📻國立教育廣播電臺【新聞真假掰】AI時代需要怎麼樣的人才?不只是聊天機器人,ChatGPT遠比你想得更厲害!教育如何革新?(逐字稿大公開)

📻國立教育廣播電臺【新聞真假掰】AI時代需要怎麼樣的人才?不只是聊天機器人,ChatGPT遠比你想得更厲害!教育如何革新?(逐字稿大公開)

📻國立教育廣播電臺【新聞真假掰】節目資訊

播出時間:每周日17:05-18:00
收聽方式:國立教育廣播電臺 官網 60 天隨選收聽

📌邀訪來賓
中央大學資工系教授 蔡宗翰

📌完整訪談內容Podcast

📌節目介紹

漫天的AI資訊充斥在生活中,你搞懂這項日新月異的人工智慧了嗎?在本節目最新的「數位資訊素養-人工智慧專題」,邀請號稱AI界李白、中央大學資工系蔡宗翰教授,帶我們更深入地了解「不得不」面對的超強科技。

從「監督式學習」、「非監督式學習」及「強化式學習」,蔡宗翰帶我們認識AI學習模式,亦介紹將文字、聲音、圖像合一的「多模態學習」。我們除了讚嘆AI驚人的學習能力,也看到​​​​此項科技高速發展下的隱憂,​​例如AI變成網路駭客,便會嘗試各種方式突破築起的防火牆,讓資安出現問題,類似的科技倫理問題並非特例,需要各界一同面對。

「人不是被AI取代,而是被比你會用AI的人取代。」蔡教授最後提醒大家,未來我們如何定義專業?那就是你的專業能力勝於AI、不被他取代,那就叫真的專業。

本集節目邀請蔡宗翰,從AI應用的方方面面,提醒我們面對AI世代應該增強的能力。請收聽「新聞真假掰 」,假訊息Bye Bye。

蔡宗翰(中央大學資工系教授,以下簡稱「蔡」)

黃兆徽(台灣事實查核教育基金會顧問/台大新聞所兼任助理教授,以下簡稱「黃」)

📅節目預告
2023/04/23 周日 17:05-18:00 全台皆可收聽(查閱各地收聽頻率)
AI可以有著作權嗎?法界如何面對AI世代?生而為人的價值、底線誰說了算?(益思科技法律事務所合夥律師劉承慶)

🌐最新精彩內容
2023/04/16 AI究竟會強到什麼程度?ChatGPT是「填鴨式教育」的產物?臺灣自建高階AI是可行的?

------------------------------------------------------------------------------------------------------------------------

蔡:那現在技術已經可以做到多種資訊把它融合起來,它就越來越像人,甚至它以後可能會變成是超人,因為它的這個處理能力可能會隨著晶片的進步,它會一直一直往前走。

黃:哈囉!大家好,我是兆徽,歡迎來到新聞真假掰,今天來到現場,要陪伴我們一起提升資訊媒體素養的好朋友是中央大學資工系教授蔡宗翰,宗翰老師好。

蔡:兆徽好,各位聽眾大家好。

黃:宗翰老師又號稱AI界的李白,AI界李白這稱號怎麼來的?

蔡:之前在人工智慧學校的時候,那為了要讓學員們可以比較有精神一點。所以我就把這個教深度學習一些算法,然後把它寫成一首一首唐詩,用這樣來吸引大家注意,然後大家就會拼命拍照,就會醒過來這樣。

黃:是。竟然可以融合這個科技跟人文有非常完美的結合。其實現在AI出現以後,大家更發現文理兼具的人才非常非常的重要,那今天就先邀請蔡宗翰老師來跟我們分享一下AI到底是什麼?有些AI學習的一些基本概念,然後AI的趨勢、AI的應用以及現在出現了一個非常強大的AI萬事通ChatGPT(人工智慧聊天機器人程式),它會為我們的各行各業帶來哪些的變革?人會不會被AI取代?在教育上,我們要做怎樣的革新以及未來人才的培育?宗翰老師先跟我們分享一下,您也在做一些AI跟事實查核相關的研究,對不對?可以跟我們簡介一下是一個什麼樣的研究方向。

蔡:是啊,我們知道說這個事實查核是一件非常辛苦的工作,因為現在在網路假訊息的攻擊是這個數量是非常大,那我們知道說查核員是非常辛苦,他得把整個訊息看完,然後一句句去查核,那我們就想說有沒有辦法用AI來加速這個過程,就是我們把長訊息,按照check-worthy(有價值的查核)的程度,然後從最高排到最低,那這樣的話就可以加速這個查核員的作業速度,目前我們只做到這一步。

黃:那怎麼來判斷一大篇長篇大論裡面哪些是值得查核的fact,跟事實有關,而且它值得查核?

蔡:對,基本上我們有對它做一些這個natural language process,就是自然語言處理,有prepare(準備)一些trainning data(訓練集),那這training data是我們用crowdsourcing(群眾外包)的方式去收集,那包含就是從這個有些從MyGoPen(查核組織)、TFC(查核組織)之前自己的data轉換過來。

黃:就是說從比如說事實查核中心的報告,我們也累積一千多篇了。

蔡:對。

黃:還有MyGoPen的查核報吿裡面,然後讓AI來學習。

蔡:對,對,對。然後就是希望說這個工作可以讓AI來做,那查核員就從最check-worthy開始看就好了。

黃:好,我們也非常期待這樣的工具,可以來輔助事實查核更快速地進行,您用了這個取向其實是一個非常專業的,要判斷什麼是事實、什麼是意見,opinion(意見)我們是不查核的,所以要先判斷出哪些是事實,然後您會用AI來排序哪些事實是最重要的優先查核的對象。

蔡:對,對。

黃:好,我們也很期待這樣的工具能夠加速事實查核的進行。那接下來想回來談談AI的基本概念,AI其實您說它就是可以幫人做事的機器嘛。

蔡:是啊。

黃:到底AI有哪幾種學習方式?因為我們知道AI大家都覺得AI學習能力好強,人是不是要被取代了?那AI到底怎麼學習的?

蔡:AI其實只有三種這個最基本的學習方式,大家認為是比較可以落地,那其它可能還有一些比較創新的都還在試驗中,所以我覺得一般大眾知道這三種就可以了。所以第一種的話叫做監督式學習。

蔡:對,對,對。有點像是我們在教小朋友在認貓狗,那小朋友年紀還小的時候,我們就把他帶到街上去,跟他講說這是狗狗,然後這是貓貓,看了大概幾十個case以後,那可能碰到這個一隻長得比較高的狗,他之前也沒看到,可是他也知道這是狗。下一次看到有一隻顏色不太一樣的貓,他也知道這隻貓,這就是所謂的泛化能力,其實AI也有這種泛化能力,尤其是這種深度學習的模型,層數越多,它的泛化能力就越強。

黃:泛化能力,所以簡單說是不是假設我們今天要聽聲音來辨判別鳥,我們知道國外其實已經有這樣的AI應用了。就是以前我也很佩服一些這個很會賞鳥的同學朋友,一起爬山,它就說現在是什麼鳥在叫。

蔡:是。

黃:耳朵非常的敏銳,而且要記得。那現在A其實I就可以做得到,對不對?所以假設我們走在森林裡,假設我們手上帶一個App,它就可以聽到一個聲音,就會告訴你這是什麼鳥,它是怎麼做到?它就是利用這種監督式學習嗎?

