吳恩達(Andrew Ng)
「Google大腦」之父吳恩達,出席永齡基金會與天下雜誌推出的AI大師論壇「人工智慧如何形塑人類未來」。圖片來源:王建棟攝
- 出生年份:1976年
- 現職:史丹佛大學教授、Coursera共同創辦人
- 學歷:美國麻省理工學院電機工程與電腦科學碩士、加州大學柏克萊分校電腦科學博士學位
- 經歷:DeepLearning.AI、Landing AI創辦人;前Google、百度AI科學家
以下為吳恩達的演講:
今天我想談談人工智慧帶來的嶄新機會。一百年前人類發明了電,現在,AI就像是新的電力——它是通用的技術革新,能廣泛應用在各方面,我們該用AI做什麼?
監督式學習:過去十年發展主力
我們可以把AI想成一系列的工具,包括擅長標註分類的監督式學習,及最新誕生的生成式AI,這是我今天想強調的兩項重點。
10到15年前,監督式學習開始快速發展,並發展出以下應用:
- 辨別垃圾郵件:透過輸入資料、加以標註,再輸出的方式,就能分辨出電子信箱中的垃圾郵件。
- 線上廣告投放:最有商業價值的應用就是線上廣告,AI能標記使用者是否點選廣告;這在Google等規模的公司,每年就能帶動超過1,000億美元(約新台幣3.22兆元)的業務。
- 自動駕駛:監督式學習也成功應用在自動駕駛汽車領域,只要輸入汽車前方的影像畫面,並標註其他車輛的位置,就能輔助自動駕駛系統。
- 船隻航線選擇:標註船隻的航線軌跡,可以判斷如何選擇路線,能減少燃料消耗與碳排。
- 找出產品瑕疵:拍攝智慧型手機照片,藉此標註出瑕疵。
如果今天想要了解一間餐廳的評價,可將使用者評論標記為正面或負面情緒;有了成千上萬的標註數據後,下一步就是訓練AI模型,並找到雲端服務來部署與運作。只要輸入:「這是我喝過最好喝的珍珠奶茶!」模型執行到雲端運算後,AI會判斷這是正向的情緒,這就是典型監督式學習的工作流程。
因此,過去十年,是監督式學習大規模發展的十年。
吳恩達出席AI大師論壇,分析AI過去到未來的應用可能。圖片來源:王建棟攝
生成式AI:開啟消費端與開發端應用革命
如今,生成式AI的問世,更讓許多人興奮與期待。
15年前我們發現,建立小型AI模型時,即使投入大量資料與數據,效能也無法大幅進步。所以當我開始參與Google Brain團隊時,目標就是建立大規模神經網路,並利用Google的算力——只要持續輸入資料,模型就會不斷進步。
輝達(NVIDIA)共同創辦人黃仁勳與超微半導體(AMD)董事長蘇姿丰剛來訪台灣。在上一個十年,他們生產的GPU硬體推動AI崛起;而這一個十年,將是生成式AI的十年,能使用的工具愈來愈多。
OpenAI執行長奧特曼(Sam Altman)團隊去年推出ChatGPT,是一個非常神奇的時刻。我想花一點時間來解釋,生成式AI是如何運作的?
生成式AI的核心是大型語言模型,透過重複預測與監督式學習來生成。如果AI模型在網路上讀到「我最喜歡的食物是番茄炒蛋」這句話,只要輸入「我最喜歡的食物是」,它可能就會接出「番茄」「炒」與「蛋」等字詞。
如果你用上百億甚至上兆個字,訓練非常大的AI系統,就會獲得一部大型語言模型——例如Google的Bard,和ChatGPT。
很多人相當熟悉這些工具,我認為這是非常好的消費端應用,不過這裡還有另一個革命的開端——生成式AI如何改變開發端?
