臺北市
27°
( 28° / 25° )
氣象
2025-05-01 | Knowing新聞

工研院總營運長余孝先:盡量把AI當作助手而非導師,避免過度依賴它回答我們自己都不懂的問題

工研院總營運長余孝先:盡量把AI當作助手而非導師,避免過度依賴它回答我們自己都不懂的問題

「隨著技術發展,AI與人類協作只是暫時階段,就像自駕車技術成熟後,就不需要方向盤給人類操作了。」工研院執行副總暨總營運長兼AI策略長余孝先於陽明山未來學社爐邊座談《我對2100年的想像》中表示。



工研院總營運長余孝先:盡量把AI當作助手而非導師,避免過度依賴它回答我們自己都不懂的問題


「人工智慧這個詞是在1956年由約翰・麥卡錫(John McCarthy)提出的,當時的定義很簡單:如果人類能做出一套系統,能表現出類似人類的智慧性,就稱為人工智慧。」余孝先解釋,人類智慧主要體現在多個能力中,其中思考、思維、認知能力,以及學習能力最為核心。


余孝先以淺顯例子說明AI的第一階段發展——基於邏輯推理的系統,並舉例,如「傑克養了一隻狗」、「養狗的人是愛護動物的人」、「愛護動物的人不會殺害動物」等事實輸入後,AI系統能推導出「不是傑克殺了那隻貓」的結論。「這種系統在事實簡單時不難理解,但當有上千條事實需要數百次推論才能找到答案時,就超越了人類能力。」他解釋道。


第二階段則是專家系統,余孝先指出,人類日常決策中,99%以上不需經過詳細推論。以醫療診斷為例,專家系統透過記錄醫生的判斷規則,累積大量「如果...那麼...」的條件式,無需展現內部推理過程即可做出診斷。「但這種方法非常繁瑣,且醫生診斷同一症狀時常有不同結果,知識更新也很麻煩。」余孝先分析道。


真正的突破來自第三階段——機器學習,特別是深度學習。余孝先解釋,例如若要電腦視覺能辨認貓,傳統上會要求工程師定義「貓」的特徵,如「有兩個尖耳朵、長尾巴」等,但這種方法難以應對所有變化;更麻煩的是,人類知道的與能描述的之間存在極大差距,例如我們心中明明知道某個知名藝人的長相,但卻無法用語言完整描述,讓他人僅憑描述就能辨認出來是哪位藝人。


余孝先指出,深度學習模仿人腦運作方式,不需人為歸納特徵。「我們從小到大認出貓狗,不是因為讀過書教我們如何分辨,而是生活過程中不斷看到不同貓狗,大腦就自然形成了辨識能力。」他指出,類神經網路也是這樣,讓電腦從大量數據中自己學習。


2016年AlphaGo擊敗世界圍棋冠軍李世乭,標誌著深度學習的重大突破。余孝先強調,AlphaGo能獲勝是因為訓練了大量棋譜並從實戰中學習,證明了類神經網路的學習能力確實非常強大。



工研院總營運長余孝先:盡量把AI當作助手而非導師,避免過度依賴它回答我們自己都不懂的問題


最近幾年,生成式AI成為焦點,與以往僅用於判別的AI不同,生成式AI不僅能識別,還能創造內容。「如果你教電腦非常了解什麼是貓,你可以要求它畫一隻貓;甚至要求畫一隻長著狗耳朵的貓,它都能做到。」余孝先解釋道。


ChatGPT之所以表現出色,關鍵在於兩點:一是參數量極大(相當於「腦細胞」非常多),二是學習的資料量極大。「就像雙胞胎出生時腦細胞相似,但隨著一個人勤奮學習,另一個不學無術,知識就會逐漸拉開差距。」余孝先指出,ChatGPT能在醫學執照考試中獲得高分,不僅能選出正確答案,還能解釋推理過程,顯示其能力確實令人印象深刻。


余孝先還分享了一段令人啞然的經歷:「我問ChatGPT如何使用輕功跳到五公尺高,它開始教我做基本動作訓練、體能訓練、找教練等等。每句話聽起來都有道理,但遵循這些指示你絕對跳不到五公尺高。」余孝先指出,生成式AI「一本正經胡說八道」的問題,即使最好的GPT-4,每100次回答中約有3次是摻雜錯誤資訊的,而且不會告訴你哪3次是錯的,這對使用者是很大挑戰。


余孝先透過ChatGPT預測AI未來趨勢包括:多模式AI整合(結合視覺、聽覺等多種感知)、輕量化模型(在手機等終端設備上運行)、專業化AI(針對特定領域優化)、AI代理人(自動完成複雜任務)等。他也認為,隨著技術發展,AI與人類協作只是暫時階段,就像自駕車技術成熟後,就不需要方向盤給人類操作了。

Google新聞-PChome Online新聞

最新科技新聞

延伸閱讀