[曹家榮] 特斯拉撞車了!「誰」的責任?
[曹家榮] 特斯拉撞車了!「誰」的責任?
2016.07.21 | 科技

今年五月,發生了特斯拉自動駕駛汽車上路至今首起死亡車禍。特斯拉官網部落格於七月初表示,美國高速公路安全管理局正在調查這起不幸事件。不意外地,這個消息也再次引發人們對於自動駕駛車的疑慮與討論。

根據特斯拉官網的資訊,這起不幸事故的肇因為:「在強烈的日照條件下,駕駛者和Autopilot都未能注意到拖車的白色車身,因此未能及時啟動剎車系統。」至於拖車為何沒有被偵測到,特斯拉的解釋是:「由於拖車正在橫穿公路,且車身較高,這一特殊情況導致Model S從拖車底部通過時,其前擋風玻璃與拖車底部發生撞擊。」

過去我曾就自動駕駛車是否可行,以及其涉及的倫理問題提出過一些看法。這篇文章則打算更深入討論倫理責任面向的問題。我認為,特別是在現今這個過渡階段,我們需要更深入理解「自動駕駛車進入人類生活」意味著什麼。我們是否對其有錯誤的想像與認識?又或者,它的出現能夠讓人看到什麼過去無法看見的?


(照片來源:Andy Rusch

幾個爭論問題

自動駕駛車上路最常引發的爭論就是:在危急時刻,我們該將操控權交給自動駕駛系統嗎?例如,在先前那一篇文章中,我們就討論過一種極端情況,也就是在危急情況下,自動駕駛車該不該為了避免大量人員傷亡,選擇傷害駕駛人的撞車方式?

這個極端問題背後其實指向一個根本問題:我們該將「決策權」委任給自動駕駛系統嗎?或者說,我們該委任「多少」決策權力給系統?進而,可以繼續追問的是:自動駕駛系統能夠為事故「負責」嗎?

如果你有注意到特斯拉官網的說明,可以發現現階段特斯拉其實以某種形式「謝絕委任」。他們是這樣說的:「我們需要指出的是,⋯⋯Autopilot是一項輔助功能,要求駕駛者雙手始終握住方向盤⋯⋯準備隨時接管。」先不論這是不是卸責的說法,但很明顯地,特斯拉(至少現階段)並不打算讓其系統扮演全權決策者。駕駛人必須隨時接管、隨時承擔起駕駛決策的責任。

回到剛剛的問題。對於某些反對者來說,我們也不該將決策權委任給駕駛系統。因為,他們認為只有「人類」才是車子真正的操控者、才真的能承擔駕駛決策責任。換言之,反對者認為,像是上述那種極端的道德困境中,只有人類才能因應不同脈絡做出判斷,因此人類才能(需)負責、才有決策權。車子,只是工具。

看起來有點矛盾卻其實很巧妙地,特斯拉「謝絕委任」的說詞裡所暗示的,與反對將決策權委任給駕駛系統的觀點,兩者有著很強烈的親近性。簡言之,不論目的為何,他們歸根究柢都是在說:「人」才是該負責、能負責的那一方。

然而,真的是如此嗎?我認為這又讓我們可以繼續拉出另一個可爭論的問題:作為駕駛的人類真的能負責嗎?或者,當我們說駕駛人該負責時,他該負責的到底是什麼?

「人」的責任?

撇開大家都知道的法律問題,當我們說「駕駛人需負責」時,其實這裡面暗示的是:因為是「人」在操控車子,所以人需要負責。換言之,我們是從歸因的角度,認為「人」是那個讓車子移動或撞車的動力因,所以應歸責於他。

但是這樣的觀點其實有一個沒有說出來的預設:只有「人」可被歸因,或者說,人有著不同於車子、機器的地方,而這個不同之處使其成為「唯一」的操控者,控制著車輛、機器。

關於這個預設,有一個經典的例子可以進一步說明。過去在槍枝管制的爭論中,人們也常這麼說:槍本身不會殺人,真正殺人的是拿槍的那個人。與歸責於汽車駕駛人的觀點類似,在這裡人們預設了只有「人」才是動力因,而槍乃是與車子一樣中性的工具。

讓我們用「人類中心式」的觀點來指稱上述這樣的歸因模式。這樣的觀點其實是我們長久以來的思考習慣。在華人傳統中,我們也有「人定勝天」這種類似的信念。許多樂觀的科技主義背後也是以這種人類中心思想為核心。

但是,如果我們嘗試用另一種角度來思考:如果「人」不是唯一可歸因的對象呢?或者說,如果需負責的那個「誰」,其實是一個由「人與機器」組成的行動系統呢?

