【洞見AI大未來論壇】吳恩達兩度直呼「超羨慕台灣」！唐鳳說了什麼？

由台杉投資主辦，數位時代、INSIDE、台灣人工智慧學校、SEMI 國際半導體協會共同合辦的「洞見 AI 大未來論壇」邀請到兩位今年一同入選《時代》雜誌「人工智慧領域百大影響力人物」的 AI 領袖－AI Fund合夥人、DeepLearning.AI 創辦人及 Landing AI 創辦人暨執行長吳恩達（Andrew Ng），以及數位發展部部長唐鳳，共談對於人工智慧發展的看法。

AI 研發需要大量資源? 唐鳳：筆電就可跑 LLM

一般認為，AI 研發需要大量的資源，無論是金錢、人才，或是算力資源。然而，唐鳳指出，關於需要龐大資源來訓練或 fine-tuning AI 的假設，在預訓練（pre-training）階段是正確的。但由於 Llama、Falcon 等開源模型的存在，在個人電腦對量化資料進行 fine-tuning 得以實現。

唐鳳透露，她在自己的蘋果筆電成功運行語言模型，「我在今年初得到這台 M2 架構、有 96G 記憶體的蘋果筆電，目前已經非常成功地做了很多有趣的事情，即使跑最大的語言模型和視覺模型也適合。畢竟沒有人願意把敏感資料放到雲端，對我來說，這只是電子郵件到雲端的過程，除非使用非常強大的技術，例如同態加密，目前比地端運算更昂貴。」

吳恩達對主持人說，「你知道這有多不尋常嗎？我住在美國，我愛美國，但我不知道美國有任何監管機關在他們的筆電有 fine-tuning 模型。如果美國政府在這裡發揮了領導力該有多好，我其實挺羨慕的。」

主持人回應，唐鳳是世界上唯一曾是駭客、但現在是政府官員的人。

唐鳳提到，在台灣有很多人希望政府展示負責任的 AI 使用方式，這與許多國家形成鮮明對比，台灣邀集 Open AI、Anthropic 參與對齊大會（Alignment Assemblies）專案將在幾週內發布。

台灣已有公部門使用生成式 AI 指引，以負責任、保護隱私的方式使用 AI。政府部門致力共用程式碼及開源，這意味著程式碼將跨部門使用，這都將作為產業指南發布。國科會也在幾個月前宣布正在進行有薪培訓。

唐鳳強調，這些都是政府須做的基礎建設設施工作，當提到程式碼共用時，它既指軟體程式碼，也指監管程式碼，這些監管程式碼也可以出口到其他國家。

對於如何把台灣的 AI 人才與全球 AI 發展連結起來？唐鳳指出，台灣就業金卡新增數位領域人才，這意味著任何在開源領域貢獻 8 年的人，不一定是代碼，也可以是文檔，將在台灣自動取得就業金卡，並享受 3 年的工作許可、全民健保等資格。

「這很受歡迎，實際上，在疫情期間，我許多矽谷的朋友使用就業金卡在台灣停留。現在不僅是矽谷，還有拉丁美洲的以太坊開發者。只要他們能證明在開源領域做出了八年貢獻，將自動取得資格，希望這些人才來到台灣，建立良好的關係，這樣我們的本地人才可以與這些人才一起工作。」語畢，吳恩達直呼「你又讓我羨慕了」，引來全場笑聲。

台灣精密製造業強大 成 AI 獨特優勢

吳恩達認為，今天的 AI 科技猶如十年前機器學習的混亂中，所有的規則都將被重新制定，新事物正在被發明。因此，「這是台灣的人才投入並開始建立的最佳時機。我認為，台灣獨特優勢在於台灣強大的精密製造業。」

台灣的保險、金融服務也與眾不同，這些都是非常獨特的項目。台灣提升英語讀寫能力的努力，並沒有在很多地方看到，這些都是台灣擁有獨特優勢的應用領域，我認為這將是一系列的機會，也是最佳時機，也就是利用硬體生態系的實力，強化軟體產業。

對此，唐鳳也觀察到，愈來愈多人投入零知識（zero-knowlege）證明技術，許多醫院聯合或拆分學習（split learning） AI 應用技術，不希望患者的私人臨床資料被外洩。因為如果發生這種情況，整個產業在學習方面都會倒退幾年。有了生成式 AI，可以確保資訊移轉使用零知識技術、資料共享協作學習，成為每個人都可以做的事情。

