近期，由創業黑馬主辦的「2024福州人工智慧+產業發展論壇」在福州圓滿舉辦。矽谷人工智慧研究院院長皮埃羅•斯加魯菲以《技術突破與可落地的人工智慧》為主題進行了分享，從人工智慧的歷史，到生成式AI在教育、醫療、設計、行銷等領域的具體應用，也分享了「AI會不會取代工作」以及「會創造哪些新的職位」。特別與您分享，希望對您有所啟發。
AI就是從深度學習開始的
人工智慧是1955年出現的。 1955年，麻省理工學院的科學家提出了人工智慧的概念。由於當時的計算機體積非常大，所以最早的人工智慧有許多限制。
當時人工智慧分為兩個流派。一個流派，是以數學為基礎的，是由一群數學家將電腦與自己的研究結合起來，從而進入人工智慧領域。另外一個流派，則是想用電腦網路去模仿人類大腦的神經元，人類大腦有數萬億的神經元，可以想像一下這能有多少相似的地方。
在當時，第一種以數學為基礎的流派是比較流行的。 1969年時我還是個學生，有一位非常有名的科學家出版了一本書，證明了神經元網路是不可能的。他說，電腦怎麼可能跟人類的神經元網路相比呢？所以在很長一段時間以來，人工智慧的發展基本上都是很受限的。
實際上，1994年自動駕駛汽車就已經出現了；1997年，IBM的深藍（Deep Blue）戰勝了世界象棋冠軍；2001年，IBM又推出了超級電腦沃森（Watson），可以使用人類自然語言回答問題。
直到2006年和2007年，有兩位歐洲科學家推翻了先前科學界認為神經元不可複製的理論，他們認為電腦網路是能夠模仿人類神經元的，所以在2006年-2007年推出了關於人工智慧的網絡，這也是人工智慧深度學習的起點，現在的AI實際上是從深度學習開始的。
2012年，又有一位科學家和他的兩位學生創建了AlexNet，一個非常著名的電腦視覺神經網路模型。 AlexNet能夠辨識電腦中的任何一張圖片，也再一次證明了神經元網路能夠在電腦當中應用。
之後人工智慧又取得了非常多的進展。比如說，在2016年出現了DeepMind，透過深度學習谷歌推出了AlphaGo。基本上就是在同一時間，還出現了一個生成式對抗網絡，生成不同的圖片，其實就是生成式AI的雛形。
當這些圖片剛出來時，人們是非常震驚的，因為這些圖片都是電腦生成的，不是真實存在的，現在看起來好像沒有什麼，但在當時非常轟動。
這個生成式對抗網絡還能夠把文字轉換為圖片，也可以把文字轉換為視頻，不過在當時要花比較長的時間。
生成式AI的發展路徑
今天我們在應用的就是生成式AI，它的爆發性成長是從2017年開始的。谷歌的科學家推出了Transformer架構，這是應用神經網路的模型。不過在當時，它主要被應用為機器翻譯。後來發現，它不僅是兩種語言之間的翻譯，還可以產生圖片、視頻，能夠應用在不同領域。這就是生成式AI至今的發展。
當然生成式AI在未來也有不同的發展路徑：
一個是客製化的語言模型。大家對ChatGPT應該非常熟悉，那應該注意到ChatGPT也會犯一些錯誤。但是，如果把ChatGPT的數據限制在一定範圍內，它的結果可能會更精確。在某個具體領域去訓練ChatGPT，例如醫療領域、運動領域或製造業領域，它最後產生的結果會更精確，用途也會更廣。
另一個模型目前還沒有官方命名，我叫做Low-Compute AI。我們知道生成式AI要花很多錢，小型機構都沒有辦法去做，從理想情況來看，我們希望大家能夠用自己的手機去做像OpenAI訓練ChatGPT這樣的事情。因為沒有強大的大規模硬件，所以我想把它叫做低算力的AI。
一些結果證明，即便是小模型也能夠擁有像ChatGPT一樣的功能。 ChatGPT也是從一個不可能變成可能的過程，它把所有吸收的書本或網頁資料產生了結果，但是我們真的需要這麼大規模的資料去訓練並應用嗎？比如說史丹佛的模型，當時只花600美元就可以訓練。所以我認為，在這種小規模數據的領域也是可以應用AI的。
