綜上所述，人工智能是在虛擬世界中看真實世界，而相反地，人類智能卻是在真 實世界中創造虛擬性，例如符號系統、語言、制度等。在人工智能的眼中——假如其 真的看得到的話，真實世界只是一堆數字跟代碼。相對地，感官經驗的數位化資訊在 人類智能的眼中，也只是一堆數字跟代碼。人類智能不知道那是什麼，也無法從那些 代碼中聞到味道或者看到東西。例如，我們無法從代碼中知道這棵樹的樣子、形狀或 者是顏色，甚至是這棵樹給我們的感覺、情緒等。在人類智能的眼中，我們是以「如 其所是」的方式來觀看世界，相反地，在人工智能眼中，乃是用「如其所不是」的方 式來看世界。也因此，當後者想要「進入」或「看到」真實世界的企圖時，其就必須
過去經驗...以辨識出該刺激與其對個體的獨特意義」(Dreyfus, 2007, p. 1151)。
Freeman：「脈絡依賴是腦部記憶系統的根本性質，每一個新的經驗必然會微量地改變 所有儲存的東西，為的是要讓一個新的條目被整合且完全地被部署在既存的經驗中。這與 儲存在電腦中的記憶之性質不同，其每一個項目被分配到一個地址（address）...每一個 項目都被劃分於彼此，新的項目並不會改變舊的項目。然而，在大腦中，儲存並沒有界線 或分區，...每一個新的狀態變化...開啟了建構一個衝撞並形塑整個意向結構的本地類型」
（轉引自 Dreyfuse, ibid.）。換句話說，新的東西加入會對原有的結構進行改變，並且重 新構成一個新的整體。新的東西不是直接被安排到這個既有結構中的一個區塊，而是在與 舊有結構的衝突或互動中，既讓原本的結構有了變化，也讓自己在該結構中獲得位置，形
資訊社會研究 38 (2020) 93-126
要「窮盡」這些「如其所不是」的事物。只有在窮盡之後，才有可能或認為其是所理 解的「如其所是」的世界。然而，人類智能的如其所是，並非是先窮盡才知悉，而是 一種「例示」（illustration）的方式。我們透過如其所是來建構關於這個世界的知識，
透過如其所是來知道何謂如其所不是，而非相反。這兩個路徑，「窮盡／例示」，或 許正指出了人工智能的盲點之一。
人類智能是可以在模糊性中做決定，但人工智能——至少就目前為止——卻只 能在精確性中做決定。人類智能在做決定的當下，其面對的情境對其而言仍是具有一 定程度的模糊性，換句話說，人類並不知道或無法確定該決定是否就是正確的決定，
這部分是因為該情境仍對其自身具有模糊性。如果從形式理論角度觀之，人類是透過
「例示」（illustration）的方式來化約其環境——包括技術——的複雜性，環境具有 的是一種潛在的已被窮盡之特性（exhausted world）——也就是無所不包的世界。儘 管也是化約，但化約的前提或目的並非是追求窮盡其環境中一切，而是「生存」，或 系統的運作。生存的內涵或者以Stiegler的話來說，就是一種「持續去除原初失誤的過 程」——透過技術將人類的原初失誤持續地外部化。在外部化的同時，人類不僅作為
（非屬自然的）「人類」而出現，同時也讓作為（自然的）人類消失。這兩種人類是 不同的。當人類因為技術的介入而逐漸轉向以窮盡為其認知上的邏輯——其實是技術 的邏輯或本質，或者是以此化約來自環境中的複雜性，此一（非屬自然的）人類也將 消失於其中。此時，窮盡將成為系統運作的真值（exhaustion／illustration），而其努 力地想要化約來自其環境的複雜性——亦即「例示」（illustration）。這個轉變對於我 們在思考科技與人類、科技與社會的關係之變化是有啟發性的。模糊性逐漸被人工智 能所需要能夠維持其運作的環境所消除，也因此形塑了不只是新的自然語言，也可能 帶來了新的道德性內涵。
從自動駕駛技術與人工智能之應用來看，「窮盡」具有兩種意涵，其一是其需要 儘可能地透過各種感測器搜集環境數據，儘可能全面且精確地辨識這些來自環境中的 訊號。其二是其也需要「窮盡自身」（exhaust itself），亦即，窮盡其運算法本身所可 能提供的判讀與回饋的選項。人工智能的精確性與可信度，必須要結合兩者，並且在 兩者中取得一定程度的平衡，才有可能更好地應用在日常生活中，或者可以跟人類智 能並存，而非僅是其輔助：
The Journal of Information Society
本研究之目的不在主張以人工智能為基礎的自動駕駛技術是不可行的，相反地，
