專家傳真-想領先還是怕落後? 生成式AI時代之人腦開發

當企業在訓練AI的時候,也要一併訓練人腦,讓人腦升級到不同的版本,日後才能夠和AI匹配,發揮人腦加AI的融合綜效。圖/摘自Pixabay

由美國OpenAI掀起的ChatGPT聊天機器人熱潮,至今已滿一年,不管是震驚或嘲諷,全世界目光都離不了它。媒體報導總是聚焦人工智慧(AI),股市話題也離不開AI晶片大廠輝達(NVIDIA)和OpenAI的大股東微軟。大家搶買高階GPU,卻拿不到貨。學界的演講主題,也一直圍繞在如何應用大語言模型於學術研究上。

工商業動作更快,每家大企業都想利用ChatGPT來加速研發。然而當三星爆發使用ChatGPT產生商業機密外泄事件後,企業便開始把大師請到公司裡,幫大家解答公司領域內的問題。從客服、教育訓練、產品設計到程式開發,每個步驟ChatGPT都可以提供相當的助力。

雖然都是大語言模型,然而不同版本與成熟度的產品,實用性上卻是有着天壤之別。早期的免費3.5版本,跟它聊起天來,看着它胡言亂語,讓大家很開心,卻不敢應用到實務專業上。於是微軟很快推出4.0的專業版本,雖要付費,卻讓大家一用就上癮。因爲它真的能夠幫你解決問題,從此就再也離不開,就算要持續付錢也甘心。Google也推出Bard,強調資料出處言必有據,但也警告不一定正確,要謹慎使用。

■盡信AI,恐將影響判斷力

以前大家研究一個不懂的問題時,首先要Google,然後找出幾十個相關的出處。一一點入後,找出其中的重點,之後再發揮作文的功力,將它濃縮成一篇短文。如今你只要將問題丟給聊天機器人,它直接會將答案短文回給你,而且文字優雅。你還可以給它幾個輸出的範例,之後它的回答就會跟你給的範例格式差不多。同時你也可以將一大堆資料在問題中一併餵給聊天機器人,讓它在這範圍中尋找答案。這比起以前搜索引擎只能輸入幾十個關鍵字,真是好用太多了。然而現在的學問就又轉移到你要如何一步一步地引導機器人,才能做出你想要的完美答案。不同的問法,答案有天壤之別。所以這又造就了另一個新的專業職缺:提示工程師。

傳統產業分析師靠的是對產業的瞭解,如今機器人已經將全世界的資料與觀點彙整出來。以後老闆可能就不太需要有很多分析師幫他做事,除非你能有別人不曾提出的看法。現在學生最高興了,寫報告時不再需要將資料一篇一篇的看,打幾個字馬上就有答案,所以什麼也沒學到。老師開始傷腦筋,不知道這些捉刀出來的作業要如何給分數。

然而一旦人們長期依賴AI後,將停止學習,自己的知識與判斷力將快速下降。當需要快速決策時,將無法與平常依賴自己能力學習的人匹敵。就好比學英文,如果覺得有Google翻譯就好,事事都靠AI,那日後將不會說,不會寫,不會讀英文,自此無法用英文和別人直接溝通。

快速擁抱生成式AI的人,馬上發現他的生產力大幅領先同儕,這是立足點的改變。然而當每一個人都使用後,這種領先優勢就不再存在,顯現出來的反而將是沒用AI人的落後。企業如果只是推廣使用AI,最好的成就,就只是趕上和別人齊頭平等,不落後而已。必須想辦法讓員工持續運用自己的頭腦做事。AI只能當前端資料處理的工具,才能得到更高層次的研發成果與決策想法。雖然現在生成式AI還在背書的文字接龍階段,只能反應彙整所研讀到的內容成果,還沒有辦法做到真正的理解與思考。然而隨着科技不斷的發展,假以時日,AI將擁有與人一樣的理解與思考能力。

■訓練AI,更要鍛鍊人腦

企業從現在就要開始思考,到那個時候人類將要做什麼,才能夠發揮價值。所以當企業在訓練AI的時候,也要一併訓練人腦,讓人腦升級到不同的版本。日後才能夠和AI匹配,發揮人腦加AI的融合綜效。一開始,自然是要讓人們學會如何向AI問問題,得到你希望的答案。再下來,就必須拿微調訓練AI的語料來訓練自己,學會AI給你的答案,以當作日後判斷依據。之後更要綜合不同的答案,自己做出判斷,並解釋原因。讓自己在沒有AI的時候,也能獨立地做出相同的判斷。

進入了生成式AI時代後,人腦開發便成了未來主要問題。怕落後,就開始使用生成式AI。想領先,還是積極地訓練自己的大腦吧!