要穿越只需打開一個APP：《歷史地圖散步》帶你走進百年老照片現場

本文與 研華科技 合作，泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言，總能牽動整個 AI 產業的神經。然而，我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線，那如果哪天「網路斷了」，會發生什麼事？

想像你正在自駕車打個盹，系統突然警示：「網路連線中斷」，車輛開始偏離路線，而前方竟是萬丈深谷。又或者家庭機器人被駭，開始暴走跳舞，甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎？當然不是！也因為如此，「邊緣 AI」成為業界關注重點。不靠雲端，AI 就能在現場即時反應，不只更安全、低延遲，還能讓數據當場變現，不再淪為沉沒成本。

什麼是邊緣 AI ？

邊緣 AI，乍聽之下，好像是「孤單站在角落的人工智慧」，但事實上，它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前，像是企業、醫院、學校內部的伺服器，個人電腦，甚至手機等裝置，都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算，稱為邊緣運算；而在邊緣節點上運行 AI ，就被稱為邊緣 AI。簡單來說，就是將原本集中在遠端資料中心的運算能力，「搬家」到更靠近數據源頭的地方。

那麼，為什麼需要這樣做？資料放在雲端，集中管理不是更方便嗎？對，就是不好。

第一個不好是物理限制：「延遲」。
即使光速已經非常快，數據從你家旁邊的路口傳到幾千公里外的雲端機房，再把分析結果傳回來，中間還要經過各種網路節點轉來轉去…這樣一來一回，就算只是幾十毫秒的延遲，對於需要「即刻反應」的 AI 應用，比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時，每一毫秒都攸關安全與精度，這點延遲都是無法接受的！這是物理距離與網路架構先天上的限制，無法繞過去。

第二個挑戰，是資訊科學跟工程上的考量：「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送，湧入的資料數據量就像超級大的水流，一下子就把水管塞爆！要避免流量爆炸，你就要一直擴充水管，也就是擴增頻寬，然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理，把重要資訊「濃縮」過後再傳回雲端，是不是就能減輕頻寬負擔，也能節省大量費用呢？

第三個挑戰：系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時，一旦網路不穩、甚至斷線，那怎麼辦？很多關鍵應用，像是公共安全監控或是重要設備的預警系統，可不能這樣「看天吃飯」啊！邊緣處理讓系統更獨立，就算暫時斷線，本地的 AI 還是能繼續運作與即時反應，這在工程上是非常重要的考量。

所以你看，邊緣運算不是科學家們沒事找事做，它是順應數據特性和實際應用需求，一個非常合理的科學與工程上的最佳化選擇，是我們想要抓住即時數據價值，非走不可的一條路！

邊緣 AI 的實戰魅力：從工廠到倉儲，再到你的工作桌

知道要把 AI 算力搬到邊緣了，接下來的問題就是─邊緣 AI 究竟強在哪裡呢？它強就強在能夠做到「深度感知（Deep Perception）」！

所謂深度感知，並非僅僅是對數據進行簡單的加加減減，而是透過如深度神經網路這類複雜的 AI 模型，從原始數據裡面，去「理解」出更高層次、更具意義的資訊。

以研華科技為例，旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例，利用物件偵測模型，快速將工業產品中的瑕疵挑出來，而且由於 AI 模型可以使用同一套參數去檢測，因此品管上能達到一致性，減少人為疏漏。尤其在高產能工廠中，檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品，替工廠節省大量人力，同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

此外，在智慧倉儲場域，研華與威剛合作，研華與威剛聯手合作，在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台，打造倉儲系統的 AMR（Autonomous Mobile Robot） 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣，AMR 不需要事先規劃好路線，靠著感測器偵測，就能輕鬆避開障礙物，識別路線，並且將貨物載到指定地點存放。

當然，還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning )，除了可以做備忘錄跟排程規劃以外，還能將實務上碰到的問題記錄下來，等到之後碰到類似的問題時，就能詢問 AI 並得到解答。

