好書推薦《#如何改變一個人》部落格文末抽獎贈書 2 本
你有沒有遇過類似的困擾：每次叫小孩子吃青菜他都不吃？每次提案給老闆的企劃都被退件？每次跟客戶推銷新產品都被婉拒？到底是為什麼，我們只是想要對方「改變」一點心意卻這麼困難？問題出在於人類的本性，你愈是推得用力，對方就愈是反抗。真正的訣竅不是增加推力，而是「減少阻力」。
部落格文章 https://readingoutpost.com/catalyst/
Podcast 用聽的 https://readingoutpost.soci.vip/
.
【這本書在說什麼？】
《如何改變一個人》的作者是華頓商學院的行銷學教授約拿．博格（Jonah Berger），他專門在研究行為改變、社會影響、口耳相傳，以及產品和點子之所以會流行的原因。他在這本書裡介紹了五種會妨礙和阻止改變的關鍵障礙，並且教我們具體的技巧和策略來減少這些阻礙。

他提出了「催化劑」（Catalyst，同為英文書名）的概念，認為我們要促進任何人做出改變時，不要只想著用外力和壓力的方式去逼迫，那只會得到反效果。反而要轉換念頭，思考和聆聽到底是什麼原因「阻礙」擋著對方不願意做出改變，然後像個催化劑一樣去消滅這些阻礙，讓改變更好發生。

這本書提供了五個方法，分別是減少抗拒（Reactance）、減輕敝帚自珍現象（Endowment）、縮減距離（Distance）、降低不確定性（Uncertainty）、提出佐證（Corroborating Evidence），五個英文字首合在一起就是「減少」（REDUCE）的意思。催化劑就是用來減少改變的阻力，讓人轉換心態，最後促成行動的方法。
.
１．#減少抗拒心理
你可能也有同樣的經驗，當我們被逼迫改變的時候，會在內心產生一種抗拒的心理。例如，每當我們感受到師長、老闆、父母、或任何其他人試圖要說服自己、命令自己，這種抗拒的衝動就會自然產生。催化劑的效果就是減少這種本能的抗拒，反其道而行，用方法去「鼓勵人們自己說服自己」。

我們來看這個「如何讓青少年不再抽菸」的故事。1990年代美國的青少年抽菸比率創下十九年來的新高，政府祭出禁打香菸廣告、在香菸包裝加上健康警語、花大錢勸退年輕人，結果沒有任何一個方法奏效。這個困難的任務落到了查克．沃夫（Chuck Wolfe）的頭上，他出了一個奇招。

他邀請眾多青少年進行一場「菸草高峰會」，指陳列出一些事實讓青少年自己主持和討論，這些事實包含：菸草業者如何操弄年輕群眾來推銷香菸、企業如何操弄媒體來讓抽菸看起很酷。青少年們討論出一個名為「真相廣告」的活動，透過影片告訴大家香菸公司和媒體正在試圖影響人們的感受。結果大獲成功，在活動推廣期間，青少年吸菸比率下降75%。菸草公司甚至提起訴訟，要求中止這項計畫。與其叫青少年「不要」抽菸，不如讓他們「自己決定」該怎麼做。

如同研究指出，人需要自由與自主權，感到掌控感，而且不喜歡任由他人擺布。把這個道理應用到生活當中也可以，例如你要叫小孩子吃菜時，不要說：「給我吃這個！」而要改說：「你想吃花椰菜還是胡蘿蔔？」提案給老闆的時候也不要只有一個選項，而是列出兩到三個選項，搭配優劣比較給他選擇，

２．#減輕敝帚自珍現象
如果事情還沒有到非常糟糕的程度，我們往往會覺得多一事不如少一事，不會有想要主動改變的念頭。我們也會因為持有某樣東西的時間越長，那些事物在我們心中的價值就越高，例如屋主眼中的自住宅價格總比市場價格高出許多。研究指出人們不喜歡改變，也不容易太快接受新東西。催化劑就是要讓人感覺到「如果現在不改變，損失的只會更多」，凸顯出不改變的缺點，藉此破除敝帚自珍的效應。

