史丹佛教授吳恩達在本週第三場公開行程中，再度吸引眾多聽眾來到現場交流。在與數位發展部部長唐鳳的對話中，兩人對官方監管、產業扶植等議題分別提出洞見。席間，吳恩達則對於唐鳳展現AI的使用能力深表佩服。到底這位遠道而來的華人AI專家認為，台灣該如何看待生成式AI的機會與風險？現在加入研發是否已經太遲？
AI領域的重要創業家及教育者、美國史丹佛大學教授吳恩達（Andrew Ng）再次訪台，在27日的公開行程中，與數位發展部部長唐鳳深入對談AI的發展機會及策略。其間，唐鳳分享個人使用生成式AI協助日常工作的實例，一度讓吳恩達直呼羨慕台灣有這樣的部長監督AI監管框架。
不久前雙雙入選《時代》雜誌（TIME）人工智慧領域百大影響力人物的吳恩達及唐鳳，在台杉投資主辦的「洞見AI大未來」論壇上交流對現前AI科技發展的觀察與建議。
曾在Google Brain對深度學習技術發展作出重要貢獻的吳恩達指出，過去十年深度學習的表現有顯著提升，也帶來龐大的經濟價值。而現在生成式AI正開始發光發熱，預期將帶來類似甚至更多的應用機會。
目前國際舞台由少數科技巨頭提供的預訓模型主宰市場。但誠如全球使用者見證，由於訓練資料中較多高品質的英文資料，模型的英文回應較佳。加上中文等其他語種使用的詞元（token）較英文多，使得非英語使用者需要花費較高的成本來處理自己的資料，衍伸出訓練自己語種的語言模型需求。
吳恩達認為，使用微調（fine-tuning）提升模型特定領域的能力，會是一個因應之道。他也認為，未來會從少數主流模型主導的態勢，逐漸走向更多元規模的專精模型。
唐鳳回應表示，預訓確實需要大量資源，但微調可在個人筆電上做到。她自己也已在筆電上使用微調過的語言模型協助工作事務，並認為在終端裝置上這麼做的人接下來會愈來愈多。對此，吳恩達表示，他不認為自己認識任何會自己在筆電上微調模型的美國監管人員，「這真的很棒。我真是有點嫉妒（ I'm actually quite jealous. ）。」
唐鳳補充，台灣已在發展有台版ChatGPT之稱的「可信任人工智慧對話引擎」（Trustworthy AI Dialogue Engine）TAIDE，在LLaMA原型基礎上，融入在地文化、語言、價值觀等元素，打造適用於台灣的對話引擎。
唐鳳亦指出，國語已算是相對強勢的語言，模型表現優於台語。在使用對話機器人服務大眾的願景中，必須考量到習慣使用台語的民眾權益，這也是發展TAIDE的一項重點。
AI對工作者利大於弊，基本收入時機未到
吳恩達承認，龐大的應用機會也伴隨著被濫用的風險。一項是對就業市場的擾動，他認為AI會自動化部分任務，但完全取代工作職位的比例應不太高。他也認為，至少在短期內，許多工作仍需要人類貢獻才能，也包括推進AI發展。因此，無條件基本收入（UBI）可能還不會這麼快派上用場。
另一項風險是通用人工智慧（AGI）可能帶來的生存性風險。吳恩達認為以較嚴格的定義來說，能做所有人類可作之事的人工智慧不會這麼快到來，人類有許多時間可以研擬如何控制這樣的技術。
唐鳳指出，官方會需要對這樣的通用性技術進行監管及更新基礎建設，避免落入監管俘獲（regulatory capture）的陷阱。她以疫情間社群媒體依據演算法，向使用者推送不可靠的資訊為例，這樣的機器學習應用曾使得部分民眾產生疫苗恐懼。現在若能在早期辨識生成式AI可能帶來的危險，就更能預防這樣的負面效果。
唐鳳也進一步解釋，目前數發部的AI策略有兩大重點。一是民主化，也就是進行基礎建設層面的投資，讓接近產業痛點的人可以取得AI資源、發展出適用於自己的應用方案。第二是在國際框架下培育地方發展，在考量在地需求的同時，讓本地的發展相容於國際標準。
引入AI為專長加值，現在加入「決不算遲」
對於台灣投入生成式AI發展的路徑，透過AI Fund、Landing AI等平台與產業有密切合作的吳恩達建議，台灣可以引入AI做自己最擅長的事。他舉例，台灣在精密加工上已有強韌基礎，這是矽谷所沒有的，因此台灣公司會更懂得如何在製造過程中引入AI加值。現在會是台灣善用硬體生態系優勢、並進一步強化軟體能力的好時機。
吳恩達也鼓勵，生成式AI才正要進入應用爆發期，現在加入絕不算太遲。還有許多新創點子缺乏人才實踐，他期望能看見台灣在推動AI發展上做出自己的貢獻。
論壇開場時，吳恩達在演說中預測，生成式AI將成為一大主要的通用性技術，帶來的經濟產值可能在3年間成長逾一倍。另一項他關注的趨勢，是視覺指令（visual prompting）的崛起。
OpenAI不久前宣布，ChatGPT將擁有看圖、生圖的能力。吳恩達認為這只是電腦視覺革命的其中一步。在領導Google Brain團隊期間，吳恩達最知名的一項貢獻，可能是透過深度學習讓機器能在大量照片的訓練後學會辨識貓。而如今透過視覺指令，有可能在更短的時間內、在更少的資料基礎上指引機器學會執行同樣的任務。
「我認為，在未來幾年內，電腦會變得愈來愈擅於『看見』事物。」吳恩達說，「各方團隊持續發展新技術及新的應用案例，未來會變得更加令人興奮。」
