無知的時代
創作假新聞或編造聳動不實的訊息的動機有很多，不管在政治上，經濟上的利益或純粹只是好玩，為了博取大家的關注與按讚，網路上已有太多有問題的訊息，要分辨假新聞已經很不容易，另一方面也是大家太忙或太懶，曾經有一位專門創造假新聞的大師級人物曾經在華盛頓郵報採訪時說:「老實說，民眾真的變笨了。他們只會一直把東西傳來傳去，再也沒有人查證任何事情了。」
查證很麻煩，要有時間，當然更要有足夠的背景知識以及沒有預設立場的胸襟，要達到這些素養真的很難，也難怪民眾愈來愈容易被操控。
最近，金融時報主筆，BBC電視節目主持人哈福特就感慨，為什麼到現在，英國還有將近四分之一的民眾不相信有新冠病毒，認為那是政治陰謀；而法國只有四成的人表示願意打疫苗，而九成投票給川普的人認為拜登勝選是不合法的。
事情當然不是如美國財務部長桑默斯說的:「看看你周圍，一堆白癡。」這麼簡單。
哈福特認為，首先是人們很容易分心，其實這也是訊息太多，注意力不足而導致的，再加上人們通常會將絕大部分時間花在「新鮮有趣」的事物，不再動腦筋思考與理解任何複雜的事情。
第二是他所謂的政治部落主義，在政治對立的環境中，每一個事實的主張都會成為爭論或雙方對抗的武器。
當然並不是所有的事物都會被扭曲與極端對立化，但是假如有任何政治人物或團體看到這樣對他有好處的話，任何議題都可以被兩極化。
第三種造成無知時代的因素是陰謀論者的懷疑。作者解釋，陰謀論者投入巨大的精力(或者極為豐富或荒謬的想像力)，從雞毛蒜皮，不相干的事物中找出意義，卻對於這個議題大量確定的鐵證視而不見，甚至反而會被他們當作是這個陰謀所製造出的假新聞，就像全球暖化與極端氣候造成的災難，川普的支持者絕大部分認為那是捏造出來的假新聞。
哈福特對這個無知時代是悲觀的，因為要消除無知是很不容易的，不過他倒是提供一個方法來嘗試，針對那些「無知者」不要一見面就陳述事實，相反的，應該是先與對方建立融洽的關係，提出問題並傾聽答案。換句話說，我們不可能在爭辯中改變對方，但是有時候人們會說服自己。
最後，作者建議，每個人都要承認自己也有盲點，我們也都有自己的同溫層，也渴望互相取暖，我們跟所有人一樣，都會否認或忽視某些重要的事實，是的，我們必須先從自身做起，慢下來，冷靜下來，問問題，然後想像「我們可能是錯的」。

