AI 焦慮與大學科系入學選擇

剛畢業那年，父親想為我介紹穩定的公司行政工作，他最大的焦慮是哲學系畢業生沒競爭力。我回他：「我們這個世代，不是在跟其他人競爭，需要跟機器人競爭。我得要找出機器人做不到的事才行。」我畢業早超過十年了，但人的焦慮本來就不會輕易消失。

建議把今年成大歷史系今年申請人數掛零、台大醫學系棄英文採計社會科這兩則新聞一起看。作為參考，私立院校東吳哲學系今年滿招。三個學系中最焦慮的，顯然還是把原因歸咎於AI浪潮，而非新進採計數學的成大歷史系。就連精於過去的人，也難免對未來焦慮得要命。

技術革新

破壞性的技術革命不是第一次發生，你我都清楚的工業革命在AI焦慮中已經被提及千萬次，但人類當然只擔心影響到人類的破壞式創新。蒸汽機跟內燃機取代的動物勞動力離AI焦慮太遙遠，我們接跳到腦力相關的執行技術革新：

1. 打字機：取代手寫、字元標準化。打字員只需要「選取」字元，無需擁有抄寫員對每一個筆劃工整精準控制的手部動作精準度。
   
2. 電腦：格式可相容的計算式，都能「正確迅速」完成。算數是所有產業都需要的基本能力，而且對精度的要求是百分之百。人腦在數萬年間，是全世界運算能力最強大的構造，其中正確性要求最高的算數，可以被電腦完全取代。
   電腦取代的另一項人腦功能，是書籍跟紙筆乘載千年的「大量記憶」，但不至全面取代。因為光是揀選資訊的儲存和檢索，人腦的相關性檢索力還是遠勝電腦。
   
3. 圖形化介面：降低電腦使用門檻，解放普通人使用算力與記憶力。專業的電腦操作者能掌握的「指令精度重要性降低」，需要操作性以外的能力才能維持專業工作。
   
4. 模組化：內容產出的規格模組化，包含字型、筆刷、濾鏡、原始碼，幾乎所有使用者都可以用「選取＋修改」的行為完成任務，以素材為起點手工創造內容的工作型態在產業內滅頂。
   
5. 大數據：以超越人類經驗可容納的資訊作為判斷基礎，挑戰「洞察力」這項人腦的運算優勢。這是第一次，執行面以上的判斷力，人類的聰明完全落後。
   
6. 生成式AI：基於大數據來發展新且不定向相關性連結，開始在「創意跨度」上碾壓人類。笑著流淚的說法是：本期待AI做了我的工作，好讓我畫畫、寫作、拍片；不料AI畫畫、寫作、拍片，剩我在工作。
   影響最直接的產業仍是翻譯，因為輸入資料的精準度高，一直都是最棒的機器操作條件。文字和電子音樂，是僅次於程式的精準內容。
   

每次技術革新，花了大把時間心力掌握前一代技術的人，都會有很深的被剝奪感。隨著年齡增長、技術迭代加速，怕自己永遠無法靠專業換取生活資源的恐懼也漸強。

重要的是看出：哪些任務、成果，工具能做得比人類更好？人類在演化上所向披靡的超級運算大腦，又在哪些任務跟成果上仍然有不可取代性。光是杵在看見哪些條件被取代的焦慮裡，會照不到關鍵。

AI的能力限制

2023年2月，一個小說家用不上 ChatGPT 的理由，至今相同：正確性＆精度。2023 沒明說的理由是：策略性。策略也是所有詠唱技術裡，最難擁有，但決定成品效果的條件。

從AI生成圖片的機制看，以輸入資料＋訓練＝輸出的過程而言，相關性還是機器人賴以產出有效成果的依據。但即使是已經被大數據打臉多年的人類洞察力，也不只以相關性為判斷基礎，因為常識的資訊性不高，違反常識才高。

