📻國立教育廣播電臺【新聞真假掰】AI迎來真正「電腦」時代！未來80分才及格，教育要小心「大腦外包」？專訪簡立峰（Google台灣前董事總經理）

📻國立教育廣播電臺【新聞真假掰】節目資訊

播出時間：每周日 17:05-18:00
收聽方式：國立教育廣播電臺 官網 60 天隨選收聽

📌邀訪來賓

簡立峰（Google台灣前董事總經理）

📌完整訪談內容Podcast

📌節目介紹

Google台灣前董事總經理簡立峰，是台灣研究「語言模型」的先驅，早在30多年前，他就以LLM語言模型作為博士論文的研究主題。對於大型語言模型有學界的經歷、也有業界的經驗，簡立峰老師要一一帶我們剖析ChatGPT的能與不能。

在競逐快速的人工智慧世代，簡老師比喻：「全世界都在挖礦，而台灣卻能夠賣鏟子。」

來到大數據的時代，科技創新創造了新的工作機會，從前我們落後日本的數位發展，但在AI時代，我們有機會扭轉長期的頹勢：透過AI提升勞動力、完整的AI晶片供應鏈，這就是台灣的優勢，也是機會。

生成式AI不只對個人產生影響，也對教育帶來全新的思考方式。未來我們要讓孩子理解：會問問題遠比會解問題重要、學的東西不用深，但要學到可以向ChatGPT提問的程度。

最後，簡老師也特別提到，人與AI最大的不同在於，人會「做夢」，透過人機合作或許讓我們有更多時間、能力，但勇敢的人類是可以透過人工智慧將更難的夢實現。本集節目邀請簡立峰老師，從專業且全面的角度，讓您無懼AI時代的衝擊。請收聽「新聞真假掰 」，假訊息Bye Bye。

簡立峰 （Google台灣前董事總經理，以下簡稱「簡」）

黃兆徽（台灣事實查核教育基金會董事／台大新聞所兼任助理教授，以下簡稱「黃」）

📅節目預告
2023/10/08 周日 17:05-18:00 全台皆可收聽（查閱各地收聽頻率）
人工智慧生成工具的應用與想像 教你如何簡單做出AI圖！

🌐最新精彩內容
AI迎來真正「電腦」時代！未來80分才及格，教育要小心「大腦外包」？專訪簡立峰（Google台灣前董事總經理）

------------------------------------------------------------------------------------------------------------------------

黃：哈囉大家好！我是兆徽，歡迎來到新聞真假掰，今天來到現場要陪伴我們一起提升科技資訊與媒體素養的好朋友是Google臺灣的前董事總經理簡立峰老師，立峰老師好！

簡：兆徽好，大家好。

黃：立峰老師是Google 在臺灣的第1號員工。

簡：最老的。

黃：您太客氣了，非常年輕的時候就負責這樣一個讓跨國科技公司在臺灣的整個營運，然後整個研發，尤其在最近生成式AI 大爆發的時候，立峰老師其實從三十多年前，您的這個博士論文。

簡：博士論文。

黃：博士論文，就是最早在臺灣第一位在研究LLM大型語言模型，並且用這個做博士論文的這個學者，所以為什麼您當時的博士論文就想要做LLM 嘛？ 然後LLM 大型語言模型到底是什麼？今天想要跟立峰老師來請教，那再來呢立峰老師不管是從論文開始然後到Google 其實對AI 都非常的有研究，而且除了研究之外也實際做了非常多的應用，那到底AI 有哪些？能跟不能是什麼？尤其是ChatGPT，我們說現在ChatGPT，立峰老師會說進入真正的電腦的時代，以前說電腦可能還不見得這麼精準，因為生成式AI的出現，真的電腦時代來臨了，這個待會會請立峰老師跟我們說明，然後還有很多人擔心說那我的工作會不會被AI 取代？也想請教立峰老師的觀點，是不是有新的工作機會會產生呢？還有生成式AI對我們每一個人對教育、對社會的影響？那生成式AI這麼厲害，它有沒有一些風險？很多人會擔心說人類會不會被AI消滅？好，立峰老師我們先來談談您的從博士班三十多年前開始的研究，LLM大型語言模型。

簡：好，我們先講什麼叫大型語言模型，我們就先講什麼叫語言模型，語言模型就是要瞭解我們使用文句，比如說今天天氣很，後面會猜什麼字？這叫文字接龍的事情，它是我們電腦要瞭解人類的語言中所使用的一種方法，它是文字接龍，那如果想說今天天氣很，你大概會想到好跟壞，但是你知道翻開字典它有幾百萬個詞在那裡，為什麼我們突然間只會記得好跟壞？就是媽媽從小教我們的，這叫我們人類的偏見，我們什麼東西都有過去的經驗之後簡化未來我們可以做一個猜測，所以文字接龍如果在講說，外面颳大風、下大雨，那你馬上會講今天天氣很壞，那這就是你跟ChatGPT在互動過程中如果你使用過，如果你沒有使用過沒關係，你就是不是那2億人而已，地球上現在已經有2億人使用過，那麼它最重要的地方就是說，你要提示它，比如說今天外頭颳大風、下大雨，那你問天氣怎麼樣？它會告訴你，所以語言模型其實就是在做這種文字接龍、猜測，它真正的目的是要瞭解人類語言，但是它不是用傳統我們語言學家告訴我們那些規律來瞭解，我們是用數學統計，用大量你在網路上蒐集到的資料來統計做預測，可是語言模型現在的效果變成是，它可以回答問題，那就超過我們的想像。

黃：就剛開始大家在訓練語言模型的時候，沒有想到它。

簡：沒有想到。

黃：它有一天可以回答人的問題。

簡：我們在訓練語言模型的時候，連電腦PC都還沒出來，所以你可以知道電腦那麼小的時代，我們為什麼現在叫大語言模型？那個大那個大不是你想的大，那個比那個大還大。

黃：多大？

簡：整個人類上在網路上出現過的所有的資料都拿進了電腦去訓練，你光是想怎麼爬那個資料，那只有做大型搜尋引擎像Google 的有能力爬這個資料收起來，另外你去統計分析它，它大概要1萬臺AI晶片叫GPU ，圖像晶片來運算，所以它訓練一個模型，現在估計大概要一千萬美金，訓練一次。

黃：一千萬美金訓練一次。

簡：而且還不一定訓練的好，就是做一個版本出來，萬一這版本效果不好，再來一次。

黃：每次都要重新訓練？

簡：幾乎都要重新訓練，所以目前看起來這就是說它是有進入門檻，只有極少數的大型企業有辦法做到，那這就是現在全世界最困難的地方，因為大概只有美系的這幾家公司有能力、有資源、有人才可以訓練到。

黃：美國的這個大型的跨國科技公司有辦法。

簡：對，只有他們有能力，那而且是那些原先就有能夠在網路服務的時候規模非常大的企業，因為它才能夠收到這麼多的資料。

黃：因為它自己本身就有這麼多資料。

簡：對，沒資料就沒有辦法模型，沒算力我們說的算力就是要這麼多電腦系統，那你算不出來，所以這是有一點門檻的。

黃：是是您說就是ChatGPT出來之後，人類才是迎接真正的電腦時代，這個話為什麼?

