科技碎碎念 EP5 - 人工智慧如何重塑生產力：效率提升還是創新停滯？

嗑蟲

2025/08/08 更新2025/06/17 發佈閱讀 23 分鐘

哈囉！這邊是科技碎碎念，資訊 x AI時代下，我們將從海量的全球新聞與新知中，透過生成式 AI 彙整出精華懶人包，聚焦全球科技關鍵話題，讓您輕鬆透過閱讀或聆聽掌握趨勢變革。

快速重點摘要

^{(Image credit: 攝影師：LJ Checo)}

人工智慧的雙面影響
- 效率提升與生產力迷思：人工智慧主要提升效率，但單獨無法解決長期生產力停滯的問題，真正的突破來自於創新與發現，而非重複性任務的加速。人工智慧具備「速度」、「規模」、「範圍」和「精密度」四大優勢，使其在特定任務中超越人類，但也可能改變任務本質，甚至產生新的風險。
- 產業應用與風險
- - 機器人技術將迎來飛躍式發展，預計數年內能實現機器人製造機器人，對製造業和國民生產毛額（GDP）產生巨大影響。
  - 個性化定價與搜尋排序可能對消費者不利，因為演算法傾向提高價格，即使沒有價格歧視。
  - 人工智慧生成內容（如音樂）日益普及，預計未來將佔串流平台收入的很大一部分，但缺乏透明度和版權追溯問題。
  - 兩階段驗證碼（2FA）透過簡訊發送存在重大資安漏洞，因其會經過多層第三方中介商，建議使用專用驗證器應用程式或生物辨識。
人工智慧對社會結構的衝擊
- 教育領域的挑戰：人工智慧作弊案例激增，傳統抄襲現象下降，但偵測困難。大學需調整評估方式，並專注於培養人工智慧難以取代的軟技能。
- 網路生態的轉變：傳統搜尋引擎流量大幅下滑，人工智慧生成的摘要內容減少了使用者點擊網站的需求，可能導致網路問答功能的解構，促使 Google 等巨頭轉向以商務和廣告為主的模式，影響新聞和娛樂網站的生存。