為孩子的「媒體識讀素養」扎根

女兒上中學後，學校某些科目的老師會在課堂上提及一些新聞議題，有時候甚至要她們以雜誌的封面故事來做專題報告，於是她們逐漸關注起目前的社會話題，通常也會詢問一下我的看法。
其實，除了學校老師主動與學生討論媒體新聞之外，一般家庭也經常在日常生活中評論新聞事件，孩子在有意無意間，自然也會聽到這些意見。
常常很感慨，現代人從早上起床到晚上睡覺為止，醒著的時間幾乎無時無刻不被無所不在的資訊包圍，從原先的電視、廣播，到如今的電腦網路、智慧型手機，現在家長的教養難題已不是害怕孩子訊息不足，反而是如何協助他們培養不被媒體左右的心智能力，並且在紛亂的資料當中，獲得真正有用的訊息。
尤其對年輕人來說，網路早已取代傳統的媒體。以前媒體的記者與編輯負責生產、管理訊息，除了是傳播者也是守門員；一旦來到人人可以發聲的時代，網路上充斥各種來歷不明且未經查核的訊息，甚至很難追索來源，再加上網路的擴散效應太快又太廣，後果往往超出任何人的掌握之外。所以，協助孩子使用網路，建立正確的習慣與分辨的能力，是當今最迫切的素養。
甚至我可以很武斷地講，當一個人沒有豐富的知識，尚未建立分析與判斷的能力，是沒有資格使用網路的。而能力的養成，必須先從一本一本完整的書籍閱讀開始。
知識羅盤讓你免於網路迷航
不過，的確有很多家長跟我反應，家裡讀中學的孩子整天掛在網路上，勸他們多看點書，不要沉迷於電腦，結果常常被孩子反駁：「我在網路上搜尋閱讀的資料也像書啊！甚至比書的訊息更新、更即時呢！」
閱讀網路上的資料，與閱讀印刷出來的書，到底一樣不一樣？
我想，首先得區別什麼是書。不管是紙本印刷，或者用竹簡、用羊皮，或者是電子書，只要經過編輯處理、正式發行的書，都算是書，與網路搜尋的資料是不同的。
不管使用什麼媒介，只要是經過編輯的書，都有製作成本，除了作者殫精竭慮的寫作之外，還經過層層篩選與討論，修正校訂後才會出版，基本上是有架構、有層次、有想法與目標的。即使百科全書，只要經過編輯發行，都會有特別的觀點與架構。
當我們學習一個新的學門、一個新的領域，必須找到那門學問的幾本經典書籍，仔仔細細地從頭讀完，在腦中建立起完整的輪廓，這種輪廓也可以稱做知識的基本架構。有了整體的認識之後，後續找到的許多資料與瑣碎的細節才能適當地安放在那個架構裡，也才能形成有意義的瞭解與記憶。
沒有對那個領域的整體瞭解，網路上搜尋到的無窮無盡的資料，不僅沒有幫助、浪費時間外，甚至有害，會使我們淹沒在訊息的大海中。許多在大學任教的朋友感慨，現在學生的報告內容似乎非常豐富，旁徵博引找了許多資料，但卻抓不住重點，結論也非常模糊，甚至搞不清楚作業的問題到底要他們回答什麼？
換句話說，如果沒有自己的觀點，也不清楚問題的來龍去脈、前因後果，即便花了一大堆時間在網路上漫遊，剪剪貼貼，還是無法成為真正的收穫與理解。
利用討論將問題看得深一點
這是個複雜的世界，幾乎所有的事情都沒有簡單或終極的解答，偏偏現今從網路到傳統媒體的報導，都朝向「輕薄短小」，不可避免的片面化且零碎化。現代人已經沒有時間也沒有能力，去瞭解事情為什麼會這樣？前因後果是如何？對我們會有哪些影響？
因此，趁著雙胞胎女兒因為老師在課堂上的談論所引起的興趣與關注，開始進行我們家的「媒體識讀」教育。也就在跟她們討論的過程中，發現她們理解議題與解讀新聞的能力很弱；同時也發現，老師雖然以這些時事為素材，但也沒有好好分析，不知道是時間不夠，還是本身缺乏相關的背景知識。
於是從她們高一的春天開始，每個星期假日，我會利用早、午或晚餐的時間，正式為她們上課。通常會以雜誌的專欄或專題報導，以及報紙的社論或專論影印為教材，含括一、兩篇相關文章為一個主題，至少講解討論一個小時左右。
我通常會以馬錶測量她們看完一篇文章要花多久時間，然後要她們立刻複述文章的立論重點，或追索作者的寫作動機……等等。（能用自己的話清楚地講，才代表真正看懂。）接著，我會就文章所涵蓋的專有名詞與背景知識詳加說明，引導她們去思索：是什麼原因導致這個現象的發生？這些狀況又會如何影響我們的生活？如果事情不這麼發生，可以有哪些改變，必須做哪些努力？……
總之，我希望她們能把問題看得深一點，也希望從這些攸關每個人生活的事件裡，引起她們追求知識的動機。
經過這樣的訓練，後來在女兒上下學間隙翻閱每天報紙的短短時間裡，也會隨口交換一下意見。（這與正式上課需要刻意挑好主題、影印教材是不一樣的。）
就像這本書裡所收錄的數十個議題，任何一個會引起社會普遍關注的新聞，一定含帶著社會當下集體的潛意識，或許是憂慮，或許是恐懼，都很值得父母陪著孩子進一步探索。

