對於科技發展略有認識的人應該可以了解，要預測未來三、五年的發展雖有難度，但仍然有跡可循，可是若要預測二十年後，資訊科技家們常笑稱：「那是電影導演才有辦法做的事。」

不僅科技發展有其限制，另外，《AI 2041：預見10個未來新世界》的難度還來自於不只是AI突飛猛進，其他技術同樣快速發展，而且持續進行整合應用，所以這絕不只是一本AI的產業預測，而是以AI為切入點的「未來生活預言書」

在上一篇專訪中，李開復從作者角度出發，分享內容的取材、選擇與結構，並建議讀者最好從第一章循序讀起，可以將書中的十篇短篇小說當做是十本書，不過，務必要同時閱讀之後的〈開復解讀〉，才有辦法具體掌握AI的能與不能。

而身為全球知名AI趨勢專家，同時也投資多家AI獨角獸，李開復在出書後接受媒體時最常被問到的往往是AI在產業層面的發展方向。對此，他的觀察與心得又是什麼？以下是專訪精采內容摘要：

問：從2017年AI受到全球關注開始至今，台灣至今大部份的討論還是聚焦在產業層面，社會、生活或文化方面著墨，感覺對於未來的想像較為局限，你認為有沒有什麼角度是我們忽略的？

答：這本書在台灣是最早出版的（編按：後續有英文版及簡體中文版，分別在美國及中國發行），目前在美國已發了一些樣書給記者跟KOL（Key Opinion Leader），我發現有趣的是，美國跟台灣媒體問的題目差異很大，而差異背後當然有其脈絡。

先談美國的部份。今天人工智慧發展很大的挑戰，就是企業會不斷優化目標函數，所以幾家大科技公司都會應用手上擁有的海量數據進行優化，這一點很令美國人憂心。不僅讓人對內容上癮，而且如果這個人有暴力傾向，演算法就會推更多暴力內容讓你看；如果相信美國自由派，就會一直看到自由派的內容，因此大家所看到的內容會愈來愈極端，甚至看不到對方的東西（指不同觀點與看法）。

美國經過幾年很多事件的洗禮之後，他們比較好奇這些問題該怎麼解決，提問的方向也都集中在這裡。例如現在就有很多人想要拆了Facebook（指強制將Facebook分拆為幾家子公司，以避免不公平競爭或濫用數據侵犯隱私），但是我認為這恐怕不是唯一的方法，例如說可以設定多元化目標函數，不是看使用者點擊了什麼，而是看兩年後是否有看其他內容？或是有第三方監督機制，透過制度的設計促使企業有動機去調整。

美國科技公司為了賺錢，會想盡各種方法加長用戶的黏著度，這是無可避免的，也不太可能期待企業會有自律管理，我想提出的是有不同的制度與評估指標，像是ESG、考慮企業社會責任、綠色能源使用等，這些是可以衡量的。單靠法律無法達到最終目的，而是誘導公司有足夠的經濟動機去做這些事情。在美國談的都是這些，還有像是AI帶來的不公正、偏見該怎麼處理？AI沒有辦法自我解釋，個人隱私資料怎麼保護？AI的安全問題，都是美國目前關注的議題。

問：那台灣媒體關注的是？AI發展中台灣的角色是什麼？

答：最主要是AI產業發展中。台灣所扮演的角色，可能因為台灣小，在轉變的時候希望找到立足點，看得出來這是很迫切的需要。不過我也在想，我們可否再看得更遠一些？

美國因為走在比較前面，經歷過去十年網路公司還有AI的發展，面臨許多挑戰，也希望可以解決這些問題。當然，這些也都是全球問題，在美國，目前對AI負面的認知已經超過正面，而台灣、亞洲國家正面還是居多，這是相當大的差異。

如何看得更遠？我想書中所寫的這些故事是有幫助的。多年前我還在Apple的時候，Apple做了一個10分鐘的影片《Apple Knowledge Navigator》，描述20年後的未來。這個影片的內容相當令人震撼，記得當時我大概有50場演講都用這個影片開場，包含語音、圖像、影片、電腦視覺技術等，大概都在這部影片裡面呈現出來。而影片中的願景也差不多在30年後都實現，可見這個影片很有價值。所以寫這本書，可以說是潛意識受到這部影片的影響。

問：那如果是中國的媒體，可能會問什麼問題？

答：其實跟台灣的問題很類似，也是著重在產業發展。不過因為最近有些政策，對大型互聯網公司做一些要求，要他們在使用AI與數據時更自律。大家在書裡的故事中可以看到，有好幾個大公司擁有大量用戶跟數據，因此擁有很大的權力，權力愈大責任愈大，這也提醒大家需要考慮。其他中國跟台灣問的問題就差不多，不會想那麼深那麼遠。

問：既然談到法律規範的問題，我們也看到歐洲包括德國、英國在內的國家，都在近期推出AI 標準化的Roadmap或相關規範，對於整個AI技術與產業的發展，你認為有哪些影響？

答：一直以來歐洲特別喜歡用法律法規來管理，我認為這肯定是需要的，歐洲願意站出來也很好，但，如果一個國家唯一能使用的是法規企圖來管理AI，就不是很好的結果，因為很多問題不是只靠法律法規來解決。就好像電腦接上網路，就會有病毒，造成癱瘓，但是也沒有國家規定因此不能上網，反倒是防毒軟體崛起。

我想應該思考的是，現在已經出現的一些問題跟隱憂，可以用什麼技術和方法解決，法律或規範當然可以一起用，但如果只靠法規限制，或者是無限上綱到把數據都還給個人，那AI可能就不用做了，我們現在享受的AI福利與便利也都沒有了。

比較好的方式是，考慮AI為什麼會有這些問題？要怎麼解決？例如AI有偏見，但人沒有偏見嗎？或者換個方向問，AI做的決策比人更有偏見嗎？完全沒有偏見是沒有人能夠做得到的，所以對於AI的標準應該不是零偏見，而是要做的比人更好。

那再進一步分析，AI為什麼有偏見？偏見來自於訓練數據的不平衡？可能是因為數據集不夠大？是不是要告訴工程師要多大的數據才能做成產品？或是在訓練模型的過程中需要提醒工程師，若訓練數據不夠、或某一種性別的數據不夠，可能會產生偏見？

另一個問題是個人資料會被濫用，那是不是可以應用新的技術，例如聯邦學習，放在信任的地方去訓練，不暴露給互聯網公司但仍然能夠使用。假設為了訓練全人類的醫療模型，可以有一個妥協，每個醫院的數據跑成個別的模型，然後合併起來，這就是全人類的模型，而且數據沒有離開醫院。魚與熊掌是可以兼得的。

歐洲要變成立法的先驅很好，但是不應該把立法當做唯一解方。我跟一些歐洲的政治家，討論到他們的法規太多太嚴，可能會阻礙AI發展。有人回答：「不是因為要管AI造成發展緩慢，而是因為想要AI發展緩慢，才加以限制。」用這種思路管理科技是危險的，如果按照這樣的想法繼續下去。可能前三次工業革命都不會發生。網路也是一樣，當時百花齊放地讓科技公司推出它的產品，就是希望促進發展，等發展到一定程度，再針對問題來進行管制，會是比較好的思路，也是人類科學發展比較好的管理方式。