人工智慧的「蛇油」指的是什麼？為什麼需要警惕它？
「人工智慧蛇油」指的是那些被過度宣傳、實際上並不可靠或效果有限的人工智慧產品和技術。這個比喻借鑒了過去販售聲稱能治百病的「蛇油」騙局。我們需要警惕人工智慧蛇油，因為它會誤導消費者和決策者，導致資源的浪費、對不可靠技術的依賴，甚至可能造成實際的危害，例如在刑事司法系統中基於有偏見的預測做出不公正的判決。了解人工智慧的真正能力和局限性，有助於我們更理性地看待和使用這項技術。
預測性人工智慧（Predictive AI）的主要局限性是什麼？書中為何對其有效性表示懷疑？
預測性人工智慧，即利用模型基於過去的數據預測未來並做出決策的系統，存在多個主要局限性。首先，人類行為的複雜性和不可預測性使得準確預測成為挑戰。許多影響人類行為的因素是隨機的、難以量化或在歷史數據中沒有充分體現的。其次，預測模型往往會放大現有的社會偏見，因為它們是基於包含這些偏見的數據訓練的。例如，在犯罪風險評估中，模型可能會因為過度警務等因素，而不準確地將某些群體標記為高風險。書中對預測性人工智慧的有效性表示懷疑，認為由於人類行為的內在不確定性，以及數據和模型固有的局限性，準確預測許多重要的社會結果幾乎是不可能的。
生成式人工智慧（Generative AI）有哪些潛在的風險和爭議？
生成式人工智慧，例如 ChatGPT 和圖像生成器，雖然功能強大，但也帶來了多個潛在的風險和爭議。這些風險包括產生不實或誤導性的資訊（即「自動化胡說八道」）、侵犯版權（因為它們的訓練數據通常包含受版權保護的內容）、被用於惡意目的（例如製作深度偽造影片或圖像、散播假新聞）、以及可能導致創意產業從業人員的勞動貶值和剝削。此外，生成式模型可能帶有訓練數據中的偏見，從而在生成的內容中體現和強化這些偏見。
內容審核中採用人工智慧面臨哪些挑戰？為何書中認為完全依賴人工智慧進行內容審核是不可行的？
在內容審核中採用人工智慧面臨多重挑戰。首先，人工智慧難以理解語境、諷刺、幽默和文化差異，這導致其難以準確判斷內容是否違規。其次，不良行為者會不斷開發新的方法來規避審核系統。第三，即使是相對精準的審核模型也可能犯錯，導致合法內容被錯誤移除或有害內容被遺漏，這對言論自由和平台運營都可能產生負面影響。書中認為完全依賴人工智慧進行內容審核是不可行的，因為它缺乏人類的判斷力和對複雜語境的理解能力。一個更有效的方法可能是結合人工智慧工具和人工審核員的混合模式。
社群媒體平台在內容管理方面存在哪些固有的問題？書中提出了哪些可能的改進方向？
社群媒體平台在內容管理方面存在一些固有的問題。它們通常面臨著如何在保護言論自由和處理有害內容之間取得平衡的挑戰。平台的演算法可能會意外地放大煽動性或誤導性的內容，以追求用戶參與度。此外，由於規模龐大，完全依賴人工或人工智慧進行內容審核都難以有效應對所有問題。書中提出了一些可能的改進方向，例如更透明和可問責的審核流程、賦予用戶更多參與內容管理的權力（例如 Reddit 的模式）、以及探索更分散式的平台架構（例如 Mastodon），儘管這些分散式模式也存在其自身的挑戰。
為何預測人類社會現象如此困難？「脆弱家庭挑戰」（Fragile Families Challenge）的結果說明了什麼？
預測人類社會現象之所以困難，有多個原因。首先，人類行為受到複雜多樣的因素影響，包括個人動機、社會互動、文化背景和隨機事件。其次，社會系統是動態的，預測本身可能會改變被預測的行為（即「回饋效應」）。第三，我們能夠收集到的數據往往是不完整、有偏見或包含噪音的。
「脆弱家庭挑戰」是一個試圖利用大量數據預測兒童生活軌跡的社會科學研究項目。儘管研究者投入了大量努力和先進的預測模型，但結果顯示，對於許多重要的生活 Outcome（例如孩子的學業成績或母親的福祉），預測的準確性僅略高於隨機猜測。這個結果突顯了預測複雜人類生活軌跡的內在困難。
人工智慧炒作（AI Hype）的危險性是什麼？如何更理性地看待人工智慧的發展？
人工智慧炒作的危險性在於它會扭曲公眾對人工智慧的認知，產生不切實際的期望和恐懼。這可能導致對未經驗證的技術進行過度投資，忽略潛在的風險和倫理問題，並分散對實際存在的問題的注意力。此外，過度的炒作也可能導致「人工智慧寒冬」，即當技術未能達到過高的期望時，公眾和投資者對人工智慧失去興趣。
為了更理性地看待人工智慧的發展，我們應該培養批判性思維，對人工智慧的宣傳保持懷疑態度，關注技術的實際能力和局限性，並深入了解其背後的原理和數據。同時，我們需要重視跨學科的合作，結合社會科學、倫理學和法律等領域的知識，全面評估人工智慧的社會影響，並制定負責任的發展和應用策略。
面對人工智慧帶來的挑戰，書中提出了哪些更廣泛的思考方向和解決方案？
書中提出了多個更廣泛的思考方向和解決方案，以應對人工智慧帶來的挑戰。這些包括：
- 擁抱隨機性（Embracing Randomness）： 承認許多現象的本質是不可預測的，並在決策中考慮到隨機性的作用，例如在資源分配中使用抽籤等方式。
- 簡化決策過程（Simplicity）： 在追求效率的同時，也要重視決策過程的透明性和可理解性，以便於問責和建立信任。
- 關注公共利益（Public Interest）： 強調技術發展應以服務公共利益為目標，例如發展社群網路以提供更普及和負擔得起的網路接入。
- 加強監管和問責（Regulation）： 呼籲制定合理的法律和監管框架，以應對人工智慧帶來的倫理和社會風險，同時避免過度扼殺創新。
- 提升公眾素養（Public Literacy）： 提高公眾對人工智慧基本概念、能力和局限性的理解，以便更理性地參與相關討論和決策。
- 重視勞工權益（Labor Rights）： 在自動化浪潮中，關注對勞動力的影響，保障勞工的權益，並探索新的社會保障和就業模式。
- 批判性地看待「效率」的追求（Critically Examining Efficiency）： 反思單純追求效率可能帶來的負面後果，例如加劇不平等或犧牲其他重要的價值觀。
這些思考方向強調，應對人工智慧的挑戰需要一個多方面、深思熟慮的方法，而不僅僅是技術層面的解決方案。