先說結論:我覺得chatGPT在未來投入商用之後,就不再是我們現在說的網路原生世代了,一定會有一代孩子是「AGI通用人工智慧的原生世代」。未來可期的某個時間點,這類型的人工智慧能夠在協助人類進行自我學習以及整理知識體系上會非常有幫助。
我這裡簡單的把知識分成三大類別如下:
學科基礎知識:例如Python語法,類神經網路的演算法原理等等,可以在教科書上看到的公開知識。這類的知識體是整個體系的根基,較為根本也最容易取得,最常見取得的地方就是大學,或是絕大多數的網誌分享的教學資料。我們大多數的時間都在學習學科基礎知識,通常一直到大學。
專業(應用)知識:例如推薦系統處理資料的pipline,資料處理的MQ設計,通常是在行業現行生產獲利所使用,應用的知識,這類型的知識通常會被很具體的模組化成生產線上的一部分。由於這類的知識屬於工業和商業體系,所以只有少部份的資料會流通在部份的網誌,以及一些以應用為主的論文中,最多這類型知識的地方應該是個別公司內部的文件,軟體說明資料等等。此外,這類型的知識有些是屬於內隱知識,不一定會記錄下來,有些企業的流程,標準都屬於這類。
創新知識:這類的知識屬於”不事生產”型的知識。屬於長期投資的,主要是拓展人類對世界的認識,原先只屬於國家體系作為對外探索之用的知識(詳細可參考<人類大歷史>一書關於科學革的章節,簡單說這些對外探索用的知識可以讓一個體系經過累積之後在後期出現爆發式的增長),但現階段並沒辦法直接商業化的知識,可以在國家集資設立的研究院,各大學校碩博士所在的實驗室,以及科學期刊上看到。同時,有些跨國企業大到類似”國”的存在的企業也會設立類似的研究學術單位,例如:Google X ,Deepmind ,微軟研究院等等。屬於需要投入消耗資金的而非獲取資金的單位。
在未來「AGI通用人工智慧的原生世代」之前的所有世代,對於學科基礎知識都仰賴傳統學校的老師或是書本,甚至目前有些是網路影片等等來進行學習。這類型的知識就如同我所嘗試的原形實驗是幾乎可以透過通用人工智慧讓學生進行自我學習,可以想到五花八門的應用,什麼客製化的生產一人一套專屬講義都能實現,就算AI可能在輸出基礎知識上犯錯,人類導師也可以負責作為知識生產的監督者即可,不一定還需要像現在這樣(或是人類社會依舊會維持某種教育的形式主義,但主要在教的職責落在AI上)。那麼,這樣的時代下,需要學習的除了原本的學科基礎知識,我覺得更多會在學習怎麼生產創新知識上。這會有點像是我在這次實驗中要去操縱「學習的學習meta learning」在學習之上的元學習的概念。舉例來說像是我給chatGPT以下提示的問題:
請詳細比較:\'{input}\’的差異?如果有優劣之分,可以比較各自的優缺點,並說明具體的例子。如果有表格也可以用表格搭配文字說明?”
給我一個在不使用程式庫的情況下用\'{target_lan}\’實做一個\'{input}\’,並詳細解說它的運作原理”?
請詳細說明什麼是:\'{input}\’,給出一個常見的定義,再舉一些例子,如果有關於它的歷史或是未來發展更好”?
學習怎麼類似這樣提出問題而學習會是比直接學習基礎知識更需要摸透的規則,而且不再會是少部份人看重這件事,而是會像多數人像看抖音,短影片那樣自然而然去做的事情。
我覺得,這次如果人類沒用AI把自己搞砸弄出一些戰爭讓地球毀滅之外,上述情況如果發生,會是人類史上類似科學革命,文藝復興那樣巨大的變動,那到時候應該會很精彩。
附註:
本文允許重製、散布、傳輸以及修改,但不得為商業目的之使用
使用時必須註明出處自:楊明翰 , 台灣人工智慧與資料科學研究室 https://aistudio.tw