簡而言之： 人工智慧的未來在於更強大的功能與更嚴格的要求相結合：它將從回答問題轉變為像「同事」一樣完成任務，而更小巧的設備端模型則會為了速度和隱私而擴展。在人工智慧影響重大決策的領域，信任機制——例如審計、問責和有效的申訴機制——將變得不可或缺。
重點總結：
代理：使用 AI 執行端到端任務，並進行精心檢查，以確保不會出現未被發現的故障。
許可：將資料存取視為協商的過程；建立安全、合法、聲譽安全的同意途徑。
基礎設施：將 AI 作為產品中的預設層進行規劃，並將正常運行時間和整合作為首要任務。
信任：在進行高後果決策之前，應建立可追溯性、防護措施和人工幹預機制。
技能：引導團隊進行問題界定、驗證和判斷，以減少任務壓縮並維持品質。
您可能還想閱讀以下文章：
🔗 生成式人工智慧中的基礎模型詳解
了解基礎模型、它們的訓練以及生成式人工智慧應用。.
🔗 人工智慧如何影響環境
探討人工智慧的能源消耗、排放和永續性方面的權衡取捨。.
🔗 什麼是人工智慧公司
了解人工智慧公司的定義和關鍵商業模式。.
🔗 人工智慧如何進行規模化擴展
了解人工智慧驅動的細節生成如何透過放大技術提高解析度。.
為什麼「人工智慧的未來是什麼？」這個問題突然變得如此迫切🚨
這個問題之所以迅速引起關注，有幾個原因：
-
人工智慧已經從新奇事物轉向實用功能。 它不再是“酷炫的演示”，而是“我的郵箱、手機、工作場所、孩子的作業裡都會用到它”😬（斯坦福人工智能指數報告 2025）
-
這種速度令人迷失方向。 人類喜歡循序漸進的變化。而人工智慧更像是——驚喜！新規則。
-
這關乎個人切身利益。 如果人工智慧影響到你的工作、隱私、學習、醫療決策……你就不能再把它當作一件小玩意兒了。 （皮尤研究中心關於人工智慧在工作中應用的報告）
或許最大的轉變甚至並非技術層面的，而是心理層面的。人們逐漸接受這樣一種觀念：智能可以被打包、租賃、植入，甚至在你睡著的時候也能悄悄提升。即便你樂觀向上，這也會引發人們強烈的情緒衝擊。.
塑造未來的強大力量（即使無人察覺）⚙️🧠
如果我們把視角拉遠，「人工智慧的未來」是由少數幾個引力井力牽引的：
1）便利性總是至上…直到它不再方便為止😌
人們會採用那些能節省時間的東西。如果人工智慧能讓你更快、更冷靜、更富有或更少煩惱——它就會被使用。即使其倫理問題模糊不清。 （是的，這讓人感到不舒服。）
2）數據仍然是燃料，但「許可」才是新的貨幣🔐
未來不僅在於資料量有多大，更在於如何合法、合乎文化、不損害聲譽地使用這些資料。 （ICO關於合法性的指導意見）
3）模型正在成為基礎設施🏗️
人工智慧正逐漸扮演「電力」的角色——並非字面上的電力，而是社會意義上的。它成為人們期望存在的東西，成為人們賴以生存的基礎，也成為人們在它故障時怨聲載道的對象。.
