![張嘉淵:不要讓 AI 變成想像力的限制,應該激發人類創新的動力](/content/images/size/w2000/2024/07/Shutterstock_1116480893.jpg)
這一波生成式 AI 熱潮中,台灣雖以半導體優勢搏得全球巨大關注,但 AI 的發展不僅止於技術層面,更需要結合實際場景與商業模式。再好的AI技術,若沒有找到適合的應用場景,就無法產生真正的商業價值。廣達技術長張嘉淵舉例,台灣現在有點像克雷莫納(Cremona)的造琴廠,雖然很會製造小提琴,但從未誕生過世界第一的提琴家。
張嘉淵認為,能讓 MidJourney 繪出高品質圖片的仍舊是人,未來類似工具會越來越多,但是 AI 生態圈中不是只有造工具而已,更要透過 AI 賦能,提升各行業的競爭能力。他以世界知名的小提琴製作中心-克雷莫納為例,這裡擁有好的樹木、技法、油漆可以製造出頂尖的提琴,但尚未誕生過世界第一的提琴家。許多好的樂手會到這裡尋找好的提琴,而好樂手、音樂家、詞曲創作者共同譜出好的樂曲,這就像是科技與人文的匯聚:造琴者要懂琴、拉琴人也要懂琴,但拉琴的人不一定要會造琴。
想做出更獨特的 AI,一定要考慮環境的限制
他提到,這波AI所使用的神經網路模型至今並沒有太大改變,但並非只有人類有神經系統,許多生物都有神經系統,但為何牠們的神經系統在解決問題後,並沒有被數位化?於是,有人開始思考是否利用低功耗(low power)的系統,就能完成人類做的事情,但這牽涉到人類對於生物的理解。
「螞蟻跟螞蟻之間的交談是不是另外一種語言(language)?」張嘉淵提醒,Large Language Model 的 Language 不該被限制在某個地方,例如,螞蟻間的對談如果也是一種語言的話,那麼細胞與細胞間呢?了解這些生物的運作,是否在生成式 AI 的用法也會有所不同?如何應用新的神經網絡、新語言、新數據進行訓練,才是全新課題。人類要「學會問出聰明的問題,不要讓現在的 AI 變成想像力的限制,應該成為推著你往外跑的動力」。
「如果你想做出更獨特的 AI,一定要把環境的限制考慮進去。」他提醒,例如能不能用小的資料群做出更好、更精準的應用,都是需要克服的問題。AI 需要投入很高的成本,如果將成本納入考量的話,就會有不同的設計角度。「因為問題有價值,才能夠有價格,當價格大於成本,才會有盈餘。」張嘉淵說,作為一個電腦製造商,當然樂於看到各式不同的應用,但是,如果要產生社會影響力,則必須要從不同的思維檢視擁有的資料、設計與流程。
生成式 AI 正夯,是不是大家都要轉行?
在這股 AI 熱潮下,有越來越多的學生開始思考究竟該繼續研究感興趣的學科,或是要轉而投入其他領域?張嘉淵舉例,有位科學家說他用甲蟲的神經網路做了一個模型,並發現在自動移動方面的成效比現在人類造出來的車子更好,能看更多的東西,「這是不是創新?」他認為,不是只有人類需要被模仿,其實自然界有許多東西存在。當我們未來的資料可能都是 AI 生成,而真實世界原始的資料將會愈發稀少,知識工作者或一般工作者可能會越來越少,那麼下一代的學術研究者應該扮演什麼角色?
又或者,當 AI 被大量使用在不同設計上時,面對一次生成出的上百個結果,工程師並不是在做設計,而是在做選擇。這時候,確認與驗證的能力也就變得更顯重要,而這些都是未來需要探討的環節。