發生什麼事？
在推出 GPT-3.5 後的幾個月內，OpenAI 在 2023 年 3 月推出了 GPT-4，不僅較前一版更安全、更一致，對禁止內容的回應可能性比前一代低 82%，能力更上一階。
- 讓世人驚訝 AI 能力的 ChatGPT 並非橫空出世，在 AI 發展的脈絡中，Google 旗下 DeepMind 開發的人工智慧圍棋軟體 AlphaGo，在 2016 年擊敗圍棋九段李世乭，當時也掀起 「AI 將如何改變人類世界」的討論。
- 過去 AI 在人類生活中的應用早已俯拾皆是，如語音助理 Siri 等。只不過這類型的 AI 助理是單純的「命令和控制」系統，事先將有限的工作清單設定在系統中，例如「紐約市的天氣如何？」或「打開臥室燈」。
- 如果使用者要求語音助理做一些不在其設定中的事情，它會直接說它做不到。
- 因此，Siri 數據庫需包含巨大的單詞列表，讓設計上變得笨重，要添加如搜索工具等新功能，可能需要耗時一年，這讓 Siri 無法成為如 ChatGPT 的創意助手。（New York Times）
- 而今 ChatGPT 在 AI 發展的劃時代意義在於，不再侷限於如 AlphaGo 在特定領域的應用，而是在 LLM（大型語言模型）的龐大資料學習下，「把 AI 變成通才」，降低一般人的使用門檻、也提升應用面的廣度，其自然生成不同答案的能力，被視為人工智能技術的重大突破應用。（詳見文末 台灣大學電機工程學系副教授李宏毅訪談）
- LLM 是經過訓練的系統，可以根據從網絡上收集的大量數據、識別和生成文本。藉由如「文字接龍」的方式，以單詞來完成一個句子，透過「老師模型」增強式學習，讓其了解人類偏好的回覆。（旭時報）
- ChatGPT 具有更高的精確度、細節和連貫性，其設計非常注重交互式對話。開發者結合使用監督學習和強化學習來微調 ChatGPT，藉由人類反饋強化學習 （Learning from Human Feedback, RLHF）的技術，在訓練循環中藉由人類反饋來最大限度地減少有害、不真實和/或有偏見的輸出。（AssemblyAI）
ChatGPT 的商品化應用？
無須任何專門寫程式等培訓，一般人皆可以用自然語言指令讓 ChatGPT 執行各種任務。這讓各行業迅速為 ChatGPT「找工作」，期望藉此為現有的服務或產品提供更多加值功能。
- 對於企業而言，ChatGPT 等聊天機器人有可能自動執行日常任務或增強複雜的溝通能力，例如建立電子郵件銷售活動、修復電腦程式或改善客戶服務。（Computer World）
- 以教育產業為例，線上學習平台可汗學院（Khan Academy）利用 GPT-4 強化其人工智慧學習平台 Khanmigo；語言學習服務 Duolingo 也藉 GPT-4 強化語言學習效果。（Analytics Insight）
- Khanmigo 在課堂上擔任教師助理，同時也是學生的虛擬導師。根據每個學生的個別需求和技能，提供個人化培訓。
- Duolingo 利用 GPT-4 新增兩個元素「Role Play（角色扮演）」與「Explain my Answer（解釋我的答案）」。當學生犯錯時，AI 驅動的 Role Play 幫助他們理解犯錯的原因，Explain my Answer 則會解釋語言規則。
- Morgan Stanley 採用 GPT-4 的聊天機器人，協助旗下 1.6 萬名財務顧問更快地從龐大的研究與數據資料庫中取得需要資訊。（NBC News）
- 這聊天機器人接受六萬份全球經濟部分研究報告、四萬份公司其他內部文件的訓練，讓它成為任何金融主題的專家。
- Morgan Stanley 財富管理部門分析、數據和創新主管 Jeff McMillan 指出，企業並不是直接嵌入 GPT-4 機器人，就會得到所有答案，公司內每天有 300 名員工使用 GPT-4 測試技術。
