關於 工程倫理案例分析 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#今日疫情重點【新增本土確診加校正共472例、21例死亡；日本贈124萬劑AZ疫苗下午抵台；苗栗電子廠群聚擴大、成立前進指揮所】

台灣今（4）日新增339例本土案例，校正回歸133例，合計472例，另有2例境外移入個案，並新增21例死亡。中央流行疫情指揮中心指揮官、衛福部部長陳時中坦言，昨日原本擔憂新高點的出現，以確診與校正回歸後的數字分析，跟前一波高點落差不大；若從發病日來看，整體疫情趨勢算是往下走，至於是否考慮延長全國三級警戒的期限，陳時中則表示：「還沒有想到要降級，也沒想到要升級。」

另外，苗栗縣電子廠群聚感染案今日再新增32名確診案例，累計確診達77人，指揮中心已指派醫福會執行長王必勝與4位防疫醫師前往苗栗成立前進指揮所，協助快速採檢、集中檢疫、醫療後送等事項，並將強化桃竹苗有接觸之移工的防疫及管理措施，避免病毒蔓延進入社區。

日本贈送124萬劑AZ疫苗於今日下午抵台，指揮中心表示疫苗已進入封緘檢驗階段，會儘速完成相關作業並供國人施打，以第一至第三類人員及高風險地區為最優先，未來會陸續開放必需維生產業及國防人員施打，同時也感謝日本政府在台灣疫情最危急的時刻出手相助。

■新增確診與校正回歸472例，21例死亡個案

今日新增之339例本土個案，為170例男性、169例女性，年齡介於未滿5歲至100多歲，發病日介於4月1日至6月3日。另外，校正回歸的133例個案，為57例男性、76例女性，年齡介於未滿5歲至80多歲，發病日介於5月18日至6月2日。死亡的21例個案中，男性14位、女性7位，年齡介於30多歲至90多歲。

新增確診個案與校正回歸共472例中，以新北市227例最多，其次為台北市152例、苗栗縣51例、桃園市11例、台中市及基隆市各7例、彰化縣6例、新竹市及南投縣各2例，花蓮縣、宜蘭縣、新竹縣、屏東縣、高雄市、嘉義縣及雲林縣各1例。雙北以外縣市共93例中，1例有萬華活動史，76例為已知感染源，14例關聯不明、2例疫調中。（見最新疫情概況圖）

陳時中表示，雖然雙北地區有最多確診個案，但苗栗新增確診數值得注意，主要是電子廠的群聚事件所致。另外採檢和報告塞車的狀況已逐步解決，過去最高峰累積5萬多件，「現在歸零，這是比較好的情況，讓接下來的速度能夠加快，讓隱藏期變短，」不過他也提醒，這兩日新增病例數較多，國人要維持高度警覺，疫情仍處緊急狀態。

■苗栗電子廠群聚：成立前進指揮所，擴大篩檢並加強移工宿舍管理

根據苗栗縣府指出，截至今日上午11點為止，該電子廠確診新增32例，包含移工29例、本國3例，另有19例仍在調查中，預計全廠篩檢7,300人，目前已篩檢2,247人。確診個案已收治隔離中，其中移工都屬於輕症或無症狀，先送往公司宿舍一人一室隔離中。

為避免疫情擴散造成另一波的社區感染，指揮中心今日上午已指派醫福會執行長王必勝擔任指揮官，率4位疾管署防疫醫師進駐該電子廠成立前進指揮所，以便統籌相關資源，與規劃篩檢地點、動線安排、檢疫隔離和後續送醫給予協助。陳時中也強調，應保留當地醫療機構的量能，也會調度中央的集中檢疫所來使用。

指揮中心已訂出應對措施，電子廠與宿舍須增設篩檢站，並落實檢體分流，確保檢驗結果即時通報上傳，快篩陽性者優先送至集中檢疫所及加強型防疫旅館。此外，仲介公司應儘速盤點移工名單，移工宿舍相關人員從今天起之三日休假禁止外出，內部降載並將移工與本國勞工分流，相關宿舍管理和翻譯作業已請勞動部和內政部協助，未來桃竹苗整體區域和全國的移工防疫也要儘速啟動。

■日本贈124萬劑AZ疫苗下午抵台，目標讓第一至第三類人員完全接種

日本政府提供124萬劑AZ疫苗，於今日上午11點裝貨完畢起飛，下午2點40分抵達桃園國際機場，疫苗完成通關程序後，將直接運送至指定冷儲物流中心進行檢驗和封緘作業，指揮中心已責成食藥署儘速辦理，儘早提供國民施打。陳時中表示，相關技術資料已在前兩天送達並完成檢查，但還須經過品質及安全性檢驗，本批疫苗的有效期限可到10月14日，時程規劃上較充裕，但仍會儘速施打。

陳時中也提到這是目前獲得數量最大的一批疫苗，非常感謝日本政府伸出援手，直接提供給台灣，若經過COVAX平台分配，時間和程序上相對耗時，「基於兩國的情誼，長久以來人民打下深厚的友情基礎，日本展現有情有義的一面，我們非常感謝。」

至於這批疫苗的接種順序，陳時中表示，「一、二、三類高風險人員一定要打全，」其次是長照機構中的住民和75歲以上民眾，會儘速往下開放，另外必須維持運作的產業或國防需求，已請國防部和經濟部提出相關計畫，未來也會針對高風險的地區增加疫苗配發的比例。

