#今日疫情重點：彰化血清篩檢爭議，指揮中心和研究單位「大和解」
【研究5大發現，證明台灣防疫效果佳：陽性率僅萬分之8.3、感染者百分百有抗體、中和抗體長達5個月未消失、境外移入者抗體出現較本土病例高、醫護接觸者全部陰性】

彰化縣衛生局與台大公衛學院合作進行萬人血清抗體檢驗，引發防疫單位和研究單位在各方輿論下針鋒相對，各種「防疫蓋牌」或「研究逆時中」的陰謀論流竄，連帶引發血清研究正當性、是否通過研究倫理審核、研究經費的出處、抗體試劑的品質等問題受質疑。
　
■研究結果驗證防疫成果，雙方大和解，指揮中心表達「謝謝」
　
昨天台大公衛學院發出臨時記者會通知，今（27日）上午，此計畫負責人，台大公衛學院教授詹長權、陳秀熙、彰化縣衛生局局長葉彥伯，共同說明血清抗體篩檢初步結果。今早記者會上，疫情指揮中心發言人莊人祥、台大公衛學院院長鄭守夏皆出席，呈現「大和解」氣氛。

彰化萬人血清篩檢，實質執行人數4,859人，目前為止，陽性率非先前搶先報導的媒體所稱的1%～2%或千分之1，而是僅有萬分之8.3，研究等於為台灣防疫政策提供科學驗證。

莊人祥也改口表示，自己對這項血清抗體研究有相當大的期待，不僅可以了解台灣社區在2、3月期間高危險群的感染狀況，也可以知道台灣精準防疫系統漏洞多大。「這次的血清報告一波三折，謝謝研究團隊排除萬難報告研究結果，滿足大家好奇心，也解決指揮中心蓋牌疑慮。」
　
■抗體陽性率萬分之8.3，社區很安全
　
葉彥伯和陳秀熙聯手公布此次血清篩檢的執行過程、人數與結果，澄清外界質疑。

＃研究對象和方法：
1.篩檢對象為高風險族群：這次計畫非「廣篩」或「普篩」，是針對彰化確診者以及相關接觸的「高風險族群」進行篩檢，包括：1～4月間確診者18人，以及2～3月疫情高峰期高風險族群：居家檢疫者1,584人、確診者之接觸者362人、醫療院所員工2,238人、健康照護人員693人，共計4,859 名高風險族群，不到萬人。6月開始執行檢測分析，8月12日完成所有檢測。

2.檢測三種抗體：N抗體，S抗體及中和抗體。其中，中和抗體是具有把病毒中和掉的抗體，意義最強，沒有偽陽或偽陰性問題，更具有未來疫苗研發、檢測與對照的意義。
　
＃研究發現和意義：
1.高風險者陽性率低：沒確診的高風險族群4,841人中，有4人測出中和抗體，陽性率僅萬分之8.3。

2.確診者抗體保護時間長：確診18名個案，抗體檢測全呈現陽性，在染病100天後，3種抗體全部都有測到，包括最重要的中和抗體，還有的個案甚至長達5個月，顯示患者痊癒後仍受到抗體保護，至於可以持續多久，仍需追蹤。

3.境外移入確診個案抗體出現較早：研究也針對境外移入和本土接觸者確診個案進行對照，發現境外移入的個案，抗體出現較本土病例早，顯示境外移入個案病毒濃度較高。本土病例可能因隔離、口罩等防疫效果，讓病毒濃度較低。

4.醫護接觸者零陽性：證明醫內感染管控有效。

相關研究等於證實台灣防疫效果佳，本土社區病例少，14天隔離防疫和全民戴口罩有加持；確診者都有中和抗體，而且在染病5個月後都能測到，代表仍具有保護力，對未來疫苗測試與比對都很重要。
　
■確診者抗體保護力可持續至少5個月，有助疫苗研發和測試
　
陳秀熙表示，血清抗體的調查目的：
1.了解過去該地感染COVID-19的盛行率。
2.在疫情較和緩的地方，有境外移入的個案時，可以協助疫情追蹤調查、阻斷感染源。
3.了解感染後的免疫反應，提供疫苗研究的重要參考。

陳秀熙說，疫苗在第一階段研發劑量時，通常都要做確診個案的研究，這次發現18個確診個案，全部都有中和抗體，且評估都有3～5個月的持續力。陳秀熙說，這個結果可以給疫苗研發很大的信心。

