關於 deepfake定義 ，我們在網路上蒐集到這些相關的討論、資訊與評價

#法客電台：臉被偷走的她們——法律還有辦法嗎？

Featuring
蔣宜婷記者｜鏡傳媒
朱芳君律師｜數位女力聯盟
——
🎭 臉被偷走以後？

你有想過你的臉可能會被偷走嗎？「深偽／Deepfake」技術出現後，即使不具備相關技術的人，也能透過 AI，讓任何人成為色情片主角。

「換臉」不再只限於靜態照片。

技術的發展成為，鏡傳媒前陣子發表新聞專題「臉被偷走以後，無法可管的數位性暴力」，訪問網紅奎丁、球球，以及政治人物黃捷、高嘉瑜等人，從他們的口中敘述，如何面對自己成為 Deepfake 色情影像受害者的事實和感受。
——
什麼是數位性暴力？

行政院根據《聯合國消除對婦女一切形式歧視公約》，將性數位／網路暴力定義為：「透過網路或數位方式，基於性別之暴力行為。即針對性別而施加他人之暴力或不成比例地影響他人，包括身體、心理或性之傷害、痛苦、施加威脅、壓制和剝奪其他行動自由等。」

具體來說，有 10 種行為：

1⃣️ 網路跟蹤
2⃣️ 惡意或未經同意散布與性／性別有關個人私密資料
3⃣️ 網路性騷擾
4⃣️ 基於性別貶抑或仇恨的言論或行為
5⃣️ 性勒索
6⃣️ 人肉搜索
7⃣️ 基於性別偏見所為的強暴與死亡威脅
8⃣️ 招募引誘
9⃣️ 非法侵入或竊取他人資料
🔟 偽造或冒用身分

但也有人認為，這樣的分類仍然太抽象，無法具體的反映在各種數位性暴力行為上。如今像是直播、Airdrop、AI 技術，以及智慧型裝置的發展，科技使用的門檻越來越低，淪為有心人士的數位性暴力工具。

如果我們的社會沒有意識到嚴重性，性暴力更將隨著科技的發展而無所不在。

朱芳君律師在節目中提到，數位女力聯盟在過去雖然有接觸到一些「換臉」的受害者，但受害者們擔心遭到報復、甚至加害人將事情鬧大，因此目前仍沒有受害者提告。

數位性別暴力到底有多嚴重？法律該怎麼解決？
——
🎧 現在打開你的 Podcast App 收聽這集：https://reurl.cc/qgZrDq

鏡傳媒新聞專題 🔍「臉被偷走以後，無法可管的數位性暴力」https://bit.ly/3iGoiiE
——
💡 重要精彩重點
——
🎭 Deepfake 是什麼樣的技術？
🎭 Deepfake 地下經濟如何進行？
🎭 Deepfake 製造的影片對受害人造成什麼傷害？
🎭 法律如何保護 Deepfake 受害者並遏止加害者？
🎭 一般人能採取什麼行動？
——
🎧 立即收聽 https://reurl.cc/qgZrDq
——
鏡週刊 數位女力聯盟widi

#法律白話文運動 #Deepfake #數位女力聯盟 #鏡傳媒

「今年參加了1400場視訊會議，沒有交到一個朋友」

疫情對AI行業所帶來的最大影響，是什麼？
今年最令人興奮的AI新技術、新應用，有哪些？
甚至未來10年、20年，AI發展的方向，又該何去何從？

針對這幾點，前陣子做了個有點意思的 MEET2021 年度對話，也在這裡分享，原文來自「量子位」微信公眾號：
……

站在2020年，如此不平凡一年的歲末，AI業界有太多諸如上述的問題急需回答。

要點
• 疫情帶來最大的影響，就是加快了資料化，加速了線上化和AI化。
• 疫情是巨大的災難，同時也極大推動了AI的進一步落地，這一年可能相當於三年的進程。
• 最讓人振奮的黑科技，是AlphaFold和GPT-3，後者對行業更具有潛在的顛覆力量。
• AI給社會帶來最大的價值，肯定不是黑科技。
• 擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力。
• 大陸的新基建會進一步推動AI新經濟，這會是一個新的時代，一次新的文藝復興。
• AI從業者們需要記得：權力越大，責任越大。