簡：我們先來講ChatGPT，你在用它的時候，你就是用媽媽教你的話，叫做人際對話，它是一個對話模式，這很可能我們所有的人這輩子第一次可以跟機器這樣對話。

黃：沒錯。

簡：所有用到的人都嚇到，那麼大家都會告訴朋友。

黃：才會這麼快就有兩億。

簡：這麼快速，兩億人，短短幾個禮拜。

黃：因為它很容易用。

簡：而且大家都曉得，因為我們會覺得講話這件事，應該是一個人才能講話，為什麼機器會講話？那我們來講為什麼現在是電腦時代？我們的傳統PC  personal computer 的computer，臺灣翻成電腦，中國大陸翻成計算機，那它原先設計是拿來做計算，最早其實是加減乘除，所以它是計算機的概念，那跑一些程式的概念，你也可以在電腦上computation，它也是計算，但是臺灣人把它翻譯成叫電腦，我不知道誰翻的，我記得可能是張西國翻的，因為他覺得腦是什麼？學習能力。

黃：是，以前的電腦其實沒有那麼厲害對不對？

簡：沒有，以前沒有學習過，它基本上你給它什麼，它就反映什麼，它沒有自己在產生智慧的階段，現在的電腦，尤其大型語言模型，它會隨著使用，它也會進步，所以這就是一個腦的概念，那我們再強調computer 變成真正的電腦。

黃：是，而且現在大型語言模型它是模仿人類的腦神經元的方式去建置是不是這樣子？

簡：可以這樣講。

黃：是怎麼個模仿法？

簡：模仿的概念，我們大家都知道我們有腦神經的概念，但我們都不知道腦神經怎麼運作的？所以電腦科學家他其實也不知道，但是他有一種概念就是說，他假設我們有一個腦的神經網路，你可能在一般的影像看到有所謂的點、線之間的關係，那我告訴你假設這個點，大概以現在ChatGPT3.0的話，它在1750億個點跟線加起來，那這個大小差不多剛好人腦容量的大概，那那個線之間的關係，我們都不用去管它，但我們假設說我今天把一張貓熊的照片給它，告訴它這叫貓熊，那當然電腦可能要經過換算，它影響了每個細胞的權重，之後呢說這是貓熊，假設我再給它一張不是貓熊，我要它變成這不是貓熊，之後我再給它一張狗說這是狗，如果訓練它幾次之後呢，我要求它所有教它都是要對的，所以它要自我調整權重，它自我調整權重，把我訓練資料越學越正確的時候呢，你可以想到要調整這個權重要花多少時間調？可是當它學會，如果你訓練它一億次之後呢，你再給它其他的相片的時候，它通通都會判斷，那用這個概念，假設我們訓練給它的是文章，意思也是差不多，你就把它簡化成這個神經網路可以記的東西，可以由人教它之後，它會不犯錯，久了它會產生你不知道的結果。

黃：很多人會誤以為ChatGPT是像Google一樣這樣的搜尋引擎。

簡：不是，它不是搜尋引擎。

黃：其實它不是。

簡：為什麼不是？那我們就可以講說ChatGPT可以做什麼？跟不能做什麼？我們先講可以做什麼，搜尋引擎你給它一個問題後，答案要自己找，你搜尋引擎它有搜尋的結果，最後你在讀了網頁，自己去判斷要的答案，所以我們在使用搜尋引擎的時候呢，它只是把相關的東西找給你，你最後做那個內容的理解，那你把ChatGPT想成說是進階的搜尋引擎，你提的問題呢，它應該看過相同可以回答這些問題內容的文章，它應該是看過，但它把它整理之後，用電腦的概念整理之後回答給你，所以它比搜尋引擎省掉那一步，你自己閱讀的那一步，可是呢比較特別的是，這樣一個系統，它不是即時性的，它是舊資料訓練出來，所以你可以問它說臺北到高雄火車有沒有要開？我要訂哪個？你千萬不要相信它，第一個它都不是即時的，另外一個呢很多答案它自己掰出來，它不保證正確，所以也要很小心，它是不保證正確。

簡：因為是機率嘛，我們都知道機率不保證正確，機率只是存在比較多的可能，我舉一個例子就是說，如果你問它臺灣最有錢的人是誰？之前可能郭台銘，我們說今天假如說林百里，本身就有即時性的問題，但大致上它可能可以給你答案，但如果你問它前十個有錢人的時候，它會瞎掰。

簡：因為它的訓練資料裡頭沒有看過前十個有錢人，因為這十個這種或者百個，這要去查資料庫才能查出來，我們不會寫一篇文章把這十個人都列在那裡。

黃：有些新聞報導可能有，但已經不符合時效了。

簡：但是如果我問你二十個的時候，新聞報導肯定是沒有，我問你九十九個的時候，它肯定是沒有對不對？

黃：是。

簡：你問它對不對，它都會告訴你，因為它聽命於你。

黃：不管問它什麼它對會想辦法，掰一個答案給你。

簡：對，你跟它講十個，它就掰十個，你跟它講一百個，它就掰一百個，但是如果你跟它講說一百個可是要是真的，它就會害怕，它會告訴我不太確定，你要自己求證。

黃：是是是。

簡：所以它的結果跟你問的就有很大關係，那你如果理解它這個機制，你問的內容可能答案正確率就比較高，如果你簡單問，它回答有可能就不是正確的。

黃：是，所以我們要怎麼問讓它回答比較正確？

簡：第一個要先瞭解它的機制，它這個機制比較像是，你去想想看如果你要問一個問題，你會怎麼想？假設沒有ChatGPT，你就要去找可能有答案的書對不對？多找幾本之後大概就是它有回答過你類似題目的部分，所以你要把背景講清楚，我用一個例子來講就是說，如果你問它早餐吃什麼？這個問題全世界不管哪裡的人，它答案是一樣的，因為它的訓練是來自英語資料為主體，所以它可能會告訴你吃漢堡，但是如果你希望拿到你本地最接近的，你要多給它背景，比如說你不吃油膩的，比如說你生活在臺灣，也許你會看到不一樣的建議，所以你要給它足夠的背景，把你的問題描述好，這是臺灣的孩子、臺灣的大人都一樣，我們在學習過程中最弱的一環，因為我們從小的教育是老師出題我們回答，不像西式教育比較是自己出題目自己回答的教育方式。

黃：整個教育要翻轉。

簡：對，我們翻轉108課綱之後就是有這種方式，就是說我們希望適才適性，最後呢凡事不見得要是走標準答案。

黃：是，我們要會問問題，ChatGPT出來之後大家才意識到。

簡：問問題，而且大家沒有看過人家會問的人，就不知道自己都不會問了。

黃：對，怎麼樣才是一個好的問題？問出你想要的答案。

簡：你如果看到網路上有很多教導怎麼問問題，你會發現你似乎需要把它當成一個人，它是你的助理、它是你的老師，你給它足夠的背景、定義什麼是你要的？什麼不是你要的？那如果你在思考這個答案，你應該幫我也想什麼什麼什麼，它會很不一樣。

黃：是是是，立峰老師剛剛提到大型語言模型很有趣喔，當它讀了這麼大的資料量之後，出現了一些原本研發者沒有想到的功能對不對？

簡：對。

黃：就包括說您剛剛說的問問題，臺灣跟國外很多人發現了，你給它一個角色扮演，它可以扮演的淋漓盡致，這個其實也是原本的研發者並沒有設定的。

簡：它其實是如果把它這個方法稍微描述一下，也許聽眾稍微努力聽一下下，就是它把這個知識的累積分成三個階段，就是語言模型被訓練出來，有一個是用全網路的資料訓練一個叫基礎模型，另外一個叫做微調的模型，這微調就是說基礎模型就很像好的壞的它全吃了，但是髒話它也都會講，那基礎模型就是說我這內容是篩選過的，那叫 Fine-tune ，那剛剛那個基礎模型叫 foundation 或叫 pretrained model，那微調叫Fine-tune model， Fine-tune 這個 model 就等於我把它調整一下。