「如果今天不做這個研究，以後做疫苗時就不可能會有這個數據，疫苗研發的信心就不夠。因此我們才要趕快做！」

正進行COVID-19疫苗第一期臨床試驗的國光生技也關注此研究，該公司研發處長冷治湘表示，之前國外曾報導感染者抗體保護力只維持3個月，台灣這次調查發現保護力達5個月是好消息，不過自然感染產生的抗體，和疫苗打進去所產生的抗體，不一定能產生一樣長時間的效果，所以還是得透過臨床試驗得到數據。

冷治湘希望進一步了解台大這次的研究案，感染者感染的是哪一個病毒演化株、產生什麼現象，「資訊愈多當然愈好」，將來研發疫苗才能知道哪裡可以再改善。
　
■研究倫理IRB爭議，計畫6月啟動、台大校方8月11日才通過審核
　
此項血清抗體研究，是否有通過研究倫理審查委員會（IRB）的審核，成為重大的爭議。今日記者會上詹長權公布，此項研究前端部分，針對高風險群進行收集、抽血、送檢體等，全部都是由彰化縣衛生局負責；台大公衛學院針對結果進行統計分析。「因為不涉及抽血、不是臨床，因此台大規定這一類IRB就在校總區審查。」

不過公布的資料上顯示，該計畫是送交台大校總區的台大行為與社會科學倫理委員會的研究倫委會（IRB），8月11日才通過，但計畫6月即已啟動，仍有事後補件的瑕疪。

受試者保護協會理事長林綠紅則質疑，研究此次被分成兩段，彰化縣衛生局採檢體、台大公衛學院分析，屬性不同；台大公衛學院說明有通過IRB，但彰化縣衛生局都沒有提及倫理審查，也沒有明確說明檢體如何取得、是否在受試者同意書中向受試者說明風險、檢體使用等內容。此前網路上流傳一份彰化此項篩檢的受試者同意書，林綠紅說，若同意書真是如此，「這部分就是違法《人體研究法》，瑕疵很大！」

此外，林綠紅說，台大也應該要去釐清，進行分析的資料有沒有符合規定，「不然萬一檢體來源有問題，IRB再審時就會說不能做研究，這才是合理的。」

但問及彰化收集血清檢測的試劑規範為何，葉彥伯只表示，由台大來回答；詹長權則回應，彰化也有公務的做法，規範都有做到。
　
■回應經費來源爭議，詹長權和科技部說法有異
　
針對此項萬人血清抗體的計畫經費來源，詹長權曾提及部分來自於科技部，但遭科技部打臉。今詹長權更詳細說明，台大公衛學院由「群體健康研究中心」負責此計畫，並由教育部、科技部共同支持。他表示在2月5日，科技部人文司司長在會議中提及，希望團隊可以幫忙研究COVID-19，「政府要求，我們也很想做，」因此才有了這次的萬人血清抗體篩檢。

對此，科技部接受《報導者》採訪時表示，此計畫名稱是「台灣大學群體健康研究中心」，按規定需要設「研究中心指導委員會」對研究進行督導、建議。原先台大公衛學院申請的計畫內容，是分析彰化萬人健檢資料，包括含糖飲料、飲食型態與代謝症候群風險研究，同時也涵蓋C肝、肺結核傳染病防治等議題。

科技部表示，這些都是使用現有資料；而在指導委員會會議中，確實是科技部人文司長林明仁為主席。但科技部說明，是委員提出建議研究中心可以朝「COVID-19」研究，但詳細內容為「利用公開數據研析」；且按照規定，就算是指導委員會建議後，仍要由台大將調整後的計畫內容送科技部核備，目前此計畫到明年2月到期，並未收到台大來函申請變更計畫內容。（文／陳潔、嚴文廷、林慧貞；攝影／吳逸驊）
　
#延伸閱讀
【疫苗新布局：爭取牛津授權、台廠代工有望，國家隊產能為何恐受影響？】https://bit.ly/2XMJKXY
【PCR、快篩、血清抗體，究竟有什麼不同？】https://bit.ly/3jfRr12
【真的假的？COVID-19陽性與否，PCR的篩檢其實存在「灰色地帶」？】https://bit.ly/2Qvq6f6
　
#彰化 #血清 #篩檢 #COVID19 #陽性率 #新冠病毒 #武漢肺炎 #研究倫理 #報導者

