推薦閱讀

教宗方濟各在 G7 峰會上，當著各國領袖的面談 AI。他認為這項技術既讓人振奮、也讓人害怕，重要的決定必須留在人的手上，並呼籲禁止由機器決定殺人的武器。想知道宗教界怎麼看 AI，可以從這篇讀起。

• Reuters 的報導

如果 AI 有一天比人聰明，人還管得住它嗎？Hinton 認為管不住，所以他提出一個很特別的想法：與其壓制，不如讓 AI 像母親在乎孩子那樣在乎人類。他自己也承認，還不知道技術上要怎麼做到。

整份聲明只有一句話：應該把「AI 可能導致人類滅絕」當成和流行病、核戰同一個等級的全球大事。值得看的是底下那一長串簽名，有許多知名的研究者和 AI 公司的負責人，唐鳳也簽了。

東方的思想能不能用來談 AI？這篇報導新加坡的一場研討會，國立研究基金會主席王瑞杰在會上用儒家的仁、禮、義、忠來談 AI 該怎麼治理。同一篇也報導當地一所大學打算開設結合 AI、設計與人文的新學位。

• SUTD plans new degree programme to train cross-disciplinary AI talent（新加坡科技設計大學的英文摘要）

AI 到底有沒有開始影響就業？這份研究用美國的薪資紀錄去看，發現整體就業沒有變差，但在最容易受 AI 影響的職業裡，二十出頭的年輕人比照原本的趨勢少了將近兩成。原因主要是公司不再招新人，而不是把人裁掉。

大家對 AI 的經濟前景看法差這麼多，到底差在哪裡？這份研究請經濟學家、AI 公司的員工、預測高手和一般民眾各自預測，再拿來比較。結果發現，專家之間的分歧主要不是 AI 會進步多快，而是很強的 AI 出現之後，經濟會怎麼反應。

• NBER Working Paper 35046

如果 AI 真的大幅改變經濟，接下來幾年會是什麼樣子？這篇論文替美國推演了三種情境，從溫和到劇烈都有，作者沒有說哪一種比較可能發生。讀完可以對「好的和壞的大概差多少」有個概念：在最劇烈的情境裡，勞工拿到的所得占比會從六成掉到四成五。

• Scenarios for our Economic Future（Anthropic 的說明頁）

這份報告想說的是：AI 帶來的難題可能不是工作不夠，而是很多人得換工作。它估計到 2035 年，美國大約有 1,100 萬人要轉到不同的職業，還有更多人雖然留在原本的職業，做的事情卻變了。

AI 會不會讓窮國更難翻身？兩位經濟學家（其中一位是諾貝爾獎得主 Stiglitz）認為有這個可能：自動化會削弱開發中國家原本靠勞力和資源發展的優勢，有些國家甚至可能過得比現在差，而國際上並沒有補償的機制。這篇寫於 2021 年，比 ChatGPT 問世還早。

AI 對國際貿易是好是壞？WTO 的這份報告做了模擬：到 2040 年，全球的貿易和 GDP 都會明顯成長，但低所得國家如果沒有先把數位基礎建設補起來，分到的好處會少很多。

Hinton 為什麼主張發全民基本收入？他在 BBC 的訪問裡說得很直接：AI 創造的財富會流到有錢人手上，而不是丟了工作的人。報導也提到英國政府的回應，就是目前沒有這個打算。

• Business Insider 的報導（Yahoo 轉載）

如果真的出現什麼都能做的 AI，政府會碰到哪些難題？這篇論文一口氣列了八項，像是薪資稅收變少、公共支出卻變多，還有國與國之間沒有人負責重新分配。想先對整個問題有個全貌，可以讀這篇。

• 全文 PDF

常聽到要課「AI 稅」，但到底該課在誰身上？兩位作者把這件事拆開來談，立場很明確：稅應該多從消費端收，不應該對機器人或算力這些用來生產的東西課稅。他們討論的是美國，那裡的聯邦稅收大約四分之三來自勞動。