【疫苗接種】就是利用免疫系統的運作原理，使注入接受者體內的物質類似或等同於異物，而引發相似的生理功能，以便於日後較具毒力的相似物質侵入體內時，能夠回憶起類似的狀況，加快對付病原的反應。
　　
「免疫學」的研究正是協助人類對抗傳染性疾病的有力武器。世界上第 1 支疫苗是金納（Edward Jenner）博士在 1796 年發明的，而現代疫苗的技術，則是等到 1879 年巴斯德（Louis Pasteur）發現了減毒疫苗的原理才建立的。
　　
因為免疫反應是人類能有效控制各種傳染性疾病的最根本基礎，對於像愛滋病、肺結核、肝炎之類的傳染病，只有更進一步了解免疫系統，才能發展出更有效力的免疫療法或疫苗，以達到預防或治療的效果。
　　
此外，想發展有效用的疫苗，惟有從基礎免疫學研究來探究人體各類的免疫機制，以進一步了解傳染病原的致病機轉，才能提升疫苗的效用。
　　
現今，生長在臺灣的人們從出生到長大，都需要接種十多種疫苗，你知道疫苗的由來嗎？接種疫苗的目的為何？施打疫苗的種類有哪些？每支疫苗有何不同？疫苗的未來如何？(資料來源：【註1】)
　　
■疫苗的作用是如何被發現的？
在疫苗尚未存在的時代，是一個比現在危險得多的世界。如今完全能夠避免的疾病，在當時每年會奪走數以百萬計的生命。
　　
在公元10世紀，中國人首先發現了疫苗的早期形式：通過讓健康的人接觸某種疾病結痂後的皮膚組織來建立免疫力。
　　
八個世紀後，英國醫生愛德華·詹納（Edward Jenner）注意到，擠奶工們可能會患上輕度的牛痘，但卻很少進一步染上致命的天花。
　　
1796年，詹納在八歲的兒童詹姆斯·菲普斯（James Phipps）身上進行了一個實驗。這名醫生將牛痘傷口中的膿注入這名男孩體內，他很快就出現了症狀。
　　
菲普斯一康復，詹納就將天花注入他的體內，但是他卻沒有患病。牛痘令他對天花免疫。1798年，實驗的結果公之於世，“疫苗”這個詞第一次出現英文的“vaccine”的詞源正是來自於拉丁文的“vacca”（母牛）。(資料來源：【註2】)
　　
■現代疫苗的技術
則是等到 1879 年巴斯德（Louis Pasteur）發現了減毒疫苗的原理才建立的。他先從患者身上取出病毒母株，把它的毒性減弱後進行繁殖，再製作成疫苗注入人體內，使人體產生抗體。因病毒毒性已減弱，所以不會造成疾病。這種減毒疫苗的原理廣泛應用在卡介苗、水痘疫苗、德國麻疹疫苗、腮腺炎疫苗等。
　　
巴斯德發明的傳統減毒疫苗、死毒疫苗等技術，至今仍是製造疫苗的標準技術，也開啟了微生物學及免疫學研究的大門。
　　
■人體為何要接種疫苗？
疫苗接種的主要目的是使身體能夠製造自然的物質，用以提升生物體對病原的辨認和防禦功能，有時類似的病原體會引起同一類病原的免疫反應，因此原則上一種疫苗是針對一種疾病，或相似度極高的病原體，以牛痘預防天花就是一個很好的例子。此外，在 20 世紀末，免疫學家發現疫苗也可能具有治療功能，並發展出相關的理論和應用。
　　
▶｢預防」
疫苗接種多數是一種可以激起個體自然防禦機制的醫療行為，以預防未來可能得到的疾病，這種疫苗接種特稱為「預防接種」。白喉、破傷風、百日咳、小兒麻痺、Ｂ型流感嗜血桿菌、Ｂ型肝炎、麻疹、德國麻疹、腮腺炎等的疫苗，都是目前常見的種類。
　　
疫苗不僅可以使接種者罹患該疾病的發病率下降，當一種疫苗所對付的疾病僅感染單一物種時，便有可能消滅病原，例如：天花疫苗。
　　
▶「治療」
疫苗也可以用來做積極的免疫治療，這種技術刺激免疫系統大量生產抗體，或是以外來的相應抗體，共同對付已經感染的患者體內存有的病原。
　　
例如：B 型肝炎病毒 (Hepatitis B virus,HBV) 治療型疫苗
預防型疫苗的功效是讓尚未被感染的健康人體產生具保護效果的抗體，相較之下治療型疫苗研發難度較高，因為多數帶原者都是在胎兒或幼童時期接觸到 HBV 的感染，在免疫系統尚未成熟的階段體內就已存在 HBV 抗原，所以免疫系統容易將HBV 抗原也視為自身的抗原而產生耐受性，不易引起針對 HBV 抗原進行攻擊的反應。因此為了突破在帶原者體內已形成的耐受性，治療型疫苗的設計則以佐劑或利用其他方式加強HBV 抗原的免疫源性(資料來源：【註3】)。
　　
■疫苗是毒素改造而來？
▶傳統疫苗
可分成「去活性疫苗」、「活體減毒疫苗」及「類毒素疫苗」 3 大類。
　　
