【測驗你的AI焦慮指數】
在正式開始探索之前，我想邀請你先完成一個小小的思考實驗。
請憑你的第一感覺，誠實地回答下面問題。
這無關對錯，也不是為了打分數，而是為了幫助你看清自己內心深處對AI最真實的感受與困惑。
這本身，就是一次非常有益的思考練習。
一、AI畫畫比我好、開車比我穩，我為什麼還要努力學習？
二、AI會不會有一天「醒來」，覺得人類很多餘？
三、AI好像什麼都懂，它到底是怎麼工作的？
四、我的努力和才華，未來會不會被一個「評分系統」誤判？
五、既然知識會「過期」，那我到底該學什麼？
六、如果醫師、老師不想失業，未來該靠什麼成為「無可取代」的人？
如果你對以上任何一個問題產生共鳴或不安，哪怕只有一點點，那麼，恭喜你！這證明你是一個熱愛思考、對未來有敏銳洞察力的人。
請不要將這些困惑視為負擔。
相反地，這正是你即將開啟一場深刻思想變革的寶貴起點。
第一部 AI的強大優勢與弱點──人類應該努力但不該恐懼的理由
二○二五年春天，我四歲的女兒如飴已經習慣每天早上起床後去找Google Home（智慧音箱）問今天天氣如何。
某天，我正在利用AI幫她處理作業的背景（還請別告訴我女兒的老師），她忽然放下畫筆抬頭問我：「媽媽，如果AI可以畫畫，我為什麼還要畫畫？它畫得比我還好啊。」這是一個絕妙的問題，精準道出我們這個時代最核心的困惑。
如今，AI能寫詩、作曲、解題、程式設計︙︙而且在很多方面都做得非常好。不只孩子困惑，家長、老師和科學家這些成年人也都在思考同樣的問題：如果AI註定會比我們做得更好，那我們這麼努力究竟是為了什麼？從更宏大的角度來說，人類的價值又在哪裡？
我能清楚地感覺到如飴眼中的世界，和我、我父母眼中的世界已經完全不同。對我父母那一代的人來說，能拿到駕照成為司機是件值得驕傲的事；對我這一代的人而言，司機已經是份足以養家餬口的工作；但是到了二○四○年我女兒成年時，司機這個職業大概有很高的機率會變得非常少見。AI註定會改變許多我們今天熟知的工作。
我們到底該學什麼才能適應未來的世界？當AI翻譯得比學了十幾年外語的我更精準、文章寫得比我班上表現最好的學生還流暢時，我們的學習基本邏輯是否應該徹底改變？
第一章AI都這麼厲害了，我還需要學習嗎？
AI畫得那麼好，為什麼我還要學畫畫？
我女兒提出的這個問題，其實並不新鮮。在人類歷史上，每出現一個顛覆性的技術，人們都會陷入類似的震撼與焦慮。要理解我們今天的處境，最好的方式或許就是進行一次思考的時空旅行，回到歷史上的相似時刻──比如，三百多年前那場徹底改變世界的第一次工業革命。
一七六五年，英國人瓦特（James Watt）改良了蒸汽機，人類的生產力第一次真正擺脫了肌肉、風帆和水車的束縛。隨著工廠拔地而起，機器的轟鳴聲逐漸壓過傳統手作的節奏。我覺得，那正是定義現代人的一個關鍵時刻。在工業革命之前，大多數人的首要目標是活下去，他們透過日復一日的勞動來換取足以果腹的食物和安穩的棲身之所。想像一下，當手藝精湛的工匠初次看到蒸汽動力帶動的機械，以十倍、百倍的效率生產布匹時，他感受到的很可能不是對科技進步的狂喜，而是自身價值被瞬間清空的焦慮與恐懼。
二○二二年底，隨著ChatGPT的問世，生成式AI（Generative AI， GAI）引爆全球浪潮；而在二○二五年深度求索（DeepSeek）以低成本與開源架構掀起平民化革命後，AI變得更加廉價且普及，我們也迎來一場智慧時代的全新「工業革命」。