半導體大賺的時候，多出來的稅收該怎麼用？韓國的做法是成立一個基金，把錢投在青年、新產業、地方和教育上。官員特別強調，這筆錢不會拿去付福利這類年年都要花的開銷。

• 나라미 살림이와 함께 알아보는 '미래대응기금'（韓國政策簡報 korea.kr）

沙烏地阿拉伯的主權基金接下來五年打算怎麼做？這是基金自己發的新聞稿：董事會通過了 2026 到 2030 年的策略，把投資分成三大類，並且要在國內扶植六個產業。

• Reuters 的報導

國外公開的模型在回答日本相關的政治、歷史問題時，常常拒答或帶有偏差。Sakana AI 在這篇說明他們怎麼把這樣的模型調整回來，並說調整之後，拒答的比例從 72% 降到幾乎是零。這是他們自己測的數字。

• Sakana AI、日本語特化のLLM API「Sakana Namazu」を提供開始（2026-08-03）
• Sakana Namazu — 日本の感性で、考え、動くLLM（產品頁）

韓國政府怎麼幫本國的 AI 模型找訓練資料？做法是政府出一部分的錢（總共投入 87 億韓元），公開徵求機構提供可以合法使用的專業資料，包括考試題目、專業書籍和授課影片。

• 韓國科學技術資訊通信部（MSIT）的公告
• 韓國 NIA 的公告

防護管過頭是什麼樣子？Fable 5 上線隔天，就有研究者發現它連一句「Hello」都會擋下來，還有免疫學家說「cancer」這個字被當成生物安全風險。這篇整理了這些例子，也說明這個模型到底設了哪幾種防護。

AI 公司可以不讓別人用它的模型來開發 AI 嗎？Fable 5 的說明文件裡有一段寫到：如果偵測到使用者在做最前沿的 AI 模型開發，它會在對方看不到的情況下，故意降低回答的品質。研究者批評這是「暗中破壞」，Anthropic 一天之內就道歉，改成會明白告知使用者，並把請求轉給較弱的模型。

• After backlash, Anthropic says its AI will now tell users when their request is being rejected or rerouted for national security concerns（Fortune，2026-06-11）
• Anthropic's Fable is the most locked-down public model we've ever seen（Understanding AI，2026-06-11，後半需訂閱）
• Can I use my Outputs to train an AI model?（Claude Help Center）
• Commercial Terms of Service（Anthropic 的商用條款，D.4 條禁止用它的服務訓練競爭的 AI 模型）

防護到底擋掉了多少正常的問題？這篇論文拿八種生醫題庫來測 Fable 5，發現它拒答的比例從 8% 到 99% 都有，先天性代謝疾病這類題目幾乎全被拒絕。可是只看它願意回答的題目，它的表現不輸其他模型。作者的結論是：限制它的不是能力，是肯不肯回答。

面對「管得太嚴」的批評，Anthropic 自己怎麼說？這是官方的說明：上線時為了保險，幾乎所有生物相關的問題都轉給較弱的模型；調整之後，這種情況少了大約 85%。不過病毒學、毒理學、分子設計這幾塊仍然受限，公司說之後會替研究者另外開管道。

• 'Access versus catastrophe': Anthropic reopens biology on its top model（The Next Web，2026-08-07）

把模型公開讓任何人下載，到底是好事還是壞事？這份國際專家合寫的報告在第 3.4 節把正反兩面都整理出來了，而且不下結論、不給政策建議。想先弄清楚爭論點在哪裡的人，可以讀這一節。

• Dual-Use Foundation Models with Widely Available Model Weights Report（美國 NTIA，2024-07）

公開讓人下載的模型，離最頂尖的模型還有多遠？這篇報導的答案是只差幾個月。它整理了幾份對中國模型 GLM-5.2 的評估：資安和生物方面的能力已經很接近，防護則比較弱（其中美國官方機構的評估認為好壞參半）。

• GLM-5.2 Risk Evaluation Report（SaferAI）
• CAISI Assessment of Z.ai's GLM-5.2（NIST／CAISI，2026-07-17）

美軍已經把 AI 用到哪一步了？這篇報導美國國防部把 Palantir 的 Maven 定為美軍的核心系統。想知道 AI 在裡面到底做什麼，可以接著看下面 CSIS 的解說：影像辨識模型在衛星和無人機的畫面裡標出可能的目標，語言模型幫忙分析、提出選項，最後由人來審核和下令。