黃：調過了。

簡：調過意思是說，我給它的資料就是我清過的，那個資料比較乾淨的，素質比較好的，最重要是第三階段它有一個叫提示，那就是現在很流行較 prompting prompting，就是提示工程師或提示工作者，這件事情是現在全世界最新的行業，而且最有前途的行業，提示呢不是提示，是教它怎麼回答問題，這個就會更精準一點，就是他們設計出一個機制是說讓ChatGPT可以學習怎麼回答問題，假設說你今天要叫建議人家怎麼煮菜，那你會告訴它說你要先注意火候、你要先注意材料、要注意什麼，你就把步驟告訴它，那這個就是教它方法，就是要給它釣魚竿，不是給它魚，那這個提示的設計呢，這個技術突破之後，讓這樣的ChatGPT這種語言模型突然間變得很厲害，意思就是說它原來只是有基礎知識，可是經過提示呢，它好像學會去釣魚，它學會去煮菜，那這個用的人就可以教它很特殊的東西，設計的人本來沒有的能力了，設計是拿一堆資料叫它讀報紙讀完而已，可是提示人家怎麼好好再進步，那個提示影響太大。

黃：就一個步驟、一個步驟的。

簡：而且全世界多少人教它提示之後，它現在會的東西，比它剛誕生的時候多很多。

黃：對，就是說所以這二億的使用者其實都變成ChatGPT的老師了？

簡：沒錯。那ChatGPT就變成大家的老師了，我們每一個人都是它的老師，教它某些事情，有把它教壞掉，有人說ChatGPT最近變笨了嘛，因為你教也不一定教好，也可教壞，但是它變成人類的老師。

黃：這是以前說教學相長，在人跟ChatGPT的互動裡面似乎看到。

簡：對，因為它教你一個人，可是我們用2億人教它，誰學的比較快？他學得比較快。

黃：是是是，我們還有哪些它的能？

簡：能的地方已經有一個答案，它有二件事情，大概聽眾可以記得，一個叫做對話能力，這是所有包括Google 、Microsoft 這種頂尖的公司的科學家都為之驚豔，因為這個對話能力是人類史上沒見過一個電腦那麼會講話，這是OpenAI 這個組織非常成功的地方，至於回答問題這個能力呢是大家都差不多，這個Google 原來做出來的也差不多，都沒有說做得太好或不好，都同等級的能力，所以對話能力英文叫conversation，它從此定義我們人機介面改變它叫conversational interface，以後我們人會非常習慣跟媽媽對話的方式就是用對話的人機介面，它給我們一個新的希望。

黃：對，就讓電腦可以說人話。

簡：說人話，而且是以後各種電腦見面都說人話了，從此之後。

黃：這真的是很大的改變，譬如說像我這種讀文法商的，以前我很難想像我可以這樣子使用電腦，我要去學程式語言。

簡：所以大家都直接跳過程式語言，直接命令電腦就好，這是一個階段，另外一個呢它可以做內容自動生成，而這個內容呢有文字、有影像、有程式碼，那有圖表，那麼這個內容就影響所有所有的行業，包括美工、包括這個寫合約、寫文案、寫文章，全部都受影響，那受影響最大的是寫程式，因為程式的程式碼在網路上可以找到的量最多、最完整，所以如果你要想說哪一個領域受影響最大，就是它的資料量在網路上最容易找得到的領域就最容易完整，那什麼呢程式是一個，還有什麼呢？

黃：文字工作者也是對不對？

簡：是，其實是行銷人員，因為行銷的東西。

黃：到處都是行銷文案。

簡：對，因為行銷就是要把它文案給大家看，所以等於說都丟進了網路裡頭，還有一個東西是客服，因為你在網路上跟它互動，所以網頁內容很多很多的客服內容，所以目前判斷大概是客服、行銷還有程式設計師是第一波立即受影響的，但剛剛講的任何白領階級，只要數位化的你每天在敲鍵盤的大概都會受影響，動畫師也會受影響。

黃：所以之前說有3億的白領工作會被影響。

簡：對，影響的意思是影響而不是被取代，這影響正面影響大於負面影響，就是你一天可能多30%時間可以自由了，因為你的工作效率提高了，因為你有很好的工具，以後我們再用Google Docs 或者Microsoft Word 的時候，我們已經習慣不是自己寫完，我們把我們要寫的東西寫一個摘要給電腦，之後叫它產生文章給你改，那大家會省掉很多時間，可是挑戰來了，人的價值會慢慢地下降，是因為大家的品質要求都提高了，所以是一個新的時代叫八十分才及格的年代。

黃：八十分才及格。

簡：以前六十分及格，可是電腦幫你之後以後八十分才叫及格，八十分才叫及格，人的專業度必須從八十一分開始算起，你要贏過電腦，那你八十一分怎麼贏過電腦？八十跟八十一差不多對不對？那就是九十分才能贏過電腦，所以最難就是以後的孩子在學習過程裡頭，你的專業度要提高到更高，你才有可能突出，否則你就要走π型跟所謂的T型人才，這人才以後教育是多元比深度重要的時代，那就像問問題比解問題重要的時代。

黃：是，教育的問題我們待會要跟您好好的來聊，這個π型跟T型的人才，我們先回來說提到了有3億的白領工作會受影響，在這之前我們先把ChatGPT能跟不能我們現來把它講更清楚。

簡：如果我們講能的話，現在直接用數字來告訴大家，就是現在這個時間點有150億的圖像是由AI 產生的。

簡：相當於IG的三分之一的量，那麼如果你用這樣反推到今年年底，很有可能整個IG量的，不是說IG全部都變成AI 生成，而是IG這個資料量大小內容以後，我們分不出來是人或機器產生。

黃：對，真的。

簡：那如果3年後你也不用想太多了，就是。

黃：全部都是機器產生。

簡：全部都是機器，這樣想大概就是對，那也沒有所謂好壞，因為你會慢慢接受它。

黃：習慣了。

簡：習慣了，這是一個影像內容的生成，那文字內容生成，行銷現在到2% 行銷文字是機器產生的，到2030年會達到30% 行銷，30% 行銷有一些變成社會行銷的更個人化。

黃：2030年30%。

簡：對。

黃：這麼少嗎？

簡：這是一個保守估計，老實說這就是一個預估，但我覺得三十已經很高了，因為三十相當於潛在30% 的人要少掉工作機會，所以我還是希望低於三十好了。

黃：希望這個發展慢一點，對，因為ChatGPT真的在行銷文案上寫得實在太好，而且幾秒鐘就生一個新的版本給你。

簡：沒錯，你要會問的話，它真的會寫得非常好。

黃：我們只要下1、2句指令，它就可以生成一大篇。

簡：可能更想講不能的部分，因為對大家來講它的能呢，明天、後天會一直再進步，所以我們現在要知道怎麼正確的用它，它的不能第一個是它不保證正確，所以你在使用的時候要求證，不能直接使用，第二個呢是不及時，不及時的意思就是它是舊資料的，而且如果你問它是臺北到高雄要買幾點的車票？這個東西要用即使資料庫的，不能是2年前的網頁資料，所以不能相信它，即時性也不行，另外呢它其實是有偏見的，它的偏見來自於它的訓練資料，所以要很小心它有很多的價值觀可能是偏見的。