今天，面對AI的我們與兩百多年前看見蒸汽機的工匠，心情何其相似。因為從生物學的角度來說，我們的大腦在這兩百年裡並沒有發生什麼明顯的變化，我們應對未知威脅的本能反應──驚嘆、好奇及深深的焦慮──幾乎是一模一樣的。
但巨大的區別是，這次的科技革命不只衝擊著成年人的工作，更直接滲透到孩子們的學習和成長之中。
我發現一個有趣的現象：我的導師們，那些五、六十歲及年紀更大的資深學者，他們更傾向於把AI當作一個超級搜尋引擎，用它來查資料、核對事實。
而比我年輕的學生們，幾乎所有事情都要和AI商量。他們會把AI調教成自己的「電子分身」，讓它恰如其分地（我的意思是不能太完美，也不能太差）完成作業；傳訊息給心儀的對象前，還會和AI討論措辭，幾乎把AI當成「軍師」在使用。
我的大女兒不到五歲，已經可以讓AI幫她生成塗色用的線稿；我的小女兒剛滿三歲，以為所有汽車都會自己停車。
AI還有什麼做不了的？就算現在做不了，學會我們能做的一切也只是時間問題？
在回答這個問題之前，首先要理解一件事：人工智慧的「優秀」與它的「笨拙」，其實是一枚硬幣的兩面。
人工智慧之所以優秀，是因為它的局限
我喜歡科學，因為它教會我：人類永遠無法知道一切，但可以學會如何去探尋一個問題的邊界。要與AI共存，我們首先要做的，就是清楚認識到它的能力極限範圍在哪裡。
聽起來可能有點矛盾，讓我用一個你可以隨時親自驗證的例子來說明。
打開任何一個主流的AI繪畫工具，然後輸入指令：請畫一個掛在牆上的實體鐘錶，指針清晰地指向七點三十五分。
稍待片刻，會得到一張什麼樣的圖呢？很可能是一張光影、材質都精美絕倫的鐘錶圖片，上面的時間卻莫名其妙地指向「十點十分」。
這非常奇怪吧？AI可以輕易畫出極其複雜的場景，甚至能頭頭是道地解釋鐘錶的機械運作原理，為什麼就是無法準確理解「七點三十五分」這個簡單的概念呢？
答案就藏在它的學習方式裡。AI並沒有形成關於鐘錶如何計時的物理模型。它不懂時針和分針的同步關係，也不理解數字七和十的含義與差別。它只是在看過的數億張圖片中，進行一次暴力的統計和模仿。在它的知識庫裡，絕大多數帶有鐘錶的商業宣傳照片，
上面的時間剛好都是十點十分｜｜因為這是公認視覺上最對稱、最美觀的時鐘模樣。
於是，AI得出一個統計學上的結論：你想要的鐘錶大概就是長這樣。它只是在復刻自己見過最多的「正確答案」，而非確實理解指令。
再舉個例子。AI有很長一段時間都畫不好人類的手，經常畫出六根手指或違反人體工學的扭曲姿勢。原因也一樣，它無法先建立「人有五根手指」的生理學心智模型再進行創作，只是模糊「記住」了看起來像手的像素組合，並在需要時笨拙地模仿出來。
而且AI製圖軟體缺乏物理常識。試著讓AI畫一張「一杯水正要從桌子邊緣翻倒，但水還沒灑出來」的圖片。AI很可能會畫出水已經灑了一地，或是四十五度傾斜的杯子裡水面依然保持水平的畫面。因為AI並不真正理解「重力」這個概念，只是拼湊出圖庫裡杯子、桌子和灑出來的水這些元素。它無法準確描繪提問的場景，其實是因為網路上描述這種情境的圖並不足夠。
在語言理解方面，AI也有類似的問題。如果問一個簡單的腦筋急轉彎：「樹上有十隻鳥，獵人開槍打死一隻，樹上還剩幾隻鳥？」AI很可能會回答「九隻。」因為它遵循的是數學邏輯。但正確答案應該是「零隻」，因為其他鳥都被槍聲嚇飛了。（現在再去搜索這個問題，AI可能已經知道正確答案了，因為大家經常討論這個錯誤，AI已經在網路上看到我們對它的批評啦！）
這些看似愚蠢的錯誤，剛好向我們揭露出AI最底層的祕密：它並非思考者，而是極其強大的模仿者和統計大師。它透過學習大量數據掌握事物之間的相關性（比如，「鐘錶」這個詞常常和「十點十分」的圖像一起出現），卻沒有掌握事物背後的因果關係和基礎邏輯。
