李孟恩 的故事2026 02 21
這是一個關於雲端E化系統 ERP 數位音響,企業:講師:顧問數位VOICE出版 電子書 數位音樂platform 服務的網誌
| 鑑別式與生成式AI相輔相成 |
提高生成效率與準確性 【作者: 陳念舜】 2024年01月27日 星期六 |
眼看2024年人工智慧(AI)即將成為驅動全球經濟成長的動力之一,除了所需與算力相關的硬/軟體,與演算法、語言模型等先進科技,就連傳產中小製造業未來也有機會從中切入,提供獨有垂直領域和高品質的資料協作,以提高AI生成效率與準確性,同時優化生產製程與增加產品價值,加速AI平民化。
在工研院2023年兩度召開的「生成式AI產業高峰論壇」上指出,現今盛行的「人工智慧」(AI)名詞問世已逾60年,惟當時(1956年)僅訴求可讓電腦具備邏輯推論能力,執行接近人腦智慧的工作;直到1970年代推出的專家系統,才訴求能將人類智慧萃取出來教導電腦。並在1980年代的機器學習(Machine Learning)時期,開始讓電腦具備自主學習、改善能力,並延伸至特定領域,包含語音辨識、翻譯,或是醫療影像病變、產品瑕疵檢測等,較傾向學術研究課題。
進入1980~1990年代開始有企業加入相關研究,並先後發表AI語言模型、類神經網路等學術主題論文,卻也因為企業發現投資效益不如預期,而導致AI話題曾在1990~2010年進入寒冬,包括學研界紛紛改以「深度學習」(Deep Learning)為名,投稿發表論文。
隨著2016年AlphaGo橫空出世,擊敗圍棋界棋王,而被視為近期AI發展最大突破。雖然近幾年來聲勢略減,即因為棋類終究只是展現AI能力的娛樂工具之一,必須跨界投入商業化等更有生產力效益的場域,並驅動最新生成式人工智慧(Generative AI;GAI)技術發展。
|
鑑別式AI持續擴大應用生成式AI接力猛進
其中包括利用既有深度/機器學習等AI技術,可讓電腦進行大量有標註資料學習訓練,歸納出輸入資料特徵進行辨識、分類,而稱為「鑑別式AI(Discriminative AI;DAI)」,包括產品瑕疵、人員及場域環境安全等,已大量為企業導入使用。
加上目前吸收了來自網路、社交媒體時代的巨量數據資料,經過量變產生質變,再利用大語言模型(LLM),而造就更多自主創新GAI內容的能力,包括文字、圖像、影音、程式碼、3D模型數據等,目前較先導入於辦公室應用,將有助於提升工作效率,對產業影響巨大。
根據市場調研機構預測,2023~2028年將是GAI的快速成長期,全球應用市場規模將從2023年的62億美元成長至2028年的585億美元,年複合成長率達56%。工研院預估,2025年將有30%企業導入GAI技術,應用於文件生成、程式設計及對外營銷,包含製造、媒體、工程、國防、醫療和能源等領域將會第一波遭遇衝擊。
![]()
|
面對GAI能與不能 協作以確保AI資料準確度
然而,儘管目前各界普遍看好由ChatGPT、Midjourney等各式各樣GAI帶來不同的技術創新,以及其中蘊含的潛在商機。預計2024年將開始湧現大量的AI軟硬體和商業模式等創造性革新,但對於GAI的定義及其作用限制也開始進入發展關鍵的「深水區」。
由於目前GAI仍無法從根本上解決至今其他類型AI所面臨的市場挑戰,LLM產出內容被定義為「創造」而出;又主要根據公共資料所訓練,輸出內容難免具有偏見、隱私、幻覺(hallucinations)、一致性和可解釋性(Interpretability),甚至在很大程度上加劇了這些問題,此都顯示人們不能完全信任AI,企業也必須在提升效率同時,做好風險管理。
Appier/ikala獨立董事簡立峰認為,當「機器學習服務平民化(Machine Learning as a Service ,MLaaS),語言模型逐漸縮小時,除了閱讀之外的其他能力都下降。」即因除了透過以自然語言和機器溝通之外,人機互動方式改變也開始透過問答方式學習「下咒語」,以提問代替解題,人人都可以是工程師,提高勞動生產力,也就是企業競爭力,讓微軟2023年Q3財報的雲端服務營收提高28%。並估計在程式開發產業中,2022~2032年GAI市場規模年均複合成長率22.1%,將達到9,810萬美元。
