定價:NT$ 200
優惠價: 9 折, NT$ 180
Editor's Note| 編輯台時間
工作和機會
大概一兩個月前,我在網路上看到暢銷書《人類大歷史》出了增訂版(2022年底),基於想了解內容有何異同,我點開了作者哈拉瑞( Yuval Noah Harari)寫的「新版序」。
文章前4段,這樣開頭和結尾:「我在2011年寫完《人類大歷史》之後,⋯⋯而那就是我想在這本書裡講的故事。」我完全忘了這幾段文字的讀後感,只記得從第5段起的敘述:「以上這些文字的英文原文,並不是由我(哈拉瑞)所寫,而是請一套強大的人工智慧(AI)程式模仿我而寫下。這套人工智慧名為GPT-3,是由舊金山一間專精於機器學習的研究實驗室所創。」
我讀到這篇序言時,正當ChatGPT在全球引爆熱議,激起了讚嘆、興奮、焦慮,甚至警覺和恐懼。哈拉瑞顯然在更早之前就體驗到GPT的威力,他的一些反應和回應,我只能說是感同身受:「GPT-3這篇文本最驚人的一點在於:它還真的是讀得通的,不只是把幾個句子隨機丟在一起,而有著連貫的邏輯。」「讀著那些文字,簡直下巴都要掉下來。」
雖然哈拉瑞在驚嘆之餘,也慶幸說,「這讓我暫時鬆了一口氣:GPT-3並不會搶走我的工作,至少看來還得再過個好幾年。」但是身為讀者,我得老實招認,在讀新版序的前幾段時,真的沒能評判出觀點的好壞、是不是出自作者,更別說看出是AI寫的了。對我來說,運用慣常的閱讀方式,那就是一篇流暢的文章,或許還點頭稱是了。
哈拉瑞士歷史專家,「對於GPT-3寫出的文字,我得花上1、2分鐘仔細閱讀,才能得出結論,知道那不是我寫的內容。」他也暫時不擔心工作被搶走。但是那個「至少看來還得再過個好幾年」,是幾年呢?到底是機器學習得快,還是人類學得快?
關於科技會搶走「人類工作」的議題,已經吵了幾百年。雖然這次有關AI的爭論,更多是關於「人類」本身,但是不可諱言,隨著人工智慧看似愈來愈貼近人類原本自以為無可取代的智慧,探討關於人與機器的關係,只會愈來愈迫切。
我安撫自身焦慮的方式,可以用我分別在2本書裡看到的段落說明。在《變動思維》提到,「在瑞典,國家的政策要保護的是人,不是工作。」在《5000天後的世界》裡,針對人工智慧將會衝擊沒有創造力,只能憑生產力存活的人這個問題,答案則是,「沒有人只能專門追求生產力和效率。」
人類具備學習的能力,可以learn,relearn和unlearn,如果機器可以幫我們做掉制式、機械、枯燥、乏味的工作,甚或協助我們發揮創造力,那這真的是一個好的時機去思考:我們到底要做什麼?還可以做些別的什麼?
總編輯
齊立文
Back to Basics_主題學習
生成式AI將如何影響你我的工作
從「競爭心理」轉「協作心態」,
聰明又不累的最佳助理報到!