理解這一點，也就掌握了與AI打交道的第一個祕訣：它的厲害是有極限的。因此，不必對AI產生不切實際的幻想或恐懼，而要清醒地認識其優勢和弱點，進一步好好地控制它。
現在，讓我們把視線從「AI」拉回到「自己」身上：知道AI的極限後，我們再來審視自己為什麼要努力學習。
都有自動駕駛車了，為什麼我還要學開車？
我十八歲開始在倫敦上學，一直都是步行或搭地鐵通勤，直到三十三歲才在牛津學會開車，算是高齡學生了。
我一直拖著沒去考駕照，基本上是因為身邊有一群研究自動駕駛的朋友。在他們的「洗腦」下，我總覺得說不定再等等就連駕照都不用考了。結果呢？即使買了具備自動駕駛功能的車，我還是得老老實實地去駕訓班報到。
以前不會開車的時候，我總覺得把車開好沒什麼了不起。但真正學會駕駛後，我才明白為什麼漫畫與小說裡，那些能靈活駕馭大型機械化裝甲的角色，總是那麼令人崇拜。因為汽車就是現實生活中的「外設機甲」──只不過，它的四肢是四個高速旋轉的輪子。要精準地控制它，尤其是在狹窄的停車位裡，更需要大腦和身體高度互相配合，這其實是一種非常複雜的技能。
是幸運也是不幸，我的第一輛車就是電動車特斯拉，連停車都是全自動的。導致我拿到駕照快半年，對手動停車依然缺乏信心。最近，我換了一輛自動駕駛功能沒那麼靈光的小車，有次費勁地在超市停車場停車時，我女兒很震驚地問我：「媽媽，這輛車怎麼不會自己停進去？」
那一刻我不禁大笑出聲，她提出的問題正是我拖延十五年的藉口：「反正都可以自動駕駛了，為什麼還要學開車呢？」
這個問題的答案，攸關安全，更攸關責任。
未來，無人駕駛計程車或許會普及，司機也可能被取代。但是，只要還想自己擁有一輛車，法律就很可能要求駕駛持有駕照。
為什麼？因為即便AI在九九．九九％的時間裡都比人類駕駛更安全，社會也無法接受將方向盤的全部控制權交給一個沒有人類責任感的軟體程式。你必須學會駕駛，是因為在系統失靈、天氣突變或遭遇極端路況的緊急時刻，你身為車裡會思考、有判斷力的人類，必須有能力從AI手中接管車輛的控制權。這不僅是為了你自己的安全，更是為了道路上所有人的安全。社會規範總是朝著保障集體利益和安全的方向而制定。
這背後其實是個非常有趣的權衡過程。在自動駕駛技術剛出現時，人們憂心忡忡，提出很多尖銳的倫理問題，其中最著名的就是「電車難題」（Trolley Problem）的變種：如果事故不可避免，自動駕駛的汽車應該選擇撞向五名闖紅燈的成年人，還是轉而撞向一名在路邊玩耍的小孩？
這類問題曾激發熱議，但近年來類似的討論越來越少了。為什麼？因為我們發現糾結於這種極端且罕見的場景，可能會因此忽視一個更重要的事實：就整體而言，成熟的自動駕駛技術遠比人類駕駛還要安全。
人類每天都會因為疲勞、分心、操作失誤而引發無數本可避免的事故，而自動駕駛系統不會疲勞也不會酒駕。與其在「撞五名成人還是撞一名小孩」的倫理困境裡打轉，不如選擇能讓每年因交通事故死亡人數大幅下降的系統。當一項技術能帶來如此巨大且驚人的正面效益時，社會自然傾向於予以接納。
但這並不表示人類可以完全放手不管。恰恰相反，我們把日常駕駛的枯燥任務交給AI，正是為了讓我們能集中精力，去扮演那個不可或缺的最終監管角色。
將這個邏輯推到極致的，就是開飛機。
基本上，早在幾十年前，民航客機在巡航階段就是自動駕駛了。為什麼航空公司還要重金聘請和培養那麼多飛行員呢？我先生就是一名飛行員，他告訴我，他們所接受的絕大部分訓練，都是為了應對在引擎失靈、系統故障、天氣驟變等罕見卻攸關性命的極端危機下，如何接管機器，憑藉經驗和智慧拯救幾百名乘客的生命。