現在比較流行的還有多模態模型，可以把文字、圖片、影片結合在一起，全部都放在AI模型的訓練當中。
生成式AI的應用領域
我先跟大家分享AI在教育領域的應用。不少學校老師告訴我，怕學生用ChatGPT去作弊。但要看到硬幣的兩面性，我們也可以訓練ChatGPT，讓AI用那些知名科學家的教學方式去教學生，或者用AI重現的形式教學生跟已故科學家互動，或者讓學生閱讀所有關於宋代的書籍。學生和擁有特定技能的聊天機器人對話，會發現這個學習過程非常有趣，這在很大程度上會改變我們的教育模式。
有公司諮詢我，AI怎麼幫助他們打造出更好的產品，AI在策略行銷領域也很有用。我們可以把市場的數據、顧客的回饋、競爭者的資訊集合在一起，然後讓生成式AI去產生對於產品設計的見解，給予對應的建議。生成式AI在設計產品這方面是很有用的，也可以依照不同需求去定價。
AI在設計領域的應用也很廣泛，例如用生成式AI設計一輛車，甚至可以設計一座城市。人們總是說，AI可以幫助我們節省時間。實際上，它還可以提高個人化的程度，可以帶來更好的決策，並能夠幫助提高收入。這不僅有利於整個產業，還有利於整個產業的發展。
醫療也是AI非常重要的應用領域。我覺得AI可以幫助全科醫生。例如當我們需要家庭醫生，就可以24小時隨時聯絡這位AI醫生。 AI也可以用來做癌症的檢測，從小疾病到像癌症這樣的重大疾病，AI可能都可以檢測到。當然還可以用AI來跟病人進行交流，因為有時候醫生給病人開藥，但不會告訴病人為什麼會得這樣的病，這些就可以問AI得到一些解釋，讓病人更好地理解自己的病情。此外，醫療領域每年都會發表不計其數的論文，醫生沒辦法一次看完這麼多論文，生成式AI就能夠幫助醫生總結這些論文，提取要點。
所以我把AI在醫療領域的應用叫做全科AI醫生，就像全科醫生一樣具備廣泛的功能。多模態AI其實也可以應用在醫療領域，醫生可能要根據病人的眼睛、手、臉、X光片來診斷症狀，這些也可以用多模態模型 同時產生。關於AI在醫療領域的未來發展，如今我們看到一個借助AI的醫生，會認為這個醫生一點都不專業。可是5年之後，醫院有AI來輔助會變得普遍，10年後就更加普遍了。
最後是機器人。傳統機器人主要是重複做一些簡單的事情，例如工廠裡的機器人。但是如今的機器人已經能夠更加了解這個物理世界，並且適應不同環境的變化。
加州大學柏克萊分校的一個項目，機器人跟生成式AI是可以一起應用的；Google的PaLM-E機器人是根據多模態語言模型所開發的；英偉達也推出了一個以多模態模型為基礎的機器人，能夠做出很多不同的動作；史丹佛有個研究項目，透過讓機器人觀看影片裡人類的行為去學習，然後去做跟這個人一樣的事情，這其實也是我們人類學習的一種方式。
生成式AI也能夠被應用在哪些領域，有待我們去探索。
AI帶來更多新工作
我常被問到一個問題，就是AI會不會取代我的工作？我的答案是，可能會。
但是，AI的出現也會帶來許多新的工作：
第一是提示詞工程師，就是去訓練這些AI，怎麼讓它們做得更好；
第二是資料館長，需要訓練網路去保管資料、給資料分類等等，資料在AI當中是非常重要的；
第三是AI偵探，我們知道ChatGPT有時會犯一些錯誤，需要人們去偵測、辨識這些機器產生的資訊到底是不是真的，有沒有假消息；
第四是模型定制者，因為我們訓練需要不同的模型，就是最基礎的客製化聊天機器人也需要不同的模型去訓練，需要有專門的人去客製化這些模型；
第五是教育工程師，未來我們可能需要更多新的教育模式、教育工具；
第六是智慧醫生，未來我們可能希望自己的醫生跟AI有一些合作，因為AI懂得更多，而且能夠獲取更快更新的資訊。
總的來說，AI可能會取代一部分工作，但同樣也會創造一些新的工作。這些新工作可能會為世界帶來更好的發展。謝謝大家！