▎疫情加速AI化，一年相當於三年

李根：再次感謝開復老師來幫我們總結這一年，與往年相比，今年最大的不同是什麼？

李開復：今年的工作節奏改變了，我一共參加了1400次線上會議，非常有效率，進行了特別多的開會和演講。但是1400次這樣的會議，沒有讓我交到一個朋友。所以我覺得線上會議雖然帶來了效率，但是還是要回歸面對面的本質交流。

李根：但受疫情影響的這個過程，也是線上化被加速的過程？

李開復：這是疫情帶來的最大的影響——加快了資料化、線上化和AI化。AI最重要的核心就是海量的資料，可以催化更多新的應用。
比如線上會議，我們並不見得那麼容易區分視訊會議中的那個人，是不是真人。所以有時候線上講座或者網路不穩定的時候，我們會選擇錄製，而且錄製一次，也可以用很多次。由此延伸，以後線上上，比如你做推銷，做客服，甚至做電視節目，其實都是可以用虛擬人來替代的。我們現在還無法造出一個讓你分不出來的3D虛擬人，但是在視頻裡完全可以。DeepFake不是一個向善的應用，但是把它的技術應用在建設性、有益的方向，我覺得可以帶來特別多的應用。而且有了資料，各行各業就可以評估哪些工作或者流程，可以進一步數位化。數位化以後，重複性的工作就可以被AI取代了。

此外，除了社交距離縮短，可以發現機器人出現的頻率越來越高。比如，我們去餐館時，會有機器人送餐到客人那裡。很多機器人產品遍佈很廣，無論是倉庫、工廠，甚至我住的公寓裡面，每次最後配送都是機器人了。在美國情況也很相近。美國以前也沒有支付寶，也沒有美團，現在都開始有了。所以總結起來，我覺得新冠疫情是巨大的災難，但與此同時，也極大推動了AI的進一步落地，帶來數位化、IT化，帶來AI化，可能這一年相當於過去的三年。

▎AI最大的經濟價值並非“黑科技”

李根：今年依然有令人興奮的技術進展？

李開復：今年最讓人振奮的技術是DeepMind的AlphaFold，還有OpenAI的GPT-3。其中，我認為可能對行業更有潛在顛覆力量的是GPT-3。不見得說是用它生成小說什麼的，而是用特別大的海量、自然語言資料，訓練一個預訓練模型，這個模型是可以應用到很多新領域，比如說寫詩、做對話，或者是寫小說等等。而且這個新技術一推出，其他公司很快就採用了，比如說搜尋引擎，因為這個技術已經能提高了好幾點的精確度；此外，OCR在提升，客服也在提升，微軟小冰也在繼續提升對話精確度。

所以我覺得這種預訓練語言模型，它可能帶來的就是一次性訓練一個巨大的模型，然後快速產生AI應用。當然，也存在很多的問題：
• 它做一個模型要花1200萬美金，一般的創業公司該怎麼辦？教授學者該怎麼辦？
• 此外，訓練一個模型就要燒掉好多能量，這對於我們節能的未來又怎麼辦？
• 還有，巨頭會不會產生壟斷，只有巨頭公司等才能做這麼巨大的模型。

當然，GPT-3本身還沒有驗證足夠多的商業價值，但毋庸置疑這是一個最大的科技創新。不過我想強調的是，AI給社會帶來最大的價值，或者帶來最大的經濟價值，肯定不是這種黑科技。黑科技會有很多，我們也在繼續投機器人等項目。但是，我覺得今天AI的技術已步入成熟，可以被傳統公司擁抱。比如剛成為AI獨角獸的創新奇智，就可以看到AI給傳統行業，無論是製造、健康、醫療、零售、金融、保險、物流等等，都可以帶來立竿見影的巨大效果。所以今天我在這裡呼籲一下，擁抱AI是大家最大的機會，而且越早擁抱AI，就會擁有更大的競爭力；越晚擁抱AI，生存的空間可能會被進一步壓縮。

