Transcription
李館長，還有我們的國科會科教發展及國際合作處長李處長、主持人林校長，以及我們今天在座的各位老貴賓，大家早安！大家好！首先，還是非常感謝我們科工館以及李教授的邀請，有機會來看看這個，當年我一直很期待透過科普，能夠讓臺灣真正變成科技島。
就是說，科技島的意義，應該是每一個人AI、現代的一些新的科技，都能夠有一些基本上的認知。那以前都是邀請這些很有經驗的科普老師來講，所以其實當時我答應這個演講，我以為是要AI大學生講，但沒想到是要來講科普。AI我來講也是一個新的嘗試，但是也很高興有這個機會，藉由這一波正好是…我想現在到處都是這個AI的聲音，那我們就來談一談，面對這麼快速AI的這種轉變，那它發展雖然是一日千里，那我們到底要怎麼去面對它，以及說我們自己將來不管是就業或者就學，機會到底在哪裡？我想就這個來跟大家來討論。
所以今天的時間，我希望可以劃分幾個大致的段落：AI到底可以幫人類做些什麼事情？為什麼這麼多人，這個熱潮那麼大？那當我們可以瞭解一下AI會幫我們做這種事的時候，站在科普的角度，我們可不可以稍微深入來看一下，說AI到底是什麼東西？可不可以捉摸到底它是什麼樣子？那第三個部分就是，AI你現在來看，未來又是會往什麼方向走？這個可能尤其跟我知道在座有一些我們的高中同學，那個AI高中同學來講可能更重要，不是今天，是未來到底它會是什麼樣？那最後一塊，如果還有時間，我比較關切，都是說面對這些新的科技的進展，臺灣有沒有辦法掌握這次產業的機會？所以這第四步我們就看時間來決定。
那我們就來看一看AI真的來了，那大家到底準備好了沒有？其實這個AI的，可以看到那麼多的攝影機AI，這個知道應該是一個世紀的大…最左邊那個，就是今年的諾貝爾獎得主之一，這個是當時人類的圍棋冠軍。在沒有比賽前，他信誓旦旦說，你看那麼多的記者，全部都是媒體，他這個是想讓這個來告訴大家，當時這個AI大賽，其實是全世界的專業在看，但是它並沒有真的滲透到社會的民間，只是在某些專業。可是這一場的戰役讓大家看到說，哇，這個VI真的，因為當時的世界的…右邊這個是世界的，當時的世界圍棋冠軍，那我這邊特別high light了出來。左邊幫AI下棋的人，其實也是我們臺灣培養出來的博士，他是師大的博士，師大畢業的博士。我那時候為了推AI的時候，也跟他碰過幾次面，那我那時候還特別飛到他，他的工作地方是在Google，在DeepMind在英國那時候，還到英國那實驗室去看。
剛開始的時候全世界矚目的時候，這個我們人類的世界圍棋冠軍，信誓旦旦說這個AI還不是氣候，還早。結果你看一下子3:0，就到最後結果是4:1，可是前面三戰全敗，等於是五戰三勝，已經就是輸光了。所以那個當時的世界為什麼當場落淚，就是…那我其實那個時候在剛剛是3月，那時候我還在台大，其實我們在實驗室的時候，已經早就被AI修理的一塌糊塗，只當時我們覺得說，這個技術就是還在實驗室的演進中，要真正變成我們人的身邊，可以用的工具，可能還要一段時間。那到2016年的3月的時候就發現，這個速度可能比我們想像的快，那所以2017年剛好到科技部的時候，就立刻啟動AI，就是因為有看到這一些的情況。
所以2017年我到科技部的時候，大家看到左邊，左邊那一位現在就是全世界的紅人嘛，黃仁勳先生，他應該今年5月要回來臺灣。而現在因為臺灣是他最重要的供應鏈，也是現在最重要的核心，當時在2017年的時候，他一聽到我在臺灣講說AI的重要性，AI人類的重要性的時候，他很高興，從美國那邊邀他，在臺灣的分公司的總經理，跑來找我，他覺得我講的是AI的，但是他那時候也覺得，全世界要推AI的時候，都沒有多少人相信，真的會改變這個世界。所以那時候他來，他要來臺灣找我，那我們談一下，是不是我們兩個一起在臺北辦一場AI全世界發生的AI SYMPOSIUM，來告訴大家AI的重要性。所以那個是等於是2017年的時候，現在來講就是9年前，這個八九年前的事情，當時黃仁勳先生就講說，臺灣一直是AI革命的震央，希望將來也是AI的中心。