為什麼計程車可以無人駕駛，而飛機不行？從心理學的角度來看，一架飛機的失事意味著破壞上百個家庭，其造成的社會心理創傷遠比單次車禍更為嚴重。至今仍沒有任何一個組織，敢承擔全自動無人客機失事的後果。因此，即使飛機九九．九九％的時間都在自動飛行，也必須讓懂得運作原理的人類專家坐在駕駛艙裡──盯著它，隨時準備接管，並在最關鍵的○．一％時刻，做出超越機器的決策。
從開車到開飛機，這兩個例子其實指向了同一個核心原則：就算AI做得再好，只要攸關安全，特別是大規模的人身安全，就不能少了人類的監管。
這種「人機合作」的原則，也同樣適用於另一個攸關性命的領域──醫療。
十年前，AI與深度學習教父辛頓（Geoffrey Hinton）曾預言，AI比人類醫師更會看X光片，所以放射科醫師很快會被AI替代。事實卻恰恰相反，優秀的放射科醫師在過去幾年反而變得更搶手了。因為有了AI作為助手，他們反而能更快、更準確地診斷更多病人的檢驗影像，進一步拯救更多生命。AI沒有取代醫師，反而成了讓醫師創造更大價值的超級助理。
所以，思考自己的未來時，簡單的判斷標準之一是：我所做的事情需要承擔多大的安全責任？責任越重，人類的判斷和監管就越不可取代。我們的任務，不是和
AI比拚重複性工作，而是努力成為懂得如何使用AI、在關鍵時刻超越AI 的專業人士。
【知識補給站】 電車難題
一九六七年，英國哲學家芙特（Philippa Foot）提出的思想實驗。一輛失控的電車正衝向軌道上的五個人。你手邊有個拉杆，可以讓電車改道拯救這五人，卻會撞死另一條軌道上的一人。你會怎麼做？是理性計算「犧牲一人救五人」，還是不願親手殺人而選擇袖手旁觀？這直接拷問著人類的底線：為了救多數人，我們是否有權主動犧牲無辜的人？
在過去，這只是哲學家的思想遊戲；在AI時代，這卻成了演算法工程師必須面對的困境。當撞擊不可避免，自動駕駛的汽車該透過怎樣的計算來做決定？
這個問題的核心衝突在於：程式邏輯追求效率和最佳解答，而人類道德是模糊且根據情境而定的。試圖把複雜的倫理硬塞進「非○即一」的程式碼裡，或許才是最大的難題。那麼，人類的大腦又是如何處理這樣的道德問題呢？如果你對這個問題感興趣，可以參考我在《我的大腦好厲害》一書中的相關探討，如「大腦裡有道德中心嗎？」一章。
一鍵就能讓AI寫篇文章，為什麼我還要靠自己寫？
讓我們從駕駛和飛行轉向另一個深受AI影響的領域：寫作。
我在牛津大學教授認知神經科學，曾負責大學部和碩士班的課程。牛津的大學部教育實行獨特的學院制：比如心理學系的一年級學生，平時會在實驗心理學系上大班演講課，每週則回到自己所屬的學院，接受學院導師一對二或三的小班輔導（Tutorial）。具體作業因人而異，但標準相當扎實。以其中一門主課為例，每週需要完成一篇約一千五百字的學術短論（Essay），並在課堂上進行約十五分鐘的口頭陳述。學生必須在導師和同儕面前深入闡述自己的論點，並即時面對導師犀利且深刻的提問與挑戰。
在二○二二年ChatGPT 出現之前，這樣的課業是相當沉重的；而現在，情況完全變了。任何一名學生都可以把自己的觀點扔給AI，五秒內就會生成一篇文字流暢、語法正確的文章。從表面上來看，AI潤色過的語言甚至比大多數一年級學生寫的都好。
這就引出那道直擊靈魂的問題：「既然AI能幫我寫，為什麼我還要靠自己寫？」
為了回答這個問題，我想帶你看看如何為一篇牛津大學生的作文打分數。評分標準主要分為兩部分（如下頁表格）：
