AI顛覆經濟學：新的系統解決方案，將改組決策方式，改寫產業格局，改變權力分配 (電子書)

推薦序 當AI走出實驗室，影響力無遠弗屆／童子賢
各界推薦
前言 現在──重新思考AI經濟學的時候

PART ONE 轉捩點時期
01．三個企業家的寓言
單點解決方案企業家
應用解決方案企業家
系統解決方案企業家
AI企業家
AI的顛覆與力量
02．AI系統的未來
AI的系統創新
設定舞臺3
系統變革具有破壞性
本書計畫
03．AI是預測的技術
預測的配套
相關性與因果關係
預測為核心
超越預測
挑戰的闡述
接下來呢？

PART TWO 規則
04．決定與不決定
設定後即遺忘
後果的嚴重性
昂貴的資訊成本
何種決策令人買單
避免決策的投資
新決策
05．隱藏的不確定性
另一種機場的世界
AI對機場的威脅
適應規則
溫室系統
06．規則如膠
不同人有不同的需求
另一道高牆
解開規則的束縛

PART THREE 系統
07．黏合系統與潤滑系統
所費不貲的規則
將 COVID-19 視為預測問題
潤滑系統
08．系統思維
價值與成本
系統性變革的挑戰
反向思維
09．最偉大的系統
發明方法的發明
新的創新系統
認識系統

PART FOUR 力量
10．顛覆與力量
預測可能造成的顛覆
顛覆的威脅
系統改變的困境
顛覆與機會
11．機器有權力嗎？
全球化進程
你覺得自己幸運嗎？
大規模判斷的責任
12．累積權力
資料與預測業務
最低可行預測
快速回饋迴路
差異化預測
回饋系統
贏者通吃

PART FIVE AI如何顛覆
13．大脫鉤
決策的關鍵在於判斷
AI預測促成明確的判斷
判斷的機會
14．從機率的角度思考
從下注的角度思考
擁抱不確定性
缺乏判斷限制了AI
尋找判斷力
制定計畫
經驗之旅
所有事物的主管機關
誰是合適的判斷者？
15．新判斷者
誰來做決策？
決策人才
（去）集中化
判斷與控制

PART SIX 構想新系統
16．設計可靠的系統
AI長鞭效應
協調的價值
模組化的價值
設計的價值
航行系統
系統孿生
AI系統設計
17．全新的開始
像經濟學家一樣思考
AI系統探索檢查表
保險業的機會
客製化的影響
18．預期系統變革
單點解決方案與應用解決方案
系統能應對嗎？
建立急診醫學檢查表
系統選擇
對系統做出預測很困難
後記 AI偏見和系統
資料來源
致謝

推薦序

當AI走出實驗室，影響力無遠弗屆
童子賢（和碩聯合科技董事長）

　　AI在人類社會探討數十年，但到了2020年代我們才警覺到AI成熟就在眼前，AI即將發威。

　　我們也赫然發現許多社會心理調適與法律責任釐清都尚未準備好，我們需要努力更多，才能善用AI。例如，政府需要一部完善的AI基本法，經濟學家需要深入分析AI影響經濟脈絡，社會學家尚未完整思考AI引發新倫理爭議，或許AI也會創造社會新階級（誕生新牢籠），種種新可能性引發更多醫生、工程師、股市分析師、戰鬥機飛行員的焦慮，許多人都在看著AI改變或是恐懼 AI 取代他的工作。

　　在2024年的現在，拜「新演算法 Transformer」、「先進3nm晶片」與「網路雲端大數據」之賜，AI進入實用的時代即將到來，AI成熟度已經跟數十年前不可同日而語。我們赫然發現六十年前導演史丹利．庫柏力克的電影《2001太空漫遊》、四十年前導演詹姆斯．卡麥隆《魔鬼終結者》想像的焦慮已經逼到眼前，雖然其威脅的對象不一樣，但是電影一樣隱喻十足。未來幾年的先進晶片運算能力、新演算法帶來自然語言模型，因著這幾件事的貢獻，我們會看到AI成熟與應用就在眼前，影響也即將發生。

　　AI一旦普及，它的影響力將不低於以往網際網路普及的現象。因此需要更深入了解它、探討它、甚至需要警覺有些地方需要規範它、侷限它。

　　過往AI曾在學術界探討多年，但一直只停留在炫耀式的科技玩具形象，比如電腦AlphaGo下棋贏了韓國棋王，但AI過往始終走不出實驗室，因此無法拓展廣闊江山、無法施與普及影響力。

