20240116：你太看得起人工智慧了
==

大家好，我是虎老獅，AI這兩年似乎熱過頭了

先聲明一下，我個人認為AI譯為**人工智慧**有點不太適當，中文**智慧**一詞涵義遠超過英文Intelligence，有些人高智商卻沒慧根，有些人不識字卻充滿大智慧。**智商**(Intelligence Quotient)翻譯為**智力商數**，AI翻譯為**人工智力**似乎較精準，但這邊還是用標準的**人工智慧**譯詞。

相對於其它生命或宇宙的年齡，人類演化僅十萬年即成為目前已知的最高等物種。尤其近200年，人類處理複雜事物的能力，隨科技進步不斷進化，我們跑的沒有獵豹快，卻能發明時速63萬公里的派克探測器，我們的力氣也沒大象大，也能製造出核電廠(甚至是核融合)的巨大能量，在自身物理條件極端不足的情況下，表現出超越所有其它物種的物理能力，這就是智力(Intelligence)應用的極致。

簡單來說，智力的極致應用就是用腦取代手，所以荀子說：**君子生非異也，善假於物也**，我們和其它生物最大的區別就是善用工具。這句話本身就是一部活生生的**人工智慧**史，人類一直在利用工具完成更複雜的事，再強的人工智慧都是一樣的原則，從用**石頭敲碎長毛象的骨頭**一直到**JWST觀測大爆炸的證據**，兩件事大致上沒什麼差別，只是**用工具達到我們要的目標**而已。

ChatGPT爆紅之前，好像沒什麼人在談AI，但現在人人言必GPT、LLM，甚至連小學生也知道Mixtral。每個人都覺得AI就等於ChatGPT、GPT、LLM、類神經網路、深度學習、強化學習、機器學習。一時之間風生水起，聊天不用晶晶體帶個**機匹優**或**拉馬**就弱掉了。難道我們真的已經進入AGI的時代了嗎？不做Alignment明天就世界末日嗎？還是人類科技已經演化到**機器意識**這種接近上帝的神學/哲學討論層次了？

說實話，ChatGPT，又或者是GPT、LLM，NLP、甚至是類神經網路、深度學習、機器學習這些目前最夯的潮詞，只佔整個AI光譜的小部分，只是現在AI被瘋狂炒作，大家以為這就是AI的全貌，以為**prompt engineering**就是高大上，用Dall-E產生個圖片就是在使用AI。真實的情況就是，現在的AI熱潮很可能到頭來只是一場空，就算你認為超強的ChatGPT也壓根不是橫空出世，它就像任何科學發明一樣，都是一點一滴站在其它巨人的肩膀熬出來的。而ChatGPT的基礎，稱為NLP的技術，也只是深度學習的一個子領域，而深度學習，更只是機器學習的一個子領域，甚至是整個機器學習，也只是AI中一個子領域而已。

那AI到底是什麼時候出來的？嚴格來說，所有**由人類意識主觀產生，非人類或動物所表現的智能**，都可以稱為人工智慧。洗衣機或微波爐是不是AI？你可以大聲的說，是，他們就是人工智慧的一種，只是他們是**單一功能**或**較為低等**的AI。

如果你可以接受洗衣機或微波爐算是人工智慧的一種，那麼電腦軟體、SIRI、搜尋引擎、推薦系統、自動駕駛、人臉辨識等等，ChatGPT，就名正言順是AI的常見應用了。就以搜尋引擎為例，26年前的1998年，我們就有Google了。Siri好像也不是昨天才出來，Amazon/eBay的推薦購買小時候也就有了。那時怎麼沒人談AI？那時的廣達緯創技嘉怎麼沒有爆漲？

前面清楚定義過AI，就是**非人類或動物所表現出來的智力**。這是人類自古以來的夢想，我們一直在做。只是之前方法一點都不**酷**。事實上，目前大部分**機械**或**電子**方式運作的東西都是某種程度上AI，它們在理由上，是使用一種稱為**符號主義**的舊方法。簡單來說，就是一個充滿大量知識，以及找到這些知識的邏輯的倉庫，就是一個充滿資料庫和IF/ELSE的地方，不管是用電路或其它方式實現。這樣的東西很爛嗎？未必，只要簡單能用就行。不一定要用1700億個參數的模型找出垃圾郵件，更簡單的分類方法就做的很好了，就好比你每天騎的機車上也不可能裝上小型核反應爐，有些事，**古老**的AI早就做的很好了。

那為什麼現在AI這麼紅？

舊方法不差，但明顯就是只能處理人類已知的事物。就算你能把人類從古到今的所有知識和查詢方法儲存到單一物件中，下一秒的新知識他就答不出來了，但最大的問題就是他只會死背和搜尋。讀書時，老師希望我們做的不是記憶課本上所有的圖文，而是希望我們**學**下來，能融匯貫通，能舉一反三，能真正了解這些知識背後更深層的意義。舉例來說，小明每天送小美上下班，每天幫小美買早餐，送小美iPhone和很多禮物，這些事情很明顯的抽象意義就是**小明喜歡小美**，許多事情的表面之後一定有一個更重大的意義，你必須具備抽象分析能力才能知道，只會死背的個體只具備**儲存力**而非**智力**。

