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。

「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。

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。