2021-06-11 11:40:51 作者：北京大学光华管理学院 责编：张敏 本文将围绕“人工智能对人口和劳动力市场的影响”、“如何提高社会对人工智能技术的接受程度”两大热点问题展开讨论。 王翀：数据隐私、算法公平是两个关键点 每一次IT变革都会重构工作流程，让一部分工作变成更适合智能设备或者机器人来做，让另一部分工作变成让人能做得更好，可以创造更多新价值。短期来看，结构转变必然带来结构性失业，但是，长期来看，将带来更多有意义的工作，同时也促使福利政策的调整。 我认为，人工智能需要大量的数据做训练，持续输入数据会带来很多隐私问题；人工智能整体提高了社会效率，但是不能有效保护个人隐私，会影响人们对技术的接受程度，因此，隐私问题亟待解决； 另一方面，“算法是否公平”界定起来很难，应该如何定义呢？最近学界有不同的思路，比如从算法产生的预测结果，来看实际是否存在不公平的问题，应该是比较好的研究方向。 唐遥：人工智能产品要充分考虑隐私保护规则 人工智能本质上是数字形态服务，未来将在跨境服务领域发挥越来越大的作用，并且会改变现代服务业在国际间的分布。人工智能领先的国家有先发优势，还可以通过知识产权和人才来固化优势，因此可能造成比较发达国家与不发达国家间的收入差距；另外，AI服务的数字化贸易是全局性的，所以有可能扩大全球的不平等，这些问题需要引起重视。 同时，国家间的数字贸易存在壁垒，世贸组织WTO对于数字贸易没有单独的规定，存在缺失，一个全球化的算法可能适用于所有国家，但是，不同国家存在文化偏好，对隐私保护和国家安全有不同理解，因此，数字贸易实际上没有共识。 我建议，技术公司要主动思考这些问题，不能被动地等到其他国家来找麻烦，应该设计让各国的政府、消费者和其他利益相关方能够接受的应用产品。 王辉：让消费者成为数据要素的利益分享者 我认为，考虑到未来劳动力人口减少带来的压力，提高劳动生产率变得非常重要，因此人工智能和技术进步对我国经济的增长有重要意义。 我们固然应该看到，一方面，人工智能会替代部分的劳动力，能不能帮助受影响的工人快速适应转变，将会给企业HR、国家的教育、培训提出很大的挑战；但另一方面，也应该看到，人工智能可以把有限的人力资源从枯燥、重复性高的工作中解放出来，使人们有更多的精力从事需要一定创造性、灵活性、协作性的工作，进而创造更大的价值，提高现有劳动力的使用效率。 对于如何提高人工智能的社会接受程度问题，电商平台的浏览、消费数据，能够帮助商家更加准确地把握消费者偏好与需求，给消费者提供定制化的服务、产品、以及价格，给平台带来更多的商机。 换句话说，消费者的行为其实就是在给企业提供大数据，在帮助企业创造更大的价值。谁能使用消费者数据？如何使用这些数据？消费者能否分享相关的权益？这些都涉及到数据这一独特要素的确权、定价、分配、甚至隐私问题。这些问题的回答，需要学界、业界的共同努力；这些问题的解决，会有助于大数据、人工智能在更广泛场景的推广。 李光骏：让全社会享受AI红利，需各界合力 智能客服确实替代了大量的低端重复性的劳动力，但是，在把最先进的技术转化成好的产品、好的解决方案、好的商业模式的过程中，产品研发、市场、销售、实施、运维等岗位也创造出一大批紧密围绕AI的新的高价值就业机会。 此外，通过AI赋能，人均产出显著提升，个人为公司创造的价值更大，相应的个人薪酬福利、工作满意度也会提升。总体来看，AI技术的应用会对就业人群的构成产生一个向上的推动作用。 我认为，现在从企业到政府，都在主动引入人工智能技术。如今，很多城市的政务服务统一到一个号码“12345”，鼓励市民及时传达舆情，在咨询处理量级以及响应速度等方面都实现了飞跃，有效提升了市民的幸福感和获得感，这些背后都是AI为主的新一代智能客服技术在支撑。 并建议，要想让更多人享受到AI发展的红利，需要从认知、教育、培训等角度帮助更多人增加知识储备，实现认知升级，这一过程能创造大量就业岗位，实现多方共赢。  文／ 東吳大學社會學系副教授 劉育成 從社會學角度、日常生活觀點，如何討論人工智慧等新科技，在促進經濟發展與社會正義能否達到平衡？