知勢電子報 | 2026.07.26

各位朋友好：

這星期的電子報分享了很多「風險」，表面上看來都是大家很長時間的疑慮：如果 AI 繼續按照目前的路徑發展，到底會發生哪些可能的風險？AI 擔任企業面試第一關篩選履歷時，是否會有偏見？

但如果仔細閱讀，可以發現這些問題的層次並不只是我們過去所熟知的那些，像是 AI 從資料、模型到應用都可能有各種有意或無意的誤解、還有無從解釋的黑盒子演算法、生成式 AI 的幻覺等等，AI 就是會照單全收人類社會的偏見，所以要特別留意。然而，除此之外還有更深層的問題。

例如，現在我們可能略知 AI 風險的成因，然而，到底「風險」是什麼？AI 當機？企業營運系統癱瘓？還是丟了一百份履歷全部被不知名的AI打槍？在 MIT 與昆士蘭大學合作的研究中，有更清晰的定義與範疇。

而 AI 擔任第一關篩選履歷的人資小幫手，偏見都來自於人類給的資料？還是模型自己「學習」出來的成果？如何判斷？寫個有效的 Prompt 就能解決？

過去幾年，我們探索的重點從「AI 是什麼」、「AI 怎麼用」，到現在則是更細緻學習如何讓 AI 融入人類的工作與生活。

「人機互動」說來容易，實際上幾乎牽動人類每個知識領域的改變。而對於中小企業、特別是與AI看起來距離較遠的業態，每個細微的改變都是很大的考驗。

下週三（7/29）晚上，AIF 每季一次的實體 AI Café 特別邀請詠鑠生活創辦人林炫丞 Alden來跟大家分享，如何下定決心導入 AI、如何用一年的時間讓一家規模不大的零售業轉型為 AI Native 企業。邀請關注中小企業AI落地應用的朋友們一起來聆聽 Alden 的經驗分享。

人工智慧科技基金會執行長溫怡玲

本期目錄

AI 治理觀點

MIT 公布五大 AI 風險，恐釀百萬人死亡級災難

麻省理工學院未來科技實驗室（MIT FutureTech）與昆士蘭大學（University of Queensland）共同發布《人工智慧風險優先排序》研究報告，報告指出，未來五年內最可能造成嚴重損害的五大風險依序為：危險能力、競爭壓力、武器與網路攻擊、權力集中，以及虛假資訊。報告也指出，資訊與金融產業對此尤為脆弱；而最容易受到這些風險衝擊的個人與組織，往往缺乏足夠的應對能力。

大語言模型研究

下指令叫 AI 公平篩選履歷表？無效！

過去，企業導入人工智慧篩選履歷卻引發歧視爭議的事件仍歷歷在目。如今，在生成式 AI 盛行的時代，企業無不希望藉由大語言模型（LLM）與自動化決策演算法，實現從海量履歷篩選到跨國資源配置的高效管理。然而，大型語言模型除了可能讓企業的決策趨向一致外，也可能創造出更多偏見。

AI觀測趨勢

《AI 趨勢-蔡博探路》新一代 AI 的價格戰與可控性焦慮

中國開源模型追平頂尖梯隊中國新創月之暗面（Moonshot AI）發布開源模型 Kimi K3，採用混合專家（MoE，多個子模型分工協作的架構）設計，性能刷新開源模型紀錄，定價遠低於同級產品，卻能與 Claude Fable 5、GPT-5.6 Sol 等頂尖模型並列同一梯隊。詳細技術報告尚未公布，實際表現有待後續驗證。