採訪.整理.撰文|林庭安 編輯|張玉琦
在2022 年11月30日,一個劃時代產品誕生,由美國人工智慧研究實驗室OpenAI打造的ChatGPT橫空出世,成為人工智慧(AI,artificial intelligence)領域最受歡迎、最普及的應用。上線2個月,月活躍用戶數就突破1億,成為史上用戶量成長速度最快的服務。
這個速度有多驚人?Facebook超過4年、Instagram過了2年、短影音平台TikTok用了9個月才達成。
ChatGPT能迅速普及,一大原因是容易上手,使用者只要跟它對話,它就能「聽懂」問題,給出有意義的「回答」,得到你過去可能要花很多時間完成的結果。比方說,它能根據要求產出各種文本,如產品計畫書、文案、詩歌、笑話、程式語言、劇本等。它具備了邏輯、溝通,和一定的記憶力,能進行連續對話。
立基於大型語言模型,
只要對話,就能生成文本
這種可用於文章、影像、音樂生成等創造性工作的AI,被稱為生成式AI(AIGC,artificial intelligence generated content),ChatGPT、Midjourney、Stable Diffusion、DALL.E等都屬於此。根據CB Insights統計,2022年ChatGPT、AIGC相關領域的新創募資超過26億美元,一共誕生6家獨角獸企業(指成立不到10年且估值達10億美元的未上市公司),估值最高的就是OpenAI。
根據OpenAI過往推出的GPT系列(生成式預訓練模型,generative pre-trained transformer),可以大致理解生成式AI是如何學習的。《都問AI吧!ChatGPT上手的第一本書》指出,GPT-3採用了Transformer架構,並在大量文本資料上預先進行訓練,因此能處理廣泛的自然語言任務。
Transformer是Google在2017年提出的模型,它們將自我注意力機制(self-attention)運用在自然語言處理(NLP,natural language processing),簡單來說,就是讓模型閱讀大量文本資料,學習豐富的知識和文本生成技巧後,在被人們詢問時,就能分析、理解詢問,最終生成回答。設計者餵的資料愈多,大型語言模型獲得的素材就愈豐富,生成結果就愈精確。這也是為什麼這一波AIGC浪潮,會引起全世界的關注,因為它能用比人類快上10倍或20倍的速度產生內容。
實現「AI民主化」,
=「鍵盤白領」噩夢?
台灣微軟(Microsoft)365事業部營運暨行銷事業群副總經理朱以方表示,生成式AI之所以會引起這麼多討論,是因為它實現了「AI民主化」。過去,AI「可遠觀而不可褻玩焉」,必須是專業人士,才可應用;但現在,「AI的力量,賦權給每一個人。」
如果從歷史的角度來看,這次的AIGC大躍進,令人想到15世紀印刷術的發明。在中世紀的歐洲,書籍很稀少,只有少數人可以接觸知識。然而,當第一本印刷書《古騰堡聖經》問世後,世界面臨巨大轉變。《AI世代與我們的未來》寫道,當印刷書籍愈來愈容易取得,人和知識的關係就改變了。
當所有人都可以用AI寫程式、創作、繪畫,即使成果仍不及專業人士,但至少可以有60分,人類的未來會走向何處?
研究AI超過30年、前Google董事總經理簡立峰曾說,生成式AI衍生出的內容生產工具,是「鍵盤白領」的噩夢。換句話說,只要工作需要用到鍵盤、滑鼠的人,都會受到它的影響。
這句話聽起來很嚇人,但《5000天後的世界》作者、曾精準預測科技趨勢演變的凱文.凱利(Kevin Kelly)表示,「人工智慧會奪走還是創造工作」的議論,會一直延續下去,不過他認為整體而言會出現更多工作。
以健康的恐懼面對,
盡快熟悉你的「新同事」
資料視覺化公司李慕約共同創辦人李慕約認為,這波浪潮,一開始大家會覺得它可怕,但恐懼無法阻止事情發生,我們能做的,就是早點準備。也就是說,要以「健康的恐懼」面對AI,不要逃避現實,而是找到現在可以採取的行動。
接觸、學習AI工具,就是我們現在能做的事。不過,生成式AI的技術演進,不像過去的新技術是以「年」為單位,更新周期加速到周、月,「現在進入一個快速學習的時代,要不斷練習,就像慢跑需要肌肉,我們必須練習到長出『AI肌肉』。」
每當有新生產力工具出現時,電腦玩物站長Esor都是第一波使用者。他認為,很多人在面對新工具時,會有一種競爭心理,因為害怕被取代,所以只注意它出錯、不及人的地方,但是「這種心態,沒辦法發現ChatGPT的好。」
Esor強調,我們應該轉換成「協助者心態」,認知它可以幫助我們跳過瑣碎的工作,加速產出,提升內容品質。不過,這就回到你是否理解工作流程的本質,「當你平常就有生產力,就表示你知道如何分析自己的工作,也才會知道在一個任務裡,哪些環節可以請AI幫忙、哪些環節需要自己執行。」
這也是《經理人》企畫專題的初衷,我們挑選了數十種你可以應用的情境,希望你能嘗試、體驗AI工具的能力,也能藉此思考如何與它結盟,站上這波浪頭乘浪而起。
發展70年,
AI迎來
大爆發時代!