　　但2024年的現在不一樣了。AI 會帶來金礦銀礦、帶來無窮商機富貴誘人，但AI也可能是洪水猛獸、也可能是壓榨工具，會引發就業與失業衝擊。AI可以提高生產力，因此AI可以為善，但AI也可以為惡，例如職場裁員引發失業，例如使用深偽加劇詐騙，或者戰場殺人更有效率。這使AI成為光明使者的可能，或是成為暗黑怪獸的可能都一併存在。《AI顛覆經濟學》將更深入引導我們思考與探討這一切。

　　我們可以體會AI的影響力，就宛如二十五年前也曾發生影響力的網際網路。當年網際網路對於數位科技的改造既深且遠，那一波數位科技的改變，可以比喻網路宛如「神靈附身」，附身在原本孤單坐在書桌的數位產品身上，例如辦公室的桌上型電腦與筆記型電腦本來只能作文書處理與試算表計算。一旦開始有了神奇的聯網能力，孤單的個人電腦變成有能力透過網路去認識全世界，個人電腦開始前往地球的任一個角落攫取資料、使用資料，於是這個世界就誕生了「搜尋引擎」、「社群網站」、「網路購物」、「網路影音」、「網路會議」、「網路金融」、「遠距教學」等新世界產物，摧毀了原來的百視達租片、CD與唱片、柯達沖洗、電影院售票、面對面交友……，影響巨大。相反的，網路也讓地球任一個角落本來不可能認識的人與不認識的網站，開始有機會惡意入侵你的筆電，或是綁架你的資料，以推銷他的商品或是傾倒他的色情網頁，盜取你的銀行帳戶，冒充你的網路身分去犯罪，其影響力也是無遠弗屆。

　　我們可以預言，即將發生的AI影響，其正面、負面影響都不會輸給上述網際網路現象。

　　因為科技的進步，AI終於第一次走出實驗室，進入實用、進入生活、進入產業，進而影響產業結構與改變經濟型態！而因為AI的進步，我們也必須面對、深刻探討許多值得關心的議題，這一切值得我們繼續努力。

前言

現在──重新思考AI經濟學的時候

　　2018年，我們出版了《AI經濟的策略思維》（Prediction Machines），當時認為書中已就人工智慧（AI）經濟學道盡該說的一切。但我們錯了。雖然，我們充分意識到AI當時仍處於起步階段，科技將持續演進，但我們知道基礎經濟不會改變。這就是經濟學的美妙之處。科技在變，但經濟不變。我們在那本書中提出了有關AI經濟學的架構，這個架構至今仍十分有用。然而，《AI經濟的策略思維》架構只講述了故事的一部分，也就是單點解決方案。此後的幾年，我們發現AI故事的另一個關鍵──系統部分──尚未闡明。現在，我們要在這裡講述這個故事。為什麼一開始我們會跳過呢？將時間回溯到2017年，我們在撰寫《AI經濟的策略思維》時進行解釋。

　　那一年，加拿大AI先驅們展示了深度學習在圖像分類方面的卓越性能，五年後，大眾對這項新技術的興趣急遽增長。每個人都在談論AI，有人猜測它可能會將加拿大推向世界科技舞台之巔。這不再是一個是否的問題，而是何時的問題。

　　我們創辦了以科學為導向的新創企業計畫，名為「創新破壞實驗室」（Creative Destruction Lab, CDL），其中一個範疇專門致力於AI。每個人都在問：「你們認為加拿大第一家AI獨角獸，也就是第一家估值達十億美元的AI新創公司，會在哪裡誕生？」我們下注的城市是：「蒙特婁（Montreal）。或是多倫多（Toronto）。或者可能是埃德蒙頓（Edmonton）。」

　　我們並不孤單。加拿大政府也在做相同的押注。2017年10月26日，我們在「創新破壞實驗室」舉辦了年度AI會議，邀請加拿大總理杜魯道（Justin Trudeau）與會。在我們「機器學習與智慧市場」會議上，他強調了投資於集中區的重要性，這些地理區域擁有多樣的行業參與者，包括大型企業、新創公司、大學、投資者和人才，整體效果大於部分總和，能促進創新並創造就業機會，其中關鍵概念是地理共享的重要性。幾個月後，他的政府宣布為五個新的「超級叢集」提供重要資金，其中包括以蒙特婁為基地的AI叢集。

　　我們對於AI的商業化具有信心。在這個領域，我們被認為是全球專家，編寫了一本關於AI經濟學的暢銷書；發表了大量有關此主題的學術論文和管理文章；正在共同編輯一本將成為該領域博士生主要的參考書籍《AI經濟學：議程》（The Economics of Artificial Intelligence: An Agenda，暫譯）；我們創辦了一個AI商業化的計畫，據我們所知，這是全球範圍內AI公司聚集度最高的；我們在世界各地向商界和政府領導人發表演講；還參與了AI相關的政策委員會、工作小組和圓桌會議。

