📝📝：在 AI 時代尋找人類痕跡

本文原投稿於思想坦克《在AI時代尋找人類痕跡》

科技與社會一直都是互利共生的關係。沒了社會做為培養皿，科技無法自行成長甚至四處繁衍；沒了科技作為混凝土，人類文明無法建造今天這般傲視萬物的高度。

但是，AI 的出現擊垮了人類何以為「人」的驕傲，我們對 AI 的恐懼反映了人類自身的存在危機。每一代傳播科技的推陳出新，都會動搖整個社會賴以維生的資訊接收模式。早些年，長輩喜歡說整天看電視的小孩會變笨，要多讀點書；過些年，老師們會說網路上的東西不一定是真的，要自己查證；沒多久，同學們又說不要在社群媒體上尋求社交的貨幣，要實體交流。

每一代都有人試著呼籲：

「不要把自己欣然地送到科技的虛擬空間，並且要把專屬於人類的痕跡留在現實世界。」

但是，近幾年，AI 的出現完全推翻了前面幾種狀況。AI 在大量數據的訓練下產生了專屬機器的「暗知識」，而這個說不清、摸不著的暗知識將會顛覆人類社會對科技的想像。

╴

我們與 AI 的不對等關係

當然，AI 還是需要我們才能在社會立足，推進 AI 蛻變的燃料正是人類社會生產的海量數據。但是，我們在電視年代失去了公共論述的能力，在網路年代失去了嚴謹知識的地位，在社群媒體時代失去了實體交流的互動。讓人不禁要問：

在 AI 當道的 21 世紀，人類還會失去什麼能力？AI 又能從人類獲得什麼？

每一代的科技產物都從人類社會悄聲無息地奪走原屬於人的特質，而發展至今，當前的 AI 完全是既得利益者，是一個強大的收割機。我們和 AI 之間存在著不對稱的利益關係，也因為 AI 的廣泛運用使得我們無法推絕它的強大力量。

科研人員用生活世界的數據訓練 AI，使得 AI 變得愈來愈貼近真實社會，這個過程被稱為「人造社會性」，也正是讓 AI 開始模擬人類，甚至超越人類的重要途徑。困在網路空間的 AI 需要來自真實世界的經驗，才能更好地與使用者（人類）互動。

換言之，我們將人類的經驗數據化，以便「借給」AI 深度學習，透過使用者的回饋，AI 繼續習得新的人類經驗。而人造社會性的精隨（同時也是危機）正是：外部化專屬人類的經驗素材。在那之後，AI 不再只是某個能力的延伸，也是一個他者的生成。AI 不再是工具，而是一個可敬的對手。

2023 年堪稱 AI 大爆發的元年，世界各地的科技公司接棒推出自家最頂尖的AI 工具，全面性地攻佔人類社會的資訊傳播管道。

正如，在社群媒體上看到一幅奪人眼目的畫作，我們不再給予稱讚，反而問到「這是 Midjourney 畫的嗎？」又或者，看到網頁上脈絡清晰的文章，我們不再細細閱讀，反而問到「這是 ChatGPT 寫的嗎？」這種略帶質疑的反問，不僅抽換了人類為中心的主體性，甚至把人類獨有的「寫作」、「繪畫」拼在不可見的 AI 機械軀幹上，這可真是「人類義肢」的絕佳妙用。

AI 工具的普及性應用，使得人人都能寫作、繪圖，不再需要花大量時間練文筆、學構圖。至此，爭辯網路上的作品出自人類或是 AI 之手已經沒有意義，而是每一個作品都是出自「人+AI」之手。當 AI 鑲嵌至人類的行為軌跡時，創作這檔事，就不再只是單一個體的成就了。

而在這個混合體的協作過程中，AI 的優勢明顯高於人類。人類用自身經驗教導 AI 創作，原本基於人類經驗的模糊性、有限性，最終卻在 AI 上強化了這個過程，達到精確性、無限性。AI 可以窮盡所有人類料想不到的潛在組合，超越了人類創作上的限制。

╴

數據至上，其餘免談

人類三部曲（《人類大歷史》、《人類大命運》、《21世紀的21堂課》）的作者 Yuval Noah Harari 在三本書中不斷提到我們身處的社會是一個全面數據化的世界：

對外數據化社會的食衣住行育樂
對內數據化人類生心理的一切活動

這一切數據化都是為了強化 AI 的演化（演算）能力，使人類更好掌控這個世界，也包含人類自己在內。我們身處一個迷信數字的社會，而且堅信有了海量的數據可以改善一切的問題；有時，不免讓人分不清楚，到底人類是主體還是數據才是主體？