那我當時提的就是說，AI是臺灣要特別注意，是因為臺灣的經濟完全是靠科技產業才有，才有辦法，臺灣現在這麼多富裕，我們如果在科技產業沒有跟上腳步，你沒有辦法創造臺灣的這些社會的，富裕的來源的話，那臺灣可能變窮，因為我小時候是從農村長大，我們知道那個窮困的那種感覺，所以我自己有這個機會就希望說，我們應該要讓臺灣持續的往富裕的方向走，不要有一天我們變成失去這個機會。所以那時候我就講說，AI是下一波的產業革命，那臺灣應該要設法去掌握。在2017年講這些話的時候，其實是沒有多少人相信，可是我們當時推的時候，就是才造就出今天這樣的局面。
所以其實講到科學的這種進展，有一句話我覺得在一開始的時候，想讓跟大家分享，就是這是比爾蓋茨講過一句，他說我們總是高估未來兩年的變化，但是我們都低估未來十年，它的這整個的影響力了。而其實這個要用在座今天所講的很多的東西，有等一下講了很多內容，大家也不要期待明天或者一兩年就一定會發生，它不會那麼快，可是所有的東西只要方向是對的話，它10年後對人的影響，可能巨大到大家想像不到。所以我特別用這個例子，就是說2016年的時候，當時AI打敗人類圍棋冠軍的這個事情是9年前的事情，九年前當時很多人就預估說，完了，我們隔一天是不是AI就取代我們，當然這個沒有發生嘛，但是現在你再回頭來看，快10年了，現在你看全世界受AI的影響力有多大。所以這就是科學AI我們的重要性，就是我們現在知道了，其實是知道方向，但不用害怕說這東西是不是明天就會…如果明天就發生，我們根本就來不及準備，就不用擔心這個，只是知道說，這個趨勢是往這裡走，但是重點是說，我們要掌握這個趨勢，不要隨著這個…因為明天後天可能又有新的新聞出來，我們就忘記那個注意力了，那10年後，等到大家變成很重要的時候，我們可能準備的不足。所以這個其實要提醒大家，對科學的東西，我們知道他的趨勢是很重要，但不要擔心它明天就好像改變我們，我們要擔心的反而是10年後我有沒有準備好去迎接他。
所以今天的提綱講了4個大項，我們就來看看這4個大項，AI到底會做什麼？那我會很快帶過，因為我相信，特別是我們年輕的朋友，可能很多人也試過了一些用AI來幫我們做事，所以我們來看幾個例子就好了。這個就是AI作曲子，做這個曲子的人，其實是我們的一個國中的老師，他自己只是喜歡音樂，沒有受過這一類的訓練，他只是想說，他就很想聽音樂，後來有AI出來以後，他說，那我可不可以請AI幫我做一個我想聽的歌劇，然後這歌劇是描述人類在太空中遊蕩的這種感覺，他能感受到了，那你只要把這些指令下了，AI就會幫我們做出來，真的是還蠻精彩的一個曲子，這個是一個例子。所以意思也就是說，那將來如果是喜歡藝術的人，AI對我們沒有影響？當然有影響，因為我以後喜歡或者要，要做藝術相關的活動的時候，AI應該是可以我的，可以使用的工具。反過來如果我不會使用AI，那我跟其他的同行，我可能就輸掉一大半，你的起跑點就是輸給人家。那這個是在影音的這一塊，我們就看拍片也是，這個是一個片段，所有這片裡面當然全部都是AI做的，包括水影，包括所有倒影，所有反射，然後這個命令就把…我這就直接…這個就是你下給AI的指令，我想要有一個lady在東京的街頭漫步的那種感覺是什麼樣子，就可以幫我們把這個畫面整個完成。所以你也不要去學那麼多，你要取景什麼，你就直接下命令就可以，當然所有這些都是都是虛構的，這些圖全部是假的。那畫圖當然更是，這個是…那舉個例子，左邊是照片，那我說我想用這個照片來型塑一個印象畫的這個畫面作出來，其實AI一下就可以幫你把這個圖整個做出來。
