AI會取代人類智慧嗎？：人工智慧與人類智慧的雙重謎團
內容簡介
AI追求的是用處：智慧派得上用場，才對AI有意義。
人工智慧與人類智慧可以比較嗎
「智慧型」人工系統不知道情況，只知道人類代理向它提交的問題……。
AI人工智慧它解決了越來越多的緊迫問題。
人工智慧進入21世紀，取得了令人矚目的進步。人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險。
我們從人工智慧的表現中學到了什麼？這些成就代表了哪些進步？下一步可能為何？AI的未來方向為何？我們希望AI往哪裡去？
人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
人工智慧，不論其形式為何、發展到哪，使命都是解決問題；AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人工智慧在21世紀迎來重大突破，但其運作原理仍不透明，這些進步尚未被完全理解，而且距離「重現人類智慧」的理想仍然迢遙。而更糟的是：儘管它正在取得進展，但它與其宣稱的目標（複製人類智慧）之間的距離並沒有縮小。要理解這個矛盾，必須同時探討「人類智慧」本身的本質。
人類智慧並不只是解決問題的能力，而是一種評斷與判斷，體現在我們如何面對各種情境。人類智慧本質上帶有規範性，類似倫理或美學的判斷，因此難以完全界定。
人工系統所謂的「智慧」其實只處理人類設定的問題，並不真正理解情境。這正是AI的侷限，但同時也是它能發揮作用的地方：協助我們解決更多實際而緊迫的問題。因此，AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人類真正需要的，是靈活而可靠的輔助系統，而非擁有「類人思維」的虛擬人格。
人工智慧為我們提供支援，這應該仍然是其目標，而不是尋求等於甚至超越人類智慧的不連貫的目標。人類需要溫順、強大和多功能的工具，而不是具有非人性認知形式的偽人。
本書所要探討的，是當今工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……。本書解開智慧概念的雙重面貌，以及迷思的消散。
人工智慧與人類智慧可以比較嗎
「智慧型」人工系統不知道情況，只知道人類代理向它提交的問題……。
AI人工智慧它解決了越來越多的緊迫問題。
人工智慧進入21世紀，取得了令人矚目的進步。人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險。
我們從人工智慧的表現中學到了什麼？這些成就代表了哪些進步？下一步可能為何？AI的未來方向為何？我們希望AI往哪裡去？
人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
人工智慧，不論其形式為何、發展到哪，使命都是解決問題；AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人工智慧在21世紀迎來重大突破，但其運作原理仍不透明，這些進步尚未被完全理解，而且距離「重現人類智慧」的理想仍然迢遙。而更糟的是：儘管它正在取得進展，但它與其宣稱的目標（複製人類智慧）之間的距離並沒有縮小。要理解這個矛盾，必須同時探討「人類智慧」本身的本質。
人類智慧並不只是解決問題的能力，而是一種評斷與判斷，體現在我們如何面對各種情境。人類智慧本質上帶有規範性，類似倫理或美學的判斷，因此難以完全界定。
人工系統所謂的「智慧」其實只處理人類設定的問題，並不真正理解情境。這正是AI的侷限，但同時也是它能發揮作用的地方：協助我們解決更多實際而緊迫的問題。因此，AI應定位為人類的強大工具，而不是追求與人類智慧競爭甚至超越。
人類真正需要的，是靈活而可靠的輔助系統，而非擁有「類人思維」的虛擬人格。