也不是所有違反常識的東西，資訊性都很高。情理之中、意料之外，才是最有價值的資訊。情理之中需要正確性，而意料之外需要創意。

聊天機器人和圖片影像生成所使用的 LLM 至今還是毫無檢查機制，無論是捏造人物生平或地球歷史，還是創造昆蟲生理上不可能存在的超巨型蟑螂，都是垃圾資訊，甚至不值得花時間檢視。

生成式AI因為資料庫大，創意跨度的確常常也遠大於人類。但創意跨度只是創意有價值的面向之一，令創意真正有效的還是連結強度。例如詩意，不是來自天上的星星和地上的你有多遠的距離，而是你和它燃燒自己、照亮別人的處境有多貼合。星星和你的差距只會讓這份貼合顯得更美。說穿了，因為精度不足，也還缺乏修正精度的機制，創意產出產業目前還不被取代。

而策略性之所以重要，不只是因為沒有AI的無窮次數訓練，需要用好的策略來收斂資源投注。策略性之所以重要，是因為至今，內容的受眾還是人類。人類有基本的 human scale，一旦超過，就失去所有意義。舉個例：七公里，對照七十萬光年。七十萬光年除了對天文學家而言，對一般人類的意義和一光年沒什麼差距，都遠超出 human scale。但七公里是一個你可以從已知地點走到另一個已知地點的距離，也可能是你今天慢跑半小時的距離，對你有意義。資訊呈現給人類的方式，非常有意義。

很棒的內容配上很爛的呈現方式，就像是一塊上好的牛排用垃圾桶蓋端上桌，吃不下去。想想初戀的重要性跟第一語言對其他語言的影響，就知道光是資訊輸入順序，就能天差地別。所以對人類呈現資訊，精度非常重要。但資訊精度，仰賴的是判斷力，不是相關性。

知識體系

然後我們可以回頭看新聞，理解台大醫科為何捨英語學科，採計社會學科？相較於輸入到輸出的過程都非常精準的高中數學，以及已經非常數學化的自然科學，社會科學是高中學科裡亂度遠大於理科的知識體系，例如蘇聯解體的內外在原因都要等歷史沉澱後才梳理得出來。缺乏高度有效的批量產出，在製造業思維裡，簡直死罪。但是現實是一樣米養百樣人，而且醫生是幾乎無法挑選客戶的職業。唯一挑選的方式就是走上不同的專科，但那挑選的依然是病，不是人。但疾病只會發生在人身上，只面對器質性的生理結構，不面對有情緒、有疑問、有意圖的人類，實務上毫不可行。自然科學知識裡的因果，即便是生態系和生理學、病理學，都比人類社會單純許多。社會人文學科所面對的資訊亂度，正是鍛鍊判斷力的場域。在夾縫裡求生存的本事，只能在夾縫裡學。

我有幸受過多年哲學系和社會科學訓練，才能只利用晚餐後、睡覺前的時間，就寫出科技進展至今對人類工作造成的焦慮。如果沒有受過良好的判斷訓練，大概會困在焦慮裡，分不清創意的跨度和精度原來創造的價值不同，也分辨不出在工具發達的年代，最珍貴的人類才能是判斷力吧。

判斷力是在混亂與衝突中，分辨哪些條件比其他條件更重要的能力。以醫生為例，在開放性骨折、肝臟破裂、意識昏迷等條件下，需要瞬間判斷得先止血。判斷的準則是：哪個條件最致命？但在生理學跟病理學之外，醫生需要的判斷力往往是：先不要對病患家屬的態度生氣，等他們焦慮減緩，再說明病況。因為當他們恐懼跟焦慮的時候，用不上前額葉，做出的判斷往往會後悔。

不是每個人文學科的畢業生都會有足以超越AI的判斷力，光是「受教育→成為人才」這個心理預設，就是妨礙判斷的無效雜訊。但能判斷什麼是雜訊，已經是很成熟的能力。

思考愉快