數位發展無論為紅燈理論或綠燈理論，無論是要往前衝，還是要稍微踩煞車，這類的議題在全世界都有很多討論，例如MIT除了發展新科技之外，也有相關的道德與倫理論述，其中包含很多哲學觀點、倫理學觀點等，以更全面性地思考科技對人類、社會帶來的影響。 人工智慧對人類本質的挑戰人工智慧的應用領域或可分為感知、思考與行動三類，第一，人工智慧可以進行感知，例如各種感測器，可以進行人臉辨識、偵測聲音、情緒與行動表現等；第二，人工智慧能夠進行「思考」，目前也許還無法像人類一樣，但未來也許會有不同，甚至超越人類；第三，人工智慧能夠行動，例如在獲取資訊後，連結於機械動力裝置，便可在真實生活中執行動作等。感知、思考與行動，三者都是社會科學領域的重要主題，在加入心理學、社會學、政治學、經濟學等研究成果後，我們將面臨的是，當人工智慧能做到像人一樣思考的時候，人類的本質與角色是否將得重新定位？當人的腦袋可以完全被拆解時，人類的價值又會以何種形式存在？當人工智慧可以預測人類行為時，人類所獨有的自由意志，在演算法的挑戰下具有的意義為何？綜合以上問題，人工智慧在根本上，其實就是對人類本質的一大挑戰。 人工智慧科技的基礎，包括統計、計量經濟學、優化理論、複雜性理論、電腦科學與遊戲理論等，這些都是從比較大的架構去認識人工智慧。在談科技與人之間的關係時，大概有兩件模式，其一是人介入機器模式，意指人跟機器合作，一起進行資料分析與運算。其二是人不介入機器模式，也就是機器可以自己行動、自行運作，不需要人類介入，例如自動駕駛領域中所進行的分級，最高級就是完全自動駕駛，也就是人不需要去介入。例如特斯拉的自動駕駛在遇到狀況時，人類駕駛是必須要去接掌方向盤，未來數位發展進程則是期待完全不需要人類駕駛介入。當這天來臨時，機器可以自己思考、偵測，人就不存在於人工智慧模式參數裡考量，呈現完全自動化。現今的科學家都在往這方向研發，也不只是期待自動化，還想要讓機器具有自主性、智能分析，也就會更接近強人工智慧的誕生。 人工智慧發展對經濟的衝擊在人工智慧發展途徑中，主要包含兩個觀點，其一是比較狹窄的觀點，稱之為「弱人工智慧（weak AI）」，基本上目前看得到的應用，都是此類人工智慧，諸如語音辨識、資料標記與分析、自動駕駛等。其二是比較廣義的觀點，也就是「強人工智慧（strong AI）」，就是可以像人類一樣思考，現在所提的強人工智慧，或稱之為「通用人工智慧（artificial general intelligence，AGI）」，基本上都還未能實現，但所有科學家都在努力朝此目標邁進。 儘管如此，AI對經濟的衝擊依舊存在，主要可從五個面向切入，第一是工作種類，隨著資訊自動化及演算法的發展，對工作類別也產生一定衝擊，不只傳統產業、服務業，也擴及金融業或會計師、律師等專門職業，從基層到高階的工作都有可能被取代，許多新的工作型態也會不斷被發明出來，例如像外送平台Uber Eats或Food Panda的外送員，一個要能夠同時使用科技平台以進行消費與送貨，在過去，這樣的角色是不存在的，但因科技發展、AI演算法的推陳出新，這些新的工作種類與型態都可能會被創造出來；第二是生產力，也就是生產數量與品質也可能因人工智慧的介入，而會進行調整。第三是經濟效率，AI演算法可以透過大數據來提供更好的經營模型，增加產量，同時也減少資源與時間的浪費；第四是數據搜集，透過數據來發現可能的模式，並給予建議或行動方案等；第五是自動化發展，AI演算法可以更好地部署自動化這件事，這些都對社會發展與經濟帶來一定的衝擊與影響。 未來受到AI介入產業而對GDP產生的影響，基本上隨著時間愈長，影響更為加劇，無論是在生產力、個人化、或效能的表現上，都呈現正向關係。從醫療、汽車、金融三個產業端看AI介入的短中長期進程，在醫療產業，許多新型疫病會隨時間變化，連人類也無法完全掌握，因此AI科技需要花更多時間才能有效介入；第二是汽車產業，相對於醫療產業，AI科技需要較短的時間，便能夠完全介入；第三是金融產業，以目前發展來看，AI科技幾乎已經完全融入產業發展，PwC的調查研究預測，在未來三到七年之內，陸續會有更多產業完成AI科技的介入。 