李根：怎麼樣才能大家擁抱AI？

李開復：還是要有資料，說了這麼多打雞血的話，但是務實的來說，是不是今年傳統公司擁抱AI就會帶來價值？大部分是不會的。
因為AI是要吃資料的，所以就要求公司擁有海量的、結構化的、有標注的，達成商業目標的脫敏精確資料，而且最好是只有你有，別人沒有的，那你的機會就來了。

什麼樣的公司有呢？比如說銀行、保險公司天然就有，金融領域的資料必須要符合要求。而有些領域就會難一點，比如說做工業製造等等，需要先把你的工業製造替換成機械臂、替換成無人叉車，可能要放很多的感測器，才能瞭解機器出了什麼問題。所以對有些公司是很容易的，但一些公司卻是很難的。如果今天你有資料，趕快想怎麼去應用；如果你沒有資料，快想想怎麼把資料累積出來。
新基建推動AI新經濟

李根：剛才都在談這一年，而新基建被認為會奠定下一個十年的發展？

李開復：我們回顧中國人工智慧奇跡般地崛起之路，可以發現其中的創業者、移動互聯網、資料，還有大陸優秀高校培養的高科技人才，這些是最重要的。但其實，還有非常英明的政策。這不是一件容易的事。這在很多國家都有討論，例如美國，奧巴馬政府當時大力支持了一個新能源的公司結果沒有做成，受到了很多的垢病。
而中國就有很鮮明的對比，大陸的科技政策整體來說應該是讓民間、業界做他們擅長的事情，用市場經濟來競爭，而政府幫助他們做民間做不了的事情。比如說我們AI的崛起，很大的程度是因為各地有政府引導基金支持，這樣可以選擇性的去做LP，幫助早期的AI產業能夠創立起來。

另外，“新基建”政策的落實也是非常大的利好。新基建除了5G和大資料中心，還有IoT、人工智慧、智慧城市等多方面的落實，利好的政策會進一步的拉動中國經濟進一步地往數位化、智慧化方向轉型升級。所以，當政府把上述的事情做成並且形成一個平臺，讓創業公司以及大公司能用到，我覺得這就是非常明智的。

當然，新基建裡AI涵蓋的範圍有多大，一些新技術是否有機會納入？可能值得進一步探討。比如類似GPT-3等需要大量資源去做訓練，才能進一步推動起來的潛力新技術等。我們發現AI的訓練越來越貴了，已經不是一個教授團隊和創業公司可以承受的。對於這樣存在類似潛在爆發性成長的技術，是否能有機會能從更高的維度推動，值得期待。

李根：您最近也旗幟鮮明提出了“AI新經濟”，所以是時候用這個新概念來定義這個時代了嗎？

李開復：對，雖然很正面的描述，但是時候了，我最近在《紐約時報》寫了一篇專欄文章，裡面談到的就是說剛才講的疫情促進了資料化、IT化、AI化。疫情推動了各行業的數據化，其實一個隱憂就是“工作被資料化”了，可以被外包或者AI取代。當我們有這麼多機器人的時候，它也會取代很多藍領的工作，白領其實也是一樣的，很多後臺、BPO的工作，在做檔處理的，或者是做客服的，這些工作都會被挑戰。有些人會說我們要把技術發展的慢一點，但這些絕對不符合實際，因為沒有技術是會慢下來的。

