參加在臺灣舉辦的人工智慧會議

我參加了在台北舉辦的一場當地人工智慧會議。會議一直是學術交流和與朋友敘舊的好機會。作為一個局外人，我的目標是建立新的關係，值得慶幸的是，一位同事很熱心地將我介紹給他們的一些熟人。我注意到這裡的工程社交規範有些有趣的差異，帶有獨特的台灣特色，一旦我有更多時間觀察，就能進一步闡述。

會議本身充滿了關於熱門人工智慧議題的討論，包括生成式人工智慧和機器人技術的預期崛起。看到人工智慧應用的廣泛性令人印象深刻，其中許多都是由相對較近才出現的大型語言模型驅動的（自2017年的「Attention Is All You Need」論文以來）。雖然很容易將重點放在生成式人工智慧創造內容的能力上，但我們經常忽略其所需的廣泛數據和訓練。我們正在積極努力透過推動思維鏈和ReAct等技術的界限來推進人工智慧。然而，數據仍然是一個基本因素，通用和特定領域人工智慧應用之間的顯著差距證明了這一點。為一般用例構建聊天機器人相對簡單，可以實現大規模化，並透過利用豐富的數據和計算資源（即資金）來產生收入，從而獲得豐厚的回報。相比之下，特定領域的應用即使在企業層面也經常面臨規模限制，並且數據可能稀缺。雖然我曾懷疑這是否只是我的觀察，但領先的諮詢和人工智慧公司的會議演示似乎證實了這一趨勢。

關於這一點，創建用於生成內容的人工智慧並不算太困難。然而，確保安全和道德使用卻是一個重大挑戰。即使從OpenAI的初步研究來看，安全一直是一個主要問題。隨著模型獲得「推理」能力，這個問題變得更加關鍵，因為這會帶來更高的幻覺風險。這仍然是一個熱門話題，即使是開發的解決方案本身也可能存在偏見。這種持續的循環不斷需要大量的研究。巧合的是，我參加了一場演講，就在會議結束幾天後，我的這個觀察得到了證實。

我大部分時間都花在帶領我的團隊並努力跟上發展。有時我擔心事情進展得太快，我會脫節。最近的一個小測驗在這方面給了我一些安慰。