（2020-07-14）創新工場董事長兼執行長李開復在Aspen Ideas Festival把AI在疫情中的貢獻成績打了個B－；他解釋，B－已經比及格好多了，當然不夠理想，因為AI與流行病有本質上的差距...
（2020-07-14）在週前的Aspen Ideas Festival，創新工場董事長兼執行長李開復把AI在疫情中的貢獻給一個B－，記者問他為什麼給這麼低的分數，他說B－已經比及格好多了，當然不夠理想，因為AI與流行病有本質上的差距。
AI是累積很多資料重覆運轉，才得以準確預測，而流行病是很多年才發生一次，沒有建構模型的經驗，也沒有太多資料。不過AI在疫情中也的確發揮了一些正面功效，所以給一個B－。
記者又問AI在抗疫上幫了哪些忙？又有哪些沒使得上力的地方？李開復以他在北京的親身經歷說了幾件事。
病情接觸的追蹤，做得很有效，手機上有紅黃綠的信號，告訴我是否接觸過有病情的人，好讓我做進一步檢查。另一件是當我回到北京的兩週隔離，都使用電子商務，包括食物的購買，全以機器人送遞，完全不接觸任何人。所以機器人在結構化的環境像公寓、醫院、商店、辦公室，可以運作的很好。
在疫情中，AI協助發現治療藥物，發現新的抗體疫苗，更有效的用在庫房，處理電子商務的龐大包裹。早期有一家叫BlueDot的公司，預測重大流行病的來臨，當然沒有對外公開，現在我們受到了疫情的傷害，累積了很多資料作為基礎，如果有下一波、或下一次大流行，這種預測功能就會更為準確。
在疫苗的發展上雖然使用AI，但效果不如預期，李開復認為是在急迫的情況之下，把技術用在樹下低枝的水果，而未能掌握完整情況。他舉例一家生技公司，用AI協助的生成化學，來預測化合物的種類，用來阻擋病毒的傳播。這些類似的作法，都是把AI技術移轉到低枝的水果，這樣使用AI，不太會產生驚人的效果。
在健康照顧上，AI可以提供很多個人化服務，如對象化的診斷，更準確的基因排序，以及與AI結合的基因編輯技術Crispr等。而同時健康照顧的方式很多效率不完善，像是醫藥保險沒有依照健康資料來設計。如果把這些加到一起，AI有很大的發展潛力。唯一的因素是個人資料的保護，如果過分保護、期使是匿名，那就很難訓練AI，AI需要資料才跑得動。
疫情讓全球十億學童改變了上學的習慣，改在家裡線上學習，突然之間，我們看到了AI技術的普及，AI老師、AI改正你發音、AI找出你學習的障礙，當然有時候還需要人與人的互動，像個人化的教學，與精神上的勉勵，但AI則用作例行的教學。
辦公室也同樣改變，當大家在家裡線上工作，所做的事都會數位化，都成為資料，就給了AI的潛力，有事為什麼不用AI做決定、要用人來決定？所以疫情會加速AI取代人力的工作。
李開復在他兩年前AI Superpowers的書裡提到，凡需要創意及人際互動的工作，不會被AI替代，但因為疫情，有些被認為需要人際互動的工作，反而會加速被AI替代，原因之一是疫情需要減少人的互動，如醫院照顧病人、餐飲服務。
如果醫院能讓機器人移動醫療設備，給病人服務、量血壓，對病人與看護都減少危險。餐廳使用手機點餐與支付、用機器人送餐，可以把人際接觸減到最少。
記者最後問一個隱私與AI的問題，AI所需要的資料，在尊重個人隱私之下就難以取得，為了發展AI，對過度注重隱私的國家如美國，是否應該放鬆一些？
李開復說如果能這樣，值得讚賞鼓勵，大家也開始認識到隱私不是０與１，也不是高於一切，需要與公共健康與社會福利一併考量，而要給每個人選擇的自由。一個國家如果能設立平衡的規則，以匿名的方式取得適量的個人資料，AI就可以藉此訓練了。
從李開復的敘述，AI確實支援了許多抗疫工作，特別在減少人際接觸又能維繫正常的活動，尤其在教育上更發揮了AI功能。也正如他說的，AI與流行病在先天上的差異，AI未能深入介入，像疫苗的發展。但經過這一場硬仗，AI應該學到了流行病的本質，也累積了有用的資料，下一次遇到類似的情況，戰役的能力即使到不了Ａ，至少也有B＋。
相關閱讀
李開復：AI的抗疫成績B－
結合機器學習的「池篩」
本文取材自2020年７月12日「那福忠西海岸數位隨筆（160）」：李開復：AI的抗疫成績B－
對本文有任何看法，歡迎 E-Mail：frank.na@gmail.com 給作者，分享您對本文的看法。
.png)