蔡:是的。就是說假設我們去一個固定的地點,比如說我們說臺北市或是臺北市的公園,那我們只要去事先收集好臺北市公園裡面比較可能出現的鳥類種類,假設總共有15種,我們把這15種鳥類我們分別去錄它的聲音,每種鳥類錄個500段,那我們就把這500段乘上15,那就可以有7500種聲音,然後我們就拿去訓練這個AI,然後它就會產生一個模型。

黃:所以我們要先告訴AI說,我們要做標註嘛。根據不同的鳥的聲音來分類。假設好了,我們不要15種這麼複雜,我們3種,就是麻雀、孔雀、黑鳥這三種。假設我們要來讓AI辨識這三種聲音,我們就把它各錄500段。

蔡:對。

黃:然後告訴AI說,這500段是麻雀、這500段是孔雀、這500段是黑鳥,把它做了一些分類跟標籤之後,AI就可以學習這不同的三種鳥類各自的音色、音質這些,對不對?

蔡:對,對,對。

黃:然後它就可以聽到鳥叫,它就會分辨說現在叫的到底是這三種的其中哪一種。

蔡:對,對,對。如果來的鳥是其中一種,它就會知道是哪一種這樣子。

黃:是。所以監督式學習其實是需要教它,是需要標籤、分類,然後做好標籤。

蔡:是的,是的。

黃:所以我們以前好像就有很多說後面會有大量的……什麼血汗的標註員這樣子。

蔡:工人智慧這樣,就是這個道理。

黃:標籤好來教AI。所以其實AI的這種監督式學習並不是全部的,現在有更厲害,不用幫它標籤的。

蔡:事實上有一種情境,它是很難去事先幫它做標籤的。比方說我們現在黃老師或是各位聽眾可能你們手機2020裡面有累積了五千張照片,這五千張照片要去整理也是很頭痛。

黃:對。然後要我去標籤,那我怎麼可能有那個時間。

蔡:而且你做的事情可能每一年、每一年有不一樣,那這時候呢,有一種AI的學習方式叫非監督式學習,那它就可以把這些照片把它拿去分堆,它分堆的方式其實就是把像的分在一堆、不像的分在不同堆。

黃:你不用幫它標註、標籤,它自己會去看相似度來分類。

蔡:對,對,對。然後這個相似度現在已經有很多很成熟的算法,它會去做這件事情,所以這個我們一般人不用去管這個。

蔡:對。所以它最後就可以把它分成一堆、一堆、一堆。

黃:人的標註的這個功能也不需要了,在這種非監督式學習裡面,AI它會根據相似程度自己分類。

蔡:其實這兩個使用情境不太一樣,非監督比較像是你有一大堆資料,你要先拿來做一個初步的整理,那你先用這個。當然你如果要很精準的,你還是要監督式。

黃:還是要人。

蔡:對,對,對。

黃:是。所以非監督式的這種不用標籤的,事實上AI先從大量的資料裡面去用相似程度來分類。

蔡:大概先粗分一下。

黃:然後人類介入以後,用監督式標籤的方式讓它更精確。

蔡:對。比如說我剛剛那五千張照片,就是說我心中想可能是15個不同種類,心中就想把它乘以2,然後它就變成30堆。然後30堆分完以後,我如果看到兩堆裡面其實都是同樣的東西,我就可以把它合併,那最後可能得到一個25堆的結果。

黃:是。所以有這種監督式學習跟非監督式學習,就AI其實也可以就是你還沒有給它資料,它都已經可以根據相似的程度自己來分類。

蔡:是的,是的。

黃:是。所以這兩種學習方式,還有嗎?

蔡:還有一種叫做強化式學習。

黃:強化式學習,聽起來更厲害。

蔡:那強化式學習它其實就是,我們有時候很難就是一步一步去教AI來做什麼事情。那比如說我們要教AI怎麼樣去玩「超級瑪利歐」(動作平台遊戲系列),我們知道說「超級瑪利歐」它過關可以得到一個分數,對不對?那它中間到底是做了哪些?往左、往右、往上跳、往下跳,這個有時候我們很難一步一步去教它說你要過關要做哪些動作,因為我們可能過一關就做五百個動作,那五百個動作要去標註的話,這個工程非常的大,類似這種類型的話,就可以用強化式學習,也就是說做完一系列的事情、一系列的動作以後,我們再給它一個評價、一個分數,然後讓它去決定它要不要修正,這就好像是我們在帶學生的時候,那我們發現說這位學生他考了十次數學的考卷,然後他都可以考到8、90分,那表示說他這個學習方法應該不太需要調整,反觀就是另外一位可能都考這個3、40分,那這樣的話可能他的這個學習方法就要做調整,就是類似這樣的一個作法。

黃:就是你最後給它一個分數,然後AI就會自己修正。

蔡:反饋,它去修正這樣子。

黃:以您考卷的這個比喻來說,他只得到四十分,他要有標準答案,他才知道他錯哪裡。

蔡:這個是在調整他的學習方法之類的。那如果在瑪利歐的話,它可能就是如果一直拼命跳,然後它得到很低分的話,它下次再玩的時候,它可能就減少它跳的動作這樣子。

黃:是。所以它會自我修正,然後去嘗試一個得到分數比較高分的,然後它就知道這樣是對的。

黃:AI不用吃飯、不用睡覺,所以它可以不斷地嘗試,對不對?

蔡:所以在這種強化式學習裡面只要訂好一個給分的函數,然後你要給它一個環境。

黃:是。

蔡:然後它在裡面一直玩、一直玩,它慢慢就會越來越厲害,所以就是說像之前那個AlphaGo(人工智慧圍棋軟體)。

黃:是。就是跟人類的棋王下圍棋,它可以贏了人類的棋王。

蔡:對,對,對。它的原理就是說它做了兩隻AlphaGo,然後互相下棋。

黃:互相對弈。

蔡:然後贏的話就得一分,輸的話就是零分,這就是所謂的分數,所以那個李世乭(韓國圍棋九段棋士)那時候輸AlphaGo的時候,他的感嘆就是說:「我在睡覺的時候,AlphaGo已經下了三千盤,所以它又變厲害了,我沒有變厲害。」

黃:是。因為它自己跟自己下棋,然後就知道說我這樣下會輸、那樣下會贏。

蔡:對。

黃:然後它就不斷用贏的方式來……而且人輸了會沮喪好幾天,AI不會,對不對?

蔡:對,是的。

黃:它馬上就自我修正。我們從AI身上也可以學習到一點這個挫折的忍耐度,然後趕快調整自己的心態,馬上再重新出發。

蔡:對,是的。

黃:所以這個AI現在已經有這種需要人來標註的監督式學習,還有它自動會分類的非監督式學習,以及你只要給它一個分數這樣子模型的設計,它會自動修正的強化式學習。

蔡:是的。

黃:AI真的是越來越厲害了。所以現在AI發展的趨勢大概是有哪些層面?

蔡:現在自然語言處理,大家發現說只要把這個模型,AI它的神經網路那個東西。

黃:是。

蔡:然後我只要把這神經網路,我把它層數把它疊得非常多,然後我這個資料我就用全人類所有的資料去訓練它,它的這個舉一反三能力就會非常非常的強,只要超過一個門檻值,它就會突破奇異點,它就變非常聰明,就好像是靈長類從這個猴子進化到黑猩猩,然後再進化到人那種感覺,就是我們是Homo sapiens(智人)。

黃:是。

蔡:然後我們是智人,那智人跟黑猩猩其實外觀看起來是沒有差多少,但是我們贏就贏在這個腦神經的數量。所以就是……

黃:所以我們只要讓AI的腦神經數量不斷的增加。

蔡:對。

黃:因為現在AI的設計其實也是模仿人的腦神經元,對不對?所以我們只要模仿的腦神經元不斷地增加,AI就是真的可以比人更聰明?

