男子用 AI「復活」未婚妻，聊天機器人軟體模仿人類寫作交談

作者 Unwire HK | 發布日期 2021 年 07 月 29 日 7:45 |

人工智慧越來越發達，近日更有人用人工智慧如電影「復活」已故的未婚妻。且 OpenAI 一直警告技術可能被「惡意」使用。

外媒報導，Joshua Barbeau 未婚妻去世後，透過人工智慧「復活」她。準確來說，他透過使用人工智慧技術創建超現實聊天機器人的軟體 Project December 重現與已故未婚妻交談。只需輸入資料並提供背景，機器人可準確模仿未婚妻。

Project December 是 GPT-3 提供支援，馬斯克（Elon Musk）支援的研究小組 OpenAI 設計的人工智慧模型。透過使用大量文本資料，GPT-3 可模仿人類寫作，生成從學術論文到前戀人信件等內容。不過 OpenAI 長期警告，此技術可能遭「惡意」使用，用於大規模資訊宣傳。

資料來源：https://technews.tw/2021/07/29/openai-project-december-gpt-3/

AI 如何為公司創造更多價值？專家：2 個缺陷，要先由人類來修補

2021/05/13
採訪‧撰文
盧廷羲
張凱崴

美國人工智慧國家安全委員會（NSCAI）今年 4 月建議，國防部每年應至少分配 3.4% 的預算投入科技領域，並提撥 80 億美元研發 AI。企業方面，微軟（Microsoft）4 月宣布，將以 197 億美元收購語音辨識開發商紐安斯通訊（Nuance Communications）；後者是雲端與 AI 軟體的先驅。

從企業到國家，都愈來愈重視人工智慧，知道要想辦法運用 AI 創造更好的生活。不過，目前 AI 發展到底處於什麼階段？我們又該如何應用？

美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授張凱崴形容，目前人工智慧技術已經可以幫助人類完成很多事，像是疫情來襲，電腦可以從大數據中篩選條件，自動搜尋、判讀潛在病例，幫助醫生大幅減少檢查時間，但 AI 也並非萬能，要先認知它的局限。他研究如何讓 AI 更符合人性，獲得 2021 年的史隆研究獎（Sloan Research Fellowships）。

AI 局限1. 資料寬廣度不足時，就會複製人類偏見

張凱崴認為，電腦在學習的時候，是依賴「彙整數據資料」來判斷，並沒有真正思考，如果資料來源太狹隘、不夠多元，資料寬廣度不足，電腦判斷就會出現偏差，「你跟電腦講清楚 input（輸入）、output（輸出），提供足夠的數據資料，它可以對應、學得很好，但還有很多面向 AI 做不到。」

舉例來說，亞馬遜（Amazon）2014 年推出智慧音箱（Amazon Echo），使用者口頭下指令給語音助理 Alexa 就能放音樂、查資訊。然而，有些人口音較罕見，或是用字較特殊，智慧音箱的資料庫沒有「不同口音」「不同用詞」的檔案，就可能失靈，這是當前 AI 的其中一大問題。

張凱崴進一步解釋，AI 另一項挑戰是，它無法清楚分辨「不曾出現」與「不能出現」（無法出現）之間的區別，只是從資料統計出要學的東西，無法像人類一樣進行邏輯思辨。

AI 的運作方式，第一步是輸入資料，第二步是分析，但這過程容易出現偏見。例如電腦在理解「總統」這個字，會去看四周有什麼字詞，來學習總統這個詞，由於許多總統都是男性，電腦就會「覺得」總統是男性。

這也是為什麼，如果讓 AI 學習，在它的認知裡，女性「不可能」當美國總統（因為沒有資料紀錄）。「你可以跟人類說，任何職業、性別都是平等的，但對電腦來講，這很困難，」張凱崴說明，一旦資料的寬廣度受限，電腦就容易產生偏見。

就像在自然語言處理（Natural Language Processing，讓電腦把輸入的語言變成有意義的符號）領域，張凱崴說明，AI需要知道代名詞指的是「哪個名詞」，才能運算下去。但如果資料受限，使用男性的「他」，電腦可能判斷這個代名詞是指總統、總理、執行長；但換成女性的「她」，由於數據不足，電腦就會混亂，出現系統性誤差。

他再舉一例，美國人工智慧研究組織 OpenAI 提出「生成式預先訓練」系統（GPT，Generative Pre-training），推出到 GPT3 版本，屬於書寫類 AI，電腦能夠揣測人們說完上一句話，下一句可能會講的句子，自動完成後半段。

