![](https://www.kingdee.com.hk/wp-content/uploads/2024/06/image-5-1024x619.png)
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!