在正式開始探索之前，我想邀請你先完成一個小小的思考實驗。
請憑你的第一感覺，誠實地回答下面問題。
這無關對錯，也不是為了打分數，而是為了幫助你看清自己內心深處對AI最真實的感受與困惑。
這本身，就是一次非常有益的思考練習。
一、AI畫畫比我好、開車比我穩，我為什麼還要努力學習？
二、AI會不會有一天「醒來」，覺得人類很多餘？
三、AI好像什麼都懂，它到底是怎麼工作的？
四、我的努力和才華，未來會不會被一個「評分系統」誤判？
五、既然知識會「過期」，那我到底該學什麼？
六、如果醫師、老師不想失業，未來該靠什麼成為「無可取代」的人？
如果你對以上任何一個問題產生共鳴或不安，哪怕只有一點點，那麼，恭喜你！這證明你是一個熱愛思考、對未來有敏銳洞察力的人。
請不要將這些困惑視為負擔。
相反地，這正是你即將開啟一場深刻思想變革的寶貴起點。
第一部 AI的強大優勢與弱點──人類應該努力但不該恐懼的理由
二○二五年春天，我四歲的女兒如飴已經習慣每天早上起床後去找Google Home（智慧音箱）問今天天氣如何。
某天，我正在利用AI幫她處理作業的背景（還請別告訴我女兒的老師），她忽然放下畫筆抬頭問我：「媽媽，如果AI可以畫畫，我為什麼還要畫畫？它畫得比我還好啊。」這是一個絕妙的問題，精準道出我們這個時代最核心的困惑。
如今，AI能寫詩、作曲、解題、程式設計︙︙而且在很多方面都做得非常好。不只孩子困惑，家長、老師和科學家這些成年人也都在思考同樣的問題：如果AI註定會比我們做得更好，那我們這麼努力究竟是為了什麼？從更宏大的角度來說，人類的價值又在哪裡？
我能清楚地感覺到如飴眼中的世界，和我、我父母眼中的世界已經完全不同。對我父母那一代的人來說，能拿到駕照成為司機是件值得驕傲的事；對我這一代的人而言，司機已經是份足以養家餬口的工作；但是到了二○四○年我女兒成年時，司機這個職業大概有很高的機率會變得非常少見。AI註定會改變許多我們今天熟知的工作。
我們到底該學什麼才能適應未來的世界？當AI翻譯得比學了十幾年外語的我更精準、文章寫得比我班上表現最好的學生還流暢時，我們的學習基本邏輯是否應該徹底改變？
第一章AI都這麼厲害了，我還需要學習嗎？
AI畫得那麼好，為什麼我還要學畫畫？
我女兒提出的這個問題，其實並不新鮮。在人類歷史上，每出現一個顛覆性的技術，人們都會陷入類似的震撼與焦慮。要理解我們今天的處境，最好的方式或許就是進行一次思考的時空旅行，回到歷史上的相似時刻──比如，三百多年前那場徹底改變世界的第一次工業革命。
一七六五年，英國人瓦特（James Watt）改良了蒸汽機，人類的生產力第一次真正擺脫了肌肉、風帆和水車的束縛。隨著工廠拔地而起，機器的轟鳴聲逐漸壓過傳統手作的節奏。我覺得，那正是定義現代人的一個關鍵時刻。在工業革命之前，大多數人的首要目標是活下去，他們透過日復一日的勞動來換取足以果腹的食物和安穩的棲身之所。想像一下，當手藝精湛的工匠初次看到蒸汽動力帶動的機械，以十倍、百倍的效率生產布匹時，他感受到的很可能不是對科技進步的狂喜，而是自身價值被瞬間清空的焦慮與恐懼。
二○二二年底，隨著ChatGPT的問世，生成式AI（Generative AI， GAI）引爆全球浪潮；而在二○二五年深度求索（DeepSeek）以低成本與開源架構掀起平民化革命後，AI變得更加廉價且普及，我們也迎來一場智慧時代的全新「工業革命」。
