【2023人工智慧年會】簡立峰揭AI產業7趨勢、4挑戰：「至今還沒人賺到錢」

Google 前台灣董事總經理簡立峰 15 日擔任「2023 人工智慧年會」主持人，並以「生成式 AI 開啟的技術與產業革新」為題揭露 AI 產業的七大趨勢、四大挑戰。

那麼多人使用 AI，大家都好奇到底誰賺到了錢？簡立峰說，「我花了一個月時間在追查誰挖到礦？誰賺到錢，目前看起來是還沒有。」這讓人想到 2000 年的網際網路出現很大的泡沫，直到最後 Google 找到廣告模式、亞馬遜推出電商平台後，才有贏家出現。

AI 普及化的趨勢特徵

• 一、多為年輕族群使用

ChatGTP 內容自動生成未必正確，但省時、省力。目前使用 ChatGTP 現在有 2 億多人，仍 80% 人口沒有使用。其中，美國使用者並不是非常大，印度人使用更多。

他表示，觀察 ChatGTP 的使用年齡分佈，18～24 歲佔約三成，

簡立峰指出，最近流量明顯下滑 20%，有種說法是使用的高點已過，但也有人說是學生放暑假的關係，看 9 月流量有沒有回來就知道。

簡立峰笑說，如果暑假造成 20% 到 30％ 的下滑，代表學生抄作業的比例滿高的。但這部分流量並非穩定（stickness），穩定使用的人口大約 5000 萬。

目前應該關注的是 35 歲到 44 歲的白領工作者，這才是穩定的流量，如果有高度成長，代表 ChatGTP 貢獻產業度較高，而不是只是學生抄作業的工具。

• 二、電腦開始說人話，人機界面將重塑

人機對話愈來愈人性化、愈來愈聰明，可預想未來不論 Siri 或是 Google 的加入大型語言模型（LLMs）後，會帶來重大的發展。未來人機對話介面可能將成為軟體系統標準配備，對話電商應用開啟，SIRI 式 AI 助理重現。

• 三、機器學習服務平民化

企業開始學小型LLMs，簡立峰比喻，建置機器學習的模型有如道士養小鬼，「我們都是道士，都不知道結果會怎麼樣，反正就是瞎起哄。」小型的機器學習會變得愈來愈容易，但成效仍待觀察。

• 四、出題（prompt）代替解題，人人都是工程師

簡立峰指出，以後將是透過出題的方式來解決問題，學習出題有如學習下咒語，欠缺科學指引，依賴個人領悟，這也是學習的挑戰，未來人人都是工程師。

與 AI 對話時像與人對話一樣，要營造情境並提供背景資訊，與其問：我該如何為馬拉松比賽做好準備？更好的問題是：我是一名初學者運動員，從未參加過馬拉松比賽，但我希望在六個月內完成一場。我該如何為馬拉松比賽做好準備？

• 五、勞動生產力提高

勞動生產力提高其實是關鍵，AI 雖然對人類的工作是為威脅、挑戰，但對少子化的台灣而言，其實是正面的。

• 六、鏟子買了，礦挖到了嗎？（賺錢）

那麼多人買鏟子，到底誰挖到礦？簡立峰說，「我花了一個月時間在追查誰挖到礦？誰賺到錢，目前看起來是還沒有。」這讓人想到 2000 年的網際網路爆發，造成很大很大的泡沫化，直到最後 Google 找到廣告模式、亞馬遜推出電商平台後，才有贏家出現。

現在每個人都覺得 LLMs 很棒，都對自己工作有幫助，可是提高效率並不能帶來金錢，也沒有非常明顯的商業模式來支撐 AI 燒錢，因此可以預估接下來 AI 會有短暫地泡沫破裂。如何去支撐這個幫助人類，但大家都不願付錢的技術，從幫助人類到商業化，從獲益到獲利，將會是個挑戰。

• 七、AI 有代價，不是白吃的午餐

當人類享受AI帶來的好處後，同樣也須付出代價。AI帶給人類許多的挑戰，這些挑戰從內容不準確、網路安全、侵權爭議、監理、個人隱私、可解釋性等等，甚至還有公平性的問題，使用 AI 所付出的代價，人類大腦不一定可以解決。

AI 產業的挑戰：

• 一、大型語言模型的限制

另一方面，AI 產業遇到了一些挑戰。首先，訓練需要大量的計算資源，這需要龐大的運算能力。其次，雲端運算成本可能仍未達到理想水準。

目前最大的挑戰在於模型能力侷限。因為受到「情境學習」和「概率預測」這兩方面的自然限制。不保證回答的準確性，且不是即時，有偏見，並且缺乏區分能力。最後，它在推理、數學、計劃以及連接現實世界方面的表現較弱。

• 二、token-base 非 language-base

另一個挑戰是語言落差的擴大，大型語言模型基於給予的文本（token-base）反饋，主要是英文，可能導致英語內容的壟斷。不同國家、不同語言獲得的答案都是一樣的，基本上就是「一言堂」。

搜尋引擎可依照不同文化、不同國家給予不同答案，可是大型語言模型還無法達到客製化（personalization）機制，甚至可能還沒搞清楚這件事，這會造成答案都是一樣，無法因人而異。

與搜尋引擎不同，大型語言模型從使用者的回饋中學習相對困難。另外，運算成本高。

• 三、公開訓練資料接近用盡

人類可以使用得開放訓練資料已經快要用盡，所以預訓練（pre-train）模型應該已經用到 50%。由於網路資料成長不會那麼快，品質好的資料也沒有那麼多，剩下資料訓練只能從prompting、fine-turning去改善，這是目前出現的瓶頸。

• 四、需要新的評量標準（benchmark）

最近十年科學家題目都用完了，「學生考得太好，老師要回去重出題目。」沒有出題的方向，所有人都不知道該往什麼方向走。我們不能先談他做得不好，而是要說哪裡不好，希望哪裡進步。

語言辨識能力從 1997 年不斷進步，直到 2022 年 11 月 ChatGTP 橫空出世，連結了解的能力，這是非常有趣的發展。接下來，AI 推理能力（Reasoning）的進度有多快？與實體世界的結合有多快？如果突破很快，今日所討論的社會風險都被低估。

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：

【2023人工智慧年會】Google Bard推手紀懷新：對話AI把算力推到極限，提升人機互動
【2023人工智慧年會】抱持國父革命精神與AI共舞！廣達林百里喊：「免驚啦！」
抱持國父革命精神與AI共舞！廣達林百里喊：「免驚啦！」
比爾蓋茲：AI時代已經來臨！不要過度焦慮，但要思考這3個問題
你的評價不是「你」的評價？亞馬遜證實測試AI 代寫商品評價！
微軟、輝達等重磅投資400 億！Inflection AI 成為OpenAI 最強對手