傳統的AI是完全不具備**學習**的能力，他們無法利用已知的知識去預測未知的事。換句話說，人類的知識有限問題無限，我們希望AI能在有限的知識中去對應無限的問題，不是單純的搜尋或查詢，這也是新一代AI具備的能力。給小朋友看二十四孝，希望的不是他背下來，而是能在思想及行為上孝順自己的父母，這就對應到了記憶、摘要、抽象、理解、推理、演繹、行動等能力，新一代的AI，就是被期待具備了抽象以上的能力。

在位元方式的電腦發明了近80年之後，科技已經可以**記憶**大量的資料，伴隨的就是查詢及判斷查詢路徑的規則而已。直到近20年來，電腦才開始具備除了**記憶**再高等一點，**摘要**以上的能力。一切的一切，就是**學習**這件事在機器上面的出現。

AI熱潮雖然聚焦在**有意義結構**資料的生成(如有意義的文句、圖片、聲音或影片)，但這些事情仍然沒有離開圖靈認知中**模仿(Simulating)**的階段，只不過**學習**意義的展現，已經是非生物智慧上非常重大的突破了。我們終於可以用有限的知識，建立出能根據這些知識舉一反三的智慧體，想想看，如果讀過了不到100篇文章的小學生，就能學會重新排列組合這些文字，寫出自己的文章，那看過全世界所有資料的ChatGPT作出來的文章會有多聰明。這也是大家對AI有這麼高期待的原因了。

但別高興的太早。人腦的複雜性還是個謎，看過100篇文章的小朋友一定比幾千億參數的GPT聰明，AI的進展目前也停留在**摘要**的階段，我們甚至可以確定ChatGPT完全不具備**理解**能力，它只是無意識地丟出機率最適合的下一個token而已。人類總是希望找到事情發生的理由，這也是我們現在這世界運行的物理基礎**因果論**。希望萬物都有一個合理的解釋，找到原因後就可以推論未知的事。但把這個方法放到電腦中現在就遇到瓶頸了，你無法找出任何文字排列組合的所有文法組成(有意義句子的產生)，你更無法窮舉光子在一定範圍大小排列組合出來的可能性(有意義圖片的產生)，但如果從已經有的知識來累積經驗，從這個經驗再去預測沒見過的排列組合(不管是文字或光子)，就有可能預測新的現象，產生新的文字或像素結構，這就是新一代AI的方法，逆向而行，把已經發生的事情經驗化，獲得經驗的過程當然就是學習，這也是**機器學習**這個AI子領域名稱的由來。

說了這麼多，重點有幾個，第一，新世代AI和舊AI最大的差別就是**學習**的能力，光這一點就是革命性的突破了。第二就是舊的AI並不是完全不能用，甚至他已經做的非常棒了，沒有完全放棄的必要，新世代的AI出現的目的只是解決舊世代AI無法解決新出現的問題。第三就是不管舊世代或現在當紅的AI，都是沒有思想，情感，意識的無生命物體，**情感分析**是個渣男根本不帶情感，單純就是冷冰冰的電子流動，在**利用工具完成複雜事物**的原則上，新世代的AI並沒有什麼創新。如果你認同笛卡爾的**我思故我在**的說法，沒有意識的物體根本不具生命，AI當然沒有意識，只是我們人類創造的工藝，人類的科技能複製細胞但無法創造細胞，更別說是創造生命了。

看到這兩年的AI熱潮感觸良多，現在大家都一頭熱，股票，GPU，ChatGPT，聊天機器人，連最應該冷靜的科技巨頭也不斷灌輸大家AI多麼好棒棒的迷思，非常明顯是有效加速主義的信仰者(e/acc)佔了上風，這邊不是要當逆風者，也不是幫鼓勵冷靜的陣營decels說話，甚至我覺得目前的AI技術成熟度還沒到需要分成兩派對戰的高度，但還是得潑個冷水或是提醒一下，因為現在的狂熱，很可能只是歷史重演，在幾十年前也發生過幾次，大家的一頭熱，結果換來是沒有結果的失望，稱之為AI冬天，那時候的每個科技巨頭，報章雜誌也一度認為AI將超越人類的智慧，成為無所不知的拉普拉斯之妖。但最後的結局還是以失敗告終，這次熱潮很可能也不例外，大家瘋狂吹捧的話題隨時會嗄然而止，進入另一個冬天。至於AI發展史上到底遭遇過哪些重大挫折，我們在下一期的影片會繼續聊這個話題。今天虎老獅就唬完了，下次我們接著唬。

https://medium.com/@neko_android/%E9%96%B1%E8%AE%80%E7%AD%86%E8%A8%98-%E9%80%A3%E7%B5%90%E4%B8%BB%E7%BE%A9%E8%88%87%E9%A1%9E%E7%A5%9E%E7%B6%93%E7%B6%B2%E8%B7%AF-swarm-intelligence-5dc69dcd0eb4