人工智慧的發展與影響

人工智慧對生產力的影響
- 雖然樂觀者認為人工智慧是生產力工具，有助於員工和經濟發展，但歷史經驗表明，光憑效率提升不足以解決生產力問題。過去半世紀，儘管電腦技術不斷進步，先進經濟體的勞動生產力增長率卻從 1990 年代的每年約 2 % 降至過去十年約 0.8 %。
- 研究生產力也呈現停滯，與 1960 年代相比，當今科學家每單位投資產出的突破性點子數量更少。大型研究顯示，研究人員處理的專案越多，越不容易產出突破性創新。
- 歷史上的偉大發明家，如艾薩克 · 牛頓（Isaac Newton）和史提夫 · 賈伯斯（Steve Jobs），都強調專注單一問題和排除干擾對於創新的重要性。經濟奇蹟源於發現，而非僅是加速重複性任務。
- 大型語言模型（LLMs）傾向於統計共識，其回答反映訓練文本中的主流觀點，可能無法產生真正的新穎洞見。例如，一個在哥白尼之前訓練的模型，可能會重複地心說的觀點。
- 儘管人工智慧可減輕例行性科學工作，但決定性的洞察力躍進仍屬於人類。人工智慧目前主要提升效率而非創造力，例如一項針對超過 7,000 名知識工作者的調查顯示，大量使用生成式人工智慧可減少每週電子郵件任務 3.6 小時（31 %），但協作性工作則維持不變。
- 如果所有人皆將電子郵件回覆交由 ChatGPT 處理，收件匣的郵件量可能會隨之增加，進而抵消最初的效率收益。美國 1990 年代短暫的生產力復甦也顯示，新工具帶來的收益（無論是試算表還是人工智慧代理）若無伴隨突破性創新，將會逐漸消退。
- 人工智慧仍有機會點燃生產力復興，但前提是我們必須利用它來深入挖掘新的、先前無法想像的事業，而不是僅僅在舊有基礎上加倍努力。這意味著需要獎勵原創性而非數量，支持風險更高的嘗試，並恢復自主性。
人工智慧的「4 個 S」優勢
- 人工智慧在某些方面已具備明確優勢，超越了最熟練的人類，這可歸納為「速度」（Speed）、「規模」（Scale）、「範圍」（Scope）和「精密度」（Sophistication）四大維度。
- - 速度：人工智慧在處理大量資料和執行重複性任務方面，速度遠超人類。例如，人工智慧驅動的軟體可大幅提升圖像和影片的解析度，並應用於衛星遙感數據增強、影片壓縮、電玩效能優化、機器人動作輔助及湍流模型建立。在需要即時效能的應用中，人工智慧的速度至關重要。
  - 規模：人工智慧能同時在數百萬個地方執行任務，這是人類難以比擬的。例如，現代廣告技術產業透過人工智慧模型，每秒數千次地在即時競價市場中為展示型廣告定價，並針對每項產品、電視節目、網站和網路使用者進行廣告投放和個性化推薦，實現全球數兆美元的市場規模。
  - 範圍：人工智慧的優勢在於能處理比任何單一個人所能處理的更多元化任務。儘管在單一任務上可能不比人類專家優秀，但沒有任何單一人類能在所有這些任務上超越頂尖的生成式模型。例如，生成式人工智慧系統如 ChatGPT 能夠就任何主題進行對話、撰寫任何立場的文章、以任何風格和語言創作詩歌，以及編寫任何程式語言的程式碼。
  - 精密度：人工智慧在決策中能考慮比人類更多的因素，使其在專業任務上達到超人類表現。現代人工智慧系統（如深度學習）能透過多層神經網路考量數十億個因素間的複雜互動，例如 1990 年代的電腦西洋棋系統 Deep Blue，以及 2024 年榮獲諾貝爾化學獎的 AlphaFold2，該模型在蛋白質結構預測上超越傳統物理模型，儘管其運作原理對人類而言仍像一個黑箱。
- 情境重要性：人工智慧的優勢不一定在於超乎尋常的精確度，而是能做到「足夠好且快速」，或是「足夠勝任且可擴展」。例如，如果一個系統存在速度、規模、範圍或精密度上的瓶頸，那麼考慮人工智慧的幫助是合理的。反之，當這些因素不是主要障礙時，使用人工智慧的意義便不大，例如用於簡短通訊的自動建議功能，以及許多表現不佳的客服聊天機器人，雖然具備可擴展性，卻犧牲了溝通的真誠性或成為問題解決的阻礙。
- 任務本質的轉變：當人工智慧接手人類任務時，任務本身的性質可能發生改變。例如，高頻交易不僅是電腦更快地買賣股票，而是一種根本上不同的交易模式，催生了全新的策略、戰術和相關風險。類似地，人工智慧也改變了西洋棋和圍棋的遊戲策略。人工智慧聊天機器人的規模化也改變了宣傳的性質，使得人工聲音得以壓倒人類言論。這種「相變」（phase shift），即質變導致性質轉變，是人工智慧對社會影響最深遠之處。
人工智慧在不同領域的應用
- 家庭服務型機器人：新開發的 3D 文本資料集 3D-GRAND，利用生成式人工智慧建立合成空間，並自動標註 3D 結構。此資料集包含 40,087 個家庭場景及 620 萬個密集標註的場景描述，能幫助訓練家庭服務型機器人更好地連結語言與 3D 空間。相較於之前模型，在 3D-GRAND 上訓練的模型，其「語義接地」（grounding accuracy）提高了 7.7 %，達到 38 %，並將「幻覺」率從 48 % 大幅降低至 6.67 %。這種方法比人工標註（需手動指定物件與空間關係）能將資料收集成本和時間降低一個數量級。
- 機器人製造與部署：機器人公司 1X Technologies 推出「世界模型」（world model），讓機器人能預測和理解周遭世界的物理現象，並在不實際部署機器人的情況下評估其性能。該公司表示，硬體發展已趨成熟，機器人已能在家中執行清潔、整理、吸塵及部分洗衣等任務。該公司預期，機器人將在數年內（而非數十年內）實現「機器人製造機器人」，這將對美國的 GDP 產生巨大影響，並有助於解決勞動力短缺問題。1X Technologies 致力於開發安全、實惠且有能力的機器人，使其能與人類一同生活和學習，以實現「人工勞動力豐饒」的目標。
- 自動駕駛技術：特斯拉（Tesla）的自動駕駛技術堆疊及其規模化能力，使其相較競爭對手（如 Waymo）具有優勢。特斯拉車輛的製造成本僅為 Waymo 的七分之一，且透過攝影機實現規模化更為容易。特斯拉也擁有來自全球的大量訓練數據。儘管如此，自動駕駛仍處於第二級（Level 2）系統，要完全實現無人駕駛仍需時日，因為消費者需要建立更高的信任度。

