這一集邀請到我的老師，也是亞洲大學產學長跟生物資訊醫學工程系的王昭能老師來到節目上。起初我念博士班的時候，還不大知道AI，以前我碰到任何問題，都用Google找尋答案，隨著AI興起，現在都會用ChatGPT問一些需要的知識，甚至在做引人入腎的東西，也會請AI幫忙整理內容，以及在寫論文的路上，會請AI幫忙英修，所以AI可說是大大影響我的生活。
我相信很多聽眾的生活也被AI影響，所以想請王昭能老師分享什麼是AI，以及如何聰明使用AI，讓我們的生活更便利。
AI的介紹
AI不算是新的議題，在2023年，AI應該是第三波的浪潮，自從ChatGPT出來後，全世界應該更瞭解AI可以做什麼。我們人類的搜尋習慣，以往都靠Google關鍵字搜尋，ChatGPT的模式是用一個句子來進行問答，以往老師教我們如何解決問題，但ChatGPT是教我們如何問問題，他會模仿人類的回答，所以當我們的問句越詳細，他給我們的答案會越好。
ChatGPT主要是由OPEN AI這家公司投資，是屬於一種自然語言的模型，我們現在使用的架構，應該是ChatGPT3.5的架構，當然他有4，未來還有5。前陣子有則新聞，其實資訊龍頭希望能放慢ChatGPT的開發與學習，主要原因是他真的學習太快，包括在理解問題、對話，甚至在翻譯上，以前自然語言沒辦法處理好的議題，ChatGPT都能處理很好。
ChatGPT再加上Midjourney這種深層次的藝術，根本是絕配，以前在玩Midjourney這種深層次的圖形，在下關鍵字的時候，有時候下得不精準，圖形生成結果就亂七八糟，而ChatGPT可以補足這一塊，所以ChatGPT的發展和Midjourney的結合，可以讓關鍵字下得更好，讓藝術概念可以得到更好的結果。
何謂AI的前兩波浪潮？
以前有部電影叫「模仿遊戲」，基本上在講圖靈這個人，故事背景在二次大戰，當圖靈使用圖靈機來解密碼的時候，就是人工智慧剛開始的時候，他提出機器會有人的思維，所以第一波AI浪潮大概是在1950年的時候。
後來產生一個演算法叫做類神經網路，但是類神經網路的發展後來遇到一點瓶頸，尤其在求最佳解的時候，他沒辦法得到，於是又有另外一派演算法專家，開發一些仿生的演算法，比如說螞蟻演算法、蜜蜂演算法，透過模仿動物的生態，來做演算法的開發。這有區別於類神經網路的方式，因為類神經網路的學習，是模仿人類神經傳導的樣式，這是第二波的改變。
至於第二波改變之所以沒有很成功，是因為第二波的演算法用到的專家系統，會需要很多專家的知識，但因為各門各派對一個問題的解釋太多元，使得專家系統的建立變得很複雜。其實在這當中還遇到一些挫折，主要的挫折有兩個，第一個是在數據的部分，因為以前的數據不像現在物聯網的模式，還有更多大數據的計量。再者是在硬體上，演算法的運算沒有比較有效的高速運算的機器，所以以前都用CPU在算，現在剛好搭上GPU的風潮，這也是第三波人工智慧最主要的一個突破點。
下一波AI可能是什麼？
可能是幾何深度學習。我們現在能做的開發包括數據、文字、影像、訊號，幾何深度學習是利用幾何圖形，以及前面提到的數據形態做呈現，他是有機會做一個可解釋的人工智慧的深度學習的樣態，這對於未來的發展可以更好的原因，在於當我們知道哪一個節點有問題，我們可以針對這個問題做改善，讓AI的模型更趨近於人的思考模式。
幾何深度學習介紹
幾何深度學習最早被提出是2016年的時候，用以描述類神經網路擺脫平面束縛而進行的新努力，因為這些數據的形態跟上述提到影像、文字、數值其實不太一樣，所以這一塊有待我們去發掘，因為他更趨近我們的生活。2022年慢慢的成為一個風潮，成為一個大家會爭相去學習的一個方法，跟計算的模式。
生成式語言模型和類神經網路的差別
以往自然語言處理，基本上是針對一個文字或是針對一個句子，來進行斷詞斷義、給他詞性，然後我們去理解這一段句子的意義。再來是語意計算，希望透過瞭解一個句子的意思，用的還是自然語言的處理方法。
可是像ChatGPT的演算法跟傳統的自然演算法不太一樣，他是用拼接的方式，把句子拼起來，但是他不瞭解整個意思，但是他卻能讓我們讀得懂，這就是最大的差異。