蔡:有可能,因為現在有流行這個ChatGPT,它可能已經有10幾歲的智力,然後還有人叫它去考各科考試,其實法律好像也可以考了。

黃:糟糕,我是法律系畢業的,其實我自己也覺得很多法律工作真的很有可能被AI取代,當它去讀了大量的判決和判例、研究了大量的法條。我們現在還可以說,因為我們有獨立思考、判斷的能力。不曉得AI未來的發展會不會很快也具備這樣的能力?

蔡:它在法律上有些應用,它已經可以幫這個律師先寫好一個……

黃:參考的。

蔡:對。然後律師只要花一點點時間去修正那些初稿就好了。所以基本上這個語言模型的應用是很多,尤其當一個語言模型,它已經不只是死背,它寫出來的句子比人還順的時候,因為它閱讀太多的文本,世界上沒有一個人讀的比它多。

黃:是。我們剛剛在錄音前我們還在說,現在國內很多記者甚至已經嘗試用ChatGPT來寫稿了,你把一些資料給它,然後它就可以寫出一篇很不錯的稿子來了,我今天採訪您,我也試著用ChatGPT擬了一份那個採訪大綱,我發現「哇!它寫得很順」,比我以前在電視臺當主管的時候,我改我們同仁的稿子,很多看起來中文能力比不少記者都好像好了。

蔡:ChatGPT它可以改錯您知道嗎?您可以丟一篇同仁完成的新聞。然後請ChatGPT說哪邊有錯字,它是可以給你挑出來,對。

黃:所以它也可以取代掉很多編輯的工作。

蔡:對,對,對。然後ChatGPT最神奇就是說它是一個自然語言處理的模型,然後它是用生成式AI做的。就是說我們剛剛介紹的這個監督式、非監督式、強化式,這都是屬於這種預測式AI,預測式AI就是說,我現在有個問題,我希望你幫我預測結果,可是生成式它不一樣,它是生成內容,所以它生成的是語言、它生成的是圖畫、它生成的是音樂。

黃:直接生成。

蔡:生成東西出來,所以生成的效果會比預測它的應用面更廣,它更可以侵入到我們的工作流程裡面去。

黃:所以現在很多人會擔心自己被AI取代。

蔡:是,是,是。尤其是這些坐辦公室的是最危險的。就是說當你的能力……等一下我們也會談,就是說當你的能力如果沒有超過AI的時候,這個位子就可有可無了,因為如果有一個比你更厲害的人,它就可以用那個AI取代你。那它的戰力增加變成十倍它的income(收入)變成十倍,但是其他被AI取代掉的人,他們就變成失業。

黃:對。這確實是一個在人才上面,非常值得大家討論的議題,其實恐懼也沒用,應該是說我們要怎麼樣好好地善用AI。

蔡:加強自己的能力。

黃:那個我們稍後來談這個我們怎麼培養自己的能力?我們先來談談AI的應用上面有哪些?您剛剛也提到了提高生產力。

蔡:其實剛才在那個方法面上面,我還可以補充一下,就是現在的AI呢,它們所基於的算法都是深度學習。

黃:是。

蔡:那深度學習的話,就是它看各種資訊,只要你可以轉成這個所謂的彰量,它其實除了後面處理的方式都是deep learning(深度學習)的network(網路)。那所以現在AI可以做到同時有這個視覺,然後聽覺跟文字理解能力串接在一起,那所以它就可以變成假設我們要做個機器人在路上走,然後它可以陪伴這個老人家,可以觀察老人家臉色,然後看看老人家是不是注意力不集中,然後它可以這個陪老人家唱歌,然後老人家唱不下去,它可以跟著唱,那這個在我書裡面有提到一個「那丁機器人」,然後它就可以做到這件事情。

黃:哇!現在的技術都已經可以做到。

蔡:這個叫做多模態學習,因為一種資訊叫做一種模態,那以前都是文字歸文字,然後聲音歸聲音,然後圖像歸圖像,那這樣分開來做,其實是因為技術不及,那現在技術已經可以做到多種資訊把它融合起來。它就越來越像人,甚至它以後可能會變成超人,因為它的這個處理能力可能會隨著硬體、晶片的進步,它會一直一直往前走。

黃:一邊聽覺得科技的未來真的很多想像的空間,但是另外一方面也真的開始緊張起來,那人還剩下什麼?這個我們待會再來談,我們先繼續來聽聽您談AI到底現在有多厲害。

蔡:那另外一個我覺得要去注意的就是機器學習,因為它是基於訓練資料訓練出來,所以它可能會有些偏見,比如說現在大家在玩這個很夯的叫做OpenAI(人工智慧研究實驗室)的DALL‧E-2(通過文本描述中生成圖像的人工智慧程序),它是AI算圖,就是說你給一段咒語,它就幫你畫出一個圖這樣子。

黃:就是你給它一些文字,它就會變成圖畫。

蔡:各位聽眾可以去試試看,就是說如果你輸入……我想要畫一個女選手用力回擊球,那這時候它會畫出什麼東西?我試的結果就是它會提供四個影像,那我看到它畫出來四個影像裡面,有兩個是網球,然後一個是排球,另外一個是壘球。

黃:是。

蔡:那大家知道說這個臺灣最流行的運動,女生運動。

黃:是什麼?

蔡:球類應該是小戴,就是戴資穎,大家很喜歡打羽毛球,可是我在這個DALL‧E-2裡面問,我怎麼試都試不出打羽毛球的動作,這是……

黃:因為AI學習的對象都是國外的……

蔡:國外的、美國為主的一些影像。

蔡:對。所以就是說生成式AI它也會導致一個問題就是,你如果要產生有本土特色的內容,那你去使用國外的模型,你可能就畫不出你想要的結果。

黃:是。而且我們會不知不覺被它帶往這個以某些偏見走了。

蔡:對,對,對。

黃:好像女生打球就會限於網球和排球這一類的運動。

蔡:對,對,對。

黃:西方人流行的運動。

蔡:對,對,對。

黃:您提到這個偏見確實是一個AI時代非常值得注意的問題,在國外就有發生用AI來做初步的履歷表篩選,結果發現黑人、女性這些都會被排斥掉,那可能就永遠沒辦法進到面試那一關。

蔡:對,對,對。在那個資訊業的這個女性是被排在最lowest priority(最低優先級)。

黃:對。如果用AI來做初步篩選,它……因為AI還是要跟人的行為來學習,對不對?那它學習的對象,如果都是有一些些偏見,AI反而會擴大那些偏見。

蔡:是。它是會……就是加強現在的效應。因為而且它快嘛,所以你會大部分時間你不會選擇再去check(確認)一下,因為你假設你每天收到一百個履歷,這在熱門職位是很可能。

黃:對。

蔡:那你根本就沒有時間細看,那可能就會選名校,然後這個男性、然後什麼的……結果就越來越偏向這,因為你這些資料還會再丟回去重新訓練你的模型,所以你模型就接受到越來越多最初認定,所以它有點像是富者越富、貧者越貧的感覺。

黃:是。那這怎麼辦?在意識到偏見的問題,是不是在AI這個設定的過程,就必須要給它一些參數來調整?