■重症率達17.5%，建立重症北病南送機制、加強查核輔導專責病房

醫療應變組副組長、疾病管制署副署長羅一鈞表示，從4月20日開始統計，確診個案8,894例中，有1,560人屬於WHO分類中的嚴重肺炎或急性呼吸窘迫症候群，佔17.5%；而年長者重症率較高，60歲以上的3,330位個案中，有1,087例為重症，佔32.6%。

面對高重症率，且雙北醫療量能緊繃的情況下，專家諮詢小組召集人張上淳說明，「北病南送」基於安全顧慮，即將變成重症的患者會提早轉送；至於已有使用呼吸器的病患，若北部沒有合適的加護病房可收治，會調配桃園、新竹、台中等地的加護病房資源，並使用加強型的救護車，在安全的前提下運送。

至於專責病房開設，羅一鈞說明，指揮中心要求全國的醫學中心和區域醫院，都應將急性病床的十分之一清出為專責病床，沒有針對特定醫院，病房也不限制一人一室，在集中照顧原則下，亦可考量實際需求多人一室。因COVID-19以飛沫傳染為主，通風良好可減少傳播機會，目前專責病房希望透過物理性的做法創造「微負壓」環境，以保護醫事人員的健康安全。

羅一鈞表示，從SARS以來醫院都累積了相關經驗，也有SOP，但「專責ICU是重中之重，有請醫策會的工務、工程跟照護專業的專家去了解，確保開設的病房符合條件，」若醫院在設置時遇到困難，也會有相關人員做查核和輔導。

■陳時中：各方採購疫苗重點在「原廠供貨證明」，仍拚10月底群體免疫

針對各民間團體、企業及個人採購疫苗的規定，陳時中表示，目前疫苗進口到台灣還是根據《藥事法》第48條之2，以「因應緊急公共衛生情事之需要」​為由，申請專案核准，也就是所謂的緊急使用授權（EUA），所有疫苗都還沒有正式的藥證許可。

指揮中心審核的關鍵在於採購者是否確實能獲得疫苗供貨，陳時中說明，應提出原廠會如期供貨的確認文件，指揮中心也會向原廠確認，「如果大家都非常熱心，卻沒辦法有真正的貨品，反而造成空轉，」根據過去官方簽約採購的經驗，各大疫苗廠都只願意與中央政府往來，市面上幾乎沒有現貨，因此指揮中心必須知道疫苗來源是否正確，並非刻意為難，但如果是中國製造的疫苗，根據法規目前確實是無法進口。

另外，陳時中表示國產疫苗按照原訂計畫執行，還是需要由專家會議來認可安全性和有效性。隨著疫苗供應量增加，會盡量提高施打效率，一樣把目標訂在10月底，期待能達成群體免疫。

■AZ疫苗施打出現不良反應，將由健保先支付醫療費

林口長庚醫院證實，一名30多歲男性在他院施打AZ疫苗後引起血栓反應，於5月22日至該院就醫，經醫療團隊搶救後，27日已從加護病房轉至一般病房，並於6月1日出院，持續追蹤觀察。而該名患者除健保給付項目外，另自費70萬元施打免疫球蛋白。

考量患者家庭經濟狀況，院方亦協助當事人申請預防接種藥害救濟補助，桃園市衛生局在接獲申請後也呈送相關文件給衛福部審查。對此，衛福部部長陳時中回應，疫苗的傷害只要提出申請，政府會來受理，但需要時間，已請健保署先支付費用，未來再向藥害賠償處理單位溝通，算是「代位求償」。他也強調，「希望這段時間大家都能夠安心養病，不要因為經濟造成就醫的障礙。」

不過，陳時中提到的「代位求償」說法不精確。民間監督健保聯盟發言人滕西華解釋，健保代位求償是依《健保法》第95條依據，目前只有汽車交通事故有汽車責任保險之保險人請求代位外，就是公共安全事故、重大交通事故、公害或食品中毒事件中已經有投保責任保險，才由健保署事後向事故單位求償醫療費用，除此之外都沒有代位求償的法定條件。

因為，健保基本上對被保險人的給付是不論「傷病原因」的，無論是因互毆受傷、做醫學美容有醫療事故、因為醫療用藥引發藥害，或因接種疫苗而有副作用就醫，「不管任何原因去看病，只要是健保給付的項目、都是會給付」。至於，使用藥物或接種疫苗(無論公費或自費接種)的不良反應，民眾則可根據救濟法申請「藥害救濟」或「預防接種受害救濟」，這也與健保給付或不給付或是代位求償沒有關係、也沒有衝突。

滕西華指出，但如果這名患者治療的免疫球蛋白屬自費項目，政府若體恤民眾自費需要經濟援助，應是由其他愛心管道協助。病人若要獲得救濟，則提出預防接種受害救濟。

■企業自行篩檢須醫事人員協助、社區篩檢避免動用醫療院所人力

對於民間企業希望自行快篩，陳時中回應現在並未禁止，也沒有強制報備，但篩檢應由醫事人員協助，因篩檢後仍要完成通報流程，希望可以參考醫療外展服務的作業方式，利用健保或法定傳染病通報系統以加快速度，才不會延遲後續處理。民間企業若有疑問，會請地方政府的衛生局和中央的防疫醫師給予指導。

