新知特寫

首頁> 新知特寫> 為什麼生成式人工智慧目前無法完全取代我們
為什麼生成式人工智慧目前無法完全取代我們 Why Gen AI Can’t Fully Replace Us (for now)
根據美國布魯金斯學會(The Brookings Inst.)的最新報告,知識可分為兩類:(1) 顯性知識,指基於事實的資訊,易於透過文獻、數據或口頭傳遞;(2) 隱性知識(tacit knowledge),則是透過實踐獲得的經驗性技能與直覺,難以直接傳遞或量化。人工智慧(AI)重塑了我們處理知識的方式,但也引發了誤解。AI擅長處理顯性知識,這類知識通常較易被替代;然而,真正關鍵的隱性知識,往往嵌入有經驗的專業實踐中,這是AI難以複製的部分。 報告中分析了102項針對勞動市場的隨機對照試驗(RCT),涵蓋就業中介服務、支持微型創業、職業培訓與工資補貼等政策類型。研究發現,這些政策的平均影響並不顯著,效果因實施方式、目標群體及背景條件的不同而差異極大。即使考慮設計變數,如政策類型、參與成本及經濟環境,仍僅能解釋約30%的差異,其餘70%的差異可能來自測量誤差、遺漏變數或其他未知因素。 研究指出,隱性知識對人類干預的成功至關重要。這類知識屬於具體驗性、嵌入專家實踐與記憶中的「系統1」(隱性知識),難以直接數位化或傳遞。相對而言,顯性知識則屬於「系統2」,可透過數據、文件與分析工具學習。隱性知識較難以被大型語言模型(LLM)或元分析(meta-analyses)發掘,但其價值無可取代。 此外,非技術性因素,如對原創文化的需求、商業責任缺失、數據限制及個人隱私風險,也延緩了AI全面取代人類勞動的進程。在可預見的未來,人類專家的直覺與實踐經驗,仍是AI難以匹敵的核心競爭力。 報告為政策制定者提供兩點建議:(1)避免「圖靈陷阱」(Turing trap):不要僅以低成本的自動化系統取代高品質的人類工作。過度依賴AI進行試錯,可能損失建立隱性知識的機會,甚至導致技術退步。政策應鼓勵人類與AI協作,發揮各自的優勢。(2)改革教育與訓練:傳統以資訊為核心的學習模式需向實踐導向轉變,強調透過行動累積經驗,培養人類與AI合作的能力,為未來的工作模式奠定基礎。
2024/12/20
https://www.brookings.edu/articles/why-gen-ai-cant-fully-replace-us-for-now/
The Brookings Institution
賴允政