跳到主要內容區塊

國立臺灣大學社會科學院

頤賢講座

【頤賢講座】臺大資工系陳信希特聘教授教授:「人工智慧面面觀」-2023.02.23

「頤賢講座-臺灣政經社問題與對策」本學期第一個主題為:「人工智慧(AI)的發展及其應用」,該主題第一場講座邀請國立臺灣大學資工系陳信希特聘教授教授主講。講題為「人工智慧面面觀」。陳信希教授先談人工智慧的發展及應用,討論由「機器學習」到「深度學習」的技術革新如何使機器更充分理解和分析語言,進而更準確地進行翻譯及其他相關應用。接著介紹「預先訓練+精調」模式、特徵工程到提示工程、ChatGPT帶來的風潮與幻覺、Gartner 人工智慧技術成熟度曲線等等議題,以及人工智慧的趨勢與挑戰。

 

根據 Gartner 人工智能技術成熟度曲線顯示,深度學習正處於從泡沫破裂低谷期邁向穩步爬升復甦期,人工智能的能力隨著技術的不斷進步而不斷增強。教授簡易地介紹了chatGPT是如何運用大數據和深度學習生成語句,並指出 chatGPT 的模型已成功通過美國醫師執照考試,可視為人工智慧發展的重要里程碑。

 

預訓練-精調模式和提示工程是重要的概念。預訓練-精調模式是一種利用預先在龐大數據上預訓練好的模型,然後進行精細調整以適應特定任務的技術。這種方法可以大幅減少訓練成本,同時提高模型的性能。這種技術在自然語言處理和圖像識別等領域已經被廣泛應用。提示工程則是一種新興的技術,它可以幫助模型更好地理解特定任務。這種技術的關鍵在於將問題轉換為句子填空問題,從而使得問題和回答之間的關聯變得更加明顯。這種技術是從傳統的特徵工程轉變而來,通過在預訓練模型中添加提示信息,可以提高模型的表現。

 

最後陳教授提及,儘管機器可以通過訓練來學習和改進,但是如果我們沒有提供清晰的指示和任務,機器可能會產生不確定性和錯誤。使用人工智慧技術的同時,我們需要不斷地學習和進步,以更好地掌握如何與機器互動和協作。因此,要充分利用人工智慧的優勢,我們需要在技術和人類智能的結合方面不斷探索和改進,從而實現更多領域的進步和發展。