隨著ChatGPT的橫空出世，沒人能想到他將改變未來的人類技術發展格局，甚至讓資工系不再是「鐵飯碗」，Gen AI在商業上的成功，我認為其影響力之大，稱為「第五次工業革命」也不為過，但是當大家忙著鑽研AI怎麼用，媒體忙著販售焦慮時，有多少人想過，Gen AI到底帶來什麼影響？什麼才是Gen AI浪潮下值得思考的事情？

AI技術的本質

其實無論是LLM還是LMM，現在Gen AI本質上都是深度學習那套，也就是一堆數據轉成向量，然後一堆向量堆出好幾個節點模擬人類神經元，最後用機率與統計來計算從輸入經過中間數個節點到最後輸出，其本質上，Gen AI的答案可以說是「猜」出來的。
更不要說深度學習早在上世紀就出現，基於神經元的運作架構一度被貶入冷宮，直到10多年前才有足夠的算力支撐深度學習，並在AlphaGo的成功標誌著AI在科研領域的成熟，只是實際科研成熟應當要伴隨著商業投入，AlphaGo也絕對有足夠的聲音，只是出於各種原因，一路到2022年底由ChatGPT的誕生奪走了商業上的第一槍，也是這時候，AI才算正式走入到眾人眼中成為人人研究(和媒體拿來販售焦慮)的技術。

AI成熟的重要技術

商業和科研必然有著不同的鴻溝，AlphaGo可以只要展示「能力」，但是ChatGPT能成功，不單單是能力問題，而是當人類看到一個機器可以像人一樣對話時，好奇眼光的必然投入，微軟的Tay就是一個例子，只是這次不一樣的是，Tay後來成為只會高呼納粹的回聲桶，ChatGPT則隨著時間輸出越來越流暢，智商也越來越聰明，但同時又能說話越來越「悅耳」。

這其實代表兩件事，一來是對齊技術的成熟，二是學習能力的提升，除了監督式學習，我認為最值得提的，那就是RLHF。
RLHF簡單說，就是基於人類對於任務結果給予回饋，由人類告訴AI做得好還不好，以及怎麼做，怎麼改善，前台由使用者提供第一手的修正資料，在後台搭配微調可以做到簡化訓練成本，既解決數據來源又可簡化訓練成本，可謂是一石二鳥，但這項技術還是有些問題。

如果對齊沒做好，及時的RLHF只會創造更多Tay；即使對齊有做好，RLHF也會受限於大量的「人」的回饋，我舉個比較奇怪的例子，假如10個人有6個人喜歡被AI稱呼「雜魚」，那透過RLHF訓練下來AI在沒做個人化的情況下，AI會更傾向於稱呼使用者為「雜魚」。

而且RLHF最明顯的副作用早在ChatGPT甚至是最近的Gemini已經體現出來了：會過於討好人類，AI會傾向於輸出人類想聽的答案而不是正確答案，哪怕AI輸出的答案不正確。

但是沒有RLHF會更糟糕，除了訓練成本會大幅增加(使用者的回饋本身就是訓練資料)，你能想像你前一秒跟AI說不要開玩笑，下一秒AI繼續跟你開玩笑嗎？沒有人喜歡不會說話的asshole(混蛋)，只是RLHF隨著樣本的增加，對齊需要耗費的成本也是會指數增加，而且每個人的個性不同，你很難只靠RLHF就訓練出「頂尖」模型，但RLHF絕對是AI能落地的重要推手，不過副作用能解決多少，全憑科研人員本事。

大數據的勝利

如果說深度學習是突破電腦運算智力的上限，那大數據就是智力土壤，沒錯，前面說過RLHF本身依賴使用者回饋，使用者回饋就是一個數據，那早在5年前就盛行的大數據就說明這件事了，只是在當時人們以為數據會隨著算力成長後，數據量會指數型增長，但實際上後來數據量的成長並沒有隨著算力提升跟著大幅上升，AI還沒爆發人們手握一堆數據也無處施展。