全世界都受到AI介入工作、經濟發展的影響，2018年，PwC針對 2030年全球受AI的經濟預期收益影響進行預測，以中國的26%為首、北美14.5%次居、其他周邊國家在5%至11%左右。此外，全世界都非常關心南半球的科技介入，其對社會與經濟可能會帶來巨大衝擊。以人工智慧科技介入產業而言，若以GDP來評估，公共服務跟個人化服務，無論是叫車、訂餐、或是醫療等，都受到影響且逐漸增加。以工作機會而言，會受到影響最大的區域是中國，其他如對拉丁美洲、北美洲、北歐的影響也都持續增加。 科技介入對社會正義的影響若從產業面來談社會正義，大致上可有幾個面向，第一是製造業，第二為公司、產業和國家；第三是勞動市場；第四是重分配的效果。當把科技放進產業時，財富、經濟、糧食可能重新分配，這都需要透過科技的介入，做更好的處理與計算。然而，如何處理、處理後會產生的結果，以及其對政策的影響，都會是重要的議題。在數位演化的過程中，大多數人都不會反對科技帶來的便利生活，對經濟成長帶來的幫助等，例如在許多學校門口或公司行號外，一到用餐時間便停滿Uber Eats或Food Panda的外送機車，這些景象已經是大家習以為常的日常生活，而人們也逐漸變得懶得外出用餐了。 然而，科技雖然帶來了便利生活，但也同樣帶來影響與風險。以前述送餐為例，勞動市場就會有兩極化的發展，科技介入後有些工作被機器取代，但許多個人化服務但卻低薪的工作，卻沒有辦法被取代。在這些較無法被取代的工作中，其中大部分不乏是低薪工作，例如社會工作人員、Uber Eats外送員等，這些目前在台灣就是相對低薪的工作。那些能夠被取代的，例如中研院現在正開發研究中的AI法官、以演算法為基礎的判決系統來取代律師，以及會計師等，這些過去被視為是在金字塔頂端或收入很高的族群，其被取代的可能性也非常高。此外，科技發展也創造新的工作類型，例如資料分析處理工程師等。勞動市場呈兩極化發展對社會帶來什麼樣的影響，台灣目前並沒有很多的討論，但美國、歐洲都已開始關注此議題。未來也有可能會有越來越多不平等現象的出現、結構性的失業問題等，最後可能會有無法預期且不希望出現的產業結構變化。 AI能夠增進還是損害社會正義，或可從三個面向來思考：平等權利、平等機會、平等對待。這是說，對所有的人、族群、要能不分性別、不分地域的平等看待。科技介入後到底對這三個面向的影響為何？舉個例子，最近流行AI面試官，有人認為可以消除偏見，排除人類在面試時的偏見，因為人類面試官多半會因為其文化、社會、訓練養成背景等，而產生偏見。相對地，有人會覺得AI也會具有、甚至是增加面試偏見，因為演算法有可能加重AI判別時的偏好。美國日前也打算要透過臉部辨識來預測犯罪，中國也有類似的「社會信用評分」系統，這些固然是一種進步的象徵，但也涉及到許多人權問題，仍有非常多人抱持反對立場。 另外，最經典的案例或許是Insecam網站，在網頁上可以看到遍佈世界各地的網路攝影機所生產出來的即時性影像，台灣就有好幾十支即時影像在上面，有的是拍攝自家畫面，有的則是工作場所等。這些影像並非是透過傳統駭客的方式去刻意蒐集，而是從使用者自行買回去的攝影機中，那些沒有重新設定密碼的用戶端所取得。這是因為，只要是同廠牌網路攝影機，在其出廠時的預設密碼都是相同的，如果使用者沒有更改密碼，駭客就可以透過一些簡單程式搜尋在網路上使用預設密碼的監視器，並將影像串流到網站上。這就是科技帶來便利性後的風險。沒有人會認為監視器不重要，可是都不太關心重設密碼問題，。另外，近年Amazon推出的新產品Ring也是個具有爭議性的例子。Ring是兼具門鈴功能的監視系統，當按門鈴時，有鏡頭可以對來訪者進行辨識，也可以進行攝錄影，並將影像上傳至資料庫。Amazon承認曾把影像提供給執法機關參考。簡單來說，透過網路串連，可以監視器鏡頭看到家門旁邊是不是有人經過，這也是在追求安全之虞，同時有可能侵犯到他人的隱私權利。 利用演算法「做決定」、「預測」、「分類」總體來看，演算法大多是在做三件事：做決定、預測、分類，而這三件事剛好也都與社會正義有關。