今天，面對AI的我們與兩百多年前看見蒸汽機的工匠，心情何其相似。因為從生物學的角度來說，我們的大腦在這兩百年裡並沒有發生什麼明顯的變化，我們應對未知威脅的本能反應──驚嘆、好奇及深深的焦慮──幾乎是一模一樣的。
但巨大的區別是，這次的科技革命不只衝擊著成年人的工作，更直接滲透到孩子們的學習和成長之中。
我發現一個有趣的現象：我的導師們，那些五、六十歲及年紀更大的資深學者，他們更傾向於把AI當作一個超級搜尋引擎，用它來查資料、核對事實。
而比我年輕的學生們，幾乎所有事情都要和AI商量。他們會把AI調教成自己的「電子分身」，讓它恰如其分地（我的意思是不能太完美，也不能太差）完成作業；傳訊息給心儀的對象前，還會和AI討論措辭，幾乎把AI當成「軍師」在使用。
我的大女兒不到五歲，已經可以讓AI幫她生成塗色用的線稿；我的小女兒剛滿三歲，以為所有汽車都會自己停車。
AI還有什麼做不了的？就算現在做不了，學會我們能做的一切也只是時間問題？
在回答這個問題之前，首先要理解一件事：人工智慧的「優秀」與它的「笨拙」，其實是一枚硬幣的兩面。
人工智慧之所以優秀，是因為它的局限
我喜歡科學，因為它教會我：人類永遠無法知道一切，但可以學會如何去探尋一個問題的邊界。要與AI共存，我們首先要做的，就是清楚認識到它的能力極限範圍在哪裡。
聽起來可能有點矛盾，讓我用一個你可以隨時親自驗證的例子來說明。
打開任何一個主流的AI繪畫工具，然後輸入指令：請畫一個掛在牆上的實體鐘錶，指針清晰地指向七點三十五分。
稍待片刻，會得到一張什麼樣的圖呢？很可能是一張光影、材質都精美絕倫的鐘錶圖片，上面的時間卻莫名其妙地指向「十點十分」。
這非常奇怪吧？AI可以輕易畫出極其複雜的場景，甚至能頭頭是道地解釋鐘錶的機械運作原理，為什麼就是無法準確理解「七點三十五分」這個簡單的概念呢？
答案就藏在它的學習方式裡。AI並沒有形成關於鐘錶如何計時的物理模型。它不懂時針和分針的同步關係，也不理解數字七和十的含義與差別。它只是在看過的數億張圖片中，進行一次暴力的統計和模仿。在它的知識庫裡，絕大多數帶有鐘錶的商業宣傳照片，
上面的時間剛好都是十點十分｜｜因為這是公認視覺上最對稱、最美觀的時鐘模樣。
於是，AI得出一個統計學上的結論：你想要的鐘錶大概就是長這樣。它只是在復刻自己見過最多的「正確答案」，而非確實理解指令。
再舉個例子。AI有很長一段時間都畫不好人類的手，經常畫出六根手指或違反人體工學的扭曲姿勢。原因也一樣，它無法先建立「人有五根手指」的生理學心智模型再進行創作，只是模糊「記住」了看起來像手的像素組合，並在需要時笨拙地模仿出來。
而且AI製圖軟體缺乏物理常識。試著讓AI畫一張「一杯水正要從桌子邊緣翻倒，但水還沒灑出來」的圖片。AI很可能會畫出水已經灑了一地，或是四十五度傾斜的杯子裡水面依然保持水平的畫面。因為AI並不真正理解「重力」這個概念，只是拼湊出圖庫裡杯子、桌子和灑出來的水這些元素。它無法準確描繪提問的場景，其實是因為網路上描述這種情境的圖並不足夠。
在語言理解方面，AI也有類似的問題。如果問一個簡單的腦筋急轉彎：「樹上有十隻鳥，獵人開槍打死一隻，樹上還剩幾隻鳥？」AI很可能會回答「九隻。」因為它遵循的是數學邏輯。但正確答案應該是「零隻」，因為其他鳥都被槍聲嚇飛了。（現在再去搜索這個問題，AI可能已經知道正確答案了，因為大家經常討論這個錯誤，AI已經在網路上看到我們對它的批評啦！）
這些看似愚蠢的錯誤，剛好向我們揭露出AI最底層的祕密：它並非思考者，而是極其強大的模仿者和統計大師。它透過學習大量數據掌握事物之間的相關性（比如，「鐘錶」這個詞常常和「十點十分」的圖像一起出現），卻沒有掌握事物背後的因果關係和基礎邏輯。