好比有人上一句寫下「我正在和教授聊天」，系統可能推導出「我們在研究室討論學術問題」，因為電腦藉由蒐集來的語料資料中判讀出「教授」和「學術」具高度相關。但研究也顯示，GPT2（前一代版本）系統也從資料中學習到許多偏見，像是如果句子前半談論白人男性，系統傾向產生正面評價；如果句子前半是黑人女性，系統竟會產生負面句子。對企業來說，許多組織接觸 AI，想讓它們取代部分工作，首先需要留意資料的廣度、多元性，才能減少電腦犯錯的機會。

AI 局限2. 即便條件相同，也無法每次都做出正確判斷

「其實，現在的 AI 就像一台原型飛機，還缺乏穩定性。」張凱崴說，現行的 AI 就好比萊特兄弟（Wright brothers）剛發明飛機，看似可以做很多有趣的事，但「可以飛」跟「飛得很好」，有一大段落差。

紐西蘭的簽證系統曾鬧出笑話。人們上傳簽證照片，AI 掃描後，確認是不是本人，但當時系統沒有估算到某些亞洲人眼睛比較小，一名亞裔男子被判定「沒有張開眼睛」，因此照片無效。

張凱崴說，在這個例子中，凸顯出 AI 的穩定性不足，「系統沒有考慮到不同人種的差異，很死板地認為你眼睛沒張開。」所謂的缺乏穩定性，指的是 AI 沒辦法在相同條件下，每次都做出正確決策，這也是使用 AI 時，須留意的第二個挑戰。

他再舉例，許多模型可以準確分析，一則影評對電影的評價是正面或負面。然而研究顯示，有時只要將影評中一些字換成同義詞，例如把電影（movie）換成影片（film），或改寫句子，即使意思並未改變，系統卻把原本判斷為正面的影評標註成負面。這顯示AI系統還未真正了解語言的含義。

在設計這些程式時，人們必須注意到 AI 可能有局限，設定的資料範圍要更完整，考慮這些因素，就能減少偏見、落差，進而加強穩定性。

餵指令給 AI 要多元化，嘗試「換句話說」、刻意混淆

經理人雖然不一定具備 AI 方面的專業知識，但只要掌握觀念，再透過 AI 領域專才協助，也能優化系統。張凱崴指出，最直接的方法是，設計 AI 模型時，要把來源群組不同的資料分門別類測試，在測試階段讓群體多元化，並確保不同特色的使用者，用起來都沒有問題。

舉例來說，一套 A 系統擁有來自各地的使用者，如果設計者是台北人，設計系統的思維容易以台北生活為主，很可能因為當地習慣不同，導致花蓮使用者操作不順。

另一個方法，則是用不同的「語意」，去測試 AI 有沒有徹底學會一個概念。例如，有一套餐廳評鑑的 AI 系統，只要蒐集、整理使用者意見，就能判斷每個顧客對於餐廳的評比是高分或低分。那麼要如何確認這套系統的穩定性？張凱崴建議，可以利用「抽換詞面」的方法。

比如，把詞彙換成同義字，再看 AI 是否能運算出相同結果，「你可能會發現，原本評比結果是食物很美味，但如果美味換成比較困難的詞，AI 就會分不出這則評比是好是壞。」因此在訓練模型時，可以將詞彙隨機抽換成同義詞，增加 AI 的詞彙量。

第三種方式更進階：改變句型、重寫句子。張凱崴指出，同樣一句話，如果換成不同說法，電腦可能判讀錯誤，將「因為發生 A 事件，所以導致 B 事件」，改寫成「B 事件發生了，是因為 A 事件的緣故」，明明兩句話意思一樣，但 AI 很可能因為穩定性不足，搞混兩者的差別。如果要鞏固 AI 的穩定性，可以使用自動改寫的方式，增加資料的多樣性。

張凱崴表示，經過這些測試，讓 AI 接受更多元化的訓練，得到更廣的學習範圍，往後碰到同義詞、相似資訊，才能有效判讀。

張凱崴總結，AI 還在快速發展，或許可以創造更多工作機會、新的職位，但現行階段，它只是輔助角色。AI 並非魔術盒子，使用它就一定有更好結果，人們還是要保持高度耐心，先認識它的缺陷，才能在技術更迭下，發揮出最好的結果。