　　我們認為AI應該視為「預測」的觀點，獲得很多從業者的共鳴。我們應邀前往Google、Netflix、亞馬遜（Amazon）、Facebook和微軟等公司進行演講。Spotify是全球最大的音樂串流媒體服務提供商之一，其產品、工程、資料和設計主管古斯塔夫．瑟德斯特倫（Gustav Söderström），在一次採訪中提到我們的書：

　　（作者們）在他們的著作《AI經濟的策略思維》中，將其描述得非常恰如其分。想像一下機器學習系統的預測準確度，就像收音機上的音量旋鈕一樣……當你轉到旋鈕上的某個點──你的預測足夠準確時──某件事就會發生。你跨越了一個門檻，實際上你應該基於機器學習重新思考整個業務模型和產品……透過「每週新發現」（Discover Weekly），我們從「先購物，後出貨」的模式轉變為《AI經濟的策略思維》所描述的「先出貨，後購物」的模式。我們已經達到了一個（預測）準確度的水準，可以從只是提供用戶更好的工具來自主製作播放清單，轉變為給他們一個每週播放清單，讓他們保存真正喜歡的曲目。我們將願景從「讓你自己創建更好的播放清單工具」，轉變為「你永遠不應該再自己創建播放清單」。

　　我們的方法──設計調整品質後，預測變得非常實惠的世界──具有實際重要的意義，並為AI戰略提供寶貴的洞察。

　　那麼，為什麼我們如此有信心，第一家AI獨角獸將來自蒙特婁、多倫多或埃德蒙頓？我們正在聯絡最近兩位圖靈獎（Turing Award，相當於計算機科學的諾貝爾獎）得主，他們因在深度學習方面的開創性工作而獲得認可，他們分別位於蒙特婁和多倫多，以及一位在埃德蒙頓、強化學習的主要先驅。加拿大政府正準備慷慨資助三家致力推進機器學習研究的新機構，它們分別位於蒙特婁、多倫多和埃德蒙頓。許多全球企業正匆忙在蒙特婁（例如愛立信﹝Ericsson﹞、Facebook、微軟、華為、三星）、多倫多（例如輝達﹝Nvidia﹞、LG電子﹝LG Electronics﹞、嬌生公司﹝Johnson & Johnson﹞、羅氏﹝Roche﹞、湯森路透﹝Thomson Reuters﹞、Uber、Adobe）和埃德蒙頓（例如Google DeepMind、亞馬遜、三菱、IBM）建立AI實驗室。

　　可以說，我們對AI的商業化有很多了解。然而，我們的猜測可能有很多是錯的，甚至是大錯特錯。第一家加拿大AI獨角獸並非來自蒙特婁、多倫多或埃德蒙頓。甚至不是我們第二次進行的猜測──溫哥華、卡加利（Calgary）、滑鐵盧（Waterloo）或哈利法克斯（Halifax）。如果不是來自這些，那麼加拿大的科技中心從哪裡來？2020年11月19日，《華爾街日報》（Wall Street Journal）刊登了一篇報導，標題為「那斯達克（Nasdaq）以27.5億美元收購反金融犯罪公司Verafin」。Verafin的總部位於紐芬蘭（Newfoundland）的聖約翰（St. John’s）。很少有人，當然包括我們在內，會預測加拿大第一家AI獨角獸出現在位於北美東北角的小鎮。

　　紐芬蘭的聖約翰可說是遠在天邊。紐芬蘭是加拿大最東的省分，人口僅約50萬，並不在科技社群的關注中。事實上，即使是加拿大鄰國──美國，許多美國人直至2017年東尼獎（Tony Awards，編按：美國劇場界最高榮譽），因為熱門百老匯音樂劇《來自遠方》（Come from Away）被提名為最佳音樂劇及其他四個獎項，才第一次聽說紐芬蘭。這部音樂劇根據真實故事改編，講述了911襲擊事件後一週內，38架飛機被指示降落在紐芬蘭，幽默善良的當地居民接待了來自世界各地7000名滯留的旅客。然而，就在那裡，由布蘭登兄弟（Brendan Brothers）、傑米．金恩（Jamie King）和雷蒙．佩雷帝（Raymond Pretty）創辦了Verafin，最終為北美3000家金融機構提供詐騙檢測軟體。我們怎麼可能錯過這一點？這是純粹的巧合嗎？隨機的機會？即使是專家有時也會犯錯。後見之明是最清楚的。低概率事件還是有可能發生。