吳恩達現場示範,只要串接OpenAI的API,並編寫指令和程式,就能辨別輸入語句的情緒分類——這是一項AI革命進展。圖片來源:截自天下雜誌YouTube頻道
若想觀察餐廳評價,使用監督式學習系統,可能需要一個月標記資料、三個月訓練AI模型、三個月雲端部署。意即,打造一個商用AI系統可能需要六個月。
不過,如果基於生成式AI與大型語言模型,只要六小時、甚至六分鐘後,就能部署模型,這是生成式AI在開發端最令人興奮的部分。因此,我努力投入線上課程教學,讓生成式AI能作為開發工具來使用。
在這部分,我很榮幸能夠與許多專家合作,包括OpenAI、AWS等產業龍頭。我還想特別提到,致力投入教育發展的DeepLearning.AI,工程團隊就在台灣,我希望這能成為我們對台灣工程生態系與知識傳播的一點貢獻。
吳恩達指出,大型語言模型是生成式AI快速建構應用的關鍵。圖片來源:截自天下雜誌YouTube頻道
解放AI能力的兩大關鍵
下圖圓圈的大小,代表我認為當前AI技術的商業價值,以及相較三年前的變化。
監督式學習規模非常龐大——Google每年投入數百萬名開發人員,價值超過1,000億美元(約新台幣3.22兆元)。
生成式AI目前規模最小,但在未來三年將會翻倍成長。
大家可能會覺得,我對生成式AI的看法不太正面,但並非如此。三年是很短的時間,且速度可能更快——重點在於開發者、大企業與新創組織,都能找到振奮人心的機會。
吳恩達指出,目前生成式AI商業價值最小,但未來發展不可限量。圖片來源:截自天下雜誌YouTube頻道
監督式學習與生成式AI都是通用技術,在每個領域都能幫上忙,在應用端還有龐大的潛力。
還有多少人記得應用程式「Lensa」?你只要上傳10到15張照片,就會被繪製成科學家、太空人或其他角色的樣子——它在去年12月非常流行,但又快速消失。由此可知,Lensa是個好點子,但沒有可持續的商業模式。
還有,有人寫出1.99美元(約新台幣65元)的應用程式,能打開iPhone的閃光燈——這也是個好點子,但仍不是可持續的商業模式。
可是,這些想法讓更多中、小企業家拓展出長期業務,好比Uber、Airbnb與Tinder。
因此,我認為一位生成式人工智慧平台的開發者,也有機會做到這件事,我們需要考慮並創造長期價值、深入的應用。
另一個趨勢則是AI的通用技術——這是台灣強項,也是人工智慧普及化的關鍵。人類已經討論AI超過15年,但它的價值仍集中在消費性網路上。
吳恩達認為,目前的AI價值多用於數量少、價值高的項目(圖左),卻忽視了數量多且需客製化的項目(圖右)——而這正是AI可進場的位置。圖片來源:截自天下雜誌YouTube頻道
為什麼?若將現在與潛在的人工智慧專案依照價值遞減、排序,在上圖曲線的最左側,是最有價值的專案,如線上廣告、網頁搜尋等。以Google來說,可以善用AI、運用到十億用戶身上,最後產出大規模經濟價值。
10到15年前,我和我的朋友找到一個方法,雇用百位工程師編寫AI軟體,並用在一億、甚至十億用戶身上。這聽起來非常有價值,但當你走出網路產業,就找不到一億人應用一個AI系統的機會。
相反地,我們也與一家披薩店合作,他們需要拍攝披薩照片、檢查起士是否均勻——這個工作價值500萬美金(約新台幣1.6億元),但老闆無法雇用百位工程師投入。
又或是以台灣積極發展的農業為例。我們正與一家農業機具公司合作,利用攝影機與電腦視覺技術,偵測小麥高度,並割下符合收成規格的麥子,藉此獲得更多糧食、對環境更好。
事實上,人們關注著圖表左側、少部分價值數十億美元的項目;但卻很少人關注右側、成千上萬個500萬美元的機會——因為客製化、高成本,讓數以萬計的專案難以推進。
幸運的是,更好的AI工具持續誕生,讓使用者可使用低程式碼、無程式碼工具,自訂工作項目。換句話說,披薩工廠員工只要下指令(prompting)、善用數據,AI就能為你改善工作流程。我認為,這是提取AI價值最重要的部分。
因此,截至目前,AI價值仍集中在消費軟體、技術與網路上,現在該將它推向更大的產業面了。
AI的機會在哪裡?
五年前,AI監督式學習提供許多機會;而生成式學習的到來,又更大力推進。我曾帶領Google、百度等公司的AI團隊,但我卻難以想像,在大型科技公司,要如何帶團隊追求AI帶來的機會。
我認為,創辦新公司是有效的方法,因此創辦了AI基金(AI Funds)。對現有企業來說,他們有許多整合AI的業務與機會。但機會在哪裡呢?