張凱崴

台灣大學資訊工程系碩士、美國伊利諾大學（UIUC）電腦科學博士。美國加州大學洛杉磯分校（UCLA）電腦科學系助理教授，研究領域包括人工智慧、機器學習、自然語言處理。2021 年獲得史隆研究獎（Sloan Research Fellowship），研究團隊開發的運算方法，使人類語言處理的程序更有效率、更多元，同時兼具公平性。

附圖：優化AI系統的3方法

資料來源：https://www.managertoday.com.tw/articles/view/62902?fbclid=IwAR2jI1bhg1anqct0AZZR_3LKKJqIsvG0wz2whSN8iniROZApHt-_qpD7dis

「今年參加了1400場視訊會議，沒有交到一個朋友」

疫情對AI行業所帶來的最大影響，是什麼？
今年最令人興奮的AI新技術、新應用，有哪些？
甚至未來10年、20年，AI發展的方向，又該何去何從？

針對這幾點，前陣子做了個有點意思的 MEET2021 年度對話，也在這裡分享，原文來自「量子位」微信公眾號：
……

站在2020年，如此不平凡一年的歲末，AI業界有太多諸如上述的問題急需回答。

要點
• 疫情帶來最大的影響，就是加快了資料化，加速了線上化和AI化。
• 疫情是巨大的災難，同時也極大推動了AI的進一步落地，這一年可能相當於三年的進程。
• 最讓人振奮的黑科技，是AlphaFold和GPT-3，後者對行業更具有潛在的顛覆力量。
• AI給社會帶來最大的價值，肯定不是黑科技。
• 擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力。
• 大陸的新基建會進一步推動AI新經濟，這會是一個新的時代，一次新的文藝復興。
• AI從業者們需要記得：權力越大，責任越大。

▎疫情加速AI化，一年相當於三年

李根：再次感謝開復老師來幫我們總結這一年，與往年相比，今年最大的不同是什麼？

李開復：今年的工作節奏改變了，我一共參加了1400次線上會議，非常有效率，進行了特別多的開會和演講。但是1400次這樣的會議，沒有讓我交到一個朋友。所以我覺得線上會議雖然帶來了效率，但是還是要回歸面對面的本質交流。

李根：但受疫情影響的這個過程，也是線上化被加速的過程？

李開復：這是疫情帶來的最大的影響——加快了資料化、線上化和AI化。AI最重要的核心就是海量的資料，可以催化更多新的應用。
比如線上會議，我們並不見得那麼容易區分視訊會議中的那個人，是不是真人。所以有時候線上講座或者網路不穩定的時候，我們會選擇錄製，而且錄製一次，也可以用很多次。由此延伸，以後線上上，比如你做推銷，做客服，甚至做電視節目，其實都是可以用虛擬人來替代的。我們現在還無法造出一個讓你分不出來的3D虛擬人，但是在視頻裡完全可以。DeepFake不是一個向善的應用，但是把它的技術應用在建設性、有益的方向，我覺得可以帶來特別多的應用。而且有了資料，各行各業就可以評估哪些工作或者流程，可以進一步數位化。數位化以後，重複性的工作就可以被AI取代了。

此外，除了社交距離縮短，可以發現機器人出現的頻率越來越高。比如，我們去餐館時，會有機器人送餐到客人那裡。很多機器人產品遍佈很廣，無論是倉庫、工廠，甚至我住的公寓裡面，每次最後配送都是機器人了。在美國情況也很相近。美國以前也沒有支付寶，也沒有美團，現在都開始有了。所以總結起來，我覺得新冠疫情是巨大的災難，但與此同時，也極大推動了AI的進一步落地，帶來數位化、IT化，帶來AI化，可能這一年相當於過去的三年。

▎AI最大的經濟價值並非“黑科技”

李根：今年依然有令人興奮的技術進展？

李開復：今年最讓人振奮的技術是DeepMind的AlphaFold，還有OpenAI的GPT-3。其中，我認為可能對行業更有潛在顛覆力量的是GPT-3。不見得說是用它生成小說什麼的，而是用特別大的海量、自然語言資料，訓練一個預訓練模型，這個模型是可以應用到很多新領域，比如說寫詩、做對話，或者是寫小說等等。而且這個新技術一推出，其他公司很快就採用了，比如說搜尋引擎，因為這個技術已經能提高了好幾點的精確度；此外，OCR在提升，客服也在提升，微軟小冰也在繼續提升對話精確度。

所以我覺得這種預訓練語言模型，它可能帶來的就是一次性訓練一個巨大的模型，然後快速產生AI應用。當然，也存在很多的問題：
• 它做一個模型要花1200萬美金，一般的創業公司該怎麼辦？教授學者該怎麼辦？
• 此外，訓練一個模型就要燒掉好多能量，這對於我們節能的未來又怎麼辦？
• 還有，巨頭會不會產生壟斷，只有巨頭公司等才能做這麼巨大的模型。