4) 信任將成為產品特性（而非註腳）✅
人工智慧越是影響現實生活中的決策，我們對它的要求就越高：
-
可追溯性
-
可靠性
-
一致性
-
護欄
-
以及某種不會在出現問題時消失的問責機制（NIST AI風險管理框架1.0， OECD AI原則）
什麼樣的人工智慧未來版本才算好？ ✅（人們常常忽略的部分）
一個「好的」未來人工智慧不僅僅是更智慧。它應該 行為更端正、更透明，並且更符合人類的生活方式。如果要概括的話，一個好的未來人工智慧應該具備以下特點：
-
實用性 比炫耀的自信更重要😵💫
-
明確的界限 －它應該知道自己不能做什麼。
-
預設隱私保護 （或至少不需要博士學位就能實現的隱私保護）（GDPR 第 25 條：預設和設計的資料保護）
-
真正有效的人工幹預（歐盟人工智慧法案：(EU) 2024/1689 號條例）
-
低摩擦問責制 －您可以質疑產出結果、報告危害並修正錯誤（NIST AI 風險管理架構 1.0）
-
提高可及性 ，使福利不會只集中在少數幾個郵遞區號區域。
-
能源理性 －因為是的，能源使用很重要，即使它並不「吸引人」（國際能源總署：《能源與人工智慧（執行摘要）》）
糟糕的未來並非“人工智慧作惡”，那是電影裡的情節。糟糕的未來其實更貼近現實——人工智慧變得無所不在，略微不可靠，難以質疑，並且受制於你並未投票支持的利益驅動。就像一台掌控世界的自動販賣機。真是棒極了。.
所以，當你問 「人工智慧的未來是什麼？」，更尖銳的角度是：我們能夠容忍怎樣的未來，以及我們堅持怎樣的未來。
對比表：人工智慧未來最有可能的「發展路徑」📊🤝
這裡有一個簡略的表格（因為生活本來就不完美），大致上顯示了人工智慧的發展方向。價格故意做得比較模糊，因為……嗯……定價模型就像情緒波動一樣變化無常。.
| 選項/“工具方向” | 最適合（觀眾） | 價格氛圍 | 它為何有效（以及一點小小的提醒） |
|---|---|---|---|
| 執行任務的人工智慧代理🧾 | 團隊、營運、忙碌的人們 | 訂閱模式 | 實現端到端工作流程自動化－但如果不加以控制，可能會悄無聲息地破壞某些功能…（調查：基於LLM的自主代理） |
| 更小的設備端人工智慧📱 | 注重隱私的用戶，邊緣設備 | 捆綁式/近乎免費 | 速度更快、價格更低、更注重隱私——但功能可能不如雲端巨頭強大（TinyML 概述） |
| 多模態人工智慧（文字+視覺+音訊）👀🎙️ | 創作者、支持、教育 | 免費增值模式至企業版 | 更能理解現實世界的背景——但也增加了監控風險，沒錯（GPT-4o 系統卡） |
| 業界專用模式🏥⚖️ | 受監管組織、專家 | 貴，抱歉。 | 在特定領域內精度更高，但在超出該領域範圍後可能不夠穩定。 |
| 半開放的生態系🧩 | 開發者、發明家、新創公司 | 免費+計算 | 創新速度驚人——品質參差不齊，就像逛二手店一樣。 |
| AI 安全 + 治理層 🛡️ | 企業、公共部門 | “以信任換取報酬” | 降低風險，增加審計－但會減慢部署速度（這正是目的）（NIST AI RMF， 歐盟 AI 法案） |
| 合成資料管路🧪 | 機器學習團隊、產品建構者 | 工具和基礎設施成本 | 有助於在不抓取所有資料的情況下進行訓練，但可能會放大隱藏的偏差（NIST 對差分隱私合成資料的研究）。 |
| 人機協作工具✍️ | 所有從事知識工作的人 | 低到中 | 提高產出品質－但如果從不練習，技能可能會退化（經合組織關於人工智慧和不斷變化的技能需求的報告） |
現在缺少的是一個單一的「贏家」。未來將會是個錯綜複雜的混合體，就像自助餐一樣，你明明沒點一半的菜，卻還是吃光了。.
