文／林佳和（經民連副會長、政治大學法學院副教授）
原文刊載於《信傳媒》
革命前夕》AI與勞動市場：一個結束的開始？
ChatGPT，人工智慧聊天機器人程式，成為台灣社會熱門話題，人人玩得不亦樂乎，「我的工作會不會被機器、被AI所取代？」，從法官到醫師，提問的人似乎興致盎然，即便有所擔憂，也是訕笑多、認真少，談笑之間，彷彿談論遙不可及、根本不會實現的未來，不禁讓人想起Amara法則（Amara’s Law）：人們總傾向於，過度高估某一科技的短期效應，卻同時低估它的長期效應。
1950年代，人們就開始談人工智慧（AI），但要到21世紀，不論在私生活與勞動市場，人們才逐漸看到具體形貌。虛擬助理在創造、利用、彙整與翻譯資訊方面的進展，處理大數據，協助人們在各領域中，辨識出特定的模式，提出一定的預測，儼然家常便飯，如專家所言，AI好似「有著無限時間、無限資源的統計大軍，他們更快速、更便宜、更有效率」，這當然是個數位分裂（Digital Divide）的時代，問題只是：要分裂往哪裡去？我們每個人被分裂到哪一邊？
AI：只是無需太過擔憂的開始？
今天AI，在專家眼中，仍處於弱而狹窄階段，只是模倣，補充與擴大人們的能力，沒有多強。就算預測中的強AI，數十年之後的前瞻，機器將擁有與人類相當的知識能力，有類似的意識，乃至超級AI，超過人類智慧，能人所不能，驚嘆之餘，我們總是心有餘悸地說：為時仍久，或許根本不會到來。要達到與人類相當之複雜度、廣泛的運用與介入，AI，還有相當差距，它沒有理性，感情，創造力，「缺乏意識」是AI致命傷，要讓機器自行思考，找出結論，自我修正，特別是建構自己學習過程，在當前根本不可能。
不少質疑認為不該過度高估AI。衡諸當前技術水準，AI至少有三個障礙：抽象化能力低，特別是經驗與學習到的知識，很難移轉至其他截然不同的脈絡與領域，其次，數據、資料與環境的前階段建置，決定了AI究竟能做什麼，所以，只要前階段無法或難以突破，就不必擔心AI能搞怪到哪裡，最後，缺乏感受層次的理解與判斷能力，將大大地限制AI的威力。如果說，事實上不存在一種「世界模型」、「世界中人們的精準描繪」，就不太可能期待AI自己突破。AI缺乏經驗與獨立之知識及判斷能力，沒有同理心與自我拘束，無法做社會性學習，沒法感受與發生感情作用，這些典型的人與人類智慧，AI都力有未逮。
談到勞動市場的未來，常見如下典型公式：有預見性思維與創造性要求的，沒有太多重複性片段組合的，身處不斷變遷之環境下的工作與活動，在20年內，都沒有借助AI而自動化的可能。相對的，要高度的情感與社會智商要求，必須擁有對於複雜整體之整合性視野的，或單純的體力勞動（開門、接球、跑步、避開障礙），聰明的機器或機器人，都無能為力。有個簡單的說法：對人們困難的，對AI就容易，對人們輕易的，對AI就困難。
還是難以倖免的勞動市場：兩極化
然而，就算AI不是那麼恐怖，但仍不可小覷，經濟學家與勞動市場研究者都認為，科技變遷與數位化發展，包括現階段與未來的AI，都已經、且將更加劇勞動市場兩極化：相對於低與高技術能力要求之勞工，夾在其間的中級勞動者，過去一段時間已呈現明顯失業潮，未來將持續下去，主因即是數位科技引入，讓那些得以重複的、制式的任務輕易被自動化，這種例行性任務，在中層技術勞動力的佔比最高。相對的，非例行性的工作，不論是體力性或複雜程度高的，亦即技術能力低或高的勞動者，受到的影響就低。勞動市場兩極化趨勢，過去20年的ORCD國家中都明顯看到。
如同歷史上所有新興生產方式，數位科技與AI，同時帶來樂觀與悲觀：根據疫情前（2018）、蓋洛普在美國所做的民調：76%受訪者，非常同意或同意，AI將在未來十年對人們的工作與生活產生劇烈影響。進一步追問，其中77%，認為AI將帶來非常正面或至少正面的影響，而整體受訪的73%美國人，承認AI將摧毀不少工作。其中，藍領受訪者有82%、白領則71%，認為失業上升將無可避免，然而，只有23%認為「受害的可能是自己」（非常擔心或擔心），教育程度越低者，畏懼失業的比率越高。
