ChatGPT的出現開啟了各行各業對於AI應用的想像，許多企業積極利用內部資料嘗試透過API串接不同服務。不過，台灣智慧雲端服務股份有限公司副總經理黃世民提醒，OpenAI雖然開放ChatGPT的API，卻沒有公開模型內容，也就是使用者「只能接受別人已經訓練好的大腦。」

在提到ChatGPT背後的模型時，不能忽略Transformer這個關鍵的模型架構，許多知名的模型像是BERT與GPT-3等，都是奠基在這個架構上，也是在這個架構被提出後，才掀起對於「算力」的討論。「在Transformer這個模型出現之後，它既可以看過去所有的歷史，又可以平行化，」中央研究院資訊科學研究所研究員古倫維解釋，過往模型必須仰賴周圍或上一步的訊息才能進行下一步的判斷，而Transformer的厲害之處，在於它能全盤地掌握全局，也因此有越來越多的算力投入，並且不斷建立出越來越大的模型。

Transformer的模型又可以分為BERT及GPT兩大語言模型系列，而這些語言模型中的參數量也急劇增加，古倫維形容：「參數量增加的功能，有點像是我們可以記住很多東西。」但是，直到ChatGPT的出現，GPT系列才開始受到關注，最大的原因就是掌握了與人溝通的能力。隨著後續模型的能力越來越強，當中的參數量也越來越大，對於算力的需求也就逐步升高。

AI的發展就是一場軍備競賽

台灣智慧雲端服務股份有限公司副總經理黃世民認為，這些大語言模型的出現，就像是建構了一個可以處理多樣且複雜事物的腦袋，甚至對於各行各業以AI內部的從業人員帶來許多變動。在過去幾年，甚至可以發現與AIGC（Artificial Intelligence Generated Content）人工智慧生成內容相關的公司越來越多，甚至在短短兩個月內，ChatGPT註冊使用者就超過一億，並且吸引許多企業嘗試，以推出更多如文書處理、智慧客服相關的應用。

「OpenAI只有Open API，並沒有Open Model讓大家可以調整模型的表現，你只能接受別人已經訓練好的大腦，」黃世民提到，OpenAI雖然提供了目前最好的服務，但有許多具有特定領域知識的行業，以及在地化語言與法規的需求沒有辦法被滿足。因此，台智雲便利用Bloom這個開源模型，在強化其繁體中文能力後提供商業服務，讓企業可以利用自己的資料做出對應的應用與模型。但由於大型語言模型的訓練牽涉到算力，必須用到許多GPU，並且以超級電腦的運算架構叢集起來。目前全球的超級電腦，多半集中在美中以及多數石油公司手上。

那麼，台灣目前的算力資源是否充足？黃世民坦言，雖然目前台灣杉2號的算力在對內市場使用上，透過聰明的管理模式仍夠使用，但再過一段時間很可能就不足。他同時也透露，已有東南亞國家前來探問，想要建造自己的基礎模型。由於基礎模型的訓練是場馬拉松，如果我們持續投入，勢必不足。

新時代的來臨，要學習快速適應環境與技術的能力

除了算力，人才也是關鍵的資源。古倫維提到，人才一直都是缺乏的，由於過往台灣這方面的產業鏈並不大，許多厲害的人才都會選擇到國外大公司就業，因此，也期待能有更多人才能投入NLP等高階技術發展的領域。

面對越來越多的生成式內容的出現，古倫維建議，目前已有許多專家提出技術方法來判別，但是，「機器產生的不一定的是假的。」因為很多人利用AI作為創作工具，真假與否和是不是機器寫的並沒有關係，關鍵在使用者的意圖。較需要擔心的是，做壞事的速度會因為工具而加快。

隨著AI的能力越來越強，未來的學生又該具備哪些能力？古倫維指出，目前AIGC主要有三個關鍵問題，第一是資料透明度問題，因為無法掌握模型背後的資料來源為何；第二則是安全性問題，透過破解系統，取得其他公司的機密，也可能因為上傳公司的資料而洩露機密；第三則是道德問題。而這些問題都要仰賴教育，讓學生能有辨別是非的能力，同時，也要學習快速適應環境與技術的能力，培養持續學習的動機與方法。