AI也會看圖，或者看圖說故事，像AI本來是從影像辨識最早開始，那你可以框幾個地方出來，告訴我這裡面是什麼東西，其實AI來講是一個這個非常簡單的事情。現在更進階，甚至可以告訴它，你可以請AI…那我這邊左邊是一個畫面，這畫面上面這個工作人員這樣拿了一個是製作一個三明治，那旁邊就是很多的食材，大家喜歡烹飪人會講說，可不可以告訴我怎麼做這些東西？AI可以幫我們…那有這些東西以後可不可以說，問AI說我到底用這些東西，我怎麼把三明治做出來比較好吃？三明治告訴你說怎麼去取材這些東西，因為它已經可以知道物件，它就可以把一些東西串起來，所以這AI的強項就是，它把很多的資料先找出這個資料之後，他就可以把這些連結一個個做出來，那當然可以做這些，也可以做一些更多的這個花樣，一個例子給大家看一下，這以後真的是眼見不為憑哦，你看這個都是…對AI來講都是輕鬆的事情，比如說圖上有些地方不太好看，可不可以幫我拿掉？你看右邊是拿掉以後的照片，根本分不出來它中間有任何這個去人工去操作的地方。這是幾個圖像給大家看看，這對於AI來講這是非常輕鬆的事情，這所以人的想像力，因為我們有這個新的工具，這個要提升我們對未來的想像，這個也是一樣，你看這個一個圖書的這個架子，你可以注意看它塗掉的東西補回來幾乎，你肉眼是看不出那任何這個變動，所以眼見不為憑，你現在看任何影片，任何照片，真的要去思考一下，這個模仿程度…就是回到說我們對科學的瞭解之後，那我們怎麼面對未來？
在學習上面的方向，其實要跟著做一些調整，這個完全不一樣，這個…當然就給大家看這些就好，那它還可以做的更多，讓你可以幫忙寫情書哦！你說哎呀，我這女朋友出國去探親了，可不可以幫我寫一封情書，表達對他的思念？我就幫你寫下來，我是這樣蠻厲害的，大家都不會寫情書的，背語抄一抄，還記得我們一起走過的街道，一起看過的風景嗎？少了你的陪伴，那些回憶變得格外清晰，哇！自己讀一讀了，這個時候，哇，真的很感動，雖然是AI寫的。所以現在其實當老師很辛苦，我們台大已經在嘗試，就是說台大一直推動，就是儘量要創新，所以其實我們課堂上是(上)完了，我們是鼓勵學生，你直接你的報告就AI寫出來，你可以用AI寫，但是問題就是，我們怎麼知道學生到底學習有沒有學到了？所以我們很辛苦，那我們現在有很多課的做法就是，你有AI的幫你寫，我也有AI，所以我們有AI助教，我們可以用AI助教來對你AI的這個報告。所以即使將來，特別在座的高中生，以後有機會進到大學的時候，你要記得你面對的是AI，所以你也可以用AI幫你忙，老師也可以用AI幫你忙，老師也用AI來檢驗，那這時候你的學習到要，要怎麼樣去刺激你自己的學習，其實這個是很多的東西可以去，有很多真的有很多不一樣，那不只是會寫情書，當然它也可以寫程式。
所以現在美國已經出現，就是說很多軟體工程師可能是慢慢被減掉，因為本來如果大家在座有，有，有學過那個電腦程式語言的話，就知道學一個電腦程式有時候還是蠻費腦筋的，那像以前我們寫一個比如說這個this this space的奢侈這種東西，那現在以前這都很難的，那現在打個命令說，可不可以幫我把找一個最短路徑的搜尋的程式把它寫出來，一下就幫你寫出來。那這個AI其實還有點可惡，它覺得我題目太簡單，他就說這個你這樣下來太簡單，你要告訴我你輸入個有什麼不同方式，或者你要表達的是哪些，這個就是越來越厲害。所以現在就我知道，像Google這種公司，它裡面的engineer，就裡面的工程師幾乎全部，因為他內部本來就有AI的工具，可以給他內部員工使用，所以他內部員工幾乎是沒有人不用這個AI來幫他寫程式的，當然還是需要能去決定整個運算的架構，可是這些簡單的事情是AI都可以幫忙做。