吳恩達以AI堆疊圖為例,分析不同企業的進攻領域。圖片來源:截自天下雜誌YouTube頻道
從AI領域的企業堆疊圖來看,底層是硬體半導體層——資本密集、高度集中,黃仁勳和蘇姿丰也在這裡,且台積電和聯發科顯然做得很好,但這裡並非我能投入的領域。
往上一層,則是開發者工具,例如我剛使用OpenAI的API作為開發者工具。我認為這裡競爭激烈,且已有潛在贏家;除非我有顯著技術優勢,我才願投入、建立一個可持續性的平台。
儘管此層一直獲得許多媒體關注,但事實證明,頂端的應用層更成功、產生費用、創造經濟效益時,基礎設施、開發者工具層才能獲得收入、得以成功。
舉例來說,AI Funds想讓AI投入戀愛關係輔導公司「Armour」。我與Tinder前執行長雷納塔・奈巴爾(Renata Naibal)合作,她對關係系統化的瞭解,超過我認識的任何人。靠著我們的AI知識,以及她提供的「關係」知識,我們建立出非常獨特的應用。
在應用層面上,我不斷發現愈來愈多的機會,這些機會看似有著巨大市場需求,競爭卻不那麼激烈。因此在過去幾年,AI Funds改善了建立新創企業的流程。我要與大家分享這個流程,我認為,將來會有許多偉大的新創企業被建立,希望台灣也能出現這樣的新創。
我們總是從概念發想開始,與合作夥伴討論想法。我想分享一個案例,是我們的投資者三井物產建議,我們應該使用AI來協助提升能源使用的效率,這是我們自己從來不會想到的做法。
吳恩達以Bearing.AI為例,告訴企業如何使用AI、創造效益。圖片來源:截自天下雜誌YouTube頻道
我們先聘請迪倫・凱爾(Dylan Keil)擔任執行長,花費三個月深入進行客戶驗證,建立技術原型,接著我們資助他,提供執行團隊與客戶資金。
如今,Bearing.AI正在引導上百艘船隻,告訴船長應該行駛哪條航道,能節省10%的燃料使用,並準時抵達目的地。每艘船平均節省約50萬美元(約新台幣1,608萬元)的成本,更成功減少碳排放。
如果三井沒有提出這個想法,這就永遠不會實現。這讓我了解,我的專業領域就是人工智慧,我不想成為人際關係、運輸或任何其他領域的專家。我努力成為人工智慧專家,並與各領域夥伴合作,找到令人興奮的應用場域與目標。
AI可能使人類滅亡嗎?
AI確實存在風險。我認為最大的風險在於偏見、公平性與準確性,但AI正在迅速修正與改進,並變得更加安全。但是AI會衝擊就業市場,我認為我們有義務照顧那些工作受到影響的人。
我認為,通用型人工智慧(AGI)還需要30到50年才有可能實現,這段距離非常遙遠,希望我們最終能抵達那一天。
偏見、公平性與準確性是AI的最大風險,但吳恩達認為,AI也能協助人類克服挑戰。圖片來源:截自天下雜誌YouTube頻道
今天在台灣有人問我,AI可能攸關人類存亡的問題,我認為這被誇大了——對於控制比我們更強大的事物,人類已經有很多經驗,例如大企業與國家。我們已經成功解決這些問題,所以我真的不懷疑我們控制AI的能力。
人類真正的生存危機,更可能是大規模的流行病、氣候變遷,或是導致恐龍滅絕的小行星撞擊。
我認為,AI將是幫助人類克服這些挑戰的關鍵。如果我們希望人類在未來的千年繼續存活下來,與其放慢AI發展的速度,我寧可選擇讓AI儘快發展。
你可能有興趣:AI關鍵人物
・黃仁勳|AI的iPhone時刻到來 輝達黃仁勳:每個人都能成電腦工程師
・山姆・奧特曼|「我是在做好事?還是一件很壞的事?」ChatGPT之父奧特曼的告白
・唐鳳|不合理的工作是磨練?唐鳳:「吃苦當吃補」的事就交給AI吧!
・李飛飛|AI專家李飛飛來台演講全記錄:使AI見人所見——受人類視覺啟發的電腦視覺
・吳恩達|錯過AI大神吳恩達演講?5分鐘重點筆記看這裡