理解這一點，也就掌握了與AI打交道的第一個祕訣：它的厲害是有極限的。因此，不必對AI產生不切實際的幻想或恐懼，而要清醒地認識其優勢和弱點，進一步好好地控制它。
現在，讓我們把視線從「AI」拉回到「自己」身上：知道AI的極限後，我們再來審視自己為什麼要努力學習。
都有自動駕駛車了，為什麼我還要學開車？
我十八歲開始在倫敦上學，一直都是步行或搭地鐵通勤，直到三十三歲才在牛津學會開車，算是高齡學生了。
我一直拖著沒去考駕照，基本上是因為身邊有一群研究自動駕駛的朋友。在他們的「洗腦」下，我總覺得說不定再等等就連駕照都不用考了。結果呢？即使買了具備自動駕駛功能的車，我還是得老老實實地去駕訓班報到。
以前不會開車的時候，我總覺得把車開好沒什麼了不起。但真正學會駕駛後，我才明白為什麼漫畫與小說裡，那些能靈活駕馭大型機械化裝甲的角色，總是那麼令人崇拜。因為汽車就是現實生活中的「外設機甲」──只不過，它的四肢是四個高速旋轉的輪子。要精準地控制它，尤其是在狹窄的停車位裡，更需要大腦和身體高度互相配合，這其實是一種非常複雜的技能。
是幸運也是不幸，我的第一輛車就是電動車特斯拉，連停車都是全自動的。導致我拿到駕照快半年，對手動停車依然缺乏信心。最近，我換了一輛自動駕駛功能沒那麼靈光的小車，有次費勁地在超市停車場停車時，我女兒很震驚地問我：「媽媽，這輛車怎麼不會自己停進去？」
那一刻我不禁大笑出聲，她提出的問題正是我拖延十五年的藉口：「反正都可以自動駕駛了，為什麼還要學開車呢？」
這個問題的答案，攸關安全，更攸關責任。
未來，無人駕駛計程車或許會普及，司機也可能被取代。但是，只要還想自己擁有一輛車，法律就很可能要求駕駛持有駕照。
為什麼？因為即便AI在九九．九九％的時間裡都比人類駕駛更安全，社會也無法接受將方向盤的全部控制權交給一個沒有人類責任感的軟體程式。你必須學會駕駛，是因為在系統失靈、天氣突變或遭遇極端路況的緊急時刻，你身為車裡會思考、有判斷力的人類，必須有能力從AI手中接管車輛的控制權。這不僅是為了你自己的安全，更是為了道路上所有人的安全。社會規範總是朝著保障集體利益和安全的方向而制定。
這背後其實是個非常有趣的權衡過程。在自動駕駛技術剛出現時，人們憂心忡忡，提出很多尖銳的倫理問題，其中最著名的就是「電車難題」（Trolley Problem）的變種：如果事故不可避免，自動駕駛的汽車應該選擇撞向五名闖紅燈的成年人，還是轉而撞向一名在路邊玩耍的小孩？
這類問題曾激發熱議，但近年來類似的討論越來越少了。為什麼？因為我們發現糾結於這種極端且罕見的場景，可能會因此忽視一個更重要的事實：就整體而言，成熟的自動駕駛技術遠比人類駕駛還要安全。
人類每天都會因為疲勞、分心、操作失誤而引發無數本可避免的事故，而自動駕駛系統不會疲勞也不會酒駕。與其在「撞五名成人還是撞一名小孩」的倫理困境裡打轉，不如選擇能讓每年因交通事故死亡人數大幅下降的系統。當一項技術能帶來如此巨大且驚人的正面效益時，社會自然傾向於予以接納。
但這並不表示人類可以完全放手不管。恰恰相反，我們把日常駕駛的枯燥任務交給AI，正是為了讓我們能集中精力，去扮演那個不可或缺的最終監管角色。
將這個邏輯推到極致的，就是開飛機。
基本上，早在幾十年前，民航客機在巡航階段就是自動駕駛了。為什麼航空公司還要重金聘請和培養那麼多飛行員呢？我先生就是一名飛行員，他告訴我，他們所接受的絕大部分訓練，都是為了應對在引擎失靈、系統故障、天氣驟變等罕見卻攸關性命的極端危機下，如何接管機器，憑藉經驗和智慧拯救幾百名乘客的生命。