黃：是，就像您說的，因為它的訓練資料大部分是來自這個英語，然後是美國公司。

簡：類似美國的PTT，它這個可能有很多XYZ的都有，另外它可能會訓練一些比如說吸毒、賭博、自殺的內容，那這些內容有可能都不太好，所以孩子在使用的時候要小心這是一個部分，那最重要的地方很少人注意到，我最在乎的是它沒有多元化它，它就是同一個問題，全世界不同的人相同的答案，這是我們在。

黃：美國化了。

簡：對，美國化，而且最重要因為我們剛剛在聊的時候閒聊時有提到，它沒有語言的概念，它是把全世界的資訊都當成資訊，語言當成資訊。

黃：所以它不會被語言限制。

簡：沒有限制，所以每個語言都可以使用，但你查的內容都是英語意，尤其美國內容為主體的內容。

黃：就我們我們用中文問它、你用法文問它、日文問它，它都會回答。

簡：對，但是答案都傾向美國人要的答案。

黃：但結果它的答案，其實因為它的訓練資料還是美國資料為大宗。

簡：當然希望是說最終每個國家都最後建立自己的能量跟能力，所以有各個國家的版本出來，希望有那一天，現在不是很容易，原因是為什麼呢？因為你要處理那麼龐大資料量，現在全世界大概不到，十個公司有這個搜尋引擎的能力，絕大多數集中在美國跟中國，其它國家幾乎沒有。

黃：是，因為它要有之前的搜尋引擎累積的這些資料量才足夠來訓練一個這麼大型的語言模型。

簡：對，所以你可以留意就中國也是第一個推出來是百度，因為它是個搜尋引擎。

黃：是是是，所以其實最後這個全球的觀點會，弱勢的文化會慢慢地消失。

簡：對，就跟其實電腦化的時候我剛剛講新的電腦化，在原來舊的電腦computer 的時代計算機的時代裡頭，這世界上有一千個語言本來可以書寫的，但是因為微軟只支持四十幾個language 可以書寫語言，所以有九百多個書寫語言不見了，未來可能很多國家跟國家的文化內容也都會沒有差異。

黃：所以雖然我們覺得，ChatGPT等於是一個語言天才，它會一百多國的語言，但是因為它的訓練資料還是以英語為主，所以它回答的觀點都還是美國化的。

簡：網路上70% 的內容是英語，大概不到2% 的內容是中文，2% 裡頭更少的比例是繁體中文。

黃：對，所以臺灣在地的觀點。

簡：需要未來的人好好努力，把在地觀點裡頭看什麼在其他的大型語言模型去實現。

黃：是，這個問題也是一個很好的提醒，就是ChatGPT的使用上我們要注意它帶來的這樣的影響，那我們再來說有3億的白領工作會被影響，您認為是好的影響，不過大家擔心的是被取代掉的那個部分，剛剛有提到了有一些工作，文案阿、寫程式的，這樣的工作容易被取代，怎麼樣的工作比較不容易被取代？

簡：這大概也蠻多人討論了，大概就是一個就是人的互動，跟人互動能力越高的這種能力呢還是比較不會被取代，另外一個需要在太陽底下工作的。

黃：在太陽底下工作。

簡：或者跟實體，比如說其實就是藍領階級的工人、師傅或工人的。

黃：廚師、農夫。

簡：就是有實體產出的，不是數位產出的，那你們大概就比較知道。

簡：就是你的產出內容它是數位內容的，比如說寫文章最後變成數位型的文章，畫畫的變成數位的它會被取代，但是如果你今天畫的是一個比如說應該藝術家你是一個戶外實體的設計的，比如說街頭藝人，他是不會被取代，這二個不太一樣，所以多曬太陽還是不錯的，那多拿工具、實體工具它也不會有太大問題，那數位化程度最高的行銷、客服跟程式設計，這大概是立即性的衝擊。

黃：律師工作、法律文件其實很容易對不對？

簡：律師裡頭的特別是寫合約，因為電腦寫合約的能力已經很強了，所以律師在合約這件事情以後會少賺錢，因為律師是算工時的，一小時五千塊多少了，那如果你現在工時少了，你自然收的錢是少的，律師也受影響，醫生其實也會受影響，因為解讀X光片的，或者追蹤影像做分析的醫生，他的工作他可以透過電腦來做，醫生、律師所有的三師都是要做最後的求證，但是初級的工作人員他本來是準備資料的，這個部分會受影響比較大。

黃：是，也可以談談日本的數位轉型。

簡：是，日本最羨慕臺灣有個唐鳳，叫AI天才大臣，可是為什麼日本會羨慕臺灣有個唐鳳呢？是因為日本一直抱怨他們的IT進步得很緩慢，整個日本國民都知道，但是為什麼沒辦法？也就是說他們在網路時代之前，他們其實非常非常成功，非常成功的結果呢它就會造成它產業也會鈍化。

黃：因為它靠原本的產業已經可以賺很多錢。

簡：而且日本沒有接受太多的外來移民，使得他沒有像美國一樣新移民會走新產業，那日本就是一個非常成功的舊產業，沒有外來刺激的情形下剛好遇到典範轉移，這個典範轉移從2000年開始，也就是我們今天談的AI 的前身是網路，網路時代之後呢它累積了一個很重要的新科技叫雲端運算，什麼叫雲端運算呢？就是從PC 終端的運算來到網路去，網路之後呢它用一千臺、一萬臺、一百萬臺server， Google 是幾百萬臺server，它的運算量是大增的，另外一個它的資訊量是來自全網路的資訊量，使得電腦從真正的個人電腦變成世界級的電腦。

黃：是。

簡：它的運算進步了、各方面進步了，之後就進入一個時代我們叫做大數據的時代，因為你有雲端有很多服務，所以你就有大數據，有大數據剛好AI是需要數據，AI需要算力這二者都有，你可以塑造完美風暴，就是網路企業有算力、有數據之後就有AI，那這個AI是來自一些科學家的突破，但是由這個環境生成，那你如果回過頭去看日本，這些東西剛好它錯過了，日本網路最大型的公司對臺灣來講的是Line，可是Line是韓國人開的，這點大家可能不太清楚，Line的規模大概使用用戶在2億左右，差不多是日本人口加臺灣加泰國而已，這在全世界網路服務至少要10億人口來講，它人口數就不足，所以日本就出現一個有一點叫做典範轉移的狀況，這個狀況就它過去很成功，可是要進入新的時代，它就遇到一些困難，投入新的東西很困難，那這其實對臺灣非常非常重要，因為我們一切一切都晚日本二、三十年。

黃：是。

簡：所以我們現在要做的就是說，我們透過AI 來改變這件事情，為什麼呢？因為這次生成式AI最重要的是提高勞動生產力，那麼日本之所以沒有辦法轉型，是因為高齡化、少子化的日本，即使面對當時的新的網路挑戰，它沒有新興人口去迎接它，所以日本就老化，那臺灣在這一波生成式AI呢？因為我們也會高齡化，也會少子化，但是我們必須要用AI 來提高勞動生產力，所以我的觀點比較是臺灣不用擔心失業，臺灣要擔心沒人，那二個加在一起。

黃：各行各業都在缺工。

簡：對，那就用AI 吧，這個我們大概AI 也取代不了多少人，而是創造人給我們使用。

黃：是，我們從日本來看這個數位轉型，它錯過了一些機會，但是來看臺灣呢？臺灣從日本的經驗，您剛剛提到了我們可以得到一些學習、一些借鏡，那臺灣的機會跟優勢？

簡：臺灣有一個得天獨厚的優勢就是，全世界現在在挖礦，AI是挖礦，可是臺灣在賣鏟子，那我們都知道舊金山當年在淘金的時代，這個賣鏟子是賺第一桶金嘛，那挖礦的只有少數人挖到礦，多數人沒挖到。