仔細觀察：人工智慧會成為你的同事（而不是你的機器人僕人）🧑💻🤖
人工智慧最大的轉變之一是從「回答問題」轉向「 執行工作。 （調查：基於LLM的自主代理）
看起來像這樣：
-
在您的工具中進行草擬、編輯和總結
-
將客戶訊息進行分類
-
編寫程式碼，然後測試，然後更新
-
制定計劃、管理工單、在系統間傳輸訊息
-
觀察儀錶板並引導決策
但事實是：最好的AI同事不會讓人感覺像魔法一樣。它會讓你感覺：
-
一位能幹的助理，但有時卻出奇地拘泥於字面意思。
-
快速完成枯燥的任務
-
有時自信卻犯錯（唉）（調查：法學碩士中的幻覺）
-
而且很大程度取決於你的設定方式。
人工智慧在工作中的未來 與其說是“人工智慧取代所有人”，不如說是“人工智慧改變工作模式”。你會發現：
-
純粹的入門級「苦力」職位減少
-
更多融合監督、策略和工具使用的混合型角色
-
更重視判斷力、品味和責任感
這就像給每個人都發了一把電動工具。雖然不是每個人都會成為木匠，但每個人的工作地點都會改變。.
深入了解：更小的 AI 模型和裝置端智慧 📱⚡
並非所有人工智慧都會變成龐大的雲端大腦。 人工智慧的未來在於 變得更小巧、更便宜，並更貼近我們的生活。 （TinyML 概論）
設備端人工智慧是指：
-
更快的反應速度（更少的等待時間）
-
更高的隱私保護潛力（資料保留在本地）
-
減少對網路存取的依賴
-
更多個人化服務，無需將您的所有資訊發送到伺服器
是的，凡事都有利弊：
-
較小的模型可能難以進行複雜的推理。
-
更新速度可能會變慢
-
設備限制很重要
不過，這個方向仍然被低估了。這就好比「人工智慧是你造訪的一個網站」和「人工智慧是你生活中默默依賴的一項功能」之間的差異。就像自動糾錯一樣，但…更聰明。而且希望它不要再把你最好的朋友的名字搞錯😵
深入了解：多模態人工智慧－當人工智慧能夠看、聽和理解時🧠👀🎧
純文字人工智慧功能強大，但多模態人工智慧改變了遊戲規則，因為它能夠解讀：
-
圖片（螢幕截圖、圖表、產品照片）
-
音訊（會議、通話、環境音）
-
影片（流程、動作、事件）
-
以及混合上下文（例如「此表單和此錯誤訊息有什麼問題」）（GPT-4o 系統卡）
人工智慧在這方面越來越接近人類感知世界的方式。這令人興奮……但也有點嚇人。.
有利因素：
-
更好的輔導和輔助工具
-
更好的醫療分流支援（配備嚴格的安全保障措施）
-
更自然的介面
-
減少「用語言解釋」的瓶頸
缺點：
-
監控變得越來越容易
-
假訊息越來越具有說服力
-
私有與公有之間的界線變得越來越模糊（NIST：降低合成內容帶來的風險）
這時，社會必須決定便利性是否值得付出代價。而從歷史上看，社會並不擅長長遠思考。我們更像是——哇，好閃亮！ 😬✨
信任問題：安全、治理和「證明」🛡️🧾
直言不諱地說：人工智慧的未來將取決於 信任，而不僅僅是能力。 （NIST人工智慧風險管理架構1.0）
因為當人工智慧觸及：
-
招募
-
貸款
-
健康指導
-
法律裁決
-
教育成果
-
安全系統
-
公共服務
你不能聳聳肩說「模型出現了幻覺」。這是不可接受的。 （歐盟人工智慧法案：(EU) 2024/1689 號條例）
所以我們將會看到更多：
-
審計 （模型行為測試）
-
存取控制 （誰可以做什麼）
-
監控 （針對濫用和漂移）
-
可解釋性層 （雖然不完美，但總比沒有好）
-
在最關鍵的地方進行人工審核流程（ NIST AI RMF ）
沒錯，有些人會抱怨這會減緩創新。但這就像抱怨安全帶會減慢車速。技術上…確實如此…但拜託。.