即便如最高等級的完全自動駕駛技術，也就是無論如何都不需要人類駕駛干預、沒有 方向盤、油門或汽車後視鏡等的完全自動駕駛汽車，都是可預期會有實現的一天。然 而，本研究嘗試指出的是，目前的自動駕駛技術都是在受到控制的環境中——也就是 如同Bostrom 所言之對人工智能而非人類智能友善的環境——進行測試。這些交通工 具基本上不需要與人類智能有完全的互動，也不需要處理因為人類智能所可能導致的 各種情況，因此或許可以避免這些可能無法解讀的風險。換句話說，人工智能科技若 仍是以窮盡為其邏輯，那麼距離要能夠「像人一樣思考」的人類智能水準，可能還有 一段路要走。此外，這個實現更可能會是以犧牲人類智能為代價，才有可能達到。這 意思是說，人類能夠創造出來的可能是一個沒有人類智能或者人類智能最小化的世界 或日常環境。如此一來，人工智能便可暢行無阻，而且可以完美的執行。這樣的世界 或日常生活，有可能不再是人類智能優先的世界，而是人類智能如何適應人工智能的 世界。機器出錯，我們會責怪人類，而非機器為何無法適應人類智能。例如，為什麼 行人不遵守號誌、不走斑馬線、不依照規定來行動等。因為這些地方才有人工智能可 以準確執行的餘地，我們必須遵守號誌、走斑馬線、依照能夠順利讓人工智能運作的 規則來行動，如此一來，人工智能才不會出錯、才不會撞上行走的人們、才不會無法 辨識人們的行為等。
另外，我們（人類智能）允許「認錯人」這件事，或許是人類智能之所以為人 類智能的關鍵元素，也是人類智能學習的基礎。相對地，當我們期待開發出能夠並駕 齊驅或甚至是超越人類智能的人工智能時，我們並未同意人工智能也可以犯下跟人類 智能相同的錯誤，或至少在實際的運作上，我們乃是努力地期待或想要解決人工智能
圖一：Learning process of HI and AI
資料來源：本研究製圖
資訊社會研究 38 (2020) 93-126
總是不那麼精確的部分或總是會出錯的結果。例如自駕車上路後遇到的各種問題，在 對各種情況的判斷中，我們不容許其像人類智能一樣擁有犯錯的權利，例如對道路上 人類行為的判讀，總是在避免造成「對人類的傷害」，但這樣的「避免」卻是在「不 允許犯錯」的基礎上，而非是在「允許犯錯，但可以更小心」的基礎上，而後者即是 人類智能在學習上與人工智能的差異，讓其可以「更精確地」完成某些事26。換句話 說，我們對人工智能的開發與期待，在形式上受到人類智能的限制。我們期待人工智 能可以如人類智能一樣，具有解決複雜問題、抽象思考、創造性的能力，但我們卻 不容許其有犯錯的權利。當我們想要儘可能地避免錯誤發生時，或許也不可避免地再 次落入「窮盡」的思維模式。儘管「窮盡」的本質便是在提供所有可能性，並且從中 給予正確、有效、有效率的判斷，但也正是此一窮盡，在很大程度上脫離了人類智能 的本質，亦即，對缺陷或錯誤的理解及允許，或許才是其獨特之處。由此也可以看出 來，過去六十年人工智能的研究與發展，逐漸朝向模仿自然或仿生的方向前進，例如 神經網絡及遺傳演算法等。其背後所透露的是，如果可以理解大腦神經網絡或生物體 的運作，便可以透過科技製造或模擬出一個一模一樣的東西。然而，延伸 Stiegler 的 觀點來看，如果缺陷經驗是「成為人」的基礎，也正是其雙關「去—失誤／預設」在 人類這邊是不斷地在前者（去—失誤）複製該區別，「成為人」的預設便是一種「不 斷去—失誤」的過程，也就是「不斷地去失誤」本身就是人類智能的目的。因此，一 但失誤可以真正地被去除，那麼或許也代表人類智能的終結——人類將不再能夠「成 為人」，而是其他東西（something else）。
26. 例如：http://www.sciencemag.org/news/2017/12/are-we-going-too-fast-driverless-cars
The Journal of Information Society
參考書目
Bernecker, S., & Michaelian, K. (Eds.). (2017). The Routledge Handbook of Philosophy of Memory. London and New York: Routledge. https://doi.org/10.4324/9781315687315 Bostrom, N. (2014). Superintelligence: Paths, Dangers, Strategies. Oxford, UK: Oxford
University Press. DOI: https://doi.org/10.1017/S0031819115000340
Clark, A. (2003). Natural-Born Cyborgs: Minds, Technologies, and the Future of Human Intelligence. Oxford & New York: Oxford University Press.
Clark, A. (2013). Re-Inventing Ourselves: The Plasticity of Embodiment, Sensing, and Mind. In M. More & N. Vita-More (Eds.), The Transhumanist Reader. West Sussex, UK: Wiley-Blackwell. https://doi.org/10.1002/9781118555927.ch11
