人工智慧正逐漸成為基礎設施。
它正進入搜尋、辦公、醫療、教育、研究與製造領域。它也正進入日常決策發生的細微空隙：該先做什麼、哪個選項耗用較少資源、某個複雜的主張是否值得我們信任。
這改變了我們應該提出的問題。「AI能做什麼？」已不再是最重要的問題。更難的問題是：當AI能力的進展快過我們的制度、能源系統與社會共識，我們如何確保AI擴展的是人類的可能性，而不是把效率、資源與權力集中到更少數人手中？
這不是在主張AI會拯救世界。這也不是在主張AI會毀滅世界。這是一個工作假設：AI可以成為永續發展的放大器，但前提是我們先決定什麼值得被放大。
這個問題貼近我們思考AirJelly的方式。一個主動式的AI夥伴不應只是產生更多產出，或用更多建議打斷人們。它應該幫助人們理解脈絡、減少低價值的摩擦，並讓人類的判斷保持在迴路之中。當我們在社會尺度上思考AI時，也應適用同樣的標準。
01. 進步需要更寬廣的定義
在過去數十年的大部分時間裡，科技進步是以速度、規模與產出來衡量的。模型變得更快。工廠變得更自動化。內容變得更豐富。決策鏈變得更短。
這些衡量指標很重要，但它們並不等同於人類發展。
聯合國永續發展目標將發展描述為一組相互連結的責任：終結貧窮與飢餓、改善健康與教育、創造尊嚴就業、減少不平等、採取氣候行動，以及建立和平且可問責的制度。成長不是單一的排行榜。它是一組必須在時間推移中保持可行的關係。
AI帶來一項特殊的挑戰，因為它非常擅長最佳化局部目標。
如果目標是最小化平均客服回應時間，系統可能會減少人為參與。如果目標是最大化參與度，它可能會產生更多刺激。如果目標是提升預測準確度，它可能會讓少數群體的經驗變得更不可見。每一項局部指標都可能改善，而整體生活品質卻變得更糟。
永續的AI需要更寬廣的成功定義：在更長的時間內，為更多人帶來可靠、公平、可復原的價值。
這意味著產品指標應納入較不耀眼但更具影響力的問題。系統節省了多少能源與材料？它移除了多少重複性工作？誰獲得了能力，誰失去了選擇？當系統失效時，誰能察覺、修正並提出質疑？
最好的AI產品不是那些讓人們感覺被智慧包圍的產品。而是那些幫助人們把注意力花在真正重要之處的產品。
02. AI能幫助我們看見系統。它無法替我們做出價值判斷。
氣候與生態問題之所以困難，不僅是因為我們缺乏資訊。它們之所以困難，是因為系統複雜、回饋延遲、責任分散，而且許多成本不會出現在單一組織的季度報告上。
AI很適合處理這種複雜性的一部分。它可以幫助研究人員整合衛星影像、感測器資料、氣象紀錄與供應鏈資訊。它可以幫助電網預測需求並整合再生能源。它可以幫助建築師比較材料、能源使用與生命週期影響。它可以幫助農民辨識灌溉、病蟲害與土壤狀況中的模式。
國際能源署的《能源與AI》報告指出了AI在電力系統、建築、工業、運輸與能源創新方面的重大機會。它同時也讓等式的另一面無法被忽視：資料中心與AI本身需要更多電力。
AI本身既不天然環保，也不天然不環保。它的影響取決於它被部署於何種系統、驅動它的是什麼能源，以及它被要求最佳化的目標是什麼。
同一個模型可以幫助電網降低尖峰需求，也可以產生無止盡的低價值運算與消耗。我們不應只問一個模型用了多少能源。我們應該問，它是否有助於更廣泛的系統節省比該模型所消耗更多的能源、材料、時間或風險。
這就是為什麼AI應被視為觀察者、協調者與情境建構者——而非最終的裁判。它可以產出預測、揭示取捨，並讓複雜的模式變得可理解。它無法自行決定一條河流值多少、一塊濕地是否應被開發，或誰的風險是可接受的。
那些決定仍然屬於公共辯論、法律與人類判斷。
03. 運算屬於物質世界的一部分
當我們談論大型模型時，很容易只看到無形的產出：文字、圖像、答案與預測。這些產出中的每一項，仍然依賴實體的晶片、伺服器、冷卻系統、電力、土地與水。