《我到底該不該念研究所？》

撰文 劉俊裕 國立臺灣藝術大藝術管理與研究所教授兼所長

如果你還在猶豫要不要去唸研究所，那麼我只能輕輕地對你說：「來！因為你不進場，你永遠不會找到答案。」

業界、實務界常常告訴你，你所學的內容進了社會、進了政商圈、政府部門、職場後都會發現和現實不一樣，根本沒用，研究所應當要多聘一些政府高官、職場有經驗的人士，了解現實險惡的社會人脈關係，也多教一些研究生工作後需要的實務技巧（政商關係、計劃書、募款、會場佈置、專案管理、燈光音效…）、職場經驗，以及行政事務職場倫理的現實面。這些當然是重要的實務，我們也必須面對。

但有趣的是，從政治界、實務界、企業界最忌憚的，從來不是學術界和研究所學到的「社會實務經驗」、「現實權力利益分配」與職場能力；反而卻是學術界那空中樓閣式，他們經常輕蔑、看不起的「理想化、高深、小眾而艱深飄渺的學術批判與論述」。

實務界常說研究所訓練出來的研究生不好用，但藝術文化學術界希望的是訓練出一批有決心，有辦法堅持價值信念，堅定指出事實、批判現況，勇於衝撞、改變政商職場、文官行政的實務現實的研究生、文化人，而不是業界期待「單純」、「好用」的業務員、專案人員、行政職員、公務員，隨時準備好讓職場去塞進那一個蘿蔔一個坑的職業訓練場。
......
奇特的是，就是在這個各界認為「不務實」的實踐過程中，你在幾年後卻重新在實務界找到了自己的定位、價值和方向，成就了你日後在業界、部門重新領航更長遠的角色位置。理論化、脈絡化的學術論述「實踐」，它的社會價值常常被耐不住性子和情感波動的我們所低估，被我們和社會急著有用的目的所不耐，被業界趕著要產出的節奏所輕蔑。

而這就是研究所存在的目的，學術研究的意義與價值，也是猶豫著要不要去唸研究所的你現在無法回答的作用問題。

AI時代的變革比每一次工業革命都快！李開復博士在達沃斯世界經濟論壇的人工智能焦點論壇上談到，人工智能的未來將預見未來的大規模的職業轉移和人力重新佈署。但同時人類將有更充裕的時間體驗更優質的娛樂(舉例：虛擬實境)。

【AI時代的變革比每一次工業革命都快】
達沃斯時受邀與MIT Media Lab（麻省理工學院媒體實驗室）負責人伊藤穰一（Joi Ito）在達沃斯世界經濟論壇閉幕日的人工智能焦點論壇上探討人工智能，本文由創新工場工友根據現場錄音整理。

——————————————————
對談嘉賓：
李開復博士，創新工場董事長及CEO、創新工場人工智能工程院院長

伊藤穰一（Joi Ito），MIT Media Lab（麻省理工學院媒體實驗室）負責人，曾任Creative Commons CEO、Six Apart日本分公司主席、風險投資公司Neoteny創始人兼CEO

主持人：
蒂姆·布拉德肖（Tim Bradshaw），《金融時報》駐舊金山科技記者
————————————————————

主持人蒂姆：今年我首次來到達沃斯參與世界經濟論壇，感覺人工智能（Artificial Intelligence，以下簡稱AI）在今年大會已然成為炙手可熱的焦點。現在當人們談及AI和它所引發的生產力進步時，往往會一道談及AI可能引發的倫理和政治議題，甚或爭辯AI的終極價值。我希望今天咱們能換一種觀點來討論AI。

伊藤：我覺得AI確實變的熱門了，這種變化從去年底開始，2016年是非常重要的一年，連許多非計算機領域的科學家都開始提出他們的觀點，而非像過往單純質疑AI。

李開復：的確，如今AI已經被全社會所更廣泛地接受了。人們開始認識到，AI正在為現實生活服務。自2016年初AlphaGo戰勝李世石一役，為大眾揭示了一個無法否認的事實，那就是AI確實能以極高的效能掌握特定垂直領域。AI能夠為我們的生活提供許多超越當前產品與服務水平的解決方案，AI能開始正式為人們提供服務。