工作與技能：尷尬的中間階段（也就是所謂的「當下能量」）💼😵💫
很多人都想知道人工智慧是否會取代他們的工作，並希望得到一個明確的答案。.
更直接的答案是：人工智慧將 改變 你的工作，對於某些崗位而言，即使從技術上講是“重組”，這種改變也會讓你感覺像是被取代了。 （這是官腔，聽起來很刺耳。）（國際勞工組織工作文件：《生成式人工智慧與就業》）
你會看到三種模式：
1）任務壓縮
過去需要5個人才能完成的工作，現在只需要2個人就能完成，因為人工智慧簡化了重複性任務。 （國際勞工組織工作文件：《生成式人工智慧與就業》）
2）新型混合角色
能夠有效駕馭人工智慧的人會成為倍增器。這並非因為他們是天才，而是因為他們能夠：
-
明確規定結果
-
驗證結果
-
捕獲錯誤
-
運用領域判斷
-
並了解後果
3）技能極化
適應者獲得優勢，不適應者則被擠壓。我很不願意這麼說，但這是事實。 （經合組織關於人工智慧和技能需求變化的報告）
越來越有價值的實用技能：
-
問題框架建構（清晰地定義目標）
-
溝通（是的，仍然）
-
品質保證思維（發現問題、測試輸出）
-
倫理推理與風險意識
-
領域專業知識－真實、紮實的知識
-
教導他人和建構系統的能力（經合組織關於人工智慧和不斷變化的技能需求）
未來青睞那些能夠 掌控方向的，而不僅僅是 執行者。
商業未來：人工智慧將被嵌入、捆綁並悄悄壟斷🧩💰
《人工智慧的未來是什麼？ 》一書的一個微妙之處在於探討了人工智慧將如何被推銷。
大多數用戶不會“購買人工智慧”，他們會購買：
-
包含人工智慧的軟體
-
人工智慧是其主要功能的平台
-
預裝人工智慧的設備
-
人工智慧可以降低某些服務的成本（而且他們可能根本不會告訴你）。
企業將在以下方面競爭：
-
可靠性
-
整合
-
資料存取
-
速度
-
安全
-
以及品牌信任（這聽起來似乎無關緊要，但一旦被坑過就不好說了）
此外，預計還會出現更多「人工智慧膨脹」——所有東西都聲稱是人工智慧驅動的，即使它本質上只是戴著花哨帽子的自動補全功能而已🎩🤖
這對日常生活意味著什麼——那些悄無聲息的個人變化🏡📲
在日常生活中，人工智慧的未來看起來不那麼引人注目，而是更貼近我們每個人：
-
能記住上下文的個人助理
-
根據心情不同，健康方面的小提示（睡眠、飲食、壓力）可能會讓人覺得有幫助或煩人。
-
根據您的節奏調整的教育支持
-
購物和計劃 可以減少決策疲勞
-
內容過濾器 決定你能看到什麼，看不到什麼（這有什麼大不了的）
-
隨著虛假媒體更容易生成，數位身分面臨挑戰（ NIST：降低合成內容帶來的風險）
情感影響也很重要。如果人工智慧成為預設的陪伴方式，有些人會感到不那麼孤獨，有些人會感到被操控，有些人甚至一週之內就會同時感受到這兩種情緒。.
我想說的是──人工智慧的未來不只是一個技術故事，它更是一個關係故事。而關係總是錯綜複雜的……即使其中一方是法典。.