那AI一般人來講，就是像我今天要演講，那我來看看AI，到底如果把這個題目丟給AI，到底會什麼給我？因為我就AI範圍比較大，我說這個我要講一個題目，叫人工智慧：改變世界的魔法，給我一個…如果它講這樣的題目，到底內容是什麼？那我其實還要求它說，那你給我一些覺得比較好的影片，我可以播給大家看，然後就給我寫一堆，說真的四平八穩，如果好像照著它這樣子準備，說不定比我準備還厲害一點，有時候真的是覺得AI就是這麼厲害。AI你看他什麼都有，AI的發展歷程，AI的應用，然後AI的未來，如果學習AI跟結語，最後一個影片推薦，我想說這個老師真的也要被取代了，所以老師要跟著AI的進進步才行。那AI還可以做更複雜的東西，比如說我們春假快到了，我說春假想要出去日本玩，那可不可以請AI幫我安排一下幾天的行程？我說要去一個春假加週末6天，你可以安排一下，我要去京都，我去想要去看歷史景點，包含幾個重要的名字(字句/詞彙)，然後你知道就把它寫下來，然後你要建議交通跟餐廳，同時把這個弄出來，我後來去查，發現還真的可以照這樣去走，當然這個風險之一就是說，如果每個人都AI來指導的時候，那幾個景區就會擠滿了人，但這個就是AI的style，就真的很厲害。
所以嚴格來講就是上面這個橘色這框框，大概就現在在職場上面的一些工作了，你可以想像到說未來的社會，職場上面的每一項工作AI都可以幫忙，那也有很多人就開始在研習，比如說這個Boston顧問公司，這一家公司是專門在幫全世界去協助規劃，未來你的一些工作怎麼安排，是可以最佳化。我那時候推AI的時候，其實也有找波士頓公司的幫我做了一些建議，那他們其實有一些調查，這個AI當然不會取代人類，但是AI會幫人類節省很多一些日常或者重複性的工作，可以讓人節省時間下來做思考，做其他的事情。所以這個某種程度就是一個典型的工業革命，工業革命就是說，一方面增強我們人的能力，一方面讓我們的效能可以提升，就是本來比如說沒有馬達，沒有這些車子的時候，你要從甲地到乙地，那個效率就很低嘛，現在有高鐵，我早上從臺北下來就是90分鐘，那個效率就提升，所以AI也是一樣，跟以往的這一些產業革命類似，它就是工具，可以讓人類在面對日常的很多工作，效率可以提升，那提升的倍數，有人講說這個提升的倍率甚至可以到一兩倍以上，那大部分現在很多人的評估說，至少可以提升20~50%。529 00:19:59,966 --> 00:20:01,900 就是你有用AI跟沒有用AI，那差別是非常大，如果以剛剛那個寫作來講，寫一個情書可能想個一小時，現在可能幾秒就幫你擬一個草稿出來，那你再架在那個草稿上面往上寫，你本來要花一小時寫的時間，你看5分鐘就可以把一個你自己覺得滿意的東西做出來，那這個效能上真的是非常不一樣，而且AI人的學習來講，我等一下會提，就是人的學習一個蠻重要的，其實也是我們在學校常用的手法，就是所謂的強化學習，叫reinforcement learning。這次剛好是今年的那個圖靈獎頒給這個強化學習的，當時提出這個想法的那兩位教授，強化學習的概念就跟我們學校學習很像嘛，就是給你個題目，然後你作答以後，老師會依照這個作答的情況給獎，這給最好的分數最高，答得不太好就分數低一點，其實這個就是讓大家透過獎勵，然後增強我們對學習的反回饋，就是我每次都受到獎勵，我就會一直激勵我自己學習的這種情況，這個就是一個基本的強化學習，那這種學習就會讓人的這種，就是通過這樣的話，那只要這個反應的速度越來越快，人的成長跟學習的速度，速度就越來越快。
