為了在這波變革中，讓台灣產官學研更加掌握國際技術與產業脈動，Taiwan Science and Technology Hub（Taiwan S&T Hub）特邀國際重量級 AI 專家、現為史丹佛以人為本人工智慧研究院院長、ImageNet 的首席科學家和首席研究員、AI4ALL 聯合創始人及主席的科學家李飛飛女士，與國內產官學專家一起在 3 月 23 日舉行的「 AI 進行式：技術展望與產業應用」圓桌論壇，交流分享如何讓 AI 成為造福人類的關鍵驅力。本場交流由數位時代社務顧問盧諭緯主持，與談來賓包括和碩聯合科技董事長童子賢、PChome 執行長張瑜珊、iKala 共同創辦人暨執行長程世嘉等產業專家。下方文章整理自 iKala 共同創辦人暨執行長程世嘉（Sega）在圓桌場次的分享內容（上）。
主持人數位時代社務顧問盧諭緯：
請 Sega 分享一下，因為你自己本身是軟體工程師出生，現在創辦的新創公司其實也是從這個軟體的角度一直去推進，然後甚至現在也將 AI 賦能這件事情變成公司很重要的一個目標，所以是不是可以聽你來分享一下，你怎麼看待 AI 出現對未來軟體、產業，或說軟體服務的一些影響性？
iKala 共同創辦人暨執行長程世嘉：
其實我們 18 年前在 Stanford Computer Science 做 Vision 研究的時候，那個時候真的很痛苦，因為那個時候沒有 Cloud、沒有 Big Data、沒有 AI、沒有 iPhone，那是 2006 年的時候。所以，我們現在講 ABC 就是 AI、Big Data、Cloud，實際上是倒過來發展，是先有 Cloud 才有 Big Data，然後 AI 發現有 Algorithm、有了算力和資料之後，它就很快發揮作用，這就是 AI 一路走來的發展模式。因此，我們在看待 AI 的時候，為什麼 iKala 一開始就叫 Human-Centered AI Company，因為我們覺得它是一個 Augmentation，它絕對不是一個 Replacement，因為實際上從產業的角度來看，無論是各個醫療健康、零售消費，甚至於軍事國防，你會發現 AI 需要的是一個場域，沒有場域，AI 是沒有用的。所以，我們在看待這一波尤其是 GPT 帶來的轉捩點，其實非常驚訝，我們以為 GPT 類似的技術要三年以後才會出現，但 OpenAI 把這件事提早了三年。
對產業而言，我們看到的其實是利多。現在大家已經開始在談 AI 的摩爾定律了，現在可能不是每一年半到兩年它會 double 它的能力、或降低它的成本，而是大概每 3 個月，它的成本就會下降一半。所以從 ChatGPT 出來之後，各位可以看到，其實軟體業界也一直在想辦法把 AI 這個大腦縮小。Tesla 之前的 AI 主管 Andrej，他就開始起了這個 nanoGPT 的計畫，他想辦法要把 AI 一直不斷地縮小，縮小訓練成本、部署成本、應用成本等等，一直不斷在縮小。因此，AI 其實開始出現摩爾定律了，各位可以想像的就是 AI 的 research community 尤其又是非常開放的一個社群，有各式各樣的 model、各式各樣的 data set，paper 一出來，它的 data set 跟一些 source code全部都會 open 出來，隔天就可以拿到了，所以 AI 的進步是非常快。我們預期 AI 在的這樣新的摩爾定律之下，到最後會變成人人可以用，也就是說，人取得 intelligence 的成本會越來越低。
這也是為什麼我們覺得 AI 賦能這件事情很重要，因為，以往我們在講數位轉型的時候，大家都覺得算不出投資報酬率，所以大家對於數位轉型會有懷疑，會不知道它長期的成本效益是什麼，但是如果數位轉型的目的是為了取得智慧，那接下來就是對各產業都會成為一個新的海嘯。所以，當取得智慧的成本幾乎是零的時候，就會回到很多人關心的問題，包括「我既有的 work flow 會不會被顛覆？我既有的個人生產力會不會有十倍增長？」這些都是有可能的，所以我們在看 AI 賦能這件事情的時候，就把 AI 當成是一個基礎設施 (utility) 在看，所以它就跟水和電一樣，10 年或 20 年之後，也許就不會再談 AI，因為它跟水或電都一樣，就跟我們今天手機充電、用麵包機的時候會插電，而不會去想說整個電路、電網怎麼運作是一樣的。在那個未來，AI 已經進到一個成本夠低，而且所有人即使不是 AI 專家，也都可以使用的地步。這是我們在近幾個月看到的，就像李飛飛教授講得一樣，隔天一睡起來，整個世界又再翻轉了一輪。