人工智慧為我們提供支援，這應該仍然是其目標，而不是尋求等於甚至超越人類智慧的不連貫的目標。人類需要溫順、強大和多功能的工具，而不是具有非人性認知形式的偽人。
本書所要探討的，是當今工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……。本書解開智慧概念的雙重面貌，以及迷思的消散。
目錄
目錄
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝
獻辭
前言
第一部 計畫、工程、路程
第1章 人工智慧概覽：從願景到戰略退卻
1.1 「人工智慧」是指什麼？
1.2 AI的普羅米修斯時刻
1.3 戰略退卻
1.4 戰略退卻的五個階段
1.5 當代AI的三張面目
1.6 前景未明
第2章 人工智慧的根源
2.1 認識論與形式邏輯
2.2 計算，演算法
2.3 電腦
2.4 系統與功能
2.5 行為與自主性
2.6 資訊與傳播
2.7 新機械論的統合
2.8 模控學：熔爐與母體
第3章 古典時代
3.1 人工智慧的面貌
3.2 古典或符號AI的基礎
3.3 尋找演算法
3.4 古典或符號AI的季節遞嬗
3.5 符號AI的困境：從微型世界到專家系統
3.6 符號AI是否存在根本缺陷？
第4章 連結主義年代
4.1 神經計算的概念框架與連結主義模型
4.2 從感知到預測
4.3 兩種關於人類智慧對人工智慧貢獻的觀點
4.4 神經計算的艱難崛起與深度學習的勝利
4.5 深度學習的諸般弱點
4.6 有限的能力
第5章 第三時代拉開序幕？
5.1 深度學習的演進
5.2 變換器變換了語言處理
5.3 「大型語言模型」（Large Language Models, LLM）忽焉而至
5.4 生成式人工智慧的優勢與弱點
5.5 機器人學與AI的重逢
5.6 擴增智慧
第二部 智慧之問與AI的未來
第6章 人工智慧與人類智慧可以比較嗎？
6.1 「第一步」修辭與「沒有奇蹟」論證
6.2 兩大分歧
6.3 逃避比較問題的三種方式
6.4 邏輯表的第四格：接受〔比較〕的條件
6.5 追尋缺失的要素
6.6 加總的侷限與終點
第7章 智慧與動物性
7.1 古老探問的回歸
7.2 為智慧尋找定義
7.3 有機體與環境：生物學設想
7.4 〔問題〕與〔情境〕
7.5 智慧：如何處理〔情境〕
第8章 智慧與人性
8.1 從〔情境〕到〔問題〕
8.2 兩種類型的〔問題〕？
8.3 失敗的分析方法
8.4 人類智慧的詭計：合作
8.5 自主性
8.6 「智慧」概念的雙重面貌，以及謎團雲散煙消
第9章 夢想中的人工智慧
9.1 強人工智慧的計畫
9.2 人工通用智慧的目標
9.3 兩條路：演算法式與生物學
9.4 強人工智慧可能嗎？（1）AGI的論證
9.5 強人工智慧可能嗎？（2）超級智慧的案例
9.6 超智慧（也即 AI）可能永遠無法跨越的雙重限制
第10章 人工智慧與善
10.1 AI的倫理覺醒
10.2 人工智慧倫理的目標是什麼？
10.3 各種憲章與原則
10.4 倫理反思仍在前方
10.5 「控制問題」與價值對齊
10.6 為了讓牛群好好受人看管
致謝
試閱
前言
懷孕的海豚對研究牠的青年學者表示她跟牠一樣身懷六甲，青年學者卻不知自己有孕在身。這則軼事與人工智慧毫不相干，不過為了引出正題，我們就當它確實發生過。它輝映著自然的智慧，具體而言是動物的智慧，如此的智慧就是我提議稱之為「謎奧」的一個例子。我把「謎奧」（?nigme）與「神祕」（myst?re）和「問題」（probl?me）區分開來。「神祕」凌駕我們，與我們認知之間的鴻溝似乎太寬太闊，我們無法想像自己搆得著。「問題」呢，樣子就像我們解決得了的任務。介於兩者之間的，是「謎奧」：驚愕我們、癱瘓我們，卻也挑戰我們解開它。我們期待的不是一層，而是兩層解釋：第一層提供了解謎之鑰，解開謎奧；第二層則讓我們領會何以此謎之為謎。
