# 簡立峰 AI 講座筆記

###### tags: `AI`

📅 2024-04-09

### 主講人
簡立峰 董事

### 主辦方
信義房屋
淡江大學 EMBA & 林宜男 人資長

### 筆記整理
Dada (劉永琦)

## 講者簡歷

### 簡立峰

#### 經歷
Google 台灣區分公司總經理

#### 專長
人工智慧、語音辨識及檢索

#### 現職
台灣新創公司 Appier、iKala 獨立董事

> [wiki](https://zh.m.wikipedia.org/zh-tw/%E7%B0%A1%E7%AB%8B%E5%B3%B0)
> 他曾先後就讀並畢業於於淡江大學電子計算機學系、國立臺灣大學資訊工程學研究所碩士班及博士班等[2]；他在就讀於研究所期間，最初研究人工智慧、語音辨識等，後從事於中文檢索（全文檢索）領域，成為台灣地區資料搜索領域先驅研究者之一，並開發出「全國博碩士論文線上檢索查詢系統」。

> 博士班畢業後，他進入中央研究院任職，並曾任該研究機構資訊科學研究所副所長職務。後來，他也曾於微軟亞洲研究院擔任技術顧問職務。[2] 2006年，Google於台灣設立分公司，他成為最初加入該分公司的人物之一，又曾擔任該分公司之總經理職務。[2] 2020年1月31日，他正式自Google台灣分公司退休離職。在退休後，於2020年2月11日，簡立峰加入iKala、Appier擔任董事[3]，並同時也擔任均一平台教育基金會董事。[4]

## Topics
### 數位轉型 & AI 議題
簡董：數位轉型幾年前就有許多業者在嘗試切入
今天的演講內容
主要還是想直接以「AI 議題」為主軸開場
談談現在的 AI 進程，以及我對未來 AI 時代的觀點

## ChatGPT 主要功能
1. 翻譯
翻譯成多國語言
OpenAI 執行長自己說過他最常拿來用的功能
2. 潤稿
簡立峰常用、覺得好用的功能
要求 LLM 幫忙產出
「更白話、美式道地的英文文章」
3. 閱讀
自動做大量內容 **閱讀**
=> 主要衝擊對象：顧問業
「顧問業」可以善用 LLM「提高效率」
但顧問業對自己的工作也具有「被取代風險」

=> 不會被取代的產業：「新內容」
AI（LLM）學習的素材
是大量的「老資料（歷史資料）」
經過「昂貴計算晶片、大量歷史資料」訓練
才產出可用的 LLM（大型語言模型）
.
但最新的「時事」無法被即時學習
都放在雲端或本地機器
這就是產業「不容易被 AI 取代」的領域

## AI 的進程
Word Embedding >> LLM

## 台灣 AI 的弱項
1. 缺乏 Open Data
著作權法、刑法太嚴格
對於公開資料的規範太多
許多接觸過的業者表示
他們擔心法律的 issues
不敢使用和開放 **公開資料集**
2. 缺乏 Domain Knowledge
台積電、IC 產業
主要是作為 GPU 晶片廠的上游
但台灣缺乏的是「AI 應用」
因為國際上知識工作的國家不是台灣
而是香港、北歐、日本
（以「領域知識」為核心，做 AI 應用）
台灣大部分有國際競爭力的產業
還是以 IC 代工為主
> 簡董認為
台灣公司在 AI 的優勢幾乎是 0
所以沒有一張投影片是「台灣 AI 的強項」
主要也是企業主和員工的思維
讓 AI 在 2016 年以前很少被大家重視
目前（2024 年）為止台灣的 AI 進程
仍難以媲美中日韓甚至歐美各國
但反過來想
這也是種「機會」
越早引進國外 AI 技術的業者
就可能越有機會帶來新火花

## 當你的同事是 AI
1. 駕駛
Google 研究：
自動駕駛車禍肇事率低於人類
// 主要是後車撞前車
// 自駕車看到黃燈停下後
// 人類開太快（減速不及）撞到自駕車
2. 搬運
歐洲有家建築公司
把建材搬運的作業給 AI 完成
（無人機+遠距遙控）
3. 白領魔咒
藍領的很多工作都逐漸被自動化取代
但很多白領有一種「矜持」
覺得自己的專業無法交給 AI、與 AI 共事
簡董建議白領階層的工作者
對於逐漸成長的 AI
保持更開放的心態（open minded）

## Q&A

### Q1. AI 的道德問題
有人說 2024 年是「人機協同」元年
AI 研究者們設計 AI 工具之前
必須有以下幾點共識：
1. 「AI 不能違反人類意志」
2. 「如果 AI 的行為違反人類意志，要給予 AI 嚴重的 **懲罰**」
> ref: Reinforcement Learning

