Meredith Broussard《人工非智慧》為什麼反對科技迷信？不是所有問題都值得交給電腦

Meredith Broussard《人工非智慧》為什麼反對科技迷信？不是所有問題都值得交給電腦

當一個制度出問題，人們很容易說：那就上系統、做平台、訓練模型、用AI解決。Meredith Broussard在《人工非智慧》提醒，這種直覺有一個危險前提：相信技術不只擅長計算，還天然更適合處理教育、醫療、民主、貧困與公共服務等複雜問題。

她把這種想法稱為「技術至上主義」：重點落在過度相信科技方案必然優於其他方案。Broussard的批評不在於電腦很笨，而在於電腦只能處理被轉成資料、規則與目標的部分；如果問題本身涉及歷史、關係、照顧、權利與價值衝突，更多運算不一定會讓答案更好。

實體索引｜Meredith Broussard 與《人工非智慧》

• 人物：Meredith Broussard，資料新聞與科技研究者。
• 著作：《人工非智慧》，批判把科技與 AI 當成解決所有問題的萬能方案。
• 問題實體：醫療、教育、司法、照護與公共服務各有脈絡，不是把資料輸入電腦就能得到公平答案。
• 核心主題：不是反對所有技術，而是要求先判斷問題是否適合計算、誰承擔錯誤以及誰能申訴。

快速抓住這篇文章

• 《人工非智慧》重點落在反對把技術當成所有社會問題的預設解方。
• 技術至上主義重點落在相信只要資料夠多、模型夠強，複雜問題就能被自動解決。
• 電腦擅長處理可形式化的任務，卻不會自動理解歷史脈絡、價值衝突、關係與人類尊嚴。
• 一套系統能不能運作，除了看準確率，也要看它的目標是否合理、資料是否足夠、制度是否願意改變。
• 真正的技術判斷，重點落在先問這是不是該用技術做的問題。

Meredith Broussard、《人工非智慧》與技術至上主義

名稱	在書中的位置	今天仍值得追問的問題
Meredith Broussard	資料新聞與科技批評研究者	電腦系統的能力邊界與社會後果
《人工非智慧》	2018年出版的著作	為什麼電腦常會誤解世界，也不該被當成萬用解方
技術至上主義	書中的核心批評概念	把技術能力誤當成社會問題的最佳答案
形式化	電腦處理問題的前提	哪些事情能被轉成資料、規則與可計算目標
制度問題	技術無法自動解決的面向	權力、資源、責任與價值衝突如何被重新安排

《人工非智慧》出版於2018年。Broussard以新聞、教育、醫療、選舉與自動化系統為例，說明電腦往往會在最需要社會理解的地方出錯。她的書名重點落在提醒：當我們把電腦當成人類問題的理解者，就可能忽略它究竟看不見什麼。

能被計算，不代表值得被這樣解決

技術方案最擅長的，是把問題轉換成輸入、規則、目標與輸出。這對許多任務很有效，例如排序、搜尋、預測、翻譯與重複性工作。但不是每個問題都能被完整轉換。教育不只是在提高測驗分數，醫療不只是在最佳化排程，公共安全不只是在降低某個風險指標。

當一個複雜問題被過早壓成可計算的目標，系統可能非常有效率地完成錯的事情。Broussard的提醒是，不要只因為一件事能量化，就放棄追問它是否被定義得太窄。

技術至上主義最常忽略的，是制度本身不願改變

很多科技專案把問題描述成資訊不足、流程太慢或人力不夠。但有些困境的根源重點落在資源分配、勞動條件、官僚責任、歧視與政治選擇。若制度不願處理這些問題，技術往往只會把舊流程包上一層新介面。

例如，若一個教育系統的問題是班級資源不均，單靠更精準的學習平台未必能解決；若公共服務的問題是申請者被反覆刁難，做一個更快的線上表單也可能只是讓刁難更自動化。技術重點落在不能代替制度願不願意負責。

