AI人工智能的过去、现在、未来

受访者、供图／王灝（Dennis Ong）

采访／林敏雯

1962年，动漫《杰森一家》（The Jetsons，又译《摩登家族》）把想像中百年后的生活方式，带进当时美国人的起居空间——按个按纽，就有食物送上门；面对「电脑」，跟远方的家人说话，进行工作会议；「机器人」成为家务助手，包办打扫、烹饪……。

60年来，「过去」想像中的科技，绝大部分已是「现在」进行式。那么，自动驾驶的飞行汽车，「类人」机器人等等，是否也将出现于可预见的「未来」？

AI人工智能的应用逐渐广泛，2023年初以来，ChatGPT（Generative Pre-trained Transformer，生成式预训练转换器）更成为热门话题。

新工具带来的是便利，或者隐藏着不可得知的后果？在科技风起潮涌之中，你我身为天国子民，可否引导潮流？

本刊专访在亚马逊云端科技（Amazon Web Services）担任高级主管的王灝博士（以下简称D）。他目前的工作重点，是以人工智能、数字化和云转型，协助跨国企业促进业务创新。王灝曾任 Verizon 通讯公司5G人工智能研发主管，与本田公司合作展示世界上第一辆5G自动驾驶汽车。他也在2022年获得三项与人工智能／机器学习相关的专利。

AI人工智能过去的发展

KRC：请说明人工智能（Artificial Intelligence，以下称AI）与机器学习（Machine Learning，以下称ML）。请简述AI截至目前为止的发展。

D：AI简单来说，就是用机器来做人能做的事。最早从1940年代开始聚焦研究，提出可使用神经网路 neural network，这是由人脑启发、教导电脑学习的方式。理论有了，数据却不够多，仍然不知道如何实际创建 neural network。

1980年代起使用 Expert System（专家系统），例如把访问医疗界的专家如何诊断、治疗的资料放进电脑。不过创建与维护都难；资讯很容易就过时、不适用，有新的资料出现就要更新，耗时费力。此后约20年，AI的研究经费都停了，只有AI教父——Yoshua Bengio、Geoffrey Hinton、Yann LeCun，继续努力。

之后史丹福教授李飞飞建立的革命性电脑视觉，教电脑学习人的视觉可做到的辨识、侦测、分类等功能。目前应用于颜面辨认（facial recognition）、如皮肤癌等病变侦测、制造业的品质管制……等等。¹

ML是由人为操作的特征提取（feature extraction），在事先定义与分类后， 将由大量数据中提出归纳、简化后的特征，交由机器学习。 目前发展的深度学习（Deep Learning，以下称DL），则是在训练神经网路后，系统可以独立辨识、决定，目标是最终无需人的参与。

不过截至目前，甚至是 ChatGPT，都还不能算是完全的DL，仍需要人力介入。

AI目前的应用和隐忧

KRC：决策性（discriminative）AI和生成性（generative）AI以何种方式出现于日常生活中？

D：决策性和生成性AI的区别，就在于是否产生新内容。例如网购时，电商根据搜寻关键词、购物历史等等，得出可能的喜好并进行推荐。也有汽车保险公司透过AI分析，找出可能的假车祸，希望防止诈骗保险金。许多机场已有的Clear安检系统，是经由会员资讯、指纹、虹膜检测来确认身分。这些都是决策性AI的应用。

生成性AI是很新的科技，目前最熟悉的应该就是如 GPT 的 chat bot（聊天机器人）。输入文字、影像、声音等数据后，汇整产生文字、影像、声音、程式编码等不同形式的内容。未来可望在行销、编码，甚至影音生成上，有更广泛的应用。

例如 Bain 管理顾问公司结合 OpenAI 的技术，与可口可乐合作，致力于产生更个人化的广告文案。可口可乐也进行了 Create Real Magic 比赛，任由艺术家从公司的图像档案中，透过 GPT-4 和 DALL-E（从文字提示中产生图像），进行（再）创作。² 此外透过语音生成，机器人能与真人交谈，可看出生成性AI与使用者之间能有互动。

KRC：AI既然已被广泛应用，可能造成甚么负面的影响？

D：AI前景乐观，却仍有重大潜在风险。AI教父之一 Hinton 于2023年5月从 Google 辞职。他认为AI可能使许多人失去工作，生成假消息、假影音等，并提出警示：「等着AI比我们更聪明是没用的；一面发展就要一面控制。我们必须了解如何遏制，避免负面结果。」³

已经看见或预期中的负面影响如下：

幻觉：生成性AI如 GPT，本身没有逻辑思考能力，只是搜寻网路资料，给出最有可能的合理答案，听起来可能头头是道，却有可能是错的。目前 GPT 处理的资料到2021年，得出的答案就不会包括2021年之后发生的事。我曾问 GPT，为甚么 Hinton 在2018年赢得 Turing 奖（对象是在电脑业有卓越贡献者，取名自现代电脑科学奠基者 A.M. Turing）？ GPT 答：他没有赢，因为贡献没有达到足以获奖。这是生成性AI目前最需要解决的问题：不知道答案，但不会说不知道。