這裡,讓我用「關係式」的觀點來指稱這種不同的歸因模式。同樣以槍枝為例,從關係式的觀點來看,當槍被人拿在手上時,不管是槍或人都改變了。人與槍此時共同構成了具暴力威脅性的行動系統。

開車也是如此。駕駛人與汽車共同構成了可高速行駛的行動系統。因此,雖然看起來是人在操控著車輛,但實際上人只是整個行動系統的一部分。不僅人的行動能力因此放大(可以移動得更快),人接收到的資訊也改變或化約了(像是視野變得侷限)。

換言之,從關係式的觀點來看,當發生撞車事故時,歸因的對象並不是「人」。因為人只是整個行動系統的一部分。或者說,例如,不是「人」看不見突然從路邊跳出來的鹿,而是在這個行動系統中,機器加速與視野侷限的化約導致「跳出來的鹿」無法被即時處理。

從「關係式」的觀點來思考,並不是要卸責。相反地,關係性的思考讓我們首先看見:「人」從未如其所想像的那樣操控著機器。自動駕駛車之所以帶來爭論、焦慮,某程度來說其實源自於「人類中心」式的觀點。如果我們能改用關係式的思考方式,問題也就不會是「是否該信任、委任機器(自動駕駛車)」,而是在承認我們無法完全操控的前提下,更深刻地思考在每一個環節,我們委任了什麼給機器,而這又會對人自身帶來什麼影響。

機器並不無辜

同時,從關係式的觀點來看,讓人撞車的自動駕駛系統的確並不無辜。它有其責任。

荷蘭科技哲學家Peter-Paul Verbeek曾經以產檢超音波為例,說明為何機器有其責任。當醫生透過超音波儀器向胎兒的父母解釋可能的問題時,實際上醫生並不是獨立地進行診斷,超音波儀器也參與整個行動:它將其探測到的狀況轉換為視覺資訊呈現。

因此,人們是透過超音波才看見了子宮裡胎兒的狀況,這個機器實際上參與了人們做決策的過程。它也必須為可能的錯誤負責。

自動駕駛車系統也是如此。當我們開啟了自動駕駛系統,等同於將某些偵測外在資訊、或甚至是操控的行動委任給它,它因此參與了關於如何開車的決策過程。進而,當事故發生時,它也就絕非僅是「被使用」的無辜機器。

當然,這樣的說法也許會引發如下的反彈:機器有責任?那又該如何究責?「懲罰」機器?抑或者歸罪設計者、工程師?前者似乎有點荒誕,而後者恐怕會被視為是阻礙科技發展的保守主義。

我認為正好相反的是,這並非保守主義,而是開始對過去樂觀到失控的科技至上主義重新進行審視。換言之,我們該問的是,何以在「(科技)發展」的大旗下,這些推動者的責任就能夠被免除?

過去人類相信「理性」可以解決一切。因此,代表著理性的科學與科技就神不知鬼不覺地有了「充足的理由」做任何事。直到晚近二、三十年,才有人開始反省並意識到:「理性」無法解決一切問題。相反地,理性所推動的科學與科技實際上產生了許多後果嚴峻的問題。

沒有人可以自外於科技文明帶來的問題,也沒有人再可以免責於其行動。自動駕駛車撞車了,位於「車輛行駛」這一行動系統中的自動駕駛裝置與駕駛人同樣都有責任。而自駕裝置本身背後所牽連的一整個由企業體、設計者與工程師、甚至政策推動者所構成的網絡都必須負責。

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長800至1000字,兩天內會回覆是否採用,文章會經編輯潤飾,如需改標會與您討論。
往下滑看下一篇文章
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承
五十年零售老店的 AI 轉型:良興攜手 Data-DI,打造專屬 AI Agent 賦能組織升級與知識傳承

1973 年,良興從台北光華商場一間 50 坪的電子零件行起家,半個世紀後蛻變為年營收破十億、毛利率 18% 的全通路 3C 品牌。不過,伴隨規模擴張帶來的不只是成長,還有日益加劇的管理摩擦。門市遍布全台、品項高達近萬筆,加上跨部門協作頻繁,行政耗損與知識傳承的缺口,成為這家老字號邁向下一階段的隱形天花板。

良興總經理賴志達回顧,從電子零件跨入電商、從線下擴張到 OMO 全通路、再到會員深度經營,作為 3C 零售業者,良興每一波轉型都走在同業前面。「現在輪到 AI 了。如何做到人機協作、AI 賦能,就是良興第五波轉型的核心命題。」

AI 自動化,從行政細節釋放組織戰力

轉型需要夥伴,而賴志達評估合作夥伴的標準很明確:技術能力是基本,產業知識(Domain Know-how)的深度是關鍵,回饋速度更是最終決定因素。2025 年的未來商務展上,良興選擇攜手 Data-DI,看重的正是其「策略諮詢 + AI 產品 + 落地陪跑」三軌並行的實施能力。

