專家傳真－想領先還是怕落後？ 生成式AI時代之人腦開發

當企業在訓練AI的時候，也要一併訓練人腦，讓人腦升級到不同的版本，日後才能夠和AI匹配，發揮人腦加AI的融合綜效。圖／摘自Pixabay

由美國OpenAI掀起的ChatGPT聊天機器人熱潮，至今已滿一年，不管是震驚或嘲諷，全世界目光都離不了它。媒體報導總是聚焦人工智慧（AI），股市話題也離不開AI晶片大廠輝達（NVIDIA）和OpenAI的大股東微軟。大家搶買高階GPU，卻拿不到貨。學界的演講主題，也一直圍繞在如何應用大語言模型於學術研究上。

工商業動作更快，每家大企業都想利用ChatGPT來加速研發。然而當三星爆發使用ChatGPT產生商業機密外泄事件後，企業便開始把大師請到公司裡，幫大家解答公司領域內的問題。從客服、教育訓練、產品設計到程式開發，每個步驟ChatGPT都可以提供相當的助力。

雖然都是大語言模型，然而不同版本與成熟度的產品，實用性上卻是有着天壤之別。早期的免費3.5版本，跟它聊起天來，看着它胡言亂語，讓大家很開心，卻不敢應用到實務專業上。於是微軟很快推出4.0的專業版本，雖要付費，卻讓大家一用就上癮。因爲它真的能夠幫你解決問題，從此就再也離不開，就算要持續付錢也甘心。Google也推出Bard，強調資料出處言必有據，但也警告不一定正確，要謹慎使用。

■盡信AI，恐將影響判斷力

以前大家研究一個不懂的問題時，首先要Google，然後找出幾十個相關的出處。一一點入後，找出其中的重點，之後再發揮作文的功力，將它濃縮成一篇短文。如今你只要將問題丟給聊天機器人，它直接會將答案短文回給你，而且文字優雅。你還可以給它幾個輸出的範例，之後它的回答就會跟你給的範例格式差不多。同時你也可以將一大堆資料在問題中一併餵給聊天機器人，讓它在這範圍中尋找答案。這比起以前搜索引擎只能輸入幾十個關鍵字，真是好用太多了。然而現在的學問就又轉移到你要如何一步一步地引導機器人，才能做出你想要的完美答案。不同的問法，答案有天壤之別。所以這又造就了另一個新的專業職缺：提示工程師。

傳統產業分析師靠的是對產業的瞭解，如今機器人已經將全世界的資料與觀點彙整出來。以後老闆可能就不太需要有很多分析師幫他做事，除非你能有別人不曾提出的看法。現在學生最高興了，寫報告時不再需要將資料一篇一篇的看，打幾個字馬上就有答案，所以什麼也沒學到。老師開始傷腦筋，不知道這些捉刀出來的作業要如何給分數。

然而一旦人們長期依賴AI後，將停止學習，自己的知識與判斷力將快速下降。當需要快速決策時，將無法與平常依賴自己能力學習的人匹敵。就好比學英文，如果覺得有Google翻譯就好，事事都靠AI，那日後將不會說，不會寫，不會讀英文，自此無法用英文和別人直接溝通。

快速擁抱生成式AI的人，馬上發現他的生產力大幅領先同儕，這是立足點的改變。然而當每一個人都使用後，這種領先優勢就不再存在，顯現出來的反而將是沒用AI人的落後。企業如果只是推廣使用AI，最好的成就，就只是趕上和別人齊頭平等，不落後而已。必須想辦法讓員工持續運用自己的頭腦做事。AI只能當前端資料處理的工具，才能得到更高層次的研發成果與決策想法。雖然現在生成式AI還在背書的文字接龍階段，只能反應彙整所研讀到的內容成果，還沒有辦法做到真正的理解與思考。然而隨着科技不斷的發展，假以時日，AI將擁有與人一樣的理解與思考能力。

■訓練AI，更要鍛鍊人腦

企業從現在就要開始思考，到那個時候人類將要做什麼，才能夠發揮價值。所以當企業在訓練AI的時候，也要一併訓練人腦，讓人腦升級到不同的版本。日後才能夠和AI匹配，發揮人腦加AI的融合綜效。一開始，自然是要讓人們學會如何向AI問問題，得到你希望的答案。再下來，就必須拿微調訓練AI的語料來訓練自己，學會AI給你的答案，以當作日後判斷依據。之後更要綜合不同的答案，自己做出判斷，並解釋原因。讓自己在沒有AI的時候，也能獨立地做出相同的判斷。

進入了生成式AI時代後，人腦開發便成了未來主要問題。怕落後，就開始使用生成式AI。想領先，還是積極地訓練自己的大腦吧！