蔡:這個其實在決定訓練資料的時候,就要去做這件事情,我們前面講那個分堆嘛,你其實可以去check你進來的資料的diversity(多樣性)。

黃:是不是夠多元,餵AI資料訓練的時候就要先意識到說可能有偏見,所以給它資料的時候,就要先注意一下多元性。

蔡:對,對,對。

黃:是。您這是非常好的提醒,大家也要特別特別留意當我們在使用AI軟體的時候,會不會陷入這樣的偏見裡面。

黃:剛剛您提到AI現在的一些訓練的方法,大型語言模型、自然語言處理,生成式AI非常紅,強化式學習、多樣態學習還有偏見的問題。那現在在AI的這樣發展下來,有哪些應用的層面?它已經被用在哪些方面?

蔡:應用的話就是第一個它會增強勞動力,我們在各種產業領域裡面,它都一直有這個新的AI工具跟服務來推出。前陣子是走數位轉型,那數位轉型就是在這個各種場域裡面把這種工作過程中的數據把它累積起來,那累積夠多以後,我們就可以用這個去訓練AI,所以現在有很多這個服務公司,專門就是在幫這些公司來做這個模型訓練,那訓練完以後可以做什麼事情?比如說在電商方面,我們知道去identify(辨認)哪些客戶是要投放廣告的,這是很困難的一件事情,在過往成本會很高,可是當你累積很多資料以後,你就知道說哪些人大概有50%會買這個東西,然後我就直接丟給它就好,那就可以節省很多廣告費用。那再來就是說這個工廠裡面,那我們在生產的時候,其實我們很怕做到一半,然後機器突然故障,對於一些高科技產業來講,這些半成品其實全部都要廢棄,一廢棄可能就是好幾千萬的損失。那這時候我們可以布一些這個監測器、一些感測器在現場,用一些人感知不到的一些訊號,比如說很高頻的聲音或什麼,我們就知道說它這個機器可能需要提前保養或維修。那這樣的話我們提前做這件事情、提前停機,就不會有這些半成品損失。那再來就是生產內容,就是在坐辦公室,就是黃老師是在這個媒體業,這個內容製造業。

黃:是。

蔡:那內容製造業就更好用,因為現在有生成式AI,包含我們提到ChatGPT、AI算圖,以前你要找一個合適的圖,你得到構圖網站去找有沒有這個版權開放的這些照片、配圖或什麼。

黃:或者是自己的動畫師,要畫很久。

蔡:對,對,對。那現在你直接就叫AI算圖,就是一秒鐘就結束這樣子。對。所以這個都可以增加勞動力很多這樣子。

黃:對。就是靠AI來輔佐人,可以讓很多的工作更有效率地完成。

蔡:而且它所需要的人就變少了,就是我剛剛講的,黃老師可能比我更清楚,就是說可能以前就是你高階需要一位,然後中階可能十位,然後這個初階可能要五十位。那現在每一個level(階層)都會變少,因為我現在每一個level都可以訓練它相對應的AI,那所以以前的這個整個職場架構是一個比較寬一點的金字塔,然後現在這個金字塔會變瘦。

黃:反而有一些最實際的工作,比如說您剛剛提到媒體產業,像以電視臺來說,因為AI現在還沒辦法長腳,所以到新聞現場,然後去拍攝採訪,這件事情目前AI還沒辦法取代對不對?但回來之後包括剪接、寫稿,其實AI都已經可以大力的輔助了。

蔡:對,對,對。所以這樣還可以減少……

黃:作業的時程,時間也就縮短了。

蔡:還有溝通的成本,因為人跟人要溝通。

黃:人跟人之間有情緒,AI你給它的指它就使命必達。

蔡:使命必達,你幾點叫它做它都不會累。

黃:聽起來老闆會很愛的AI。

蔡:是,是,是。所以老闆一定會從節省成本的角度去想。

黃:所以同樣的就是……那人呢?當我們有情緒想要對老闆不高興的時候要想一想,會不會AI做得比你更好?那我有什麼更好的能力?可以讓老闆覺得雖然我有情緒,但還願意跟我相處。那個我們稍後再談,我們繼續來談AI在應用上面,怎麼樣幫助人的這個生產力更提高?比如說在網路安全上面。

蔡:是,是,是。

黃:是不是怎麼來運用AI。

蔡:這網路安全其實是跟假訊息有點類似。以前攻擊的話都是純人工攻擊,反正我是一個駭客,我看你網站有弱點,然後我就寫程式一直對你發一些封包(數據包),然後讓你癱瘓掉,然後或是我偽裝成你的帳號登錄,但它現在攻擊方也可以用生成式AI,所以它也可以去生成不同攻擊模式。那這時候呢,你如果防禦方還是那種傳統的規則式,然後去刪除某一個來源或是某一種pattern(程式)來的攻擊,因為對方已經是會千變萬化,然後你還是用這種規則式,在那邊等某一種pattern。那你可能就會無法防止,所以你在防守方面也是要變成是能夠用AI來驅動的防守,當對方怎麼變,你根據數據,你就要馬上去調整你的這個防守策略。

黃:就是在資訊安全上。

蔡:對。

黃:已經有出現這樣的狀況。

蔡:對。所以我們那個教育部最近有開一些AI跟資安的特殊選才,就是希望這兩個可以結合,那就是以前做資安的人都做系統的,那現在能不能把這些AI的人也帶入,然後合作起來,然後變成一個可以防守的AI。

黃:對,就是這個網路駭客,當AI變成網路駭客的時候很可怕,對不對?它會自己嘗試各種方法來突破你築起防火牆。

蔡:對,就像Deepfake(深偽技術)也是一樣,就是那個……

黃:那是在內容上。

蔡:Deepfake(深偽技術)的話,如果你是用規則式的去偵測它這個影片有沒有變造的話,那你可能這個規則……

黃:很快就被AI突破了。

蔡:一個月就不能用了。

黃:是。

蔡:所以你在這個政策的深偽的方面,你也要一直能夠跟上這個駭客的腳步這樣子。

黃:對。就是我們用人工去跟這個已經來不及。

蔡:都來不及,都要用數據驅動。

黃:就是AI對AI的戰爭。是。其實我們在做事實查核的時候也是,因為會看到越來越多的假訊息,它生成假影片、假的音檔、假的影像檔,然後自動地在網路上傳散,所以這變成Deepfake用人眼已經越來越難辨識了,所以就必須要用AI科技來辨識說哪些是AI變造過的,可是就像蔡老師剛剛提到的,AI一旦知道它被破解了,它又會去改變它的型態,你用人眼你永遠追不上它的速度,所以你必須要用AI來對AI,這是一個Superpower(超級大國)對Superpower的對決。

蔡:軍備競賽,正方跟反方。

黃:突然想到電影復仇者聯盟,好人跟壞人陣營的能力都不斷不斷地要越來越強,然後不斷不斷地有更厲害的Superhero(超級英雄)出現。

蔡:對,對,對。

黃:這其實聽起來是有點可怕,所以這個科技倫理也是一個非常需要重視的議題,對不對?

