2023-04-01

文／謝璦竹

上（3）月某個週日下午，世界領袖教育和平基金會科技聯誼會舉辦的一場線上論壇，宣傳短短3天竟吸引了逾百位關心ChatGPT趨勢的朋友，除了科技界的工程師，還包括許多非科技界的專業人士，大家討論很熱烈。

「很多正在做相關AI應用研發的人，一度都覺得是不是都不用做了？因為ChatGPT靠豪賭式砸大錢提高算力，就竟然已經全做好了！」講者之一的陽明交通大學資訊工程博士廖家鴻在受訪時表示。一位參加論壇的金融界主管說，公司正要求資訊部針對ChatGPT在金融業的應用性提出報告。

不但如此，台北智慧城市專案辦公室主任、台北市電腦商業同業公會執行長李鎮宇說，台北市政府正在積極評估運用ChatGPT來增進市府的市民服務，例如1999專線、公宅入住服務等。「以前的Chatbot（客服機器人）都不太像人，現在ChatGPT最讓人驚豔的，就是對語意的理解很強。」

與客服機器人採用rule-based模型不同，ChatGPT是採用自然語言處理技術（Natural Language Understanding，NLP）進行訓練。

ChatGPT是由美國OpenAI公司2022年11月推出的聊天機器人，「聊天」二字可能讓人誤解它的功能性只是一般聊天，事實上，ChatGPT可以回答的問題五花八門，可說是上知天文，下知地理。

例如，有外媒引述Google內部文件稱，Google曾安排面試ChatGPT，竟發現它編寫的程式媲美Google三級工程師，相當於年薪18.3萬美元；國外有教授也測試過用ChatGPT寫作業、交報告，結果發現，就連撰寫短論文這樣的任務也做得有模有樣。

倫敦政經學院教授夏波斯（Mike Sharples）在ChatGPT 3（目前是GPT-3的升級版）的時代，就測試過用它寫課堂短論文（包含引用文獻）的能力，雖然內容並不完美，其中致命的錯誤是它引述的雜誌是杜撰的，根本沒有那一期，但已經讓夏波斯非常震驚。

如果寫短論文難免有錯，ChatGPT的翻譯功力則近乎無可挑剔。加密貨幣LikeCoin創辦人高重建用廣東話和潮語測試：「弱弱一問，咁買 NFT 書得到嘅係咪即係個唔同款嘅封面…」，翻譯為「Can I ask if buying an NFT book is like getting a different cover？」

相較於Google翻譯給出的「A weak question, so what you get when you buy an NFT book is a cover of a different style…」；以及較專業的翻譯軟體DeepL給出的「I’m sorry, but the NFT book I bought is a different cover …」，不論正確性還是優美度，ChatGPT都大勝。

根據Open AI介紹，ChatGPT使用一種稱為「人類反饋強化學習（RLHF）」的機器學習技術進行訓練，推出短短5天內，用戶人數已突破100萬人，而到今（2023）年1月，更突破1億人。2月份，該公司推出訂閱制ChatGPT Plus；3月，OpenAI發表最新的GPT-4，將用於付費版ChatGPT Plus。新版可接收圖像和文本輸入，輸出文本，據其內部評估，新版產生正確回應的可能性比GPT-3.5高40％。

台北智慧城市專案辦公室成員，後排中間雙手比Ya者為辦公室主任李鎮宇。（圖片來源：李鎮宇臉書）

生成式AI的時代已經降臨

以往訓練AI學習單一特定新的應用，要耗費大量時間與資源，台大電機系教授李宏毅說，近年AI研究領域的新概念，是先讓AI學習大量廣泛數據，培養出基本能力，成為通才般的「基礎模型」，就像ChatGPT。接著只要經過使用者微調（finetune），就能讓AI快速勝任不同任務，變得更靈活、更通用。「這是AI領域近年新的典範轉移。」

ChatGPT為什麼能一舉突破聊天機器人過去的瓶頸？所謂GPT，指的是生成式預訓練轉換器（generative pre-trained transformer）。這個預訓練的過程有4個階段，李宏毅簡介，第一階段是學習文字接龍，從網路上抓大量的內容讓其學習，例如，看到「你好」二字，會學到下一個字可能是「美」。這個階段不需要人工標註。

但由於接龍輸出的結果是依據機率，每次輸出都會不同，因此要透過第二階段的訓練來優化，由人類老師來引導文字接龍的方向，也就是提出問題，並標註正確答案。第三階段是模仿人類老師的喜好，建立一個老師模型，第四階段就是由這個老師模型去給予評分，進行增強式學習。

前台北商大校長、叡揚資訊執行長資深顧問張瑞雄說，深度學習的類神經網絡，與人類的神經網絡類似，但人類的神經網絡是立體的，包含情感迴路在內，而AI的類神經網絡則是一層一層的，無法做推理、同理。因此，AI需要透過大量人力來篩選資料，把色情、暴力或其他開發者認為不適當的資料篩除，這涉及兩個倫理議題。

完善AI治理體制

一是這些進行篩選的人力，據報導，都是血汗勞工，相較ChatGPT的大成功與潛在的可觀獲利，他們每天要面對這些色情與暴力的內容，身心可能受到傷害。

其二，這些資料的揀擇，若被有心人士利用，很可能造成論述偏見。尤其，從ChatGPT截至目前為止的構造來看，其最大的價值就在於將吸收的知識加以融會貫通（而非單純整理歸納）後，生成全新的內容，很難註明特定看法的出處。

「就和人類一樣，我們形成特定看法後，自己也很難抽絲剝繭去回溯出，究竟是什麼樣的經驗或知識來源造成該看法？」張瑞雄說。既然無法註明出處，接受者若照單全收，或是潛移默化下形成特定立場，就可能成為系統性製造偏見的利器。

不過，張瑞雄也坦承，相較YouTube或Facebook等軟體會根據閱聽者的習慣，主動推薦閱聽者偏愛的內容，ChatGPT還比較客觀中立，「除非主動搜尋，現在我們每個人都生活在舒適圈。」

針對生成式AI可能成為偏見與操控以及深度造假的溫床，成功大學資工系特聘教授郭耀煌建議，應「完備以人為本的可信任AI治理體制」。他認為，強人工智慧時代即將降臨，這是不可逆轉的趨勢，不只台灣，整個人類社會都必須儘速建立完善的AI治理體制，以安世道人心。他建議參考歐盟的可信任AI倫理準則。

比模型　還要比算力

為了避免大陸版恐出現論述偏見，國科會主委吳政忠表示，預計年底推出台灣版ChatGPT。

這個任務極具挑戰，生成式對話引擎ChatGPT的「養成」，需要有龐大的算力、數位神經網路邏輯，及可信賴的大量資料。吳政忠說，台灣不比美國，微軟投資OpenAI投入100億美元（新台幣3,018億元），政府的科技預算一年只有新台幣1,327億元。儘管如此，國科會準備藉由公私協力，在今年底開發一個共用的模型。

據大陸國盛證券報告《ChatGPT 需要多少算力》資料顯示，如以ChatGPT在今年1月的獨立訪客平均數1,300萬計算，其對應晶片需求為3萬多片輝達A100 GPU圖形處理器，初始投入成本約為8億美元，每日電費在5萬美元左右。