黃：賣鏟子，這個晶片都要用臺灣。

簡：對，那主要是因為現在ChatGPT需要大量的運算，這個電腦運算需要新的設計，真的是新電腦，那NVIDIA是在這方面領先，它叫GPU，你現在都可以叫它AI 晶片，專門給AI程式使用的晶片叫AI 晶片，AI 晶片的製造一定只能在臺灣臺積電，那麼臺灣有整套的供應鏈，而且呢我們原來是PC產業的大國，我們是手機產業的時候錯過了，因為PC太成功之後，手機反而錯過了，我們現在會拿回來了，因為PC以後會叫AI PC，華碩已經叫它AI PC了，那原因就是因為很多算力要重來佈局，那你如果留意聯發科昨天有宣佈說它可以跑這個語言模型，用在它的晶片上，那臺灣其實有第一波硬體優勢，但是呢這個硬體優勢能不能轉換成我們在AI 服務同時也跟得上呢？這需要有一點點運氣，原因是因為我們過去在雲端我們不是最早的，網路服務全世界大型的也幾乎沒有臺灣，所以在這種情形下我們其實沒有太多的數據，所以我們的AI 如果要做一個最大型的主要的發動者是難的，我們還是扮演一個應用者的角色。

黃：是。

簡：那應用你如果留意我們從電子商務各方面來講的話，我們在2000年的時代裡頭，臺灣是亞洲網路走的最前面，但是2010年臺灣大膽西進中國之後呢，其實臺灣就空洞化，2010年到2020年這中間呢臺灣的網路產業或者數位經濟產業，其實是弱化掉，所以蔡總統想要成立數位發展部，也跟這個都有關係，可是如果你10年後回頭看，你現在2023年來看，臺灣開始有獨角獸，開始可以往海外發展數位經濟，所以可以用這個角度來看臺灣雖然過去沒有太成功，但是現在軟體產業也慢慢起來，所以可以把握這一波AI，它又是一個新機會，說不定有幾家新創的公司可以把規模變好，但是所有的新創我都會建議它好好運用臺積電的晶片，這是你的優勢。

黃：對，這是臺積電主宰了這個AI 的硬體的。

簡：對，我現在常常要講一個概念就臺積電是護國神山，可是AI 給我們一次新的機會有護國新山，希望新的山有一天變成護國群山。

黃：護國群山，是，您剛剛提到臺灣在AI 的硬體上面是有優勢的，但是軟體上，現在我們看到生成式AI的工具，幾乎每天都有各種。

簡：臺灣很難參與。

黃：一下是文字、一下是圖片，一下是影片，越來越厲害，這個方面臺灣還有機會嗎？

簡：這機會的角色。

黃：或說是不是除了美國之外，很難有。

簡：對，因為我們如果把它這個問題再簡化一點點，全球除了美國之外，其實也沒有，因為網路產業後來發展就在新一代的科技產業，幾乎除了美國跟中國之外就沒有其他第三的國家，在網路產業以大家認知中，假設我們用日本跟德國來講，可能如果你平常的網路服務裡頭，你會知道是來自這二家的其實不多，你的Line 是來自韓國公司在日本發展的，之後呢Foodpanda是來自德國，德國除了Foodpanda之外，我們可能就不太記得有網路公司，所以用這樣的發展來看的話，還是美國獨佔，尤其這個生成式AI它沒有語言限制，使得美國因為民族大熔爐，大熔爐它的搜尋引擎是搜全球的，中國的百度搜尋引擎只搜中文，所以中國的生成式AI的發展也會受限，因為它的資料量是不足，網路上現在中文資料量只有佔2%，英文資料量佔七十幾percents，所以英文是有優勢的，在這個發展狀況下，但臺灣的，假設這個不是我們的優勢，另外二百個國家也沒有這個優勢。

黃：所以包括臺灣在內的二百多個國家，尤其是臺灣，我們要怎麼因應這一波生成式AI的浪潮？

簡：一個是產業角度，一個從使用者角度，從使用者角度其實你就沒有壓力了，因為所有的生成式AI一開始都是。

黃：不管哪個國家，反正我們可以用就好。

簡：它都開放的，雖然剛剛講的時候說它核心不是繁體中文，可是實際上呢，它也不會不包含繁體中文的服務者，所以其實是可以的，但是你在使用的時候要很小心，就剛剛聊天的說法就是說，你問它早餐吃什麼時候？你還是要講講你是臺灣人，你有臺灣的生活習慣，你把這個背景提示給它之後，它給你的相關性內容會比較高，這有一點是說，你去做搜索引擎查詢的時候，它預設是查英文的，你要提醒它我在臺灣，這個習慣如果養成，大致上這些服務勉強上都還可以用，可是新的發展有可能就是說，臺灣可能也可以自己發展自己的生成式AI，但是不見得是屬於最流行的全世界二十人使用，可是它可能發展在專門為教育設計，它可以專門為臺灣的法律，這二個領域是我最關心，臺灣必須要自己來的。

黃：教育跟法律。

簡：一個國家的教育跟法律必須要自己來，因為你不能叫你的老百姓上網去查美國的法律，那你就守美國法，法庭就好了。

黃：是，它必須很多在地化的。

簡：是，你光是一個想法就未來臺灣人要查法律，比如說你有一個剛好有個車禍，你要怎麼面對它、要怎麼處理的時候？如果法規。

黃：你問ChatGPT其實完全不準的。

簡：完全不準，而且如果你相信它，那你乾脆換一本護照比較快，對，所以這個差別不一樣。

黃：所以在法律跟教育，教育上呢？

簡：教育是因為最近的發展，我今天早上有另外一個訪問在專門談教育的，因為教育的影響是這樣，因為最近看起來ChatGPT或者Google Bard，或者微軟，大家都想要發展for kids的版本，給小孩的新版本。

黃：是。

簡：那這個可以有一點像說當時有Youtube之後有Youtube for kids的概念，所以英語資料的內容它變成專門給小孩教育的會發展得很快，那在ChatGPT在沒有上市之前，就是問世之前，在去年它就先跟可汗學院合作。

黃：Khan Academy在美國。

簡：美國，可汗學院是它的線上教育最成功的，而且是一個NPO組織，可汗學院是早全世界其他的企業三個月就拿到ChatGPT的服務，代表說OpenAI 這個基金會它非常在乎教育，他們做過大量實驗發現說，小孩子其實非常適合用對話式的學習，它有二十四小時的。

黃：是，他覺得很有趣。

簡：它很有趣，但是呢要用差異化教學，所以現在的系統還不夠差異，因為你要引導式教學，你問它問題，你直接給他答案拿去交作業，他叫抄作業，可是他問懂了自己真的懂了，那就叫學習。

黃：它透過調整他的問題。

簡：對，從不懂到懂，那回答問題的ChatGPT要引導，你再聰明的ChatGPT都不能一次給答案，這種新的設計就是說for kids的版本，那這個會在英文系統會來得非常快速，那當然臺灣的壓力就是說，我們有沒有適合我們自己小孩子的這種教育材料，那如果沒有的話，我們以後的小孩學習會不會比較慢？