➜「去活性疫苗」：
是透過熱或化學藥劑，把致病微生物結構破壞或把它殺死所形成的，但因部分結構仍完整，可誘起免疫反應達到免疫治療的目的，如流感、霍亂、腺鼠疫、Ａ型肝炎等的疫苗。但這類致病微生物毒性較低、時效短，無法引起免疫系統完整的反應，有時必須追加施打。
　　
➜「活體減毒疫苗」：
是利用培養技術製造出的減低毒性活體微生物的品種。由於免疫反應主要偵測的是病菌本身外部的構造，因此減去毒性物質或微生物代謝產物仍可有效產生施打疫苗者的免疫力，例如黃熱病、麻疹、腮腺炎等疫苗。
　　
➜「類毒素疫苗」：
此外，某些微生物本身無害，但其產生、釋放的毒素是疾病的根源，科學家便把這類毒素改造或破壞以形成類毒素疫苗。這類疫苗具免疫反應所需的基本誘發功能，卻不傷害接種者，例如破傷風和白喉疫苗。
　　
▶基因疫苗
針對目標細胞，藉由改造過的病毒或細菌感染，以插入基因或調節基因表現的手法，引起免疫系統的活化。若這些細胞因此在表面呈現異於接種者本身的物質，將會被免疫系統辨識而受到攻擊。目前研究發現，基因疫苗可以引發高效價的抗體反應，同時伴隨細胞性免疫反應，包括輔助Ｔ細胞和殺手Ｔ細胞。在人體內殺手Ｔ細胞利用其細胞表面受器，專司負責發現並清除受病毒感染的細胞，同時對癌細胞的治療也有顯著的效果。
　　
因此如何引發具專一性的殺手Ｔ細胞，一直是預防和治療性癌症疫苗研發的重點。而用傳統的死毒疫苗或重組蛋白疫苗免疫，通常無法獲得有效的殺手Ｔ細胞反應。
(資料來源：【註1】)
　　
■疫苗給人類的貢獻
在過去一個世紀，疫苗幫助全世界大幅度減少了很多疾病的傷害性。在麻疹的第一株疫苗於1960年代問世之前，每年約有260萬人死於這種疾病。根據世界衛生組織數據，麻疹疫苗令2000年至2017年間的麻疹致死人數減少了80%。(資料來源：【註2】)
　　
傳染性疾病一直都是人類最大的死因，每年有 1,700 萬人死於傳染性疾病。在傳染性疾病的預防上，疫苗的使用比任何其他醫學方法對人類健康的貢獻都要大。 (資料來源：【註1】)
　　
　　
【Reference】
國衛院論壇2019年度議題「預防接種服務財務解決對策」簡介
➤➤議題召集人：李秉穎醫師（國立臺灣大學醫學院附設院兒童醫院）、張峰義教授（國防醫學院）
➤➤接種疫苗的重要性在於疾病的預防，我國疫苗財源主要來自菸捐，未有獨立疫苗基金，且新疫苗單價相較以往貴好幾倍，如何提升民眾正確的預防健康觀念，進而扶植國內疫苗的研製是迫切的課題。
　　
會中討論時衛生福利部何啟功次長詢問到是否可能提議WHO流感疫苗選株時將亞洲或東亞地區納入特別考量？召集人李秉穎醫師說明，因為近年對於中國防疫的層面提升，目前WHO已將中國與亞洲的流感流行株列入選株的考量之一。
　　
台灣已有能力可以製造流感疫苗，惟流感病毒株數量龐大且病毒會因時因地因人出現變異，若要自製須於選株時即相當嚴謹，才能精簡疫苗研發經費。
https://forum.nhri.edu.tw/projects/forum-projects/108-pp-5/
　　
1.來源
➤➤資料
∎【註1】
科技大觀園 「消滅疾病，疫苗的發明與免疫反應」
https://bit.ly/2SSGxD7
　　
∎【註2】
BBC News「疫苗如何發揮作用：為什麼仍有人質疑它？」
https://bbc.in/2ImcwtF
　　
∎【註3】
免疫療法：治癒慢性B型肝炎的新契機 廖浤鈞 ; 劉士任 感染控制雜誌 29:4 2019.08[民108.08] 頁200-208
(財團法人國家衛生研究院-感染症與疫苗研究所：廖浤鈞、劉士任)
(https://bit.ly/3oOeROF)
　　
➤➤照片
∎【註2】
　　
2. 【國衛院論壇出版品 免費閱覽】
▶國家衛生研究院論壇出版品-電子書(PDF)-線上閱覽:
https://forum.nhri.org.tw/publications/
　　
3. 【國衛院論壇學術活動】
➤https://forum.nhri.org.tw/events/
　　
#國家衛生研究院 #國衛院 #國家衛生研究院論壇 #國衛院論壇 #衛生福利部 #疫苗接種 #疫苗 #去活性疫苗 #活體減毒疫苗 #類毒素疫苗 #基因疫苗
　　
衛生福利部 / 疾病管制署 - 1922防疫達人 / 財團法人國家衛生研究院 / 國家衛生研究院-論壇

