14/11/2025
#社會觀察
我們之前講了很多人類大腦外包的危險、還有AI並沒有想像中萬事通的事,這個月初遠見高峰會請了學界、商界、科技業界影響力甚大的龍頭們來對談,遠見雜誌也發了一篇特稿《AI水電工20年內不會出現!但台灣培養人才應有新思惟》,那在這個已經有多重領域都勢必與AI協作的年代,人腦的價值到底在那裡?
在10月份的《管理科學》期刊上,由德國與美國的資訊及決策科學的專家就談了這個問題: #人腦並不適合高負擔的多工處理, #因為在任務與任務切換間會產生顯著的時間成本和認知負擔, #而快速處理大量、 。例如,快速篩選數以萬計的數據、生成標準化的報告…等等。
, #人腦適合面對新穎未知、 #非標準化、 #缺乏大量已知數據、 。
在這個人與AI競合的年代,工作產生了幾種組合:
1. AI 自動化接管🟢: 適用於相對容易的任務(AI 對該領具備好表現或高確定性)。
2. AI 增益人類表現 🟡: 適用於中等難度的任務(人類和AI表現相似)。當然這建立在人類有區分正確與錯誤建議的能力上。
3. 人類群體工作 🔴: 適用於相對困難的任務(AI 不具備好表現或低確定性),人類在沒有AI支援下,利用重新組成的人力資源,組成群體來完成最艱鉅的挑戰。
在這個圖表裡,實驗團隊進行了影像分析的任務,縱軸最上方是AI 角度來看最困難的圖像,最下面就是AI 角度來看最容易的圖像,橫軸是人力資源可動用的數量,藍色表示可讓AI 獨立作業的,橘色是AI 與人類混成工作,灰黑色表示需要幾個人一起完成此任務,可以看到:
➡如果沒有人力資源可用(0%),所有工作顯然都只給 AI 自動化完成。
➡當新增人力資源時,它們會首先被分配到AI 比較不會的困難任務上,並組成人類團隊來解答。
➡隨著有更多人力資源可用時,人類團隊更重要,或是人類團隊一起審視AI 的建議。如:84% 的人力資源被分配到 20% 最困難的任務上,整體表現可以達到超過平常績效68%的水準。
人腦有幾個和AI很不一的學習方式,有時是劣勢,有時卻會是優勢:
(1)人類只有受限的理性,很多事我們知道不少但不太能有語言清楚地描繪 (這在哲學上是有名的Polanyi's paradox),就可以依此有能力憑直覺做決策
(2)人類有一定的類推、自我啟發 (比如:做一件事當中有什麼聯想、領悟)的能力
(3)人類有相當「做中學」的本領
(4)不可少的還是多次強調過的,人類需要有足夠的背景知識與批判性思考力,才能在AI世代善用AI,而不是被AI所欺。
參考文獻:Fügener, A., Walzner, D. D., & Gupta, A. (2025). Roles of Artificial Intelligence in Collaboration with Humans: Automation, Augmentation, and the Future of Work. Management Science.