所以剛剛講這個效能上面，AI學習上面其實影響還非常大，就我剛剛舉個例子，我現在做一個報告，我本來要花一小時的時間去想，但是我現在通過這個工具，我可能5分鐘就可以做完，那5分鐘做完的意義，代表說我5分鐘就可以看到我想像中要的成果，所以如果我對成果不滿意的話，我還有55分鐘可以去修改。所以這個競爭力的差別是在於說，如果一個我的競爭對手，他沒有用這個工具，他要花一個小時才能看到他想要做出來成果，那我們就想像說，那個人是天才，所以他只要一小時做出來那個東西就很滿意，那我可能是我就是一般平庸之才，那我現在有AI的幫忙，我5分鐘做出一個東西出來，然後5分鐘我可以看到我可能…說不定可以再加點東西，那這樣我再花5分鐘，我又有一個新的版本。所以如果真的一小時，我可以改了好幾版，那再怎麼樣，我是架在一個好的基礎上一直往前疊，就有點類似站在巨人肩膀一樣，所以我雖然長得沒有你高，但是我站在巨人肩膀，我做出來最後交出來的報告，甚至比天才的的報告還厲害，所以這個就是完全不一樣的這個，所以這是可以很顯然看到說這個，因為AI人類的影響，它可以幫我們做的事情，就是你可以想像到職場上的所有東西幾乎人家都可以做，那底下當然就是比較技術性，那AI到底怎麼來，我們等一下再來看這些。
所以很多人在講，未來世界真的是得AI者得天下，那這是工業革命之後就是這樣，你看現在整個世界的大勢，就是工業革命一開始，能夠順著工業革命往前跑的國家，就變成世界的強國，就是這樣上去，所以這個這句話確實是真實的。真的很感謝像林校長說當時在高中就可以推了，因為我覺得這個東西就是，既然是人類有史以來最powerful的工具的話，那我們在學習的這個目標，本來就是讓我們學會一些能力，能夠操控這些工具，所以越早學習AI我們是越有利。那很多人講說，AI是新世紀的電力，就比喻說現在沒有電，當我們什麼東西不能做，未來時代沒有電力，沒有AI這個電力，很多東西也不能做，大概就是這樣。好，那我們就來看一下AI到底是什麼東西？它能力那麼厲害，到底它是它是什麼樣的東西？
我自己是覺得說比較簡單，是把AI看成是人類能力可以無限延伸的新工具，它可以延伸到哪裡？現在還不知道，AI到底能力有沒有極限？現在老實講真的不知道，可是你不要把它當成說好像AI是要來取代人類，就把它想成說，AI就是人的能力的延伸，你就把它想成說，我們跑步沒那麼快，所以我們發明車子來幫我們跑的快一點，那我們很多東西做不到，就跟以前講千里眼順風耳，那現在是每一個人只要有手機你都是千里眼順風耳，這個就是工具的應用，所以把它想成這樣就比較不會去害怕，那我們就可以真正比較深入去探索AI到底它的是什麼樣子。那麼AI的翻譯叫人工智慧，所以某種程度跟人的智慧一定是結合在一起，那我們人，所有的人有沒有智慧還是看他反應，所以這個人跟我們談吐的時候，你發現跟他對談反應很好，或者他在做事行動很敏捷之類，那你就覺得這個人的能力不錯，所以某種程度人類的行為能力，我們就是用他的思考跟行動，就是概括啦，都是這樣來去判斷，說這個人的行為能力是怎麼樣，那其實這是Mind跟Hand，就是腦跟身體這兩個。
所以在探討人工智慧的時候，你也可以把它虛擬想像成一個人，在做行為能力的時候，通過腦跟身體來做這個行動結合，人工智慧其實也是類似這樣。我就用那個影像辨視這個，這個來先談起哦，因為人工智慧最早就是從影像辨視開始的。這4張照片如果大家認識，大家應該都知道是其實同一個人吧？人在辨識之前，怎麼知道他是同一個人？我就問這個圖，這個是我那時候帶學生，在做影像辨識的時候，我們常拿來做的基礎的概念，就是這兩張卡片到底一不一樣？那人在辨識這個卡片一不一樣的時候怎麼辨識？我想大家習慣一定說，找這個圖裡面有沒有有一個地方是比較明顯的特徵，然後拿這個特徵到那個圖去找找，看那個圖有沒有有一樣的，然後一個一個這樣對比嘛，所以電腦其實也是這樣做，我實際上就是這樣做，就是一個一個去對比，所以其中有一個一些關鍵，就是說你要去找那裡面的特徵，然後去做辨識，然後人就想辦法把…我們的人的腦筋，就是會去整理那些東西，我們去把這些東西整理出來，這個人就可以做辨識，所以這個是，這個是科學家在想像說，人辨識東西，這種辨識東西可能是與生俱來，就是我們從小爸媽這樣教，我們就會了，那到底我們怎麼會的？