黃：或者是我們的小孩都只學到英文世界的價值觀跟美國的觀點。

簡：對，這個就是文化不好講殖民，但是我們我有機會跟國安單位做個演講，我的講法叫做國家大腦外包。

黃：國家大腦外包，聽起來很危險。

簡：對對對，因為有專門一個大腦外包的概念叫brain out boarding，那這個概念是說哲學家的說法是我們用現代科技之後，我們很多能力是喪失的，那ChatGPT會讓我們閱讀能力會喪失。

黃：因為我們就不用再去讀這麼多資料了。

簡：因為它讀得比較快，所以你會習慣叫他幫你摘要，你問它問題就好了。

黃：是，以前我們在讀博士班的時候，可能那個都要讀很多論文對不對？然後一篇都幾萬字，可是有時候讀完花了二個小時發現這個沒有什麼價值，所以大家現在不管有沒有價值，大概都先扔給ChatGPT了，幫我做一個五百字的中文摘要。

簡：它幫我們過濾了，它幫我們過濾的結果，我們不一定學得到那個精華，我們也會高度依賴它，時間久的話，依賴它高的人，他可能自我的看法會減少，所以這個關鍵點差異完全在你問問題的態度，這有點像在班上有些小孩很會問問題，有些小孩子只聽，只聽得的孩子學習的少，很會問問題的呢老師會跟他解釋更仔細更仔細的時候，他是學。

黃：是，因為他在問問題的時候，他必須不斷的思考，才能問問題。

簡：對，所以各行各業包括小孩子白領階級呢，都要學會跟ChatGPT問問題。

黃：是，您剛剛提到說Khan Academy跟ChatGPT合作發展一些教育的語言模型，它是一個什麼樣的運作？然後我們可以讓臺灣來參考？

簡：它的運作方式是這樣，就是可汗學院的是拿現有大家用的ChatGPT來教小孩，之後來跟openAI合作的時候說，第一個怎麼樣教小孩會遇到什麼問題？讓OpenAI知道，所以他們有一點是在幫OpenAI 瞭解小孩學習的過程，所以它有幾個結論，第一個結論是小孩很喜歡這樣的互動方式，因為它是有機會24小時個人化，有一個天才助教在那裡，第二件事情是呢，ChatGPT會亂講話，會講髒話，這是他們最困擾的地方，第三個部分就是說，他們不希望ChatGPT回答得太快，他們希望讓小孩子有過程，那這個是透過它的提示有辦法降階的，這個網路上有例子，就是說你要解釋什麼叫迎合，那你對一個六歲小孩跟所謂的十八歲大學生，你的解釋方法是不同的，那ChatGPT這一點是有辦法調適的，所以目前的發展上ChatGPT才慢慢調適成教育的方式是有可能，那這件事情對臺灣也可以參考，我們也可以運用類似ChatGPT語言模型來建構屬於臺灣自己的教育模型，但是你可能沒有辦法從基礎模型自己建，但你可以用微調的，或者用提示的方式去建構，這也是我很關心的，我不希望在3年、5年後我還是沒有看到一個屬於臺灣教育的語言模型，那這樣也不用再努力了，因為學英文比較快。

黃：對，下一代臺灣的文化、臺灣的觀點可能會慢慢的消失掉。

簡：而且你越不去在乎它的時候，它的消失就會越快，這有點像我們的飲食習慣。

黃：對，現在都西化了。

簡：不知不覺就，其實是西化跟東洋化就日式化。

黃：是是是。

簡：這個變化非常快。

黃：日本人自己也覺得他們自己的和食文化也在消失中。

簡：其實這是全球化好處，大家就共同融合，可是這融合東西，有些東西是往好的發展，有些東西是不在了就沒有，那這個就要本地自己要多留意。

黃：是，對，所以這個教育的ChatGPT，就是說教育版的GPT它可能的模式是餵給AI ，訓練一些臺灣的相關的知識庫這樣子？

簡：以現在的發展因為畢竟，像G7 就有公告就是他們有一個共同聲明，等於是這種大型語言模型或生成式AI要以人類福祉為主，也不能掌握在幾家少數的公司而且不透明，這個其實應該是說G7 的另外G6對美國的擔憂，那美國政府也願意跟G7 共享，所以這個發展方向我相信透過法律、透過國際的約束，這些未來大型的國際模型，它會開放跟每個國家合作，在技術上不難，只是要花成本，就是它有一個基礎模型之後，它優化繁體中文模型、它優化日文模型，它優化但就把它分離出來，那就跟搜尋引擎現在很像，因為我在Google 負責過中文搜尋，那麼我雖然人在臺灣，但我負責全球的，那在這過程中我都知道就是說，你要讓它單獨做一個中文搜尋的時候成本是高的，你要做日文也是成本都高，因為它在找一組人來專門處理它，但是如果變成是一個國際合作的時候呢，那也許它的成本是可以接受的，那最終希望每個國家還是有屬於自己的ChatGPT，那是國家級的。

簡：另外一個就領域級的，領域級的意思就是說它可能是for kids年齡的差別，就不同的多元，年齡的多元、族群的多元，還有一種就領域的多元，比如說專門為教育的、專門做法律的、專門做醫學的，但如果這樣發展下來，你以後就會發現呢，我們過去在網路上在玩game 就選各種App，以後就選各種腦，不要選到金魚腦就好，你可以選各種腦，這個臺灣腦、美國腦、中國腦各種腦。

黃：就是要把我們現在這種通用型的一個大型語言模型再微調成更專注的。

簡：特定的、專業模型、特定模型，慢慢會走向這種發展。

黃：是，確保它的這個多元、在地，然後它的正確度。

簡：正確度。

黃：是，這個現在的技術已經可以了？

簡：還沒有，但是發展方向似乎往這裡走，第一個就是大型語言模型有縮小化的現象，因為縮小了，一般國家、一般企業才可以使用，因為它不太敢把自己的資料丟給ChatGPT去學習，因為怕資料外洩，那企業都想自己訓練，所以這也是為什麼NVIDIA晶片賣得很好，因為它賣AI sever 伺服器到企業裡頭去，那以後就是企業有企業大腦，那麼人類慢慢進入到真正我剛剛講電腦時代，就世界有世界大腦，企業有企業大腦，每個專業有專業的腦，之後人慢慢習慣說很多事情問電腦，所以像現在我們會去算命對不對？以後找電腦算命，有一點像是這樣。

黃：更精準這樣子。

簡：更精準。

黃：是，對，所以這個是未來可能會，您期待的方向，在教育上，剛剛有說法律上都可以有些在地化的語言模型的，這樣的資料庫的訓練，我們剛剛來回到臺灣的優勢，或說美國以外的國家該怎麼因應這個生成式AI的浪潮？臺灣除了在硬體上，在軟體上可能機會沒有那麼多，但在應用上是不是有機會？

簡：對，應用其實就是我們把我們的數位轉型加快，Covid-19這3年意外讓臺灣本來落後的數位產業、數位經濟因此而提高，如果你現在去留意的話，我們臺灣現在最大電商已經是momo，momo是營收1000億的電商，1000億已經就是一個7-11的規模，意思就是我們的 這個虛擬的消費、線上消費的已經成長到一個規模，那momo的電商的市值也來到千億，所謂千億營收千億市值的年代，那就代表說我們的電商的規模，沒有小到可以忽略，雖然我們週邊國家的，南韓的Coupang是亞洲現在規模最大的電商、momo的七倍，南韓人口只有我們二倍不到，是7倍，所以代表我們還有成長空間，那這個電商規模相當於數位經濟的規模，也相當於AI 可能的規模，AI應用的規模，原因就是怎樣？你越用網路就會留下數據，那麼有網路之後，它就有AI電商會出現、AI行銷會出現，所以它會產生一個正向的發展，這個是我今天早上另外一個演講就是講網路AI電商，這個影響就是電商的內容以後會產生對話型的電商，你現在在網路上買東西。