很快的,良興與 Data-DI 合作的第一個專案,就落在最耗費人力、卻最常被忽視的環節:會議記錄。「會議如果沒有產值、沒有效果,對企業很傷!」賴志達說,他每天參加許多會議,但跨單位協作的會議記錄長期依賴人工聆聽與逐字整理,常出現人名誤植、決策遺漏、行動項目無人追蹤,讓會議效果大打折扣。

數智聚(良興)_1.JPG
良興總經理賴志達
圖/ 數位時代

為了解決會議記錄的痛點,Data-DI 業務副總包威棣指出,在導入工具以前,團隊須先釐清三件事:場景是否具備落地價值、哪些流程節點適合 AI 介入,以及以終為始地掌握客戶真正想要的輸出樣貌。這些看似基本的提問,都決定 AI 能否精準落地。

確認方向後,良興與 Data-DI 成功導入 AI 會議記錄自動化系統,透過模糊比對技術校正語音辨識誤差,並將生成的雙版本報告直接回存至既有資料庫,不僅將行政人員從重複性作業中釋放,也為後續的 AI 應用奠定扎實的系統整合基礎。

賴志達分享,現在他去外部開會也會用這個工具,運用 AI 把錄音轉文字、再整理成簡報,很快就能完成,更令外部夥伴驚艷。「我認為這是很成功的案子!也提醒想做 AI 的老闆們,與其急著搞大架構,不如先從小工具讓公司嘗試 AI,建立理解和認同。」

AI 把資深員工大腦轉化為資產

補完行政效率的缺口後,良興接著切入更深層的營運核心:知識傳承。過去,頂尖銷售經驗長期鎖在少數資深員工身上,新人培訓耗時三個月,員工離職即帶走知識資本。與此同時,網路資訊發達,消費者進店前早已掌握基本規格,3C 通路門市人員要如何發揮更多價值?「我要門市的人不是死背規格,而是面對客人時,能用客人能理解的方式對話。」賴志達說。

為此,Data-DI 協助良興建置 AI 門市教育訓練系統。系統透過六大自動化關卡,串接教材生成、審核上架、AI 銷售對練與成績回報,主管僅需在核心節點審核;員工透過手機語音對練,系統依口吻、專業度、回應力等維度自動評分。賴志達表示,目標是將新人培訓期縮短至一個月,讓數十年累積的銷售智慧轉化為可複製、可傳承的企業資產。

然而,要讓這套系統真正運作,得先解決兩個根本問題:資料從哪裡來?以及訓練如何更準確?

「以前大數據時代,講的是資料要大、全、細、實;現在 AI 要做到的是準(準確)、合(合乎場景)。」包威棣說。良興不同廠商提供的素材品質參差不齊,Data-DI 除了整合內部資料,也補充加入外部市場評測內容以填補空缺,再透過人員審核機制過濾雜訊,搭配 agent 架構的多層步驟與知識限定,確保系統能精準提煉對應品類的訓練素材。

數智聚(良興)_2.JPG
Data-DI 業務副總包威棣
圖/ 數位時代

賴志達則看得更遠:「這些教育訓練的內容,也將成為公司未來訓練機器人很好的原料。」

Data-DI 陪跑型顧問,帶領企業 AI 轉型

良興與 Data-DI 合作的兩個專案中,雙方共同克服了長提示詞邏輯混亂、AI 幻覺污染知識庫、逐字稿讀取逾時等技術難題。邁向下一步,賴志達表示,公司各部門很早就建置 Power BI 報表,但數據豐富不等於決策清晰。「數據是土壤,如果沒有梳理,就沒有用了。」因此,他的下一個目標是活化數據資本、推動行銷自動流,以精實的人力持續驅動成長。

數智聚(良興)_3.jpg
良興攜手 Data-DI 推動 AI 落地,以小步快跑模式為企業創造變革。
圖/ 數位時代

包威棣則從顧問視角歸納兩個觀察:AI 導入需要高層認同、由上而下推進,像賴志達這樣持續引領良興走在業界前端的決策者,就是不可或缺的推手;而單點工具的價值,終究要累積成組織體質的轉變才算真正落地。「就像會議記錄改變了會議當責的結構,人員訓練改變了知識傳承的方式。從點狀應用走向企業變革,這種決策思路才是 AI 真正深入落地產生價值的關鍵。」

最後,對於仍在觀望AI應用的企業,他則建議:「未來 AI 導致的落差只會愈來愈大,人會變成超級工作者,企業會變成超級企業。開始做就對了,先做一個三個月的小任務,降低落差、再急起追上。」從痛點切入、小步快跑,讓組織在實作中累積對 AI 的理解與信任,這正是 Data-DI 的陪跑哲學。

有關更多 Data-DI 相關資訊,請查詢網站:https://www.data-di.com/

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