【數位革命】從專家系統到機器人稅，探討 AI 人工智慧對經濟的衝擊

為什麼很難探討「AI 人工智慧」（Artificial Intelligence）真正影響的原因之一，就在於這個名詞過於氾濫。這是一個歷史比電腦更悠久的概念，而如今所談論的實務問題，早已南轅北轍。就如同前篇所述，若真的要探討人工智慧即將帶來的衝擊，必須要對其有更清晰的定位，並清楚數位革命一直以來對社會的影響，以及社會如何影響數位革命。

人工智慧的議題相當廣泛，令人摸不著頭緒，甚至自稱的人工智慧專家也開始到處都是，然而這樣的 現象並非無法解釋。其實現今熱議的自駕車及 Siri 語音助理等技術，其概念並非新穎，早在數十年前就開始發展，很多嶄新事物其實還是有脈絡可循。

▲ 早在 1960 年，雪鐵龍 DS19 就做過自動駕駛車輛的改裝。（Source：By Joc281 [CC BY-SA 3.0], via Wikimedia Commons）

在西元前，著名哲學家亞里斯多德及數學家歐幾里德等就已在從事機械化推理的研究，在 17 世紀，更有著名哲學及數學家 Gottfried Leibniz 明確提出，人類的思想可以簡化為機械計算的概念。而後引發了更多數學家前仆後繼進入這個課題。不過儘管如此，現代的人工智慧技術發展早已與原來的理想大相逕庭，就像人類想學鳥飛翔，最終發明的卻是噴射機。

人工智慧的泡沫

1936 年，圖靈機的問世使電腦科學家抓住處理抽象符號的靈感，並且在二戰期間建造出各種解密計算機，甚至有了現今電子計算機的雛形，1937 年就誕生了第一台二進制電子計算機 Atanasoff–Berry Computer。不過以性能來講，美國陸軍彈道研究實驗室的 ENIAC 才算是第一部真正具有圖靈完備性的現代通用型電腦。

1950 年，圖靈測試的概念提出後，開始有了通用型人工智慧（AGI），也就是現在認為的強人工智慧，必須能理解人類語言的條件。學術界也終於在 1955 年 8 月，發起全面探討有關人工智慧議題的達特矛斯會議，並在隔年夏天正式提出「人工智慧」術語，為往後的技術發展方向奠定了基礎，所以 1956 年又被稱為人工智慧誕生年。美國國防部等政府機構開始向這個領域投入資金，並開啟第一次人工智慧熱潮。

▲ 在圖靈測試中，AI 必須不讓人類分辨出與之對話的是計算機。（Source：Flickr/The People Speak! CC BY 2.0）

雖然圖靈機、哥德爾不完備定理和 λ 演算早已解答了演算法有極限。但到了 1970 年代初，人工智慧技術受到更現實的硬體限制，實用性一直無法達到期望，甚至被譏笑為玩具。例如機器視覺和自然語言技術等都需要龐大資料庫支撐，還有類神經網路也被創造者 Marvin Minsky 認為無法解決異或問題而放棄。這些難題不僅讓當時的電腦科學家深受挫折，也令金主開始撤退，人工智慧技術被視為一種浮誇及泡沫現象。

不過到了 1980 年代，專家系統的出現再度掀起人工智慧的熱潮，電腦科學家 John Hopfield 以能求得近似最佳解的 Hopfield 演算法大大提高了神經網路的容錯性及實用性。而 David Rumelhart 更奠定了以大腦活動為借鑑的反向傳播演算法（Backpropagation），使演算法有了極大進展。

走向實用而分裂

電腦科學家 Edward Feigenbaum 的團隊更發展出第一套專家系統 DENDRAL，能快速鑑定出化學有機分子，又被稱為專家系統之父。與之前不同，這些突破使人工智慧廣受企業界歡迎，並得到更大的資助，所以第二次人工智慧熱潮便被定調為知識處理及知識工程，並開始走向實用化。