資料中心的需求正成為一項基礎設施問題。國際能源署的《2024年電力》分析預測，資料中心、AI與加密貨幣的用電量到2026年可能增加一倍以上。確切的增幅會因效率、區域能源結構與需求而異，但方向很清楚：AI無法脫離電力系統獨立擴展。
這不代表研究或有用的應用應該停止。這代表我們需要對效率有更好的定義。
更大的模型不會自動創造與其成本成正比的公共價值。更長的答案不會自動更有用。把每一項任務都送給最昂貴的模型，不會自動是更好的產品設計。
成熟的系統會依任務的難度選擇模型。它會在可能時重複使用結果。它會避免不必要的呼叫。它會讓重要的資源界線變得可見。它會把運算視為應審慎花費的東西。
這是一項簡單的產品原則：不要讓運算取代思考。
當一個困難的問題需要縝密的推理時，AI是一項工具。當一個系統只是為了看起來聰明而不斷產生、提醒與重新評估時，它更接近於浪費。
04. 永續也意味著不奪走人類的能力
如果AI只被用來降低人力成本，永續發展就成了一種委婉說法，意思是讓更少的人做更多的工作。那是一條容易走的路，也是一條危險的路。
國際勞工組織2023年關於生成式AI與就業的研究指出，生成式AI更可能的是轉型與增強許多職業內的工作任務，而非立即消滅整個職業。但其影響在各國、各產業、各性別與各類工作之間並不均勻。平均的收益無法告訴我們是誰承擔了轉型的成本。
以人為本的AI系統應以更有用的問題，取代「我們自動化了多少工作？」這個問題：
- 它是否減少了危險、重複或低價值的工作？
- 它是否讓人們有更多時間去學習、關懷、創造與行使判斷？
- 使用者是否理解系統的極限，還是他們只是被期望接受它的結論？
- 受某項決策影響的人能否申訴、要求審查與選擇退出？
聯合國教科文組織的《人工智慧倫理建議書》將人類尊嚴、自主性、透明性、可解釋性、可問責性與環境保護置於負責任AI的核心。這些聽起來可能很抽象，直到它們成為產品決策：保留人為審查；顯示不確定性；保留可追溯的決策歷程；不要把沉默當作同意；讓人們能修正系統對他們的認知。
這也是個人脈絡重要之處。一個記住正確事物的助理可以減少認知負擔。一個默默把記憶變成控制的助理則可能恰恰相反。在AirJelly，脈絡的重點不是完美地預測一個人。而是幫助一個人以更大的自主性運用自己累積的脈絡。
如果AI讓人們更不善於記憶、判斷、組織或表達異議，它可能改善了短期效率，卻削弱了社會的長期韌性。
05 分界線不在於人們是否擁有AI，而在於誰能使用與治理它
最深的永續風險往往不是技術本身。而是其效益與風險的不平等分配。
先進運算、資料、人才與基礎設施集中在相對少數的國家和企業手中。較富裕的地區或許會運用人工智慧進行氣候模擬、醫療篩檢與個人化教育。資源匱乏的地區則可能接收到外部的系統，這些系統會對人進行評分、監控或分類，而當地人在這些系統的設計、稽核或治理上，卻沒有實質的參與角色。
那可能複製既有的不平等。擁有更多資料的人獲得更好的服務。擁有更多資源的組織獲得更高的效率。弱勢群體變得更可能被預測、分類與管理。
因此，AI 永續議程不能只聚焦於部署，還必須建立公共能力：開放標準、可負擔的基礎設施、多語言系統、在地知識、公共利益研究，以及能讓政府、學校、社區與公民社會組織檢視重要系統的機制。
公平不是產品完成後才加上去的「公共財模式」。它始於問題定義、資料、部署情境、定價模式，以及處理失敗的方式。
同樣的原則也適用於個人 AI。一個有用的夥伴不應把個人的情境變成專屬的牢籠。它應該讓情境更可用，同時把擁有權、更正權與方向交還給個人。
06 讓 AI 成為長期協作者
如果 AI 要支持永續發展，我們需要既簡單到足以使用、又嚴格到足以發揮作用的原則。
從公共價值出發，再選擇模型
不要從「我們能不能在這裡加一個模型？」開始。要從「哪個真實問題值得解決？」開始。一個能減輕護理人員行政負擔的系統，不應該用與一個只是為已經充滿雜訊的資訊流增添更多內容的系統相同的指標來評估。