如果你問科研人員，怎樣做出「聰明」的模型，在現在肯定會說訓練資料越多越好，但回到深度學習爆發前，當時的人會說「寫好符號規則」，規則/符號派AI學者的巔峰之作就是專家系統，專家系統的理想很美好，現實很骨感，如果你問2005最強消費級處理器，專家系統只要把Datasheet輸入後就能回答，但是人類通常會問的是「近期半年5000$最具CP值的電腦怎麼組」，這個問題除了具有時效性以外，還有大量的排列組合，因為人類有偏好(Intel/AMD)，不同的貨物來源(二手vs全新，經銷vs平台)，甚至還有可升級性可以考慮，這足以把專家系統幹冒煙了。
但是如果是透過大數據，只要數據夠多，經過適當的處理，就能排列出數個「熱門」選擇，最多人用的方案A你不喜歡那還有個備選方案B，因此Google在2009年發表的一篇文獻「The Unreasonable Effectiveness of Data」早就宣示著大數據的勝利，只是直到2022年後才得到驗證。

那數據要有價值除了這筆數據要有效以外，想要放大單一數據的價值更是要有獨家視角，或者是這筆數據記錄的是「邊緣案例Edge case」，邊緣案例可能需要極端的視角或狀況才能測試出來，但是決定邊緣案例能不能被解決，或者能不能產出獨家數據的，只有背後的「人」決定是否有這個能力。

人類的成長方式

其實人類科技能夠發展起來，好奇心與紀錄這兩件事情缺一不可，然而在Gen AI的到來後，人類聚在一起討論問題的次數越來越少，2026年初Stack Overflow的訪問次數跌至架設以來最低，與此同時，在Gen AI的成熟後，你有沒有注意到各行各業開始充斥著大量的「AI Slop」？用AI生成不修飾的空泛文章，用AI生成直接上架的音樂，Tralalero Tralala和Tung Tung Tung Sahur等這類迷因能火紅，我認為是剛好夠無釐頭，且這類作品的出現代表AI具備創作能力，但不是會說話的人就是詩人，AI能畫圖、做動畫不代表他們能做出好動畫，好圖片。

因此我想表達的是，Gen AI到來後，看著AI可以寫程式，甚至智商越來越強，人類的價值已經不是靠聰不聰明來定義了，而是靠有沒有整理觀點甚至持續輸出觀點來確保自己的價值，其一是能因為AI成功的人不完全是他有AI，而是他剛好利用AI放大自己的優勢，另一個原因是，AI只能用「已有」的知識做推理，目前仍舊只有人類具備在未知中探索的能力，而Gen AI一但碰到未知領域，準確度會大幅下降。
更不要說有的數據具備「時效性」，以上網為例，你在上世紀要上網，你肯定需要找美國軍方加入ARPANET，並且具備大量的電腦知識且能操作的地點還有限制，至於今天你只要跑去你家附近的ISP簽約付錢，你就有網路可以上網，有台手機 + SIM卡(或eSIM)你就可以走到哪連到哪。

結論

說到底，AI技術的成熟與爆發，我認為是發展上的必然結果，早在上世紀人類就早已開始追逐「創造智慧」這件事了，十年前AlphaGo也早就說明了這件事，只是Google遲遲沒有推出Gen AI產品所以討論有限以及這個震蕩得以滯後。

Gen AI的最終是讓知識變得跟網路一樣，成為生活的基礎建設，以前要學知識必須繳納高昂的學費受教還要看教授臉色，知識由少數人掌握，網路和搜尋引擎的成熟讓人們可以更容易搜尋到知識，而AI則更是讓知識可以先替人類消化過再給人類吸收，一但知識不由少數人壟斷後，人類能拉開差距的，就不是知識和聰明才智了，而是「觀點」和「經驗」。

AI無法替你體驗人生，更不能代替你思考，一但你把思考這件事丟給AI，你也就跟AI沒什麼兩樣了，與其害怕AI怎麼超越自己，不如想自己相比AI還有什麼？有哪些是只有自己才有的觀點？最後，「我思故我在」，不要停止思考，這才是人能拉開差距和建立獨特性的原因，沈迷於AI強大的假象只是換個形式的腳本小子。