她也感謝台灣大法官對上一代「全民健保數據重用」的解釋，行政院現在正在建立最高標準、獨立的國家保護機構，與許多人就非個資數據公益運作和隱私增強技術進行協商。

唐鳳強調，一旦加速就解決了基本困境，即把公眾數據以加密的形式開放。但無論是運行推理還是其他類型的訓練，都不能查看個人的數據。她聽到許多 APEC 國家說他們需要這樣的東西，但他們目前沒有機構間的協調來實現。

不是工作被 AI 取代，而是任務被重新設計

關於工作的討論，吳恩達認為，AI 不是讓工作（jobs）自動化，而是讓任務（tasks）自動化。但弔詭的是，有時工作確實會在今天消失，但最終會創造更多的價值。如果觀察早期的創新方式，會發現大多數企業為了省錢，最終都把所有的時間都花在 prompt 上。

AI 實際上對工作非常有益，但問題是對很多人來說，如果有 10% 的可能性會失去工作，不確定是否想要這樣的結果。他認為我們需要那些關於「工作影響」的坦誠對話，這些對話是現實的，我們確實需要照顧那些生計受到影響的人。

儘管 AI 可能會奪走或取代數百萬個工作崗位，但唐鳳認為，AI 將創造數兆美元的財富，因此她提出「財富重分配」的想法，即讓無條件基本收入（UBI）成為可能。這不只是幾個監管機構說我們明天要做 UBI，而是要持續檢視社會指標哪些部門是脆弱的，哪些部門目前沒有得到救助和社會安全網等，然後將資金重新分配給特定的部門。

中文用戶使用成本高 可用特定模型微調

對於中文用戶使用成本較高，吳恩達坦言，大型科技公司提供的全球 LLM，是在大量英語數據和較少的中文數據上訓練的，這些模型針對英語進行優化。如果將英語同樣的概念用中文表達出來，事實證明，回答中文或其他較少數語言時，將花費更多成本。

吳恩達說明，這似乎不公平，不只是中文，還有日語、韓語都有類似的談話，「我們需要訓練我們自己的大型語言模型，需要更多資料、更多我們自己的語言。」

然而，吳恩達指出，實際上，世界上有大量不同大小的模型，包括那些專門用於特定任務的模型，台灣去與最大的語言模型競爭是否合理，即使 fine-tuning 是相對便宜的技術、是尺寸較適中的模型。對他們來說，在世界上各種情況下，包括台灣，在這訓練上更專業、絕對有意義。

唐鳳也同意此說法，她認為 fine-tuning 產生的 LoRA (Low-Rank Adaptation)，卻保持了地方文化，而且沒有 pre-training 階段的成本。她也補充，中文相對上也比其他語言（如台語）更強勢。如果你使用台語（河洛語）跟 ChatGPT 說話，他可能會用廣東話回答。

台灣明年將開始為醫療保健、高齡相關領域部署 AI 技術，實際上很難要求 90 多歲的人開始說一口流利的國語，這對他們的文化背景而言是不公平的，這也是為什麼我們加倍投資台灣的其他民族語言，這是可以在現有 pre-training 完成的影音語言模型上做的事情。

監管 AI 產品 比監管AI技術更有效

吳恩達指出，雖然 prompting 是很棒的想法，你可以說英語或中文，告訴電腦你想得到什麼結果，問題在於語言常是模稜兩可的，因此，當你提問時通常會得到你想要的答案，但不是總是如此。而程式碼是明確的，你寫進同樣的程式碼每次都會得到相同的結果，這就是為什麼我認為在可預見的未來，人們需知道如何使用 AI 大型語言模型。

這就是為什麼我希望看到教育體系的轉變，從幫助少數人到幫助每個人，只要學習一點點編程，就能大大地增強能力。

對於 AI 監管，吳恩達指出，監管產品可能比監管技術更有效。當監管汽車產業，有我們想要的結果，例如安全，也有我們不想要的結果，譬如希望人們能夠在公平的條件下獲得貸款或任何服務。

但唯有當應用者開始賺到足夠營收，才能付錢給工具開發者等，逐步建立起商業模式；事實上，應用端往往有著龐大市場需求所帶來的機會，但競爭並不是那麼激烈，因此是新創的突破口。

核稿編輯：湯皓茹

《商益》主張「商業是最大的公益」，報導專注於讓讀者理解資本力量、商業本質以及財經語言。歡迎加入 Discord 社群，並免費註冊訂閱商益電子報。

延伸閱讀：

Sam Altman的回覆郵件速度測試：優秀或是平庸？
克里斯・米勒再談《晶片戰爭》後續趨勢：全世界在爭搶「自給自足」
吳恩達 vs. Sam Altman：兩大 AI 大師對 AGI 未來的不同看法
【2023人工智慧年會】《時代》AI百大人物！唐鳳：AI與「審議式民主」相互擴展