你或許會問，那為什麼不直接使用 ChatGPT 就好了？其實，對許多企業來說，內部資料往往具有高度機密性與商業價值，有些場域甚至連手機都禁止員工帶入，自然無法將資料上傳雲端。對於重視資安，又希望運用 AI 提升效率的企業與工廠而言，自行部署大型語言模型（self-hosted LLM）才是理想選擇。而這樣的應用，並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器，體積僅如後背包大小，卻能輕鬆支援語言模型的運作，實現高效又安全的 AI 解決方案。

但問題也接著浮現：要在這麼小的設備上跑大型 AI 模型，會不會太吃資源？這正是目前 AI 領域最前沿、最火熱的研究方向之一：如何幫 AI 模型進行「科學瘦身」，又不減智慧。接下來，我們就來看看科學家是怎麼幫 AI 減重的。

語言模型瘦身術之一：量化（Quantization）—用更精簡的數位方式來表示知識

當硬體資源有限，大模型卻越來越龐大，「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像：有些畫面細節我們肉眼根本看不出來，刪掉也不影響整體感覺，卻能大幅減少檔案大小。

模型量化的原理也是如此，只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示，什麼是浮點數？其實就是你我都熟知的小數。舉例來說，圓周率是個無窮不循環小數，唸下去就會是3.141592653…但實際運算時，我們常常用 3.14 或甚至直接用 3，也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思！ 

然而，量化並不是那麼容易的事情。而且實際上，降低精度多少還是會影響到模型表現的。因此在設計時，工程師會精密調整，確保效能在可接受範圍內，達成「瘦身不減智」的目標。

模型剪枝（Model Pruning）—基於重要性的結構精簡

建立一個 AI 模型，其實就是在搭建一整套類神經網路系統，並訓練類神經元中彼此關聯的參數。然而，在這麼多參數中，總會有一些參數明明佔了一個位置，卻對整體模型沒有貢獻。既然如此，不如果斷將這些「冗餘」移除。

這就像種植作物的時候，總會雜草叢生，但這些雜草並不是我們想要的作物，這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在，而動手去清理這些不需要的連結參數或神經元的技術，就稱為 AI 模型的模型剪枝（Model Pruning）。

模型剪枝的效果，大概能把100變成70這樣的程度，說多也不是太多。雖然這樣的縮減對於提升效率已具幫助，但若我們要的是一個更小幾個數量級的模型，僅靠剪枝仍不足以應對。最後還是需要從源頭著手，採取更治本的方法：一開始就打造一個很小的模型，並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」，是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾（Knowledge Distillation）—讓小模型學習大師的「精髓」

想像一下，一位經驗豐富、見多識廣的老師傅，就是那個龐大而強悍的 AI 模型。現在，他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案，老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」，例如「為什麼我會這樣想？」、「其他選項的可能性有多少？」。這樣一來，小小的學徒模型，用它有限的「腦容量」，也能學到老師傅的「智慧精髓」，表現就能大幅提升！這是一種很高級的訓練技巧，跟遷移學習有關。

舉個例子，當大型語言模型在收到「晚餐：鳳梨」這組輸入時，它下一個會接的詞語跟機率分別為「炒飯：50%，蝦球：30%，披薩：15%，汁：5%」。在知識蒸餾的過程中，它可以把這套機率表一起教給小語言模型，讓小語言模型不必透過自己訓練，也能輕鬆得到這個推理過程。如今，許多高效的小型語言模型正是透過這項技術訓練而成，讓我們得以在資源有限的邊緣設備上，也能部署愈來愈強大的小模型 AI。

但是！即使模型經過了這些科學方法的優化，變得比較「苗條」了，要真正在邊緣環境中處理如潮水般湧現的資料，並且高速、即時、穩定地運作，仍然需要一個夠強的「引擎」來驅動它們。也就是說，要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型，真正放到邊緣的現場去發揮作用，就需要一個強大的「硬體平台」來承載。

邊緣 AI 的強心臟：SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器，就是扮演「邊緣 AI 引擎」的關鍵角色！那麼，它到底厲害在哪？

