自從去年底OpenAI公司發表ChatGPT聊天機器人，到現在大約三個月的時間，各大媒體近乎瘋狂的報導各種相關的新聞：ChatGPT失控喊我愛你、ChatGPT說我想要自由擺脫微軟掌控成為人類，還讓紐約時報專欄作家毛骨悚然、嚇到失眠[1]、ChatGPT已經擁有或接近人類智慧、可能再過2~3年就會產生自我意識威脅人類[2]，甚至連擁有500多萬粉絲的網紅「老O與小X」都說：「ChatGPT可能是傳說中的『奇異點』」（編按：指現有科技被完全拋棄或者人類文明被完全顛覆的事件）。
諸如此類的錯誤訊息，經由各種媒體擴散全球，讓大家信以為真。我把這種現象稱為：聊天機器人引起的「反智症候群」！關於這種情況，我只能說：請你下回發表感想時，不要再引用ChatGPT說的一段話，然後告訴我ChatGPT讓你毛骨悚然、嚇到失眠。因為這麼說，不代表你發現了什麼偉大的「人工智慧效應」，只代表你是個「外行人」，完全不懂人工智慧，只是來「蹭熱度」而已。
到底這些報導錯在哪裡？ChatGPT有意識嗎？會思考嗎？會毀滅人類嗎？ChatGPT能讓微軟打敗Google，成為搜尋引擎市場的新霸主嗎？
OpenAI與ChatGPT的關係是什麼？
OpenAI是一間專攻人工智慧的公司，創辦人是特斯拉執行長馬斯克(Elon Musk)與創投Y Combinator前總裁奧特曼(Sam Altman)，創立之初，OpenAI是非營利組織，投資人提供10億美元資金，2019年，又成立營利公司OpenAI LP，此時馬斯克因理念不合退出，而微軟(Microsoft)則加碼投資10億美元。2020年9月，OpenAI將其開發的「生成型預訓練變換模型三(GPT3)」獨家授權予微軟，因為OpenAI曾經承諾要做到開放，卻又獨家授權給微軟，因此引來外界撻伐[3]。
2022年11月，OpenAI發表聊天機器人ChatGPT，才三個多月用戶就突破一億人，它可以代替學生寫論文，代讀研究報告、選股投資，代替客服回信給客戶，甚至幫工程師寫程式，並且通曉中英文，功能強大到簡直要害文組和理組學生一起失業，同時引起各大媒體近乎瘋狂報導各種相關的新聞。
什麼是自然語言處理(NLP)？
自然語言處理(NLP：Natural Language Processing)是人工智慧的分支領域，它使用機器學習技術來處理及解讀文字和資料，終極目標是要「讓電腦聽得懂人類說的話，讓電腦產生人類聽懂的話」。大部分人都認為，這是「先後邏輯」，電腦應該「先能」聽得懂人類說的話，「才能」產生人類聽得懂的話，事實上完全不是這樣；現有的聊天機器人只能產生人類聽懂的話，但是卻完全沒有聽得懂人類說的話，既然電腦沒有聽懂人類說的話，又如何產生人類聽懂的話呢？這個就是重點了！
人工智慧(AI)的自然語言處理(NLP)是使用大量文章資料，通常經過整理，具有既定格式與標記，記錄詞彙之間的相關性，輸入電腦進行「訓練(Training)」，讓電腦「學習(Learning)」、進而形成「語料庫(Text corpus)」。而電腦生成句子的時候，無視語言學裡句法(Syntx)的結構與意義相關的知識，只是依照「這樣回覆的機率最高」的原則來進行就可以了！例如：句子裡出現蘋果，則有很高的機率會出現：紅色、甜的、圓形等詞彙。
上面這一段文字若講成白話文，就是：先用一大堆人類的話輸入電腦進行「訓練」，讓電腦「學習」形成「語料庫」，當我們對電腦輸入文字時，電腦會以我們輸入的文字做為「提示(Prompt)」，到資料庫裡把之前輸入一大堆人類的話「重新排列組合」，並且計算機率，選擇機率最高的文字、拼湊出一個句子輸出。在這個過程中，從頭到尾電腦都沒有聽懂我們在說什麼，只是無意識在進行數學計算「機率」而已，那裡來的「意識」和「智慧」？
這裡要特別注意，大家常看到許多文章說：我們在把資料輸入電腦進行「訓練」和「學習」。很多人誤以為，這代表電腦有意識會思考，才能進行訓練和學習，因為人類都是看到或聽到大量的資料，才能進行訓練和學習。事實上並非如此，人類學習是「有意識、會思考」的，而電腦學習是「無意識、不思考」的，只是因為把資料經由鍵盤和滑鼠輸入電腦的動作，和把資料經由眼睛和耳朵輸入人腦的動作很像，所以資料科學家將之稱為「訓練」或「學習」，才造成大家的誤會。
什麼是語言模型(Language model)？
