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