海豚的小故事裡，第一層解釋彰明了因果鏈：起於回聲定位、迄至物種間之溝通，中間還有種種步驟，諸般環節尚待釐清。這個故事在我們眼中成為謎奧，是源於我們對動物智慧的設想：動物得以察覺、理解什麼，如何處理與自身及他者的關係，又擁有怎麼樣的溝通能力。這就是第二層的解釋：凡此種種若無認知動物行為學（ethologie cognitive）之助，我們都覺得哪有可能。
《人工智慧、人類智慧：雙生謎奧》這個書題或許也有點玄。本書以此為題，是一種宣講下述諸般論題的方法。一、人工智慧是一樁謎奧。二、人類智慧是另一樁謎奧。三、兩樁謎奧息息相關。最後，它們非屬「神祕」──因為，我打算解開這兩樁謎。
以一個驚訝開場吧。維柯的「真理即製成」（verum-factum）原則指出，我們懂我們所製之物。還得更進一步：要確認我們真正明瞭某物或某現象、知其運作原理，就只能動手去做──若是物，就製作一個；若是現象，則將其引發。電腦一如萬般人造之物，似乎也不例外：我們對電腦瞭若指掌。然而--這就是驚訝所在──電腦實際運作時，卻變得不可預測。當然，針對特定的輸入，程式會給出什麼結果，我們一般而言並不事先知道，否則哪裡還需要電腦。討厭的是，我們有的時候沒有辦法確保結果符合預設的規格：我們無法在所有情況都掌握、哪怕只是大略知曉，電腦在做什麼。這就違反了「真理即製成」，讓資訊科學既形式、亦實證：構思並撰畢演算法後，尚必須觀察其行為，看看是否符合我們的預期。人工智慧承襲了這種雙重性質；因此，研究其基礎，對其技術應用而言即為重中之重。
有人或許會認為，人工智慧僅引發技術、社會、法律或經濟問題，未帶來迫切的理論疑難。執此見解的理由是，人工智慧只是人類智慧一份想必並不完美的單純拷貝。然而，前述不可預測的性質顯示出，這種看法並不正確。另一種錯謬論點是：人人都同意，反思人類智慧是有理論價值的，漫長的幾個世紀以來確實成果斐然，知識哲學（philosophie de la connaissance）的浩瀚積累，還有整個理性主義的傳統，在在都證明了這一點。而對人類智慧的如此反思，都未涉及晚近才問世的人工智慧。這種說法忽略了，人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
自某角度觀之，人工智慧就是身為智慧基石的知識哲學，以其他手段延續的結果。人工智慧的成功與失敗，都是我們思考人類智慧的素材。確實，這個行業（我以縮寫「AI」稱呼，以區別它生產的成果；表述後者時，我將完整寫成「人工智慧」）總的來說只將人類智慧視為須以電腦重現的程序，而無意分析這些程序，提煉出普遍特質。也確實，AI早期成果微薄，圈外許多研究者因而對它喪失興趣，轉而關注認知心理學與其他研究自然智慧的分支學科，我自己當時也是如此。但情勢已經逆轉：人工智慧強大起來，激發出新的疑問。進入二十一世紀後尤其如此，人工智慧發展為一項龐大工程，觸及各個領域。「效能」確指為何仍待定義，但已可說，整合入各種系統的人工智慧，效能遠超昔日，其經濟、社會與文化影響自也不可同日而語。
凡此種種即是本書的背景、本書問世的理由，卻倒又不是本書宗旨。本書所要探討的，是當今人工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……簡而言之，我們要談的，是今日的AI。目前AI的主流技術，是深度學習（deep learning）。深度學習是連結主義（connexionnisme）的化身，然而AI卻又不能化約為深度學習。今日的AI從初期的符號AI手中接下棒子，符號人工智慧的取徑至今亦未消失。最具權威的專家研判，符號取徑與深度學習兩種範式都無法讓AI成就其最宏大的野心。但就算如此，人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險，而這正需要我們回顧數十年來不斷提出的理論問題。