有關篩檢量能，今日上午指揮中心也與22縣市召開防疫會議，副指揮官、內政部次長陳宗彥表示，擴充社區篩檢站的同時也應注意以基層醫事人力為主，避免運用到醫療院所人力，才不會影響到醫療量能。而為加快疫調速度，建議各地政府儘速建立共同調查中心，強化公衛人力運用，迅速掌握確診者相關足跡與接觸對象，匡列出可能遭傳染者以圍堵疫情。

目前全國在6月14日前仍處於三級警戒狀態，指揮中心已請各縣市政府加強管理，近日各大賣場和傳統市場的人流依舊偏高，提醒民眾應減少採購次數。端午連假將至，陳宗彥提醒民眾非必要不要返鄉，以視訊問候家人，指揮中心已請高鐵、台鐵、公路運輸，將每一班次運輸量能降低到2成以下，減少跨區移動帶來傳染風險。

（文／陳德倫、陳潔；設計與資料整理／江世民、黃適敏；攝影／鄭宇辰、余志偉、葉臻、管瑞平）

#延伸閱讀
【真的假的？吐口水就可以驗COVID-19，準確性還不輸鼻咽採檢？】https://bit.ly/3vQd8LL
【COVID-19風暴的醫療倫理撞擊：「沒有呼吸器、也沒病房了，你去問問病人要不要簽DNR？」】https://bit.ly/3czTegL
【【不斷更新】武漢肺炎大事記：從全球到台灣，疫情如何發展？】https://bit.ly/3w3jffK

#報導者 #COVID19 #本土案例 #確診 #死亡個案 #校正回歸 #快篩 #群聚感染 #疫苗 #AZ疫苗 #緊急授權 #EUA

我們的下一代和美國pk科技，能贏在起跑線上嗎？

分享一篇我的好朋友談教育的文章，作者郝景芳是大陸知名新銳科幻作家、教育企業「童行學院」的聯合創始人，比較東西方在兒童基礎教育思維上的差異，探討我們的下一代需要什麼、而我們能為他們做什麼？

文章轉載自郝景芳的微信公眾號：晴媽說（id：qingmashuo），已獲作者轉載授權。

前一段時間，有一所學校招生的新聞悄無聲息佔據了很多關注教育的人目光C位，紛紛議論：如果是你，會送孩子去這所驚世駭俗的學校嗎？

▎從一所學校引發的討論

這是一所什麼樣的學校呢？原來是矽谷鋼鐵俠 Elon Musk 埃隆.馬斯克給自己孩子建立的私人小學，現在對外公開招生了。

消息一經發出，瞬間擠破頭。加州有1000個以上家庭遞交了申請。 （注意！這只是本校Ad Astra的分校Astra Nova，雖然課程和模式照搬了本校，但畢竟只是子品牌，就已經如此轟動了。）為什麼？

我們先來看一下這所學校入學考什麼：

試題一：首次殖民火星任務需要一位隊長。以下為六位候選人自評及他評的創造力、合作力、尋找資源力、定力、學習力、體力、意志力，七個方面的數值。

1.1 請問哪位候選人最適合擔任隊長來完成以下任務：

“存活並在火星建立基地，在兩年後返回地球。”

1.2 如果任務變成以下，誰又更適合：

“存活並在火星建立基地，使用火星的資源建立能源工廠。永久待在火星並等待三年後第二批殖民者。”

1.3 我們是否應該派人去殖民火星？為什麼？

試題二是一款自創的策略桌遊，讓孩子跟對手對戰二十次，摸清桌遊規律，並尋找出最佳策略。

哇哦，這樣的入學測試題，是不是耳目一新呢？你家小朋友會如何回答呢？

馬斯克原本建立的Ad Astra學校，只是給他的SpaceX員工家的少量小朋友辦的”子弟校“，也算是承襲了我們社會主義祖國”企業辦校“的優良傳統，有著濃濃的SpaceX企業風。那麼這所學校日常如何教學呢？

Ad Astra的學生：
- 不分年級：8-14歲的孩子一起上課
- 側重科技：學習的科目主要是編程、AI、倫理和工程
- 練習創業：每人都會建一家虛擬公司，使用學校的虛擬貨幣進行創業和交易
- 接受複雜性挑戰：模擬、案例研究、製造和設計項目、Astra Nova開發的實驗室和企業合作夥伴；學生被複雜性和解決未知問題的能力所吸引。
- 每年更新：每年根據學生和每個項目、實驗室、討論或戰略計劃的經驗教訓來重新設計。
- 讓孩子們喜歡上學：如果學生被認真對待，他們的時間被充分利用，會怎麼樣呢?