將生命週期成本納入產品決策
成本不只是一筆 API 帳單。它還包括能源、硬體、資料治理、維護、遷移、訓練，以及錯誤所帶來的社會成本。在影響重大的情境中，生命週期評估應與功能評估同等重要。
向做決策的人揭示不確定性
永續的系統不能時時刻刻假裝自己確定無疑。當人們採取行動時，信心程度、資料的新鮮度、適用範圍，以及已知的失效模式都應該清楚可見。誠實地說「我不知道」，往往比給出流暢卻錯誤的答案更有用。
讓受影響的人參與設計
被系統評估、服務或管理的人，不應只作為資料集中的一列而存在。教師、護理人員、勞工、農民、身心障礙者與社區組織，都需要在設計、測試與審查中擁有真正的發言權。
保留退出與更正的權利
並非每個工作流程都需要自動化。也並非每個自動化的工作流程都應該不可逆。基本服務需要替代管道、人工審查，以及可追溯的申訴程序。
以系統選擇不做什麼來衡量成熟度
成熟的 AI 產品不會把越來越多的決策交給模型。它知道哪些決策應該留給人類。減少不必要的生成、通知與決策迴圈，同樣也是一種進步。
07 最終的問題仍然是：我們想成為什麼樣的人？
科技往往會放大組織既有的運作方式。
如果我們把教育視為答案的生產、把工作視為一組可壓縮的任務、把自然視為可優化的資產、把人視為可預測的使用者，那麼 AI 將會加速這些假設。
但如果我們把教育視為判斷力的培養，把工作視為共同的創造，把自然視為我們必須與之共存的系統，並把人視為有尊嚴、處於關係之中、且部分不可知的存有，那麼 AI 就能幫助我們保護時間、看見複雜性、跨越距離協作，並為長期目標騰出空間。
永續發展從來就不是要讓世界變得無限高效。它意味著在一個有限的星球上，保存人類選擇、修復關係，以及關懷未来的能力。
AI 是否會成為這項工作中的夥伴，取決於我們賦予它的任務、界線與制度。模型會越來越強大。但沒有哪個模型會替我們決定什麼值得做。
那部分仍然屬於我們。
參考文獻
- 政府間氣候變遷專門委員會（IPCC）。AR6綜合報告：2023年氣候變遷。2023年。https://www.ipcc.ch/report/ar6/syr/
- 聯合國。轉變我們的世界：2030年議程與永續發展目標。2015年。https://sdgs.un.org/2030agenda
- 國際能源總署（IEA）。2024年電力：至2026年之分析與預測。2024年。https://www.iea.org/reports/electricity-2024
- 國際能源總署（IEA）。能源與人工智慧。2025年。https://www.iea.org/reports/energy-and-ai
- Gmyrek, P., Berg, J., & Bescond, D. 生成式人工智慧與就業：對就業數量與品質潛在影響的全球分析。ILO工作論文第96號，國際勞工組織，2023年。
- 聯合國教科文組織。人工智慧倫理建議書。2021年。https://www.unesco.org/en/legal-affairs/recommendation-ethics-artificial-intelligence
- 聯合國環境規劃署（UNEP）。2024年排放差距報告：別再空談了……拜託！。2024年。https://www.unep.org/resources/emissions-gap-report-2024
- 史丹佛以人為本人工智慧研究院。2025年人工智慧指數報告。2025年。https://hai.stanford.edu/ai-index/2025-ai-index-report
- OECD。OECD人工智慧原則。2024年更新。https://oecd.ai/en/ai-principles