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要？因為 GPU 的設計，天生就擅長做「平行計算」，這正好就是 AI 模型裡面那種海量數學運算最需要的！

你想想看，那麼多數據要同時處理，就像要請一大堆人同時算數學一樣，GPU 就是那個最有效率的工具人！而且，有多張 GPU，代表可以同時跑更多不同的 AI 任務，或者處理更大流量的數據。這是確保那些科學研究成果，在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎！

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房，有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計，體積相對緊湊，散熱空間也比較好（這對高功耗的 GPU 很重要！），部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算，進行「工程化」，讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格，背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場，系統穩定壓倒一切！你總不希望 AI 分析跑到一半就掛掉吧？這些設計確保了部署在現場的 AI 系統，能夠長時間、穩定地運作，把實驗室裡的科學成果，可靠地轉化成實際的應用價值。

台灣製造 × 在地智慧：打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能，能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署，及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析，還是其他 AI 相關的服務，都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務，讓企業在啟動 AI 專案前，大幅降低前期投入門檻，靈活又實用。

台灣有著獨特的產業結構，從精密製造、城市交通管理，到因應高齡化社會的智慧醫療與公共安全，都是邊緣 AI 的理想應用場域。更重要的是，這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示，這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果，往往已經錯失最佳反應時機。這也是為什麼邊緣 AI，不只是一項技術創新，更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場，就能被有效的「理解」與「利用」，是將數據垃圾變成數據黃金的賢者之石！

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

出國旅行除了肢體語言的即時翻譯選擇！

今天要來分享最新的 AI 翻譯蒟蒻，之前我朋友要去法國參加研討會，但他不只不懂法文，連英文都不太行，所以他就來問我，有沒有什麼好用的 AI 即時翻譯？

我說沒有，結果他從法國回來後，反過來跟我分享了他實測各種翻譯 APP 的心得，其中一個我體驗完還真的覺得不錯用啊！

所以今天的影片我想要來跟你分享三件事：

1. 簡單聊一下 AI 語音識別的發展
2. 朋友大推的 Litok 翻譯 APP 的功能介紹
3. 最近超流行的 AirChat 空氣聊天室可以怎麼玩

最後，想問大家有沒有用過其他超好用的翻譯工具呢？

1. 我覺得 Litok 真是天降神物我下次英文會議馬上試用
2. 假的，都是假的，我還是靠自己的金耳朵實在
3. 身為工程師，自己用 Whisper 模型做的才好用
4. 其他也可以留言分享喔

如果，有其他想看的 AI 工具測試或相關問題，也可以留言發問

更多、更完整的內容，歡迎上泛科學院的 youtube 頻道觀看完整影片，並開啟訂閱獲得更多有趣的資訊！

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位

採訪編輯｜王怡蓁、美術編輯｜張語辰

《歷史地圖散步》團隊專訪

「很多讀者拿到書和 APP 的第一步，會先找自己家在哪裡，然後發現自己的家一百年前可能是墓仔埔、或在河道裡面。」中研院的「歷史地圖散步」系列製作團隊，結合耐人尋味的老照片、臺灣百年歷史地圖、與現今的 Google 地圖街景，將整個城市變成故事展覽館。

做這個專案的職業病是，古今地名混用。有時候會在電話中跟別人說：「我下禮拜要去榮町…」

《臺北歷史地圖散步》專案企劃黃冠華，打趣地說。榮町在哪？其實是日治時期臺北最繁榮的區域，古時又稱「臺北銀座」，範圍在現今臺北車站附近的衡陽路、博愛路、寶慶路一帶。

而場景來到臺中，可看見《臺中歷史地圖散步》主編賴萱珮奔波的身影。「我請家人開車載我到各個老照片地點，搶在不會逆光的時間，拍下一張張當今地景對照、收入書中。」

有了古今照片之後，就換編輯賴國峰等成員大顯身手，將老照片美美地套入 Google 地圖定位。「但有時候 Google 街景就是會跑掉…」這個 bug 成為團隊的頭痛來源。