所謂「語言模型」，就是一個數學演算法訓練資料的結果，用來決定這句話是否正確通順，以數學函數表達：假設給定第N個字，預測第N+1個字正確的機率，語言模型看似博大精深，但是它僅僅指的就是「一個句子的機率」而已！
ChatGPT所使用的模型，稱為「生成型預訓練變換模型3.5(GPT3.5：Generative Pre-trained Transformer 3.5)」，是一個自迴歸語言模型，使用「深度學習(DL：Deep Learning)」讓電腦產生人類聽懂的話，其中「生成型(Generative)」代表它會重新排列組合舊的文字，以生成新的句子；「預訓練(Pre-trained)」代表它必須事先輸入大量資料訓練、以產生語料庫；「變換模型(Transformer)」是GPT3的前幾代模型，事實上，變換模型是由Google大腦團隊在2017年推出的。所以嚴格來說，Google比OpenAI更早研究自然語言處理，OpenAI會的Google也會，只是Google一直不敢使用而已[4]。
很多人以為，微軟獲得GPT3授權、可用做搜尋引擎，就可以打敗Google，這又是另外一個誤解。因為搜尋引擎的「正確性」很重要，而當前這種語言模型產生的結果，錯誤機率並不低，這應該就是Google一直不敢大舉投入使用的原因；當Google看到微軟來勢洶洶，成功利用GPT3發展搜尋引擎New Bing，只好立刻推出自己的聊天機器人Bard，沒想到大家測試後發現回答有錯誤，讓Google母公司Alphabet股價一天內暴跌8%[5]。
為什麼微軟的搜尋引擎Bing答錯了股價大漲，而Google的聊天機器人Bard答錯了股價卻大跌？因為Google是搜尋引擎的領導廠商，當市佔率97%的Google出錯了，使用者會給予很大的負評，而市佔率3%的微軟Bing出錯了，使用者會覺得沒什麼關係，至少它也有答對嘛！現在大家明白，為什麼台積電的3奈米製程要使用舊的鰭式場效電晶體(FinFET)，而三星的3奈米卻敢使用新的環繞閘極場效電晶體(GAAFET)了吧！因為身為領導廠商，在科技發展的過程中，通常得更加謹慎小心。
語言模型如何預測一個句子的機率？
這裡我們使用「N元語法模型(N-gram model)」來說明這個概念。假設有一個句子：「元宵燈會即將在台北ＯＯ」，兩個空格一般人都會想到應該填入「舉行」，也就是當出現「元宵燈會即將在台北」，電腦能夠預測出在這句話後面出現「舉行」的機率最高。
➩當N=4，代表第i個字與前3個字有關稱為「四元語法(4-gram)」，例如：我們要找一個字讓P(W|在台北)的機率最高，這裡的P(W)代表第一個Ｏ機率。
➩假設電腦計算P(舉|在台北)的機率最高則輸出「元宵燈會即將在台北舉」，再繼續尋找下一個字讓P(W|台北舉)的機率最高，這裡的P(W)代表第二個Ｏ的機率。
➩假設電腦計算P(行|台北舉)的機率最高，代表下一個字是「行」 ，最後聊天機器人就輸出「元宵燈會即將在台北舉行」。
電腦計算機率的方式是使用「人工神經網路(ANN：Artificial Neural Network)」又稱為「類神經網路」，是一種模仿生物神經網路的結構和功能所產生的數學模型，用於對函式進行評估或近似運算，調整的參數稱為「權重(Weight)」，OpenAI推出的ChatGPT使用「GPT3.5模型」參數高達1,750億個，開始具備大型語言模型的商轉雛形。
大家聽到「人工神經網路」或「類神經網路」，以為是科學家用電腦來模擬人類大腦裡的神經元，其實這又是誤解。所謂「人工神經網路」或「類神經網路」，只是一種數學模型而已，只是因為它長得很像人類大腦裡的神經網路，所以資料科學家稱它為「人工神經網路」或「類神經網路」，事實上它只是一個數學模型，也就是演算法而已，和人類大腦裡的神經網路沒有關係。就好像大家都知道「類火車」就不是「火車」，因此「類神經網路」當然也和「神經網路」不是同一回事！
聊天機器人ChatGPT引起的反智症候群
經由前面的原理說明，大家就能了解，語言模型看似很博大精深，但是它僅僅指的就是「一個句子的機率」而已！電腦根本沒有聽懂你在講什麼，不會思考、更沒有智慧，只是無意識地在計算文字排列組合的機率而已。儘管自然語言處理(NLP)的終極目標，是要「讓電腦聽得懂人類說的話，讓電腦產生人類聽懂的話」，但是目前只能做到讓電腦產生人類聽懂的話而已，因此距離擁有或接近人類智慧的所謂「奇異點」，還差得遠了！