AI新經濟一方面我們要擁抱這些技術進步，讓它儘快觸達每一個角落。但同時，它所帶來失業的問題，我們需要有一些針對性的應對措施。所以我的文章主要談的就是，怎麼樣能夠快速地讓社會認知，繁複的、無技巧的重複性的工作將會消失，然後如何重新訓練這一批人，幫助他們快找到新的方向，去做更有價值也更擅長的事情。與此同時，大家就能花寶貴的時間在我們更有價值、更熱愛的事情，比如藝術、公益等創意和決策類的工作，或者是多和親友相處，結交認識新朋友等等。

這將發揮人類的光芒，我把他稱為一個新的文藝復興，讓人可以再一次找到意義——人為什麼而存在？

▎全球化依然是必然之路，中國大陸軟體將占世界半壁江山

李根：上一次文藝復興伴隨著第一次全球化開端，但這幾年全球化進程似乎受阻？中國創業者想做80億人的生意，但事實證明很難。

李開復：全球化是必然之路，很多“美國至上”的人說中國是沒有創新的，只有中國人用中國的軟體，但是我們在座的每一位都知道，中國大陸過去10年發生了巨大了改變，這句話在今天是完全錯誤。因為中國的創新從TikTok到華為，到小米，到美團，還有很多創新的公司，包括我們AI四小龍，這些都是美國沒有的。所以我們應該非常的自豪，今天中國的創新至少在IT、AI的領域是有機會彎道超車的。有一些地方美國更強，技術更深，但是我們的商業化做得更快。在這種前提之下，我們自然也必然會走向全球。

我們怎麼樣走向全球呢？這裡我還要比較務實的說一下，其實很多國家的使用習慣和語言文化是有巨大差別的。如果今天要把中國所有好的產品都推到歐美，這其實不現實，因為歐美的使用習慣已經固化了。他們用的那一套無論是To C還是To B都很難去改變，但是我覺得其他的國家和地區，例如從東南亞到“一帶一路”所有的國家和地區，包括了中東、非洲、南美等，這些國家的用戶其實更像我們的年輕用戶。而且，他們使用美國產品的習慣還沒有固化，與此同時，美國公司不太重視這些市場，但是這些國家的經濟，我們認為未來都會起來的。

所以你剛剛說的“走向80億”，我覺得不現實，但是走向60億是可以的，應該是世界GDP的1/4，人口的3/4。我們的創業者是願意走出去的，所以我覺得出海會變得非常重要。我們的軟體出口、技術出口，人工智慧出口，這些一定會發生。在我寫的《AI·新世界》出版的時候我就說過，在10年之內，中國將占世界軟體的半壁江山。當時很多人也認為這是一個非常樂觀的預測，但是現在看來我們正在往這個方向去做，而且當時還沒有看到TikTok這樣的產品。但是我們要謹慎，不是說歐美這些國家還是相當牛，而是TikTok在歐美的成功，不是那麼容易複製的。
“+AI”會在各個行業開花結果

李根：剛才開復老師談到現在技術創業越來越難，您還會投技術公司嗎？

李開復：當然投技術公司，我剛剛講的每一句話，都是我們投資的策略，我講了那麼多對機器人看好，我講了對大語言模型特別看好，還會投的。只是說我們不能夠期待像過去出來那麼多，創新工場在過去的4年，我們的AI領域一共出了7家AI獨角獸；未來4年的小目標，先定個3家AI獨角獸公司吧。

李根：但AI深入傳統行業已是趨勢？最近創新工場還投了“農業”領域的公司，這是以前很難看到的。

李開復：你指的是極飛科技吧？但極飛不能按農業來定義，極飛科技的產品是很高科技的無人機和自動駕駛，場景是把農業工業化。
工業製造和農業生產大有不同，比如你想做智慧製造，用AI來做機器人，或者做一個iPhone，做衣服，做鞋子，場景不同要求是完全不同的。但是農業播種或者施肥等場景較容易標準化。比如棉花田、稻田等，較容易批量化大規模作業。

不但大陸是這樣，國外也是如此。目前，農業市場AI滲透率只有大約5%，我們對極飛本身不但非常認可，而且也認為這是非常好的國際化的產品。因為農業場景比如播種子等，在全球幾乎通用，沒有太多語言的障礙。

