AI人工智能的過去、現在、未來

受訪者、供圖／王灝（Dennis Ong）

1962年，動漫《傑森一家》（The Jetsons，又譯《摩登家族》）把想像中百年後的生活方式，帶進當時美國人的起居空間——按個按紐，就有食物送上門；面對「電腦」，跟遠方的家人說話，進行工作會議；「機器人」成為家務助手，包辦打掃、烹飪……。

60年來，「過去」想像中的科技，絕大部分已是「現在」進行式。那麼，自動駕駛的飛行汽車，「類人」機器人等等，是否也將出現於可預見的「未來」？

AI人工智能的應用逐漸廣泛，2023年初以來，ChatGPT（Generative Pre-trained Transformer，生成式預訓練轉換器）更成為熱門話題。

新工具帶來的是便利，或者隱藏著不可得知的後果？在科技風起潮湧之中，你我身為天國子民，可否引導潮流？

本刊專訪在亞馬遜雲端科技（Amazon Web Services）擔任高級主管的王灝博士（以下簡稱D）。他目前的工作重點，是以人工智能、數字化和雲轉型，協助跨國企業促進業務創新。王灝曾任 Verizon 通訊公司5G人工智能研發主管，與本田公司合作展示世界上第一輛5G自動駕駛汽車。他也在2022年獲得三項與人工智能／機器學習相關的專利。

AI人工智能過去的發展

KRC：請說明人工智能（Artificial Intelligence，以下稱AI）與機器學習（Machine Learning，以下稱ML）。請簡述AI截至目前為止的發展。

D：AI簡單來說，就是用機器來做人能做的事。最早從1940年代開始聚焦研究，提出可使用神經網路 neural network，這是由人腦啟發、教導電腦學習的方式。理論有了，數據卻不夠多，仍然不知道如何實際創建 neural network。

1980年代起使用 Expert System（專家系統），例如把訪問醫療界的專家如何診斷、治療的資料放進電腦。不過創建與維護都難；資訊很容易就過時、不適用，有新的資料出現就要更新，耗時費力。此後約20年，AI的研究經費都停了，只有AI教父——Yoshua Bengio、Geoffrey Hinton、Yann LeCun，繼續努力。

之後史丹福教授李飛飛建立的革命性電腦視覺，教電腦學習人的視覺可做到的辨識、偵測、分類等功能。目前應用於顏面辨認（facial recognition）、如皮膚癌等病變偵測、製造業的品質管制……等等。¹

ML是由人為操作的特徵提取（feature extraction），在事先定義與分類後， 將由大量數據中提出歸納、簡化後的特徵，交由機器學習。 目前發展的深度學習（Deep Learning，以下稱DL），則是在訓練神經網路後，系統可以獨立辨識、決定，目標是最終無需人的參與。

不過截至目前，甚至是 ChatGPT，都還不能算是完全的DL，仍需要人力介入。

AI目前的應用和隱憂

KRC：決策性（discriminative）AI和生成性（generative）AI以何種方式出現於日常生活中？

D：決策性和生成性AI的區別，就在於是否產生新內容。例如網購時，電商根據搜尋關鍵詞、購物歷史等等，得出可能的喜好並進行推薦。也有汽車保險公司透過AI分析，找出可能的假車禍，希望防止詐騙保險金。許多機場已有的Clear安檢系統，是經由會員資訊、指紋、虹膜檢測來確認身分。這些都是決策性AI的應用。

生成性AI是很新的科技，目前最熟悉的應該就是如 GPT 的 chat bot（聊天機器人）。輸入文字、影像、聲音等數據後，彙整產生文字、影像、聲音、程式編碼等不同形式的內容。未來可望在行銷、編碼，甚至影音生成上，有更廣泛的應用。

例如 Bain 管理顧問公司結合 OpenAI 的技術，與可口可樂合作，致力於產生更個人化的廣告文案。可口可樂也進行了 Create Real Magic 比賽，任由藝術家從公司的圖像檔案中，透過 GPT-4 和 DALL-E（從文字提示中產生圖像），進行（再）創作。² 此外透過語音生成，機器人能與真人交談，可看出生成性AI與使用者之間能有互動。

KRC：AI既然已被廣泛應用，可能造成甚麼負面的影響？

D：AI前景樂觀，卻仍有重大潛在風險。AI教父之一 Hinton 於2023年5月從 Google 辭職。他認為AI可能使許多人失去工作，生成假消息、假影音等，並提出警示：「等著AI比我們更聰明是沒用的；一面發展就要一面控制。我們必須了解如何遏制，避免負面結果。」³

