人工智能可令我們更有能力，卻無法告訴我們何謂進步

人工智能正將我們帶到一個充滿非凡可能性的時刻。它能在海量雜訊中捕捉微弱訊號，辨識超出人類憑一己之力所能掌握的複雜模式，並協助設計原本可能需要多年才能構思和測試的實驗。它可以提升系統效率，開闢科學和醫學的新路徑，並讓過去只有少數專家才能使用的工具惠及更多人。

統計學、優化理論和控制理論能幫助我們更善用資訊和資源。但當我們愈來愈為這些系統的能力所折服時，應當停下來思考一個更簡單、也更困難的問題：我們所說的「進步」究竟是甚麼？

9月10日，我在上海外灘大會上提出，在我們為人工智能感到振奮之際，一些重要的區別很容易被混淆。知識不等於智慧。生產力不等於成就。持續教育不等於終身學習。國家財富也未必等於社會福祉。

知道得更多，並不必然帶來智慧。生產力提高，也不必然讓生活更有意義。經濟可以增長，同時人們卻愈來愈難以行動、貢獻、歸屬，並對身邊的世界承擔責任。事實上，智慧、意義和社會責任，才是一個偉大社會的標誌。

沒有人，就沒有社會。人不只是為系統提供數據、勞動力或消費需求；人是社會存在的根本理由。因此，社會福祉必須以人為本，並具包容性。它必須追問：人們是否更能夠過上有目標、有意義的生活，而不只是問流程是否更快、更便宜或更可預測。

人工智能無法替我們回答這些問題。它確實能以前所未有的規模處理資訊，但它無法告訴我們甚麼值得知道，哪些目標值得優化，我們彼此負有甚麼責任，或我們希望成為怎樣的社會。

我們必須學會看見的成本

人類社會重視效率，這無可厚非。更好的工具減少了繁重勞動，改善了健康，拓展了溝通，也解決了許多曾被認為難以克服的問題。能夠幫助醫生在影像中發現細微訊號、協助研究人員辨識有前景模式，或讓城市更智能地使用能源的人工智能系統，確實可以帶來公共福祉。

但效率不等於充實。一個系統也許能比人更快完成任務，卻仍無法回答：將人從這項任務中移除，是否真會令更大的社會系統變得更好？它可能降低某項顯性成本，卻同時增加更難計算的成本：年輕工作者失去培養判斷力的早期機會；專業社群被削弱；或因無人明確負責而使決策中的信任受到侵蝕。

這並不是針對變革的浪漫抵抗。工作一直隨着技術而變化。但「替代」並不是衡量成功的充分標準。一個更便宜的系統告訴了我們一些重要事實，卻沒有告訴我們所有重要的事實。

歷史應當令我們對這種錯誤保持警惕。我們往往擅長計算新技術的即時成本，卻不善於預見其長期後果。好處通常具體而立竿見影；非預期的影響卻會在更晚的時候，以不均衡的方式，有時甚至在遠離最初決策的地方出現。

以氯為例。現代水處理令人口密集的城市生活更安全，也減少了水傳播疾病；然而，後來的世代仍須處理原先承諾以外的種種取捨。石油的高能量密度推動了工業化、交通和繁榮，但其燃燒對氣候、公共健康和未來造成的成本，並未被充分計入早期的經濟交易。我們在收益不斷累積時享受其便利，如今則面對如何為補救付費這一艱難問題。

重點不是說這些創新是錯誤的。重點在於，進步能夠解決一個問題，同時也可能製造另一個問題；而我們往往在尚未衡量其完整社會成本之前，就急於宣布某項技術成功。

這正是我們面對人工智能時需要具備的自律。當一個系統承諾帶來更高效率時，我們不應只問它節省了甚麼，也要問它隨時間可能帶來甚麼代價。它會造成哪些依賴？會加深哪些不平等？當一項高風險決策出錯時，誰來負責？哪些技能、關係和人的自信可能被削弱？需要哪些保障措施？我們是否在成本轉嫁給他人之前，就已規劃並承擔了這些成本？