哈哈，就是赤裸裸地培養科技創業企業家啊！說不准其中就有SpaceX的繼承人，或是下一代矽谷獨角獸公司創始人。

很想了解一下，這樣直奔主題、前沿酷炫、自由創新、前途未卜、不走尋常路、偏科嚴重的學校，如果是你，會給孩子報名嗎？

▎從科技之爭引發的思考

Ad Astra對科技的重視，讓我們想到近期另一​​個持續火爆的話題：中國大陸的科技和西方發達國家之間到底有多大差距？

我們都知道，自從去年華為被美國針對性封鎖以來，中國科技面臨著前所未有的挑戰：敵人像窮凶極惡的野狼一樣圍追堵截，而我們在關鍵性技術——尤其是芯片上——受到了極大掣肘。美國進入了麥卡錫主義，對所有與科研有關的華人採取排擠和封鎖政策。這讓人議論紛紛、憂心忡忡、怒氣沖衝。

這引發了很多討論：大陸和發達國家的科技差距，最主要的來源是什麼？

對這個問題，我曾經寫過兩篇文章，從資金投入、資金結構、產業結構角度進行了分析：《創新中國仍然缺失的必要環節》和《特朗普貿易戰，為什麼是個教育問題》，在此不多展開。

在此只想分析一種說法：“中國科研起步晚、投入少，暫時落後很正常，只要持續花錢投入，假以時日，一定能全方位超越歐美髮達國家。”

這種說法聽起來很有道理，但是深入分析就會發現問題：如果認為中國20年後科研水平將全方位超越歐美發達國家，那就意味著，20年後，中國的科研主力軍實力水平要全面超越於歐美髮達國家科研主力軍之上，進一步推論，這就意味著，今天10歲的中國孩子，未來的科研能力要全面超越於今天10歲的歐美孩子。

是這樣嗎？我們的少年真能贏在科研的起跑線上嗎？

我向大家推荐一本書：《Cycles of Invention and Discovery——Rethinking the Endless Frontier》，是一本深入回顧科學和科技創新的研究，有不少紮實的工作和洞見（尤其推薦其中講貝爾實驗室的部分）。

這本書裡詳細回顧了現代半導體和通信工業的發展歷程，其中重大的成果節點包括：
- 1956年諾貝爾獎（1947/48年成果）：晶體管的發現/發明；
- 1964年諾貝爾獎（1954/58年成果）：量子電子學的發展引發激光的發現/發明；
- 1985年諾貝爾獎（1980年成果）：量子霍爾效應的發現；
- 1998年諾貝爾獎（1982年成果）：帶有分數電荷的新型量子流體的發現；
- 2000年諾貝爾獎（1957/63/70年成果）：半導體異質結構的發明；
- 2009年諾貝爾獎（1966年成果）：光纖波導的發明；

可以看得出來，這裡面有兩個非常明顯的現象：
1）發達的信息工業背後，是強大的基礎研究作為水下冰山；
2）發現和發明往往先於工業應用很多年。

晶體管的發現/發明（1948年）先於英特爾公司成立20年（1968年），更早於286芯片上市（80年代）。再往前追溯，晶體管的前身電子管，是1884年的想法，1904年的專利。是100多年持續不間斷的強大的基礎研究才導向今天發達的工業應用。那是什麼力量帶來了這樣強大的基礎研究？

基礎研究不同於應用研究。應用研究通常是把所有能獲取的科學成果整合在一起。結果是可控的、時間是可控的、成本是可控的、方向是可控的。但是基礎研究不是這樣。基礎研究方向是完全不確定的，它的目標就是發現和理解，是向未知前行。站在歷史節點上，我們會發現：

半導體的發現不是為了電腦，是法拉第發現了異常電阻現象；電磁波的發現不是為了手機，是麥克斯韋從數學上整合電現象和磁現象；流體力學方程不是為了飛機，是伯努利為了解釋水流速不同的現象；激光的預言不是為了光纖和武器，是愛因斯坦發現的光電效應和量子力學能級理論的推演。

所有這些帶來劃時代改變的重大發現，都是為了解釋自然現象、探索基本規律，背後是抽象思想帶來的快感，是科學家對自然不斷追問的樂趣。

▎教育系統需要作出的改革和困難

從前面的梳理我們可以看到，真正劃時代的重大發現，都是去解決未知問題。但是我們目前的教育，讓學生練習的都是“解決已知答案的問題”，而不是“解決未知答案的問題”。我們練就了孩子們猜測出題人心思的能力，但是真正面對複雜未知的自然，該如何思考和探索，孩子們是毫無概念的。

真正好的基礎教育，是讓孩子學習探索未知問題。這種教育需要教孩子的是探索問題的方法，而不是直接記住答案。

馬斯克在接受采訪時說過，如果你想教別人如何使用引擎，你應該把引擎給他們，讓他們自己動手拆卸，而不是簡單地在教科書上閱讀螺絲刀和汽車的知識。如果一個孩子把引擎拆開，他們會明白所有的部分是如何一起工作的，他們會明白整體，而不是部分。

我們的傳統教育是告訴孩子電磁感應定律是什麼，然後讓孩子通過左右手定則做練習題，而真正培養創新者的教育，應該反過來：讓孩子理解法拉第到底在探索什麼問題，他觀察到什麼，他是怎樣想問題的，是怎樣提出理論猜想，怎樣做實驗驗證，遇到什麼挫折，又是怎樣找到答案，最後得出電磁感應定律。

也就是說，傳統教育是從知識出發，培養創新者的教育是從探索出發，讓知識作為結果。

我們有多少課堂帶孩子了解過科學定律的發現過程？我們有多少學生知道，胡克是為什麼研究彈簧？伽利略是為什麼研究慣性？如果不知道科學探索背後的思維邏輯，就很難做出未來的創新。可是引領孩子探索知識的發現過程太花時間了，沒有哪個課堂有這樣的耐心。

對比中美教育創新，會發現，我們的基礎教育改革實在是太慢了、太難了，不要說一所像Ad Astra這樣顛覆式創新的學校，就連做一些教材和教學法方面的改革，都舉步維艱。