1956
萌芽期
電腦科學家約翰.麥卡錫(John McCarthy)提出「人工智慧」(AI,artificial intelligence)一詞。
麥卡錫與電腦科學領域學者,在「達特茅斯會議」定義4大AI目標:1.懂得使用語言;2.解決只有人類可以處理的高難度問題;3.能將資料抽象化和概念化;4.可以自我改進。
1965
第一次寒冬
史上首見能與人類對答的機器人ELIZA,但只能在非常有限的框架下運作,沒辦法處理「規則外」的問題。
1970
美國、英國政府取消AI研究經費。科學界觀察到,有些對人類來說輕而易舉的事,對計算能力優於人的機器卻非常困難,稱之「莫拉維克悖論」(Moravec's paradox)。
1980
1980年初
「專家系統」為具有專門知識的運算系統,它讓AI能推論特定領域的邏輯,進而回答問題,被用在某些疾病的診斷、龍捲風預測等面向。
第二次寒冬
1980年代末期~1990年代
把人類的專業編寫成規則輸入AI系統,但翻譯和影像辨識等領域,沒辦法抽象化和系統化。發現AI表現遠不及人類,應用有限,發展開始變慢。
1990
快速發展期
網路資訊爆炸,加上半導體晶片技術進步,降低設備成本,提高計算速度。神經網路(neural network)、機器學習(machine learning)相繼開發成功。
1997
IBM的超級電腦Deep Blue打敗世界西洋棋冠軍。
2009
生成式AI的3波浪潮
浪潮1:小型模型主導(2015年以前)
微軟(Microsoft)推出Azure,Google為Google Platform,雲端大戰開打。
2011
IBM的人工智慧系統Watson在益智節目《危險邊緣》(Jeopardy!)中打敗人類奪冠,展現機器已能理解人類語言。
2013
Google發表自然語言處理技術Word2vec,能分析詞彙上下文關係與語意。
2013
AI公司DeepMind讓演算法用深度學習與強化學習去玩遊戲,在6場比賽中贏過人類3場;特斯拉(Tesla)發布第一版自動駕駛技術AutoPilot。
圖片提供|維基百科、YouTube、Bing官網、ChatGPT官網
2014
Google收購DeepMind,成為世界領先的人工智慧實驗室之一。
DeepMind
2015
浪潮2:規模化戰爭(2015 〜2021年)
非營利組織OpenAI成立,成立使命是實現通用AI,打造一個能夠像人的心智一樣,具有學習和推理能力的機器系統。
2016
DeepMind的AIphaGo擊敗世界圍棋冠軍李世乭;Google推出AI虛擬助理Google Assistant。
Google Assistant
2017
Google提出Transformer模型,在翻譯、英語句法分析等評分都達到了業界第一,成為當時最先進的大型語言模型。
2018
OpenAI
OpenAI公布第一代GPT(generative pre-trained transformer,生成式預訓練模型),將Transformer結合無監督的預訓練技術,效果比當前的已知演算法要好,為大語言模型的探索性先驅。
Microsoft
2019
7月,重組後的OpenAI獲得微軟10億美元投資,加速AGI(artificial general intelligence,通用人工智慧)開發與商業化。微軟的Azure為OpenAI獨家雲端運算供應商。
2019
2月,OpenAI宣布GPT-2模型,用15億參數訓練。3月,山姆.阿特曼(Sam Altman)出任OpenAI執行長,因應資金需求,將組織轉型成兼具營利與非營利性的「利潤上限」實體。強調如果OpenAI完成使命,投資者和員工可獲得有上限的報酬。
GPT-2
2020
微軟買斷基礎技術的獨家許可,獲得技術整合的優先授權,將GPT-3用於Office、搜尋引擎Bing等產品中。
Bing
2020
5月,GPT-3問世,是當時全球最大的預訓練模型,參數高達1750億。相比GPT-2,它在文案寫作和總結、翻譯、對話等任務中表現更加優異。
GPT-3
2020