關於「人工智慧的未來是什麼？」的總結發言🧠✅
人工智慧的未來並非只有一個終點，而是由一系列發展軌跡組成：
-
AI 將成為 同事 ，而不僅僅是回答問題🤝（調查：基於 LLM 的自主代理）
-
更小的模型將人工智慧推送到設備上，使其 更快、更個性化 📱（TinyML 概述）
-
多模態人工智慧讓系統 更能感知現實世界的脈絡 👀（GPT-4o 系統卡）
-
信任、治理和安全成為核心——而非可有可無🛡️（NIST AI RMF， 歐盟 AI 法案）
-
工作重點轉向 判斷、監督與問題架構建構 💼（國際勞工組織工作文件：《生成式人工智慧與就業》）
-
人工智慧被嵌入到產品中，直到它感覺就像後台基礎設施一樣🏗️
而決定性因素並非原始智力，而是我們能否建構一個人工智慧能夠：
-
問責制
-
可以理解
-
與人類價值觀相符
-
並且公平分配（不只是分配給已經有權有勢的人）（經合組織人工智慧原則）
所以，當你問 「人工智慧的未來是什麼？」…最實際的答案是：它取決於我們積極塑造的未來，或是我們渾渾噩噩地走向的未來。讓我們爭取前者吧😅
真實案例：建構用於客戶支援分診的 AI 同事🤝📩
設想
想像一下小型SaaS公司，他們的支援團隊有五人。他們每天透過電子郵件、線上聊天和幫助台工具收到大約120條客戶訊息。.
在人工智慧出現之前，客服人員每天早上都要花 60 到 90 分鐘將工單分類：帳單問題、登入問題、漏洞、功能請求、取消訂單和緊急帳戶問題。這項分類工作雖然繁瑣，但卻至關重要。如果漏掉帳單糾紛或與安全相關的登入問題，公司很快就會失去客戶的信任。.
因此，團隊開發了一個簡單的AI分診助理。它不會自動回覆客戶。它的任務更具體：讀取收到的工單，給它們貼標籤，建議優先級，撰寫簡短的內部摘要，並標記任何需要人工審核的內容。.
這就是人工智慧未來工作的微縮版：不是機器人取代團隊，而是同事負責初步篩選，讓人類可以專注於判斷。.
助理需要什麼
為了安全工作，助理需要明確的權限範圍，而不僅僅是存取訊息的權限。.
有用的建議包括：
-
公司的票務類別和優先規則
-
一份「必須升級處理」的情況清單，例如付款糾紛、安全問題、法律威脅、憤怒的取消訂單資訊或弱勢客戶狀況。
-
20-30張正確標註的過往票據範例
-
隱私規則：不要在摘要中洩露完整的付款詳情、密碼、個人文件或不必要的敏感資料。
-
權限限制，例如“可以添加標籤和撰寫草稿，但不能發送回复、退款、關閉工單或更改帳戶設定”
-
緊急、敏感或不確定案件需由人工審核。
範例說明
您是SaaS公司的支援分診助理。請閱讀每張新客戶工單，並返回四個資訊：類別、優先順序、內部摘要和建議的下一步。.
僅使用以下類別：帳單、登入/存取、錯誤報告、功能請求、取消、帳戶安全、一般問題、其他。.
如果工單中提到付款失敗、帳戶鎖定、安全問題、法律訴訟、資料遺失、憤怒取消訂單或對業務造成緊急影響，請將其標記為高優先級。.
不要向客戶發送訊息。不要承諾退款、修復、折扣或具體時間。如果您不確定，請將工單標記為「需要人工審核」。.
摘要字數控制在40字以內。刪除不必要的個人資訊。.
如何測試它
先用小規模測試集進行測試，然後再連接到實際工單。.
使用團隊已處理的 50 個舊支援工單。隱藏原始標籤，讓助手進行分類，然後將分類結果與人工標註進行比較。.
好的測驗題應包含以下內容：
-
它是否正確識別出了緊急的帳單和帳戶安全問題？
-
它是否過度重視無害資訊？
-
它是否漏掉了任何憤怒的留言或與取消訂單相關的留言？
-
摘要是否包含敏感客戶資料？
-
建議的下一步措施是否符合公司政策？
-
當資訊含糊不清時，它是否顯示「需要人工審核」？
一條合理的原則是：應該允許助理謹慎行事。錯誤地向上級匯報固然令人惱火，但漏掉安全或帳單問題則更為糟糕。.