圖：AlphaGo VS 李世石

蒂姆：所以，您認為這項變革的動力來自技術領域，還是外在的實體環境？

李開復：我認為它屬於技術引領的變革。數十年來，人們普遍把AI視為一項技術，確實在AI發展的同時，經濟、政治等外在環境也發生了一些改變，但我不認為實體環境的改變和AI技術的發展具有直接相關性。

蒂姆：前不久，IBM與微軟都捲入了一項重大討論，那就是AI技術是否會對人們現有的工作造成威脅，人們是否會因此失業？他們認為，AI的目的是增強人類的智能，而非替代人類。兩位認為上述論點成立嗎？

伊藤：所有事物的價值都需要經過長時間的檢驗，而並非一段短暫時間內的觀察。宏觀角度來看，我們無法否認人們會因「新技術總會導致人們失業」而恐慌，但隨著新技術的發展，某些領域又會誕生新的工作。例如在美國，高中畢業生如果想當護士，就必須就讀社區大學考執照，而AI技術能夠達到護士必須學習的操作流程技能，使得費時且昂貴的職業資格考試變得不那麼重要。護士這一職業還將存在，但將不再受限於繁瑣的操作任務和流程事務，對於想從事護士一行的人來說，這是一大利好。對於許多職業而言，立刻要談立即被AI技術取代還言之尚早。但是顯然，許多工作領域的問題正被解決也正被改變。

主導AI技術研發的各大科技巨頭，如果能為人們樹立一種正確的態度，驅散人們心中對AI技術的恐懼，也將會是一大利好。畢竟人們對AI技術的恐懼，絕大部分來自於對於AI的不解。

要消除恐懼，我們需要在兩個方面努力，其一，是消除人們心中情緒化、非理性的恐慌心理；其二，則是理性解決問題。例如，我們必須對當前的教育體系，以及職業資格認證等體系進行改革，這取決於未來機器發展的速度有多快。

在接下來數十年甚至很長時間內，AI技術都將會不斷發展。但現實是，我們的教育體系和人才市場仍然一成不變。我預見各項既有制度的僵化與缺乏彈性，將成為比AI技術本身更大的阻礙。

李開復：大體上我同意，不過我認為，我們需要更為急迫的喚醒社會集體意識來理解並準備AI時代的到來。

當今時代變革的速度，比以往任何一次工業革命時期都要快。隨著AI技術的不斷完善，越來越多的工作如今開始被AI技術取代。舉例來說，中國有一批AI創業公司正在研究人臉識別，這類技術已能批量辨識20到30萬張人臉，這是一般人類不可能達到的量級和精准度，諸如保安、邊防等從事辨識任務的從業人員，也勢必會被取代。在另外一些領域，AI處理人際和人機關係的能力確實還不如人類，醫療行業是最好的例證，醫療檢測中的某些涉及影像識別的崗位很快也會被AI技術所取代，但那僅僅是醫療專業的一小部分。

圖為曠世科技face++人臉識別自動解鎖

所以大體上來說，人們的工作必須具備足夠的深度，需要讓自己強大到不會輕易被機器所撼動。我不認為現在正在從事這類有足夠深度工作的人們，會輕易被AI取代。

當前有兩項重大的任務等著我們去解決。其一，是思考如何調配未來二十年大量被AI技術替代的工作者；其二，是我們的教育亟待改革。我們需要對我們的子女、下一代子女進行再教育，分析哪些工作不會被輕易替代，而不僅僅去幻想從事目前看似光鮮亮麗的工作。

投身服務業可能是其中一個選擇。我們希望能鼓勵更多人參與人際間的交往互動，建立機器人與人類的交流溝通模式，並不是所有人都能做到這一點，而這些對於服務行業來說至關重要，AI技術能夠使未來的服務業更被人們期待和尊重。

伊藤：日本人對於服務行業的看法就很有意思。日本人認為，服務業是與人打交道的工作。在日本很少有人帶著好萊塢夢，為了將來成為明星而在餐廳打工，他們單純就是喜歡在餐廳工作、熱愛著他們的顧客，這樣的態度完全刷新了我個人對於工作價值的認知。

我們有必要重新設定價值的評價體系。過去我在日本的時候，日本還是一個經濟發展至上的國家。但如今，人們的觀念已經發生了很大轉變。在以前，工作只是為了獲得金錢，而金錢是衡量一個人是否成功的標準。

