AI武器助長種族滅絕戰?MIT教授:遲早的事
AI武器助長種族滅絕戰?MIT教授:遲早的事
2018.05.11 |

本文摘自《Life 3.0:人工智慧時代,人類的蛻變與重生》,天下文化

打從史前時代開始,人類就不斷遭受饑荒、疾病和戰亂之苦。人工智慧可以幫助人類解決饑荒和疾病的問題,那戰亂呢?有些人認為,擔心情勢失控的核武國家反而不敢輕啟戰端,要是讓所有國家都擁有更具威脅性的人工智慧武器,是不是就有希望可以永久消除戰爭?如果這種說法無法說服你,你還是認為人類無法避免戰爭,要不要考慮使用人工智慧讓未來的戰爭比較人道一點?

殺手機器人比人類士兵更平穩、理性

如果戰爭的過程只是機器打機器,就不會有士兵或是平民百姓死於戰亂了,這還不提未來搭載人工智慧的無人機和其他自動化武器系統,也就是反對者口中的「殺手機器人」,有可能比人類的士兵更平穩、更理性:配備超人般感測器的它們不怕被殺害,所以可能保持絕對冷靜,就算處在戰火最熾烈的地方也能執行縝密的運算,不會因此誤傷無辜。

可是,如果自動化系統中毒了、搞不清楚狀況或無法依照我們的期望運作時,那又如何? 按照世界各國防衛事務官員的說法,現在所有檯面上的武器都屬於「人為查核點」的系統,只有地雷這類低階、守株待兔式的陷阱是例外。但是目前的發展方向的確朝真正的全自動武器前進,放手讓武器系統自行挑選目標加以攻擊。把人為因素排除、增加武器運作速度,一直以來都是值得努力的軍事目標:想像有兩架無人機在空中纏鬥,一架可以全自動做出即時反應,另一架則是由半個地球以外的戰鬥人員進行遙控,所有反應都相對慢了好幾拍,你認為哪一架無人機會是贏家?

但是不得不提,要不是上天特別眷顧,好幾次在千鈞一髮之際都幸好有「人為查核點」發揮作用,我們早就生靈塗炭了。

至此,相信你已經很清楚,我個人對自動化武器系統嚴重關切的立場,但是你可能還不知道,我真正在意的事情是人工智慧武器引發軍備競賽後的結局。2015年七月,我用以下的公開信表達我的擔憂:

繼火藥、核武後,第三波軍武革命

自動化武器 — 致人工智慧與機器人研究人員的公開信:

自動化武器不需要人為操作就能自行挑選目標進行作戰。舉例來說,可以依據某些預設條件找出目標對象,並加以殲滅的武裝攻擊無人機就是其中一種,但是巡弋飛彈或是遙控導引的無人機,這些全權由人類設定目標的武器就不算在內。 不管是否符合法令規定,人工智慧的發展已經使自動化武器的部署可以在幾年內,而不是數十年後變得可能,造成的影響不可謂之不大:自動化武器被視為是繼火藥和核武器後的第三波軍武革命。

支持或反對自動化武器的論述所在多有,像是用機器取代人類士兵這件事,就好的一面來講可以減少傷亡,就壞的一面來講,卻也同時降低了發動戰爭的門檻。人類如今要面對的問題,是要不要踏出進入全球人工智慧軍備競賽的這一步,抑或是在跡象顯露的此刻加以杜絕。如果有任何軍事強權跨出發展人工智慧武器的這一步,則接下來的全球軍備競賽就注定會無法避免,而這項科技的發展軌跡也顯而易見:自動化武器將成為下個世代的AK-47。

廉價、大量製造,遲早被恐怖分子濫用

人工智慧武器不同於核武器的高昂造價,也沒有原物料難以取得的問題,因此所有擁兵自重的勢力一定會看中其廉價的特性大量生產,到最後變得無所不在。之後,經由黑市交易流入恐怖份子手中只是時間的問題,也遲早會成為想要嚴加控制民眾的獨裁者,和想要遂行種族滅絕的軍閥等用來為惡的工具。自動化武器當然也是執行暗殺、顛覆國家、鎮壓百姓和種族屠殺的理想工具。因此我們絕對有理由相信,人工智慧的軍備競賽無論如何不會給人類帶來好處。我們有很多利用人工智慧減少戰場傷亡,特別是設法保護無辜民眾的方式,但是把人工智慧發展成新穎的殺人工具,絕對不會是選項之一。

如同大多數化學家和生物學家根本無意製造生化武器一樣,大多數人工智慧的研究人員並不想把人工智慧當成武器,也不希望有任何人以這種方式玷汙了自己的研究領域,而讓社會大眾抵制人工智慧,讓人工智慧促進社會福祉的理想胎死腹中。事實上,很多化學家和生物學家都普遍支持能夠有效禁用生化武器的國際協定,而物理學家也一樣會支持禁止把外太空當成核武器的戰場,或禁用致盲雷射武器的條約。

為了不讓我們的關切遭忽視,最後淪為反戰份子的喃喃自語,我希望盡可能讓更多硬底子的人工智慧專家和機器人專家共同署名。

網路戰:不用自己製造武器,就能攻擊敵方

人工智慧在軍事運用上的另一項重大功能,是不用自己製造武器就能攻擊敵方,也就是所謂的網路戰 ,而超級工廠病毒(Stuxnet worm)的威力已經替將來網路戰的形式拉開序幕。一般認為超級工廠病毒是美國和以色列政府共同聯手的傑作,讓伊朗核武計畫中濃縮原料的高速離心器遭到感染,導致離心器分解。自動化程度愈高的社會,遭人工智慧攻擊的影響層面愈大,在網路戰中的損失就愈慘重;如果你有辦法駭入敵軍的無人駕駛車、自動導航機、核反應爐、工業機器人、通訊系統、金融體系或輸配電網,你就能有效重擊對方的經濟,癱瘓對方的防禦能力,如果能順便駭入對方的武器系統,這場戰爭就能宣告勝負底定了。

無論如何,優先鞏固好對抗網路戰的防禦工事,會是短期內發展人工智慧最重要的目標—否則的話,人類所有了不起的創新技術,都會淪為攻擊人類的武器!

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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