本文原刊于举目官网2023.07.19

黄雅格

 

AI发展划时代的一年

2023年5月29日上午11点台北时间，亚洲最大的 IT 工业展Computex揭开了序幕，由英伟达（NVIDIA，又译辉达）之首席执行官黄仁勋作主题演讲。

在此会议中，黄报告了多项GPU的进步与在AI上的应用，还让AI生成一首台湾风味的英伟达宣传歌曲。

报告的重点，是“生成型AI和加速计算机的时代正已经来临”——突破了摩尔定律（Moore’s Law）的限制：过去，每两年芯片上的元件密度加倍，对CPU中央计算器来说，可能已经饱和了；而根据黄氏定律（Huang’s Law），图像计算处理器（GPU，又称显卡）的性能，在过去10年增长了100万倍，约每5年增强1000倍！（注1）

当今GPU的突飞猛进，如英伟达Nvidia或超微（Advanced Micro Devices, Inc.；缩写AMD）的GPU，正是能将AI能从无用的废文产生器，发展到能实际有用工具的主要关键。因此英伟达成为第一家在2023年5月30日市值达万亿美元的芯片设计公司。

与此同时，2022年11月30日和2023年3月14日，也是在AI软件科技界的两个主要日子。

就在这两个具标志性的日子，ChatGPT 3.5与GPT4 的AI软件系统相继问世，其能力令人惊悚：居然AI可以用超过20种自然语言流利的对话，相互翻译，可以回答许多相当广泛知识领域的问题，可以根据提示的题目写出短文，写相当不错的英文十四行诗，与中文白话诗，甚至可以理解一些一语双关的笑话。

在语音识别方面，AI已经相当成熟可以实用，譬如将一篇视频送入Maestra的AI软件网站，它可以在几分钟之间产生全稿，配上字幕。而产生的文字稿可以再输入到ChatGPT，整理出大纲与关键字，作为网络搜索的索引。

而另一方面，在图像识别与图像产生也有长足的进步。用MidJourney 的软件，只要以文字输入提示，即可产生非常传神的图像。

英伟达在自己的年度技术研讨会上，也展现了如何以AI 捕捉黄仁勋先生的立体3D影像，并模拟他的语音，再AI合成他在研讨会的主题演说，他只是提供讲稿而已……此外，AI甚至可以写出相当不错的电脑程序。

因此，若说2023年是AI发展划时代的一年，一点都不夸张；因着AI的跳跃式的进展，若预估此AI 进展将会引起整个社会的变革，也不为过。

 

到底啥是AI?

所谓人工智能（AI），其实是计算机科学的一个分支，着重创建能够模仿人类智能的机器和软件，包括学习、推理、解决问题、感知和语言理解等等。

AI系统可大致分为两类：1. 狭义AI——设计用于执行特定任务（如面部识别或互联网搜索）。2. 通用AI——可以执行人类能够完成的任何智力任务。

此外，人工智能（AI）还包含多个子领域：

– 机器学习（ML）

为一种资料分析方法，可以自动建立分析模型。它使计算机能够在没有明确程序设计的情况下找到隐藏的现象。如推荐系统（比如亚马逊推荐商品，脸书推荐帖文）、欺诈检测以及预测客户行为。

– 自然语言处理（NLP）

让计算机和人类语言交流，使计算机能够理解、解释和生成人类语言。NLP应用于语音助手（Siri，Alexa）、翻译服务和情感分析等。

– 计算机视觉

使计算机理解和解释视觉世界。它被用于人脸识别系统、自动驾驶汽车、图像编辑软件以及医学影像分析。

– 机器人学

设计、构造和使用机器人来与物理世界互动。机器人用于制造业、医疗保健（手术机器人）、灾难应对以及家庭任务（如Roomba吸尘器）。

– 专家系统

模仿人类专家决策能力的电脑系统（资料根据，则是来自人类专家提供的大量专业知识与规律）。它们被用于诸如医疗诊断、财务规划和天气预报等复杂的问题解决。

– 语音辨识

教授机器理解和解释人类的语音。它应用在语音启动的虚拟助手、转录服务以及客户服务机器人等。

– 人工神经网络和深度学习

人工神经网络，是一种受人脑神经元启发的计算模型，通过分层互联的人工神经元来处理复杂资料。而深度学习，是指它使用许多层人工神经网络，来建模和理解资料集中的复杂模式。它们应用在图像和语音辨识、自然语言处理，以及其他需要解释复杂、非结构化资料的任务上。