蔡:對。

黃:在AI發展的時候,就必須給它設定一些規範。

蔡:是的。這個我覺得法律是非常重要。用AI去盈利之前,還是有一些道德操守的防線是必須要守住。

黃:對。因為人可能還有良心、良知、信仰、理念。可是AI是一個科技,它沒有。如果讓它自己不斷不斷地發展,也不曉得會不會超過人類控制的範圍。

蔡:這個應該是不會,因為AI其實它目前還是一個工具,它是一個被動性,現在比較怕是被有惡意的人或是群體,然後來控制這樣的東西,一般這個良善的人或是團體,我們會自己有一個界線,我們會知道說不能超過這個界線。

黃:對。

蔡:但是他們是沒有下限的,他們什麼事情都可以做得出來。

黃:就是我們其實看那個科幻電影裡面,就是會有一些科學家,他突然利慾薰心。

蔡:或者反社會傾向。

黃:或者是一些政治人物,或是企業家。他可能突然就是有一些瘋狂的想法的時候,就會把科技導引到一些很可怕的方向。

蔡:對,對,對。

黃:所以科技倫理的問題真的是大家必須要趕快來加強。

蔡:對。

黃:怎麼設立一些發展的規範。那我們再回來講AI的應用。其實元宇宙,大家在講metaverse,裡面AI其實是非常不可或缺的角色,對不對?

 

蔡:對,因為以前大家進去的元宇宙,基本上裡面的那些角色有分二種,一種是人,人就是有玩家在現實世界裡面做一些事情,然後對應到的那個角色,它就會做一些事情,那裡面以前有些Non-person Character,就是NPC,NPC就是由電腦控制的角色,那這些電腦控制的角色都是很死板,藉由規則來驅動它做什麼事,那以後AI如果進去的話,這些角色不管它的樣貌生成,或是它講話內容,這些全部都是由AI驅動,它的行為……

 

黃:它就更可以跟你互動。

蔡:你就會覺得它更像人,如果以現在ChatGPT給大家的驚艷程度,以後你就會覺得更像人,那我覺得就會造成另外一個社會問題,說不定有人就覺得我在元宇宙就不要出來了。

 

黃:因為元宇宙其實已經可以得到你真實世界裡面的人際互動,甚至更好。

蔡:因為我前天還看到網友有po就是用AI生成的虛擬婚紗照,他說這樣就不用結婚了,那會不會有人就在這個元宇宙裡面辦虛擬……跟這個NPC辦虛擬婚禮,然後就交代了這樣。

黃:是。而且他可以跟他的虛擬的新娘、新郎,他的虛擬的太太、虛擬的先生可以好好相處了,對不對?然後他想要離婚的時候,直接……

蔡:直接換個帳號就好了。

黃:換一個帳號,或者換一個角色再挑另外一個就好,還沒有各種分手費、恐怖情人的問題。

蔡:而且他可能想要哪一種的都可以,他只要付得起錢。

黃:各種夢幻的。

蔡:他就可以任君挑選這樣子。

黃:是,是,是。對。這真的聽起來很有趣,也蠻恐怖的。

蔡:蠻恐怖的。對。所以法律可能要先走在前面。

黃:對。不能等到出了問題再來,可能已經來不及了。當一些AI怪獸出現的時候。

蔡:對,對,對。

黃:所以這個元宇宙也是一個AI進去以後,可以讓那個元宇宙更多的互動、更真實、更豐富,在真實之外,還可以滿足真實世界滿足不了的想像力跟需求這樣子的發展。是。所以元宇宙是一個這樣的數位環境的AI,另外,其實AI像您剛剛提到AI在創意內容上,它已經可以有音樂、作詞、作曲,然後畫畫,所以以前我們說人的創造力是很重要的「人之所以為人」的價值。人工智慧沒有創造力嗎?

蔡:目前其實它會參照它看過的這些以前有的東西,然後它會複製出類似風格的東西,比如說我常常去跟它玩,像前一陣子我是跟它玩〈鹿港小鎮〉,我就請它把〈鹿港小鎮〉改成天龍城市,那這個天龍城市的內容……

黃:這是一首歌,羅大佑的〈鹿港小鎮〉。

蔡:對,對,對。〈鹿港小鎮〉,那〈鹿港小鎮〉是描述這個大概1980年代的北漂族的心聲。

黃:是。

蔡:那現在的北漂族另外一種心聲,所以我就把現在北漂族的心聲跟這個ChatGPT AI好好的聊一聊,聊完以後我就丟給它〈鹿港小鎮〉的歌詞,然後請它把這個詞做一個調換。

黃:就是仿照羅大佑創作的〈鹿港小鎮〉的風格來寫一首現代版的天龍城市。

蔡:結果它就寫得還蠻有模有樣,就基本上那個感覺是有的。

黃:風格是類似的。

黃:所以在這個內容的創作上,AI其實可以……您說根據它學習到的資料,可以衍生出類似的風格。

蔡:對,對,對。但你要叫它創造出一種新的風格,比如莎士比亞那時候有《十四行詩》,你要叫它去創造另外一種新的風格,它是不行的。

黃:但是它可以模仿人類已經創造出的風格,模仿得非常好。

黃:還有呢?AI是在自駕車上面,對於我們在講Smart City,就智慧城市的應用上有哪些?比如說自駕車就是一個,它可以讓開車變得安全,對不對?交通事故的死亡率降得更低。

蔡:對。基本上如果有自駕車的話,那很多人就可以不用開車,也不用買車,反正你只要用App叫,那車子就來。所以有人就說如果有自家的話,大概車子的數量就可以降到可能一半或不到。

黃:因為它可以更充分地運用,尤其有AI的計算,只要哪裡缺車、哪裡需要、哪些人……我們也不用停停車場,因為就讓下一個人用就好了。

蔡:對啊。

黃:共享經濟可以發揮到極致。

蔡:對。但是自駕車要能夠work(執行),有一個很重要的前提就是,越多自駕車越好,如果可以達到80%的話,這是一個專家說的、我的一個朋友說,那就可以達到非常安全,然後這個路上的車種,可能要相對要單純一點,大家都守規則的話,自駕車跟自駕車這邊有個協定,所以它不會去發生一些交通事故,除非它的感測器失靈。

黃:是。就是說如果自駕車跟人開著車,反而人有時候會去破壞它的規則。

蔡:人是沒有規則的。

黃:人是可以自己……不曉得喝醉酒啊,或者是心情不好,可能開車就會沒有辦法預測,對不對?可是如果您說是AI可以預測的自駕車,它達到一定數量八成以上。

蔡:對。

黃:然後它可能的道路安全性會是更高的。

蔡:對。所以現在目前是有一些研發單位的自駕車,它們號稱已經達到最高或是次高等級,就是level 4或是level 5 ,但是現在市售最高就是賓士,它是到level 3,那它的作法就是把所有的感測器都duplicate(複製)一份,增加它的妥善度這樣子。

黃:是怎麼做?那個原理是?

蔡:就是一套sensor(感測器),我們一般市售的其它廠牌自駕車,包含Tesla(特斯拉汽車) 都是level 2,有時候你在一些比較彎曲的地形,或是起伏的地形裡面,你會發現說有時候好像它的自動更正或是對齊車道會有點失效,可是賓士基本上它所有東西都裝兩套,保證這兩套裡面一定會有一套work。

黃:就有一套備用的,萬一有一套壞掉,它馬上另一套會啟動。

蔡:或是有一些失誤,因為設備總是會失誤。

黃:對。我們擔心的也是這樣,萬一就電腦當機的時候怎麼辦。

蔡:它是有測過就是兩套合起來幾乎百分之百。

黃:就是有一套秀逗(失靈)了,另一套可以馬上起來。

蔡:所以當然這個成本很高,所以目前這個可能還沒有辦法普及到所有的車子上面。

黃:所以這也是一個AI可以提升人類生活幸福,真的往進步的方向走的一個很好的應用。

蔡:對。因為level 3我們就知道說跟level 2很大差別是level 3如果出事的話是要車廠負責,不是駕駛負責,這個黃老師是法律專家,應該就比我要懂。

黃:我不是汽車專家,對汽車並沒有研究,汽車對我來說只是代步工具,我只要求安全。

蔡:以後就可以這樣子。

黃:對。如果AI真的可以讓我們的行車交通更安全,我覺得真的是人類的一大福音。

蔡:是。

黃:所以在這方面我們也期待它有更好的發展,那AI還有哪些應用您覺得特別有趣?

