相信大家對 AI 都不陌生吧？自從 ChatGPT 問世後，我們的生活似乎已經離不開它了，不管是寫信、查資料、找靈感，大大小小的事情都會想先問問它。各大科技公司也紛紛推出自己的 AI 模型，新聞甚至常見「某模型在 XX 考試中打敗 99% 考生」這樣的標題。
在此期間我心中也一直有個疑問，甚至有一點點害怕：生成式 AI 真的會取代我嗎？
最近在博士班上了一堂叫 Advanced Machine Learning 的課程，我學到了 Transformer 這個機器學習架構。如果你對這個詞很陌生，不用緊張，其實 Transformer 就是大家熟悉的 ChatGPT 裡面的「T」。GPT 的全名是 Generative Pre-trained Transformer。因為我開始理解生成式 AI 的底層邏輯，也因此激發了很多的思考。
當然，我必須說這個主題很大，而我也不是做 AI 研究的博士生。但我想把一些目前的想法記錄下來，希望能激發你對生成式 AI 的不同觀點，也非常歡迎你在留言或訊息中和我討論！
什麼是Transformer？
2017年，一群在Google工作的科學家發布了一篇有8名共同作者的學術文章，文章標題是「Attention Is All You Need」，這篇文章介紹了一種全新的神經網路架構「Transformer」，目的是為了更好的做翻譯。細節當然相當複雜，畢竟我們的教授花了整整兩堂課、五個小時才講完，有興趣可以自己去讀讀。但用最簡單的方式來說：經過訓練後的 Transformer 模型，能在你給它一段文字後，逐字推算下一個詞的出現機率，達成翻譯預言更加自然的效果。時至今日，科學家發現經由一些額外調整，就能進一步做到回答問題、甚至自然對話的效果，而演變成今天的生成式AI。
回到那篇文章，我個人聽完講解，我覺得 Transformer 有兩個非常重要、而且是以前的模型無法同時具備的優勢：
第一，它能判斷句子中哪些詞是關鍵，而不會被詞語的順序干擾。
有點像小朋友在做選擇題：你問他「想吃棉花糖還是棒棒糖？」，他可能選棒棒糖；但如果你把順序換成「想吃棒棒糖還是棉花糖？」，他又可能改選棉花糖。
過去的模型就有這種「順序依賴」的問題，但 Transformer 透過 attention 機制，能同時看到整句話的重要性分布，因此不會被詞的前後影響判斷，就好像他真的可以理解句字的意思一樣。
第二，它可以把大量的運算同時進行，最後再組合起來。
這就有點像是工廠的兩種模式：
傳統模型像是流水線，一個步驟做完才能做下一個，而Transformer 則比較像 F1 賽車換輪胎，每個技師同步作業，短時間內就能完成所有程序。這樣不僅節省時間，並且每個運算不會太複雜，在現在顯卡一直在進步的時代裡，可以說是如魚得水。
當然當時那幫Google的科學家可能完全沒想到他們提出的這個架構在未來會有如此大的影響。
他的機制與人類有什麼不同？
當然現在大家接觸到的大語言模型，裡面有很多細微的調整，但最底層他們都是應用了Transformer的架構。不知道大家在都剛剛的段落時有沒有注意到我說，「就好像他真的可以理解句字的意思一樣」。因為實際上，他其實就是算出下一個字詞高機率是什麼，在藉由一些算法及機率調整，讓每次出現的回答都有所不同。所以對我來說，他不真正的理解句子，而是算出這個字後面高機率是什麼。這有點像是你在敷衍聽別人說她的感情事的時候，當你前面走神了，但她抱怨說我真的覺得我的男友很＿＿，然後你就會接白目，她就會說「對對對，你怎麼知道，我覺得你很懂我耶！」就是你不是真的理解她在講什麼，但那個語境下，白目是最高機率的詞。對我來說現在的AI就是一直在重複做這件事，只是可能更加精緻一點。
你可能會想說，那他跟人類有什麼差別？對我來說，知道他的機制之後，差別可就很大了。我覺得可以分成以下三點
