怪獸科技公司第二季，一起培養在快速變化社會的超強適應力！
🗣️收聽Podcast｜🙋追蹤怪獸｜📰訂閱怪獸雙週快報｜🤖來找怪獸
AI 除了讓工作有了更多新的可能，帶來了新的商業契機，也在各個領域展現出巨大的潛力。
這次的內容，我將分享在政大聽完 OpenAI 的執行長技術顧問（Technical Advisor to the CEO） Dr. Mohammad Bavarian 在台灣的第一場演講，透過 OpenAI 官方的視角，探討人工通用智慧（AGI）的關鍵技術和未來趨勢。
Mohammad Bavarian 博士參與了 GPT-3、GPT-4 以及 Plugin 的開發
AI 學習的底層邏輯：機器學習是什麼？
我們可以先想想看，訓練 AI 的類神經網路（深度學習）已經有超過十年以上的歷史，然而，為什麼 2022 年末會成為生成式 AI 的引爆點，讓 ChatGPT 成為新社群 Threads 外，最快破億的應用？🙋 收聽 Podcast：OpenAI 高管第一次在台灣演講＠政大！
機器學習（讓機器／電腦學習）分成三種方式，監督式學習、非監督式學習，以及強化式學習。
本文作者 王政皓整理
監督式學習（Supervised learning），指的是已經有標記好的資料，讓 AI 學習如何分類。舉例來說，若是要辨別圖像是否為昆蟲，訓練方式就會是透過人工，直接讓機器了解蝴蝶是昆蟲，蜘蛛不是昆蟲，藉以讓機器透過比對找出規律。
相對地，非監督式學習（Unsupervised Learning）沒有資料標記（label），會讓 AI 自己觀察無標籤資料，透過解析結構找到相同特徵，進而分類資訊。
至於第三種強化式學習（Reinforcement Learning），則是過程未知的狀態，根據結果作出獎勵。換言之，它會透過人類反饋（reward）進行深層式的學習，根據不同狀況作出決定，不斷試錯找到最好的方式，像是擊敗頂尖棋士的 AlphaGo 就是個非常經典的例子。
OpenAI 這樣的 AGI 到底是怎麼學習的呢？
讓 ChatGPT 具有強大反饋能力的關鍵，就是非監督式學習和強化式學習，讓模型能從未標記的資料以及非結構化的談話中學習。
具體來說，OpenAI 的第一階段是建立自然語言訓練模型：transformer 架構，透過「語境分析」和「識別等對語言」進行分類與歸納；第二階段進行非監督式學習，在網路上大規模搜集尚未被標記的語言資料，進行模型訓練變成現在大家熟知的大型語言模型（LLM）。
這樣的大型語言模型，就改善了監督式學習雖然有品質，但是資料量過少又燒錢的問題，提供大量運算資料和數據。
AI 的應用與限制：為什麼 LLM 不能個人化？
ChatGPT 並非 OpenAI 的第一個產品，該公司首個推出的應用是以 GPT-3 為基礎的語言繪圖模型 DALL·E 2，而後才推出具備語言理解和對話能力的 ChatGPT。
經過訓練後的 ChatGPT 有幾個應用，像是腦力激盪、協助創作、提供建議、摘要等功能，尤其是編碼和除錯領域，只要給予 ChatGPT 明確指令，如建立人設與拆解流程，就能完成工作很多工作。
然而，當前 GPT 的限制在於其很可能編造事實（預設為 2021 年 9 月以前的資料），以及最大的問題——沒有長期記憶。
由於短期注意力不足，GPT 記不住使用者過去的提示內容，只能根據被訓練的內容回答，以致每次生成都是新的，無法量身打造專屬於個別用戶的回饋（但目前可用 Custom instructions 暫時解決人設問題）。
AI 的未來趨勢：我們該限制的，是什麼？
不只是單純文字，未來 AI 勢必還會朝向音樂和影片製作發展，而且比起維基百科，AI 更強調互動性。
Mohammad Bavarian 演講中談到，透過 AI 模型，很多醫療資源不足的國家能因此大幅降低醫療成本；再者，AI 還能抓出人類的判斷盲點。