當然，GPT-3本身還沒有驗證足夠多的商業價值，但毋庸置疑這是一個最大的科技創新。不過我想強調的是，AI給社會帶來最大的價值，或者帶來最大的經濟價值，肯定不是這種黑科技。黑科技會有很多，我們也在繼續投機器人等項目。但是，我覺得今天AI的技術已步入成熟，可以被傳統公司擁抱。比如剛成為AI獨角獸的創新奇智，就可以看到AI給傳統行業，無論是製造、健康、醫療、零售、金融、保險、物流等等，都可以帶來立竿見影的巨大效果。所以今天我在這裡呼籲一下，擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力；越晚擁抱AI，生存的空間可能會被進一步壓縮。

李根：怎麼樣才能大家擁抱AI？

李開復：還是要有資料，說了這麼多打雞血的話，但是務實的來說，是不是今年傳統公司擁抱AI就會帶來價值？大部分是不會的。
因為AI是要吃資料的，所以就要求公司擁有海量的、結構化的、有標注的，達成商業目標的脫敏精確資料，而且最好是只有你有，別人沒有的，那你的機會就來了。

什麼樣的公司有呢？比如說銀行、保險公司天然就有，金融領域的資料必須要符合要求。而有些領域就會難一點，比如說做工業製造等等，需要先把你的工業製造替換成機械臂、替換成無人叉車，可能要放很多的感測器，才能瞭解機器出了什麼問題。所以對有些公司是很容易的，但一些公司卻是很難的。如果今天你有資料，趕快想怎麼去應用；如果你沒有資料，快想想怎麼把資料累積出來。
新基建推動AI新經濟

李根：剛才都在談這一年，而新基建被認為會奠定下一個十年的發展？

李開復：我們回顧中國人工智慧奇跡般地崛起之路，可以發現其中的創業者、移動互聯網、資料，還有大陸優秀高校培養的高科技人才，這些是最重要的。但其實，還有非常英明的政策。這不是一件容易的事。這在很多國家都有討論，例如美國，奧巴馬政府當時大力支持了一個新能源的公司結果沒有做成，受到了很多的垢病。
而中國就有很鮮明的對比，大陸的科技政策整體來說應該是讓民間、業界做他們擅長的事情，用市場經濟來競爭，而政府幫助他們做民間做不了的事情。比如說我們AI的崛起，很大的程度是因為各地有政府引導基金支持，這樣可以選擇性的去做LP，幫助早期的AI產業能夠創立起來。

另外，“新基建”政策的落實也是非常大的利好。新基建除了5G和大資料中心，還有IoT、人工智慧、智慧城市等多方面的落實，利好的政策會進一步的拉動中國經濟進一步地往數位化、智慧化方向轉型升級。所以，當政府把上述的事情做成並且形成一個平臺，讓創業公司以及大公司能用到，我覺得這就是非常明智的。

當然，新基建裡AI涵蓋的範圍有多大，一些新技術是否有機會納入？可能值得進一步探討。比如類似GPT-3等需要大量資源去做訓練，才能進一步推動起來的潛力新技術等。我們發現AI的訓練越來越貴了，已經不是一個教授團隊和創業公司可以承受的。對於這樣存在類似潛在爆發性成長的技術，是否能有機會能從更高的維度推動，值得期待。

李根：您最近也旗幟鮮明提出了“AI新經濟”，所以是時候用這個新概念來定義這個時代了嗎？

李開復：對，雖然很正面的描述，但是時候了，我最近在《紐約時報》寫了一篇專欄文章，裡面談到的就是說剛才講的疫情促進了資料化、IT化、AI化。疫情推動了各行業的數據化，其實一個隱憂就是“工作被資料化”了，可以被外包或者AI取代。當我們有這麼多機器人的時候，它也會取代很多藍領的工作，白領其實也是一樣的，很多後臺、BPO的工作，在做檔處理的，或者是做客服的，這些工作都會被挑戰。有些人會說我們要把技術發展的慢一點，但這些絕對不符合實際，因為沒有技術是會慢下來的。