人工智慧引發的挑戰與風險

^{(Image credit: 攝影師：Pixabay)}

內容透明度與著作權問題
- 人工智慧生成的音樂和虛構樂團正迅速佔領 YouTube 和 Spotify 等串流平台。例如，虛構樂團 Concubanas 的專輯《Rumba Congo》在 YouTube 上已累積 130 萬次觀看。Suno、Boomy 或 Udio 等平台允許生成複雜的爵士樂或搖滾樂作品。
- 國際著作人與作曲家協會聯合會（CISAC）估計，人工智慧生成音樂的收入將從 2023 年的 1 億美元增長到 2028 年的約 40 億美元，屆時將佔串流平台收入的 20 %。
- 此趨勢的最大問題在於缺乏透明度。使用者無法輕易辨識內容是否為人工智慧生成。Spotify 社群論壇上已有請願，要求對人工智慧生成音樂進行明確標籤，並提供使用者屏蔽選項。
- 部分聽眾在得知音樂由人工智慧生成後，會產生「被欺騙或背叛」的感受，儘管也有人欣賞其技術能力。這種不確定性會造成聽眾的「沮喪」。
- YouTube 規定內容創作者必須披露其逼真內容是否使用了合成媒體或生成式人工智慧。若創作者未披露，平台可能採取行動，包括主動添加標籤或移除內容。
- 相較之下，Spotify 尚未公開任何關於標籤人工智慧內容的政策，僅強調版權侵權問題。然而，在涉及人工智慧時，版權侵權的法律證明非常困難。
- 專家呼籲採取措施，例如建立「人工智慧生成」的明確指示，以增加透明度，並維護藝術中與藝術家連結的重要性。
- 虛構樂團及其人工智慧生成的背景故事和大量作品，在缺乏明確標示的情況下，讓聽眾難以分辨真實性。
演算法定價與消費者福利
- 人工智慧驅動的定價演算法具有自主性和適應性，適合優化動態市場中的定價策略，但某些演算法可能在競爭情境下學會「默契共謀」（tacit collusion），導致價格過度競爭，並可能對消費者福利造成負面影響。
- 卡內基美隆大學（Carnegie Mellon University）的一項研究發現，即使沒有價格歧視，個性化排名系統也可能無法惠及消費者。研究比較了兩種產品排名系統：個性化排名（依據個體預測效用）和非個性化排名（僅依據總體資訊）。
- 結果顯示，個性化排名系統可能鼓勵定價演算法收取更高價格，尤其是在消費者在第三方平台順序搜尋產品時。這是因為個性化排名大幅降低了價格彈性，從而減弱了降價的誘因。
- 相反，非個性化排名系統則導致顯著較低的價格和更高的消費者福利。研究強調，排名系統在影響演算法定價行為和消費者福利方面扮演著關鍵角色。
- 該研究也指出，增加消費者數據共享（這有助於實現個性化排名）不一定能帶來更好的結果，因為價格上漲的負面影響可能超過產品匹配度提升的正面影響，導致消費者福利下降。
資安與隱私風險
- 智慧手錶竊聽氣隙電腦：本古里昂大學（Ben-Gurion University of the Negev）的一名資安專家莫德凱 · 古里（Mordechai Guri）提出證據，顯示駭客可能利用智慧手錶滲透「氣隙」（air-gap）電腦系統。氣隙電腦因與外部網路物理隔離，被認為具有高度安全性。然而，智慧手錶具備麥克風、處理能力和 Wi-Fi 功能，可被用於竊聽來自氣隙電腦的超音波訊號。
^{(Image credit: techxplore)}
- 駭客需在氣隙電腦上安裝惡意軟體，使其透過超音波頻率廣播敏感資料（如鍵盤記錄資訊）。智慧手錶可在約 6 公尺的距離內以高達 50 bps 的數據速率捕獲這些訊號。此方法雖極具挑戰性，因為需要駭客接近目標電腦並植入惡意軟體，但對於極高價值的目標而言，仍屬可行。
- 兩階段驗證碼的簡訊安全漏洞：數百萬人每天透過簡訊接收一次性登入驗證碼（即兩階段驗證碼），但這些驗證碼在傳輸過程中往往會經過多個中介服務商，使得第三方實體有可能看到其內容。
- 一項調查發現，一家名為 Fink Telecom Services 的瑞士公司，曾處理 Google、Meta 和亞馬遜（Amazon）等多家公司的兩階段驗證碼，儘管該公司及其創辦人曾被指控涉入資安漏洞和監控活動。資安專家指出，由於簡訊（SMS）技術固有的弱點，任何處理這些訊息的實體都可能查看其內容。
