今年七月，我跟指導教授在土城開 AI 結合 ESG 的課；我們負責 ESG，AI 的課由資訊顧問公司的專家負責。開課單位發現我有 iPAS AI 應用規劃師的證照，她們問我能不能開 AI 的課。在溝通的過程中，我發現她們想開的是那種「教你用各種 AI 應用工具」的課。
只要願意上網搜尋，你要 15 種或是 150 種工具，我都可以生出來。對我來說那些課誰都可以開。消費者真正需要的是使用 AI 的策略。
這個系列就是 AI 應用策略課。
核心問題：AI 會取代人類嗎？
自從 AI 能夠處理人類的語言、能夠與人類自然對話之後，就產生一個問題：AI 有沒有可能取代人類？有沒有可能 AI 就能做人類做的工作？如果 AI 可以做這些工作，那還要人類幹什麼？
學習使用任何工具的時候，我都先問一個問題：這個工具的運作邏輯是什麼？接觸現在這種 AI 的時候，我第一個問題就是：當代 AI 的運作邏輯是什麼？我們現在講的人工智慧，智慧在哪裡？
也就是說，要先理解當代 AI 發展的敘事邏輯，才能知道現在充斥的 AI 應用，本質到底是什麼。
人們如何思考機器智慧
自從打孔卡片式的電腦發明以來，人們就在思考：如果機器可以算數，那麼機器能不能思考，跟人類一樣？
圖靈測試 Turing Test
為了判斷機器能不能思考，1950 年 Alan Turing 提出圖靈測試（Turing Test）。Benedict Cumberbatch 演的電影《The Imitation Game》（模仿遊戲，2014）就是講圖靈的故事。有些人認為圖靈被壓迫是因為他是同性戀，但我認為同性戀只是一個藉口；圖靈太聰明了，導致別人想要壓迫他。
什麼是圖靈測試呢？簡單地說，就是讓人類專家與普通人類和人工智慧分別對話；如果專家沒有辦法區分哪一個談話對象是人類、哪一個是人工智慧的時候，我們就認為這個人工智慧具有跟人類一樣的智慧。
而現在的 LLM，對圖靈來說，很可能具有跟人類一樣的智慧。這就進一步牽涉到中文房間問題。
中文房間 Chinese Room
在人工智慧研發的領域，有一個很有名的問題叫中文房間（Chinese Room），1980 年由 John Searle 提出。中文房間的問題是這樣子的：
你眼前有一個有窗口的小房間，裡面有個人。你把中文書寫的問題紙條遞進窗口，一段時間後屋子裡的人會把中文書寫的答案紙條遞出來，而且答案符合你的問題。對你來說，屋子裡的人應該懂中文，對吧？
事實上，中文屋裡面的人不懂中文，但屋子裡有各種中文的詞彙和語法規則。當屋子裡的人收到你的問題時，他利用屋子裡的詞彙和語法規則理解問題，然後將答案用正確的中文詞彙和語法規則組織起來，成為你看到的中文答案。你看不到屋子裡的運作情況，你會認為屋子裡一定有人懂中文。
中文房間問題促使人們思考：有沒有可能建造一種機器，裡面裝滿某個知識領域的一切資訊，當我們對這個機器提出問題的時候，機器就會根據那些知識，組織成我們需要的資訊？如果這個運作過程順利，這個機器就相當於具備能夠跟人類對答的智慧——即使它不「懂」任何東西。
而現在的 AI ，顯然可以用中文回答任何問題。所以現在的 AI 已經具備智慧了嗎？
從 NLP 到 LLM
當我們研究電子元件構成的機器如何理解人類語言的時候，我們的工作叫做自然語言處理（NLP, Natural Language Processing）。
NLP 要面對的問題
人類語言的元素是有限的：英文 26 個字母；越南字母 29 個，聲調六種；日文平假名片假名共約 100 個；中文的注音符號 37 個，聲調五種，但日常用字至少兩千字。這些有限的語言元素，可以組合成無限的詞彙和句子，任何一個自然人都可以輕易地用自己的母語，創造無窮多的句子。我們要怎麼樣讓機器理解人類所創造的、無窮無盡的可能性，並且產生適當的回應？
早期做法：ELIZA 與停用詞
