面對快速發展中的AI (9)

更新於 發佈於 閱讀時間約 3 分鐘

難以控管的意識型AI

當代AI所採用的大語言模型(LLM),基本上是透過大量的語言資料集反覆訓練出來的。之前說過資料集越大,LLM所能學到的越多,因此各大公司均致力於資料的蒐集;尚未提及的另一個面相是資料集的品質也會嚴重影響到學習的效果甚至讓AI產出錯誤或扭曲的回應,這是極為重要但很難深入探究的議題,因為這些大公司通常不會完全公開訓練資料的來源。

那麼,要選用那哪家的AI比較好?AI有沒有意識形態的問題?AI是否有言論自由?AI的提供者需不需要負起法律責任?

目前由於LLM技術發展太快,很多法律規範跟不上變化,所以亂象叢生。基本上,AI服務提供者大都會在LLM的輸入與輸出端加上所謂的安全機制(Safeguard)來避免爭議,或是如一般軟體服務在使用者條款上列入免責聲明。

意識形態這種相當隱晦的東西怎麼可能完全避免?就算是一家人也可能信仰不同的宗教、投票給立場迥異的政黨,教育小孩的理念也不盡相同。在民主國家,要求政府單位全面控管AI的意識形態,在實踐上是有不少困難之處;政府單位想打造出一個所有人都滿意的LLM,也是極為艱鉅的任務。

另一方面,如果要比照近年來幾近於失控的DEI風潮的標準,AI在回答問題時要面面俱到、兼顧小眾文化才行,如此一來回覆可能會相當繁複冗長。這個時候,使用者應該具備判斷能力,或是給予特別的指示,讓AI提供較符合需求的資訊

我想,每個社會或多或少會對AI有某種監管機制,以避免產生危及人身、社會文化、國家利益以及人類福祉,但每個AI的使用者也應有責任意識和自律的行為。好比目前在社群媒體上可以表達各種意見,其中不乏比AI更離譜的言論,社群媒體不可能定義出一套每個人都滿意的審查尺度,唯有靠社群自律

最糟糕的情況可能是不假思索地全然接受AI提供的資訊。古早時代很多人相信主流媒體,現在大家都知道主流媒體也有意識形態之分,意見不可盡信;如今有許多人追隨意見鮮明的網紅(KOL),但我始終相信的是道理,不想隨波逐流,或是跟著特定的人走