制度政策先不說，人才培養方面，能夠做“以問題為引導”“探究式教學”設計的老師就十分稀缺；考核方式方面，目前之所以只強調應試，是因為其他教學方式缺乏統一評價標準，給舞弊開了口子；教育出路方面，現在仍然只有高考一條路能導向好的職場發展，缺乏和新興職場發展的鏈接；社會環境方面，現在整個大環境都急功近利，讓父母也充滿焦慮。這些方面都讓真正開創性的教育探索困難重重。

▎致力培養下個時代的革新者

我之所以創辦童行學院，就是希望在中國也能做一些面向下個時代培養創新者的事情。辦學校不容易，我們就辦課外學校。

童行學院採取線上課的方式，給孩子項目制的實踐機會，培養孩子知識、視野、思維，並讓孩子感受並學習科學、人文、藝術背後的思維方法。童行學院的所有課程和引導理念，都是以問題為出發，問題驅動的學習。我們在時空之旅課程裡，帶孩子探訪科學家，回到科學發現的現場，跟科學家一起發現知識。這種“問題驅動——激發好奇——引導思考——培養思維——學習知識”的教學思路，是一種從根本出發的教學方式。

在童行學院的“火星探索”項目制學習營中，有一個環節是讓孩子探索“如何讓火星車減速，安全抵達火星”。我們讓孩子準備一個煮雞蛋，用生活中各種能想到的材料，想辦法讓煮雞蛋從高空中落下而不摔碎。孩子通過動手，再和老師討論，會真正理解火星探索過程中的挑戰，也會對重力/空氣阻力/緩衝等等物理概念充滿好奇，熱情發問。

我們希望有更多同路人參與，我們會積極尋找志同道合的合作者，也希望更多家庭和孩子加入我們。

近日，我與阿萊克斯·彭特蘭教授（Alex Pentland）展開了一場”AI如何重塑人類社會”的精彩對話。

《連線》雜誌的資深撰稿人威爾·奈特（Will Knight）主持了這場對話。

阿萊克斯·彭特蘭教授任教于麻省理工學院，為全球大資料權威專家之一，現任MIT連接科學研究所主任、MIT媒體藝術與科學教授，擁有“可穿戴設備之父”、《福布斯》“全球七大權威大資料專家”、《麻省理工科技評論》“年度十大突破性科技”兩度桂冠獲得者等頭銜，曾參與創建MIT媒體實驗室，是全球被引述次數最多的計算科學家之一。

對話金句：

李開復：

 AI最大的機會蘊藏在與傳統企業的結合中，這種價值的產生極其迅速，只需要幾個月，甚至短短幾周。
 未來突破很難預測，對奇點、超級智慧的爭辯，在我看來都過於樂觀了。
 小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，不要與巨頭核心業務正面硬碰。

阿萊克斯·彭特蘭：

 AI絕非試圖取代人類，而是促進多元文化之間的相互連接、團隊合作，讓人們更好的進行社交和連接彼此。
 最困難的其實是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。
 人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

我在對話中表示，當我們試圖解決AI問題時，應該用技術來解決技術的問題，可以尋求與監管部門協作，而不只是丟給他們，“新技術會衍生新的問題，我們應該多方嘗試用更進階的技術性解決方案，就像電腦病毒剛出現時，殺毒軟體隨之誕生。”

彭特蘭教授認為，人工智慧的核心，是促進多元文化之間的相互連接。不只是工程師或科學家，連經濟學家、政治家都必須參與進來。“國家之間應該促進合作、制定互通標準，就像TCP/IP互聯網協定那樣，避免AI冷戰。” 我們都贊同，AI發展從來不是單打獨鬥，跨學科思維、跨領域合作尤為重要。 這場對話是麻省理工學院中國創新與創業論壇（MIT-CHIEF) 組織的高峰對話系列活動，主題是《計算與未來: AI與資料科學如何重塑人類社會》。

麻省理工學院中國創新與創業論壇（MIT-CHIEF）由麻省理工學院的中國留學生創立，至今已有十年，是北美歷史最悠久的、由高校學生組織的中國創新創業論壇。系列高峰對話邀請了頂級科學家、投資人及創業者，共同探討科技創新及商業化過程中面臨的挑戰。

以下是我們對話的核心內容，由我的同事整理、分享給大家：

Part I 主題演講

▌李開復：各方應協作，讓AI 更務實

非常榮幸再次受到MIT-CHIEF的邀請，對於人工智慧的看法，這次我主要想講四點。

第一點是我書裡的主題，人工智慧的超能力。我們已經從人工智慧的發明期步入應用期階段，從應用落地層面來說，正迎來了AI發展最大的機遇。

很多科技公司目前已對人工智慧進行了多樣化佈局，從視覺、語言、觸覺和其他感知技術，到自動化機器人、無人駕駛等，對很多領域開啟了深遠的影響。雖然眼下所見的AI應用仍有局限性，但我預測未來的格局會非常龐大，依據統計，各行各業採用AI的程度目前不到5%，AI應用的中長期增長曲線相當可期。