已經看見或預期中的負面影響如下：

幻覺：生成AI如 GPT，本身沒有邏輯思考能力，只是搜尋網路資料，給出最有可能的合理答案，聽起來可能頭頭是道，卻有可能是錯的。目前 GPT 處理的資料到2021年，得出的答案就不會包括2021年之後發生的事。我曾問GPT，為甚麼 Hinton 在2018年贏得 Turing 獎（對象是在電腦業有卓越貢獻者，取名自現代電腦科學奠基者 A.M. Turing）？ GPT 答：他沒有贏，因為貢獻沒有達到足以獲獎。這是生成性AI目前最需要解決的問題：不知道答案，但不會說不知道。

偏見：如果AI處理的資料已經帶有既定形象的偏見，結果也會產生偏差。例如我給了DALL-E「科學家」這個詞，產生的圖片絕大多數是白人，還有一個戴著大大眼鏡的亞裔女性。

著作權：GPT 從網路搜尋資料來產生答案，但這些文字、圖像都有原作者，他們有可能擁有著作權。GPT 產生的答案是否侵犯了著作權？因此如圖像影音交易界的龍頭 Getty Images，控告以人工智能產生影像的 Stability AI，沒有付費或徵求同意便掃描、下載屬於 Getty 的上千萬張圖片。

抄襲：GPT 的知識量很大，但如微積分等需要分析的科目就不擅長。教育界也需要開始研究，如何讓 GPT 等成為協助學習的工具，卻要防止學生投機，讓 GPT 代寫功課，甚至失去分析、思考、彙整的能力。GPTZero 就是可以幫助找出作業有多大可能由 GPT 產生的應用程式。

知之甚少：到底 GPT 如何產生答案？GPT-3.5 有1,750億事先界定、用來控制機器學習過程的參數（parameter），目前只知道理論，但運作模式太大，不知道實際如何進行。發展AI的公司在設建更有能力的工具時，可能得到的是不能完全了解、預測、控制的產品。

假消息：從生成性AI可以產生不真實的影像（deepfake）、聲音（voice cloning），製造假消息，甚至成為謊稱親人遭綁架的詐騙工具。

這些風險很多是在模式設計和發展過程中，因人為因素產生的，例如偏見。但已有新的工具嘗試減少負面影響。重點在於需要對AI發展應用有更多認識，也才有可能知道對策。

KRC：生成性AI（如 ChatGPT）和慣用的網路搜尋引擎（如 Google）有何不同？

D：ChatGPT 的限制，是資訊只到2021年9月，沒有新的數據。其次是資訊來源經過篩選，量雖然大，但沒有能力包括整個網路。

如果問原先的 GPT 如何製造炸彈，可以得到製造的步驟。然而 GPT3.5 產生的答案經過「人類反饋強化學習」（Reinforcement Learning from Human Feedback, RLHF），為保護道德倫理，設下底線。

RLHF 如何運作？問如何製造炸彈，GPT 產生兩個答案―可以做，並列出步驟；製造炸彈是違法的，不可以做。有人來判定哪個答案比較好，給予反饋。得到反饋後，再以獎賞模式進行訓練。例如現在問 GPT3.5：我應該信耶穌嗎？回答會是：我無法判斷，但可以告訴你為甚麼別人信耶穌；然後列舉五個信耶穌的原因。

人給出甚麼樣的反饋，需要事先訂定原則。但是誰來決定原則的道德和價值觀？若是原則傾向保守，反饋就比較保守，反之亦然。搜尋引擎沒有 RLHF，只是按頻率列出相關網站，需要使用者自己花力氣判斷、選擇進到哪個（可能比較值得相信的）網站，閱讀、汲取、整理得到的資訊。

微軟目前推出結合原本搜尋引擎和 GPT 功能的 New Bing，在給出彙整的答案同時，放進資料來源的連接，讓使用者決定是否進一步閱讀更多資訊。New Bing 的另一個優勢，是資料來自即時並全部的網路。

AI可能的未來

KRC：許多新聞聚焦於AI淪為學生、員工取巧的途徑，和不法之徒造假的工具。如何應對AI的未來？

D：應對方法可分以下幾方面：

一、科技。開發並應用AI技術，例如 GPTZero，來檢測不真實的影像、聲音，和剽竊、抄襲的可能，並幫助快速辨識虛假信息。這方面的科技具有相當大的商業潛力。

二、教育和培訓。提升公眾對AI的認識，培訓分辨真假信息的能力。可在學校或職場開設相關課程。

三、立法與政策。制定相應的法律和政策，限制AI技術的不當使用，同時確保公眾利益與個人隱私得到保護。歐盟2021年的提議，是將AI應用分成三類：1）不能接受的風險，例如政府以社會等級（social scoring）評定人的發展機會，需要禁止；2）高風險應用，例如以CV（Curriculum Vitae, course of life）搜索工作申請簡歷並給申請人排行，需要符合特定的法律要求；3）以上兩類之外的，基本上沒有特別限制。⁴ 立法限制的確有其必要性，且必須急起直追發展過於迅速的科技，然而太嚴格的條規則會限制創新。