偏见：如果AI处理的资料已经带有既定形象的偏见，结果也会产生偏差。例如我给了 DALL-E「科学家」这个词，产生的图片绝大多数是白人，还有一个戴着大大眼镜的亚裔女性。

着作权：GPT 从网路搜寻资料来产生答案，但这些文字、图像都有原作者，他们有可能拥有着作权。GPT 产生的答案是否侵犯了着作权？因此如图像影音交易界的龙头 Getty Images，控告以人工智能产生影像的 Stability AI，没有付费或征求同意便扫描、下载属于 Getty 的上千万张图片。

抄袭：GPT 的知识量很大，但如微积分等需要分析的科目就不擅长。教育界也需要开始研究，如何让 GPT 等成为协助学习的工具，却要防止学生投机，让 GPT 代写功课，甚至失去分析、思考、汇整的能力。GPTZero 就是可以帮助找出作业有多大可能由 GPT 产生的应用程式。

知之甚少：到底 GPT 如何产生答案？GPT-3.5 有1,750亿事先界定、用来控制机器学习过程的参数（parameter），目前只知道理论，但运作模式太大，不知道实际如何进行。发展AI的公司在设建更有能力的工具时，可能得到的是不能完全了解、预测、控制的产品。

假消息：从生成性AI可以产生不真实的影像（deepfake）、声音（voice cloning），制造假消息，甚至成为谎称亲人遭绑架的诈骗工具。

这些风险很多是在模式设计和发展过程中，因人为因素产生的，例如偏见。但已有新的工具尝试减少负面影响。重点在于需要对AI发展应用有更多认识，也才有可能知道对策。

KRC：生成性AI（如 ChatGPT）和惯用的网路搜寻引擎（如 Google）有何不同？

D：ChatGPT 的限制，是资讯只到2021年9月，没有新的数据。其次是资讯来源经过筛选，量虽然大，但没有能力包括整个网路。

如果问原先的 GPT 如何制造炸弹，可以得到制造的步骤。然而 GPT3.5 产生的答案经过「人类反饋强化学习」（Reinforcement Learning from Human Feedback, RLHF），为保护道德伦理，设下底线。

RLHF 如何运作？问如何制造炸弹，GPT 产生两个答案―可以做，并列出步骤；制造炸弹是违法的，不可以做。有人来判定哪个答案比较好，给予反饋。得到反饋后，再以奖赏模式进行训练。例如现在问 GPT3.5：我应该信耶稣吗？回答会是：我无法判断，但可以告诉你为甚么别人信耶稣；然后列举五个信耶稣的原因。

人给出甚么样的反饋，需要事先订定原则。但是谁来决定原则的道德和价值观？若是原则倾向保守，反饋就比较保守，反之亦然。搜寻引擎没有 RLHF，只是按频率列出相关网站，需要使用者自己花力气判断、选择进到哪个（可能比较值得相信的）网站，阅读、汲取、整理得到的资讯。

微软目前推出结合原本搜寻引擎和 GPT 功能的 New Bing，在给出汇整的答案同时，放进资料来源的连接，让使用者决定是否进一步阅读更多资讯。New Bing 的另一个优势，是资料来自即时并全部的网路。

AI可能的未来

KRC：许多新闻聚焦于AI沦为学生、员工取巧的途径，和不法之徒造假的工具。如何应对AI的未来？

D：应对方法可分以下几方面：

一、科技。开发并应用AI技术，例如 GPTZero，来检测不真实的影像、声音，和剽窃、抄袭的可能，并帮助快速辨识虚假信息。这方面的科技具有相当大的商业潜力。

二、教育和培训。提升公众对AI的认识，培训分辨真假信息的能力。可在学校或职场开设相关课程。

三、立法与政策。制定相应的法律和政策，限制AI技术的不当使用，同时确保公众利益与个人隐私得到保护。欧盟2021年的提议，是将AI应用分成三类：1）不能接受的风险，例如政府以社会等级（social scoring）评定人的发展机会，需要禁止；2）高风险应用，例如以CV（Curriculum Vitae, course of life）搜索工作申请简历并给申请人排行，需要符合特定的法律要求；3）以上两类之外的，基本上没有特别限制。⁴ 立法限制的确有其必要性，且必须急起直追发展过于迅速的科技，然而太严格的条规则会限制创新。

