林約爾松（Erik Brynjolfsson）與安德魯·麥卡菲（Andrew McAfee）出版《與機器競賽》（Race Against the Machine）與《第二個機器時代》（The Second Machine Age）。
• 他們認為這一次 AI 要取代的是放射科醫生、翻譯、律師這種高端工作。
• 關鍵證據是 2008 金融危機後，美國公司利潤率創歷史新高，失業率卻居高不下。

第二階段（2016 前後）：失業率降了，但工資不夠#

• 到 2020 年 2 月（疫情前），美國失業率只有 3.5%，是 1970 年以來最好的成績。
• 羅格斯大學經濟史學家詹姆斯·利維斯通（James Livingston）指出：失業率低沒錯，但找到的都不是什麼好工作，普通人的工資太低了。
• 造成這個局面更可能是因為全球化，而非自動化。

第三階段（2017 之後）：其實是 AI 進步太慢#

• 喬治梅森大學經濟學家泰勒·柯文（Tyler Cowen）在《自滿階級》（The Complacent Class）中提出相反的觀察：過去幾十年美國的技術進步都是「小打小鬧」，沒有真正的重大突破。
• 柯文的名言：「在一個機器人主導的經濟裡，人類都成了市場營銷者。」人類工人正從生產領域轉向市場營銷領域。
• 2017 年幾位德國經濟學家重新評估「自動化危險」，把真正會被 AI 取代的工作比例從 38% 下修到 9%——因為過去的估算方法太粗糙，沒考慮到每種工作中都有一些任務是自動化不好取代的。

沃森（Watson）的挫敗：一個典型的 AI 侷限#

2021 年 2 月，IBM 傳出有意把沃森專案整體出售的新聞，許多曾對沃森抱有熱情的醫療機構已終止與 IBM 的合作。

沃森的困境非常典型：

• 對於清晰的、定義明確的醫療診斷，沃森的準確度確實很高，常比人類醫生更快更好。
• 但對於非結構化的、簡略的、主觀的病患資訊——例如醫生寫的治療筆記或出院總結——沃森很難做出好的判斷，甚至連看懂都很困難。
• 而這類資訊佔了醫院裡醫療資訊的 80%。

這是當前所有 AI 專案共通的困難。AlphaGo 下圍棋很厲害，但圍棋是一個「清晰、定義明確」的專案，規則簡單且再怎麼下也下不出花樣——圍棋不代表真實世界。

本節要點#

• 媒體常把 AI 描寫得既威脅人類又失控，但大部分報導都經不起推敲。
• 經濟學家對 AI 搶走工作的擔憂，從 2012 年的「高失業率」、到 2016 年的「工資太低」、再到 2017 年「其實 AI 進步太慢」，三度轉向。
• 德國經濟學家重新估算，實際會被 AI 取代的工作比例遠低於早期的誇張數字。
• IBM 沃森專案的挫敗揭示：AI 只擅長「結構化、規則明確」的任務，對真實世界裡充滿非結構化資訊的情境無能為力。
• 要理解 AI 現在的困難，必須先理解它的原理——這正是下一節要談的。