- 金融科技新創 Stripe 將 GPT-4 整合到其數位支付處理和其他產品中，並且為 ChatGPT 等人工智慧工具提供支付和訂閱服務。（Reuters）
- Stripe 員工集思廣益列出了 GPT-4 的 50 種可能應用，最終確定了 15 種強大到足以付諸實踐的應用程式。主要分為三個方向：更精準了解客戶的業務、為客戶排除故障的「虛擬助手」、監控欺詐行為。（Freethink）
ChatGPT 應用的挑戰？
OpenAI 執行長 Sam Altman 表示，AI 將重塑我們所知的社會，帶來「真正的危險」，但也可能是「人類迄今為止發展出的最偉大的技術」，大幅改善人類的生活。但特斯拉創辦人 Elon Musk 與多位科技界知名人士基於「對社會和人類構成深遠風險」的理由，呼籲所有實驗室即刻暫停研發比 GPT-4 更強大的 AI 系統。ChatGPT 要能廣泛應用，尚須克服哪些挑戰與風險？
- 事實查核：ChatGPT 有時由於缺乏訓練，提供不準確的答案。
- 李宏毅說明，ChatGPT 根據它從網路上了解到的最接近和最合理的訊息生成答案，但它無法進行事實核查、驗證其準確性。
- 中立性：當巨量資料有立場偏頗時，「三人成虎」的情形很可能發生。
- 當 ChatGPT 的 pre-trained model（預訓練模型）資料量夠大，找到答案的機率就變高。但在簡體中文資料相對較多的狀況下，查出來的很可能有很多是中國的觀點。（詳見文末 東吳巨資學院資料科學系講師孫玉峰訪談）
- 隱私保護：個人資料可能在機器學習過程中被記錄，成了有心人士蒐集個資的工具。
- 李宏毅指出，若個資不小心外洩在公開網站上，ChatGPT 一樣會學習，因此當輸入某人的名字時，相關個資就會出現，雖然不一定正確，仍有其風險。
- 著作權歸屬：在 AI 學習過程中所爬梳的資料，是否為「合理使用」？
- 2022 年 11 月微軟與 GitHub 、OpenAI 所發表的 AI 程式碼編寫工具 Copilot 被控以不當方式，竊取受版權保護的程式碼，來建立系統中的 AI 工具。被告認為該指控不夠具體，以「合理使用」辯護。（New Scientist、Reuters）
- 在沒有著作權人同意的情況下，AI 接觸、重製著作權人的作品匯入到資料庫是否侵害著作權，牽涉到「合理使用」。如果最後產出的結果是有賦予新的意義，對於原著作的使用是一種轉化性使用（transformative use），這符合合理使用的要件，而不會構成侵權。（詳見文末 資鋒法律事務所所長陳建佑訪談）
- 免責權：使用 AI 產出的結果造成的損害，該由誰來承擔？
- 陳建佑指出，在把 AI 視為工具的前提下，責任歸屬會先檢視是否在於使用者。如果是關於產品瑕疵的領域，就會屬於消費者保護法的範疇。AI 有可能出現瑕疵、錯誤也可能來自大數據，在 AI 產品究責有其困難。
未來該如何？
要解決上述的挑戰使 ChatGPT 更能被廣泛應用，專家們提出了幾個可能的方向：
- 提升準確性：需要靠人類來驗證 ChatGPT 答案的準確性，或是藉由另一套 AI 工具來檢視 ChatGPT 答案的事實準確性。
- 增強專業應用的可能：ChatGPT 的模型太大，需要有大的算力資源來運作。未來要如何克服，且透過微調適用於不同產業應用，會是 ChatGPT 如何應用到更多情境的挑戰。
- 確認 AI 的法律地位：隨著 AI 發展，責任保險制度也會應運而生成為配套措施，藉由確立 AI 的「法人格」，讓保險制度較能銜接上法律體系。美、日等國正在討論人工智能的法律地位，但台灣法規目前專注於沒有法律效力的道德準則，仍待迎頭趕上。
ChatGPT 還有哪些關鍵應用？現在是人類對 ChatGPT 下「咒語」以獲得答案，未來還可能如何引導人類「思考」？請看以下《旭時報》與專家們的訪談。
