作者: Yi-Jing Lin 林宜敬
1987年畢業於台大資訊工程系，1995年取得美國布朗大學電腦科學博士學位。曾任台大棒球隊三壘手、美國IBM華生研究中心博士後研究員、趨勢科技新產品研發部協理。2002年創辦艾爾科技（MyET），目前擔任該公司執行長。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
如果三年前有人跟我說，人工智慧將會變得比人類還聰明，那我一定會認為他在胡說。
但是隨著ChatGPT、MidJourney、DALL·E等大型類神經網路（Neural Net）的高速發展，現在我也開始擔心了。
也許幾年內人工智慧就會變得比人類還聰明，而我們將會是「最後一代」。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
類神經網路的運作方式，跟以前傳統的電腦程式很不一樣。
傳統的程式，靠的是加減乘除以及邏輯運算，一切都是程式設計師「設計」出來的，所以對於傳統程式的運作原理，程式設計師們自己當然是一清二楚。
但類神經網路是模仿人類大腦而建造的，他的能力是「訓練」出來的，而不是「設計」出來的。
所以就像身為老師的人，往往搞不懂自己的學生是怎麼想的一樣，身為類神經網路訓練者的工程師們，往往也搞不懂自己做出來的類神經網路究竟是怎麼運作的。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
人腦的思考能力，來自於一些透過突觸（Synapses）互相連結的腦神經元細胞（Neurons）；
而人工智慧類神經網路的思考能力，也是來自於一些透過參數（Parameters）互相連結的人造類神經元。
人類在學習的時候，腦神經元的突觸連結方式會發生改變；而人造的類神經網路在學習的時候，參數的數值也會發生改變。
動物的腦，突觸的數量越大，思考學習能力越強；而同樣的，類神經網路的參數越多，思考學習的能力也越強。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
早期的類神經網路所包含的類神經元數目，了不起也不過是幾萬個，恐怕比一隻蟑螂的腦神經元數量都還要少。
所以早期的類神經網路都只能專注於某種特殊功能，像是下圍棋、幫照片著色、或是將語音轉換成文字等等。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
但是近幾年，許多大型的科技公司野心變大了，開始去訓練一些稱作 Foundation Models 的超大型類神經網路。
像是 ChatGPT 以及 DALL·E 背後的 GPT-3，就是一個擁有1750億個參數的超大型的類神經網路 。
而科學家們估計，人腦大約有100兆個突觸。GPT-3 的 1750億個參數跟人腦的100兆個突觸相比，只有五百分之一左右，所以GPT-3的思考記憶能力，終究還是比不上人腦。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
但是GPT-3所受的訓練跟人腦所受的訓練一樣，已經是多方面的。
它閱讀過無數關於天文、地理、歷史、物理、化學、音樂、以及程式設計的網路文章，
所以它就像一個精通數十種語言，同時還上過天文、地理、歷史、物理、化學、音樂、程式設計等各種課程的傢伙一樣，什麼都能聊。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
科學家們訓練 GPT-3 的方式，是讓GPT-3大量閱讀各種從網路上蒐集來的文章，然後叫 GPT-3 寫短文給真人老師批改。
然後科學家們為了省事，又去設計訓練出一個「人工智慧家教」（Reward Model），用他來替代真人，專門幫 GPT-3 批改作業，進行訓練。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
而 GPT-3是個好學生，他不會死讀書，他會消化吸收，他會把它學到的知識內化（Internalize），轉化成類神經元上面的參數數值。
ChatGPT 很老實，當我們問 ChatGPT 問題的時候，它並不會臨時抱佛腳，偷偷上網去找資料，它也不會偷看小抄，把預先寫好的答案整段背給我們聽。
ChatGPT 的回答真的都是「GPT-3 自己想的」，「GPT-3 自己記得的」。
所以每當有些人埋怨，說ChatGPT 的回答往往不盡正確，我都會覺得他們是苛求了。
因為 GPT-3 的年紀還不到一歲，他已經算是個博聞強記的天才兒童了。一般人絕對記不得那麼多的事情。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
而更厲害的是，像 GPT-3 這樣的類神經網路之所以被稱為 “Foundation Models” （基礎模型），
就是因為創造它們科學家們，把它們類比為受過基礎語文訓練及通識教育的「通才」。
只要我們把 GPT-3 複製一份，然後對它進行密集的天文學訓練，那它就會變成一個天文學家；
只要我們再把 GPT-3 複製一份，然後再對它進行密集的經濟學訓練，那它就會變成一個經濟學家；
只要我們再把 GPT-3 複製一份，然後再對它進行密集的物理學訓練，那它就會變成一個物理學家。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
如果這還不夠讓你覺得驚恐的話，那科技界盛傳，繼GPT-3之後，下一代的 GPT-4 馬上就會在今年推出了。
據說 GPT-4 的參數數量會是 GPT-3 的 500 倍，也就是100兆個，跟人腦的突觸數量相當。
很顯然的，GPT-4 的設計者就是要做出一個跟人腦腦容量相當的人工腦，一個名副其實的「電腦」。
然後GPT-4絕對不會是人工智慧研究的終點站，接下來很可能會有人腦 500 倍容量的 GPT-5、人腦 25 萬倍容量的 GPT-6。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
所以順利的話，一年之後，研究所的學生都不用再自己寫論文了，因為論文可以交給 GPT-4 寫，而且寫的絕對比大部分的研究生都好；
同樣的，大學的教授們也不用再浪費時間上課、指導論文了，因為反正學生的作業跟論文都是 GPT-4 寫的，
教授們不如把 GPT-4 複製一份，直接去教 GPT-4 做研究、寫論文；
然後教授們訓練出來的 GPT-4、GPT-5、GPT-6會越來越厲害，厲害到他們青出於藍，總有一天會比當初訓練出他們的教授們還厲害，
可以自己做研究、自己訓練下一代的 GPT-7 、而且去跟 Google、百度訓練出來的類神經網路進行學術討論了。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
所以我們很可能是最後一代。
我們可能是最後一代的真人研究生、最後一代的真人指導教授、最後一代的真人學者。
至於人類接下來會怎麼樣？很抱歉，請不要問我，因為一年之後，我的臉書應該都是由 GPT-4 或是 GPT-5 代寫，
而且它們會是經過我特殊訓練過，寫作風格跟我完全一樣的類神經網路寫手。
而當然，各位也不用自己留言提問了。因為到時候，各位自己訓練出來的類神經網路網友們也會自動留言提問，自動幫我的臉書文章按讚。
我們是最後一代的真人臉友。
𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝 𓆟 𓆞 𓆝
博客作者: 開母
我們可能真的是最後一代了。是最後一代能獨立思考，能倚靠自己的能力過簡單純樸的生活了。
有了人工智慧（AI），它需要更多的計算元，需要消耗更多的能源，需要更多的冷媒(例如水)來降溫，需要更多的稀有金屬來製造晶圓（所以需要破坏更多的環境）。
因此AI會加速環境污染的問題，它會造成更嚴重的缺水、缺電，它會加劇贫富不均（inequality ）的問題（因為你若無電腦或類似設備，去使用那AI資源或無能力負擔那不便宜的AI 工具的費用，你鐵定淪落為次等人）。
最後，萬一AI有朝一日突然大當機的話，後果更不堪設想。因為人可能已忘記怎麼使用人腦，如何過簡單的日常生活了。那時你我會從末代皇帝，一下子被貶為人下人!