蔡:我覺得就是AI民主化,就是像Low-Code(低程式碼)或No-Code(無程式碼) AI,它把AI弄成像是一些原件,所以基本上你只要懂得計算思維,比如說軟體它在運行的時候,有資料然後有模組,然後你就把這些模組兜成你要的東西,你只要知道那個邏輯。

黃:我不需要會寫code、不需要會寫程式,我就會用。

蔡:對。你知道它運行的邏輯,然後你就把它一個一個拼出來,像拼積木一樣,然後你就可以弄出一個應用程式,那這個在AI落地應用非常重要,因為我們要做金融業專用的這種聊天用excel。那這個know-how(知識)只有在金融業才知道,你叫一個資工的工程師去做,它做出來的體驗一定非常差。

黃:對。因為它不知道這個特殊領域的專業需求。

蔡:對,對,對。像資工就覺得「反正你問我,我再講」,可是這樣子不行。

黃:是。所以您說No-Code,大家不需要會寫程式或Low-Code只需要很基礎的程式書寫的能力,就可以使用的一些AI的工具。

蔡:是。

黃:您認為AI可以民主化,那個意思就是讓大家都可以運用AI。

蔡:越來越多人可以用。對。

黃:所以現在的發展是朝向這樣的發展嗎?

蔡:現在有一支是這樣子發展。

黃:是。以前運用AI非常貴,因為你要養很大量的AI工程師。

蔡:AI工程師的薪資都蠻高的。

黃:對。對工程師來說,它也滿二難的,會不會?尤其像蔡老師在大學教資訊工程,我自己想像啦,因為它等於在發明一些工具來消滅自己,會不會有一點像這樣子?

蔡:目前是還不會。因為我自己在經營這個教育部的大專校院AI競賽,目前在臺灣來講,就是AI工程師的需求,還是這個供不應求,而且供嚴重不應求。

黃:沒錯,沒錯。全球應該也都是這樣吧?那尤其是臺灣的AI起步比較晚。

蔡:對。所以基本上還沒有到這個程度。

黃:對。我覺得這樣也很敬佩,就是現在做AI研發人才,願意去設計很多的工具,讓大家都可以來很方便地使用AI。

蔡:但是在我們工程師想法裡面,我們是對自己有蠻高的自信,當你已經愛上AI以後,我們就發明更厲害的AI來綁住,所以你就離不開AI了。

黃:是。這個工程師並不怕被自己設計出來的AI工具消滅

蔡:他只是把原來難的東西把它變得越來越簡單,可是他會發明新的難的東西。

黃:更難的、更好用的,讓你就只好用下去這樣子。

蔡:對,對,對。

黃:我們也很期待只要是往對人類好的方向、更幸福的方向前進,像自駕車您提到其實就是一個。

蔡:對,對,對。

黃:那我們最近還有看到一些仿造貝多芬打造的AI,那是一個什麼樣的方式?

蔡:這個其實緣起就是因為貝多芬他過世的時候有留下一些藏稿,這個藏稿它其實也沒有命名,那因為他之前作九條交響曲,所以我們就把這剩下的、可能猜測是他為了第十條去寫的。那過去也有功能智慧,就是有音樂家他根據這些藏稿功能,去腦補把沒有完成的部分把它拚完,可是他沒有完成,他只有完成第一樂章。

黃:是。

蔡:那我們知道說一個交響曲有四個樂章。

黃:是。

蔡:所以在2019年就有個團隊,它是在奧地利的薩爾斯堡,薩爾斯堡也是貝多芬曾經生活過的地方,那……

黃:音樂之都。

蔡:對。他跟莫札特就在那邊相遇的。所以在這個地方有叫卡拉揚研究所,他們就想說在貝多芬二百五十週年誕辰,然後來做這個來紀念他。為什麼在2019年?也就是因為科技到位了。之前的這個深度學習模型、生成式模型都蠻弱的,弱到就是他曾生一段短短的音樂,然後就沒什麼用這樣。可是有了這個2017年開始這個transformer模型(採用自注意力機制的深度學習模型),真的非常厲害,所以它就可以讓科技可以達到,就是我今天即使要做一段很長音樂,那我們知道說音樂可能每個不同小節,也許第一個小節跟第四個小節的某個音是有關係的。那這種關係在舊的模型是不能表示,在新的模型是可以掌握的。所以當然也是隨著AI模型的複雜度,它的泛化能力增強,所以它就可以做這樣複雜的事情。所以它就是可以模仿貝多芬去把整條交響曲給做出來,那做出來的方法就是它是按照一些法則,比如說它是模仿貝多芬。

黃:是。

蔡:基本上我們在訓練這個AI的時候,我們是好像在訓練一個音樂家一樣,我們先訓練這個AI先去聽貝多芬當代的樂曲。

黃:所以還不是馬上給它貝多芬。是先讓它聽貝多芬當代所有的音樂創作。

蔡:這原因有兩個,一個是如果只聽貝多芬那九條,你就要會做交響曲,實在太難,因為訓練資料不夠,所以當時這個卡拉揚它們先讓它去訓練它做一般的樂曲,而且是當代的。

黃:是。就跟貝多芬同時代的。

蔡:對。你拿現代的去訓練它,然後它可能作出很怪的東西。

黃:它作出來的就是現代的風格。對。所以是先拿貝多芬當時那個年代的所有的樂曲。

蔡:對。1770年開始的50年。

黃:都是交響樂嗎?還是就所有的那段時間?

蔡:就不管,就全部古典樂。然後接下來再用這個貝多芬的九條去加強訓練它,就是變成是貝多芬交響曲的風格。所以它們是用這種方式……

黃:那其實跟人類學習音樂也滿像的,對不對?

蔡:對,對,對。

黃:先大量地聽到當代所有的音樂,然後再強化貝多芬的……

蔡:再形成自己的風格。

黃:是。當時是用這樣的方式就可以完成貝多芬沒有完成的樂曲。

蔡:對。

蔡:對。但是在人類在這中間還是要去介入,因為這個機器是很會產生偏誤的。

黃:是。

蔡:如果大家有玩雅婷(AI 音樂家)的音樂生成,大家就知道說雅婷它也可以幫你generate(生成)一些音樂,可是你要叫它完整generate一首歌,然後馬上可以拿去賣,我覺得這可能性很低,可能你會覺得說有些段落要調整什麼的,那其實在貝多芬第十號這個案子裡面,他們也是就是叫AI去產生一段,針對每個小節或是每個樂句然後去產生一些音樂,然後貝多芬音樂專家去幫每一個地方去挑選最好聽的音樂。

黃:是。

蔡:那最後把它整個連接起來,所以這個整體的風格還是人去決定。

黃:是。照您剛剛說在貝多芬的這個案例裡面,它是創作了很多作品出來,然後人來幫它挑選。

蔡:它是在每一個……比如說它四個小節、四個小節,它都有產生很多很多的音樂,所以你每四個小節都有五十個可以選。

黃:對。然後人來幫它選說最適合的。

蔡:然後人就一段一段選,這段選完以後,然後接下來它再生五十個,然後你再選四個裡面哪一個最好,然後這樣子挑下去。

黃:是。人跟AI機器的協作,這其實也是一個期待最完美的方式。

蔡:它是神隊友,它不是要來取代你。

黃:對。是。它讓音樂家可以變得更厲害,然後創作更快速,但它沒有辦法取代音樂家真正的專業。

蔡:沒有辦法。

黃:這個模式聽起來非常的可行,非常的適合接下來的這個音樂發展的方向,對不對?