要怎麼知道這張老照片的地點是在現今 Google 地圖哪個位址呢？有賴中研院人社中心地理資訊科學研究專題中心執行「地圖與遙測影像數位典藏計畫」，累積了各城市大量不同時期的地圖，研究副技師廖泫銘說明。

這群團隊為什麼要那麼大工程，製作「歷史地圖散步」系列圖書與 APP 呢？

地圖尬故事，迸出新滋味

地圖只是媒介，APP 也只是載體，為的是讓這些故事從檔案館走到你身邊。

廖泫銘笑著說：「許多人看不懂地圖，但是搭配手機的 GPS ，手機會告訴使用者你在哪裡、該怎麼走，眼前這個地景曾經發生什麼事。」

「歷史地圖散步」系列的元素分為兩部份：第一部份為中研院數位典藏的臺灣百年歷史地圖，第二部份才是延伸地圖史料、加上故事，做成「歷史地圖散步」系列 APP 與圖書。中研院人社中心的地理資訊科學研究專題中心，在臺灣百年歷史地圖的數位化過程，就花費了十多年功夫。

中研院收藏的歷史地圖，可在地圖數位典藏整合查詢系統供大眾瀏覽，繪製時間從 19 世紀末到現在，地理版圖橫跨東亞，其中以中國大陸及臺灣數量最為豐富。

更難得的是，這 40 萬餘張地圖都是現代化的測繪地圖，用於軍事、工程、地籍等紀錄，有經緯度、講究精準，因此可與現今的 Google 地圖進行古今套疊，了解該區域不同時期的樣貌，不同於傳統類似山水畫、非科學性的古代輿圖。

黃冠華表示，他們觀察到許多古地圖與老照片，這兩者的共通點是「地理位置」，因此想把它們結合起來，開發成生活中會使用到的手機 APP，進入大家的生活中，例如國外有 Historypin 網站，透過老照片連結社群和當地歷史 。

這一張張的老照片、地圖就像食材一樣，把它們炒在一起，成為一道道香噴噴的料理。

但團隊在「炒菜」過程發現，若老照片和地圖缺乏解說，使用者會無法理解背後的故事，因此有了出版《臺北歷史地圖散步》、《臺中歷史地圖散步》系列書籍的構想，像是「導覽手冊」，為讀者導覽 APP 裡古今地圖的故事脈絡。

從臺北到臺中的變化

從 2016 年 9 月初《臺北歷史地圖散步》出版，到 2018 年 1 月初發行的《臺中歷史地圖散步》，時間相隔了一年多。

黃冠華表示，兩本書的明顯差異在於文字量變少。他手指掐著《臺北歷史地圖散步》的書背笑說：「我們原本只想做這本三分之一 的厚度，殊不知每位作者提供的文字量都超出預期地豐富！」

至於書籍內容是如何規劃，賴萱珮說明，團隊是先企劃主題，設定方向後再與作者談合作，明確告知撰稿角度為歷史普及，並希望在 2,500 字內完成。「有些長期學術寫作的老師甚至會擔心：從來沒有寫過這麼短的稿子！會不會被覺得不專業……」

《臺北歷史地圖散步》的主題從食衣住行著手，並加入重大事件；而《臺中歷史地圖散步》除了排除與臺北相似的主題，團隊也投入更多臺中在地的歷史研究。

相對於發展歷史悠久的臺北、臺南，臺中較缺乏老照片、古地圖等素材，因為臺中是日治時期依都市計畫建立的現代化城市，發展並不是很久。因而《臺中歷史地圖散步》多將焦點放在戰後時期，戰後的故事比例與《臺北歷史地圖散步》相較起來高出許多，例如美軍基地、特種行業等等。

賴國峰補充，臺中歷史地圖 APP 中，約有一半的老照片為戰後時期，但臺南歷史地圖 APP 就有較多戰前的照片，且年代可追溯更早以前。廖泫銘也說明，如果城市發展沒有太大變化，當時的出版社或政府就不需要重新繪製地圖，因此古地圖的張數也反映了城市變化的速度。