但如果你基於你對工作技藝的精通程度去評價你是否熱愛這份工作，同時改採你對工作的熱愛程度來衡量成功，那麼很多被歸結為服務行業的職業其實都相當成功，服務本身可能談不上偉大，也不在創造什麼新事物，但這些當下從事的工作讓你明確目標，支撐著你的生活結構，讓你找到人生的意義。

我們應當少關注一點工作產出的經濟效益，而更關注工作的目標和意義。舉例來說，育兒應當是國家GDP的組成部分，而不是像現在這樣只被視為家務，養育下一代對全社會而言至關重要，如果每個父母都能在育兒領域多花些時間，社會將會變得更好。我們在比較人和機器的勞動產出時，多半僅僅用勞動價值和工時長短來衡量人類的產能，卻忽視了工作背後潛在的社會價值。這也是為何許多非計算機領域的科學家自去年起，也開始提出他們的觀點。

李開復：另外一個重點在於，人類的工作進入了一個新的層次。人們在競爭中，將選擇更好的雇主和工作，同時取得工作技能與深度上的提升，逐漸成為各類專業能手和頂尖人才，甚至最後成為特定領域的首席科學家、最有價值的金牌球員、最受饕客追捧的明星大廚等。

但機器也擁有著屬於它的全新定位。我們要做的是去思考在AI時代來臨之際，如何保留一手的經驗，如何為人類提供成長的空間，從而創造更多的就業機會，為人類共同的未來找到更好的解決方案。

蒂姆：那麼隨著AI技術的普及，社會上的職業構成、各類職業對經濟貢獻的性價比會不會隨之改變？例如，一個人周遊世界開另類雜貨鋪，會不會比在辦公室當一名白領賺得多？

伊藤：這正是另一個關乎整體經濟的重要問題。 如果AI真能把整體社會的生產力無限提高到一個極其充沛的程度，那很多人可能根本就不願意繼續從事現在的工作，如今包括政府公務員在內，很多人在崗位上過度勞動，薪水卻巨低無比。這些職業的確需要政策扶持和薪酬相關的補助，才能鼓勵人們考慮選擇那些看似低回報的工作。

古希臘的雅典城邦就是一個例子。當然我們現在沒有那時代的奴隸制，但想象我們處在一個充滿了藝術家、哲學家的社會，那時公民們關心的，會是資源分配是否公平、收入是否均等。這並不意味著我們不再需要工作，否則就太不符合現代的經濟法則。社會仍然需要人類勞動力，但人們將變得更富裕、更能投身內心真正渴求的工作，將會有更多的音樂家能心無旁騖專注他們熱愛的創作、廚師們方能每天精心烹調讓人贊嘆的美食，他們周遭人們的生活體驗，將會因此更為多彩豐富。

蒂姆：說到剛才的音樂家，如今他們掙錢的道路似乎更辛苦了。您覺得該由誰來支付這種額外收入？是政府？還是科技公司？

伊藤：目前的音樂行業，正隨著流媒體技術、更趨完善的數字版權制度蒸蒸日上，可預見的是，數字音樂不會在近期沒落，產業規則和行業規模隨著技術平台而生了重大變革，整體音樂行業反而是在上升的。但是，我預見音樂產業各種獨家約束制度仍然是個發展瓶頸。上世紀後期，在電視和傳統音頻媒介當道的時候，巨星經濟、高銷量唱片和企業壟斷形成了當時的市場格局。但現在，這種體系已經過於複雜、而且不符合當今以技術平台為主流的發佈體系。

李開復：不僅是音樂行業，其他的行業也存在著明顯的問題。例如，專欄作家和記者們的前途也值得憂慮，他們依循傳統媒體遊戲規則都曾經歷過獲利頗豐的年代，而對於新的技術平台分發規則、更為AI自動化的媒體模式他們仍未做好準備，記者編輯們的專業地位也需要被重新檢視與定位。未來型的AI技術公司將有機會賺得較高的經濟收益，這些創新公司甚至能和前沿政府緊密合作，共同為未來世界的工作結構和薪酬制度，進行前瞻的規劃和準備。

我們過去專注在培養數理化人才，為了訓練符合上個時代需求的工程師、醫師、會計師、律師等等專業人才，我們已經投資龐大的社會資源，導致很多人打從學習階段其實就開始偏離了他們的核心潛能而毫不自知。在不久的未來，許多工作都能被機器取代，人們將從這種演進中被釋放，真正投入我們擅長、我們熱愛的領域。