大家現在要知道，其實我們一直把 AI 當做是一個加值服務，所以，當我們談到對產業的衝擊的時候，其實我覺得 AI 其實會開啟太多新的可能性，例如蛋白質的折疊、更了解你的消費者、然後更多更多的科學實驗，其實它已經改變了科學探索的方式，所以 AI 就連在 research 上面，它本身也可以變成是一個 utility。我們覺得這一波尤其是 GPT 或大型語言模型帶來的機會不可限量！以我們長期在做網紅的搜尋，我們就看到 search 現在從 keyword search 走到下一步是自然語言的搜尋，ChatGPT 給大家看到的其實就是，當人類可以用很自然的方式，以人類原本舒服的方式跟電腦互動，我覺得這就是 AI 在軟體業界帶來的一個革命。所以，大家可以看到自然語言搜尋在接下來會越來越被發達。
主持人數位時代社務顧問盧諭緯：
Sega 自己當初創業其實也是受到整個 internet 誕生之後看到的一個風起雲湧的狀態，但是在投入一個技術當中，創業也有很多的困難，你自己也轉型過很多次，現在又看到了一個新的技術世代，你自己對於未來這些想要投入新創的，你會有什麼樣的建議或對 AI 未來創業的一些想法？
iKala 共同創辦人暨執行長程世嘉：
對於生成式 AI，我唯一的建議就是，千萬不要去開生成式 AI 公司，主要原因是，先不要說創業的成功率本來就很低，五年之內 90％ 的公司會倒閉，就連在矽谷也是這樣。就回到我們剛剛講的，其實 AI 本身很需要場景，所以我覺得就 OpenAI 也會需要更寬更深的護城河， 因為大家可以看到 language model 現在可以在 GitHub 上面隨意地就找到一大堆，所有人都可以用很低的成本去部署自己的「產生文字、產生圖片」的應用。
其實這件事情我們在 2018 年的時候就有發現，因為我們一直以來就是提供 AI 驅動的 MarTech 給我們的一些企業，那時我們在做一些圖片處理的時候，就做了一個功能叫做 Picaas，它的作用其實就很簡單，就是如果一張照片的背景有很多的雜物的話，我們就用 AI 把它去掉，再用 AI 把它補好，看起來像一張沒有修改過的照片。大家其實現在也都可以在 Google Photos 上面看到這種功能，它叫 Magic Eraser，就是魔術橡皮擦。我們 2018 年推出的這個功能的時候，其實就遇到了兩個問題。第一個，我們發現它本身是很難規模化的一個事業，我發現如果從技術出發，非常難規模化，所以這帶給我們第一個學習是，你如果要做一個新創，你不能從技術出發，你必須從消費者的需求出發，思考你想要 AI 幫你做什麼？AI 可以幫我們做很多神奇的事情，但你想要它幫你做什麼？如何應用在你的產業？麥肯錫其實有做過一個統計，AI 帶來的價值 70% 是加值服務，也就是說它是提升你既有的商業模式，而不是去創造一個全新的商業模式。AI 的功能不是這樣，而這也是我們碰到的第一個學習。
第二個學習是，其實我們就碰到一個 Ethical（道德）的問題，就是我們推出把背景擦掉再畫回去的功能後，設計圈就炸鍋，就會認為這個功能造成以後可以偷圖片並改成自己的，所以那個時候我們就把整個 model 拿回來重新訓練。大家都知道網路上很多圖庫是要收費的，我們就訓練我們的 AI 去辨識，如果是這些圖庫出來的圖片，我們就拒絕去修改它，以免有著作權的問題。所以我們其實在 2018 年就已經走過、稍微碰觸到生成式 AI 帶來的問題以及它的商業模式可不可行這件事。
另一方面，生成式 AI 一出來，大家都擔心會不會很多工作要沒了，但 AI 的本質其實取代的不是工作而是任務，所以真正帶來的是「解構」，而不是說一個工作突然消失。人類史上很少有這種狀況是，一群工作突然消失，而是隨著技術進步，它開始取代一些的任務。例如我們現在要做總結，ChatGPT 很適合，可是你會發現，ChatGPT 在編修上會花你很多時間，因為你請它翻譯過後，你會要花更多的時間去做編修校閱。它省掉的時間是發想、摘要、草稿的時間，通通加起來它還是增加你的生產力，只是有些地方時間花得變多了，有些地方時間花得變少了。這是我們在看待 AI 的技術怎麼去普及、創造消費者價值的時候，其實是要去解構整個 workflow，要去看哪些任務 AI 已經可以解決，哪些還不行。
我們一直在談生成式 AI，一直在談軟體的領域，但是機器人在今年也會因為 GPT 、Multi-model 的技術開始有大躍進。所以在李飛飛教授的實驗室，現在機器人已經可以認得、可以做超過一千種的動作，所以從 online 到 physical，我相信在接下來的幾個季度，也可以看到很大的進展。
講到 AI 這個技術，我們如何不要讓它暴走，如果它是一個 narrow 或 weak 的 AI，那大家都不用太擔心，但當它進展到變成一個 utility 的時候，大家都有經驗，一個東西一旦變成 untility，例如水、電、國防，政府就一定會管制。所以當 AI 變成 utility 的時候，各國政府對這個技術的監管也會加重。