《新AI與新人類》是由分子與細胞生物學博士、腦神經跨領域專家蘇經天所著，書中分為三個部份，分別探討AI發生了哪些革命性的現象、AI如何啟動了人類的認知革命，以及人類如何在利用AI全面升級學習、教育模式之餘，也升級心靈？除AI外，也擴及經濟、教育與人類趨勢的討論與探究。新AI的時代來臨，我們如何與人工智慧共存？作者提供詳細的指引，並提出共存之外，更要與AI一同成長，其背後所體現的，是深度的社會關懷與人文價值。
內容節錄
《新AI與新人類》
1 為什麼出現了AI新革命
2016年，人工智慧（AI）極大程度地進入了人們的視野，因為AlphaGo擊敗了圍棋世界冠軍李世乭，轟動一時，吸引了全球關注。之後，次年隨著AlphaGo宣布任務結束而退役，暫時脫離一般大眾的注意範圍。六年後，大致從2022年下半年開始，AI話題又開始新的加溫。在圖像運用上，有Midjourney、Stable Diffusion、DALL-E等等，在文字運用上有ChatGPT，都愈來愈受歡迎，使用者爆增，重新提升世人對AI關注的熱度。
接下來，還不到半年，進入2023年3月，ChatGPT的最新版本GPT-4盛大發表，帶來震撼：世人第一次目睹AI好像真正可以像人類一般思考、說話了！
很多人都說，新AI革命開始了！但這到底是怎麼發生的？
讓我們先從Alpha Go說起。
AlphaGo，專家型AI系統的里程碑
人類對於AI的開發，是從上個世紀1950年代就開始了。AI雖然後來一路演化出許多理論和技術，大致不出兩個方向。
一個方向是讓AI可以不分任何領域，針對任何課題都能自我學習、成長，具有像人類一樣的智慧。以專用術語來說，就是能開發出「通用型AI」（General Purpose AI，GPAI，Strong AI）。然而，這個挑戰十分艱鉅－要把電腦訓練出等同人類的智慧，簡直是上帝才能完成的任務，因此一直是AI開發者遙遠的聖杯。
還有一個方向就是從開發「專用型AI」（Special-purpose AI，Narrow AI，Weak AI）開始。專用型AI，顧名思義，就是訓練電腦只針對一個特定目的來發展它的人工智慧。
這樣，相對地挑戰就小很多，也是到目前絕大多數開發者選擇的方向；並且希望由開發「專用型AI」的經驗和成果，能找出嫁接到開發出「通用型AI」的橋樑。經過數十年發展，今天的專用型AI已經可以在它受訓練的特定領域裡非常深入，甚至比人類還厲害；只是一旦離開那個特定領域，就「什麼都不會」。
AlphaGo正是「專用型AI」的一個代表。AlphaGo是由DeepMind團隊開發的人工智慧程式。在AlphaGo出現之前，圍棋曾被認為是人類智慧的終極標誌，其複雜程度遠超過西洋棋。所以AlphaGo的開發目的，就是專門為了下圍棋，僅僅為了在這件事情上具備可以比擬，甚至超越人類智慧而開發的。
因為AlphaGo的目的是下圍棋，所以訓練它學習的素材，也就是輸入電腦的數據，都是圍棋棋譜。開發AI的初期階段，是在使用演算法的基礎上發展「機器學習」，而AlphaGo的成功之處主要有二。
第一，是開發出蒙地卡羅樹搜索（MCTS）這種高效的樹搜索算法，經由模擬大量的棋局，評估每一步棋的價值與權重（Weight）。
第二，是把機器學習推展出「深度學習」和「強化學習」技術的創新應用。「強化學習」是一種機器經由與環境互動，學習如何做出最佳決策的學習方法。「深度學習」則是模擬人類神經網路的方式，經由大量數據的訓練，使電腦能夠進一步自主學習，並提高模型的預測能力。
AlphaGo結合兩種技術，先是在2016年與人類頂尖棋手的對奕中獲得驚人成績；在2017年推出的新一代版本AlphaGo Zero，最大特點是完全依靠自我對弈學習圍棋策略，不再需要人類棋手的棋譜數據。在短短40天訓練中，AlphaGo Zero就取得了足以擊敗原版AlphaGo的能力，顯示出強化學習的強大潛力。
AlphaGo站上了專用型AI的巔峰，證明了在下圍棋這件事情上，AI不但可以深度學習，可以自我學習，還可以超越人類頂尖棋手。但它也只會下圍棋這件事情，所以當它證明了可以做到這一切之後，也就宣布退役了。
ChatGPT也是一種專用型AI系統
AlphaGo雖然退役，但它的成功不僅改變了人們對人工智慧的認識，激發許多國家對人工智慧的投資和政策支持，也為其他領域提供了革新的思路，推動了全球人工智慧產業的快速發展，例如，AlphaGo立足於神經網路的深度學習、自主學習技術，被應用於許多科學、金融、醫療等領域的專用型AI開發。
像AlphaFold，經由輸入海量氨基酸序列、蛋白質結構，成為蛋白質摺疊預測領域的佼佼者，它在過去蛋白質立體結構預測的領域，每每以極大的差距遙遙領先競爭者，並在2021年公告超過33萬個結構預測，涵蓋了21種生物模型，其中更包含了完整的人類蛋白質圖譜的兩萬個蛋白質－這是人類蛋白質結構的重要里程碑，也是人工智慧針對人類生物醫藥研發的重要貢獻。這個專用型AI的目的，就是能夠經由輸入一維的氨基酸序列來預測蛋白質3D摺疊的立體結構。