李根：可以解決80億人的吃飯問題。
李開復：是。（笑）

李根：剛才談論的都是傳統領域“+AI”的話題，不妨讓我們更發散一些，請您談談以下幾個領域可以如何“+AI”？比如今年最受關注的“線上教育”。

李開復：線上教育中國做的是非常好，互動化很強，而且是孩子真的很喜歡。但是一些課程，尤其是小朋友的，用一些卡通人物AI或許更有效果。我們可以想像，未來會是一些可愛的卡通人物作為孩子的老師，甚至可能有一些同學是虛擬同學。有氛圍，也更高效。
這種情況下，不但你的成本更低，而且小朋友考試分數更高，也提高了學習興趣。所以“＋AI”後的人機互動模式，不僅可以降本提效，還能提升孩子趣味性。

李根：這個領域聽起來對開復老師挑戰不是很大，我們出一個難的，我們說一個雞尾酒如何“+AI”？

李開復：其實雞尾酒肯定是機器調得比人好，因為雞尾酒有不同的成分，機器可以算得更准。但是，我們要考慮的是，如果去酒吧喝酒，可能醉翁之意不在酒，而是要有一個非常善解人意的酒保來跟你聊天。所以我覺得以後酒保跟你聊一聊就可以了，酒還是要機器來做，歸根結底，機器調酒師替代不了人之間的交流和陪伴。

▎找對象也能“+AI”，媒婆AI知道誰最適合你

李根：不知道在酒吧，能不能順便把找對象的問題，用“+AI”的方式解決了？
李開復：這可能會在下一代成真——不過不是我的下一代，我的下一代已經有對象了。你們的下一代找對象，可能會跟今天傳統的方式完全不同。就像今天美團比你更知道你想吃什麼，攜程比你更知道你想去哪裡，今日頭條更知道你想看什麼，未來你的媒婆AI一定知道誰最適合你。

每一個人這一輩子找對象，可能就是周圍認識的人裡面找，無論怎麼算都是幾萬人，最多幾十萬人。但是，以後AI可能會更瞭解你，瞭解你是什麼人，瞭解你會喜歡什麼物件，它幫你推薦的人，一定比你自己找的人，或者朋友幫你推薦的人更靠譜，更合適。也就是說，你選擇的範圍可能不是從幾萬人裡面選一個，可能是在80億人中幫你選。

當然，最後的選擇權在你手裡，今天你靠朋友幫你推薦5個對象你選一個；未來AI幫你推薦的5個對象，會來自於80億人，會更貼近於你的需求。所以你們孩子的未來，一定會更幸福！

▎AI從業者也得有“希波克拉底誓言”

李根：謝謝開復老師，今天時間也差不多了，最後再請您站在明天給一些建議吧？比如站在20年後（2041年）思考，我們該有怎樣的責任和使命？

李開復：對於AI的工作者，我們今天都低估了AI道德帶來的一些影響。我們可能看到網上說隱私問題、公平問題，或者大公司掌握太多資料左右我們思考問題。但隨著大公司對AI資料的掌控，其實這些問題越滾動越嚴重，我們去怎麼處理？我覺得我們一定要做AI的從業者，就像醫療的從業者有一個叫做希波克拉底誓言，作為一生我要把人的生命作為最神聖的事情，我一定要捍衛。

做AI工作者其實不是一個工程師，你要考慮到所做的每一個演算法，你的每一個貢獻都有可能造成因某一個人種或者性別帶來的不公平待遇；可能會帶來某一些人不能夠被公司雇傭；可能會造成某些人終身可能沒法往上爬；可能會造成一些醫療錯判傷害人、會造成無人駕駛撞到人。

所以每個工程師應該有一個神聖的誓言，應該認真的去用各種工具，來確保自己做出來的軟體帶給人類的是進步，而不是帶來各種的這種不好的後果。我覺得要特別認真的看待自己的責任，With great power, comes with great responsibility. 我非常認可 “權力越大，責任越大”這句話。