蒂姆：讓我們再來談一下當前AI技術帶來的經濟收益。由於AI技術對於大數據存儲、從業人員技能、輔助設施研發等領域提出了高門檻的要求，是否因而大部分收益都將集中在屈指可數的幾家大型科技公司中？對於其他小型的創業公司，由於缺乏機器、缺乏數據集，AI技術的研發成本無疑是巨大的，您認為AI技術對經濟結構有什麼影響？

李開復：我覺得目前的體系會持續促使大型科技企業不斷發展。他們有能力壟斷資源、壟斷數據，在商業利益和激烈競爭的驅使下，他們會不斷競逐更為精進的技術能力，為公司賺取更大的利益。對於較小企業，進入AI市場的難度的確比移動互聯網時代的創業高出非常多。

我呼籲行業需要大力推動AI生態系的開放性。創新工場北京總部和我們所投的創業公司體系中，已經啓動了全新的AI技術相關研發工作，近期我們成立了人工智能工程院，帶著孵化中國AI生態系的目標投入大量資源，招聘培訓一批年輕工程師入門AI領域，展開可公開數據集的採集和標注，我們也積極尋求在中國和全球資本市場的融資和成長機會。

全球AI競技場上，美國市場有Google、Facebook、微軟，中國市場有百度、騰訊、阿里巴巴等行業巨頭，激烈的市場競爭導致他們的技術極低程度會考慮開放出來，創新工場希望能夠借此成為AI領域開放發展的倡議者和實踐者。

蒂姆：我們之前提到，誰擁有數據上的優勢，誰就擁有敏銳的洞察力和創新能力。那麼非技術型公司什麼時候能夠真正採用AI技術，亦或是只能運用像IBM、Google、微軟等公司的平台？

伊藤：隨著世界愈發緊密互連，要以「贏家通吃」的玩法去壟斷市場是越來越難。現在，如果某個個體試圖進行壟斷行為，會自動觸發市場機制。市場競爭會形成限制：如果某方採取壟斷動作，對標競爭的另一方會花數百上千萬美元去找到超級優秀的AI博士們來迎頭趕上。現今人才培養的源頭已經到位，但我擔心，當某個企業實現了壟斷甚或做上了寡頭的時候，自然而然能順勢招募AI領域的全球才俊，吸引能夠負擔他們百萬美金酬金的投資人，種種多方因素都正匯聚在一起。市場單方面依賴競爭機制進行調節並不完善，因此，我對開復和創新工場在中國推動的開放做法特別感興趣。

接著我想說下一個經典的「電車難題」，雖然看起來有點偏題，但其實這個跟我們的討論挺相關的。這個研究大概就是詢問人們，如果街上一輛滿載乘客的電車馬上就要撞上一大群人，它應不應該立刻轉向，犧牲車內乘客的生命，還是放任讓車輛撞上人群。結果大多數的人都說，當然應該犧牲車內乘客的生命來保全更大一群人。但如果按照這個標準設計一輛無人駕駛汽車，你們會不會買具備這種人性道德的汽車？我是肯定不買。所以其實這就意味著，當我們只把責任交由市場機制，人們普遍都是自私的。

而且，就像開復所說的一樣，資本主義的市場競爭是不會激勵大家分享數據、資源和市場的。傳統的政府監管方式過去曾經行之有效，但在面對互聯網的開放和動態結構，這種傳統的監管方式將會失效。現在這些AI、比特幣和其他所有領域中的問題，都不是過去十年二十年間學者們研究的題目，而是真正在資本市場能夠快速賺錢的技術。然而相較於開放的互聯網，行業不曾充分在開放場域來探討這些技術衍生的問題和現象，這是我的擔憂所在。

李開復：我們倒是嘗試採用實務並直接一點的方法，用大公司跟大公司來抗衡。比如某巨頭企業說他們能夠提供數百萬美金的資金，另一家巨頭企業便說我們可以提供一個昂貴的開放平台。我們不知道這個方法是否有效，但畢竟我們都是敢於冒險的資本家，這個策略肯定是值得嘗試的。作為風險投資家，我們理解商場上凡事皆求回報，我們試圖串聯各方利益點，聚合成一條具有共通性的利益鏈條。