Davies, A. (2018). The Wired Guide to Self-Driving Cars. Retrieved from https://www.
wired.com/story/guide-self-driving-cars/
Dreyfus, H. L. (1965). Alchemy and Artificial Intelligence. Santa Monica, CA: RAND Corporation.
Dreyfus, H. L. (1972). What Computer Can’t Do. New York: Happer & Row.
Dreyfus, H. L. (2006). Overcoming the myth of the mental. Topoi, 25, 43-49. https://doi.
org/10.1007/s11245-006-0006-1
Dreyfus, H. L. (2007). Why Heideggerian AI failed and how fixing it would require making it more Heideggerian. Artificial Intelligence, 171, 1137-1160. https://doi.org/10.1016/
j.artint.2007.10.012
Gardner, H. (2011). Frames of Mind: The Theory of Multiple Intelligences. New York:
Basic Books.
Garfinkel, H. (1992[1967]). Studies in Ethnomethodology. Cambridge: Polity Press.
Glannon, W. (2019). The Neuroethics of Memory: From Total Recall to Oblivion.
Cambridge, UK: Cambrideg University Press. https://doi.org/10.1017/9781316443712 Hancock, P. (2018). Self-Driving Cars and Humans Face Inevitable Collisions. Retrieved
from
https://www.scientificamerican.com/article/self-driving-cars-and-humans-face-資訊社會研究 38 (2020) 93-126
inevitable-collisions/
Haugeland, J. (1998). Having Thought: Essays in the metaphysics of mind. Cambridge, Massachusetts; London, England: Harvard University Press.
Hickey, L. P. The Brain in a Vat Argument. Retrieved from https://www.iep.utm.edu/
brainvat/
Luhmann, N. (1995[1984]). Social Systems (J. Bednarz & D. Baecker, Trans.). Stanford, California: Stanford University Press.
Malik, K. (2000). Man, beast and zombie: what science can and cannot tell us about human nature. London: Weidenfeld & Nicolson.
Marx, K. (1887[1867]). Capital (S. Morre & E. Aveling, Trans.). Moscow: Progress Publishers.
Moore, P. (2003). Being Me: What it Means to be Human. West Sussex, England: Wiley.
Nilsson, N. (2010). The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press. https://doi.org/10.1017/
Nilsson, N. (2010). The Quest for Artificial Intelligence: A History of Ideas and Achievements. Cambridge: Cambridge University Press. https://doi.org/10.1017/