同時該注意的是GAI的「能與不能」,雖然對廣泛性問題的回答能力較為強大,卻對較狹隘領域的知識理解有限。一旦面對如企業較少上網的資料時,就連LLM也無法完成企業內的小事。且其答案內容只是比起大多數答案較佳,而無法保證即時、正確或可溯源,還不如個別垂直領域專家;甚至還有偏見與寡占等疑慮,容易在無形中流失國家競爭力與文化代表性。
簡立峰認為:「現今會跨部門編寫程式者,未必都是IT人員的責任,須加入測評比標準才能真正優化。還要賦能員工擁抱AI新工具多多嘗試,以提升效能、增進營運效率,並留意資安的重要性,加速從數位邁向AI轉型目標。」
因此,他建議企業領袖,應對此數位轉型框架新賽局,選定適合項目,包含客服、行銷、程式開發、知識管理等,進而成立跨部門團隊蒐集數據、優化流程、自建模型等,最後發展各自需要的「企業大腦」(Language model for enterprise)。
GAI生態系風起雲湧 加速AI產業平民化
工研院執行副總暨總營運長兼AI策略長余孝先表示,隨著全球GAI生態系風起雲湧,可概分為4類:文字、圖片、影音及程式碼,強大之處來自於其估計擁有超過1,700億筆參數和3,750億字訓練資料的龐大數量,使之算力遠超過以往的AI模型。許多國際大廠都已投入建立GAI模型或相關應用,正在重塑各行各業的面貌。
雖然目前台灣尚未擁有真正可用的LLM,但企業可考慮從以下資料、算力、算法、可信任等面向著手,強化自身優勢:
1. 資料是AI的靈魂,台灣產業可藉導入高品質的私有資料庫和特有產業資料,奠定在特定垂直應用快速落地的能力;再利用演算法來選擇適用於產業資料特性的模型及發展微調技術,並透過整合國家或雲服務商的資源來支持提高算力,提升企業效率;
2. 考量台灣在資料量、算力、和財力方面,恐難與國際大廠在開發通才型GAI競爭,而可考慮從專才型GAI著手,透過相對較低成本,訂製開發微型化、特定領域專用的小語言模型(SLM)加值應用著手。包括提供通才型GAI付費、或是開源碼使用資料訓練模型,並投入發展微型化、特定領域解決方案,發揮台灣產業群聚優勢。
3. 基於各國目前都十分重視GAI的輸出品質,建議台灣可從國際法規和標準的角度,建立相關AI評測機制來提高可信任度;進而利用工研院的技術成果,來加速產業GAI應用與創新轉型、接軌國際AI規範。未來將有機會能共同擴大競爭利基,在國際大企業的布局下開闢新局。
|
工研院也利用累積多年研究成果,積極發展AI科技服務平台,提供系統整合、研發測試、軟體開發等服務,助攻企業布局營運及供應鏈、產品研發、行銷、客戶管理等4大企業應用領域,加速GAI產業應用落地。並在2015年提出台灣發展AI的3大面向:
1. 產業AI化:不只將AI模型視為單一產品,而能協助產業提升總體競爭能力;
2. AI產業化:當有越來越多企業導入AI之後,將形成一定規模產業;
3. AI平民化:降低門檻,讓中小企業和一般大眾都能使用
除了前述兩者已被納入台灣科技政策,並迎合2022年底Chat GPT趨勢被應用。工研院也強調,GAI不只是與資通訊(ICT)技術有關,還涉及人才、法律問題與不同領域科學,所以在近年來成立全院GAI小組,探討其對於特定產業和未來技術的演進方向,以及社會法制、倫理等影響;並培育更多GAI人才來迎接挑戰,期許成為未來生活的基本能力、提高人民AI素養,以持續推進「AI平民化」。
導入GAI先學趨吉避兇 要求會用又會管
工研院資深副總暨協理兼AI辦公室主任蘇孟宗進一步指出,現今國際生成式AI趨勢雖會賦予個人創造能力,但最終要展現資料的正確性、權威,不僅「眼見為憑」,還要找出背後賦予的意義。「由人類在開發流程中將藉此實現職能翻轉,即從執行導向代理系統發展,擔任審核者,並由AI扮演生產者角色而控管風險,台灣產業須能掌握這波變革機會。」
蘇孟宗建議企業應透過內部從上而下的系統性培育,針對不同階層規劃課程,從觀念啟迪、實戰到產業應用三部曲,為企業儲備GAI關鍵人才及建立自身需求模型。並從CEO角度看待對於未來市場的影響,而不是只交由內部IT人員、技術長負責,完整落實GAI治理。