黃：首先還要搜尋對不對？

簡：對，以後直接問的，你就跟momo系統或者你跟PChome說我要買哪一類的東西。

黃：是，甚至我可以說我媽媽生日，是不是可以有個60歲的。

簡：可以，有點像進到一家店本來跟店長溝通的話，你以後就跟網路上溝通，然後它會產生這樣的概念，可是呢它回答你這個內容就所謂AI 行銷，它是由AI 產生的客製化的內容，那這個就會是臺灣可以應用的，那麼我們可以做的事情就加快我們的數位轉型到AI轉型，那每一個產業都得這樣思考，尤其最大型的製造業，製造業呃好像跟AI暫時無關對不對？跟生成式，有，有大關係，生成式AI最新的發展叫多模態生成式AI，如果你們在網路上有聽過就是，你可以給它一張圖片跟一些文字之後問它問題，這個概念是說你給它一張圖片在，比如說一個旅館圖片，之後你問它說躺在那裡的是不是個人？它可以回答你它可能是可能不是，說那個人現在的狀況怎麼樣？這個情境有點像在工廠，這工廠也就是說，它可以透過生成式多模態AI 變成工廠智慧化管理的概念生產線，這個跟臺灣關係就大了，我們所有的製造業很有可能都會變成更加速的智慧化，那這也是臺灣的產業可以想辦法服務我們最強大的製造業跟半導體跟IC產業，服務它的AI，因為它需要，另外一個民生的部分，我剛剛講電子商務等等或教育，你可以幫它做本地化、客製化，那以現在的狀況來講，這機會都還很早，所以這應該大家可以把握。

黃：就反而不見得是要發展自己的生成式AI 的工具，而是要善用現在世界各國研發出來的數位AI的工具，然後來協助台灣。

簡：工具我還是希望，雖然這個希望常常會變期望，這幾十年來的努力就是希望，所以我推薦都幫新創國際化，那我已經幫好多新創國際化成功，有在日本上市。

黃:您說像AI工具的產生。

簡：對對對，像Appier、iKala還有KKday那好多家，但我希望他們從國際化變國際級，我們需要有第一家國際級的數位公司，我們才有大型的AI，國際級的意思說它要有能力處理幾億人口的資料，之後AI 在上頭發展會突飛猛進，臺灣就差一步了，我們可以處理幾千萬級的，我們再一點點說不定我們就可以突破，但要突破到億為單位一定要臺灣以外的市場進來，所以我都鼓勵臺灣加一個市場，就臺灣加日本市場，結合起來之後就可以達到一定的經濟規模。

黃：那個優勢是還在的，是臺灣還有的？

簡：還在，因為日本稍微慢了一點。

黃：是，因為它也是我們的鄰國，我們也相對熟悉的。

簡：因為我們相對熟悉又近，另外一個日本數位化的慢，另外日本的經濟規模大，那雖然說它人口是臺灣五倍，可是它購買力是臺灣的十倍，所以相當於十個臺灣，所以臺灣的新創的題目在日本相對是新，所以如果臺灣可以好好把握日本市場的話，那經濟學上說大概你所有的新創、創新要來自5000萬人口才有機會，那二倍臺灣就可以了，所以我的說法就拿日本10%就可以了。

黃：是，用我們的AI 的優勢。

簡：我們過去的優勢，可能相對日本來講我們的年輕的新創是走得快的，加上AI 的新的機會，加上AI 會開始走到終端AI，所謂的edge AI就是萬物的裝置都可能AI化。

黃：是，手機啊、電視、電腦。

簡：無人機啊還有各種，我們過去有段時間叫萬物聯網，那那個時代沒有看到太大的發展，各種裝置都有機會變得更聰明。

黃：都有一個個人化的設計在上面。

簡：都有可能，對對對。

黃：我們的手機也可以更懂我們的需要，對不對？

簡：而且我最希望期待的是臺灣下一代好好透過數位科技，不管來幫現在的產業還是創造新的服務，原因是高齡化、少子化，你已經沒有小孩，唯一的辦法就是發展軟體，軟體是少數不離開家可以做全世界的事情，另外軟體是屬於高所得，少數人可以創造高經濟產值，這個是跟硬體製造不一樣，我們也不是要放棄硬體製造，但我們終究人口不夠，軟體就會很重要，AI是一個讓我們軟體再進步的機會。

黃：您覺得臺灣是有可能有這樣的機會？

簡：我相信，但我不能說我覺得。

黃：因為我們看到說哇這個美國的科技公司是砸了大錢在研發。

簡：我相信它，我是臺灣第一代研究AI 的學生，所以我相信我的老師的方向沒有錯，我相信他投入了三十幾年之後，我開始加入跨國性企業我還是相信他，現在我相信臺灣年輕人，我只能相信，你說我有沒有信心？我比以前有信心，但你問我覺得呢？我還不知道。

黃：所以我們只能樂觀期待。

簡：樂觀其成，對對對。

黃：然後就是努力努力試試這樣子，好，我們回到來談這個生成式AI對個人跟對教育的影響。

簡：個人其實很簡單，就是一切標準都被提高，當我們使用它的時候覺得很興奮的時候問題就來了，別人使用它也會很興奮，那你同一個作業你以為它幫你做出來，結果你的同學也做出來，老師的分數可能反而變低了不是變高。

黃：老師的期待值就變高了。

簡：對，所以對個人的影響就是，第一個就是分數變八十分，我們以前叫及格六十分，可是研究所及格是七十分，意思就研究生要被更高標準看待，那現在有了生成式AI之後呢，所有老師也知道學生會去用，與其禁止你不如讓你用得更好，那用得更好他就要求你八十分，所以呢那什麼是六十分？就是你把老師提問這些打進去，出來答案叫六十分，那你能夠跟它互動，找出一個答案是你同學找不出來的更好的答案的話，你有八十分的可能，可是這樣都不足以培養未來非常專業的人，為什麼？我們專業的人才要變成九十分才有差異化，如果他只有八十一分跟八十分是同等級的。

黃：那怎麼樣可以讓自己有九十分？

簡：所以這個發展就是，我們要鼓勵適才適性、適性適才，做你喜歡做的事情，你才可以到九十分，如果你被逼著去做，過去只有六十分，未來就算八十分也不是，所以我們還是讓假設物理還是永遠重要，化學還是永遠重要，數學還是永遠重要，那去學這些事情的孩子呢，不需要每一個人，是那真的喜歡的那些人，因為他投入到八十分、九十分，他才有機會。

黃：他也樂在其中。

簡：對，那一般人倒過來，就應該反過來是多學幾樣事情，就是所謂的T型或π型，原因就是你學東西變快了嘛，那你就不要自我設限說我文學一定不學數學，或者理學院、工學院不擅長溝通，大概不是這樣，那就變成是T形或π型。