過去 Twitter（現在已經改叫 X...）上有使用者分享 ChatGPT 救了他的愛犬一命，該使用者向 ChatGPT 提供了他狗狗生病的症狀和血液檢查數值，ChatGPT 隨後提出了一個原本被獸醫忽視的可能病因。該使用者後來根據 ChatGPT 的回答尋求了第二位獸醫的意見，結果證實 ChatGPT 的診斷是正確的。
AI 能夠完成許多任務，但最重要的，我們還是必須思考如何創造屬於人的價值，讓 GPT 成為 CTO 助人類 CEO 一臂之力。在技術的研發上，更是要讓 AI 能夠安全使用，以及對人類有益。
誠如 OpenAI 的 CEO Sam Altman 在 5 月的聽證會所強調，政府的監管干預是減少風險的關鍵。為了確保 AI 的安全與透明度並降低可能帶來的風險，其中必須建立的三條紅線有：
- 建立新的政府部門，頒發大型 AI 模型的許可權，並有權撤銷不符合政府標準的公司或模型的許可證。
- 建立 AI 模型的安全標準，評估其危險性。例如，這些模型必須通過一些安全測試，例如它們是否會「自我複製」或是「向外滲透」（不受人類控制，開始自己行動）
- 要求專家對模型在各種指標上的表現進行獨立審核。
也就是說，我們要監管的，是 AI 的「潛在風險」，而非「技術發展」。
延伸閱讀：
監管和創新的雙面刃：AI 監管、邊緣運算和鴻海的紀律治理｜資訊篇｜前導｜【怪獸】你與科技的距離 EP3.1
到底，該不該限制 AI 用在教育？
Mohammad Bavarian 的論點為，消極禁止無濟於事，AI 對教育會帶來重大改變，改變人類未來學習方式。未來 AI 會解決很多當前的系統限制，並且以通用人工智慧的樣態廣泛應用於生活各層面。
延伸閱讀：
【怪獸雙週快報#8】不要再焦慮了！2023 GAI年會+OTPR敏捷工作法、終結平庸，主動權還是在懂的人身上
雖然 ChatGPT 無法回答所有用戶的提問，但它能幫助我們找尋答案。例如過去問它今日匯率，礙於資料訓練停留在 2021 年，ChatGPT 會要我們自己去查；但現在，它會幫忙搜索網頁整理答案，並提供資訊來源。
延伸閱讀：
【怪獸雙週快報#13】覺得自己不夠好？你可能有了成就，卻當掉了人生！馬斯克成立 xAI、踏實感的練習＋做自己的生命設計師
至於 ChatGPT 對教育領域造成的衝擊，我們該以何種心態面對？
其實，不只有 ChatGPT，這是所有科技導入教育勢必會遇到的問題。在 AI 時代，資料取得與分析會更加容易，然而下一階段我們將面臨的，就是資訊辨識與正確性的挑戰。
Google 在生成圖片的做法是推出生成圖像功能，確保每一張 AI 生成的圖像在原始文件中都有一個標記，讓使用者在平台之外看到它時，可知道該圖片是 AI 標注的。身處現代的我們，更是要善用 AI，養成比對與檢測資訊正確性的能力。
王政皓｜怪獸科技公司主筆、vocus Premium 創作者
一個喜歡科技、熱愛閱讀的 ENTJ-A 政大生。曾為 TEDxNCCU 講者部、政大之聲主持人暨新聞部採訪組長，擁有台灣簡報認證（L level）及各式多角化實戰經驗，從 0 到 1 在一年內打造不重複下載數超過萬次的 Podcast、超過千人追蹤的 IG 社群、超過百人訂閱的怪獸雙週快報等怪獸科技公司旗下產品，亦獲 vocus 方格子、Apple Podcast、SoundOn 聲浪、Mixerbox 等平台推薦。
🤖 怪獸科技公司旗下五大版圖
最懂你的 #科技入門：一起培養在快速變化社會的超強適應力！
🗣️ 節目｜怪獸科技公司 Podcast（每週日晚上 9 點各大平台首播）
✍️ 專欄｜怪獸科技公司 vocus Premium 沙龍
🎥 影音｜怪獸科技公司 YouTube：來賓焦點訪談✖️重點短影音
🔥 社群｜怪獸科技公司 IG：科技✖️時事✖️人生＝怪獸科技公司
📰 電子報｜怪獸雙週快報：1 則熱門時事分析✖️ 2 本人生思考書摘