加速導入產業落地應用
依工研院資通所副所長暨AI辦公室副主任黃維中估計,2025年將有30%企業導入生成式AI,未來台灣勢必要與世界競爭。現今GAI生態系在台灣企業可發展的定位,由下而上依序分為:晶片、伺服器、軟體平台與垂直應用,可針對具備台灣特色與優勢的垂直領域深入規劃,加速釋放GAI潛力,提升產業競爭力。進而透過AI產業化/產業AI化,來提升各行各業競爭力,帶動資訊服務與新創商機。
|
在台灣當前GAI應用中,最常見的就是內容創作,像是製作2D文稿及圖片、3D影音等;還有用於商業服務,如行銷、客服,已有不少企業藉此積極將GAI導入內部工作,或是擴展至整個供應鏈提升效能。
即使在要求較為專業的研發與製造,也能建立規格與流程、程式代碼,用於模擬、編程、設計、維修工作;以及營運與供應鏈面向,提供所需諮詢、訓練等擴充資料,都有很多值得投入與導入的應用。
工研院就嘗試將GAI應用在不同功能需求的晶片設計開發上,特別是輔助程式撰寫,使得晶片設計能夠更快速有效率;或者是因應藥物、材料等創新的配方及組合,也可先透過GAI推演出各種可能或想法,以有助於後續的實驗,並且更快找出最佳結果。
然而,GAI投入研發製造的難度相當高,必須仰賴高品質的精準資料才有可用性。但GitHub Copilot對於Python、C、Java等普遍性程式效果表現優異,對於IC製造與工業CAM編程等低資源程式語言如RTL Code,難以在網路上找到合適範本,且品質難以管控。
|
由於數位IC負責撰寫RTL Code所需豐富經驗工程人才缺乏,又招募困難,約占IC產業人才缺口16%;工業編程人員也難以養成,包含製程工法、刀具與治具選用皆須仰賴現場經驗,一旦刀具路徑和加工參數選用不合理時,容易導致加工品質與效率不佳。
如今可利用共創的RTL Code設計輔助,透過匯集有經驗的RTL工程師回饋,可在工程師發展RTL code過程中給予適當提示,彌補工程師經驗不足問題;高效與精確G-code設計,透過生成式AI輔助工程師提升效率,以解決人才與經驗短缺問題。
所以須針對台灣不同產業需求,由各領域專家蒐集優質編程資料,利用領域客製化模型以達到效果。如工業CAM便是目前工研院正積極投入精密製造領域,將能大幅提高效率和產業競爭力。SpructCAM是容易學習和使用的強大CAD/CAM軟體,現已整合AI虛擬助理GPT模型,幫助用戶處理各方面CAM工作流程,包含CNC規格及限制、解釋G-code、程式碼注解等。
黃維中認為,由此可見在當前產業應用中,若要創造GAI價值的較實務做法,應是將GAI作為工具,並與人類充分互動協作。因此,如何讓GAI與人類更好地連結、整合各自專長,將是企業要仔細思考規劃的方向。
全球人工智慧(AI)浪潮正快速推進,引發各界對「AI取代人類工作」的焦慮。輝達執行長黃仁勳警告,隨著AI普及,未來可能出現「創意荒」,他並點名3種人在未來最危險。
黃仁勳此前接受CNN節目《Fareed Zakaria GPS》專訪,談及AI如何重塑全球經濟時,他直言,AI的發展就像一把「雙面刃」,生產力雖能大幅提升,但必須與持續創新並行,否則將帶來負面衝擊。
黃仁勳指出,若世界不再產生新的創意與想法,生產力成長將不會轉化為新的經濟價值,反而可能直接演變成工作機會流失。
黃仁勳進一步點出,未來最容易被淘汰的,
1.首先是只會照本宣科的執行者,這類工作者高度依賴標準作業流程,缺乏重新定義問題 與靈活應變的能力,一旦AI能更有效率完成制式化任務,其存在價值便迅速下降。
2.其次是不擅長與AI溝通的人,黃仁勳強調,「問對問題」才是核心競爭力,若無法清楚引導AI產出有用結果,再強大的算力也難以發揮實質效益。
此外,
3.過度依賴AI給出答案、缺乏獨立思考能力的「被動接收者」同樣面臨危機。
若將AI視為唯一標準,忽略人類最終判斷與思辨的重要性,將在高度自動化的工作流程中快速被取代。
哈佛大學教授研究:孤獨會致命!
「這1關鍵」勝過金錢、名氣、社會地位,
更是人生幸福與健康的預測因子。
如果一個人想過得幸福、健康、活得久一點,真正該追求的到底是什麼?