- 業界人士估計，簡訊服務市場價值超過 300 億美元，但該產業存在複雜的分包鏈，導致訊息傳輸過程不透明且缺乏監管。這使得原始發送公司難以進行充分的供應鏈審查，並可能導致資安風險。
- 資安專家建議，應避免使用簡訊進行兩階段驗證，並推薦採用更安全的替代方案，例如生物辨識驗證或專用的驗證器應用程式，這些應用程式直接在使用者手機上生成驗證碼，不需透過不安全的電話網路傳輸。Google 已經表示將逐步淘汰使用簡訊進行 Gmail 的安全和反垃圾郵件驗證，改為要求使用者掃描 QR Code 登入。
教育與學術誠信議題
- 英國大學面臨人工智慧作弊的挑戰，一項調查顯示，2023 年至 2024 年間，有近 7,000 起學生使用人工智慧工具作弊的確鑿案例，相當於每 1,000 名學生中有 5.1 例，遠高於 2022 年至 2023 年的 1.6 例。同期，傳統抄襲的確鑿案例則從每 1,000 名學生 19 例下降至 15.2 例。
- 專家指出，已發現的案例可能只是冰山一角。有研究顯示，88 % 的學生在評估中使用人工智慧，且大學評估系統在 94 % 的情況下無法偵測到人工智慧生成的作業。
- 相較於傳統抄襲易於確認，人工智慧作弊「幾乎不可能證明」，這使得大學在處理相關問題時面臨巨大挑戰。
- 線上存在大量教導學生如何「人性化」人工智慧生成文本以規避偵測的教學影片。儘管部分學生主要利用人工智慧來發想點子、組織結構和建議參考資料，但也有學生使用工具將人工智慧內容「人性化」以逃避偵測。
- 人工智慧工具對有學習障礙的學生（如閱讀障礙）有顯著幫助，能協助他們組織思路和結構論點。
- 科技公司正將學生視為人工智慧工具的關鍵目標受眾，例如 Google 提供大學生 Gemini 工具免費升級，OpenAI 也提供大學生折扣。
- 大學需要調整評估方式，鼓勵學生理解完成任務的意義，並積極參與評估設計過程。應專注於培養人工智慧難以取代的技能，例如溝通能力、人際交往能力，以及讓學生自信地應用新興技術並在職場上取得成功。
網路生態與搜尋引擎的未來
- 搜尋流量下滑：根據數據，世界頂級網站中約五分之一的訪問量來自搜尋引擎。然而，過去一年，網路搜尋流量持續下降，因為使用者開始嘗試 OpenAI 的 ChatGPT 和人工智慧新創公司 Perplexity AI 等人工智慧驅動的搜尋工具。
- 人工智慧摘要的衝擊：Google 在一年前推出「人工智慧總覽」（AI Overviews），在搜尋結果頂部提供人工智慧生成的簡潔答案。這些摘要的普及率顯著增加。一項分析顯示，顯示人工智慧總覽的搜尋結果，點擊率僅為 23 %，而沒有總覽的搜尋結果點擊率為 36 %。搜尋引擎優化（SEO）顧問凱文 · 印第格（Kevin Indig）稱這為「點擊殺手」（click killer）。
- 商業模式壓力：搜尋流量的下降已經對許多行業造成影響。例如，知名數位新聞媒體 Business Insider 因流量下降，裁員 21 %。旅遊和觀光網站的搜尋流量年減 20 %，電商公司搜尋流量下降 9 %，新聞和媒體網站下降 17 %。
- Google 的困境與策略：Google 面臨經典的「創新者困境」，搜尋業務是其金雞母，但正被人力智慧取代，而 Google 同時也是人工智慧的關鍵提供者。該公司似乎正積極應對，計畫在未來 5 到 10 年內可能不再需要傳統搜尋業務。
- 網路的未來功能：過去三十多年來，網路作為一種「計算」平台，旨在彙集人類的所有知識和日常活動，搜尋功能則是其「命令列」。但人工智慧的出現正在取代網路的問答功能，導致搜尋引擎將脫離網路，轉變為純粹的商務和廣告引擎。這將對新聞網站、娛樂網站及其他內容網站的未來產生不確定性。
- 影響的顯現：許多品牌對 Google 推薦的依賴程度不一，例如 Airbnb 僅有 14 % 的流量來自搜尋，而 Trip Advisor 高達 58 %。社交媒體應用程式（如 Pinterest 和 Instagram）對搜尋的依賴性遠低於其他網路內容。這暗示著未來網路將主要作為商務目的地，而娛樂和社交內容則可能更多地存在於封閉生態系中。