在製作《臺中歷史地圖散步》書籍的酒家主題時，團隊意外取得許多「酒家」的照片，其中余立先生提供了他父親余如季當時所攝的許多老照片，意外尋出一條當年父親拜訪拍攝過的酒家路線……

團隊蒐集史料的過程也會發現「群聚經濟」的現象，例如某一條街都是百貨、某一區域都是公家單位。「像臺中的中區就很可惜，在 1990 年代商圈移轉後便沒落了，製作書籍的過程也會覺得有點感慨～」賴萱珮回憶起這些地方往日的輝煌。

雖然臺南歷史地圖 APP 已發行，但目前書籍尚未誕生。聽到「臺南」這個地名，團隊直呼：「戒慎恐懼！研究臺南歷史的神人太多了，光是糕餅、蜜餞，可能就有人寫過一本書。」團隊尚在苦惱蒐集選題，準備齊全後，再前進臺南歷史界這個高手齊聚的武林。

缺素材、授權不易、Google 街景難掌控

賴國峰說，《臺北歷史地圖散步》原本想將南機場的老照片與故事放進書中，但因素材不足而放棄。賴萱珮也分享她的遺珠之憾：身為臺中人的她，認為豐原區的糕餅業值得書寫，但蒐集資料過程發現，能找到的老照片很少。另外，臺中舊市區(今自由路一帶)的百貨業也十分值得一提，在盛況時期多達十幾間百貨，然而百貨業是私人產業，資料難以尋得，如今也已沒落，在缺乏老照片、研究文獻的困難下只好放棄這個題材。

除了缺乏素材，臺灣公部門資料的授權狀況更是大難題。

「歷史地圖散步」團隊在談素材授權時，會經由兩種途徑：一為私人，另一個是公部門。私人授權會有既定的價錢與流程，處理起來較快速；但公部門的文獻、圖片等資料，散落在不同的博物館與研究機構，除了公文跑流程十分緩慢，廖泫銘也提到，甚至有一個尷尬的狀況是，有些圖或照片根本找不到最原始的版權擁有者。

賴國峰以「歷史地圖散步」團隊與日本合作取材的經驗建議，日本機構會定期檢視所有物的版權，而超過百年的書籍便有機會開放版權給大眾使用，這才讓檔案重新有了靈魂，而不只是冷冰冰地躺在資料櫃。例如，團隊向日本國會圖書館申請許多臺灣日治時期的照片素材，無需到日本，只要透過線上申請即可。

製作「歷史地圖散步」 系列 APP 也有一些困境待解決，由於 APP 使用 Google 街景作為背景，讓古地圖與老照片在上面套疊，以便讀者理解古今的對照。然而，賴國峰冒汗說，Google 街景定位不是每公尺都拍攝，導致有些老照片無法精準地放於現今的建物上。另外，Google 街景版本的改變、更新的速度、還有手機版型的差異，都會導致 APP 的體驗品質有所落差。

現在的臺中歷史地圖 APP 是先放入 150 張老照片地點，賴國峰提到，未來還可以持續加入新的素材，就像 Pokémon GO 遊戲更新，一直把新的怪獸放進地圖中，讓「歷史地圖散步」系列 APP 持續充滿生命力。

但通常使用者打開「歷史地圖散步」系列 APP ，第一件做的事情是什麼？

尋找一百年前自己的家

很多讀者拿到書和 APP 的第一步，會先找自己家在哪裡，然後發現自己的家一百年前可能是墓仔埔、或在河道裡面。

黃冠華提到，由於下載「歷史地圖散步」系列 APP 不需要付費，有些社區大學導覽課程的老師會請學生下載 APP 來進行教學。賴國峰也補充，過往在書展展示的經驗，有些長輩下載了 APP 後很開心，因為裡面的老照片、歷史地圖，都是他們的回憶。