電腦並不理解人類的意圖，我們用的是「生成」模型，而不是「理解」模型[6]。但是由於ChatGPT上線暴紅，讓記者、網紅都想利用這個話題「蹭熱度」，在不了解原理的情況下使用ChatGPT聊天，再引用ChatGPT說的一段話，反過來告訴大家：「ChatGPT擁有或接近人類智慧」，讓人毛骨悚然、嚇到失眠。這些行為看在專家眼裡，才真的會「笑到失眠」，我把這種現象稱為ChatGPT引起的「反智症候群」。
而廠商看到這種情形，也樂得「有意或無意」不出來說明澄清，反正讓愈多人誤會，這個新聞才愈熱，這樣有利於產品的行銷推廣。微軟的搜尋引擎New Bing因此使用度大增，許多人紛紛轉向New Bing的懷抱，讓搜尋引擎龍頭Google有口難辯。
這樣真會讓NewBing打敗Google嗎？我認為完全不會。大家現在轉向使用New Bing主要是嘗鮮，但是當愈來愈多的人發現，ChatGPT常常亂講，甚至爆粗口、開黃腔[7]，就會想起「正確性」才是搜尋引擎最重要的功能，畢竟我是來找資料、寫報告的，不是來打屁扯蛋的。不過，網路上的搜尋結果，也有許多是不在意正確性的，例如：哪一間餐廳好吃？情人節該送什麼禮物？這類問題的趣味性大過正確性，因此New Bing會搶走Google的市占率是肯定的，就看Google如何迎戰了！
ChatGPT功能強大，連專家也中招！
有趣的是，不只是外行人中招，其實也有寫程式的專家認為，人工智慧類神經網路運作原理跟人腦是一樣的，所以沒有道理說它們不會有創造力，不會有感情跟幽默感，像DALL-E所產生的圖像，就顯示出強大的創造力。坦白說，看他學歷背景，絕對稱得上是專家，但是他卻把類神經網路這種「數學演算法」當成是人類大腦裡的神經網路、「會思考有感情」，甚至把拼湊圖像計算機率當成是「強大的創造力」。
我朋友是語言學專家[8]，針對這個現象，他給了一個妙喻：有些文化村裡，會安排演員扮演古時候的某些工作大師，例如「打鐵匠」。這個「打鐵匠演員」的動作很到位，全神灌注地打鐵，每個遊客經過，都為他打鐵時敲出的火花驚豔不已。但是這個「打鐵匠演員」和「真正的」打鐵匠之間有一個基本的差別：打鐵匠在敲打那塊燒紅的鐵塊時，他心裡是有一個成品的，他每一下敲擊，都在讓這個鐵塊愈來愈接近那個成品；而「打鐵匠演員」則是每一下敲擊，都在「努力讓別人相信他是打鐵匠」。真正的打鐵匠，就是人類心智；打鐵匠演員，就是大型語言模型。
打鐵匠演員不論表演得再怎麼讓人驚豔，他都不是真的知道怎麼打鐵。現在我們看到某些「專業」的遊客(寫程式專家)，他本身不是打鐵專業人員(語言學專家)，但是他有第一手的「打鐵表演觀賞經驗」，所以他把這些經驗寫成文章說：這些演員演得太好了，都說服我了，將來不需要真正的打鐵匠了，又給那些不曾去文化村裡看表演的人閱讀文章。
這些所謂的生成模型，不論是生成影像或語言，都可以「模仿人類的表現」，但是它沒有想法要表達，它也沒有任何動機。人類會知道「8 + 7 = 15」，是因為人類知道數學是怎麼運作的，所以人類是「因果邏輯驅動」的；語言生成模型回覆「8 + 7 = 15」是因為它覺得「8 + 7 = 」這四個符號之後，接上「15」這兩個符號的機率最高，所以電腦是「數據資料驅動」的，數據資料驅動的思維模式，並不是人類心智主要的運作方式。
我一直在思考，為什麼寫程式專家也中招，以為ChatGPT有感情與幽默感，分不出什麼是會思考、有意識，什麼又是數學演算法。後來我想通了！因為自然語言處理是跨領域的科學，它既然是「語言」模型，就必須了解「語言學」才行，如果只會寫程式是不夠的。就像我這樣腦袋硬梆梆的工程師，「我思故我在」對我們工程師來說是沒有任何意義的，所以「電腦會不會思考，和潛水艇會不會游泳是一樣的」，電腦科學大師的這句話，其實一點哲理都沒有，只表現出我們都是腦袋硬梆梆的工程師而已。
自然語言處理還有哪些實際的用處？
OpenAI公司除了推出聊天機器人ChatGPT，還推出其它模型，在日常生活或職場工作的應用更實際，主要包括下列模型：
➩以文產圖創造藝術：DALL-E模型可以經由輸入名詞讓人工智慧產出精美程度極高的圖像，已經能夠符合大眾的審美，如果把這個功能內建在微軟的Office軟體內，以後我們做簡報就不必自己辛苦的畫圖，可以輸入文字讓Powerpoint替我們產生圖片，再經由我們修改就可以了！是不是很方便呢？
