新時代趨勢與AI共存 (上)

新時代來臨，各國在衛星科技發展上相互角逐，甚至展開宇宙爭奪戰各國的衛星百花齊放，到了 5G 的時代。同時，則是資訊產業爆發性成長，由於 AI、機器人、自駕車輛、深度學習與智慧機械等發展迅速，當中以AI產業的發展最令人值得一探究竟，AI 更以貼近生活、工作與智能對談等功能上，脫穎而出結合著手機與電腦，如何與 AI 共生存？就讓我們來了解大型語言模型共存的時代脈絡。

認識大型語言模型（LLM）的能力與限制

傳統的AI系統往往建立於特定任務領域，大語言模型（Large Language Model，簡稱為 LLM）則開展了更為嚴格的適用全球化。自然語言和理解生成能力，可以洞察各種文字內容創作、總結、快速互動等場景。例如：LLM 產生的內容可能包含事實錯誤、邏輯錯誤等各種缺陷。而輸出的資訊我們可以說這類的語言模型正在胡說八道。

再以內容創作為例來敘述，LLM 擁有產生高品質原創文案的能力，這對於行銷和寫作領域是一大助力。對於一篇科技產品介紹文案，LLM 可能會混淆不同類別產品的功能描述混亂，產生不準確的敘述。但是，其答覆往往只是基於統計規律產生的「架構條理」的回應，並不一定是正確無誤的或是我們稱之為「不精確地回應」。

大型語言模型（LLM）的能力

大型語言模型（LLM）透過對網路上超海量的資料進行文字學習，獲得了相當驚人的自然語言理解和生成能力，這是其核心能力所在。LLM 能出色地根據給定的主題、大綱或關鍵字，自動產生高品質、流暢的原創文字內容，如新聞稿件、行銷文案、小說故事等，大大提高了內容創作者的工作壓力。

強大的文本理解和總結能力，面對冗長或專業的文字材料，專業領域人士能夠準確理解並產生高品質的摘要和解釋，是高效獲取文本核心資訊的利器。特別在出色的問答和多輪對話能力 LLM 不僅能夠回答簡單的問題，還能根據上下文資訊進行理解和推理，從而產生詳細的解答方案，並與用戶進行多道且交互自然的對話，超越傳統問答系統的能力。

透過程式語言理解和產生能力部分 LLM 受過程式語言訓練，已經具有能夠準確理解需求來進行描述，並直接為開發者編寫及產生可運行的程式碼，提高了軟體開發效率。強大的多語翻譯能力傳統機器翻譯專注於特定語言對，而法學碩士則鍛鍊出媲美人工的多語翻譯水平，能夠高效完成大規模的多語翻譯任務。

AI 語言模型的限制

其實缺乏真正的理解和推理能力 LLM 產生的輸出往往只是基於統計規律和上下文關聯，並不代表其真正關係理解了內容的核心意義和邏輯。缺乏常識性知識LLM掌握的知識僅限於訓練的內容，它缺乏人類大腦集中所具備的常識性知識儲備，這在某些情況下會導致產生不合理的輸出。

無法取得即時動態資訊 LLM 基於靜態的訓練資料集產生輸出，無法像人腦那樣即時擷取和理解最新的動態訊息，其內容輸出往往落後於現實。缺乏系統性思考能力 LLM 更注重處理特定的任務型需求，而在需要係統化和長期思考規劃的複雜情境下，就可能有能力未記錄，無記憶功能也是現今 LLM 所欠缺的「功能」，儘管未來也將補足這缺口，但是也將為AI語言模型的供應商造成更龐大的「算力與電力負荷」。然而，作為人工智慧系統或語言模型，仍缺乏獨立意識和情感體驗，更無法產生真正的自我意識，也無法像人類一樣產生情感體驗和進行價值的判斷。

AI 共存的時代

人工智慧時代的到來，面對大型語言模型（LLM）無疑的是將成為堡壘的工具和合作夥伴，程式語法或代碼生成、多語種翻譯等廣泛領域的應用前景。所以，高效發揮的人機協作模式才是充分LLM的關鍵所在，LLM 也將廣泛賦予行銷、客服、知識管理等營業核心環節。

因此，企業在部署和使用 LLM 時，必須採取全面的風險評估和控制措施，例如將資料加密、存取控制、版權保護、內容審查、偏差檢測等，並將其納入資訊安全管理系統的規範交易。也要加強員工的資訊安全認知提升教育訓練，讓他們能正確認識 LLM 風險，並學會審慎使用的方法。