專家系統（Expert System）主要的構成是知識庫及推理機，是一種用來模擬專家進行決策的人工智慧。當時的科學家認為必須靠不斷堆砌知識，才能達至人工智慧，然而儘管注入了數十上百億資金，所需的龐大知識庫仍然是個無底洞。更重要的是，儘管技術仍不斷進展，複雜且精密的專家系統造價及維護費用極其昂貴，但能力還是侷限於非常狹隘的領域，而且也一直無法實現與人類交談的目標。

▲ 專家系統之父，Edward Feigenbaum 談 AI。（Source：By ieeeComputerSociety on YouTube）

到了晚期，技術進步開始遲緩，連美國國防部也失去耐心，希望將資金投入更快看見成果的項目，而相關研究為了繼續獲取資金，捨棄以人工智慧為名，並拆分成各個獨立領域，很多電腦科學家也不再將研究與人工智慧掛勾。

簡單來講，技術發展最終受限於資金需求，人工智慧不能無止盡追逐理想，而必須使其更加實用，否則將成泡沫。儘管因現代半導體技術的急速進步令人工智慧技術再度蓬勃發展，但應用主要還是在更具商業價值的專家系統，且散裂的技術也各自找到更好的出路。因此，現代相關技術擴及相對民生的發展，例如前文所述的語音助理系統及自動駕駛車輛等。

AI 歷史的覆轍

不過有趣的是，往往是看似最不實用的棋弈技術突破，帶來了災難論。1997 年 IBM 的深藍能搜尋及估計 12 步內的棋步，並以此戰勝人類西洋棋冠軍，每秒能運算 2 億步棋的能力震驚了社會大眾，害怕人工智慧終將威脅人類。

雖然自 1942 年科幻小說家艾西莫夫提出了機器人三定律後，就開始熱議人工智慧的道德問題，但直到現今仍沒有科學家能想像出真正的通用型人工智慧如何達成，卻依然在 AlphaGO 戰勝人類圍棋冠軍後，使 AI 威脅論再度浮上檯面。

人工智慧熱潮與災難論的輪番出現，可以說如同股價一樣其實只是象徵市場的期待而已，並不能說是技術發展真正的影響。不管到底人工智慧到底會不會毀滅人類文明，技術進步也不會因此停止，就算被認為不可能突破的演算法極限，終究還是有天才的火花出現，這才是現實最可能發生的事，也才更值得我們關注。

所以如今第三次的人工智慧熱潮，需要關心的不再是大腦與機械的哲學問題（儘管仍然重要），而是這些開枝散葉的人工智慧技術對人類社會到底有什麼影響。當然大家第一個想到的，通常就是失業問題，機器將取代人類工作的說法可能是除了毀滅人類文明之外，大家擔心最多的事，不過這的確是比起世界末日更可能即將面臨的事實。

失業的雙重標準

事實上，就算沒有人工智慧，自工業革命以來，機器就不斷在取代人力，也是人類經濟發展的主要動力。不需要從蒸汽機開始談，僅論 20 世紀以來的半導體資訊技術，就可以理解自動化浪潮對產業生態的改變，並「一直」產生大量失業，這早在近期大家討論人工智慧之前就已發生，然而工廠自動化問題似乎並不那麼熱議，這是一個非常矛盾的現象。

智慧化與自動化的差異可能就在於，機器與人類的關係有大幅進展。單純的自動化機械雖然更密切的與人類生產活動結合，但人類與其關係可能還是與原始人手上拿的石斧沒太大差別。然而自數位革命之後就不太一樣了，個人電腦及網路開始滲入人類生活。如今人工智慧技術將可進一步賦予機械監視人類的能力，了解所有人的需求，以近似人類的方式與人類互動，儘管它仍停留在專家系統範疇，尚未踏進強人工智慧的領域。

例如 AlphaGO 雖然很會下圍棋，但估計就算再學會玩星海爭霸，也應該不會開車，與強 AI 的差距仍然遙遠，完全不需人力的等級 5 自駕系統還只在想像中。可以慶幸的是，至少目前真正具商業價值的人工智慧產品還不算多，很多耳熟能詳的技術都是前瞻性大於實用性，或仍有缺點待克服。