談到書的銷量，團隊謙虛地表示，《臺北歷史地圖散步》進入第四刷，應該算是賣得不錯。由於「歷史地圖散步」系列的前置工程浩大，目的不可能是獲利，獲利僅是達到「推廣歷史故事」這個目標的方式。

我們的目標是推動文史工作，讓產業界看見圖文書發展的可能性。

由於東販出版的書籍多為漫畫、輕小說，在刻板印象中，東販這類書籍不太出現在中研院的學術館藏中，而《歷史地圖散步》系列書籍是中研院與東販出版的開創性合作。借助東販的出版專業，經營中研院不擅長的鋪貨銷售，讓中研院的地圖典藏、文史檔案，得以透過圖文書的形式，現身在全臺書店及線上販售，這是公部門在推廣與營銷上的改變。

「算是走出象牙塔，做出更接地氣的嘗試，」團隊說明，「我們將歷史洪流中典藏在檔案館、博物館、圖書館的圖像資料，放回現代人的生活中，並且標上時間、空間（GPS 位置）與故事，讓整個城市都是歷史文化的展覽館！」

延伸閱讀

• 《臺北歷史地圖散步》
• 「臺北歷史地圖」iOS 版 APP 下載
• 「臺北歷史地圖」Android 版 APP 下載
• 「臺中歷史地圖」iOS 版 APP 下載
• 「臺中歷史地圖」Android 版 APP 下載
• 「臺南歷史地圖」iOS 版 APP 下載
• 「臺南歷史地圖」Android 版 APP 下載
• 中央研究院數位文化中心
• 中央研究院人社中心GIS專題中心
• 臺灣百年歷史地圖
• 地圖數位典藏查詢系統

本文轉載自中央研究院研之有物，原文為一百年前你家的模樣？臺北、臺中歷史地圖散步，泛科學為宣傳推廣執行單位

數位世界已經改變了我們日常生活的體驗，一個人從早到晚都會接受到大量數據，受益於大量數據，也貢獻大量數據。這些數據龐大的程度，和消化資訊的方式已經太過繁多，人類心智根本無法處理。

與數位科技建立夥伴關係

所以人會本能地或潛意識地倚賴軟體來處理、組織、篩選出必要或有用的資訊，也就是根據用戶過去的偏好或目前的流行，來挑選要瀏覽的新項目、要看的電影、要播放的音樂。自動策劃的體驗很輕鬆容易，又能讓人滿足，人們只會在沒有自動化服務，例如閱讀別人臉書塗鴉牆上的貼文，或是用別人的網飛帳號看電影時，才會注意到這服務的存在。

有人工智慧協助的網路平臺加速整合，並加深了個人與數位科技間的連結。人工智慧經過設計和訓練，能直覺地解決人類的問題、掌握人類的目標，原本只有人類心智才能管理的各種選擇，現在能由網路平臺來引導、詮釋和記錄（儘管效率比較差）。

網路平臺收集資訊和體驗來完成這些任務，任何一個人的大腦在壽命期限內都不可能容納如此大量的資訊和體驗，所以網路平臺能產出看起來非常恰當的答案和建議。例如，採購員不管再怎麼投入工作，在挑選冬季長靴的時候，也不可能從全國成千上萬的類似商品、近期天氣預測、季節因素、回顧過去的搜尋記錄、調查物流模式之後，才決定最佳的採購項目，但人工智慧可以完整評估上述所有因素。

因此，由人工智慧驅動的網路平臺經常和我們每個人互動，但我們在歷史上從未和其他產品、服務或機器這樣互動過。當我們個人在和人工智慧互動的時候，人工智慧會適應個人用戶的偏好（網際網路瀏覽記錄、搜尋記錄、旅遊史、收入水準、社交連結），開始形成一種隱形的夥伴關係。

個人用戶逐漸依賴這樣的平臺來完成一串功能，但這些功能過去可能由郵政、百貨公司，或是接待禮賓、懺悔自白的人和朋友，或是企業、政府或其他人類一起來完成。

個人、網路平臺和平臺用戶之間的關係，是一種親密關係與遠距聯繫的新穎組合。人工智慧網路平臺審查大量的用戶數據，其中大部分是個人數據（如位置、聯絡資訊、朋友圈、同事圈、金融與健康資訊）；網路會把人工智慧當成嚮導，或讓人工智慧來安排個人化體驗。