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。

一個明明應該要精準的細胞簡訊，結果發到一百一十萬封，是演算法有錯，還是主事者不想用大數據分類，結果搞到各種數據彼此衝突這真的是大數據防疫嗎？

全國恐慌之後又要甩鍋給地方了說是地方的漏洞了，說好的防疫優先不要鬥爭呢？你有研發出蟲洞讓病毒直接從雙北出現，你要說啊，國門放進來還不是中央的責任難道是蟲洞的責任？簡訊亂發難道也是地方的責任？

8月13號到9月2號這一群機師
跟他們的密切接觸者
在台灣留下來的軌跡
我跟你講就是確定是一個
確定是Delta病毒
那所以有一個問題在這樣子的狀況之下
廣發了110萬通細胞簡訊
我記得今年年初的時候還有去年吧
高虹安好像討論過細胞簡訊對隱私權
還有通保法之間到底有沒有扞格之處
到底有沒有侵犯人民隱私之處
妳那個時候的討論是針對什麼地方
那時候是敦睦艦隊吧我記得
不只還有鑽石公主號
對 因為他們下來之後其實他就是有接觸
然後因為後來陳其邁有把它寫成一篇論文
他就說有用了62萬人的基地台定位
那這件事情基本上就是完全是用了特別條款
反正就是最高上限指揮官可以做任何處置
就是侵犯人權我們坦白講
對他等於是說要去存取到這些資訊
那當然後來其實他們也出來講說
那個基地台的定位並不是很精確說
一定是定到他本人的一些行為等等的
就是說有經過基地台才會被搜到這個訊號
但是它還是代表著是你一個行為的足跡
我自己也收到那個簡訊
真的假的妳為什麼收到簡訊
我後來去了解了一下
是因為我在8月24號的時候
有代表郭董去桃園機場的醫院
就是我們那邊有一個聯新醫院
去那邊捐防疫物資
我那時候到的是一航廈
好像那個機師在那一天好像是出現在二航廈
所以反正是因為這樣的關係
所以我的就是可能也被基地台的定位掃到
但是我覺得很奇怪的一點是說
其實110萬人這個簡訊真的有點妙
是因為其實我們都有掃實聯制
所以其實按理來講的話
其實實聯制如果是有實聯制的話
你應該是用實聯制的資訊去推
你怎麼會是用基地台去推這件事情
所以這有點怪因為變成是說好像
你本應該是要做精準疫調
結果變成是要用基地台去一個很擴大
而且重點是蔡英文總統還出來跟大家講說
有收到簡訊的人不要恐慌
如果是其他一般的民眾他們收到簡訊的時候
一定會擔憂
所以他們一定會想要去做篩檢
那這種時候就變成是你的全台灣
是不是有辦法去收納這麼多人
突然要去篩檢的這件事情
還是說去的地方又會造成一個群聚
但我先幫大家解釋一下
因為所謂的細胞簡訊
是當初我們在鑽石公主號
然後在這個過去
好幾次在沒有完整資料的時候所發的
因為細胞簡訊是一個未經同意
直接強行跟電信公司收取你的手機足跡的一種方式
所以第一個
它有沒有侵犯隱私權 有
第二個它用的是太上條款
就是有緊急需要的時候
由疫情指揮中心陳時中指揮官下令侵犯人權
也就是這個東西基本上調閱它是違反通保法
違反個人隱私法
幾乎是你知道的所有關於電信資料的保護都違背
但是為了防疫需要
就硬是把它拉出來
剛剛虹安講的意思是
你都侵犯人權了你都違反通保法了
你都違反個資法了
你調出來的資訊怎麼會是110萬人
3個確診機師可以接觸到110萬人
你以為他們選總統
我覺得是真的不知道說他到底是怎麼樣
去決定撈出這110萬
你是說反正我就是多匡一點
就是寧可錯殺也不要放過之類的想法嗎
但是我覺得他今天用這樣的方式去描述一段
他就跟你講8月13號到9月2號
他也告訴你說你有可能是
真的跟確診者有接觸到
還是你只是有在那個空間有可能碰到
我跟你講這個論述都超不精準的
就是你110萬出來之後
一個負責任的政府
我不知道他為什麼要這樣做
