| 在週前的 Aspen Ideas Festival，李開復把 AI 在疫情中的貢獻給一個 B−，記者問他為什麼給這麼低的分數，他說 B− 已經比及格好多了，當然不夠理想，因為 AI 與流行病有本質上的差距。AI 是累積很多資料重覆的運轉，得以準確的預測，而流行病是很多年才發生一次，沒有建構模型的經驗，也沒有太多資料。不過 AI 在疫情中也的確發揮了一些正面的功效，所以給一個 B−。 記者又問 AI 在抗疫上幫了哪些忙？又有哪些沒使得上力的地方？李開復以他在北京的親身經歷說了幾件事。病情接觸的追蹤，做得很有效，手機上有紅黃綠的信號，告訴我是否接觸過有病情的人，好讓我做進一步檢查。另一件是當我回到北京的兩週隔離，都使用電子商務，包括食物的購買，全以機器人送遞，完全不接觸任何人。所以機器人在結構化的環境像公寓、醫院、商店、辦公室，可以運作的很好。 在疫情中，AI 協助發現治療藥物，發現新的抗體疫苗，更有效的用在庫房，處理電子商務的龐大包裹。早期有一家叫 BlueDot 的公司，預測重大流行病的來臨，當然沒有對外公開，現在我們受到了疫情的傷害，累積了很多的資料作為基礎，如果有下一波、或下一次大流行，這種預測功能就會更為準確。 在疫苗的發展上雖然使用 AI，但效果不如預期，李開復認為是在急迫的情況之下，把技術用在樹下低枝的水果，而沒有能掌握完整的情況。他舉例一家生技公司，用 AI 協助的生成化學，來預測化合物的種類，用來阻擋病毒的傳播。這些類似的作法，都是把 AI 的技術移轉到低枝的水果，這樣的使用 AI，不太會產生驚人的效果。 在健康的照顧上，AI 可以提供很多的個人化服務，如對象化的診斷，更準確的基因排序，以及與 AI 結合的基因編輯技術 Crispr 等等。而同時健康照顧的方式很多效率不完善，像是醫藥保險沒有依照健康資料來設計。如果把這些加到一起，AI 有很大的發展潛力。唯一的因素是個人資料的保護，如果過分保護、期使是匿名，那就很難訓練 AI，AI 需要資料才跑得動。 疫情讓全球十億學童改變了上學的習慣，改在家裡線上學習，突然之間，我們看到了 AI 技術的普及，AI 老師、AI 改正你發音、AI 找出你學習的障礙，當然有時候還需要人與人的互動，像個人化的教學，與精神上的勉勵，但 AI 則用作例行的教學。辦公室也同樣改變，當大家在家裡線上工作，所做的事都會數位化，都成為資料，就給了 AI 的潛力，有事為什麼不用 AI 做決定、要用人來決定？所以疫情會加速 AI 取代人力的工作。 李開復在他兩年前 AI Superpowers 的書裡提到，凡需要創意、以及需要人際互動的工作，不會被 AI 替代，但因為疫情，有些被認為需要人際互動的工作，反而會加速被 AI 替代，原因之一是疫情需要減少人的互動，如醫院照顧病人、餐飲服務。如果醫院能讓機器人移動醫療設備，給病人服務，像包括量血壓，對病人與看護都減少危險。餐廳使用手機點餐與支付、用機器人送餐，可以把人際接觸減到最少。 記者最後問一個隱私與 AI 的問題，AI 所需要的資料，在尊重個人隱私之下就難以取得，為了發展 AI，對過度注重隱私的國家如美國，是否應該放鬆一些？李開復說如果能這樣，值得讚賞鼓勵，大家也開始認識到隱私不是 0 與 1，也不是高於一切，需要與公共健康與社會福利一併考量，而要給每個人選擇的自由。一個國家如果能設立平衡的規則，以匿名的方式取得適量的個人資料，AI 就可以藉此訓練了。 從李開復的敘述，AI 確實支援了許多抗疫工作，特別在減少人際接觸又能維繫正常的活動，尤其在教育上更發揮了 AI 功能。也正如他說的 AI 與流行病在先天上的差異，AI 沒有能深入的介入，像疫苗的發展。但經過這一場硬仗，AI 應該學到了流行病的本質，也累積了有用的資料，下一次遇到類似的情況，戰役的能力即使到不了 A，至少也有 B+。 
科AI 萬能？用在抗疫上的分數僅得一個B−。
Photo by Pixabay | 