根据我自2022年11月以来使用GPT经验，知道如果使用者自己胸有成竹，博览群笈，是可以将大量引用的文本与资料输入GPT，让AI来节要、整合，写出文本。我甚至用GPT-4产生约14万字的全套课程，而且每一段都会引用圣经与文献出处。这的确可以作为很有效的工具。

 

大型语言模型的严重缺点

但是，AI应用的大型语言模型（Large Language Model，简称 LLM。注2），也有它严重的缺点。

从Chat-GPT1.0 到目前的GPT-4多模式输入系统，主要是一种以人工神经网络发展出来的 LLMs。其工作原理是基于前面词语的上下文（context），用机率来计算和预测句子中的下一个词。这是通过一种转换器（Transformer）的机器学习模型实现的。这种模型在做出预测时，可以考虑到词与词之间的长期依赖关系。

GPT的原意，就是“基于转换器的生成式预训练模型” （Generative Pre-trained Transformer）。训练LLM，需要将大量的文本数据输入模型，它会根据在这些数据中观察到的模式，预测序列中的下一个词。随着时间的推移，模型能够生成与输入相关信息，模拟人写的文本。

不过，ChatGPT这样的LLMs，却不能替代网络浏览器的搜索或人工作更深入的研究，原因是：

1. 缺乏实时知识

LLMs是在静态数据集上训练的，没有能力获取或理解实时信息。例如，如果你问GPT关于当前的天气或最近的新闻事件，它将无法提供准确的信息，因为它没有连接到互联网或实时更新。

另一方面，网络浏览器允许你访问互联网上最新的信息。虽然在2023年5月24日出的更新版 GPT，可以选项用微软的Bing来及时搜索网络，但是由于时间限制，往往仅仅搜索一、两个网站，资料很不完整。

2.  生成不准确信息的风险

诚然，LLMs可以生成像人写的文本，但它们有时会产生错误、“幻想”、甚至误导性的信息。这是因为它们基于在训练大数据中极端压缩的资料来生成回应，而不是基于已验证的事实或更新的信息。因此，如果没有内存的数据，它会借用相关类似的资料来编织回答，只是以机率计算出来的结果而已。

3. 不存在理解或自我意识

LLMs实际上并不理解它们生成的文本。它们只是根据在训练过程中学习到的模式，用机率预测下一个最可能的词。它们没有信念、观点或意识。

4. 数据中的偏见

LLMs可能会反映并放大训练数据中存在的偏见，这可能导致生成带着偏见或有害的内容。大数据通常来源于互联网，因此，它们可以反映这些数据集中存在的多样性、复杂性，也包括不准确性和偏见，因为输出的有时可能包含错误或传播错误信息，包括假新闻。

然而，人类却可以以批判性思维、区分偏见和无偏见信息的能力，来做深入的研究，而这是目前LLMs无法做到的。特别是LLM的中文训练数据量远不如英文的，因此其品质有很大的限制！若能以英文提示，英文回答，最后再翻译为中文，往往比较准确。

5. 无法评估来源

进行研究时，评估信息来源的可信度和可靠性非常重要。但LLMs无法评估它们在训练中所使用的信息的质量或可靠性。

 

真假信息难辨黄仁勋

因为英伟达的成功，在中文网络上就流传着许多黄仁勋先生的奋斗故事，有真有假。有些网红博主甚至声称黄先生年轻时是不良少年，在泰国的不良少年学校成长。

我也尝试着询问GPT，却因为它引用资料的混杂，甚至编造出假信息，诸如：

“黄仁勋的父母并不是早年来美的。他们在黄仁勋很小的时候就离婚了……被母亲单独抚养……在台湾，直到黄仁勋小学毕业时，他的母亲决定把他们送到泰国的一所寄宿学校……在高中毕业后选择来到美国，并在俄勒冈州的一所高中完成了最后一年的学习。”（读者可对照维基资料。编注）