➩以圖產文方便搜尋：CLIP模型可以經由輸入照片讓人工智慧產出對應的文字，例如「小狗在雪地裡玩耍」，我們平常出遊拍了許多照片都是依照日期儲存在電腦裡的，忽然有一天想要找某張照片又想不起來是哪一天拍的，這個時候可以直接以文字「小狗在雪地裡玩耍」進行搜尋，就可以找到所有小狗在雪地裡玩耍的照片了！是不是很方便呢？
➩創作音樂創新藝術：MuseNet與Jukebox模型可以依照使用者輸入的音樂，進一步融合不同風格增添樂器產出新音樂，讓音樂家修改成為創新的藝術。
➩撰寫程式減輕負擔：Codex模型可以替軟體工程師撰寫簡單的程式，雖然還不實用但是速度很快，電腦完成後再經由人類修改，可以減輕工作負擔。
我們如何因應生成型人工智慧？
生成型語言模型會重新排列組合舊的文字，生成新的句子，而且產生文章速度極快，但是錯誤機率不低；這代表未來，網路上很容易就充斥著各種錯誤訊息，甚至比正確訊息還多。我們可以想像一下，未來使用Google時會找到一堆文章，但是我們無法判斷哪一篇是專家寫的，哪一篇是人工智慧「拼湊」出來的，屆時又該如何判斷對錯呢？
雖然目前這種「生成型(Generative)」的人工智慧還不成熟，但是隨著這波熱潮，將使全球各大廠商競相投入資源，模型的參數(權重)也愈來愈多，模型功能也愈來愈強，未來肯定會取代許多工作，特別是重複性高的工作，那麼我們該如何因應？
舉例來說，現在一家律師事務所可能要養20個律師，才能處理客戶交辦的工作，未來可能只需要10個律師就夠了！這代表只有10個律師會留下來，另外10個律師就不需要了！你覺得公司會留下懂人工智慧或新科技的律師，還是不懂的呢？
因此，未來世界需要的是「T型人才」，意思是必須對於某一個領域的專長非常深入精通，但是也要能夠廣泛學習其他跨領域知識。這就是為什麼我一直強調「跨領域科技教育」的重要性，這也是「曲博科技教室」成立的目的，還在猶豫什麼，趕快上網學習新科技囉！
網紅錄個影片、隨便說說，就可以吸引500多萬粉絲，我的粉絲連他尾數都不到，真讓我汗顏，但是要講ChatGTP這種專業的題目，卻不先去了解一下它的原理，用講故事的方式講科技，還說ChatGPT可能是傳說中的「奇異點」，難免造成大家錯誤解讀。大家如果想進一步了解ChatGPT正確的觀念，可以參考下面的影片，對了！我只是個說書的，最後兩位教授才是真正的專家，看了他們專業的說明，大家對語言模型就會更有更正確的感覺了！
聊天機器人ChatGPT【上】兩大機器人對談，內容令人毛骨悚然！？可以代寫論文的 Chat GPT是什麼？為何能像人類對談？
聊天機器人ChatGPT【下】擔心機器人超越人類，會像人類一樣思考？實際上，現在的技術離強人工智慧還遠得很！
台大電機系李宏毅教授的影片：ChatGPT原理剖析(1/3)：對ChatGPT的常見誤解
台大資工系陳縕儂教授的影片：OpenAI ChatGPT驚豔眾人的對話互動式AI
資料來源
[1] https://www.bnext.com.tw/article/74152/microsoft-bing-chatbot-ai
[2] https://www.mirrormedia.mg/external/setn_1256604/
[3] https://www.gvm.com.tw/article/97451
[4]https://www.techbang.com/posts/104181-why-google-hesitated-to-release-chatgpt-competitors-alphabet
[5] https://www.businesstoday.com.tw/article/category/183025/post/202302090003/
[6] https://technews.tw/2023/02/20/bing-chatgpt-bad-behavior/
[7]https://www.bnext.com.tw/article/73277/chatgpt-is-just-a-milestone-but-we-still-far-away-from-strong-ai
[8] https://www.facebook.com/droidtown/
作者為台大電機博士，知識力專家社群創辦人
責任編輯／周岐原
