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（下）。
主持人數位時代社務顧問盧諭緯：
有一位現場的高中生想要請問，我們現在都鼓勵大家學習程式、軟體，甚至要去寫程式，那麼在 AI 時代下，我們到底該學習 AI 到什麼程度？是要學習 AI 工具還是背後原理？還是真的要開發出一種模型？
iKala 共同創辦人暨執行長程世嘉：
我自己有一個八歲的女兒，所以我最近也的確面臨孩子是否該學習程式語言的這些問題。我先講一下我對程式語言的看法，我認為現在其實不用過早投入，這是我的結論，也不用把它塑造成一個全民運動。
我覺得要從兩個角度來看，第一個是從 AI 的角度，AI 現在有一個研究方向，其實是 AI 回頭過來重新設計電腦系統，因為電腦的系統是一層一層的抽象化上來的，這其實是為了人類方便，所以有很多中間的語言，再來是程式語言、再來是自然語言，而其實中間的這一段，AI 是不需要的，所以我預期程式語言在接下來的研究方向就是，AI 會反過頭來去設計非常 efficient 的程式語言，而且可能是新的程式語言。可以確定的是，從程式語言變更的速度來看，先不要說程式語言本來就一直在進步，你現在的選擇跟十年後會完全不一樣，AI 接下來可能會加速程式語言更新的迭代，產生出一個人類史上可能是最 efficient 的程式語言，那個時候再投入其實不遲。
第二個則是我們現在跟 AI 的互動其實已經走到自然語言，我常遇到一些語言的教育者說：「糟糕！語言機構不用開了，AI 可以當老師」，我覺得完全不會、完全不對。因為自然語言只會更重要，先不要說你要跟 ChatGPT 溝通，你要設計出好的 prompt，你要有辦法引導出對的答案，問對的問題，這個技能很重要，而且不只是跟人溝通方面，跟 AI 溝通上也很重要。因為 AI 就像一個停在那邊無所不知，但你要問對問題，它才會給你智慧。所以我覺得自然語言是更重要的，講到教育的時候，我覺得自然語言是大於程式語言的，因為對人類來說，語言不只是一個技能，其實多學一種語言，是多學一種新的思考方式，這個才是 AI 無法取代的部分。因此，一個能講多國語言的人，為什麼他看事情會可以有批判性思維、有更多思考角度，有更多組合，創新其實就是組合兩個遙遠的事物起來，為什麼人類有這個能力，也是因為人類的語言能力所形塑的。所以更多的語言代表更多不同的思考框架和能力。
回歸到教育來講的話，要不要學程式語言？我覺得它以後可能會像英文一樣，會是一門通識課，但是千萬不要為了學程式語言而去學程式語言，更不要說 AI 可能會再繼續 polish 程式語言的設計還有所有電腦系統。大家一定可以看到接下來這件事情會發生。無論是什麼，我們現在都說要終身學習，因為每天的東西都是新的，所以如果你現在是中學生、大學生，我覺得學習最重要的還是跟著金字塔，最底層的是「自信」，中間是「自我管理」，金字塔頂端是「自學」，這件事情不會因為 AI 時代有任何的改變。
主持人數位時代社務顧問盧諭緯：
新創早期也是會碰到數據很少的問題，你們怎麼看這個問題？怎麼取得？
iKala 共同創辦人暨執行長程世嘉：
首先，AI 已經是一個開放的社群，所以 base model 或是 open 的 data set，就是大家都已經訓練好的很多模型了。一個策略就是站在巨人的肩膀上，他們都已經把 base model 訓練好了，不要再去重新訓練一個，因為那可能是用數百萬美金才能訓練出一個還可堪用的模型。另外講到的 fine-tune 就很像是，base model 是一個小孩子的大腦，你要教它什麼專業，你就要加入自己想要的資料。像是我們做網紅搜尋，我們會把網紅的資料餵到這個大腦裡面，它就可以跟我們講說，例如「在日本最適合代言拉麵的網紅是誰？」就這樣 GPT 一下，它就可以直接回答。所以現在真的是每個企業都可以開始訓練自己的一個大腦，這個成本還一直降低當中。