人們為了功名利祿,許多時候得言不由衷,甚至心懷鬼胎;相較之下,AI的想法或許還比較容易理解呢。

留言
avatar-img
留言分享你的想法!
avatar-img
洪士灝的隨筆
59會員
18內容數
隨筆把我的觀察和感想寫出來,透過寫作讓自己腦袋清淨一點、心靈輕爽些。舊文放在https://hungsh-ntucsie.blogspot.com/,文章大多先在臉書上與臉友分享,隨後再轉到這裡臉書網址為:https://www.facebook.com/shihhaohung
洪士灝的隨筆的其他內容
2025/06/16
我為什麼寫這些、做那些:現在社會上有太多亂象,一堆似是而非的資訊,不小心鼻子會被牽著走。除了打穩基礎之外,時常要用功,而寫作和研究就是我的日常功課,也是一種修行。
2025/06/16
我為什麼寫這些、做那些:現在社會上有太多亂象,一堆似是而非的資訊,不小心鼻子會被牽著走。除了打穩基礎之外,時常要用功,而寫作和研究就是我的日常功課,也是一種修行。
2025/06/16
生成式AI之亂:工業應用的情境比較務實,比較沒有模糊的空間,但其他領域有諸多複雜隱晦的因素,談論起來殊為不易,我不想多講,但還是得面對,因此這篇先以「生成式AI之亂」來引出相關的議題,之後再抽空細談。
2025/06/16
生成式AI之亂:工業應用的情境比較務實,比較沒有模糊的空間,但其他領域有諸多複雜隱晦的因素,談論起來殊為不易,我不想多講,但還是得面對,因此這篇先以「生成式AI之亂」來引出相關的議題,之後再抽空細談。
2025/06/16
工業用的AI技術:但若是單純以工作效率而言,AGI和人形機器人並非必須。針對特定領域所設計的專家人工智慧,從事特定工作的非人型機器人,通常提供更高的性價比和工作能力。工業所需要的AI技術,應該是在特定的專業領域上具備高效率而且可靠的,而不是半吊子的萬事通。
Thumbnail
2025/06/16
工業用的AI技術:但若是單純以工作效率而言,AGI和人形機器人並非必須。針對特定領域所設計的專家人工智慧,從事特定工作的非人型機器人,通常提供更高的性價比和工作能力。工業所需要的AI技術,應該是在特定的專業領域上具備高效率而且可靠的,而不是半吊子的萬事通。
Thumbnail
看更多
你可能也想看
Thumbnail
常常被朋友問「哪裡買的?」嗎?透過蝦皮分潤計畫,把日常購物的分享多加一個步驟,就能轉換成現金回饋。門檻低、申請簡單,特別適合學生與上班族,讓零碎時間也能創造小確幸。
Thumbnail
常常被朋友問「哪裡買的?」嗎?透過蝦皮分潤計畫,把日常購物的分享多加一個步驟,就能轉換成現金回饋。門檻低、申請簡單,特別適合學生與上班族,讓零碎時間也能創造小確幸。
Thumbnail
在當今快速變化的數位時代,企業面臨著前所未有的數據處理需求。為了應對這些挑戰,企業紛紛建立自己的大型語言模型(LLM),利用大量數據進行訓練,讓模型能夠理解並生成自然語言,從而實現人機協作,優化業務流程並提升客戶體驗。
Thumbnail
在當今快速變化的數位時代,企業面臨著前所未有的數據處理需求。為了應對這些挑戰,企業紛紛建立自己的大型語言模型(LLM),利用大量數據進行訓練,讓模型能夠理解並生成自然語言,從而實現人機協作,優化業務流程並提升客戶體驗。
Thumbnail
本文介紹了人工智慧(AI)及機器學習(ML)的基本概念和關係,探討了數據在機器學習中的重要性,以及深度學習和生成式人工智慧的應用。
Thumbnail
本文介紹了人工智慧(AI)及機器學習(ML)的基本概念和關係,探討了數據在機器學習中的重要性,以及深度學習和生成式人工智慧的應用。
Thumbnail
在當今快速發展的技術時代,人工智能 Artificial Intelligence 和機器學習 Machine Learning 已成為推動業務創新和增長的重要力量。從改善客戶服務到優化運營流程,AI和ML的應用範圍日益廣泛,為企業創造出前所未有的機會。企業又可如何利用AI和ML提升業務呢?
Thumbnail
在當今快速發展的技術時代,人工智能 Artificial Intelligence 和機器學習 Machine Learning 已成為推動業務創新和增長的重要力量。從改善客戶服務到優化運營流程,AI和ML的應用範圍日益廣泛,為企業創造出前所未有的機會。企業又可如何利用AI和ML提升業務呢?
Thumbnail
本文要探討AI的任務與實戰場景。AI技術已深入生活各層面,從違約預測到都市交通管理。AI任務主要有三類:數值型資料處理、自然語言處理(NLP)和電腦影像辨識。時間序列資料和強化學習方法(如AlphaGo)也引起廣泛關注。AI演算法和方法因應不同學派和技術發展而多樣化,了解這些基礎有助選擇適合研究方向
Thumbnail
本文要探討AI的任務與實戰場景。AI技術已深入生活各層面,從違約預測到都市交通管理。AI任務主要有三類:數值型資料處理、自然語言處理(NLP)和電腦影像辨識。時間序列資料和強化學習方法(如AlphaGo)也引起廣泛關注。AI演算法和方法因應不同學派和技術發展而多樣化,了解這些基礎有助選擇適合研究方向
Thumbnail
本文討論了雖然人工智慧可以提供大量參考答案,但缺乏感知和直覺,無法主動發現不尋常的情況,因此仍需要人腦確認和解決問題的重要性。同時強調了發現奇怪之處、與人溝通、發現問題點、詢問AI並總結出答案的能力和實作的能力的重要性。
Thumbnail
本文討論了雖然人工智慧可以提供大量參考答案,但缺乏感知和直覺,無法主動發現不尋常的情況,因此仍需要人腦確認和解決問題的重要性。同時強調了發現奇怪之處、與人溝通、發現問題點、詢問AI並總結出答案的能力和實作的能力的重要性。
Thumbnail
AI 工具雖能在短時間生成內容,但它不瞭解你的客戶,也無法取代你做現場互動交流。在合適的時機選擇使用適合的 AI 工具,幫助我們專注於最重要的人事物上。
Thumbnail
AI 工具雖能在短時間生成內容,但它不瞭解你的客戶,也無法取代你做現場互動交流。在合適的時機選擇使用適合的 AI 工具,幫助我們專注於最重要的人事物上。
Thumbnail
使用AI所產出的資訊,必須審慎判讀取捨,不宜照單全收。
Thumbnail
使用AI所產出的資訊,必須審慎判讀取捨,不宜照單全收。
追蹤感興趣的內容從 Google News 追蹤更多 vocus 的最新精選內容追蹤 Google News