結果
以下結果以使用工作流程前後對 50 張票進行計時測試為例進行說明：
人工分診 50 張票耗時 72 分鐘，平均每張票約 1.4 分鐘。.
AI輔助分診耗時19分鐘，包含人工審核標記的工單，平均每張工單約23秒。.
據估計，這相當於分流時間縮短了 74%。.
在同一項測試中，助理對 50 張工單中的 43 張的分類與團隊的原始分類一致。 5 張工單被標記為「需要人工審核」。另有 2 張工單的標籤有誤，在回覆客戶之前由支援主管進行了更正。.
重要的不僅是速度，而是速度與及時發現的結合。由於客服人員沒有及時回覆或關閉工單，其錯誤在到達客戶之前就已經暴露出來。.
可能出現什麼問題
最危險的失誤是盲目自信。如果助理悄悄地將緊急工單錯誤地標記為“一般性問題”，團隊可能就無法及時回應。.
常見錯誤包括：
-
在未經測試的情況下，就授予助手發送回覆的權限
-
使用「重要」或「正常」等模糊的類別，卻不舉例說明。
-
忘記定義升級規則
-
允許它過於隨意地匯總敏感資訊。
-
只測量節省的時間，不測量錯誤率
-
當產品、政策或價格改變時，未能進行重新測試。
也應檢查助手是否有效能漂移。一月份運作良好的工作流程，在新產品發布、價格調整或漏洞激增後，效能可能會下降。.
實用要點
對於許多團隊來說，人工智慧的不久的將來可能會是這樣：更小、更實用的系統融入日常工作中，並消除第一層工作量。.
真正的勝利並非在於“人工智慧提供技術支援”，而是人們每天的工作都能從更清晰的隊列、更明確的優先級和更少的重複決策開始。但信任層至關重要。日誌記錄、權限限制、審核步驟和升級規則，才能將人工智慧助理從一個充滿風險的捷徑轉變為一個值得信賴的同事。.
常問問題
未來幾年人工智慧的發展方向是什麼？
短期來看，人工智慧的未來發展方向與其說是“智慧聊天”，不如說是更像一位實用的同事。系統將越來越多地跨工具完成端到端的任務，而不只是停留在給出答案的階段。同時，人們對人工智慧的期望也會更高：隨著人工智慧開始影響實際決策，可靠性、可追溯性和問責性將變得更加重要。發展方向很明確—更強大的能力與更嚴格的標準結合。.
人工智慧代理究竟會如何改變日常工作？
人工智慧代理將使工作不再需要手動完成每個步驟，而是轉向監督跨應用和系統的工作流程。常見用途包括撰寫草稿、對訊息進行分類、在工具之間移動資料以及監控儀錶板的變更。最大的風險是靜默故障，因此完善的配置包括周密的檢查、日誌記錄以及在後果嚴重時進行手動審核。要理解為“授權”，而不是“自動駕駛”。
為什麼小型化設備端模型正在成為人工智慧未來發展的重要組成部分？
設備端人工智慧之所以發展迅速，是因為它速度更快、更注重隱私，而且對網路的依賴性更低。將資料保存在本地可以減少資料洩露，讓個人化體驗更安全。但缺點是，與大型雲端系統相比，小型模型在處理複雜推理時可能力不從心。許多產品可能會將兩者結合起來：本地處理速度更快、更注重隱私，而雲端處理則能應付繁重的運算任務。.
「許可即新貨幣」對人工智慧資料存取意味著什麼？
這意味著問題不僅在於有哪些數據，還在於哪些數據可以合法使用且不會引發聲譽危機。在許多資料管道中，存取權限將被視為一種協商過程：明確的授權路徑、存取控制以及符合法律和文化預期的政策。儘早建立許可路徑可以避免日後標準收緊時可能出現的混亂。這正在成為一種策略，而不僅僅是文書工作。.