所以這樣有點類似，就是我們要去回頭來看，反思說人到底為什麼會這些動作，因為我剛剛講人工智慧是我們人類能力的延伸嘛，那所以回歸基本面，就是那人的能力到底怎麼來的？我們如果知道人的能力怎麼來，才有辦法讓電腦來模擬我們做這些事情，對不對？基本的概念其實是這樣子，所以就從這個來看，人是這樣去辨識，那…那我可以不可以把人的這樣的辨識的方式，把它換成電腦也可以做？如果這樣，這一步轉得過去那就厲害了，那轉不過去，就是電腦就是沒辦法像人這麼聰明。所以這個就是一個基本的轉換，就是這樣，這簡單講，這人工智慧，AI就是讓電腦成為能夠模仿人類所擁有各種行為能力的工具，你只要把電腦把它訓練到，人可以做什麼，它就可以做什麼，人會寫情書，人會排行程，會畫圖，那你就把這些能力轉化成電腦也可以做，就一個一個，人有什麼能力，就把轉成它的能力，那就會了，那這樣這個工具我們就可以使用，基本上的概念是這樣。那這個講…好像很簡單，科學上就沒有這麼容易，因為你真的要一步步教它嘛，沒那麼簡單。
科學的突破，最重大的科學突破，當然就是會獲頒這個諾貝爾獎，我們就來看看這去年的諾貝爾獎，去年大概有史以來諾貝爾獎不同的獎項頒給同樣的技術範疇，這個是歷史上從來沒有過，就代表說全世界的各領域的科學家也發現說，OpenAi對人類的影響實在太巨大了。那…那這個圖是上面是去年的物理獎，下面是去年的化學獎，諾貝爾物理獎諾貝爾化學獎同步頒給，都是跟AI相關，有的東西不大一樣，但物理講大是比較基礎的，從基礎物理，化學就會提到是化學的一些貢獻。那我們就來看一下，左邊底下中間那個，就是剛剛我們秀的第一張影片，帶領那個那個AI的的團隊來跟人類圍棋大師競賽，那個團隊的負責人，他當時打了，把那個人類的世界圍棋冠軍都打敗以後，他發現說，哇，糟糕，他沒有目標了，怎麼辦？因為做事沒有目標就不行，所以其實後來那個團隊第一個轉向，是改成說，那有沒有，有沒有什麼比賽是更複雜，所以其實他最早轉向是轉向去做那個Dota的競賽，在座有沒有同學玩過那個Dota，就是電腦遊戲那個隊伍的競賽，就是每隊都出5個人，還有那個世界電腦電晶體賽的那種做法，最後他們轉去做電晶體賽以後，不到三個月，他的程式就立刻打敗當時最強的世界冠軍的電晶體賽，說哇，這不行，表示對他已經沒有挑戰，就是沒有…一個武林高手沒有敵低手，其實我們看過很多武俠小說，這個獨孤不敗，這也是很可憐嘛，沒有對手，後來他就只好回到科學去找，就找了人類的基因DNA到底怎麼樣去模擬出來，這個好像在化學界是很困難，結果他就把他團隊就轉成做protein的這個模擬，結果竟然給他一做，馬上立刻比所有全世界現在能夠做的模擬的精準度高上1個order以上，所以他就讓整個醫療的這個化學醫療的突破又跨一大步，所以這兩個獎其實是這樣的。
那我們來看一下，這些得主一定是帶給我們什麼東西？是跟剛剛大家想說，我剛剛講電腦有人工智慧，這些能力以前做不到，為什麼需要他們才做得到？那我就講這個物理獎，這個…這兩位得主的重要的貢獻是在這裡，就是我們人與生俱來之後會學會辨識，學會做這些東西，可是我們一直想要知道，可不可以把這種學習的這樣的能力，把它轉到電腦上面，偏偏就是轉不過去，因為第一步就不通了，就是人的電腦到底怎麼思考？人是怎麼思考的？那人的思考可不可以轉成電腦程式？