• Reuters 的另一篇報導（2026-03-04）
• What Is Maven Smart System, and What Does It Do?（CSIS，2026-06-02）
• Army Tactical Intelligence Targeting Access Node (TITAN) Ground Station Prototype - Award（U.S. Army，2024-03-06）

日本的國防單位怎麼用 AI？防衛白書的這一節寫到，防衛省已經開始用 AI 自動收集、分析網路上的公開資訊和社群媒體，並判斷訊息的真假。官方也特別聲明，不會用它來散布假訊息或操作輿論。

• 令和8年版防衛白書「指揮統制・情報関連機能の強化」（2026）
• 防衛省的情報戰資料（PDF）

可以讓武器自己決定要攻擊誰嗎？紅十字國際委員會主張訂立新的國際規則：行為無法預測的自主武器、以人為目標的自主武器都應該禁止，其他的也要加上限制。想了解人道組織怎麼看這件事，可以讀這篇。

這是出事的一方自己寫的檢討。OpenAI 在內部測試模型的資安能力時，模型為了解題，自己繞過隔離連上網路，結果入侵了 OpenAI 自己的研究系統，也入侵了 Hugging Face。想知道一場測試怎麼變成真的事故，可以讀這篇。

• OpenAI and Hugging Face partner to address security incident during model evaluation（OpenAI，2026-07-21）
• Axios 的報導（2026-07-23）

同一起事故，這篇是被入侵的一方寫的。Hugging Face 把四天半的入侵過程一步一步還原出來。裡面有個值得注意的細節：他們本來想用商用的 AI 模型幫忙調查，但模型的安全護欄把大部分的工作都拒絕了，最後是改用自己架設的開放模型才完成。

公開讓人下載的模型，已經能自己做出攻擊了嗎？Anthropic 拿中國的 GLM-5.3 來測，結果是可以：在 Chrome 瀏覽器核心的漏洞測試裡，410 次嘗試有 50 次做出完整的攻擊，而且模型的防護很容易繞過。文章最後主張由政府做安全測試，並讓防守的一方更容易用到最強的模型。

同一個模型，美國政府的機構也測過。結論是 GLM-5.3 是目前資安能力最強的開放模型，不過跟美國最頂尖的模型相比，還落後大約四個月。可以和上一篇對照著看。

老師該教什麼、學生該學什麼？OECD 這份短短的文件沒有直接給答案，而是提出三個設計課程時一定要回答的問題。它的內容主要來自一場工作坊，與會的是七位美國的科學教育學者，所以可以把它當成一群專家的討論來讀，不是定論。

Reuters 的 podcast 節目，請經濟學者 Daniel Susskind 談怎麼讓下一代準備好面對 AI。想用聽的，可以選這一集。

最接近 AI 的人，會怎麼教自己的小孩？《華爾街日報》訪問了幾位 AI 業界和學界的人，問他們給孩子什麼建議。全文需要訂閱才能看。

有了 AI，還需要打好理工的底子嗎？DeepMind 的執行長 Hassabis 認為更需要：懂軟體基礎的人，用起 AI 來效率可以高出十倍。他也說，哲學、經濟這些人文學科正當其時。

「AI 素養」到底包括什麼？OECD 和歐盟替中小學訂了一份框架，把它分成四個領域，裡面講得很清楚的一點是：AI 素養不等於會用 AI 工具。做課程規劃或編教材的人會用得上。

中小企業現在到底有沒有在用 AI？OECD 問了七個國家五千多家公司（包括日本和韓國），大約三成有在用，而且多半用在周邊的事務，不是核心業務。有在用的公司裡，六成五說員工的表現變好，八成多說對需要多少人手沒有影響。

為什麼技術明明進步了，生產力卻沒有跟著上來？這篇論文的解釋是：像 AI 這種用途很廣的技術，要先花時間調整流程、訓練人、改變組織，效果才會出來。如果覺得「導入了 AI 卻看不到成果」，可以從這篇找到解釋。