第一，人類說話是為了描述整體，而AI說話背後並沒有整體
當人在說話的時候，他背後是有想要描述的一件事、一個感覺、或是一個理論，但AI沒有。就比如說在拿剛剛抱怨感情的例子，你朋友跟你抱怨的時候，是有她男友這個人的，還有她跟她男友做過所有事的回憶，所以在描述的時候，可能會出現對於AI來說機率很小，但很特別的詞。你朋友的描述可以讓她男友這個人在你的印象中更加立體，更能知道他是誰，當然是如果你有認真聽的話啦。但如果你要AI描述一個人，他只能從你輸入的信息中換個講法再重新說一次，並沒辦法產生全新的東西。同樣的，新的想法、點子，在人類說的時候，是真的有一個全新的想法在背後，但AI只是把以前的東西拼拼湊湊呈現在你眼前。所以這也是為什麼AI常常出現前後文矛盾的原因，因為他不是真的在描述一件事情。
第二，人類理解語言後，可以說出各式各樣的東西，AI理解的語言是數字的權重
當人類了解一件事之後，他可能會迸發出大大小小的想法，雖然很多事可能別人之前就想過，但你在想的時候，對你來說是全新的。但AI理解的語言是數字加加減減，當然他的資料庫中有很多別人想過的事情，但沒有新的東西被創造。所以即便你想的一萬件事，都被別人想過了，你只要有一件是別人沒想過的，那就是全新的，但AI即便資料庫裡有一百萬件事，全部都是別人想過的。所謂AI的創新，可以說只是過去事情的重組，當然你也可以說那是創新，但不是那種憑空出現、突破式的創新。
第三，需要理解背景的邏輯推理，人類必定比AI強
這有點像是第一點跟第二點的結合，人類理解事情是理解背後的整體，AI只是看似理解事情，實則在預測下個字是什麼。所以在AI看來，並沒有一個存在的整體要被描述。當然你可以說如果AI預測字詞夠精準的話，不就可以看起來像是他理解了嗎，但看起來像是跟真的理解，我覺得是不一樣的概念。當你理解一件事的時候，對於他之後的發展以及相關的事情都會有一定的理解，但AI最多只能想辦法逼近做到跟人類一樣好而已。
當然以上都純屬上完課後一些個人觀點，這些觀點在學界也是有很多爭論，很多人覺得AI一定可以超越人類，另一派的人覺得現在的AI不可能跟人類一樣。但不管你是站在哪一邊，不可否認的是現在的AI跟人類思考的機制還是大不相同的。
所以我會被生成式AI取代嗎？
我會說會，或應該說一部分的你會被AI給取代。因為身為一個人，做的事情是很多樣的，很多時候，你可能只是在學習、總結過去發生過的事，這些事情會很輕易的被AI取代掉。但對於那些學習過後由人腦想出的新的、沒有具體方向、或是需要表達情感等等的事情，AI是很難取代人的。
但回頭想想，取代過後難道不是好事嗎？想想工業革命做出的很多機器把人類從單一的生產線上解放出來，讓很多人不用做單調又重複的事，讓人類可以做運用腦的事。網際網路革命讓資訊可以流通，讓人們從到處搜集資料跟尋找資料的深井裡走出來，讓人類可以想知道什麼就找到什麼。今天AI更近一步的把人類從不知道怎麼找資料、不知道怎麼開始學習、或是有點子卻做不出來的窘境裡面解放出來，讓你可以真正的站在巨人的肩膀上，利用以前所有的知識來創造新的東西，解決生活中很多不方便的地方。
當然我們在這個時代的起頭，可能會覺得有點恐懼，就像當年被機器替代掉的流水線工人。但過多年回頭看，若不是當年的工業化，世界也不會發展成今天的模樣，當然這樣的發展是好是壞就是另一篇文章可以討論的事了。所以同理，當我們多年後回頭看，AI也會重塑這個世界的模樣，至於這些被解放、替代掉的勞動力，會以怎樣的形式存在在世界上，老實說我也不知道。很多人預言會有全民基本收入，或是幫你賺錢的機器人等等的，可能有些真的會達成吧。
總之我覺得唯一不變的，就是持續做自己喜歡，並且有利於人的事，我想不管在哪個時代，這都是對自己來說最有價值的。
對於AI有什麼其他想法歡迎留言跟我討論喔！