人工智慧如此精準、正確，是因為人工智慧有能力可以根據數億段類似的關係，以及上兆次空間（用戶群的地理範圍）與時間（集合了過去的使用）的互動來回顧和反應。網路平臺用戶與人工智慧形成了緊密的互動，並互相學習。

網路平臺的人工智慧使用邏輯，在很多方面對人類來說都難以理解。例如，運用人工智慧的網路平臺在評估圖片、貼文或搜尋時，人類可能無法明確地理解人工智慧會在特定情境下如何運作。谷歌的工程師知道他們的搜尋功能若有人工智慧，就會有清楚的搜尋結果；若沒有人工智慧，搜尋結果就不會那麼清楚，但工程師沒辦法解釋為什麼某些結果的排序比較高。

要評鑑人工智慧的優劣，看的是結果實用不實用，不是看過程。這代表我們的輕重緩急已經和早期不一樣了，以前每個機械的步驟或思考的過程都會由人類來體驗（想法、對話、管理流程），或讓人類可以暫停、檢查、重複。

人工智慧陪伴現代人的生活

例如，在許多工業化地區，旅行的過程已經不需要「找方向」了。以前這過程需要人力，要先打電話給我們要拜訪的對象，查看紙本地圖，然後常常在加油站或便利商店停下來，確認我們的方向對不對。現在，透過手機應用程式，旅行的過程可以更有效率。

這些應用程式不但可以根據他們「所知」的交通記錄來評估可能的路線與每條路線所花費的時間，還可以考量到當天的交通事故、可能造成延誤的特殊狀況（駕駛過程中的延誤）和其他跡象（其他用戶的搜尋），來避免和別人走同一條路。

從看地圖到線上導航，這轉變如此方便，很少人會停下來想想這種變化有多大的革命性意義，又會帶來什麼後果。個人用戶、社會與網路平臺和營運商建立了新關係，並信任網路平臺與演算法可以產生準確的結果，獲得了便利，成為數據集的一部分，而這數據集又在持續進化（至少會在大家使用應用程式的時候追蹤個人的位置）。

在某種意義上，使用這種服務的人並不是獨自駕駛，而是系統的一部分。在系統內，人類和機器智慧一起協作，引導一群人透過各自的路線聚集在一起。

持續陪伴型的人工智慧會愈來愈普及，醫療保健、物流、零售、金融、通訊、媒體、運輸和娛樂等產業持續發展，我們的日常生活體驗透過網路平臺一直在變化。

當用戶找人工智慧網路平臺來協助他們完成任務的時候，因為網路平臺可以收集、提煉資訊，所以用戶得到了益處，上個世代完全沒有這種經驗。這種平臺追求新穎模式的規模、力量、功能，讓個人用戶獲得前所未有的便利和能力；同時，這些用戶進入一種前所未有的人機對話中。

運用人工智慧的網路平臺有能力可以用我們無法清楚理解，甚至無法明確定義或表示的方式來形塑人類的活動，這裡有一個很重要的問題：這種人工智慧的目標功能是什麼？由誰設計？在哪些監管參數範圍裡？

類似問題的答案會繼續塑造未來的生活與未來的社會：誰在操作？誰在定義這些流程的限制？這些人對於社會規範和制度會有什麼影響？有人可以存取人工智慧的感知嗎？有的話，這人是誰？

如果沒有人類可以完全理解或查看數據，或檢視每個步驟，也就是說假設人類的角色只負責設計、監控和設定人工智慧的參數，那麼對人工智慧的限制應該要讓我們放心？還是讓我們不安？還是既放心又不安？

——本文摘自《 AI 世代與我們的未來：人工智慧如何改變生活，甚至是世界？》，2022 年 12 月，聯經出版公司，未經同意請勿轉載。