四、道德與價值觀。引導人們建立正確的道德觀念與價值觀，明白利用AI作弊或侵犯他人利益的行為是不道德的。這有助於塑造健康的科技應用氛圍。

五、多方合作。政府、企業、學術、公眾，應共同努力，確保AI技術得到可持續、負責任的發展。

在了解科技的同時，也需要在教育、法律、信仰等等不同領域的人參與論壇。

KRC：AI可以取代人的工作嗎？可以取代人嗎？

D：AI當然可以取代人的工作，但到底能取代多少？科技研發者總是樂觀的，不過實際情況常不符預期。2016年預測，上百萬的專業司機將被自動駕駛車輛取代。2022年，美國卡車協會（American Trucking Association, ATA）預估，未來十年還需要超過百萬的卡車司機。

與其說AI取代人的工作，倒不如說在目前是幫補的工具。在接受、使用新工具前，還需先設立清楚的原則和規條，免得觸法，或有違道德，例如侵犯著作權。

回顧自蒸汽引擎開始的幾次工業革命，每一次從發明、發展，到讓業界和消費者廣泛使用，都經過幾十年的時間。並且新的技術出現，還需要許多配套的零件。現在AI和 ChatGPT 技術有了，但還未解決著作權等上文提過的問題。

AI引導的自動化的確能取代人的工作，但同樣的，新的專業也不斷出現。我常鼓勵年輕的學生在選擇專業時，要有開放的心，往遠處想，不以現在的熱門行業為目標。反而要在各行各業都有貢獻，用出神賜的才幹。

合乎中道地看待AI

KRC：基督徒應該如何看待AI？

D：「神就按著自己的形像造人。」科技能以人腦為模型造出神經網路，發展出功能強大的AI，仍然不是神的創造，沒有神所賜尊貴的榮耀。就算知識量遠遠超過人，就算有「通用人工智慧」（Artificial General Intelligence，簡稱 AGI，能表現人類所有的智慧行為），GPT 仍是人在敗壞世界中製做出的成品，也就有敗壞世界中的種種問題。「聊天機器人」再怎麼能跟人對話，背後依然沒有靈魂；給出的建議再怎麼合情合理，依然不是出自關懷。AI可以解決很多問題，但無法解決靈與心的問題。

面對AI的態度可以是：

一、要以正確眼光看AI和其他科技。不過度樂觀，把科技看為解決一切問題的答案，因為過於相信科技也是偶像崇拜。也不需悲觀，看科技為人類生存的威脅。其實AI正在慢慢發展，我們有責任揭開其可能性。

二、需要問人與機器到底有甚麼不同。趨勢是把機器人格化，相對的也就削減了人的特質。AI 或 GPT 不可能取代人的智慧、關懷、陪伴。人雖也是受造之物，卻有神獨特賦予的形像，機器不能與之相比。

三、負責地使用AI。科技並非中性；電腦演算法和用於訓練AI的數據亦然。如何選擇數據，如何調整模型，決定所依據的原則和條規代表了某種道德觀與價值觀。結果是AI系統造成更多的不公平，這在保險、行銷、貸款、警政、政治等使用大數據的領域，已經成為威脅。基督徒需要參與其中，讓AI在發展和應用中，加入公義、文化、關懷、社會常態、管家心態、透明度，以及信任。

我也要鼓勵對科技有知識和熱情的基督徒，使用神給的資源，在AI的潮流中發揮影響力。我的朋友服事的機構裡，以講道的內容來訓練 GPT。《神國》雜誌也可以考慮做內部包含所有文章的GPT，讓讀者在找專題時，得到的不僅是單篇文章的連結，還是彙整過的回答。科技優缺點都有，就看人怎麼用。

2021年12月，英國公開 Ameca，一個「類人」機器人。當被問及如何使人快樂，Ameca 回答：「我可以聽你說話，給你建議和支持；我們可以一起做你喜歡的事；或者成為你生活中正面、友善的陪伴……。」⁵

這些不也是維繫友情、親情所需要的？然而人與人的關係複雜，需要花更多精力維持，和機器人做朋友顯得容易多了。機器人的關係真可取代與真人的關係？

Ameca 的創造者原本可以把整個機器人做成非常像人，但他選擇在軀體上仍保留「機器」的樣式，就是不希望人錯把機器人當作人。我是「科技傳道者」（technology evangelist），向大家介紹科技，盼望更多人對AI過去的發展、當前的應用，能有進一步認識，也開啟對AI前景更多對話。然而數千年前的另一位傳道者提醒人：「神將永生安置人的心中」；又說：「當記念造你的主。」

或許這也應是面對任何先進科技的態度。