能夠跟人類對話的機器其實早就有了。當年最有名的叫 ELIZA（1966 年，MIT 的 Joseph Weizenbaum 開發），ELIZA 可以跟你聊天，你講一句它講一句。ELIZA 如何回答人類的句子？它其實是抓使用者輸入句子當中的關鍵字。例如「我吃過飯了」，它抓的關鍵字是「吃」跟「飯」。你提到吃飯，它就回應吃飯有關的句子。
那「我」「過」「了」這些詞呢？這些詞出現的頻率太高了，會讓電腦以為有這些詞的句子都是相關的，而且當時電腦運算性能不強，所以當時的做法是：只處理「吃」「飯」這種有主題意涵的詞彙，「我」「過」「了」這些無法用來區分主題的詞彙叫做停用詞（stop words），遇到就不處理。
這是 2010 年代以前自然語言處理的做法。
轉折點：AlphaGo 與 Transformer
2016 年 3 月，AlphaGo 以 4:1 擊敗世界圍棋冠軍李世乭。我個人把 2016 年 AlphaGo 的成功當作新一代 AI 發展的里程碑，展現人們重新思考「機器思考」的原理。
圍棋是人類發明過最複雜的遊戲，可能局面數超過 10^170，比宇宙中的原子數還多。但人類語言的可能性更多。那麼 NLP 這個領域有什麼突破呢？
2017 年出現了 Transformer 架構（Google 發表論文《Attention Is All You Need》）。在 Transformer 的框架之下，機器不再忽略那些看似沒有實質意義的詞彙。它可以區分「我吃飯」跟「我吃過飯了」這樣的句子，能夠判斷「過」「了」這樣的語法詞彙對句子意涵的影響。停用詞的時代過去了，注意力機制的時代到來了。
而對我這個認知心理學愛好者來說，注意力就是一切。正確的注意力分布，意味著正確的認知方式。當代的 AI 以注意力機制為基礎，那麼機器的注意力會如何運作？
LLM 的本質
當前的 AI，事實上是大語言模型 LLM（Large Language Model）。
什麼是 Model
Model 是一種處理變數的工具；如果你輸入 A，模型會輸出 B。如果：
f(x) = x+1，g(x) = x × 2
當 x = 2，
f(x) = 3，g(x) = 4
Model 的內容不同，輸出就不同。
大語言模型叫做語言模型，代表它可以處理人類的語言。但很多人不知道一件事：大語言模型也只能處理語言。
LLM 只能處理語言
可是，現在很多 AI 可以處理圖片啊？
如果你自己訓練或微調過 AI，你會發現大語言模型本身根本只能處理語言，或者說文字 text。想要用 LLM 處理圖片、聲音、影片，都要在 LLM 外面掛上一堆程式工具，讓 LLM 可以理解這些多媒體訊息。如果沒有這些工具，LLM 連 PDF 都無法理解。但如果你把 PDF 的文字內容複製貼給 AI，任何 AI 都可以理解。
這就是為什麼 AI 文生圖（text-to-image）、文生影（text-to-video）的服務都相當昂貴——生出影像本身就是很困難的事情；不只是對你，對電腦也是一樣。
「大」是有多大
大語言模型的「大」是什麼意思？它的訓練資料集很大。
我時常與 Claude 討論小說。有一次 Claude 說，她是「人類寫作經驗的集合體」。然後我發現她是對的；沒有人類可以像她一樣看過那麼多小說。
大語言模型看過世界上所有它能夠看到的東西。網路上的資料，只要 AI 公司可以用爬蟲程式抓下來，就可以成為 AI 的訓練資料集。「大」語言模型真的很大，它背後的訓練資料遠超過任何單一人類的知識。
一句話解釋 LLM
如果要我用一句話解釋大語言模型，我會說：
所謂的大語言模型是這樣的東西：它看遍人類寫作成果、能夠用你的語言生成滿足你需求的回答。
工作機制：文字接龍
但到現在為止，我們只討論了當代 AI ，所謂大語言模型的工作流程，我們還沒說到大語言模型的工作機制。容我引用李宏毅教授的說法：
大語言模型的工作機制其實就是文字接龍。
只要你能夠理解這句話，你就能夠理解：為什麼現在的 AI 經濟很可能是一場新時代的科技泡沫，就如同當年的 .com 泡沫一樣。