所以儘管現代技術進步相當大，但與之前最大的差別也只是更親民而已。早期的專家系統通常只讓科學家或商業人士有感，然而現今討論的無人商店及自駕車，將來可能隨處可見。儘管仍算是專家系統，但真正改變了人類與機械的關係。這也解釋了，棋弈遊戲的進展為何更劇烈的帶動民眾情緒，因為這才是民眾生活的一部分。

當然從這點來看，人工智慧若能有更好服務人類的例子，例如基礎醫療或法律專家系統，而不是如同棋弈遊戲一般「戰勝」人類，應該不會引起更多的恐慌情緒。但在此之前，失業的確是必須關注的問題。

遲來百年的機器人稅

有許多對失業問題的樂觀看法認為，不需要害怕，就如同以前產業轉型，社會總是會去適應，失去許多舊工作同時，也會得到許多新工作。當然現實沒那麼容易，隨著技術複雜化，勞工再教育也越發困難，大量失業的發生幾乎不可避免。

更嚴重的是，就算人工智慧技術能把經濟大餅越做越大，但資本及知識不均的問題，也只會讓貧富差距更劇烈。所以許多先見也開始討論起結構性改革的可能。例如支持 AI 威脅論的微軟創辦人 Bill Gates 就曾表態，政府應向業者課徵機器人稅，以緩解自動化對就業市場的衝擊，並幫助失業者重新尋得新的工作機會。

近期南韓真的宣布準備推出機器人稅，這可能也是人類準備迎接第四次工業革命，第一個付諸實踐的解決方案。當然這樣的特殊資產稅，是否真能如此簡單克服人類社會一直以來的艱鉅挑戰──分配不均，還有待辯論及觀察。

▲ 微軟創辦人 Bill Gates 認為應該要課徵機器人稅。（Source：By Quartz on YouTube）

光在實務上，機器人稅怎麼課徵是個很大難題，就如同之前所討論的，到底怎樣的生產設備才算機器人是個大哉問。其實現今人工智慧遠不到理想，與自動化技術也並沒有那麼大的區隔，而工業革命早已持續近 200 年，可以說就算沒有 AI ，人類原本就處於不斷被機器取代的境況。

胡亂課稅的確會阻礙技術研發，至少必須先將 AI 與自動化劃清界線，否則機器人稅將追溯到過去自動化資本的發展，必將引起業界嚴重反彈。目前的工業用機器手臂也非全部都應用機器學習等 AI 技術，所以使用機器人稅（Robot Tax）一詞為名並不穩妥，人工智慧稅（Artificial Intelligence Tax）或許才是更務實的方案。

無可避免的技術進步

仔細思考，真有可能只靠制定法案及稅收就阻擋趨勢嗎？假如有國家不想發展 AI 就如同不願進行新的工業革命，不管是經濟或軍事，很可能會在國際競爭落後。在全球化的現代，廠商頂多像從前那樣，其技術設備不再冠上以人工智慧或機器人為名，或遠走他鄉，就可能規避這些反 AI 條款。

人工智慧技術對國家競爭而言，原本就是個囚犯困局，不管 AI 到底會不會毀滅人類，都是各國不得不發展的技術，無可阻擋。就如同俄羅斯總統普丁所述，未來 AI 技術的領導者將統治世界。所以如何減緩經濟衝擊，才是政策重點，越能適應快速產業轉型的國家，就越能搶得先機，如看似荒謬，但中國國務院 7 月發布的《新一代人工智能發展規劃》，已打算將 AI 納進中小學課程。

而經濟衝擊，若由產業結構的角度來看，人工智慧技術的問題，在於進一步把舊有製造業與服務業的差別模糊掉了，所以令人手足無措。舊有的自動化技術大部分仍遵循製造業與服務業的界線，但更親民的人工智慧卻虎視眈眈望著原本屬於服務業的地盤。儘管許多人認為機器人服務在某方面無法取代人類，但也不可諱言，的確有些服務領域人工智慧可以取代人類。