其實AI的工程師、AI的從業者，你們的權力是巨大的，一定要重視自己的責任。同時，確保以後的用戶得到的是幫助和福利，而不是被傷害。

▎One More Thing

最後的最後，還有一個小小小環節，來一次今年的快問快答。

李根：今年最成功的個人股票投資？
李開復：Zoom。

李根：今年最想推薦的一本書或者電影？
李開復：《皇后的棋局》（The Queen’s Gambit）。

李根：今年最有啟發的一次交流？
李開復：跟尤瓦爾·赫拉利，《未來簡史》作者的一對一交流。

李根：到底米其林靠譜還是黑珍珠靠譜？
李開復：中國黑珍珠靠譜，國外還是要靠米其林。

李根：為什麼從一開始就不看好馬斯克的2020年百萬RoboTaxi？
李開復：馬斯克有一句名言，我認為最貼近他的個性。他說他一切預測都會成真，只是時間上別聽他的。所以我相信他會成功，只是可能會需要5年或者10年。

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。

國際美人 鍾明軒 《當我說真話的時候 我感到自由》5.15 暢所欲言
🎧 數位收聽：https://zmx.lnk.to/IFFWISTTAY
＿

我知道自己或許永遠不會是，你們心中最好的歌手
但如果你跟我一樣喜歡音樂
如果你也有想要勇敢表達的事情
唱一首歌 說出來
我可以，你們也做得到！

當話題人物假新聞推銷著謊言
當藝人不能隨心所欲表達自己
當孩子們不敢拆穿國王的新衣

「當我說真話的時候我感到自由」--鍾明軒

由全方位金獎製作人 陳珊妮
X
金曲獎最佳音樂錄影帶導演 談宗藩
X
2020香港金像獎最佳攝影 余靜萍

高規格聯手打造
最具話題，自我遊走，最『鍾明軒』的一首歌
＿

鍾明軒最廣為人知的人設形象，被陳珊妮記錄成旋律，再被談宗藩雕塑成具體，最後由余靜萍捕捉成 你沒看過的 國際美人 鍾明軒。

「當我說真話的時候 我感到自由」詞曲作者陳珊妮引用鍾明軒的話作為歌曲的歌名與主軸，看似平淡的一句話，卻也是每個人心目中最渴望的那份誠實。製作人陳珊妮 : 「面對如此有趣，這麼多想法的鍾明軒的製作人，不需要將不屬於他的東西，強加在他身上，把他喜歡的東西具象化，就夠了。」

「原來，唱歌不只是單純的自唱自爽，它是一種我可以在唱歌的過程中，透過唱的過程來說話、讓它有表情、有內容、有延展、有藝術。」對明軒來說，「唱歌」與「表達想法」都不是件陌生的事，但美好的結合在一起卻是件新鮮的事。對製作人陳珊妮而言，鍾明軒雖看似很多自己的想法，同時也是非常尊重專業並且非常認真的表演者。進錄音室配唱之前，陳珊妮都會直言不諱的先告訴他，關於唱歌技術上的問題，之後明軒幾乎每天都會傳練唱的音檔給製作人，製作人再將需要注意的部分註記在歌詞上回傳給他，隔天他再修正自己的問題，再給新的音檔。就這樣，在每天一點進步中錄完這首歌。

《當我說真話的時候 我感到自由》由台灣電子音樂的佼佼者—黃少雍負責編曲，他不但是台灣最重要電子音樂廠牌派樂黛唱片的主理人，與徐佳瑩，艾怡良，魏如萱..等多位歌手的合作都備受獎項與樂迷肯定。本首單曲找來黃少雍編曲，是因為鍾明軒對於自己最喜歡的流行電音曲風，所表現出的強大企圖心。