你起碼要告訴我說
你今天這個case是因為8月24號
那我對於我的情況會比較了解
或者是說我今天有掃實聯制
那你110萬你是從基地台抓出來的
那你難道不能夠再跟實聯制這些
我們每天掃的那個辛苦的實聯制
你不能再跟它交叉比對一下再跟我說
我是因為哪一個時間點所以有這個問題
你就丟了一個簡訊來讓大家莫名其妙的
這個之所以說不負責任
是新加坡用的技術TraceTogether用的是藍芽
比較接近我們那個 社交距離APP
對社交距離APP 它用的也是藍芽
所以新加坡 剛剛這個網友有講他說
你可以從TraceTogether裡面
找到你過去兩星期所有的精準定位
跟你注射疫苗的接種狀況
我們坦白講這個東西google map就做的到啊
你如果開你的定位
你其實到哪裡去google map都有登錄
那為什麼今天我們的細胞簡訊
照說可以很精準卻沒有精準的篩選之後
就狂發110萬封
這個東西的科學根據到底在哪
你之前是不是笑過對岸說Delta病毒
回追七天你笑他不科學
結果你現在做的作法
8月13號到9月2號應該...
世界怎麼跟得上台灣
這也太誇張了
等等你列了20天的時間
中間我只要跟他接近這個還不是用藍芽
就是我在基地台handshake
而且會到110萬看起來是沒有管那一天的小時
他那一天一定就是24小時之內我跟你重疊
距離算接近我就發
寧可全面錯殺也不要放過
那你說你今天讓全國110萬人覺得擔心害怕
懷疑他女友到底到哪裡去了
這個難道沒有社會成本嗎
你今天為了防疫不能夠再多篩一下
應該這樣講你沒有辦法用手機的細胞簡訊的話
你就要用實聯制嘛
實聯制是有時間然後店的位置
然後當然有進去的時間
出來就可能只能擲筊
或者是看他下一次掃實聯制是什麼地方
可是我這樣講你今天兩個系統都培養
為什麼不能交叉比對咧
你今天又不交叉比對你就隨便亂發
我們光這樣講110萬封簡訊要花多少錢
而且大家還乖乖的每天給你拍實聯制
在那邊掃實聯制的時候結果卻撈不出來
我覺得這整個過程就是
如果說你今天就是花了這些錢
然後build up一個實聯制的系統
然後你到真正要用的時候
卻還是用基地台定位
那我就真的不知道實聯制大家掃那麼辛酸
又花那麼多錢幾個億的到底在做什麼
現在的問題就是
現在機師的這件事情有沒有實際用到實聯制
其實沒有
機師去其他的地方有沒有掃實聯制
那如果有掃的話那你每一個空間
每一個unit你都可以抓出一群人
那你再拿這群人去跟他比對
而不是發110萬份簡訊
我現在不是要拿gps
直接去跟每一個單位的location去比對
我現在是拿機師的gps
去跟他自己的實聯制去做比對
你就會有第一點第二點第三點
每一個的地方你就可以拉的出來了
我不知道啦也許對他們來說真的很困難
或者是追求時效性他必須要趕快去做
所以他後面所有的處理都不做
就直接110萬撒出去
我不知道但是就我來講
我覺得既然實聯制有更精準的足跡的資訊
而且是大家比較願意去提供的資訊
那你為什麼不去使用實聯制的資訊
去比對這個東西呢
我這樣講政府施政不可能百分之百沒有疏漏
但是你明明知道有疏漏
你卻不把它補好
那你還一邊跟人家吹
我跟你講實聯制這個東西呢
我早就知道是一個妥協的狀況
你臨時要開發出這種實聯制來的確很困難
當然不周全
但是你不要開發出一個漏洞百出的系統之後
跟大家講說都是唐鳳
唐鳳好棒唐鳳是天才
唐鳳開發這個東西無懈可擊
我就問一句啊現在你能不能從裡面撈出來
靠實聯制確認這些機師去過哪些地方
幾點幾分進門
有沒有人在這個數字平台上跟他重疊
而不是只發細胞簡訊
你細胞簡訊一發出來表示你沒有別的方法了
而且還發了一個很粗陋沒有篩過的110萬份
我覺得這個對理工科的人來講我沒辦法想像