• 在閱讀一篇報導之前，我們需要知道閱讀時間後再決定要不要看，而不是依據個人對該篇報導的興趣。

• 在出門上班之前，我們會點開手機查看外頭的氣溫決定穿搭，而不是直接踏出家門用身體感知冷暖。

• 在健身房慢跑時，我們會緊盯著智能手錶上的最大心率決定是否停止，而不是以身體的疲憊程度決定何時休息。

• 在社群媒體發布貼文時，我們會用貼文的喜歡、留言、分享的數量判定成效是否達成，而非以自身投入的時間和精力成本為考量依據。

AI 以數據為主體，這是顯而易見的道理；然而，我們卻鮮少注意，AI 也會因為有了海量數據進而從量變中產生質變。

「所有創作的起點都是來自模仿」這是人類學習的過程，向外界吸收經驗、模擬創作，最終產出屬於自己風格的作品。在閱讀了多篇的世界名著後，寫作者才能撰寫出不同凡響的小說場景；在欣賞了多幅的歷代名畫後，繪圖師才能描繪出身歷其境的田園美景。

這個過程雖然漫長，但每一步都是朝著更清晰的個人風格邁進；可是，這樣的訓練時間不論長短，對 AI 而言，只是一段冗長且不必要的學習路程。

╴

不只是數據：有了暗知識的機器智慧

美國風險投資家王維嘉在他的著作《AI背後的暗知識》談到了機器（特別是AI）運作過程的原理會產生「暗知識」（dark knowledge ），這是一種人類無法表達也無法感受的知識。

在 2 兩分鐘內整理 3000 筆資料，並找出其中的關聯；抑或是，從幾百張的 X 光照片精準找到癌細胞的位置，並對患者進行標靶治療。這對人類而言難如登天的任務，AI 卻能輕而易舉。可怕的是，這種效率只有 AI 才能勝任，以人類現有的知識與能力水平根本無法匹敵。

2016 年是機器知識公開擊敗人類知識的一年，由 DeepMind（一家 AI 研究公司，現在是 Google 的子公司）開發的 AlphaGo 與當時的世界圍棋冠軍、韓國的李世乭（Lee Sedol）對弈，引起了全球廣泛的關注。

那一次的人機對弈，人類的頂尖棋王被 AlphaGO 擊敗，AlphaGO 在海量的數據庫中拼湊出連職業棋手都意料之外的組合，李世乭完全無法應對 AlphaGO 毫無來由的棋路。

2017 年，AlphaGO 與當時世界排名第一的中國圍棋棋手柯潔對弈，最終AlphaGO 以壓倒性的比分（3：0）再次奪下勝利。自那之後，DeepMind 宣布 AlphaGO 不再與人類對弈，國立台灣師範大學資訊工程學系教授林順喜對此表示

「黃士傑（AlphaGO的研發者）不斷改良、演進 AlphaGO，目前的等級人類已經無力應對。」

然而，黃士傑並没有因此停下腳步，隨後開發出的 AlphaGo Zero，是AlphaGo 的新版本。

AlphaGo Zero 最引人注目的特色就是：不仰賴人類經驗，完全依靠機器的深度學習。只消訓練 72 小時，AlphaGo Zero 就能打敗當時戰勝李世乭的 AlphaGo Lee，相比於 AlphaGo Lee 訓練了幾個月。在訓練 21 天後， AlphaGo Zero 超越了打敗柯潔的 AlphaGo Master，自學 40 天之後就超過了其他的 AlphaGo 版本。

簡言之，在大量數據的訓練以及優化之下，機器已經有了自己的智慧並且能自主學習，不再需要人類的監督與協助。人類的智慧最終被機器的智慧淹沒。

╴

麻痺的感官、脫節的經驗

加拿大傳播理論學家 Marshall McLuhan 曾說

「媒介在強化人類的能力時，也同時麻痺人類自身，最終，人類會與原有的感官截肢。」

譬如靴子，強化了人類行走的能力，卻也麻痺了雙腳與地面的感知，現今人們一出門便不疑有它地穿上靴子，忘了人類的雙腳本來就是用於行走。同樣的隱喻，在 AI 上也適用：

AI 強化了人類經驗的複雜性，卻也麻痺了人類原有的想像能力，最終只能以AI 認識世界、想像自我。

這並非是說 AI 的暗知識有更高的實用性或優越性，而是，身處一個講求效率、追求數據的資訊科技社會，AI 的暗知識完全佔了上風。在這樣的社會裡，即便科技是高度發展的，人也無法找到自己的定位，所有的一切（包含創作）都能交由科技代勞，而失去生命的意義。