其实黄先生父母健在，从未离婚且恩爱持恒。可见AI若不会使用，可以祸害不浅。（可使用GPT-4 以“他的父母也是早年来美的吗？”为提示。见5/24/2023版）

深入调查，发现有一篇黄先生在他母校欧内达（Oneida）浸信会中学毕业礼上的演说。（注3）他在2019年曾捐款二百万美元给母校，建立宿舍和教室——当地偏远，但浸信会学校爱心帮助正规学校适应有困难的学生，且收费低廉，甚至免费。当年，所有学生都必须工读，黄先生就是每周负责清扫厕所。

黄仁勋在演讲中，还提到母校对少年时的他，在性格和未来的职业道德上，都产生了深远的影响。在每周两次的教堂礼拜中，黄学习了信仰和社区的重要性。在大学期间，他与未来的妻子相遇，他们共同对科技和学习的热情，成为黄仁勋生活态度的驱动力。

尽管工作繁重，黄始终将家庭置于第一，体现了他在工作与生活之间的平衡原则。他并未因为家庭经济原因无法进入常春藤大学而止步。他的生活旅程证明，成功取决于个人的爱护家庭，牺牲奉献、辛勤工作和毅力，而非学历的高低。

他甚至一再强调，他是个很普通的人，浸信会学校对他终身影响深厚。（注4）

我们虽然在公开资料中，无法找到黄先生的个人有何宗教信仰，但他年轻时绝非如网上所言，是不良少年。他的父母也从未离婚，并对他爱护有加。他自己也承认少年时在教会学校的教育，影响他一生的待人处事。网络流传的谣言来源，甚至可以说是由AI 产生的。

 

真理必叫我们得以自由

因此，虽然像ChatGPT这样的LLMs，可以生成模拟人写的文本，是协助执行各种任务非常有用的工具，但是它们应该被用作对深入研究和批判性思维的助手与补充，而绝对不是替代。

若是平时使用者没有习惯使用Wikipedia, Google Research等网站作深入研究，仅仅求快询问GPT，而不会应用一连串的提示导引正确答案，那就极端容易出错而不自知。

圣经中耶稣基督的教导，给我们为使用AI的伦理考量提供了最佳的基础。

耶稣说：“我就是道路、真理、生命；若不借着我，没有人能到父那里去。”（《约》14：6）。这句话强调了真理作为基督徒基本价值观的重要。耶稣并说：“你们必晓得真理，真理必叫你们得以自由。”（《约》8：32）。这些教导强调了真理的真自由力量和诚信的重要性。

如此，基督徒若不明白、不分辨事实，传播假信息，实在有愧于我们的主。在现今AI的大环境下，透明度、准确性和伦理责任，更是基督徒作盐作光的根本。

AI可被滥用来创建和传播假新闻，但AI也可以为有效的工具，作为写文章，预备课程与研究的助手，帮助传播、认识福音。因此，基督徒需要学习如何正确地使用AI，尤其是如何善用提示工程（Prompt Engineering），也就是引导AI模型生成期望输出的技术。

提示工程涉及到制定特定的提示，有效地指导AI完成所需的任务。通过掌握这些技术，使用者就可以更好地控制AI的输出结果，确保它们符合“真理”并站在健全的基督教伦理的根基上。

 

注：

1. https://www.youtube.com/watch?v=i-wpzS9ZsCs&t=4073s&ab_channel=NVIDIA

2. https://cdn.openai.com/papers/gpt-4.pdf

3. https://youtu.be/4jbUnXMzcF8

4. https://www.wired.com/2002/07/nvidia/

 

作者为机器人工学博士及教牧护教学博士。曾任职美国太空总署休斯敦太空中心研究发展主管。现职以教学、讲道为主。