第二點是我很欣喜看到的一點，AI正在和傳統行業深度融合。隨著人們對人工智慧的瞭解越來越多，更多的AI公司湧現出來。

AI最大的機會蘊藏在與傳統企業的結合中，創新工場也正在説明金融、製造、物流、零售、醫療等行業的公司進行AI變革。

作為AI投資人，我認為在這些行業如果找到正確的AI應用方向，就能帶來上千萬的回報。這種商業價值的產生是極其迅速的，通常只需要幾個月，甚至短短幾周就能看到成果。

現在人工智慧在傳統產業的滲透率仍在個位數，仍然有很大的提升空間。然而對於很多公司來說，它們需要的是高度定制化的方案，而非通用型AI方案，所以融合的過程中，不可避免會遇到不少挑戰和痛點。

第三，我早年做過很多科研工作，很高興能看到關於系統一和系統二（System One, System Two）的討論，我們期待人工智慧技術從系統一升級為系統二，即從識別、決策、優化等能力，升級到感知、認知等進階智慧的能力。

有不同的學派都在努力讓人工智慧更接近人類智慧，其中一個流派主張回歸經典的AI理念，甚至重新構建嶄新的模型結構，在深度學習技術的基礎上利用人類的知識。但我更支持另一個理論——深度學習的潛力還沒有完全釋放。

回看人工智慧過去60多年的歷程，最大的突破來自於計算能力和資料量大增而產生的可擴展演算法。我們看到了卷積神經網路（CNN）帶來的喜人成績，還有預訓練自然語言處理模型（Pre-Trained Models for Natural Language Processing）的廣泛運用。

預訓練模型與人類語言學習的模式類似，不管是英語還是中文，在習得這些語言之後，再去學習程式設計、藝術、化學。在無人監督的學習環境中，這種模式比我們想像得還要強大，就像阿爾法圍棋（AlphaGo）一樣。

最後一點我想說的是，如何讓AI變得更務實。

AI有很多問題，例如隱私、資料安全、治理和監管，在此就不一一討論了。當我們試圖解決這些AI難題時，有人認為讓監管部門加強管理是唯一辦法，其實不然，我們是否也可以朝著研發更厲害的技術性解決方案去努力？

就像電腦病毒剛出現時，殺毒軟體隨之誕生；面對千年蟲難題時，也迅速找到了技術應對方案。我們可以通過研發新技術，應對DeepFake深度換臉程式的挑戰；或者通過聯邦學習技術，在保證資料私密性的同時，滿足深度學習訓練需求。

作為握有技術能力的群體，我們需要與監管部門一起協作，而不只是把工作丟給他們。相信有了各方的助力，我們可以讓AI的應用變得更有深度，更加務實，更高效地克服現在面臨的種種問題。

▌阿萊克斯·彭特蘭：國家間應建立互通標準，避免“AI冷戰”

我對當前的深度學習技術不太樂觀。

最為主要原因是，深度學習不僅需要龐大的資料來源，而且要求這些資料長時間恒定不變，以保證模型訓練結果的可靠性，例如人類的面容、語言，就是相對穩定不變的資料來源。

但深度學習卻沒法應對快速變化的真實情況。亞馬遜在新冠疫情蔓延速度暴增時，出現了倉庫貨物緊缺，不得不停止送貨服務。這種經過深度學習高度優化後的系統發生崩潰，就是因為快速變化的疫情，和深度學習對恒定資料來源的需求是矛盾的。

另外，我想談談如何通過聯邦學習，促進資料的流通。

大多數公司沒有足夠豐富的資料，需要聯合不同的資料來源。基於這種需求，出現了很多新商業模式，比如“資料經紀人”——他們不出售資料，而是把資料借出去，作特定需求的使用。

“資料經紀人”業務湧現了很多，他們促進了資料的流通，也加強了資料的隱私性。因此，像聯邦學習這樣的技術和商業策略結合，有效解決了資料在合規性和所有權方面的難題。

聯邦學習也依賴於新的基礎設施建設，為資料應用和深度學習提供基礎環境，比如區塊鏈技術。現在世界上很多國家在做相關系統的建設實驗，新加坡等國家設置了一種相互競爭的區塊鏈系統，來解決支付和物流問題。我們最近也幫助瑞士做了類似的實驗，涉及不同資料的互通性和連貫性問題。

我們仍在研究如何用儘量少的資料，實現人工智慧的目標。少量資料是指不斷更新的短期資料，這些資料能使AI應對迅速變化的情況，並及時做出調整。

我們打算將AI與其他基礎科學結合，例如阿爾法圍棋(AlphaGo)就是這類結合的初步嘗試。這些方法不依賴于大量恒定資料，可能會比深度學習更加強大。

除此之外，我們在探討用AI保障聯邦學習過程中不同資料方的權益，這是實現不同國家之間的互通性、支付信任度、物流運輸等方面合作的關鍵前提。

另一方面，我們探索如何將AI技術應用於加密資料上。我們和大公司以及政府密切合作，找出解決系統入侵和保障網路安全的方法。

我同時花了很多時間研究與政府的合作。政府很多時候不知道如何通過大資料做決策，也不知道如何進行資料優化。而AI能夠幫助政府實現更高的效率，比如聯合國現在已經有了很多可持續發展目標的相關評估指標,世界經濟論壇也可以為會員國提供不同的標準測算。