各界對人工智慧的回應與調適

監管與政策建議
- 針對人工智慧定價演算法，決策者和平台營運商在設計排名系統時，應仔細權衡個性化排名在改善消費者與產品匹配度方面的效益，與其對消費者福利的潛在影響。
- 在人工智慧生成內容方面，專家呼籲採取措施，明確標籤內容是否由人工智慧生成，以提供使用者更多透明度。
- 英國政府已投資超過 1.87 億英鎊於國家技能計畫，並發布了學校人工智慧使用指南。政府認為，生成式人工智慧有潛力轉變教育，但融入教學、學習和評估需謹慎考量，大學必須平衡其益處與風險，為學生未來工作做好準備。
企業與平台策略
- Meta 的廣告戰略轉變：WhatsApp 已首次在「最新消息」（Updates）頁面中推出廣告，此舉代表著該應用程式原有宗旨的重大轉變。儘管 WhatsApp 強調不會在個人聊天訊息中放置廣告，但仍會收集用戶的部分數據（如地點和預設語言）以進行廣告投放。此外，WhatsApp 也計畫推出內容創作者的付費訂閱服務，並允許用戶和企業為其頻道購買廣告。
- 聯網電視廣告市場：亞馬遜廣告（Amazon Ads）和 Roku 簽署廣告合作協議，將於 2025 年第四季起，利用亞馬遜的 DSP（需求方平台）向美國超過 80 % 的聯網電視家庭投放廣告。此合作旨在提高獨特觀眾數量，並將廣告向同一人顯示的頻率降低近 30 %，以提升廣告支出的價值。
- 人工智慧在廣告業的應用：TikTok 已推出新的生成式人工智慧廣告功能，允許行銷人員使用文字或圖像生成 5 秒的短影片廣告。Meta 也預期，在大約一年內，整個廣告製作和投放過程將 100 % 由人工智慧管理。這類人工智慧工具可降低製作成本，讓小型企業有更多資金用於廣告推廣。然而，這也引發了真實性問題，例如廣告商是否願意為人工智慧生成的內容支付與人類內容相同的費用。行銷長們普遍認為人工智慧能提升效率，但創意和突破性的廣告構想仍需人類介入。
- 「代理」（Agency）合作框架：一個名為「代理」的開源社群正在建立「代理網路」（internet of agents），這是一個全球協作層，旨在為人工智慧代理提供標準化的基礎設施，使其能夠互相發現、溝通和協作，解決企業在發現、互通性和可擴展性方面的問題。
- 早期階段人工智慧投資：早期風險投資公司（如 AIX Ventures）專注於投資那些利用「智慧成本趨近於零」這一趨勢的創辦人。他們尋求擁有宏大願景、能快速將顛覆性創新推向市場的人才。這些公司預期，人工智慧領域的併購將在各階段發生。
- Trump Mobile 手機服務：川普集團（Trump Organization）正在推出「Trump Mobile」行動虛擬網路業者（MVNO）服務和一款名為 T1 的手機。該服務將利用 AT&T、Verizon 和 T-Mobile 等美國三大電信商的 5G 網路，月費為 47.45 美元，並提供多項附加服務，包括設備保護、路邊救援、國際電話和遠距醫療。T1 手機定價 499 美元，號稱「在美國設計和製造」，並運行 Android 作業系統。然而，由於美國缺乏大規模智慧型手機製造基礎設施，以及該手機相對較低的價格點，其「美國製造」的宣稱受到質疑。
教育機構的調適
- 面對人工智慧作弊的挑戰，英國大學正在努力調整評估方法。有超過四分之一的大學在 2023 年至 2024 年尚未將人工智慧濫用行為單獨列為學術不端行為類別。
- 專家強調，儘管要學生每次都進行實體評估不切實際，但教育界必須承認學生會使用人工智慧，且可能不被偵測。
- 重要的是要幫助學生理解完成特定任務的原因，並讓他們更積極地參與評估設計過程。
- 應將重點放在人工智慧不易取代的技能上，例如溝通能力、人際交往能力，並培養學生面對新興技術和在職場取得成功的信心。