現在是時候指出，「人工智慧」一詞所指為何，如今已模糊不清。有些人認為，如此模糊的背後是極大的混淆，大到必須放棄這個詞彙，另尋他名：大眾眼中，隨便一個演算法、最簡單的應用程式、最普通的智慧裝置，全都是「AI」。我個人提議保留這個稱呼──再說我們也選無可選，這說法已經約定俗成──但必須區分「狹義」與「廣義」。狹義的AI，指的是承繼某一明確的智識傳統，理論與技術定義相對清楚的一整群制度、計畫與成果。本書主要想討論的，就是這種狹義的AI。至於廣義的人工智慧，則包含狹義的人工智慧，也涵蓋了讓「數位圈」（num?risph?re）得以日新又新的一切事物。所謂的「數位圈」，指的是如今已成為人類世界新空間的全體數位流程與系統，其中就包括網際網路。當我們中肯道出「AI正深刻影響社會」，指的應是這個廣義概念。不過，狹義AI的一眾相關概念，也在其中發揮日益吃重的關鍵作用。
人工智慧並不是唯一具有「普及性」──也就是會逐步滲透進幾乎所有活動領域──的技術。另一個常見的例子是電。但兩者之間有一項關鍵差異。我們大致理解電的能力，也能在它進入某個領域前，預測它會帶來什麼樣的改變。但AI並非如此。
（未完）
懷孕的海豚對研究牠的青年學者表示她跟牠一樣身懷六甲，青年學者卻不知自己有孕在身。這則軼事與人工智慧毫不相干，不過為了引出正題，我們就當它確實發生過。它輝映著自然的智慧，具體而言是動物的智慧，如此的智慧就是我提議稱之為「謎奧」的一個例子。我把「謎奧」（?nigme）與「神祕」（myst?re）和「問題」（probl?me）區分開來。「神祕」凌駕我們，與我們認知之間的鴻溝似乎太寬太闊，我們無法想像自己搆得著。「問題」呢，樣子就像我們解決得了的任務。介於兩者之間的，是「謎奧」：驚愕我們、癱瘓我們，卻也挑戰我們解開它。我們期待的不是一層，而是兩層解釋：第一層提供了解謎之鑰，解開謎奧；第二層則讓我們領會何以此謎之為謎。
海豚的小故事裡，第一層解釋彰明了因果鏈：起於回聲定位、迄至物種間之溝通，中間還有種種步驟，諸般環節尚待釐清。這個故事在我們眼中成為謎奧，是源於我們對動物智慧的設想：動物得以察覺、理解什麼，如何處理與自身及他者的關係，又擁有怎麼樣的溝通能力。這就是第二層的解釋：凡此種種若無認知動物行為學（ethologie cognitive）之助，我們都覺得哪有可能。
《人工智慧、人類智慧：雙生謎奧》這個書題或許也有點玄。本書以此為題，是一種宣講下述諸般論題的方法。一、人工智慧是一樁謎奧。二、人類智慧是另一樁謎奧。三、兩樁謎奧息息相關。最後，它們非屬「神祕」──因為，我打算解開這兩樁謎。
以一個驚訝開場吧。維柯的「真理即製成」（verum-factum）原則指出，我們懂我們所製之物。還得更進一步：要確認我們真正明瞭某物或某現象、知其運作原理，就只能動手去做──若是物，就製作一個；若是現象，則將其引發。電腦一如萬般人造之物，似乎也不例外：我們對電腦瞭若指掌。然而--這就是驚訝所在──電腦實際運作時，卻變得不可預測。當然，針對特定的輸入，程式會給出什麼結果，我們一般而言並不事先知道，否則哪裡還需要電腦。討厭的是，我們有的時候沒有辦法確保結果符合預設的規格：我們無法在所有情況都掌握、哪怕只是大略知曉，電腦在做什麼。這就違反了「真理即製成」，讓資訊科學既形式、亦實證：構思並撰畢演算法後，尚必須觀察其行為，看看是否符合我們的預期。人工智慧承襲了這種雙重性質；因此，研究其基礎，對其技術應用而言即為重中之重。