黃：就是要跨領域的人才。

簡：跨領域的人才，什麼叫跨領域呢？那就沒有領域的概念，因為有ChatGPT之後還有領域嗎？你要懂得問問題，那人家講說ChatGPT誰最開心呢？老闆最開心，因為你什麼東西用問的就有答案了，那一樣道理就是你要懂得問，那我認為教育會回到亞里斯多德的年代叫做通才年代式的教育，就是不再設計說一定是專才式的，叫做思辨的教育，思辨的教育大概最適合未來的教育，那你看Columbia 大學，大學部大一、大二不分系了，它讓你大一、大二全修，你要修什麼就修什麼，在大三、大四再去學專業，我相信未來教育也會慢慢朝向這樣作法，就是你不能太早分流，像我們太早分流，在高中為了考大學，就先放棄了某些科目，就可惜了，另外一個呢，很多科目不用那麼深，因為你一輩子用不到，那種就是學到可以問ChatGPT，它告訴你答案可以懂，這樣就可以，這樣大概就是一種教育的方式。

黃：所以要讓自己變成跨領域的人才。

簡：跨領域的學習，但是不是變成人才那就要看你自己的努力。

黃：可以怎麼努力？

簡：你要相信你在睡覺的時候別人在努力，這是第一件事情，那不見得要那麼認真，但是要有方法，可以怎麼努力？剛剛的聊天過程中就是你要善用工具，之後要加自己的判斷，另外做你喜歡做的事情，這大概所有學習的最基本，學習最重要來自動機，你如果有動機，那你就會很努力去，但是呢學習環境要製造那個動機的適當的回饋，如果有一個6歲孩子很喜歡學習，可是因為能力不強，所以一開始做不好，大家就說你不要做了，那大概就會讓他失去了這個動機，所以。

黃：學校跟家庭要創造這樣的。

簡：一個環境，那個友善環境是鼓勵人學習的，而不是要求結果，我們過早在學習階段急著要看答案，所以我們所有的家長，孩子回來先檢察考卷的分數，這是錯的，你應該問他，你在學習的過程裡頭，你跟昨天有什麼不一樣？所以學習是一件每天都在發生的事情，那最重要最重要的差別是，有了這個生成式AI 之後呢，教室這個概念被打破，另外年齡的概念被打破，一個孩子不一定要等到6歲才唸小學，不一定要等到18歲才唸大學，因為天才老師在那裡了，那學習動機變成最重要，如果他早早有動機，那未來他可以跟AI學習，而且不需要進入教室。

黃：自學這件事情變得更容易。

簡：對，自學這件事情變得更容易，而且更應該更可能，而且壓力更大，所以還是剛剛講要找愉快的事情，因為愉快你就不會成為壓力，但如果你今天是為別人學，你就會有壓力，所以這個概念下我們的社會要去努力的還是那個數位落差。

黃：就是要讓大家都可以觸及到這個AI。

簡：對，而且那個落差會越來越大的原因是因為，這個教育會提早開始，它不太會走入6歲才開始，它也很早可以差異化、個人化，那麼以後老師的難度很高，因為老師不是一個人教三十個人，而是由AI 系統、電腦系統來教三十個人，它有三十個個別的進度，老師是一個引導者，而不是教導者。

黃：是，所以政府有這個基礎設施可能要做好，讓大家都可以觸及到AI。

簡：觀念的引導很重要，就是政府提早讓大家知道，也不要只是嚇到，知道跟嚇到是不知道才嚇到，如果你今天知道理論上是不嚇到才對，所以政府還是要讓老百姓早一點知道，那不管這世界是美好或不美好，他早一點知道是好的，另外早點準備，因為它在顛覆我們所有的學習習慣。

黃：那在這樣的狀況下，人除了找到自己的天賦之外，我們跟這個AI 比起來，我們還有什麼強項？

簡：我們一直還有很多強項，而不要因為你同學有一次考得比你好，他就贏你一切，他也不過就有一科考得比我們好而已，那一科叫什麼？他讀了很多亂七八糟的東西，我們人有太多的能力去分析過你才知道，ChatGPT有什麼能力沒有？它現在不具備推理能力、計畫能力，它的決策力是難的，因為它決策是根據它昨天看的書，還不見得是那麼的高深的決策力，它的數理能力是偶發的，它其實也並不存在真正數理能力，可是這些能力呢，人類其實建構起來都是存在的，人類還有非常非常多多元的能力，ChatGPT你只要想成是說它只是語言模型，語言模型可能可以解決人類能力的比如說一成，另外九成語言模型解決不了，而還有沒有辦法那九成用別的方法在未來幾年內解開呢？也許可以，也許永遠不行，在這種情形下我們先不用擔心，我們先迎上前去當一個快樂使用者，另外呢我個人是會做一個假設，另外90%能力呢在我有生之年，希望我活久一點，它是做不到的，所以人還是為人，只是會比以後的人來講，我們見證過人跟機器的互動，所以我最後可以用一個概念就是當年IBM深藍時代棋王寫的一本書，它叫做人機協作的書，就是Deep Thinking，因為它是人類第一個輸給AI 的，那麼他耿耿於懷30年，現在我們都輸給AI了，所以他不用耿耿於懷，他30年的心路歷程告訴我們說人機協作，就是說機器跟人不是對抗，你就是拿它來用，我們用最好的就手機啊，我們用最好就是手機的美肌、美顏相機啊。

黃：是，這也是AI了。

簡：它本來就是AI，所以當我們害怕它，我們反而覺得它不應該被使用，錯了，其實我們都在用它，那唯一我們需要做的跟以前不一樣是立法，法律的要求，什麼事情很危險而我們人還在用呢？飛機，萊特兄弟製造飛機到現在一百一、二十年左右的時間，可是在10年前美國FAA航空管制委員會，它曾經預言一年會有一百架飛機掉下來，根據統計學，它就嚴格提高飛航管制，到現在一年掉不了幾架飛機，意思就是說那麼危險的工具，人類可以透過規範、立法、透明，就讓它人跟機器可以共存，AI也會是這樣，不要擔心我們會輸給AI，因為沒有什麼道理，因為這法律是你規定的，你唯一就是記住，AI 有用的東西不能給它叫核融合，因為你只要把電源拔掉，它就不能動了，有一天它如果有核融合，你就拔不掉它了。

黃：是是，您還有提到，聽您演講有提到，人類還有一個強項會做夢。

簡：對，那不一定要強項，但是會做夢，人類會做夢這件事情，從醫學解釋它事實上就是活化我們所學的知識，我們透過我們人是24小時活著，我們不是做夢的時候死掉，所以我們做夢是在幹什麼？我們睡覺的時候事實上是把我們白天所學的知識重組，會做夢，做夢本身是知識重組，如果用專業術語講叫reindex，一個不太睡覺的人，比爾蓋茲最近已經承認不睡覺是不好的，因為老了就早點失智，睡覺是reindex，你是活的喔，你只是重組你的想法，那人類會做夢這件事情，跟腦袋做夢跟我們想像一個東西叫dream這二個是不一樣的，我剛剛講的是dreaming就是我在做夢，但是我們的夢的話是一個難的事情，我們期待的事情我們要去實現這件事情，那AI 帶來新的能力，少數非常勇敢能做夢的人，他會把這個能力發揮到最大，就像當年萊特兄弟一樣，他可能是地球唯一萬分之一的人做這個夢而把它實現的人，可是最後99.99%的人都受益，我還是相信人類會有少數人，因為做夢讓AI 往好的發展，但是我也相信有少數人會變成壞的發展，但我一直相信壞人沒有那麼認真，所以呢我覺得好人會贏。

黃：人類因夢想而偉大？

簡：夢想是不是每個人類都偉大？但是偉大的人類，偉大的人類都因為夢想。

黃：都有夢想，是，好，非常謝謝立峰老師今天的分享。

簡：謝謝兆徽。

黃：謝謝。（校對：魏君道、林新茹｜更新：2023/10/03）