科技變革蘊藏著極大的潛力，不僅能提升生產力，還能改善地球上數十億人們的生活。但是為什麼世界還是有這麼多貧窮與污染？以大家這兩年最熟悉的AI發展來看，為什麼許多人的憂慮勝過於欣喜？

美國年輕經濟學家最高榮譽克拉克獎得主，《國家為什麼失敗》作者、麻省理工經濟學家艾塞默魯（Daron Acemoglu）與強生（Simon Johnson）的最新著作《權力與進步》（Power and Progress），從新石器時代的農業革命談起，到 AI 崛起的科技發展史，以一條強力主線貫串全局：科技的變革不是命中註定，科技的發展方向也絕非無法改變。

儘管人類的制度並不完美，甚至於東西方國家的看法差異甚大，例如東方國家致力於研發與創造商機，而西方國家則更關注如何為發展設立「護欄」。但是人類仍然掌握主控權，因此，科技發展究竟會駛向正義或是墜落懸崖，責任仍然在我們人類身上。也因此，我們必須仔細探索如何創造一個兼顧進步與平等的未來。

作者大聲疾呼：科技進步並不意味著所有人都能共蒙其利，今日我們所共享的繁榮生活，其實是前人積極爭取的結果。我們如果繼續對科技抱持盲目樂觀的態度，聽任少數人透過侵害多數人權益而致富，終將侵蝕得來不易的自由、民主與生活方式。以下為《權力與進步》重點內容節錄：

在現代經濟當中，科技精英往往忽視人類具有適應能力與獨創力的重要性。舉例來說，城市的規畫師和工程師常常認為，想讓車流安全順暢，關鍵在於交通號誌。但在 2009 年 9 月，英國沿海小鎮波蒂斯希德（Portishead）嘗試在一個最繁忙的十字路口關閉紅綠燈，結果讓許多專家跌破眼鏡，駕駛反而更加小心駕駛，很快就適應這種新的做法。四個星期的測試結束時，這個十字路口的交通流量明顯改善，而且並未增加事故或受傷人數。波蒂斯希德並非特例。其他幾場這種「無紅綠燈」的實驗，也都得到類似的結果。有些人會認為，在大城市、尤其是最繁忙的路口不設紅綠燈絕對不切實際，但這個實驗結果讓我們去思考，當科技剝奪人類的主動權與判斷力之後，有時候只是讓事情變得更糟，而不是變得更好。

生產任務也是同樣的道理。人類智能之所以強大，是因為能夠配合情境與社會狀況而調整；人類就是因為能夠理解並成功應對環境，才能順利適應各種不斷變化的情況。舉例來說，當人們處在不熟悉的環境，即使在睡覺或休息時，也能對最細微的危險訊號有所警覺；如果是在自己感到安全、可預測的環境，則能憑著過往習慣的例行做法，快速執行各種任務。也是這樣的情境智能（situational intelligence），讓人類能夠應用情境中相關的資訊，應對環境中的種種改變，辨認不同臉孔與模式。

人類智能與社交脫不了關係，還與下列三個面向有關。第一，想要成功解決問題、適應環境，很多時候得從社群取得必要的資訊，這就需要透過各種隱性或顯性的交流（像是模仿他人的行為）。而人類認知的一項重要功能，就是詮釋這類的外部知識，這也正是「心智理論」（theory of the mind）所強調的基礎。心智理論就是在探討人類為何能夠推論他人的心理狀態，進而正確理解他人的意圖與知識。

第二，人類的推理過程會受到社會互動的影響。我們會根據不同的假設，提出支持或反對的理由，並在這個過程中評估自己的理解。要是人類缺少社會層面的考量，做出來的決策肯定會很糟糕。缺乏社會智能，就像是處在實驗室的環境中，勢必會做出錯誤的決定，而在比較自然的環境中，則能夠避免犯下那些錯誤。

第三，人類能夠藉由對他人的同理心，以及從中感受到他人的目標與企圖，因而學習到更多技能。正是因為智能具有情境與社會面向，因此，即使一個人的認知分析能力（主要反映在 IQ 分數上）很高超，但那並不代表他就能在各種領域獲得成功。即使是科學與技術專業領域的成功人士，不僅需要擁有高智商，還必須具備優秀的社交與其他能力。

對於大多數工作者而言，如果具備情境與社交智能，不但能夠更具彈性地適應環境，還能順利與顧客及其他員工溝通，提升服務品質、減少錯誤率。這也是為什麼即使 AI 科技日益普及，但許多企業求才更加看重求職者的社交能力，而不是計算或技術能力，因為不論傳統數位科技或現在的 AI，仍然無法勝任與社交互動、適應力、靈活性及溝通有關的基本任務。

雖然如此，但隨著自動化逐漸縮小社會人際互動與人類學習的範疇，可能會形成一種惡性循環。讓我們再次以客服為例。訓練有素的人類處理問題的效率高，是因為能夠和求助者建立社交連結（像是對剛發生意外、想申請理賠的人表示同情），能夠迅速掌握問題的本質；他們懂得要與顧客溝通，再以此為基礎，找出符合需求的解決方案。而且，在人際互動的日積月累之下，客服人員往往能把工作愈做愈好。

現在試著想像一下，假設我們把客服工作拆成許多更細的任務，接著把前端工作交給演算法處理，但由於顧客的問題太過複雜，使得 AI 客服難以辨識與有效處理問題。於是在經過一連串的選單之後，顧客才終於等到真人客服出面解決問題。此時，顧客往往已經心力交瘁，真人客服人員則錯過首次與顧客溝通、建立社交連結的機會，同時也很難從中獲得進一步的學習與應變，這樣一來，客服人員的效率自然又會受到影響。不幸的是，最後管理者與技術人員反倒還覺得：看吧！果然不能把太多任務交給真人客服，我們還要再砍掉一些人力才行。

在 AI 圈裡，經常會忽略這些關於人類智能與適應性的教訓，只是一心想把各種任務都自動化，而不去思考人類技能可能發揮的作用。

2016 年，AI 在放射學領域大獲成功，得到眾人交相稱讚。當時，曾共同創造現代深度學習方法並榮獲圖靈獎的 Google 科學家傑弗里．辛頓（Geoffrey Hinton）認為：「人類應該停止再培訓放射科醫師了。顯然在五年內，深度學習就能超越放射科醫師。」然而這件事並未發生，而且從 2016 年以來，對放射科醫生的需求有增無減。原因其實很簡單，想要做好完整的放射診斷，人類所具備的情境與社交智能絕對超越機器。事實上，近期研究顯示，如果將人類的專業知識與新的技術結合，效率還會更高。以糖尿病患者為例，這類患者經常因視網膜血管受損，而形成糖尿病視網膜病變，而運用最先進的機器學習演算法，確實能及早診斷出這項疾病；然而，如果先用演算法找出診斷較困難的病例，再交由眼科醫生進行診斷，更能大幅提高診斷的準確度。

Google 自駕車部門的技術長曾在 2015 年信心滿滿地說，等他當時十一歲的兒子長到十六歲時，已經不用再考駕照了；馬斯克也在 2019 年做出預測，到了 2020 年底，特斯拉會有一百萬輛全自動無人計程車上路。但基於同樣的原因，這些預測最後全都一一落空。正如前面提到的無紅綠燈實驗所強調，要開車行駛在繁忙的都市裡，駕駛需要具備極高的情境智能，來適應不斷變化的環境，甚至需要有更高的社交智能，才能對其他駕駛與行人所發出的訊號做出回應。

本文節錄自《權力與進步-科技變革與共享繁榮之間的千年辯證》，由天下文化授權轉載。