最近唐鳳做了一個主題演講：AI時代下的民主。
對我來說這是近期許多焦慮的解方。最近跟一位很關心時事的朋友聊天，發現他也不知道這個內容，因此決定來寫一寫，算是作個宣傳。其實這些作法算是直指AI應用的核心，如果是用AI來作產品，這也是一個很棒的案例。
這陣子，不論是世界哪一個地方都有假資訊的問題，努力思索解方但卻百思不得其解。
究竟該如何更有效的讓不同族群能夠獲得共識，或是有效溝通？
然後就看到這個演講，非常推薦多讀幾次這內容。
對我來說，她做了很多事情，背後的想法是什麼，這個想法如何轉變成這個實際的作法，這個想法怎麼來的，都可以值得深思。
假消息很像數位貨幣的51:50攻擊，也就是只要抱持同一個意見的人數夠多，不管這個意見否是真實的，都會把其他的聲音蓋掉。
的確，社群媒體的同溫層現象，問題其實就來自於「推薦給你」這樣的演算法。
這裡面的文字是這樣寫的：
「你追蹤的內容」是一個「為我們（For Us）」的現實。如果你我追蹤同樣的人，我們看到的世界基本上是一樣的，我們活在一個共享的現實裡。
但「為你推薦」不同。它背後的 AI，是一個寄生式的 AI。它的唯一目標，就是學習用什麼內容能讓你上癮，把你黏在螢幕前。於是，每個人都活在一個為自己量身訂做的、極度個人化的世界裡。
對啊，這不是很久以前我們就知道的事情嗎？但我一時之間竟然也沒有想到這個是關鍵點。橋接系統、獎勵制度，這些對我來說也是演算法的一環，不過要做的事情是改變機制。
其他的內容還有很多，即便看過幾遍，我仍然在參透當中。後續的延伸，像是數位遷徙自由提到的三把鑰匙，對我來說就沒辦法100%體會，這也表示我目前還不清楚唐鳳如何思考出來的。我不會說她說的是完全正確的，但的確是很值得思考她是怎麼想的。但她想的速度實在是太快了，也許有可能是因為她的經歷，但無論如何，真的非常敬佩有此解方。
另外我也想提一下，我覺得AI不太容易被拿來作壞事情的原因。
我說的是長期持續能夠自動化的那種程度。
經濟學在現代講的是誘因。
誘因非常重要，因為AI很貴。
目前為止，想要訓練出一個好模型，而且能夠持續作用，AI是需要大家來幫忙養的
既然要養AI的「大家」，端出來的東西就是「大家」喜歡的。
全球幾十億人口，大多數人想的應該是錢多事少離家近，而不是把社會顛覆，把某個東西弄亂，那就代表，如果想要做出一個AI模型，專門從事駭客相關的行動，就要自己訓練。
對我來說，到目前為止還是那句老話，最最最重要的就是資料，中間的算法可以改，參數可以剪枝，甚至控制模型的注意力，讓他自己把沒什麼用到的神經元關掉（Nvidia最近的研究，有興趣請自己搜尋），但資料不行，沒有就是沒有，這也是繁體中文模型的致命缺點，語料太少了。順帶一提，即便把所有簡體中文翻譯成繁體，那也要把語感翻譯成繁中使用的，那就需要一個好的繁中模型才能事半功倍，雞生蛋，蛋生雞。
不過現在繁體中文模型也持續在強化當中，希望可以越來越快阿。
好，也就是說，駭客自己要有資料，不然買資料要錢，買硬體也要錢，什麼都要非常多錢。
但就算退一步說，即便真的有人發展出來好了，用的人這麼少，也許對黑帽駭客來說，自己寫真的會比較快一點。
所以呢，我認為至少是目前為止，AI真的不算發展成熟的這個階段來說，還沒有什麼誘因發展這些作壞事的AI。現在很多高手也知道這件事情，所以他們也是很努力的，不要讓情況發展到更糟的階段，事前就要把防禦機制做好。
當另一半是心理師，大量對談之下，對於人類認知的了解真的比以前多太多了。人類的模式，有時候還真的沒這麼多，好像有其獨特之處，但視角拉高之後，也會發現好像都差不多。
總結一下好了，
我認為對於未來，是可以抱持信心的，AI是反映世界多數訊息的一個東西，科幻小說經常在某些細微的設定略過困難程度，才會導致災難發生（當然也有很多地方現實反而更容易搞爛XD），台灣一直以來就是這樣，非常多的族群，利益衝突分配不均。目前台灣仍然處在各種有形無形利益重分配的階段，期望會更好吧，
I choose to believe.