這項研究就是「哈佛成人發展研究」(Harvard Study of Adult Development),團隊自1938年起,長期追蹤全球過740名受試者的一生,從名校學生到低收入戶青年,蒐集訪談、體檢和各類健康數據,只為回答一個核心問題:
什麼,才算是一個「幸福的人生」?
研究歷經多次資金中斷、團隊更替,仍持續進行至今,累積資料橫跨童年、婚姻、事業、重大挫折、老年與死亡,是人類對「人生品質」最完整的觀察之一。
而在近一世紀的分析後,研究清楚指出:不是成就、不是財富、社會階層或名聲,
也不只運動……讓人活的健康快樂又長壽的秘訣是:
1.累積適應能力、
2.發展情緒成熟,以及
3.維護好的人際關係品質。
這份跨越88年的「哈佛成人發展研究」整理出 3 個關鍵結論:
長年主持研究的精神科醫師George Vaillant發現,人們在面對壓力、失敗和痛苦時所採取的「心理調適方式」對一生的身心健康有深遠影響。
他將其分為三種方式:
「成熟的因應方式」包含
研究發現,使用成熟因應方式的人體內發炎指標(如C-反應蛋白)較低,表示心理成熟度直接保護了物理上的心血管系統:一個人在50歲時習慣使用的心理防衛機制,就能精準預測他80歲時的身體健康程度!這證明「情商」是幸福長壽的關鍵之一,而這些能力是會隨著人生歷程慢慢發展的,並非天生固定。
在後續彙整於《The Good Life》的研究中,現任研究主持人Robert Waldinger與Marc Schulz再次確認:情緒智商不只是心理調適工具,而是連結挫折與人生意義之間的關鍵橋樑。
在所有研究結果中,最一致、最清楚的一個結論是:
關係,勝過金錢、名氣、社會地位與智商。
真正影響一個人晚年幸福與健康的,不是認識多少人、擁有多少錢,而是「他擁有幾段讓人感到安全、被理解、能夠依靠的關係?」長壽與幸福,不是來自一次性的人生成就,而是日復一日對關係、對身心的投資。
長期孤獨,對健康的傷害程度跟吸菸一樣;而擁有高品質關係的人,在慢性疾病和認知退化的風險都較低,復原速度也更快。如Waldinger所說:
「孤獨會致命。」
這項哈佛研究強調,「關係」是經營人生的基礎;而關係並不限於婚姻,友情、家庭、社群連結,學習用小而穩定的行動去維護一段好的關係!日常的小連結,都是影響人生品質的重要因素。
研究的第一個重要發現是:
任何一個人生片段,都可能具有高度誤導性。
一位早年在哈佛求學期間表現亮眼、被研究團隊評為「近乎完美人格」的參與者,在成年後卻因成癮、關係失序與疾病英年早逝;相反地,一名童年極度孤立、曾試圖自殺、被預測「人生穩定度最低」的參與者,卻在中年後找到人生使命,最終成為研究中最幸福的人之一。
這些案例反覆提醒研究者:
「如果只看人生某一個片段,一定會得出錯誤的結論。」
所以這項哈佛研究的是人生軌跡:重點不是你某年賺多少錢,或某次低谷有多慘痛,而是在數十年的歲月中,你是否能持續調整心理狀態、人際關係,並守住內在價值的「使命感(Sense of Purpose)」與滿足感。
Harvard Study of Adult Development的結論並不浪漫,也不戲劇化。
它只是反覆證實一件事:
好的人生,是在時間中被一點一滴經營出來的。
不是靠一次正確選擇,不是追求短期成就,而是
長期累積適應能力、情緒成熟度,以及願意為關係付出的行動。
關係不是附加品,而是人生的基礎結構。
關於作者
本文資料來源為,哈佛醫學院精神病學教授Michael Miller與研究員Alexandra Tanon Olsson所撰寫的〈What Makes a Good Life? Lessons from the Harvard Study of Adult Development〉,報告內容基於Harvard Grant Study及其後續研究成果整理而成。自1938年起研究背後的核心成員包含:
Robert Waldinger, MD: 哈佛醫學院精神病學教授,現任研究主持人。他將這項研究推向全球,其TED演講是史上觀看次數最高的演講之一。
Marc Schulz, PhD:此研究的副主持人,臨床心理學家,與Waldinger共同將研究數據彙整為2023年的大眾心理學巨作《美好人生》(The Good Life)。
George Vaillant, MD:第三任主持人,研究長達30年,奠定關於「心理防衛機制」與「成功老化」的理論基礎。