#未來戰 #能力鑑定書 #研究所
《未來戰》培育老婆最缺金幣和能力鑑定書
有甚麼方法可以快速拿到能力鑑定書？
是普通關卡？還是困難關卡？
刷哪個關卡CP最高就看這裡
------------------------------------------------------------------------------------------
5分鐘帶你快速了解培育老婆們小訣竅 遊戲起步不輸人
https://youtu.be/szGDpjX3G2E
------------------------------------------------------------------------------------------
記得要按讚訂閱打開鈴鐺🔔🔔
加入Youtube會員：https://reurl.cc/d53Qq6
歐付寶斗內：https://reurl.cc/X61Daa
薄荷貓粉絲專頁：https://www.facebook.com/Mintcat99
薄荷貓Instagram：https://www.instagram.com/mintcat1113
工商合作來信邀約：mintcat1113@gmail.com
------------------------------------------------------------------------------------------
世界地圖全攻略 派遣任務選擇困難怎麼辦？情報又要怎麼獲得？
https://youtu.be/gw-d5KofELs

《未來戰》 ► 好缺錢怎麼辦？從初學入門到高級進階刷金幣方式
https://youtu.be/5UlgkugZ-Rg

《未來戰》 ► 培養老婆缺能力鑑定書怎麼辦？刷哪個關卡CP最高就看這裡
https://youtu.be/FEJmiY86tYQ

《未來戰》 ► 5分鐘帶你快速了解培育老婆們小訣竅 遊戲起步不輸人 https://youtu.be/szGDpjX3G2E

《未來戰》 ► 新手玩家開局首抽推薦SSR/SR/R角色 最快刷首抽推薦~
https://youtu.be/4MJ_0ubPwJs
-----------------------------------------------------------------------------------------
2021年也太多新手機遊戲了吧！幾款薄荷自己私心推薦 全球尚未推出的手機遊戲
https://youtu.be/Pn5ZVcY9xrk
　
負評滿天飛？《Cyberpunk 2077》的缺點到底有哪些？到底值不值得購買？
https://youtu.be/hRd8VO-VHJE

超級致敬？遊戲風格抄襲《返校》？還以為返校出續作呢～
https://youtu.be/ZkRanM1w3SA

像素風格遊戲正夯？推薦2020年像素風格手機遊戲
https://youtu.be/jTdkZ0jQ5JI

政治正確 滿滿嘲諷國產遊戲 內建防盜版裝置 恐怖維尼病毒來襲
https://youtu.be/fuwcSymAPQk
------------------------------------------------------------------------------------------
#最新 #手遊 #轉蛋 #介紹 #試玩 #攻略 #動畫 #下載 #電玩 #遊戲 #事前登錄 #無課 #新手 #首抽 #新手首抽 #推薦 #刷首抽 #SSR #角色 #卡池 #2021手遊 #無課玩家 #課長 #玩法 #基本操作
------------------------------------------------------------------------------------------