點教育》人工智能不是自己長大的─誰在替人工智能付出代價？

近年來，只要談到人工智能（AI），討論焦點幾乎總是圍繞著演算法突破、算力提升，以及哪些工作可能被取代。AI被描述成一股不可阻擋的技術浪潮，彷彿它的成長只是工程師的成就、晶片的勝利。然而，越來越多案例顯示，AI並不是自己長大的，它的學習與成熟，建立在大量不同領域、階層的人類勞動、經驗與教育成果之上，而這些付出被系統性地忽略。

所謂「訓練AI」的工作，實際上涵蓋了一整條高度不對稱的勞動鏈。這條鏈的一端，是被高薪吸引、負責「教會AI如何思考」的不同領域專業顧問人士；另一端，則是長時間接觸創傷性訓練資料、卻極少被看見的低薪內容審核員。介於其中的，還包括正在被動成為資料來源的教育體系。這些角色共同支撐了AI的｢長期獲利」能力，卻承擔著被用完即丟的｢免洗筷式」不公平代價與風險。

專業顧問長年累積的排錯（troubleshooting）技能被系統性轉移給AI

《紐約時報》與《麻省理工科技評論》陸續報導，美國的顧問、工程師與研究人員，被科技公司或外包平臺招募，協助訓練生成式AI。這些人被要求做的，不只是測試系統，而是完整拆解自身長年累積的專業：設計複雜問題、說明判斷邏輯、示範實務決策流程，甚至提供過往工作中使用的分析架構。

許多生成式AI被認為「突然變聰明了」，但這份聰明，很大一部分來自這些既有專業經驗，而非模型自行對世界學習或理解的結果。當訓練完成，這些需多年累積的知識便被轉化為模型能力，成為平臺可長期使用的資產，而原本的知識提供者，卻無法再決定這些能力將被如何使用，以及避免對己身、所處產業的逆向淘汰。

這並不只是個別職涯風險，而是對整個產業養成體系與專業價值的結構性挑戰。當十年才能培養的能力，在短時間內被吸收並再利用，專業養成投資與職涯累積的邏輯便開始鬆動。

AI的「健康內容」是以低薪審核員的心理承受力為代價

在這條產業鏈的另一端，則是更少被談論的內容審核員，一群隱形的｢幽靈勞工」，為了確保AI不輸出暴力、性虐待或仇恨內容，科技公司大量仰賴位於肯亞、烏干達等第三世界的勞動者，長時間觀看極端影像，替系統進行篩選與清洗。

多項國際報導與後續訴訟指出，部分審核員出現嚴重心理創傷，卻缺乏足夠的心理支持與保障。這些案例顯示，AI所呈現的「安全、理性與文明」健康狀態，其實是建立在某些人承受心理傷害之上。只不過，這些代價被外包、被隱藏，也被視為「必要成本」。

教育成果悄悄成為AI訓練素材

隨著生成式AI訓練範圍的擴張，教育體系本身也逐漸被捲入。近年來，越來越多教師與研究者發現，課程教材、研究筆記與學生作品在未經清楚授權的情況下，被納為AI訓練資料。這不只是智慧財產權的爭議，更觸及教育的公共利益性邊界。 （相關報導： 點教育》維護學術誠信─學生權益的保障亟需建立制度 ｜ 更多文章 ）

國際著名期刊《Nature》於2024年8月的編輯評論指出，目前商業AI公司在訓練大型語言模型時，用於模型微調的資料中包含大量從網路上抓取的學術論文與研究內容。學術界對這種做法感到不安，因為研究者的智識成果、原創資料往往被不透明地納入商業訓練中，再創作者卻未必獲得原創授權或進行標示，遑論給予補償！評論強調，這種情況暴露出AI訓練資料治理的空白，以及建立明確規則與公平使用邊界的迫切需求。

AI進步的同時也帶來風險

上述現象並非單一事件，而是正在累積的趨勢。國際勞工組織、聯合國開發計畫署與聯合國教科文組織的研究皆指出，若AI的發展路徑缺乏對人權與教育等公共性治理的關懷，風險將逐步浮現，只是嚴重程度有所不同。　　

在較為輕微的情境下，社會仍能運作。工作沒有全面消失，教育仍然存在，分配機制也未崩壞，但變化是緩慢而持續的。工作節奏加快、監控感提高，越來越多人被推向不穩定的短期與平臺型工作。教育資源的差距擴大，原本就有資源的人，利用AI強化優勢；弱勢者則使用不透明的系統，卻付出資料與隱私作為代價。支持社會合理分配的「民主」機制仍在，但人們的選擇與偏好，逐漸被平臺透過數據與演算法引導、控制。這是一種悶燒式的失衡。社會沒有立即崩解，但精神自由、勞動尊嚴與教育回報率正在被慢慢削弱。

在嚴重的情境下，這些趨勢會彼此疊加。平臺化勞動（platformization of labor）形成一個穩定卻缺乏保障的全球底層，大量人口替AI處理例外狀況、審核內容、修補錯誤，卻難以翻身。原有教育體系逐漸空心化，多數人被導向學習足夠「配合系統」的技能，而非培養並累積完整判斷力。少數掌握AI、數據與資本的組織，取得前所未有的預測與影響能力，而多數人則成為被分析、管理及收割的對象。在這樣的世界裡，分配社會資源的「民主」制度將淪為形式，實質決策權會高度集中，成為一種由資本、技術與數據支撐的新型權力壟斷結構。

我們的選擇正在形塑人類與AI協作的未來　　

AI的發展從來不是中立的技術軌跡。它所呈現的，應該是社會如何分配資源與風險、如何合理回饋知識與勞動的貢獻，以及我們是否願意為「教育作為公共財」畫下不可侵犯的底線。如果AI的訓練無法築基於這些原則與底線上，其發展的代價，恐怕更多的是被隱藏在社會整體的未來。

比起關注AI能跑得多快、多好，我們是否已清楚認知正在做出制度性的選擇？選擇與AI協作的未來社會是走向文明或剝削。若繼續放任演算法稀釋教育的社會使命、侵蝕知識工作的價值，那麼當AI看起來愈來愈像人，我們的社會反而可能愈來愈不像「以人為本」的社會。

＊作者為諄筆群主筆。 （相關報導： 點教育》維護學術誠信─學生權益的保障亟需建立制度 ｜ 更多文章 ）