第一、演算法如何做決策，有可能引導人類完成或進行某件事情或行動，但此一被引導的過程，也很有可能是演算法或其背後的商業利益或國家機器刻意所為，故利用演算法做決策背後也充滿爭議。第二、演算法很大部分是用來進行預測，包括使用者行為、購買動機等。當使用者在網頁上搜尋某些東西時，接著便會發現其他頁面中也逐漸都會是剛剛所搜尋的內容，網路平台業者透過演算推播有效的廣告內容給使用端，以應用程式介面（API）的方式全部推播到使用者所有的數位設備。第三、演算法不斷地在進行分類，可能是透過人類工程師給予類別，也可能在運作過程中強化既有的分類，例如前面提到的AI面試官。「分類」本身就存在許多問題，類別如何出現、如何分類，以及為何被分到某一類？等。這就像有智慧型手機與沒有智慧型手機，就會被區分成兩類，這也帶來相對應的使用行為與資訊近用上的差異。另外，偏鄉教育中的數位落差問題，也是與科技有關。據此，做決定、預測、分類這三件事，都會跟社會正義有密切相關，而其背後的邏輯或始作俑者，便是資料數據。 AI或演算法都需要大量資料來訓練，這便可從幾個面向來思考：第一、AI需要什麼樣的資料來訓練？第二、如何確認或創造乾淨的資料？演算法偏見來自於提供的資料本身，而這些資料本身便帶有偏見。然而，如果若能夠提供所謂的「無偏見資料（unbiased data）」給演算法，那麼演算法是不是就不會具有偏見呢？第三、這樣的一種無偏見資料，真的存在嗎？如果所有的資料數據都與歷史、文化脈絡、人的行為，甚至是在手機或網頁上進行的每個動作有關，那麼我們如何想像一種無偏見資料的存在？此外，關於資料數據的最後一個問題則是，如何進行所謂的「數據治理」？ 數據治理必須賦權於大眾意識去年（2019）在GISWatch出版的報告中討論到如何進行資料管理，提到數據的治理必須要賦權於大眾，除政府必須介入並扮演重要角色外，大眾在其中中的角色或許是更為重要的。該報告提出兩種方式可供參考，第一、資訊受託人形式，亦即以信託方式，改善線上平台或服務提供者的問責制，主要是針對平台端公司，應做好資料管理、數據保存的責任，以信託的概念進行。第二、資料信託，也就是成立一個信託單位，所有人的資料全部都交給由信託單位來管理，就像是現金資產交由銀行信託，信託後就會受到監督，資料信託的概念也是用類似方式去做所有個人資料管理。過去幾年已有往這方向進行測試，例如2018年Open Data Institute就開始討論，2019年英國政府的《數位憲章（Digital Charter）》中便將信託概念放進來，同年OECD的AI原則，也把資料信託概念導入，G20也在其「以人為中心的AI原則」中參考了資料信託的概念。 此外，資料信託有幾種類型，第一為公民資料信託，就是把公民價值跟參與過程放到信託過程中，現在的數據不是只有次級資料，而是所有人都是資料提供者，應鼓勵主動參與且願意把自己的資料提供出來、交由信託組織來管理；第二為由下而上（Bottom-up）的相互運作，不再是過去由上而下地透過政府搜集資料與管理資料，而是進一步去思考如何將所搜集的資料提供給權利個體。 未來數位時代還是有很多問題挑戰，列舉如下：第一、信託透明度問題、是否需要新的專業數據受託人，這是否也會導致一個新的階級或職業出現；第二、有沒有可能會有壟斷濫用的問題，該如何解決？第三、標準化的問題；第四、責信的問題；第五、授權的問題等。即便是在資料信託之後，當需要使用時，授權問題該如何處理？這些都是未來可能會遇到的問題。 最後，在使用數位資料時，須意識到相互使用資料的重要性，大部分人在使用數位資料都沒有什麼意識與防衛，看見隱私權同意鍵就大多直接按同意，很少對內容進行仔細閱讀或甚至是提出質疑。使用者看似對隱私權很在意，但在行為上卻幾乎不在乎授權與使用，而只是想享有數位帶來的便利性。因此，提升大眾意識還是非常重要的關鍵。未來數據治理概念的成果表現、在共享權利下進行問責機制，且在發生問題後能快速彌補，這或許便能夠在經濟發展跟社會正義之間取得平衡，對其有比較規範性的處理，也就不會只是憑空討論數位時代的問題。 ＞＞訂閱名家評論周報，關心全球財經大小事 延伸閱讀
|
Ai對經濟的影響
版權 © 2024 zh.paraquee Inc.