蔡:接下來就可能會發生作曲就平民化,就是說也許只有黃老師您想要作曲,或是我想要作曲,我想要作一首歌給朋友。

黃:對。

蔡:那我就可以作一首特別的生日快樂歌。

黃:對。即使我本來沒有辦法作詞、作曲的能力的人,我可以藉由AI可以創作出一首聽起來還不錯的音樂。

蔡:可能還是沒辦法跟這個周杰倫比,但是可能有周杰倫的六、七成,這樣我們就滿意了。

黃:是。就可以量身打造。

黃:分享AI在音樂創作上,我們曾經幫貝多芬完成了他沒有完成的樂章。那另外AI在文史研究上面其實也有一些貢獻,對不對?是什麼樣的應用方式?

蔡:過去在做文史研究,其實是一個很勞心勞力的事情,你就要嘛是自己要有非常異於常人的能力,那你要自己能夠國觀群書,然後而且能夠summarize(總結)。

黃:是。

蔡:而且能夠總結出一些規律。

黃:對。

蔡:要不然就是你有一群龐大的助理群,然後願意幫你去讀那些原始的材料,那但是現在這個工作可以由AI來幫忙,那AI就可以幫你讀這些原始的材料,然後幫你整理出來像這個表格的東西,那大家就可以從這個表格去解讀,所以這個歷史學家或是文學專家它的這個角色變成是去解讀AI消化以後的結果。

黃:就是AI你給它一個主題,它可以從大量的文本裡面幫你去摘要相關的論述,然後讓人來做參考,是這樣嗎?

蔡:對。這是從我自己的經驗來,因為我這幾年在這個Digital Humanities(數位人文)這個領域,我有一些成果這樣子。因為我本身是一個資訊學家,我沒有這個來自文學或是史學界的這個學生資源,所以我就是把這個AI當作我的研究助理,那比如說我把這個明朝歷史總共1600萬字、20萬個段落,那我請這個AI幫我分析每個段落,它是不是屬於軍事事件,然後我把每個段落位置全部都定義出來,然後我去分析這個軍事事件的這個發展。

黃:是。

蔡:然後我有一系列這個成果這樣子。

黃:是。所以您非常地善用AI,真的是對人類知識的研究者是一大福音,對不對?因為人的時間有限,就算一天二十四小時扣除吃飯、睡覺,每天、每分鐘都在讀書,你也不可能贏過AI。

蔡:以前不太可能做這麼大尺度的,以前就是可能你要做明朝的話,就是做一個皇帝,然後或是一個地方。

黃:是。

蔡:明代江南什麼研究,但是我是做不分領域,明朝276年全部一起研究,這個只有靠AI才行。

黃:所以它就可以幫您先收集資料,然後您來消化、分析、解讀。

蔡:對,對,對。

黃:是。那其實同樣在文案上面,AI也是有非常強大的功能,對不對?

蔡:那像這個AI它最近有一個很厲害的模型叫做ChatGPT,它是一個OpenAI發展的一種文字接龍器,我必須要澄清一下,你不要因為它叫「Chat」GPT,你就覺得它是聊天機器人,那可能就太低估它,它其實是一個很有潛力的年輕人、年輕助理,它剛開始懂得東西有限,可能就像一個剛畢業的大學生,當然如果你好好教它的話,它是可以幫你做很多事情。

黃:現在大家都說ChatGPT是聊天機器人,您覺得我們不應該這樣定義它,對不對?

蔡:這是誤解,因為它有一個Short-term memory(短期記憶),有一個Long-term memory(長期記憶),Long-term memory是OpenAI原先訓練它的,那Short-term memory是我們可以訓練它的,就是你在跟它對話的時候,你是可以去教它。那比如說我今天如果是自己要當一個電商,貨品要上架,那上架其實最麻煩的就是你要寫文案。

黃:是。

蔡:那這時候我做過實驗,我就直接把UNIQLO(日本運動服裝設計和零售公司)的這個某一個標準的商品介紹,那個商品只要是很死板、看起來根本沒有吸引力,那我就把那個商品的這個back(背面),我把它丟進ChatGPT,然後我就要根據這個溫暖的冬季風格,去寫一個對30歲的年輕女性行銷的文案,它就把呼哩呼嚕把它寫出來,而且寫得非常好。

黃:寫的比原本的廣告商的臺詞更好。

蔡:對。然後就可以直接上架,你可能本來一天只上這個25個貨品,但是你現在可以上說不定500個貨品。

黃:所以在文案的撰寫上,這個ChatGPT生成式的AI非常的好用。

黃:那這個生成式AI您剛剛已經提到這麼多的應用的方式,已經正在改變我們的生活了。對不對?那在教育上我們可以怎麼因應?顯然是需要一些革新的。

蔡:對。第一個我覺得很重要就是可能以前有人覺得說反正我只要會……有個專業,然後把這專業做好了,其他我跟人的溝通就不重要。

黃:是。

蔡:尤其是工程師界,有非常嚴重的這個問題,那可是現在如果你可以駕馭AI,你可以跟AI好好溝通,那其實它會讓你的產能可能乘以十或乘以百。

黃:是。所以我們不要以為有了AI之後,更會陷入在跟自己一個人的世界裡,不需要溝通,其實人跟機器也是需要好好溝通的。

蔡:而且機器……ChatGPT一出來以後,就是人跟機器溝通的障礙已經打破,它不是再是一定要下一堆什麼很難懂的指令,然後對文科生就是望之卻步的指令。

黃:就不需要會寫程式,只要用自然語言,就跟人說話的方式跟AI溝通就可以了。

蔡:對。而且它也不是像那個GUI(圖形化交互介面)時代,就是一大堆這個選項越加越多,然後到底藏在哪裡都不知道,然後哪邊要打勾都不知道,現在沒有這種事,就你直接跟ChatGPT講,它就幫你整個都弄好,所以只要你能夠講清楚,你能夠跟它在聊天過程中,把它Short-term memory教育到你要這樣子、你的形狀,他都可以幫你做事,所以我覺得就是學會溝通、學會撰寫精準的提示語言能力非常非常的重要。

黃:是。沒錯。就是要給AI清楚的指令,然後要很清楚我的需求到底是什麼、怎麼表達我的需求。

蔡:對,對。你不能說就幫我做一首詩,然後這樣子當然寫出來的品質就很差,或是你叫它幫我寫一個頒獎典禮的文案,那你什麼都沒跟它講,它一定會寫得亂七八糟,講出一些錯的事情,那是因為你跟它講得不夠多。

黃:對。

蔡:那我們知道說ChatGPT它是一個文字接龍模型,所以它只是判斷你給它提示,或是根據它的Short-term memory,還有Long-term memory它後面要接什麼東西,如果你看到別人用ChatGPT生出來的東西,或是你看到現在任何的information(資訊),都可能是ChatGPT生出來的。