### Q2. 機器學習在大型語言模型（LLM）成為顯學之後，是否還有價值和適合的應用模式？

目前（2024 年）的 AI 可分為兩類
（1）預測型 AI：機器學習的天下
（2）生成式 AI：文字生成器/LLM、影像生成器

簡董近年主要 focus on「生成式 AI」
對於「預測型 AI」比較沒有深入研究

但大致的 picture 是
**預測型 AI** 用於產出 **可預測的結果**
任何產業，有需要做「預測」
就可以嘗試用機器學習做預測模型來代勞

### Q3. AI 是否有情感？怎麼看一些業者的情感型 AI 研究和產品？

1. 簡董給的答案是「AI 沒有情感」
2. 生成式 AI（Gen AI）
只能產出
「類似人類會做的回應（responses）」
而人類會覺得：這個「話語、文字」好真實
（AI 生成的內容在「真實性」騙過人類）
人類進而可能產生對 Gen AI 的產出內容
做出「喜怒哀樂」等情感回饋
其它部分就不是 AI 議題
而是商品、行銷議題了

### Q4. 人類的弱項？

可以學學「人類學」
簡董的兒子常常和他討論這個領域

「記憶型」的知識隨著 AI 進步越來越不重要
圍棋需要「記憶、背誦」大量棋譜
但 AlphaGo 的出現已經證明人下棋不如 AI
而 文字、語音 AI 技術的的出現
使人類在
「顧問、文案撰寫、翻譯、語音轉文字」
越來越不那麼重要
很多 **需要敲鍵盤的幕後工作**
越來越容易用 AI 代勞

### Q5. 法律
法律背景的提問者問到
他們律師事務所的 Junior（實習生）職缺大減
主要是基礎工作已經可以由 AI 代勞了
請問未來人才的培訓模式怎樣比較好？

簡立峰：
➡️ 美工、寫合約、顧問的專業文案
這些很容易被 LLM 取代

➡️ LLM 是「通才」能大量閱讀並產生通用的「文字型產出」

➡️ 員工帶來「獨特價值」和「創意」
最好是「跨領域」、「有創意」的才能
這些是只會
（1）大量學習資料
（2）照本宣科（給出制式回應）
的 LLM 所做不到的

### Q6. 什麼類型的工作，比較不會被 AI 取代
➡️ 流汗多的（勞力密集型）產業
比較不會被 AI 取代

➡️ 最容易被 AI 取代的工作
1. 客戶服務（Customer Service）
=> AI Chat Bot 智能客服
2. 翻譯人員
=> 比較可能變成 QA，
AI 先翻譯人再檢核、加上 buzz words、時事梗
3. 工程師
=> 比較可能變成 QA，
AI 先做通用型網頁
人再修改、美化
4. 「語音轉文字」人員
台灣大哥大 CEO 林之晨分享
這些人工作業流程已經大部分由機器代勞
5. 銀行業的語音服務

### Q7. AI 如何帶領「企業轉型」？
台灣較多「出口製造業」，難以被 AI 取代

「知識密集型」產業和「新創公司」
比較 shallow 的「知識蒐集」、「文字產出」
都可以由 LLM 代勞
若不加深「獨特優勢」就容易被取代

另外就是台灣的內需市場太小
所以大部分企業主、勞工沒看出 AI 的價值
可以學習國外的做法
內需型的中小企業
要思考如何「導入 AI」並「外銷」

### Q8. 應該如何利用 AI 做「員工職能訓練」
簡董認為
反而「員工職能訓練」比較不重要
應該把「舊的職能」給 AI 代勞
而思考出「新的創新職能」給厲害的新員工

### Q9. 如何問對問題
「好問題」不存在，只有「好答案」
「沒有蠢問題」
只有提供的資訊不足

我們人類今天不知道怎麼問
比較能引導 AI 回答出我們需要的答案
但 AI 也還在進步，AI 不是萬能
並且 AI（LLM）的互動性不高

「管理制度」在組織中需要改變、轉型
不要羞辱、斥責問蠢問題的員工
反而要鼓勵員工多問問題
1. 把提問者的角色
授權給各層級的員工
2. 把回答者的角色
從專業員工逐漸改成 AI

「教育制度」也因應 AI 需要改變
傳統教育比較強調回答
AI 教育更強調「問問題、創新、嘗試新方法」

## 補充：推薦 Alpha Go 出現後的一本好書
“Deep Thinking” (深度思考)
=> 危險的工作，可由 AI 代勞
=> 有些「現存的工作」可能更適合 AI 做
=> 有些「目前還沒出現的新工作」，可以被想出來，給未來的人類做
> [Deep Thinking - Amazon](https://www.amazon.com/Deep-Thinking-Charles-Louis-King/dp/1955255318)

> [PPT 書板 - [心得] Deep Think深度思考](https://www.ptt.cc/bbs/book/M.1528967469.A.F35.html)
## 補充：AI 課程
深度學習網紅老師 李宏毅 教授
2024 年推出最新課程 **生成式人工智慧**
他甚至用 AI 出題、AI 批改作業
有興趣學 AI 的人值得去聽一聽