因為我們電腦的人都知道，電腦會做這些事情，就是我寫軟體讓它做這些事情，所以我所有要叫電腦做的事，一定要寫成軟體，它電腦才會動，這裡不能寫成軟體就不能動，所以你光說人怎麼思考，人怎麼辨識這些東西，我一定要把它變成軟體才行，可是人的腦筋怎麼把它變出來，變成可以…這個這第一步就有困難，那這是這個Hopfield這個教授，Hopfield教授在1980年的時候，他就想到一個做法，人的頭腦大概有10到12次方的腦神經，大家聽過科普，大家知道我們的Neuron Cells有…大概人的頭腦裡面，腦神經細胞大概有10到12次方的腦神經(細胞)，那我們其實腦在動的時候，但不是全部動，可是就是你所有的神經這樣竄來竄去，最後會變成想出你腦筋裡面這些東西出來，所以它其實機制是非常複雜，真的是沒辦法弄出來。我們這位教授當時想是說，那可不可以用這個網路把它串出來，所以他當時提出了這個Hopfield網路，就是來模擬說，那這個我用的是簡圖，就假定說我們只有4個腦神經，那這個四個腦神經又來模擬腦的人的頭腦到底怎麼思考，怎麼做這麼多的事情，那我先用四個這樣比較簡單嘛，再把它延伸到10個12次方就變得很巨大，所以他就提出這個概念，說腦神經的連結其實可以用這樣一個，一個類似電路的方式把它連起來，這樣用這個方式就可以模擬，也就是說，你可以注意看，我現在有四個腦神經，這四個腦神經分別都有串聯在一起，然後腦神經都可以從，你可以從這邊看，左邊就是有外界接收進來的信號，右邊是我會送出去給外界的信號，因為頭腦反應完以後，你會送信號給外界，所以左右一個是叫輸入，一個叫輸出，就腦的輸入跟輸出，那中間就是他在思考在記錄，在記憶的的這種連線，所以他說，他發現我只要把腦神經的結構用這樣疊起來以後，這時候你腦子這個，這個網路的輸入跟輸出的反應的形態會跟人非常接近。1980年，提出這個想法，那…那因為到現在才得獎，所以也可以知道前面幾年大家，大家就是找不出到底對不對，反正就是大家覺得哎，這樣好像也可以用，所以後來慢慢就是大家就把腦神經科學，因為我們，我們沒辦法，腦神經我覺得要跟大家說明一下，腦神經為什麼那麼困難？是我們人類所有器官，你把(其)它拿出來，或者把它…你還可以去觀察它的這種行為，但人的腦神經一取出來就死掉了，你就沒辦法知道它怎麼動，所以腦神經我們到目前為止還沒有辦法去結構，去看每一個腦神經到底怎麼去變化。我記得我那時候在科技部當部長的時候，是把腦神經科學研究當做一個重點，這個一定是這個世紀人類最想要突破的這個盲點，就是我們人類到現在還不知道腦到底怎麼樣去，因為它就是…就是它只要一下shutdown，就幾乎沒辦法去找他為什麼思考，它死掉以後所有連線都不見了。所以這個模擬後來就慢慢發現說，真的可以用來當做人類AI人腦探索的一個基礎，所以他會諾貝爾獎狀會給基礎的突破，所以這個是他重要貢獻是在這裡，就是讓人類第一次可以用某一個比較簡單的圖形來模擬人類的頭腦，可是這個離software要把它弄成電腦(程式)還很遠。
AI，因為這個圖要怎麼把它做出來，這個其實很難的，所以這麼多年來，很多電機資訊的科學家就想盡辦法說，可不可以用這個來把它做一個電路出來。我記得我在2009的時候，我也帶學生做了一個晶片，你剛剛一開始看我實驗室，最多是做想辦法把它做成，做成晶片，我那時候曾經做了一個腦神經運算的晶片，當時還被邀請去那個舊金山發表，我們當時就真的做了一個，那隔了兩年IBM也做了一個更大的腦神經的晶片，都是透過用這樣的網路去模擬，那可不可以把它做成晶片來去做驗證？但其實以往的模擬，就是說…就是差那麼一點，它只能做某些簡單的動作，還是沒辦法像人這麼精準的思考。Geoffrey E. Hinton，就是去年的諾貝爾獎得主的另外一個得主，給出的貢獻是什麼？他就把本來這樣一個networking的東西，把它轉成可以運算，也就是說，本來那個只是一個模擬的架構，這個架構，我現在還是沒辦法把它真正在電腦上好好去操控，因為大家可以想像，這個只有四個節點，然後你連線就那麼多，那我們人的頭一放上就是10的12次萬個節點，然後每個節點又要串聯在一起，那電腦根本就不可能算得出來，這是為什麼現在AI要用要用那麼複雜的運算，就是其實還是卡那個運算量。