不僅是司機或是門市店員，就像目前常在討論的金融、醫療、法律等專業領域也是大有可為，畢竟其本質便是「專家」系統。這些技術對人類社會發展將會有革命性的改變，不亞於福特開始量產汽車，也不遜於網際網路的誕生，因為它令人類開始疑惑，一旦連服務業都失守，那麼該退往哪裡去？

演算法的另類極限

看起來似乎無解，畢竟儘管經濟一直在進步，但自 1935 年以來，通常認為產業就只分為三級，農牧林漁、工業、服務，如今一、二級產業已很有可能被自動化技術所吞噬，甚至第三級也岌岌可危。可幸的是，一般人沒注意到，後續又有人提出第四產業及第五產業的概念，人類似乎因此有了出路。

▲ 第四產業被定義為從事自動化、醫療、資訊等基礎研究及公共事業如政府、軍隊等，雖利潤微薄但可對整體社會有所助益的產業，不過其實第四及第五產業在經濟統計上並未獲得承認。（Source：By Urcomunicacion (Own work) [GFDL or CC BY 3.0], via Wikimedia Commons）

當然這只是玩笑話，這只表示，用產業結構來看待人工智慧的問題很難得到解答，畢竟人工智慧技術目標就是為了發展出與人類無限近似的機器，自然也能無限的取代人類在經濟上的位置，就算現在不行，未來總要面對這樣的問題，這樣的思考恐怕不會永遠有答案。

但「機器」終究不會是人類，所以先不需要考慮太科幻的問題，拉近一點看，機器終究是工具，儘管能取代許多勞工的就業機會，但仍然需要人類去使用，去維護，去監視，從以前到現在也沒什麼改變。所以現今樂觀主義者，通常認為 AI 也將誕生許多相關行業，失業問題不足為懼。

當然若不深入探討舊人口結構對應新勞動市場造成的種種影響、勞工轉型所需要累積的社會資本，及其引發的國家間競爭，甚至是資本家力量將越來越大的問題，那麼總歸來講這些常見的說法應該還是對的。沒錯，短短的幾千字其實根本講不完人工智慧引發的影響及應對，不過仍有一個極限，是從工業革命及 AI 發展歷史中就有的，那就是「成本」。

AI 與基本薪資

成本是相對的，機器雖然不斷降低生產成本，但相對人類擁有更高成本的服務或工作其實也不可能消失。因為能取代不代表必須取代，例如根本沒有必要發展自動化機器取代僅領取「基本薪資」的勞工。中國引進工業革命較晚的其中一個原因，就是相對便宜的人力。性能上，人類腦力的通用性，使其可同時兼差多份工作，更是目前專家系統不具備的，現今零工經濟的盛行已昭示了開端。

如果勞工連基本薪資都沒有，勢必將嚴重影響消費需求，進而引發生產過剩，那麼又要那些自動化機械何用？在 1906 年，英國首相邱吉爾曾表示，任何階層的民眾若費盡心力得到的回報，仍不能維持生活所需，那是國家之惡，不僅令壞老闆驅逐好老闆，也讓社會無法進步，並愈來愈惡化。

簡而言之，當勞動力冗餘時，人類就成為成本極低且效能極高的機器，並在其他要素，如空間及能源也相對稀缺的情況下，人力仍然非常具有商業價值，自然會去對抗 AI 技術的普及，遑論還有政治因素，這可能才是人類防禦失業最後一條陣線。

當然若真的出現在各方面都超越人類的完美機器，那麼經濟問題就不再重要了，是時候回頭看看科幻片，了解一下人類該如何對抗天網吧。

▲ 在科幻電影《魔鬼終結者》中，AI 與人類展開大戰。（Source：Terminator Genisys）

註：這裡的基本薪資並非指現行的法定基本薪資，而是指能維持經濟體良性運行的最低平均薪資水準。

（首圖來源：shutterstock）