有人或許會認為，人工智慧僅引發技術、社會、法律或經濟問題，未帶來迫切的理論疑難。執此見解的理由是，人工智慧只是人類智慧一份想必並不完美的單純拷貝。然而，前述不可預測的性質顯示出，這種看法並不正確。另一種錯謬論點是：人人都同意，反思人類智慧是有理論價值的，漫長的幾個世紀以來確實成果斐然，知識哲學（philosophie de la connaissance）的浩瀚積累，還有整個理性主義的傳統，在在都證明了這一點。而對人類智慧的如此反思，都未涉及晚近才問世的人工智慧。這種說法忽略了，人工智慧的關鍵概念其實在前幾個世紀的哲學，特別是霍布斯與萊布尼茲的著作、以及亞里斯多德一路迄至布爾和弗雷格的邏輯學傳統裡，早已醞釀成形。艾倫．圖靈承此遺緒，使其開花結果，促成了當代無與倫比的技術與科學變革：電腦科學及其進階分支──人工智慧。
自某角度觀之，人工智慧就是身為智慧基石的知識哲學，以其他手段延續的結果。人工智慧的成功與失敗，都是我們思考人類智慧的素材。確實，這個行業（我以縮寫「AI」稱呼，以區別它生產的成果；表述後者時，我將完整寫成「人工智慧」）總的來說只將人類智慧視為須以電腦重現的程序，而無意分析這些程序，提煉出普遍特質。也確實，AI早期成果微薄，圈外許多研究者因而對它喪失興趣，轉而關注認知心理學與其他研究自然智慧的分支學科，我自己當時也是如此。但情勢已經逆轉：人工智慧強大起來，激發出新的疑問。進入二十一世紀後尤其如此，人工智慧發展為一項龐大工程，觸及各個領域。「效能」確指為何仍待定義，但已可說，整合入各種系統的人工智慧，效能遠超昔日，其經濟、社會與文化影響自也不可同日而語。
凡此種種即是本書的背景、本書問世的理由，卻倒又不是本書宗旨。本書所要探討的，是當今人工智慧的概念基礎。我們將試圖理解，哪些理論資源成了糧草，讓本領域突飛猛進；這些資源又為我們理解自然智慧帶來了哪些進展；當前這個企圖面臨什麼樣的限制，又應該對它設下哪些邊界……簡而言之，我們要談的，是今日的AI。目前AI的主流技術，是深度學習（deep learning）。深度學習是連結主義（connexionnisme）的化身，然而AI卻又不能化約為深度學習。今日的AI從初期的符號AI手中接下棒子，符號人工智慧的取徑至今亦未消失。最具權威的專家研判，符號取徑與深度學習兩種範式都無法讓AI成就其最宏大的野心。但就算如此，人工智慧也已為社會提供了一系列功能驚人、解釋不清、卻又無可否認的系統。當務之急，是深入理解這些系統的運作方式、侷限與風險，而這正需要我們回顧數十年來不斷提出的理論問題。
現在是時候指出，「人工智慧」一詞所指為何，如今已模糊不清。有些人認為，如此模糊的背後是極大的混淆，大到必須放棄這個詞彙，另尋他名：大眾眼中，隨便一個演算法、最簡單的應用程式、最普通的智慧裝置，全都是「AI」。我個人提議保留這個稱呼──再說我們也選無可選，這說法已經約定俗成──但必須區分「狹義」與「廣義」。狹義的AI，指的是承繼某一明確的智識傳統，理論與技術定義相對清楚的一整群制度、計畫與成果。本書主要想討論的，就是這種狹義的AI。至於廣義的人工智慧，則包含狹義的人工智慧，也涵蓋了讓「數位圈」（num?risph?re）得以日新又新的一切事物。所謂的「數位圈」，指的是如今已成為人類世界新空間的全體數位流程與系統，其中就包括網際網路。當我們中肯道出「AI正深刻影響社會」，指的應是這個廣義概念。不過，狹義AI的一眾相關概念，也在其中發揮日益吃重的關鍵作用。
人工智慧並不是唯一具有「普及性」──也就是會逐步滲透進幾乎所有活動領域──的技術。另一個常見的例子是電。但兩者之間有一項關鍵差異。我們大致理解電的能力，也能在它進入某個領域前，預測它會帶來什麼樣的改變。但AI並非如此。
（未完）
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 經消費者拆封之影音商品或電腦軟體。
- 非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。（如：電子書、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價