　　讓那斯達克買單的是AI。Verafin大量投資、建立了能夠預測詐騙並驗證銀行客戶身分的工具。這些是金融機構的關鍵功能，無論是在營運還是在法遵方面皆是如此。要做到這一點需要大數據，而銀行和信用合作社的數據資料是其中最大的。

　　進一步思考，會發現像Verafin這樣的企業在業界獨占鰲頭並非偶然，而是不可避免的趨勢。我們對於預測機器可能性的關注，使我們忽視了實際商業應用的機率。雖然，我們一直關注AI本身的經濟特性──降低預測成本──但我們低估了構建新系統的經濟特性，這些系統必須嵌入AI。

　　如果當時我們能更清楚地理解這一點，不是評估先進機器學習模型的生產實力，而是調查專注預測問題的應用程式前景，這些嵌入系統已經為機器預測做好設計，無需取代人類預測。我們應尋找已擁有大型數據科學家團隊，並將預測分析整合到其工作流程中的企業。我們會很快發現金融機構是最普遍的領域之一，因為它們雇用了大量的資料科學家來預測詐騙、洗錢、制裁不合規，以及金融交易中的其他犯罪行為。接著，我們會尋找正運用最新AI技術來解決這些問題的小企業。可以發現當時加拿大只有少數這樣的公司，其中之一就是總部位於紐芬蘭的Verafin。

　　我們意識到，現在該是重新思考AI經濟學的時候了。Verafin的方法遵循了《AI經濟的策略思維》路徑圖。這一點並不令人意外。然而，大家比較不容易發現的是，為什麼許多其他應用需要更長的時間才能實現規模化部署。我們意識到除了考量技術本身的經濟性，還要考慮技術運作的系統。我們必須理解是怎樣的經濟力量，推動銀行自動檢測詐騙和電子商務產品推薦等領域快速採用AI，但在保險自動核保和藥物研發上採用進展緩慢。

　　對於在現有組織架構中實施AI所面臨的挑戰，我們不是唯一低估者。我們多倫多大學（University of Toronto）的同事傑弗瑞．辛頓（Geoffrey Hinton），因其在深度學習上的開創性工作而被譽為「AI教父」，他可能也低估了實施的困難度。以前他曾開玩笑地說：「如果你是放射科醫師，就像是已經越過懸崖邊緣的土狼，但還沒有往下看，所以不知道腳下已沒有路地。人們應該停止培訓放射科醫師。顯然在五年內，深度學習將會做得比放射科醫師好。」儘管他在技術進步的速度上是正確的──現在，AI在許多診斷任務中表現都優於放射科醫師，但在他發表上述言論後五年，美國放射學會（American College of Radiology）報告聲稱：放射科新生的培訓人數並未下降。

　　我們漸漸意識到自己進入了歷史上的獨特時刻：「過渡時期」──目睹了這項技術的威力後，但在其廣泛應用之前。有些實踐是我們所謂的單點解決方案，相對簡單。這些解決方案採用AI，只是將較早的機器生成預測分析替換為更新的AI工具（例如Verafin，這些應用正迅速推進中）。而其他實踐，則需要重新設計產品或服務以及交付的機構，才能充分實現AI的效益，不枉投資成本。在後者的情況，公司和政府正競相尋找有利可圖的途徑來實現這一目標。

　　我們將焦點從探索神經網路（neural networks），轉向探索人類認知（我們如何做出決策）、社會行為（為什麼某些產業急於迅速擁抱AI，而其他人則持抵制態度）、生產系統（某些決策如何依賴其他決策），和產業結構（我們如何隱藏某些決策以保護自己免受不確定性的影響）。

　　為了探索這些現象，我們會面了使用AI的公司領導者、產品經理、企業家、投資者、資料科學家和電腦科學家。並與專家、政策制定者召開了研討會和會議，近距離觀察數百個由創投支持的AI新創企業實驗中，有哪些成功和失敗的案例。

　　當然，我們回頭探索了經濟學的基本原理，作為蓬勃發展中AI經濟學實證研究領域的一部分，而這個領域在幾年前我們撰寫《AI經濟的策略思維》時，幾乎不存在。我們開始將各點連結起來，構建一個經濟框架，區分單點解決方案和系統解決方案。這不僅能夠解決Verafin難題，還能為下一波的AI採用提供預測。透過專注於系統解決方案而不是單點解決方案，我們可以解釋這項技術最終將如何在各個產業中廣泛應用，使某些企業站穩腳步並干擾其他企業。是時候撰寫另一本書了，正是這本。