最經典的案例來自「英國脫歐公投」。公投是把決定權交予全民的決策方式，但數據說明了大部分公投會以失敗收場，要改變成千上萬民眾的想法可不是件容易的事情。英國脫歐的提案出來之後，由於英國的食物、燃料、藥品都仰賴進口，社會上普遍不被看好這個提議，續留歐盟的預估勝率一度達到八成。

要解釋現況顯得容易得多，人們有守舊、不願嘗試新事物的心理，留歐派只要叫人民堅守原狀就好。但是，脫歐派出了一個奇招，他們要讓脫歐看起來反倒像是「現況」。他們把口號改成「奪回掌控感」，巧妙替整個辯論重新定調，提醒民眾英國以前並不是歐盟的一部份，離開並不危險，反而是導正航線、重回正軌的選擇。最後的結果令人跌破眼鏡，英國人用自己的選票脫離了歐盟。

因此，為了讓人不再守舊、願意嘗試新的選項，就必須「讓不採取行動的成本現形」。無論是脫歐的「奪回掌控感」，或者是川普的「讓美國再次偉大」，都巧妙傳達了不採取行動的下場會比較糟糕。我們常聽到理財專員說「要投資，否則錢會被通膨吃掉」也是類似的道理。
.
３．#縮短距離
我們對資訊的接受程度分成兩種：「接受區」和「拒絕區」。如果一個新的資訊落在我們的接受區，我們就聽得進去。但是，如果落在拒絕區，我們會打從心底抗拒和忽略這個資訊。催化劑的用途就是減少這段「面對一個新資訊，人們接受和拒絕之間的距離」，找出彼此共通點，讓事情有轉圜的餘地。

作者舉2008年美國加州的「八號提案：禁止州內同性戀結婚」為例，起初正反兩方的距離很遙遠，意見也非常偏激。支持同婚的團體無論推出多少遊行、文宣、演講，都難以改變對方的想法。最後他們試著不要當「開口」的那一方，而是開始「聆聽」。傾聽了一萬五千場反對同婚人士的訪談後，他們終於找到滿意的對話腳本，稱為「深度遊說」。

不同於傳統遊說只丟下資訊就射後不理，深度遊說的方法需要更多時間用來對談。維吉妮亞是同婚團體的遊說者，他拜訪了反對者古斯塔夫，對方開頭就說：「我們南美洲人不喜歡死娘炮。上帝讓你生下來是什麼就是什麼，不要自作主張。」維吉妮亞和緩的回覆：「我生下來就是同性戀，這是天生的，而非一種選擇。」

接著維吉妮亞談到她對另一半的愛，並且邀請古斯塔夫也聊聊他的伴侶。對方說自己平日幫失能的太太洗澡，願意為她做一切的事情，他接著坦承：「是上帝讓我有能力愛一個失能的人。到頭來，愛才是真正重要的事情」。維吉妮亞表示深有同感，在找到共通點、建立深層連結後，她最後才聊法律如何保障婚姻，給予伴侶雙方都受到尊重和保護的安全感。

最後，古斯塔夫改變了立場，他願意投票反對原本的反同婚法案。深度遊說的影響力不斷擴散，最後改變美國人對同性戀的態度。

我們可以發現，「深度遊說」是鼓勵投票者從自身經驗找出類似的情境，不要求對方想像「當別人」的感覺，而是回想自己「有類似感受」的時刻。催化劑不會向所有人發送一樣的主張，而是瞄準與人們自身目標最相關的議題。改從共通點出發，而不是從爭議點，對方轉向的可能性會比較高，還可能拉著別人一起改變。
.
４．#降低不確定性
當我們要做出一個改變，通常會伴隨著不確定性，我們會懷疑改變之後真的比較好嗎？當我們內心產生猶豫，就會阻礙我們採取改變。催化劑就是要瞭解人們心中的猶豫，讓改變可以被試用、被體驗、可以被復原，然後進一步去降低「人們對於改變之後的不確定性」，消除人們內心的猶豫。

時光倒轉到1998年，當時網路購物還不盛行，但是有遠見的尼克．史文莫恩（Nick Swinmurn）已經有了用「網路電商賣鞋」的點子，他架設了名為 Shoesite 的網站開始做起生意。但是人們並不買單，生意奇慘無比，後來他發現「人們並不放心在網路上面買鞋」，與其買了才知道合不合腳，不如開車去賣場購物比較實際。