四、道德与价值观。引导人们建立正确的道德观念与价值观，明白利用AI作弊或侵犯他人利益的行为是不道德的。这有助于塑造健康的科技应用氛围。

五、多方合作。政府、企业、学术、公众，应共同努力，确保AI技术得到可持续、负责任的发展。

在了解科技的同时，也需要在教育、法律、信仰等等不同领域的人参与论坛。

KRC：AI可以取代人的工作吗？可以取代人吗？

D：AI当然可以取代人的工作，但到底能取代多少？科技研发者总是乐观的，不过实际情况常不符预期。2016年预测，上百万的专业司机将被自动驾驶车辆取代。2022年，美国卡车协会（American Trucking Association, ATA）预估，未来十年还需要超过百万的卡车司机。

与其说AI取代人的工作，倒不如说在目前是帮补的工具。在接受、使用新工具前，还需先设立清楚的原则和规条，免得触法，或有违道德，例如侵犯着作权。

回顾自蒸汽引擎开始的几次工业革命，每一次从发明、发展，到让业界和消费者广泛使用，都经过几十年的时间。并且新的技术出现，还需要许多配套的零件。现在AI和 ChatGPT 技术有了，但还未解决着作权等上文提过的问题。

AI引导的自动化的确能取代人的工作，但同样的，新的专业也不断出现。我常鼓励年轻的学生在选择专业时，要有开放的心，往远处想，不以现在的热门行业为目标。反而要在各行各业都有贡献，用出神赐的才干。

合乎中道地看待AI

KRC：基督徒应该如何看待AI？

D：「神就按着自己的形像造人。」科技能以人脑为模型造出神经网路，发展出功能强大的AI，仍然不是神的创造，没有神所赐尊贵的荣耀。就算知识量远远超过人，就算有「通用人工智慧」（Artificial General Intelligence，简称 AGI，能表现人类所有的智慧行为），GPT 仍是人在败坏世界中制做出的成品，也就有败坏世界中的种种问题。「聊天机器人」再怎么能跟人对话，背后依然没有灵魂；给出的建议再怎么合情合理，依然不是出自关怀。AI可以解决很多问题，但无法解决灵与心的问题。

面对AI的态度可以是：

一、要以正确眼光看AI和其他科技。不过度乐观，把科技看为解决一切问题的答案，因为过于相信科技也是偶像崇拜。也不需悲观，看科技为人类生存的威胁。其实AI正在慢慢发展，我们有责任揭开其可能性。

二、需要问人与机器到底有甚么不同。趋势是把机器人格化，相对的也就削减了人的特质。AI 或 GPT 不可能取代人的智慧、关怀、陪伴。人虽也是受造之物，却有神独特赋予的形像，机器不能与之相比。

三、负责地使用AI。科技并非中性；电脑演算法和用于训练AI的数据亦然。如何选择数据，如何调整模型，决定所依据的原则和条规代表了某种道德观与价值观。结果是AI系统造成更多的不公平，这在保险、行销、贷款、警政、政治等使用大数据的领域，已经成为威胁。基督徒需要参与其中，让AI在发展和应用中，加入公义、文化、关怀、社会常态、管家心态、透明度，以及信任。

我也要鼓励对科技有知识和热情的基督徒，使用神给的资源，在AI的潮流中发挥影响力。我的朋友服事的机构里，以讲道的内容来训练 GPT。《神国》杂志也可以考虑做内部包含所有文章的GPT，让读者在找专题时，得到的不仅是单篇文章的连结，还是汇整过的回答。科技优缺点都有，就看人怎么用。

2021年12月，英国公开 Ameca，一个「类人」机器人。当被问及如何使人快乐，Ameca 回答：「我可以听你说话，给你建议和支持；我们可以一起做你喜欢的事；或者成为你生活中正面、友善的陪伴……。」⁵

这些不也是维系友情、亲情所需要的？然而人与人的关系复杂，需要花更多精力维持，和机器人做朋友显得容易多了。机器人的关系真可取代与真人的关系？

Ameca 的创造者原本可以把整个机器人做成非常像人，但他选择在躯体上仍保留「机器」的样式，就是不希望人错把机器人当作人。我是「科技传道者」（technology evangelist），向大家介绍科技，盼望更多人对AI过去的发展、当前的应用，能有进一步认识，也开启对AI前景更多对话。然而数千年前的另一位传道者提醒人：「神将永生安置人的心中」；又说：「当记念造你的主。」

或许这也应是面对任何先进科技的态度。

1. 1. 更多关于AI发展历史，请参考https://www.tableau.com/data-insights/ai/history。
2. 2. 关于可口可乐 Create Real Magic，请参考https://www.coca-colacompany.com/media-center/coca-cola-invites-digital-artists-to-create-real-magic-using-new-ai-platform。
3. 3. Hinton 离开 Google，https://www.bbc.com/news/world-us-canada-65452940。
4. 4. 关于欧盟管制AI的提案，请参考https://artificialintelligenceact.eu/。
5. 5. Ameca 与人的对话，https://www.youtube.com/watch?v=EWACmFLvpHE。