模型能處理模式，卻不一定理解人的理由

AI可以從大量資料中找出相關性，也能模仿語言、圖像與行為模式。但相關性不等於理解。系統知道兩件事常一起發生，不代表它知道人為什麼做出選擇、某個行為在什麼脈絡下成立，或這個結果對當事人意味著什麼。

這個差別在高風險場域尤其重要。若一個模型根據過去資料預測誰可能違約、誰可能退學、誰可能有風險，它可能抓到模式，卻不知道那些模式背後有沒有貧困、照顧責任、歧視或臨時危機。把模式當理由，容易讓制度看起來像在理解人，實際上只是在重新分類人。

「先做再修」為什麼不是中性的創新方法

科技產業喜歡快速迭代：先推出、收集回饋、再修正。對低風險產品來說，這可能有效；但當系統涉及就業、醫療、教育、公共服務與安全時，受傷害的人不一定有能力等到下一版更新。

Broussard的觀點要求人重新區分：哪些東西可以試錯，哪些決策不能先傷害再道歉。創新除了看速度，也要看誰被當成測試對象、誰能拒絕、誰能獲得補救。這些重點落在讓技術不把風險丟給最沒有選擇的人。

Broussard和O’Neil、Eubanks、Crawford的差別

• Broussard：為什麼技術能力不等於理解社會問題的能力。
• O’Neil：模型如何以不透明方式大規模放大傷害。
• Eubanks：公共服務自動化如何讓貧困者承受更多制度摩擦。
• Crawford：AI如何依賴資源、勞動、資料與權力集中。

四者共同反對一種簡單想像：只要系統更強，社會就會更好。不同之處在於，Broussard特別要求人先問問題是否被錯誤地技術化，而不是只在技術部署後修補偏差。

對台灣讀者來說，數位轉型不該變成拒絕討論的口號

在台灣，數位轉型常和效率、競爭力與跟上世界連在一起。這些目標可以重要，但Broussard的提醒是：每次導入新系統前，都要先問它解決的是誰的問題。是讓使用者更容易得到服務，還是讓組織更容易把責任推給介面？是減少行政負擔，還是讓需要協助的人更難找到真人？

真正成熟的數位化，重點落在知道哪些關係必須保留人、時間、說明與例外。技術越強，這些判斷越不能被省略。

對讀者的實際意義

讀《人工非智慧》最實用的地方，是養成一個比「能不能做」更早的問題：這件事真的應該用技術解決嗎？若答案是可以，也要再問目標、資料、風險與申訴是否被想清楚。這會讓人除了科技使用者，還涵蓋能判斷技術適不適合進入生活的人。

讀者常問

人工非智慧是什麼意思？

人工非智慧是Meredith Broussard用來提醒人的說法：電腦可以做很多事，但不會自動理解世界的複雜脈絡。它重點落在反對把電腦能力誤認成社會智慧。

技術至上主義是什麼？

技術至上主義指過度相信技術必然能解決社會問題的態度。它除了喜歡新工具，還涵蓋忽略制度、歷史、關係與價值衝突，先把技術當成最佳答案。

AI不懂人，還能用在公共服務嗎？

可以協助特定工作，但不該取代所有判斷。越涉及基本權利、生活資源與重大後果的決策，越需要清楚規則、人工覆核、申訴機制與對具體處境的理解。

反對技術至上主義就是反創新嗎？

不是。它要求創新接受更嚴格的問題定義：技術是否真的有用、誰承擔錯誤、是否有替代方案、是否能被拒絕與修正。這會讓創新更負責，而不是更慢。

Broussard留下的，不是拒絕電腦

《人工非智慧》真正留下的，是一種不被工具崇拜帶走的能力。技術可以強大，但它不會替人決定什麼值得照顧、什麼算公平、誰該承擔風險。這些仍然是社會必須自己回答的問題。