當時這個Hinton這個教授，加拿大多倫多的這個教授，他就想出一套方式，可不可以用這個把左邊那個模擬的架構，把它轉成一個可以計算的架構，我雖然是從一個模擬的model，把它轉成可以電腦可以算，你就可以看到，左邊這個都看起來是有點複雜，但是它的公式已經出來，當然就是這個公式，它就可以真的可以開始算，所以這個是他得獎的重要的貢獻，就是把本來已經可以把腦神經變成一個模型，現在他把模型變成可以做計算，就是很厲害，你可以計算，那就可以讓電腦號去算，就造今日的AI就一日千里，是這樣的。那其實我這裡特別寫說，真正可以作運算最早是，其實還有一個更早的，不過這個叫遺珠之憾，這個是臉書的首席科學家，就是Lecun，是他當時也有一個網路，是在1998年的時候是提出來，所以他們兩個是合得，我記得是2020還是19的那個圖靈獎，就是有同樣的貢獻。那其實我今天還有一個遺囑之憾，就是叫生成式AI的發明者，生成式AI發明者，其實他的題目叫做Attention is all you need，就是說人真正在看東西的時候，就像我現在掃描過去的時候，其實對人來講，我們注意力集中的地方才是最重要的，也就是說我在掃描的時候也有可能是，比如說我有熟人，我會多停留幾秒鐘，我看到照片也是一樣，你看到照片的時候，如果裡面有我們自己，你可能眼睛眼光會特別注意到它，所以意思也就是說，電腦在看這所有這些圖像的時候，如果它沒有跟人一樣有attention，有注意力集中的這種特質的話，那它也沒有辦法模擬跟人一樣，所以這篇論文主要的貢獻就在於說，那你是剛剛是剛剛可以做運算，那這個運算還是很複雜，那生成式AI的做法就是說，那我把這個整個複雜運算，我現在可以做跳躍式的，不需要像前面前面這個圖從頭做到尾，我若發現說接下來這些東西都不是我，我不是我關心的東西的話，那我可以把整個運算都跳掉，我就跳到比較關心的地方去，所以哎，這個也是一個突破，就是所以這個突破就造這個生成式AI出來，因為這個突破的意思就是說，那我以後不要叫AI幫我做事的時候，其實我不關心的時候，你不要給我提，AI你就只要把我關心的提出來就好，那這個就會造生成式AI為什麼會有人講說，它叫正經八百的胡說八道嘛？因為它跳過去以後，它是一個線性的思考，跳過去以後它可能跳錯方向，所以它這時候往下跑的東西完全是錯誤的，可是它會覺得它是對的，不相信你上Chat GPT或者上其他打(鍵入)，比如說你打陳良基部長到底有什麼貢獻？它可能掰一堆，因為它可能抓不到對的，它會注意力會隨著不同的使用者，它就跑到不同的地方去，所以這個是，這個是它的貢獻，當然也是它的盲點，可是現在這個是全世界所有的幾個，包括最近過年前那個非常非常聲名大噪的一個DeepSeek，其實也是類似…大家現在想的是說，那可不可以我用更精準的方法來協助使用者去做這個跳躍，這個跳躍的方式哦，就是一般人可以用個簡單的想法來想，就很像說我們在教小孩子跟或者跟小孩子玩這個成語的接龍，玩成語的接龍，大家應該知道，有時候玩一玩的時候，沒有成語就會突然冒出說，可不可以自己創一個成語，尤其小孩子會這樣，然後我講這句話可不可以這樣成語嘛？因為你就是要找一個成語來做接龍，接龍這樣接，一句一句接，那…那AI在學東西的時候，就有點類似，它從以往的資料裡面學會這麼多字，這樣接起來，到某一個字的時候，它想要跳，它想要接下一個字的時候，它的接龍，它就會從裡面有的東西把它串起來，可能跳過去，它因為會考量你的注意力可能不在這裡，要跳到別的地方去的時候，它會跳，跳到一個也許不存在的這種成語，所以它就會就會變成說，它自己自以為是的，一直往下接下去，這個是甚至是AI的幾個特別的想法。
那大家知道說，AI現在已經…人的頭腦現在可以發展成可以用運算，到底這個，這個跟人類行為