黃:沒錯。

蔡:所以你就要學會怎麼樣判斷這些內容的真假跟品質,所以每個人都要有查核員的能力,所以黃老師應該要開一個work shop(工作坊)來教大家。

黃:有,事實查核中心其實不斷的有各種事實查核的課程,跟媒體素養教育的課程,確實您提到因為ChatGPT這樣的生成式AI太強大,大家也不斷地在嘗試運用它,所以這個真真假假的訊息,在網路流傳就越來越多了,對不對?因為ChatGPT……

蔡:對。真的混假的、假的混真的,舊的、真的可能會變成新的、假的。

黃:是。沒錯。舊的、真的經過ChatGPT,它可能用在不太正確的地方以後,它可能又變成了某一種假訊息,所以確實辨別真假的能力也非常的重要,媒體素養能力、資訊素養能力,這也是我們特別要邀請蔡老師來跟我們分享的原因,所以在教育上我們首先您提到了幾個點,我們一一來談,所以第一個,AI,我們要給它下精準的指令,它才能夠更符合我們的需求,對不對?這個要怎麼培養?

蔡:所以說不定以後我們學測作文是要考「你要怎麼跟AI講話」,如果你要做到某一件事情,我記得學生好像有一個是應用,有一個是文學的,那就不說了,應用的那個可能要考說,如果你今天要叫ChatGPT做什麼事,你應該怎麼去跟它講話。

黃:下一個指令,甚至在考試可能你直接用ChatGPT生成一段作文。

蔡:這個時代我不曉得什麼時候會到這樣子。對。

黃:因為有一些老師會在課堂上禁止學生使用ChatGPT,這是我覺得這個禁止是一個好的方法嗎?

蔡:我覺得禁止是完全不對的,因為我們現在這些學生進入到社會以後,他面對的是會AI的人。

黃:沒錯。

蔡:那如果你在學校養成階段,叫他完全不用AI的工作習慣。

黃:是。

蔡:那他出去怎麼跟那些會用AI的人競爭?

黃:對。沒錯。

蔡:所以我們常常就說:「人不是被AI取代,是被會用AI的人取代。」

黃:是。

蔡:那所以我們在學校裡面最好就讓他們很習慣養成用AI的習慣。

黃:如何使用AI來提升自己的能力,對不對?

蔡:善用AI的習慣。

黃:就是讓自己的工作、讓自己的作業、讓自己學習,怎麼樣藉由AI更有效率。

蔡:這就是一個好的一個磨合方式這樣。

黃:是。所以你會建議在課堂上老師可以怎麼引導學生?

蔡:比如說你今天可以拋出一個問題,然後叫學生去用ChatGPT,然後去找答案,然後可能找出來有對有錯,當場就可以教他們怎麼樣去判視或是查核這些ChatGPT生出來答案,看是哪些地方是需要修正,那大家就知道說這個東西是不能夠……

黃:完全相信。對。所以如何學會運用AI,是未來教育很重要的重點。

蔡:是。而且這個是在學校教育裡面就要養成。

黃:所以在教育方面呢,您還有哪些提醒?

蔡:就是我覺得邏輯能力,還有查證能力都是很重要。

黃:對。邏輯能力。

蔡:比如說像ChatGPT它生出來一小段一小段的,你要怎麼樣把它組織成一個有系統的東西?這個就是你的邏輯能力,不要就是說ChatGPT幫你把每一小段都生得很好,可是你自己把它全部接起來就是亂七八糟。

黃:所以邏輯能力,然後辨別真假的、獨立的思考能力。

蔡:而且你要邏輯能力好,你才能夠駕馭不同AI去幫你組成一件有意義的事情。

黃:是。因為有各種AI工具,有文字生成、有藝術生成、音樂還有圖像。

蔡:然後像剛剛講的那個No-code,每一個元件它分別不同的事情。

黃:是。

蔡:那你也要有邏輯能力把它兜起來。

黃:就是要善用各種AI工具也是需要邏輯能力的。

蔡:所以你現在變成有點像一個專案經理,有一堆這個小幫手在做事情,你要把它們組織起來。

黃:等於每個人其實就很輕易地可以有一堆助理來幫你做事情。

蔡:但是在這個同時,就是說你的專業能力要超過這些AI。

黃:你才不會被它騙、而且你才能夠駕馭它。

蔡:你才能夠當指揮官、你才能夠讓它們服氣啊,如果你因為有了AI,結果自己的能力弱到不行,它產生的東西你都覺得是對的,那這樣出來的東西就會很爛。

黃:是。所以您這也是很重要的提醒。因為有些年輕人可能會覺得說,那我現在就躺平算了,反正AI已經這麼強大,以後什麼都靠AI,但是你要怎麼駕馭它?你必須要有自己的專業。

黃:您剛剛有提到一個很重要的重點,人其實不是被AI取代,是被比你更會用AI的人取代,對不對?現在有哪些工作很有可能會被AI取代,所以大家要自己提升自己的能力?

蔡:其實我覺得每個行業,尤其是坐辦公室,跟這個physical(身體的)的動作比較沒有關係的,可能都蠻有危險。像是辦公室的這個行政人員,或者是像保險的sales(業務員)。

黃:客服。

蔡:或是客服人員,然後或是記者也會消滅掉一些可能比較初階的。

黃:就是比如說什麼體育新聞、股市新聞,可能很多是比較機械式的,有一個固定pattern,固定模式的寫作格式是可以被AI來大量的協助。

蔡:對。然後其實程式設計師也有可能,就是像那種你寫的程式,大概每個版本只是去改一下,沒有什麼創造成分在裡面的,這種以後你只要寫出來,那之後maintain(主張)就是AI來做了。

黃:是。當這麼多的工作都被AI可能取代的時候,那我們現在到底要怎麼駕馭它?您剛剛有提到一些能力是邏輯思考、判別真假、獨立思考的能力之外,那我們現在怎麼樣來培養自己的這些能力?

蔡:我覺得還是要去找一個有興趣的事情去鑽研,而且要鑽研的話,你要鑽研就到非常深入,所以現在就是專業能力是很重要,你不要變成讀什麼系,然後變成是一個半吊子。我建議各位如果是同學的話,你在選擇科系的時候,一定要非常非常的審慎,你千萬不要被什麼校名、什麼迷思所誤,就是說你如果很確定就是要念這個系,就大膽地去跟你的家人去……

黃:要選系、不選校。

蔡:去解釋、去說服,以後走這行是你要……

黃:就是要有專業。

蔡:你要專業,你的能力要超過AI,所以我建議就是說以前講T形人,就是專業就是有個打得很深,然後有個跨領域能力。

黃:對。

蔡:那現在這個跨領域能力是更重要,因為你可能是你自己專業很強,然後你其他的領域是跟AI合作,尤其是跨科技的這個能力要有,以前講T形人,那這個專業以前沒有一個衡量標準,現在有了,就是AI,你如果是文字方面呢,你就要超過ChatGPT,那你如果是這個畫圖方面,你就要超過Midjourney(文字生成圖像的人工智慧程式)。

黃:你就要把現在最普及的AI的這個相關的能力,你要比它超越,你才能夠稱得上是專業。

蔡:對。

黃:好,非常謝謝蔡老師今天跟我們的分享,謝謝。

蔡:謝謝。(校對:李建甫|更新:2023/04/17)