誰反對 AI?主要批評者與他們的論點

反對 AI 的人並不是同一個群體。其中包括擔心安全風險的科技專家、捍衛創作勞動的藝術家、憂心學習成效的教育工作者、關注隱私的倡議者、勞工組織者、心靈哲學家,以及曾在自動化系統上吃過苦頭的普通使用者。要理解誰反對 AI,就必須把「對特定應用的批評」和「對整項技術的反對」區分開來。本文梳理這些立場、說明各項論點之間的差異,並提供一套實用的方法來檢驗它們。

誰反對 AI?主要陣營

「誰反對 AI」這個問題,往往被當成好像存在一個統一的反 AI 運動。實際上,批評者會聚集成幾個目標各異的陣營。有些人反對特定用途,例如警務中的臉部辨識或自動化招募篩選。有些人反對發展方向,主張能力推進的速度已超過安全研究的進展。還有一小群人基於哲學或精神層面的理由,原則上反對這項技術。這些陣營有時會重疊,但他們的論點不能互換。

第一個有用的區分,是「應用批評者」與「發展批評者」。一位禁止學生在作文作業使用聊天機器人的老師,批評的是特定情境下的應用。一位簽署公開信、呼籲暫停前沿模型訓練的研究者,批評的是發展的速度與治理。一位主張機器不可能理解任何事物的哲學家,則是在對技術本身的極限提出主張。當你看到某則標題說某人反對 AI,請先確認他實際提出的是這三種主張中的哪一種。

  • 安全與治理批評者:關注濫用、意外事故與監督不力。
  • 勞工與經濟批評者:關注工作被取代、薪資壓力與權力集中。
  • 創作與文化批評者:關注同意、署名與人類工藝的價值。
  • 教育批評者:關注依賴、評量誠信與淺層學習。
  • 隱私與公民自由批評者:關注監控、資料蒐集與偏見。
  • 哲學批評者:關注意義、理解與機器的道德地位。

反對人工智慧最有力的論點

「反對人工智慧」的論點中,最有分量的通常具體且有憑有據。其一是問責缺口:當自動化系統做出有害決定時,往往難以確認誰該負責。其二是黑箱問題:許多高效能模型無法充分解釋自己的輸出,使錯誤修正與稽核變得困難。其三是集中問題:訓練前沿模型所需的資源掌握在少數企業手中,這就引發了誰制定預設值、又為誰的利益服務的疑問。

第四個論點與回饋迴路有關。當 AI 生成的內容大量湧入某個領域,要找到可靠的人類創作素材會變得更難,而以這些內容訓練的模型可能繼承其中的錯誤。第五個論點涉及同意與補償:許多創作者並未同意自己的作品被用作訓練資料,經濟利益也未必有明顯的共享。這些論點不需要你相信 AI 是邪惡的,只需要你相信部署的速度已超越原本負責治理它的制度。

為什麼有人反對 AI?動機很重要

若想理解「為什麼有人反對 AI」,請看他們經歷了什麼。一位因機器翻譯而失去合約的譯者,其反對理由不同於研究模型濫用的安全研究員。一位擔心孩子與聊天機器人伴侶互動的家長,其反對理由也不同於正在辯論自動化決策系統的市議會。動機會影響批評者認為哪些證據有說服力,以及他們提出哪些補救方案。

這對辯論很重要。出於勞動取代而反對的批評者,可能被再培訓與協商方案說服;出於安全而反對的批評者,可能更在意評估標準與許可制度。把所有批評者當成同一陣營,會導致反駁軟弱無力,因為你最後攻擊的是一個對手根本沒抱持的立場。更精確的做法是問:批評者心中想的是哪一項應用、哪一種傷害、哪一種補救。

當人們說「AI 是錯的」,他們是什麼意思?

「AI 是錯的」這句話至少有四種不同意思,混淆它們就會產生糟糕的論證。它可以指事實錯誤:模型產生了不實陳述。它可以指道德錯誤:在該情境下使用這套系統並不正義。它可以指知識論上的錯誤:系統無法為自己的輸出提供正當理由。它也可以指美學上的錯誤:輸出平淡、抄襲痕跡明顯或空洞。每種主張都需要不同的證據。

事實錯誤要靠查證來源來證明。道德主張要從傷害、同意或公平等原則來論證。知識論主張要從知識哲學來論證,即使輸出很有用,這類主張仍可能有爭議。美學主張則是關於價值與工藝的判斷。在辯論中,先說明你指的是哪一種意思,再為它辯護或攻擊它,否則雙方只會各說各話。

實例演練:勞動取代的論證

假設有一項主張:一家中型翻譯社以機器翻譯系統加上小型編輯團隊,取代了初階譯者。批評者主張這是錯的,因為它消滅了人們用來累積專業能力的入門職位。辯護者則主張,該翻譯社現在能以更低成本服務更多客戶,而且編輯職位仍然存在。

仔細分析要把經驗部分與規範部分分開。在經驗層面,我們會想知道有多少職位被消滅、創造了多少編輯職位,以及薪資是否改變。在規範層面,我們會問該翻譯社對員工是否有義務、效率提升是否被共享,以及初階職位是否真的是培訓管道。請注意,批評者不需要主張這項技術整體而言是壞的。這個論證針對的是特定的轉型過程,以及由誰承擔其成本。這比全盤否定是更強有力的立場,也更難用泛泛的「創新有益」來反駁。

實例演練:安全論證

再看第二項主張:某公司部署了一套客服模型,對藥物交互作用給出自信卻錯誤的建議。批評者主張,在系統能可靠拒答不安全問題之前,應暫停部署。辯護者則主張,該系統已縮短等候時間,而且真人客服也會犯錯。