因此，我們現在也從原本的數位典藏走到智慧典藏這件事情。以往這些垂直產業的資料其實在各位手上是最珍貴的，而且你可以用 GPT 的模式把它儲存下來，那它就變成你的一個專家在企業內部、或你的研究專案裡面。我們現在也的確看到，現在垂直資料非常缺乏，也最珍貴，一定要保護好，未來雖然 AI 技術人人可用，但是 Data 才是最重要的。我們的確看到，整個 research 在往 small data 去走。其實人腦相較之下非常的 efficient，它的功率大概是 20 到 25 瓦，就是你一天吃一個漢堡，你就可以像一個 GPT 運作一整天，可是 GPT 運作一整天是要噴掉幾萬幾億的錢，所以人腦還是非常的 efficient，人腦其實是透過很少的資料學到很厲害的事情，所以，我覺得 AI 在這一點還比不上人腦，大家可以放心。
主持人數位時代社務顧問盧諭緯：
我們應怎麼去思考未來的 AI 生態系？
iKala 共同創辦人暨執行長程世嘉：
最近有一個訊號是，AI 的研究真的是因為研究社群非常開放，所以才能在過去幾年發展得更快速，從 2017 年 Google 的 Transformer、2018 年 Google 的 BERT，然後 Meta 2019 年的 RoBERTa，再來是 Stanford 的 Foundation Model，所以 AI 的突破其實是大家不斷疊加上去的。但是現在 ChatGPT 集大成後，這個開放性似乎有反轉的跡象，也就是說，當 AI 的影響力已經大到它成為一個 trade secret（營業秘密）的時候，領先的 AI 公司會開始保護它的東西。所以從一個比較悲觀的方向來看，接下來 AI 的 research 可能會稍微變得封閉，尤其是出自這些 big tech 公司的 AI research，它們可能會開始保護。接下來生態也許不會再像過去十年超級高速發展、所有東西都發表出來，但是肯定還是會持續的進步，因為我們還是有學界在前面繼續推進。不過資料接下來仍會是一個很大的問題，以上是從整個 research community 來看；如果從產業面來看的話，其實還是回到 AI 變成一個水、電一樣的東西，你怎麼去加值自己既有的商業模式，這還是回到「場景」找出來。
以台灣的優勢來說，台灣的硬體製造真的是全球最厲害的，不論是晶片或是整個硬體的供應鏈，這些是無可取代的，而且 AI 現在的算力其實是不夠的。所以可以期待，台灣的半導體還會有一個榮景再繼續往前走，因為 AI 現在的算力就是不夠，大家買不到顯示卡、GPU，都只有最大的公司能第一時間取得。這些短缺在接下來幾年還會持續。在軟體產業，則建議第一時間要看全世界，要把我們自己當成以色列或新加坡來看，因為軟體追求的是規模化，一個兩千三百萬的人口，若不去 plus 其他的市場人口是絕對不夠的。無論是 AI 還是其他軟體，第一天都一定要從台灣看向世界。
主持人數位時代社務顧問盧諭緯：
Sega 作為父母，會希望未來孩子們如何生存在怎麼樣的一個 AI 世界？以及現在可以做什麼事情？
iKala 共同創辦人暨執行長程世嘉：
把時間軸拉長，也許是五十、一百、兩百年，人類發展數位科技很可能只是一個過渡的階段，到一百年後也許沒有人會在談論數位科技或 AI，因為那些都已經成熟了。到時候基因編輯、蛋白質、新藥、長生不老、太空探索這些都是 AI 在輔助的，所以我覺得這一段時間其實非常的重要，因為技術永遠是中立的，就看人類的選擇，怎麼去用它、怎麼不用它。這也是我覺得接下來很大一個關鍵，當 AI 的影響力已經到每一個角落的時候，就是我們必須做出選擇，哪些領域我們真的不能用？哪些領域我們應保持開放？哪些領域要有限度地使用？這些事情會是接下來的大問題。
人類社會每一次的進步就會加大兩極的分佈，且隨著一次次的進步持續拉大，所以接下來最危險的問題其實是，為什麼技術進步會衝擊整個社會？不是因為人類沒有過得更好，而是因為人類變得更不公平，不患寡而患不均。我們比一百年前的每一個人都過得還好，那為什麼我們會不高興、不滿足？是因為不公平、如果技術再繼續加大這個不公平的話，那就是社會會崩解，所以我相信這也是 AI 帶來接下來非常重大、需要被解決的問題。
因此，我覺得在整個人類社會的面向，我們必須從社會的角度來看 AI，而不是從技術的角度來看 AI。在這個進步這麼快速的列車上，我們要盡可能做的就是讓每個人都搭上這個列車，都能取得這個車票。這也是工業革命給我的一個啟示，因為 reskill、upskill 這些是非常困難的事，但是必須要去做，才能吸收整個技術革命帶來的衝擊。因此，我們接下來要從人文的角度來看 AI，而不是從 AI 的角度來看人文。