AI新經濟一方面我們要擁抱這些技術進步，讓它儘快觸達每一個角落。但同時，它所帶來失業的問題，我們需要有一些針對性的應對措施。所以我的文章主要談的就是，怎麼樣能夠快速地讓社會認知，繁複的、無技巧的重複性的工作將會消失，然後如何重新訓練這一批人，幫助他們快找到新的方向，去做更有價值也更擅長的事情。與此同時，大家就能花寶貴的時間在我們更有價值、更熱愛的事情，比如藝術、公益等創意和決策類的工作，或者是多和親友相處，結交認識新朋友等等。

這將發揮人類的光芒，我把他稱為一個新的文藝復興，讓人可以再一次找到意義——人為什麼而存在？

▎全球化依然是必然之路，中國大陸軟體將占世界半壁江山

李根：上一次文藝復興伴隨著第一次全球化開端，但這幾年全球化進程似乎受阻？中國創業者想做80億人的生意，但事實證明很難。

李開復：全球化是必然之路，很多“美國至上”的人說中國是沒有創新的，只有中國人用中國的軟體，但是我們在座的每一位都知道，中國大陸過去10年發生了巨大了改變，這句話在今天是完全錯誤。因為中國的創新從TikTok到華為，到小米，到美團，還有很多創新的公司，包括我們AI四小龍，這些都是美國沒有的。所以我們應該非常的自豪，今天中國的創新至少在IT、AI的領域是有機會彎道超車的。有一些地方美國更強，技術更深，但是我們的商業化做得更快。在這種前提之下，我們自然也必然會走向全球。

我們怎麼樣走向全球呢？這裡我還要比較務實的說一下，其實很多國家的使用習慣和語言文化是有巨大差別的。如果今天要把中國所有好的產品都推到歐美，這其實不現實，因為歐美的使用習慣已經固化了。他們用的那一套無論是To C還是To B都很難去改變，但是我覺得其他的國家和地區，例如從東南亞到“一帶一路”所有的國家和地區，包括了中東、非洲、南美等，這些國家的用戶其實更像我們的年輕用戶。而且，他們使用美國產品的習慣還沒有固化，與此同時，美國公司不太重視這些市場，但是這些國家的經濟，我們認為未來都會起來的。

所以你剛剛說的“走向80億”，我覺得不現實，但是走向60億是可以的，應該是世界GDP的1/4，人口的3/4。我們的創業者是願意走出去的，所以我覺得出海會變得非常重要。我們的軟體出口、技術出口，人工智慧出口，這些一定會發生。在我寫的《AI·新世界》出版的時候我就說過，在10年之內，中國將占世界軟體的半壁江山。當時很多人也認為這是一個非常樂觀的預測，但是現在看來我們正在往這個方向去做，而且當時還沒有看到TikTok這樣的產品。但是我們要謹慎，不是說歐美這些國家還是相當牛，而是TikTok在歐美的成功，不是那麼容易複製的。
“+AI”會在各個行業開花結果

李根：剛才開復老師談到現在技術創業越來越難，您還會投技術公司嗎？

李開復：當然投技術公司，我剛剛講的每一句話，都是我們投資的策略，我講了那麼多對機器人看好，我講了對大語言模型特別看好，還會投的。只是說我們不能夠期待像過去出來那麼多，創新工場在過去的4年，我們的AI領域一共出了7家AI獨角獸；未來4年的小目標，先定個3家AI獨角獸公司吧。

李根：但AI深入傳統行業已是趨勢？最近創新工場還投了“農業”領域的公司，這是以前很難看到的。

李開復：你指的是極飛科技吧？但極飛不能按農業來定義，極飛科技的產品是很高科技的無人機和自動駕駛，場景是把農業工業化。
工業製造和農業生產大有不同，比如你想做智慧製造，用AI來做機器人，或者做一個iPhone，做衣服，做鞋子，場景不同要求是完全不同的。但是農業播種或者施肥等場景較容易標準化。比如棉花田、稻田等，較容易批量化大規模作業。

不但大陸是這樣，國外也是如此。目前，農業市場AI滲透率只有大約5%，我們對極飛本身不但非常認可，而且也認為這是非常好的國際化的產品。因為農業場景比如播種子等，在全球幾乎通用，沒有太多語言的障礙。

李根：可以解決80億人的吃飯問題。
李開復：是。（笑）

李根：剛才談論的都是傳統領域“+AI”的話題，不妨讓我們更發散一些，請您談談以下幾個領域可以如何“+AI”？比如今年最受關注的“線上教育”。

李開復：線上教育中國做的是非常好，互動化很強，而且是孩子真的很喜歡。但是一些課程，尤其是小朋友的，用一些卡通人物AI或許更有效果。我們可以想像，未來會是一些可愛的卡通人物作為孩子的老師，甚至可能有一些同學是虛擬同學。有氛圍，也更高效。
這種情況下，不但你的成本更低，而且小朋友考試分數更高，也提高了學習興趣。所以“＋AI”後的人機互動模式，不僅可以降本提效，還能提升孩子趣味性。