蒂姆：現今大家都能看到AI產出已經開始變得極具說服力，那麼投入方面狀況如何？誰在編寫、改進算法，我們又怎麼知道這些算法何時會被使用？AI技術的透明性又如何？市場能否避免AI這樣的黑科技遭受偏見誤區，或者避免AI技術被濫用？

李開復：我覺得目前有些公司採取所謂公開透明的做法，其實是很討喜的宣傳手段。但我也確實擔心，下面這種兩難問題會不會出現：一些公司選擇通過自律或推動立法來限制錯誤發生，但另一些公司不會這麼做。自然而然，比較規範自律的公司由於發展顧慮更為周全，相對發展速度上可能放緩；而較不顧慮錯誤發生的企業，反而可能成為最快速或最成功的那一方？

例如在無人駕駛技術的開發上，Google很小心謹慎，把保護駕乘人員和行人放在了極其重要的位置上，技術不成熟就不推廣；相反，特斯拉的AutoPilot就很激進，會直接把測試版產品拿給公眾進行試驗。然而現在看來，特斯拉造出好無人駕駛車的可能性還要更大一點。所以這個難題對任何規模、任何階段的企業，都是一個道德層面的決策。

伊藤：偏見同樣會影響到產品開發。曾經有某家企業開發麵部識別系統的時候，僅用他們自己的工程師作為訓練數據庫的模板，但發佈演示產品的時候，這個產品竟然認不出一位黑人女性的臉，正因為他們的工程師全都是白人男性。很多偏見，是你在日常職場中不容易意識到的。

過往許多公司會去蒐集信息、理解客戶，然後給出個解決方案。如果要做一個真的對社會有益、解決問題的架構，就只要想著把這個工具做得更好、更有用就可以了。我喜歡舉會計和電子錶格的例子，在VisiCalc發佈以後，這個蘋果公司自己都不知道該賣給誰的軟件出乎意料獲得會計行業的巨大歡迎，這讓他們欣喜萬分。於是他們在VisiCalc中投入了更多的靈感，VisiCalc 的開發者都沒有設想過它有如此多的可能性。

我們需要的不是企業銷售人員出去收集客戶需求，然後回頭要求工程師做出什麼，我們需要的是賦予人們自己打造這些工具的能力，這不會是目前主導AI領域那些科技巨頭的商業模型和運作方式，反而更可能來自像開復您所投資的實踐型的創業者。

蒂姆：數據和最終的成果歸屬之間是否有條清晰的界限呢？比如說如果某個商業公司使用Google的演算法找到公共部門數據中有利可圖的部分，例如運用某些醫療數據而大賺一筆，會發生什麼？會因為來源是公共數據而把這樣得來的利潤回報給政府呢，還是因為用了Google算法而成為其產品的一部分呢？畢竟沒有公共數據就不會有這一結果，目前這些數據相關的行業規則是如何制定的呢？

李開復：我感覺我們正站在一道門前，正打開去探索一個美麗勇敢的新世界，針對上述問題其實行業還沒有定論，也應該好好充分研究一下這個問題。

伊藤：看來科技巨頭們有一套針對現存數據庫、獲取數據的戰略。Google、Facebook或中國的百度、騰訊當然都會收集大眾的數據、從公共的數據中試圖做出成果。但很顯然個人電子郵件就不是公共數據，想要購買這些數據也是不可能的。也有很多人爭論是算法重要還是數據重要，顯然兩個都十分重要，但不同企業由於其業務屬性的側重，將會有不同的選擇。

蒂姆：我在這星期聽到許多關於人工智能未來是不是真的能帶來巨大收益的相關討論，比如增加稅收，幫助政府能讓所有人都開心地生活還不用工作。你覺得AI能緩解社會焦慮、解決其他情況下可能會出現的不平等問題嗎？它會是我們期待的那個靈丹妙藥嗎？

李開復：應該說這是必然的，在可預見的未來大規模的職業轉移即將發生，人才與人力需要重新部署，在AI驅動的工作形態改變之際，有兩部分我自己特別關注：一是孩童和成人的教育體系，舉例前面提到的音樂家、育兒等都將更能彰顯其價值，目前各項專業教育和技能培訓需要檢視其未來的適切性。二是人們有更充裕的時間來體驗享受更優質的娛樂，娛樂行業比如虛擬現實（Virtual Reality）在未來勢必更為百花齊放。

蒂姆：這是場非常有意義並非常有趣的對談，十分感謝你們參與。