面臨資金即將燒盡之際，他們腦力激盪出了一個方法：「提供免運費」。當時所有電商都把運費當成獲利來源，這麼做無疑是在賠錢。但是令人驚喜的是，業績反而開始扶搖直上。人們開始一次購買兩到三種不同尺寸的鞋子，留下合腳的，退回不合的。消費者就像在實體店試穿一樣，不用替試穿的機會付費，購物方式從此改變。免運費的策略消除了人們網路買鞋的最大障礙：不確定性。對了，這家公司後來改名叫做 Zappos。

我們內心對改變和新方案的不確定性，總會阻止我們採取行動。書中除了介紹 Zappos 用免運費降低前期成本的故事，還介紹了 DropBox 免費增值的應用、Acura 豪華汽車讓人有機會認識的主動出擊策略、以及蔚為流行的後悔也沒關係的無條件退貨、退錢策略。降低不確定性，將有助於人們接納改變。
.
５．#提供佐證
有時候要促成一個改變，還是有可能會遭遇到對方要求「更多」證據佐證的情況。我們常常會在心裡質疑，別人願意採取某個改變的理由，跟我自己會不會喜歡有關係嗎？所以催化劑會「善用具有影響力的佐證來當援軍」，利用社群、親友、社會的影響力來弭平對方的質疑。

澳洲研究人員曾經做過一個「人們如何回應音效的實驗」，他們邀請大學生戴上耳機聆聽單口喜劇的錄音，A組單純聽喜劇，沒有其他的音效；B組則會聽見預錄的罐頭笑聲。實驗結果發現B組的學生更容易笑出來，如果聽見別人也在笑，人們就更容易發笑。那麼，這個「別人」是誰會有影響嗎？

研究人員做了第二種實驗，這一次都會加入一模一樣的罐頭笑聲。A組的學生被提前告知，待會聽到的笑聲是來自於跟你「同一個」大學的人。B組的學生則被告知，發出笑聲的那些人來自和你支持「不同」球隊的人。實驗結果發現，A組一樣笑得很開心，但是B組以為發出笑聲的人是非我族類，笑的程度和完全不播放罐頭笑聲時幾乎一樣。

所以，無論是餐廳的評論、旅館的評價、對於一個產品或服務的看法，我們會比較在乎「情況和我們一樣的人」是怎麼說的。當對方的境況跟我們愈像，他們所提供的佐證就愈會得到我們的信任。催化劑的做法就是找出能夠讓人們「套用在自己身上」的佐證，來克服和轉換原本的問題。
.
【後記：任何人都可成為催化劑】
我第一次讀 《如何改變一個人》 是聽 Audible 英文版的有聲書，後來發現有中文版又再回味了一次。這是一本非常好閱讀、重點清晰、故事生動的實用書籍，從這本書中我們可以認識那些阻礙人們改變的因素，並且設法採取不同的策略去消除那些障礙。與其怪罪別人為什麼不改變，不如去瞭解是什麼因素阻礙了他們，並且自己「主動出擊」，成為減少阻力的「催化劑」。

另外值得一提的是，這位作者的前一本著作《瘋潮行銷》似乎有著更高的評價，因此我也入手了那本書，很期待接下來的閱讀體驗，之後有機會再跟大家分享。同樣類型的書籍，還有談判和說服力專家羅伯特‧席爾迪尼（Robert B. Cialdini）博士的《影響力》，他用紮實的研究和案例說明「讓人們改變行為的原因」，這本經典也非常值得一讀。

讀了許多這類型的書籍，我認為可以用一句寧靜禱文的美好詩句來做總結，這句話是這麼說的：「神啊，請賜我寧靜，去接受我無法改變的事；請賜我勇氣，去改變我能改變的事；請賜我智慧，以分辨二者的不同。」我們無法直接改變別人、更別說改變世界，我們唯一能改變的只有自己。

因此，我們必須懂得分辨這兩種差異，把心力放在你能改變的事情上，成為催化劑去減少阻礙，外界人事物隨之而來的改變將讓你感到驚喜。
.
Kobo 購書連結：https://bit.ly/3mcN0ZK
Kobo 電子書7折代碼：WAKICHANGE
使用期限：8/29~9/4
.
感謝 時報出版 提供贈獎抽書