工作和公共生活可能出現的非人化，也應當被納入這筆帳。我並不是單指機器被使用，而是指人逐漸被當作可替換的投入要素；人們失去有意義地參與影響自身生活之決策的機會；能動性、責任感和被認可感不斷削弱。如果自動化使人們更難培養能力、運用判斷、參與社群，或在工作中找到目標，那麼這些並非無關緊要的副作用，而是社會成本。

我們應當願意將這類成本納入經濟模型。並非所有人的價值都能被整齊地換算成價格，但難以衡量並不意味着成本不存在。我們本來就在選擇計算甚麼。更負責任的做法，是計算那些真正關乎人類福祉的因素，包括讓人們能夠繼續成為自己生活積極作者的條件。

教育是實踐，而不是表演

這正是為甚麼教育在人工智能時代肩負獨特責任。大學必須確保學生理解並善用新工具。他們應當學習如何與人工智能協作，認識其優勢和局限，並明智地參與一個正被重塑的經濟。

但這只是開始。教育並不只是傳遞資訊，也不是為了學分、考試或文憑而進行的一場表演。它更深層的目的，是幫助人們具備行使能動性的能力。

能動性意味着承擔個人責任。它意味着養成日常自問的習慣：我知道甚麼？我不知道甚麼？甚麼證據會改變我的看法？我在這個決定中負有甚麼責任？這個選擇會對他人意味着甚麼？能動性不是畢業時獲得的一項抽象品質，而是在實驗室、課堂、工作場所、家庭和社群中不斷實踐的習慣。

這也正是為甚麼持續教育不等於終身學習。終身學習不是無休止地獲取證書或更新技術知識。它包含好奇心、自我認識、知性上的謙遜，以及願意修正自身理解的態度。它意味着學習如何學習，也意味着理解為甚麼值得關心。

如果人工智能能夠以驚人的速度檢索、總結和生成資訊，那麼人的任務就變得更加重要，而不是更不重要。學生需要了解知識如何被產生、檢驗，並與後果相連。他們需要分辨答案與解釋、相關性與因果、證據與斷言，以及技術上可行之事與明智之舉。他們需要有信心說：我還不知道；我需要更好的證據（數據）；這個問題問錯了；這個決定需要的不只是一個預測……

這種教育並不與人工智能競爭。它讓人們能夠使用人工智能，而不把判斷力拱手相讓。

在香港大學，我們的任務既不是置身於這些技術之外，也不是聲稱它們會替我們解決教育的挑戰。我們的任務，是匯聚大學在研究、教學和跨學科協作方面的優勢，負責任地使用人工智能。我們的角色不只是為學生準備好適應當下的勞動力市場，更要幫助他們參與塑造未來的世界。

我們共同選擇的未來

我們有充分理由保持樂觀。人類曾反覆解決被視為無解的問題，建立制度，發現新的合作方式，並在舊有做法失效時及時改變方向。人工智能可以成為這段故事的一部分。它可以幫助我們看得更多、檢驗得更多、實現得更多。

但它不會告訴我們人類繁榮需要甚麼。它不會決定我們如何分配機會、守護尊嚴，或維繫讓社會不只是由高效交易構成的關係。

我們必須及早提出困難的問題，趁答案仍然能夠影響正在建立的系統。我們是在用人工智能擴大人的能力，還是僅僅為了減少人手？我們是在創造讓人們學習和貢獻的新方式，還是令他們更容易被視作成本？我們衡量成功時，只看產出和速度，還是也看信任、機會、責任、理解和共同目標？

這些問題並不只屬於技術專家。它們屬於教育工作者、政策制定者、僱主、學生、家庭和公民。未來可以是光明的——不是因為人工智能替我們作出選擇，而是因為我們仍然能夠一起作出更好的選擇。

作者：香港大學副校長（教學）施啟正教授