可能如研究者（Suesskind & Suesskond 2015）所評斷，這個民調結果，只是對於新式科技「典型的、教條的、非理性的習慣反對」，事實上「存疑者根本沒有任何個人直接經驗可言」。換言之，人們真正的擔憂未必真的那麼高，但這無非顯示，人們其實習慣於「懷疑自己的職業類型是否那麼容易被引入新式科技？」，許多人仍存有所謂「科技短視症」：習慣於低估科技在未來運用上所產生的改變潛力。
當前勞動市場：AI is already everywhere
事實上，已有不少企業運用AI來改進生產過程，而且不再限於常見的物流、製造與行銷。不論在價值鏈的任何端點，不分第一級或支援性活動，到處可見AI身影。在建築業的物流，AI使整個供應鏈更加敏銳，它可以精準地預測且納入外來干擾，面對可能發生之庫存太多或原物料短缺問題，甚至連供應商之特殊狀況，特定區域政治局勢的不穩，勞工的罷工與集體行動，不利的天氣災變等，AI都能游刃有餘，了然於心。亞馬遜與聯邦外遞，很早就運用AI來指揮倉庫的機器人，抓出有問題的貨品，將包裝與寄送做最適安排。Walmart在50家超市中，運用超過2000台機器人，搜尋商品一空的貨架，找出錯誤標示標價，不再委諸人力。德國最大批發商Metro集團，大量運用機器結帳，顧客貨籃被到處可見的攝影機標記，算好價錢，結帳處每個小時可至少服務50位顧客，比人力快兩倍以上，而且，不會出錯。
在複雜的工業生產部門，AI也沒有缺席，一個受到關注的例子是機器維修：倚靠機器利用與周遭環境的大數據，AI已能輕易預測機器故障，早在真的發生之前，所謂predictive maintenance，預測性維護。在此，原維修工人，自然脫離傳統例行性控制與故障的診斷任務，必須轉至「複雜艱難的維修」，優點是帶來更多的自我滿足與動力，往好的方面想。特別對資本密集的產業而言，航空公司，石油公司，能源企業，大製造商，將因之大幅減少因故障導致之龐大維修成本。
在人資領域，AI也是蠢蠢欲動：今日不少大企業，運用AI來挑選應徵者，選出最合適人選。嬌生（Johnson & Johnson）每年約招募2萬5千名新進員工，通常吸引超過200萬競爭者。AI快速而精準的抓出專長合適者，迅速找出這些應徵者的個人特徵，演算法，遠比人資來得更中立更公平更專業，不只是找出雀屏中選的新人，連哪些人該晉升、該加薪，也由AI包辦。其他行政管理部門，財務出納、客服與申訴管理，如果可以清楚定義、屬重覆制式的、較少必須對外顯露的任務，交給AI最合適。高盛集團（Goldman Sachs），透過AI，從不知凡幾的市場數據與分析中，找出影響股市股價最重要的變項，遠勝分析師。
醫師診斷、開藥也都少不了AI
某些標準化的內容，如股市漲跌、運動賽事、氣象訊息等，AI早就接手，將最重要的資訊，整理寫出易讀淺顯的文字。彭博（Bloomberg）、美聯社的短新聞、季報，多年來早就交給Wordsmith這個軟體來辦。有能力處理驚人數據資訊的「寫字機器人」，可以找出讀者感受到重要且有趣的訊息，快速連結到其他如地點、時間與歷史事件的資訊。新聞傳播？就如同其他領域，這是一個機器與人類重新分工的時代。
在醫療領域，透過演算法之助，診斷過程更為快速精準，醫療診治建議與計畫，瞬間完成，也提供醫學研究更多新的、有意義的方向。醫學典型的工作方式：有限範圍內循環而可重覆之步驟，從資料收集、形成假設、進行實驗、導出可普遍化的理論，這些完全是AI擅長的，特別在每年全球接近250萬件醫學研究報告、完全不可量數的數位化病人資訊下，只有AI，擁有體系化與提出關鍵分析的能力。美國有超過一半以上的醫師，運用Epocrates這個App來開藥，少有人有餘裕去翻閱超過2500頁的藥典。AI其實大大有助於提升病人（早已流失）的信心：根據British Medical Journal的訪查，超過49%的讀者，對於醫學研究沒有信心，認為瑕疵與問題不少，但透過AI、非人為的以廣大的數據資料為基礎，做出醫學診斷、預測與治療建議，多數人都認為可大大增強對醫療體系的信任。
在學者眼中（Apt & Priesack 2019），AI實在好處不少：讓人們擺脫耗費時間的例行性工作，提高技術能力，因「每個人平等取得資訊之能力」而建立起專業知識的民主化，不再獨攬於少數專家，而勞動也會迎向再人性化。然而，AI同時扮演著機遇與風險、危機與轉機，作者將繼續在此專欄討論下去。