為什麼計程車可以無人駕駛，而飛機不行？從心理學的角度來看，一架飛機的失事意味著破壞上百個家庭，其造成的社會心理創傷遠比單次車禍更為嚴重。至今仍沒有任何一個組織，敢承擔全自動無人客機失事的後果。因此，即使飛機九九．九九％的時間都在自動飛行，也必須讓懂得運作原理的人類專家坐在駕駛艙裡──盯著它，隨時準備接管，並在最關鍵的○．一％時刻，做出超越機器的決策。
從開車到開飛機，這兩個例子其實指向了同一個核心原則：就算AI做得再好，只要攸關安全，特別是大規模的人身安全，就不能少了人類的監管。
這種「人機合作」的原則，也同樣適用於另一個攸關性命的領域──醫療。
十年前，AI與深度學習教父辛頓（Geoffrey Hinton）曾預言，AI比人類醫師更會看X光片，所以放射科醫師很快會被AI替代。事實卻恰恰相反，優秀的放射科醫師在過去幾年反而變得更搶手了。因為有了AI作為助手，他們反而能更快、更準確地診斷更多病人的檢驗影像，進一步拯救更多生命。AI沒有取代醫師，反而成了讓醫師創造更大價值的超級助理。
所以，思考自己的未來時，簡單的判斷標準之一是：我所做的事情需要承擔多大的安全責任？責任越重，人類的判斷和監管就越不可取代。我們的任務，不是和
AI比拚重複性工作，而是努力成為懂得如何使用AI、在關鍵時刻超越AI 的專業人士。
【知識補給站】 電車難題
一九六七年，英國哲學家芙特（Philippa Foot）提出的思想實驗。一輛失控的電車正衝向軌道上的五個人。你手邊有個拉杆，可以讓電車改道拯救這五人，卻會撞死另一條軌道上的一人。你會怎麼做？是理性計算「犧牲一人救五人」，還是不願親手殺人而選擇袖手旁觀？這直接拷問著人類的底線：為了救多數人，我們是否有權主動犧牲無辜的人？
在過去，這只是哲學家的思想遊戲；在AI時代，這卻成了演算法工程師必須面對的困境。當撞擊不可避免，自動駕駛的汽車該透過怎樣的計算來做決定？
這個問題的核心衝突在於：程式邏輯追求效率和最佳解答，而人類道德是模糊且根據情境而定的。試圖把複雜的倫理硬塞進「非○即一」的程式碼裡，或許才是最大的難題。那麼，人類的大腦又是如何處理這樣的道德問題呢？如果你對這個問題感興趣，可以參考我在《我的大腦好厲害》一書中的相關探討，如「大腦裡有道德中心嗎？」一章。
一鍵就能讓AI寫篇文章，為什麼我還要靠自己寫？
讓我們從駕駛和飛行轉向另一個深受AI影響的領域：寫作。
我在牛津大學教授認知神經科學，曾負責大學部和碩士班的課程。牛津的大學部教育實行獨特的學院制：比如心理學系的一年級學生，平時會在實驗心理學系上大班演講課，每週則回到自己所屬的學院，接受學院導師一對二或三的小班輔導（Tutorial）。具體作業因人而異，但標準相當扎實。以其中一門主課為例，每週需要完成一篇約一千五百字的學術短論（Essay），並在課堂上進行約十五分鐘的口頭陳述。學生必須在導師和同儕面前深入闡述自己的論點，並即時面對導師犀利且深刻的提問與挑戰。
在二○二二年ChatGPT 出現之前，這樣的課業是相當沉重的；而現在，情況完全變了。任何一名學生都可以把自己的觀點扔給AI，五秒內就會生成一篇文字流暢、語法正確的文章。從表面上來看，AI潤色過的語言甚至比大多數一年級學生寫的都好。
這就引出那道直擊靈魂的問題：「既然AI能幫我寫，為什麼我還要靠自己寫？」
為了回答這個問題，我想帶你看看如何為一篇牛津大學生的作文打分數。評分標準主要分為兩部分（如下頁表格）：
