我們需要基於福祉的AI積極願景

我們正處在一個AI迅速發展的時代，從自然對話到圖像生成、代碼編寫、哲學辯論，AI的能力令人驚歎。然而，AI對社會的影響是複雜的，如何確保AI造福人類成為關鍵問題。本文提出，答案在於將AI的發展根植於人類福祉（wellbeing）之上。

福祉的複雜性可被接納

福祉的定義雖無共識，但諸多研究指出了共同要素：支持性親密關係、有意義且投入的工作、成長與成就感、積極情感體驗。此外，長期的福祉還需依賴教育、政府、市場等社會基礎設施。AI應致力於提升這些要素，而非僅追求利潤或參與度。

亟需基於福祉的積極願景

技術變革常超乎預期，AI的衝擊將超越社交媒體。我們不能再僅停留在“減少危害”，而要主動設想並構建AI賦能下的美好世界：例如AI復興教育、改善民主、促進有意義的人際聯結。這種願景需要想象力、現實性與技術可行性的結合。

從理解到行動：四個關鍵方向

1. 明確目標：通過跨學科對話探討“何為美好生活”，並設計具體場景（如AI在戀愛、教育中的應用）。
2. 測量影響：建立從能力、行為到使用、影響的多層測量體系，例如評估AI對自主性的影響。
3. 訓練模型：在預訓練、微調和對齊階段注入福祉相關數據，使模型理解並支持人類福祉。
4. 部署應用：積極打造直接促進福祉的AI產品，如心理健康輔導、新型社交網絡，同時警惕風險。

平衡理想與現實

文章承認測量與優化的侷限性，但主張以務實態度推進：採用多元指標、避免單一目標、隨時修正。最終，AI應當服務於人類“值得活的一生”，這既是技術目標，也是道德責任。

詳細論述

在更廣闊的視角中，福祉不僅關乎個體，也依賴於健康的社會機構。教育、政府、市場等機構在AI時代需要重新構想。例如，生成式AI可以通過個性化導師豐富教育體驗，通過分析政治家言行增強問責，或者通過促進科研合作加速發現。但這一切需要謹慎：AI必須尊重文化多樣性，避免單一指標壓制地方語境。

測量方面，文章提出一個分類框架，涵蓋AI能力、行為、使用和影響。以自主性為例，從模型能力（理解用户意圖）到行為（蘇格拉底式對話），再到實際使用（輔助而非替代），最終影響（用户感到賦能）。這種分層測量有助於系統性地改進AI。

訓練階段同樣關鍵。在預訓練中融入心理健康、人生抉擇等內容；在微調中聚焦專家示例；在對齊中結合長期福祉的代理指標（如親密關係質量）。文章呼籲建立反饋循環，使評估結果指導模型迭代。

最後，部署需要勇氣與智慧。像Replika這樣的人工親密關係應用既有風險也藴含機遇，關鍵在於設計時以用户長期福祉為中心。通過深思熟慮的正面案例，我們可以為AI設立新標準，推動整個行業向更人性化的方向發展。