李根：這個領域聽起來對開復老師挑戰不是很大，我們出一個難的，我們說一個雞尾酒如何“+AI”？

李開復：其實雞尾酒肯定是機器調得比人好，因為雞尾酒有不同的成分，機器可以算得更准。但是，我們要考慮的是，如果去酒吧喝酒，可能醉翁之意不在酒，而是要有一個非常善解人意的酒保來跟你聊天。所以我覺得以後酒保跟你聊一聊就可以了，酒還是要機器來做，歸根結底，機器調酒師替代不了人之間的交流和陪伴。

▎找對象也能“+AI”，媒婆AI知道誰最適合你

李根：不知道在酒吧，能不能順便把找對象的問題，用“+AI”的方式解決了？
李開復：這可能會在下一代成真——不過不是我的下一代，我的下一代已經有對象了。你們的下一代找對象，可能會跟今天傳統的方式完全不同。就像今天美團比你更知道你想吃什麼，攜程比你更知道你想去哪裡，今日頭條更知道你想看什麼，未來你的媒婆AI一定知道誰最適合你。

每一個人這一輩子找對象，可能就是周圍認識的人裡面找，無論怎麼算都是幾萬人，最多幾十萬人。但是，以後AI可能會更瞭解你，瞭解你是什麼人，瞭解你會喜歡什麼物件，它幫你推薦的人，一定比你自己找的人，或者朋友幫你推薦的人更靠譜，更合適。也就是說，你選擇的範圍可能不是從幾萬人裡面選一個，可能是在80億人中幫你選。

當然，最後的選擇權在你手裡，今天你靠朋友幫你推薦5個對象你選一個；未來AI幫你推薦的5個對象，會來自於80億人，會更貼近於你的需求。所以你們孩子的未來，一定會更幸福！

▎AI從業者也得有“希波克拉底誓言”

李根：謝謝開復老師，今天時間也差不多了，最後再請您站在明天給一些建議吧？比如站在20年後（2041年）思考，我們該有怎樣的責任和使命？

李開復：對於AI的工作者，我們今天都低估了AI道德帶來的一些影響。我們可能看到網上說隱私問題、公平問題，或者大公司掌握太多資料左右我們思考問題。但隨著大公司對AI資料的掌控，其實這些問題越滾動越嚴重，我們去怎麼處理？我覺得我們一定要做AI的從業者，就像醫療的從業者有一個叫做希波克拉底誓言，作為一生我要把人的生命作為最神聖的事情，我一定要捍衛。

做AI工作者其實不是一個工程師，你要考慮到所做的每一個演算法，你的每一個貢獻都有可能造成因某一個人種或者性別帶來的不公平待遇；可能會帶來某一些人不能夠被公司雇傭；可能會造成某些人終身可能沒法往上爬；可能會造成一些醫療錯判傷害人、會造成無人駕駛撞到人。

所以每個工程師應該有一個神聖的誓言，應該認真的去用各種工具，來確保自己做出來的軟體帶給人類的是進步，而不是帶來各種的這種不好的後果。我覺得要特別認真的看待自己的責任，With great power, comes with great responsibility. 我非常認可 “權力越大，責任越大”這句話。

其實AI的工程師、AI的從業者，你們的權力是巨大的，一定要重視自己的責任。同時，確保以後的用戶得到的是幫助和福利，而不是被傷害。

▎One More Thing

最後的最後，還有一個小小小環節，來一次今年的快問快答。

李根：今年最成功的個人股票投資？
李開復：Zoom。

李根：今年最想推薦的一本書或者電影？
李開復：《皇后的棋局》（The Queen’s Gambit）。

李根：今年最有啟發的一次交流？
李開復：跟尤瓦爾·赫拉利，《未來簡史》作者的一對一交流。

李根：到底米其林靠譜還是黑珍珠靠譜？
李開復：中國黑珍珠靠譜，國外還是要靠米其林。

李根：為什麼從一開始就不看好馬斯克的2020年百萬RoboTaxi？
李開復：馬斯克有一句名言，我認為最貼近他的個性。他說他一切預測都會成真，只是時間上別聽他的。所以我相信他會成功，只是可能會需要5年或者10年。