【 居家防疫充電站｜人類圖解心不解圖諮詢 】

居家防疫的窘況從表面的減少外出、出門全副武裝、單打全天室內育兒，進展到經濟層面的收入停滯、減少非必要的與他人碰面的心靈層面壓力，大家都在拼命向外索求資源，一不小心就是滿溢的委屈與情緒，責怪別人永遠是最快速但最無效的方法。

這兩天追完「火神的眼淚」，再看看前一天的新聞，心裡有些難受，總覺得在禁區裡奮戰的人不應該總是是受委屈的人⋯；卻似乎也沒辦法為他們多做些什麼，只好收起沮喪的心，希望自己能為這個低氣壓氛圍凝聚一些正能量，讓正能量的振動頻率為我們帶來更多好事。
（一如前兩年的台灣總是巧妙的避開了各種災禍，我相信是有一群正向的人們集體的守護著💪）
#心地好一點 #謾罵少一點 #愛自己多一點

我最喜歡的6月，總是有美好的事在此時開展，讓接下來的一整年有許多精彩的變化😍
然而，今年只能選擇繼續乖乖宅在家（我想應該還會持續好一陣子😓）
所以，想來點不一樣的活動～～

一個人被迫宅在家的你⋯
伴侶/親子被迫朝夕24小時相處的你們⋯
一夥人被迫窩在一起的一家人⋯
除了焦慮、恐慌、緊繃、窒息感、忍無可忍互相攻擊、忍不住動口動手，有沒有更好的方式可以調整自己、理解對方？
你想找人說說話嗎？
你想聽聽不一樣的思考脈絡嗎？

整個6月，我每天都會接受一位朋友的線上預約，陪你聊一聊你的煩心困擾，看看你或家人的圖，給你一些人類圖脈絡的建議，讓你有機會看見不一樣的新世界開展在生活中。

以下三種模式可以選擇：
🔸居家小秘方$888.-（30mins)
適合：個人談心
🔸相愛不相殺$1288.-（45mins)
適合：2人。伴侶/親子
🔸和樂全家福$1695.-（45mins-60mins）
適合：3-5人家庭

這件事其實在心底醞釀了很久，遲遲沒有動力開始，感謝我的CH好夥伴Repeat Repeat的人類圖計程車，展現了 #張力 的才華，想出了個非常到位的抬頭 #居家防疫充電站，然後還下了幾個非常有梗的slogan😍
#誰說張力只會激怒人
#也很會舖梗❤️

撐了快3週，你累了嗎？需要聊一聊嗎？
我想邀請你，回到你的內在權威，如果你有需要，如果你身邊有人可能很需要，都歡迎私訊預約。

*本活動僅開放線上參與
*優惠的活動價格希望能讓有需要的人有被支持到的力量，有一些優先順序的口袋名單，不接受急件、沒有回應也會誠實謝絕。
*本活動不是解讀人類圖喔！不會深入探討個人人類圖資訊。欲解讀請往下看👇👇👇

-

🔴想知道自己的人類圖到底有什麼樣的主題，準備好要好好認識自己及理解孩子⋯
我想邀請你預約 #人類圖專業個人解讀

🔅🔆目前僅接受線上解讀唷！🔅🔆

🟢人類圖解讀
*個人解讀 內容包括：整張圖的基礎介紹（類型、內在權威、人生角色、策略、通道的解說），生活應用分享。

*關係合圖解讀（親子/伴侶） 內容包括：藉由合圖認識彼此的同異之處、相互吸引或相互糾結的點，一起討論出個舒服的相處互動方式。

-

🟢想找到更適合的親子互動方式
我想邀請你來參加 #人類圖玩親子教養研習所

🔅🔆目前僅接受私人組團線上參與唷！🔅🔆

歡迎私訊了解更多

-

☘️取得自己的人類圖可以利用下列網站：
中文繁體 https://humandesignasia.org/
中文簡體 https://humandesign.org.cn/
英文 https://www.jovianarchive.com/Get_Your_Chart

-

🟢人類圖是關於察覺，而非控制。
🟢等待，是主動察覺的過程。
🟢人類圖提供方法，你唯一要做的是不斷的練習，練習在每一個當下做回自己。

By 達門

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。