基於我們已有的多中繼資料庫，現在可以利用AI實現全新的資料優化方式，將貧困、不平等這種之前無法量化的指標，通過可量化的指標進行評估。

同時，要真正實現這個目標，我們還需要制定統一的互通性標準。如果沒有這個標準，國家之間就不會相互信任去合作，就可能出現AI冷戰。

因此我們需要找到促進合作的方式，就像TCP/IP互聯網協議那樣。而之前我提到的，新加坡、瑞士等現在正在嘗試的區塊鏈系統，將有希望解決國家間缺乏互通標準的問題。

Part II 對話

▌ 美國線上教育發展難度更大，只在ZOOM上講課是不夠的

Q1：疫情加速了行業的改變，遠端醫療、線上教育開始蓬勃發展，這只是AI對人類社會產生影響的冰山一角。想請兩位談一談，目前看好AI在哪些領域應用的未來前景？

李開復：疫情的確對整個社會產生了實質性的影響，人們行為習慣發生了很多改變，更願意接受線上學習和工作了。

這種新的行為習慣產生了大量資料流程，為AI應用帶來了更多可能性。比如大健康領域以及遠端醫療中所產生的資料，可以訓練更智慧的模型。同時更多人開始在基因組學、新藥研發方面結合新的AI技術進行研究，因此我相信AI在醫療健康領域的潛能是非常巨大的。

AI與教育的結合也很值得期待。一方面可以説明老師處理重複性的日常事務，例如批改作業，讓老師得以將時間精力投入到更有創造性的事情上，能更悉心地為孩子提供優質教學。另一方面可以提高學生的課堂參與度和積極性，比如設置卡通版AI虛擬老師，讓課程充滿趣味性。

在中國，有很多線上教育公司在疫情之前就已經發展迅速，像創新工場投資的VIPKID，讓國外的純正英語老師線上上教授中國學生。目前，中國的線上教育已經擴展到了更多科目，包括體育、舞蹈、書法等素質教育課程。

相比之下，美國線上教育發展的難度會更大。畢竟只在ZOOM上講課是不夠的，好的線上教育必須要有好的內容。

▌AI核心是增強人際互聯，應注重文化多樣性

阿萊克斯·彭特蘭：李開復博士提到的教育案例，我不是很認同。

MIT大約20年前就在教育中使用AI，重點根本不是內容，我們甚至提倡將內容免費開放給大眾。

AI絕非試圖取代人類的作用，我們更強調用AI增強人與人之間的互動，讓人們更好的社交和連接彼此。比如手機上人工智慧技術，不是要取代你，而是讓你高效地找到最適合的工作、最正確的人，讓你更容易的獲取資訊，並進行創新。

我們可以利用資料激發更強的創新力，培養領導力。只有基於這樣的宗旨，才能促進更有創造力的教育和學習，這比關注教育內容本身重要得多。

在加拿大，有家創業公司正在訓練普通民眾學習AI，比如水管工，教學效果非常不錯。他們的教育方式不是簡單的教授基本知識，而是以一種能夠激發人們互動思考的方式。

我們之前在中國調研了3000多個孵化器，發現創業公司成功的要素裡，第一個是文化多樣性，也就是說創始團隊背景的複雜性和多樣性。第二個是團隊成員專業的多樣性，他們能否發揮自己所長，並很好地進行團隊合作。

1956年，馬文·明斯基 (Marvin Minsky)提出了人工智慧這個詞。但我們對於人工智慧的理解，不應該只停留在“人工”層面，而應擴展到多元文化之間的相互連接、團隊合作，我把它叫做延伸智能（Extended Intelligence)。這也是我想強調的，人工智慧這個名詞有一定的偶然性，但它的核心點是增強人與人之間的互聯性。

▌AI未來突破難預測，奇點、超級智慧過於樂觀

Q2：未來十年AI有沒有可能取得重要突破？比如GPT-3近期展現驚人的能力。兩位認為未來的突破方向是什麼？

李開復：過去60多年來，深度學習是唯一的重大突破。在這之後，卷積神經網路（CNN）和GPT-3等都算是重要的改善，我對於人工智慧的漸進式改善保持樂觀。

對科學家來說，他們更期待著技術上的突破式進展。但我覺得未來十年基礎科研或許不會有大的突破。但模型相對容易，只要有大量的資料，就可以從實驗室進入到行業應用，CNN和GPT-3都是模型加海量資料的成果。

我是務實派的，雖然持有樂觀態度，但並不是一位“未來學家”。未來的突破很難預測，對奇點（Singularity）的爭辯，甚至預測超級智慧的出現，在我看來都過於樂觀了。

阿萊克斯·彭特蘭：我同意李博士的觀點。很多生物機制很難解釋，包括用感知認識事物、理解聲音、尋找食物等，是深度學習演算法做不到的。但深度學習可以研究科學、制定規則、研究理論，並進行實踐。

從務實的角度來說，我最感興趣的就是聯邦學習。就醫療而言，我們有這麼多醫院，在新冠疫情期間做了很多的實驗，為什麼這些實驗資料不能進行聯合呢？

儘管資料有不相容的地方，但這也是一個很好的機會去探究不同的資料之間的關聯性。在未來，我們對資料的需求也許會越來越少，外科醫生或者物理學家或許不需要太多資料，因為他們對規則已經瞭若指掌了。

