繼ChatGPT後，人工智慧還將有哪些嶄新發展？本週一（25日）吳恩達受邀永齡基金會來台參與人工智慧論壇，和OpenAI執行長奧特曼等人一同分享這領域最新觀察。他在論壇中，風趣地以自己愛吃的番茄蛋炒飯、蛋餅和蚵仔煎為例，介紹從監督式學習到生成式AI的技術變遷。他為何認為短期內產業發展重點應該改為，如何尋找AI發揮功效的場景？又大力看好生成式AI將享有黃金十年，到底如何預言？
永齡基金會今日（9/25）邀請OpenAI執行長奧特曼（Sam Altman）、人工智慧大師吳恩達（Andrew Ng）和馬里蘭大學講座教授暨工業人工智慧中心主任李傑（Jay Lee），以「人工智慧如何形塑人類未來」參與對談。
吳恩達擁有豐富產學經驗，學術成就方面，他很早便提倡將GPU應用於深度學習訓練，且研究領域橫跨機器學習、深度學習和機器人學等，學術著作被引用次數超過23萬；產業面他共同創辦專攻深度學習的Google Brain、擔任百度首席科學家並領導「百度大腦」，同時還是Coursera、DeepLearning.AI和Landing AI的共同創辦人。他同時致力於普及人工智慧教育，免費線上課程啟發超過百萬人。
AI是通用技術，還有很多產業等待拓荒
吳恩達在演講中，分享他對人工智慧的三點觀察。
第一點，他解釋人工智慧雖然是通用技術，能夠應用於不同領域，卻沒有廣泛應用的理由。
吳恩達指出，人工智慧的產業應用高度集中，大部分產值都在消費者網路，也就是線上廣告與搜尋市場中。十多年前，他和朋友就是透過人工智慧技術，將其應用在網路產業中，Google和Yahoo等科技巨頭能夠聘請大量工程師，利用演算法推薦和排序等功能一次服務以億計算的用戶，為公司掙得大筆鈔票。
然而，對其他產業例如食品製造業來說，不太可能花費巨資培養專精機器學習的工程師，這不符合成本效益，因此人工智慧技術即使可用也好用，但無法遍及產業每個角落。
不過，包含吳恩達旗下企業在內，近年提供給企業少用或者不用程式碼的工具（low-code/no-code tool），不用寫程式，只要下指令或者在使用介面中拖拉，或者提供自己企業內部資料，就能夠搭建模型，滿足客製化的生產流程。因此，這些在AI應用處於長尾領域的企業，也有望利用AI創造價值。
AI加大模型的成功模式還能繼續
第二點，他指出AI生態系中他觀察到的機會。
吳恩達表示，以金字塔結構來看，最底部的硬體層有NVIDIA、英特爾、AMD等公司，他也注意到黃仁勳和蘇姿丰不久前都有來台灣，但這個層次的產業發展集中、只有少數幾個贏家，還要挹注大量資本，再往上的基礎設施層也有相似挑戰，因此他個人不偏好這兩個層次。
開發者工具層看到領先者例如OpenAI，但後面有無數新創努力跟上，打造能跟OpenAI API比肩的服務。吳恩達認為這個領域高度競爭。因此，他個人最喜歡應用層，因為唯有好應用，才能驅動底層發展。
第三點，他解釋生成式AI最近發展火熱，但更看好監督式學習帶來更大產值的理由。
吳恩達指出，監督式學習應用廣泛，例如餐廳評論分類，背後就是機器學習模型在運作，自然語言處理技術讓模型能夠理解，什麼時候是在稱讚蚵仔煎很好吃、什麼時候則是批評蛋餅已經糊掉。
吳恩達分享，資料規模和模型大小，都是近年機器學習不斷成長的關鍵，他在Google和其他研究員合作時就發現，當模型架構提升，資料變多表現也跟著變好。他相信短期內縮放定律（scaling laws），也就是加大模型架構以提升表現的成功模式（recipe）不會改變。
ChatGPT的出現是神奇時刻
至於生成式AI，則是接下來十年發展重點。吳恩達稱ChatGPT出現為「神奇時刻」，它不僅是一個面向消費者的好應用，對開發者來說更是如此，人們不再需要花費數個月搭建應用，透過指令結合AI，就能在短短數天內試驗產品。
不過，吳恩達補充，雖然預期未來三年內生成式AI將有超過兩倍的強勁增長，但考慮產值監督式學習仍占半壁江山。正如前述所說，有太多AI技術尚未觸及的新領域正等待拓荒，這展現了AI作為通用技術的價值。
吳恩達強調，過去幾年他見到的瓶頸不是怎麼用AI，而是不知道要到哪裡用。「我們需要跟領域專家合作，但很多人只是很模糊地講出哪個領域需要AI。」吳恩達指出，和專家深度合作，討論具體題目並且驗證，「找到use cases需要花時間。」生成式AI遇上的挑戰也相同，要找到舊產業、舊模式、舊流程中，有什麼AI派上用場的空間，他樂觀表示，我們將度過下一個令人興奮的十年。
吳恩達也向大眾喊話，若還沒有用過ChatGPT，就去試著用用看吧。他最後呼籲，AI沒有要取代人，而是要取代任務，尋找不具有效率的生產環節與業務流程，自無聊任務中解放人類。