對於高風險人工智慧而言，哪些信任特性將成為不可或缺的要素？
當人工智慧應用於招聘、貸款、醫療、教育或安全等領域時，「模型出錯」這種說法是不可接受的。信任機制通常包括稽核和測試、輸出結果的可追溯性、安全保障措施以及真正的人工幹預。有效的申訴流程也至關重要，以便人們可以質疑結果並糾正錯誤。其目標是建立一種不會因係統故障而失效的問責機制。.
多模態人工智慧將如何改變產品和風險？
多模態人工智慧可以同時解讀文字、圖像、音頻和視頻，從而提升日常應用價值，例如透過螢幕截圖診斷表單錯誤或總結會議內容。它還能讓輔導和輔助工具的使用體驗更加自然流暢。但其缺點在於會加劇監控，並催生更具說服力的合成媒體。隨著多模態技術的普及，隱私邊界需要更明確的規則和更嚴格的管控。.
人工智慧會取代工作崗位，還是只會改變工作崗位？
更現實的模式是任務壓縮：由於人工智慧簡化了步驟，重複性工作所需的人員減少。即使將其定義為重組，也可能讓人感覺像是人員更替。圍繞著監督、策略和工具使用，新的混合型角色應運而生，人們既要指導系統，也要管理後果。能夠引導、驗證和運用判斷力的人將獲得優勢。.
當人工智慧成為「同事」時，哪些技能最為重要？
問題框架的建構至關重要：清晰定義結果並找出潛在問題。驗證技能也隨之提升——測試輸出、發現錯誤以及判斷何時需要手動幹預。判斷力和領域專業知識更加重要，因為人工智慧也可能出錯。團隊也需要具備風險意識，尤其是在決策影響人們生活的情況下。品質源於監督，而不僅僅是速度。.
企業該如何規劃將人工智慧作為產品基礎設施？
將人工智慧視為預設層而非實驗：規劃好正常運作時間、監控、整合和明確的所有權。建置安全的資料通道和存取控制，避免權限問題日後成為瓶頸。儘早加入治理機制——日誌記錄、評估和回滾計畫——尤其是在輸出結果會影響決策的情況下。最終的贏家不僅要“智能”，還要可靠且高度集成。.
參考
-
史丹佛 HAI - 2025 年史丹佛人工智慧指數報告 - hai.stanford.edu
-
皮尤研究中心－美國員工對未來人工智慧在工作場所的應用感到擔憂多於樂觀——pewresearch.org
-
資訊專員辦公室 (ICO) - 合法性依據指南 - ico.org.uk
-
美國國家標準與技術研究院 (NIST) - 人工智慧風險管理架構 1.0 (NIST AI 100-1) - nvlpubs.nist.gov
-
經濟合作暨發展組織（OECD） —— OECD人工智慧原則（OECD法律文件0449） —— oecd.org
-
英國法律－GDPR第25條：預設和設計的資料保護－legislation.gov.uk
-
EUR-Lex - 歐盟人工智慧法案：法規 (EU) 2024/1689 - eur-lex.europa.eu
-
國際能源總署（IEA） —— 能源與人工智慧（執行摘要） —— iea.org
-
arXiv - 綜述：基於LLM的自主代理 - arxiv.org
-
哈佛在線（Harvard/edX） - TinyML 基礎 - pll.harvard.edu
-
OpenAI - GPT-4o 系統卡 - openai.com
-
arXiv - 調查：LLM 中的幻覺 - arxiv.org
-
美國國家標準與技術研究院 (NIST) - 人工智慧風險管理框架 - nist.gov
-
美國國家標準與技術研究院 (NIST) - 降低合成材料的風險 (NIST AI 100-4, IPD) - airc.nist.gov
-
國際勞工組織（ILO） —— 工作文件：生成式人工智慧與就業（WP140） — ilo.org
-
美國國家標準與技術研究院 (NIST) - 差分隱私合成資料 - nist.gov
-
經濟合作暨發展組織（OECD） ——人工智慧與勞動市場技能需求的變化——oecd.org