但是前者，我們要花很多能力去做這件事，而ChatGPT卻是用大量的資料，結合GPT的演算法，去匯出一個回答問句的方法。
比如說「天在下雨」，ChatGPT就會開始搜尋下一個文字，選出最高機率的分數，然後幫你填上，就是用這樣的模式把它拼起來，所以他是一個無監督式的學習模式，他是用預測下一句的模型然後去做。
因為ChatGPT收集全世界很多文字內容，所以他可以去回答這樣的問題。但因為他學習不是很精準，有時候回答又好像有一個樣子。舉一個例子，假設有一張亞洲大學行政大樓的照片，我想要仿照他畫，一開始我會學習他怎麼畫，畫完給老師看，老師認為不像，會給我懲罰，經過老師指導後繼續畫，畫第二次可能還是有些地方不像，透過這種學習、懲罰、學習的方式，最後會看到跟亞洲大學行政大樓一模一樣的畫。
所以生成式AI透過不同版本的學習，代表有更多數據，可以產生更多影像，趨近於我們的生活。
這也是我一直在推AI，或是數據科學的重點，老一輩是透過文字把知識傳承下去，現在透過生成式的AI學習，可以累積世世代代的知識。
所以如何問問題變成現在很重要的課題，因為以前的學習都是在解決問題，例如老師問1+1等於多少，我們去解這個題目；但現在反過來問ChatGPT為什麼1+1=2，問法是不一樣的，整個思考邏輯上會有很大改變。
假設我想要問「腎臟移植的最新方法，可以改善病人的死亡率」，我應該拿整句話問ChatGPT，還是寫幾個關鍵字，哪一種會提供比較好的回覆？
在傳統資料庫的搜尋裡面，他的定義是用key在搜尋，但是現在資料搜尋已經改變，不是只有關鍵字，然後去搜尋資料庫，他可能是理解一個句子後，從知識庫找到一個
相對符合的答案。這個知識庫可能是書、圖、訊號等，找到符合的資料外，還會幫忙整理，這跟以往的問法有很大的差異。
生成式AI會如何影響我們的生活？
我覺得科技始終來自於改變人的習慣，生成式AI的搜尋，確實是下一代的突破，因為早期我們的學習就是打關鍵字搜尋，現在從關鍵字到句子的搜尋，其實是一個新的學習轉變，這個轉變其實更好，因為我們更會問問題，更知道如何解答問題。
此外，我一直覺得這些科技的發展，其實不是想要代替某些人，而是我們可以想像他是你的助理，但是要學習如何使用他。首先就是要學習如何問問題，然後說出一個完整的句子，這個改變就很像當時從傳統手機變成智慧型手機一樣，但只要能享受智慧型手機的便利，就能想到生成式AI帶來的方便性和知識性。但是假如不一直學習新的知識，你可能就會被取代。
如何教育下一代使用AI？
首先要讓他們對生成式AI有興趣，第二個是他們學習提問題的技能，我覺得這是生成式AI入門的門檻之一，誘發小孩如何去問問題，然後用生成式AI的工具，解決他的問題，如此一來，小孩未來就能自學，甚至可以演變出更好的應用。
醫療和AI結合可能擦出什麼樣的火花？
AI跟醫療研究蠻廣泛，生成式AI一部分的應用，包括影像處理，像是CT、MRI，癌症腫瘤位置的辨識。如果是ChatGPT，最主要是處理文字，醫療可以運用的像是護理記錄，可以透過ChatGPT協助整理護理資料，降低醫療人員工作的時間和壓力。
此外，患者可以針對目前身體狀況提出問題，使得掛號的時候能更精準，譬如肚子痛、頭痛、胸悶應該要掛哪一科，類似這樣的模式可以透過ChatGPT結合醫療數據做整合，未來分科上可以更快。
當然ChatGPT在醫療上的運用還很多，包括醫藥的研發、健康管理、醫學教育等，甚至人工智慧和智慧醫療的結合，這都是未來的趨勢。
AI會對人類生活有毀滅性的影響嗎？
現行的AI應該不會到這樣的階段，但是生成式AI或未來AI的發展，基本上還是要有法規和道德要遵守，所有事情一定有利與弊，如果弊的部分讓不肖人士做不法的事情，那就不太好。
人類的知識不斷演進，ChatGPT主要還是在回答問題，還沒到可以自我思考跟思維的部分，當他什麼都可以回答的時候，我們就要更注意使用這些工具的人，究竟是存好心，還是用來做不好的事情，這是最需要注意的。
讓我們培養腎利思維，擁有幸福人生喔！ https://www.facebook.com/dr.eli.lin