▌不要墨守成規，要跨領域、跨學科應對挑戰

Q3：人工智慧會有什關鍵挑戰？對於想從事這個行業的人，有什麼是需要瞭解的關鍵點？

李開復：首先，大背景在改變，新科技層出不窮，我們每年都需要學習新的東西。

其次，人工智慧可能引起各種問題，包括偏見、歧視、倫理道德等，是否危害人類的身體健康，無人駕駛技術該何去何從等等。

第三，人工智慧的研發需要深刻地理解技術對社會、生活與人類健康會產生的影響。我非常欣賞斯坦福和MIT這樣的高校，能夠把AI教育擴展到各個學科，讓研發人員及早意識到自己的責任和價值。

阿萊克斯·彭特蘭：是的，我朋友做過一個有關電的趣味類比，電動馬達最初在工廠裡用於生產的時候，並沒有發揮出多大的作用，因為大家並不知道如何改造生產流程。

AI在一些領域發揮的作用是顯著的，但應用到其他領域時，就需要改造流程。很多情況下，最困難的就是說服人們改變商業流程去使用AI，因為大多數人是墨守成規的。

而有意思的是，就像李博士提到的，像MIT和斯坦福這樣的高校確實在認真嚴肅地對待這個問題。

比如，我今天早上正好就這個話題跟G20領導人對話，大家一致認為我們必須從跨領域、跨學科的角度去面對這個問題，不能只是工程師或者社會科學從業者們在做，經濟學家，政治家等等都必須參與進來緊密合作。

隨著AI的應用領域越來越廣，除了必須具備強有力的技巧來建立社會規則，還需要對研究經費、企業投入等進行各種調整。

▌雖然大公司實力不容小覷，但依舊對小公司抱有期待

Q4：AI研究會消耗大量的資源，我們是否應該將資源往學術界平衡？現在已經發生資源的重新分配和平衡了嗎？

李開復：就人才而言，現在已經有重新平衡的跡象了。

過去，頂尖大學的學者基於待遇和種種考量，不少選擇去企業界工作。而近期，曾任職於百度、海爾、位元組跳動等公司的數位優秀AI科學家已經回歸高校。

但像GPT-3這樣的技術，仍然不是大學和小公司能支付得起的。支撐GPT-3運行的電腦是世界算力第五的超級電腦。每進行一次演算法訓練，就要花費460萬美金，只有像騰訊、穀歌、微軟這個級別的公司才能負擔得起如此強大的算力。

我觀察到，近年的AI創業公司已經和5年前截然不同了。它們一般由AI科學家和商業人才共同創建，為了解決特定問題而生，並非紙上談兵做突破性科研，切入的領域也往往是巨頭公司忽略的地方。

例如，為製造業進行AI賦能，不是一件輕鬆的事，需要去工廠實地勘查，瞭解運作方式。大公司因為賺錢很容易，不願意做這些性價比低的苦活累活。這些小公司的努力一旦有了成果，就會給產業界帶來革命性的影響。所以，雖然大公司的實力不容小覷，但我依舊對小公司抱有期待。

阿萊克斯·彭特蘭：大學和公司是一種融合的關係，不僅體現在人才流動上，也會進行資訊資源分享，彼此是整體性的合作態勢。

當然這也不是絕對，產業界的保密需求還是存在的，只是從學校的出發點來說，我們願意毫無保留地為大家提供更好的研究成果，並與企業合作，形成標準化平臺。

▌人工智慧取代人類需要上百年或更久

Q5：兩位認為什麼是AI不能取代的？

李開復：一類是創造力、分析能力、邏輯辯論能力，瞭解自己知道什麼不知道什麼，這些是人工智慧無法取代的。另外一類是同理心，人類之間的信任、友誼，自我認知、意識等。

阿萊克斯·彭特蘭：人工智慧有朝一日可以取代人類所有的能力，但是這個過程會非常漫長，可能需要上百年或更久。

▌AI創業建議I：找到小切入點，不要與巨頭正面硬碰

Q6：李博士提到了AI在小企業中的運用，可否再舉例說明是如何運用的？

李開復：這個問題分兩部分：一個是小型AI公司與巨頭競爭，我的建議是找准巨頭沒有平臺優勢的細分領域，為某個針對性產業創造價值，並且不要與巨頭核心業務正面硬碰。

對於那些中小型非AI、但想應用AI的公司，需要確保有足夠的資料，以訓練與核心商業價值掛鉤的AI模型，並且有願意變革的開放性公司文化。

所以，早期應用AI的公司可能規模較大，因為他們有足夠大的資料，和可相容變革的商業模型。每個例子都不同，不是任何一家公司都要應用AI。

阿萊克斯·彭特蘭：如果我們放寬AI的定義，或許水管工、合同工都有資料，通過一些簡單的分析、整合，AI也可以在很大程度上改進他們的工作。

這些都是很小的切入點，基於簡單的AI分析、機器學習，依舊可以產生巨大的潛力。

▌ AI創業建議II：知曉技術，同時理解商業

Q7：兩位再分享一下最後的建議？

李開復：我們在步入一個AI開始滲透到方方面面的令人振奮的時代，我希望所有的學生們都能參與到這個改革浪潮中。要深刻地理解人工智慧的商業落地，而不僅僅鑽研技術本身。

阿萊克斯·彭特蘭：不要太較真於深度學習或者冗長的演算法，一切始於要解決的現實問題。不要止步於技術本身，要明白資料類型、形態和規律，關注商業流程。

感謝葉樂斐、劉諾、藍萱、張昊、陳冬傑、劉子昂、張梓煜、錢淩寒、水一方、沈雍在校譯和審閱上對本文的貢獻。