與人為錯誤相比較雖有相關性,但並非決定性。批評者可以回應:系統運作的規模不同,而且可能以一致、系統性的方式出錯,而非隨機出錯。辯護者則可回應:設計良好的拒答政策與升級機制,或許能涵蓋大部分風險。真正有生產力的問題不是 AI 是好是壞,而是什麼證據足以正當化部署、目前有哪些監控機制,以及系統出錯時由誰負責。這正是結構化辯論格式擅長凸顯的論證類型,因為它迫使雙方各自提出判準,並在反駁階段為之辯護。

練習題:分類各項批評

閱讀下列各項陳述,判斷它主要是對應用的批評、對發展速度的批評,還是對技術原則的批評。然後寫一句話,說明什麼證據能強化這項主張。

1. 某學校禁止在作業中使用聊天機器人,因為學生交出了他們自己無法解釋的潤飾文稿。2. 某研究者主張,前沿訓練運行在推出前應接受獨立安全稽核。3. 某哲學家主張,一套只會操作符號卻不理解的系統不可能成為認知者。4. 某音樂家主張,未經同意就以錄音進行訓練是不正義的。

  • 答案 1:應用批評。證據可包括學生無法解釋所交作業的實例,以及與能減少此問題的評量設計之比較。
  • 答案 2:發展速度批評。證據可包括稽核失敗案例、未遂事件,以及與其他受監管產業的比較。
  • 答案 3:原則性批評。證據可包括關於理解,以及行為表現是否足以構成知識主張的論證。
  • 答案 4:應用與同意批評。證據可包括授權條款、訓練資料紀錄與補償安排。

討論 AI 批評者時常見的錯誤

第一個常見錯誤,是把對某項應用的批評當成反對所有 AI。反對自動化招募篩選的人,可能每天都使用 AI 工具。第二個錯誤,是把一個事實錯誤當成這項技術毫無價值的證明。一套系統可以很有用,同時仍需要查證。第三個錯誤,是把道德異議當成技術誤解。如果有人說某項用途不正義,你證明模型很準確,並沒有回應他的異議。

第四個錯誤,是從一次糟糕的經驗過度推論。一個憑空捏造的答案不能確立一種模式,一個好答案也不能確立可靠性。第五個錯誤,是忽略補救方案。批評者往往有具體提案,例如揭露要求、稽核、退出機制或許可制度。直接討論補救方案,通常比爭論口號更有生產力。第六個錯誤,是假設所有批評者都抱持相同的政治立場或相同的目標。

AI 辯論的實用檢核清單

在進入關於「誰反對 AI」的辯論之前,先跑一遍這份清單。它能避免你對著一個沒人抱持的立場得分。

  • 明確指出主張:是應用、發展速度,還是原則問題。
  • 明確指出「錯」的意思:事實、道德、知識論還是美學。
  • 說明什麼證據會讓你改變想法。
  • 把經驗問題與規範問題分開。
  • 找出批評者提出的補救方案,並直接評估它。
  • 檢查你的反駁是否回應了論證最強版本。
  • 避免把口號套在只提出較窄主張的人身上。
  • 最後回到這場辯論真正要做的決定。

用結構化辯論檢驗這些論點

閱讀批評者的觀點很有用,但當你必須在時間壓力下為這些論點辯護或攻擊時,它們會變得更清楚。結構化格式有幫助,因為它迫使雙方表明立場、回應反駁並接受回饋。若想練習,可以針對一項具體主張設定辯論,例如學校是否應禁止在作業中使用聊天機器人,或前沿訓練是否應要求稽核,然後選擇你覺得最不自在的一方來辯論。目標不是贏,而是發現你論證中的哪些部分經得起對手的檢驗。

AI Debate Arena 是一款瀏覽器形式的 4v4 結構化辯論模擬器,你可以選擇一方與八種辯手角色之一,或觀看 AI 對 AI。它包含主持人、計時階段、反駁、自由辯論,以及三位提供回饋的 AI 評審,並支援多種介面與辯論語言。使用權限、額度與歷史紀錄取決於你的方案,請至定價頁面查看目前細節。它是練習工具,不是公開的人類聊天室,也不是專業教練服務。

常見問題

誰反對 AI?

批評者來自幾個陣營:安全與治理研究者、勞工組織者、創作者、教育工作者、隱私與公民自由倡議者、哲學家,以及有過糟糕經驗的普通使用者。他們通常批評特定應用,而非整項技術。

反對人工智慧的主要論點有哪些?

常見論點包括問責缺口、模型黑箱、權力集中、訓練資料的回饋迴路、創作的同意與補償、勞動取代,以及難以查證自信卻錯誤的輸出。

當人們說「AI 是錯的」,他們通常是什麼意思?

他們可能指事實錯誤、道德錯誤、知識論上缺乏正當性,或美學上空洞。每種意思都需要不同證據,所以回應前先問清楚是哪一種。

為什麼有人一邊反對 AI 一邊仍在使用它?

反對某項特定用途,不等於反對所有 AI。一個人可以反對自動化招募或未經授權的訓練資料,同時在其他工作上使用 AI 工具。異議通常與情境、同意或問責有關。

我要如何練習辯論這些論點?

挑一項具體主張、分配正反方,並要求雙方提出證據與補救方案。有計時階段與反駁的結構化格式會有幫助,你也可以用 AI Debate Arena 選擇一方,或觀看 AI 對 AI 來練習。

在結構化辯論中檢驗你的論點

選一項關於 AI 批評的主張,挑選一方與一個辯手角色,透過計時階段、反駁與評審回饋來辯論它。你也可以觀看 AI 對 AI,看看論點如何發展。

試用 AI Debate Arena