本次 MV 由夢幻組合「談宗藩x余靜萍」操刀，高默契的合作下，不僅完整呈現余靜萍眼中的國際美人，更加透過高格攝影，凝結鍾明軒不同以往的姿態與神情。更加值得一提的是 MV 中首次使用了 Deepfake 技術，讓2020年的鍾明軒，擁抱了2012年的自己，為 MV 留下非常動人的畫面。也希望讓更多，試著和過去的自己和解的人，都能夠真心擁抱自己獨一無二，在這世界存在的軌跡。

#鍾明軒
#當我說真話的時候我感到自由

＿

■ 當我說真話的時候我感到自由
詞曲：陳珊妮

大家都在努力 做自己
我做我自己 無需為誰努力
除非
你努力定義 的自己
全都是想像 從來不是你

你的造型 變成meme
你的美麗 任人貶低
別哭 別自我懷疑

要傾聽你的心

Be Free
Be Free
我曾經
不知道自己是什麼
不確定能成為什麼
如果我終於能為你
說些什麼
Be Free
當我說真話的時候我感到自由

大家都在努力 做自己
我做我自己 無需為誰努力
或許
你一直相信 的自己
全都是謊言 從來不是你

你在心底 藏了秘密
你說人性 充滿惡意
別哭 面對冷暴力

要傾聽你的心
Be Free
Be Free
我曾經
不知道自己是什麼
不確定能成為什麼
如果我終於能為你
說些什麼
Be Free
當我說真話的時候我感到自由

沒關係
你總會習慣你自己
沒關係
時間是最好的證明

Be Free
Be Free
我曾經
不知道自己是什麼
不確定能成為什麼
如果我終於能為你
說些什麼
Be Free
當我說真話的時候我感到自由
＿

詞 Lyrics：陳珊妮
曲 Compose：陳珊妮
製作人Producer：陳珊妮
編曲 Arrangement：黃少雍
吉他 Guitar：徐研培
和聲 Backing Vocal：陳珊妮
口哨 Whistle ：談宗藩
錄音 & 混音 Recording & Mixing：陳文駿(強力錄音室 Mega Force Studio)
母帶後期處理 Mastering：王秉皇(洋活音樂SeaSide Mastering)
＿

導演 Director：談宗藩
製片 Producer：劉怡佳
場景經理 Location manager：許嫚真、楊悅暄
現場製片 Production Manager：陳俊宏
場務 Set Coordinator：王仁佑
美術設計 Art Designer：梁碩麟
現場美術 Set Decorator：簡承德
攝影指導 Director of Photography：余靜萍
攝影大助 1st A.C：孫紀明
Movi技術員 Movitech：游皇修
攝影助理 Assistant Camera：梁頌軒、陳冠綸、歐芷嫣
燈光師 Gaffer：謝松銘
燈光助理 Best Boy：顏永紘、王厚恩、張紘賓、陳采妤
造型 Costume Designer：陳珊妮
妝髮 Make-up Artist ＆ Hairstylist：張小依
生活製片 life Worker：黃小綺
妝髮助理 Stylist & Make up Assistant：張可欣
選角指導 Casting Director：陳靜媚
演員管理 Casting：黃怡婷 陳育萱
演員 Actor：
男孩／游進勝
黑衣人／陳俊宏、王仁佑、黃怡婷、陳育萱
路人／梁碩麟、布魯斯
平面設計 Graphic Designer ：畢展熒
後期 VFX Post-Production VFX：談宗藩、曾筱涵
Deepfake 製作 Deepfake Production ：撞臉劇團
藝人經紀 Artist Management：飛碟娛樂有限公司

特別感謝 Special Thanks：
宏達攝影
Seivson
(A)crypsis
PS髮廊士林夜市店
阿爾法咖啡-永康街
＿

■ 更多 鍾明軒 相關消息：
鍾明軒 官方 Facebook：https://www.facebook.com/ZhongMingXuan/
鍾明軒 官方 Instagram：https://www.instagram.com/big_star_ken/