在圍棋博弈演算法AlphaGo後,DeepMind轉向蛋白質結構預測,提出AlphaFold深度學習演算法,並在國際蛋白質結構預測比賽CASP13中取得優異成績。
2021
1月,OpenAI發布了DALL.E模型,可從文字描述中生成圖像;8月,發布Codex,訓練資料包含自然語言及數十億行公開的原始程式碼。
2021
5月,Google在I/O大會發布人工智慧系統LaMDA,與人對答更流暢自然。
GLaMDA
2022
浪潮3:運算更快、更便宜(2022年以後)
1月,OpenAI發布InstructGPT,加入人類協作訓練,讓回答更加精準;4月,發布第二版DALL.E,效果更逼真、細節更豐富、解析度更高;9月,OpenAI發布Whisper語音辨識預訓練模型,支援多種語言,且完全開源;11月,OpenAI公布ChatGPT系統,能幫助人類寫程式、解釋技術、多輪對話、寫劇本或文件等。
ChatGPT
2023
Microsoft Teams
2月,微軟在Teams裡嵌入ChatGPT功能,可自動生成會議筆記、推薦任務和個性化重點等。2月8日,微軟推出由ChatGPT和GPT-3.5提供支援的全新搜尋引擎Bing和Edge瀏覽器,市值一夜暴增逾800億美元。
2023
ChatGPT在2個月內月活躍用戶達到1億。;3月,Open AI推出GPT-4,能辨識圖像。
GPT-4
2023
2月4日,Google Cloud與Anthropic建立合作夥伴關係。2月7日凌晨,推出由LaMDA模型支援的對話式AI,名為Bard。但在線上Demo時Bard出錯,Google市值蒸發千億。
資料來源|《瘋ChatGPT》,博碩;《寫給中學生看的AI課》,三采;《AI世代與我們的未來》,聯經;
〈生成式AI〉(暫譯,原文為Generative AI:A Creative New World),紅杉資本
電子書閱讀方式
您所購買的電子書,系統將自動儲存於「我的電子書櫃」,您可透過PC(Windows / Mac)、行動裝置(手機、平板),輕鬆閱讀。
注意事項:
使用讀冊生活電子書服務即為同意讀冊生活電子書服務條款。
下單後電子書可開啟閱讀的時間請參考:不同的付款方式,何時可開啟及閱讀電子書?
因版權保護,您在TAAZE所購買的電子書/雜誌僅能以TAAZE專屬的閱讀軟體開啟閱讀,無法以其他閱讀器或直接下載檔案。
退換貨說明:電子書、電子雜誌商品,恕不提供10天猶豫期退貨,若您對電子書閱讀有疑慮,建議您可於購買前先行試讀。並於訂購本商品前請務必詳閱電子書商品退換貨原則。
優惠價: 9 折, NT$ 180 NT$ 200
Editor's Note| 編輯台時間
工作和機會
大概一兩個月前,我在網路上看到暢銷書《人類大歷史》出了增訂版(2022年底),基於想了解內容有何異同,我點開了作者哈拉瑞( Yuval Noah Harari)寫的「新版序」。
文章前4段,這樣開頭和結尾:「我在2011年寫完《人類大歷史》之後,⋯⋯而那就是我想在這本書裡講的故事。」我完全忘了這幾段文字的讀後感,只記得從第5段起的敘述:「以上這些文字的英文原文,並不是由我(哈拉瑞)所寫,而是請一套強大的人工智慧(AI)程式模仿我而寫下。這套人工智慧名為GPT-3,是由舊金山一間專精於機器學習的研究實驗室所創。」
我讀到這篇序言時,正當ChatGPT在全球引爆熱議,激起了讚嘆、興奮、焦慮,甚至警覺和恐懼。哈拉瑞顯然在更早之前就體驗到GPT的威力,他的一些反應和回應,我只能說是感同身受:「GPT-3這篇文本最驚人的一點在於:它還真的是讀得通的,不只是把幾個句子隨機丟在一起,而有著連貫的邏輯。」「讀著那些文字,簡直下巴都要掉下來。」
雖然哈拉瑞在驚嘆之餘,也慶幸說,「這讓我暫時鬆了一口氣:GPT-3並不會搶走我的工作,至少看來還得再過個好幾年。」但是身為讀者,我得老實招認,在讀新版序的前幾段時,真的沒能評判出觀點的好壞、是不是出自作者,更別說看出是AI寫的了。對我來說,運用慣常的閱讀方式,那就是一篇流暢的文章,或許還點頭稱是了。
哈拉瑞士歷史專家,「對於GPT-3寫出的文字,我得花上1、2分鐘仔細閱讀,才能得出結論,知道那不是我寫的內容。」他也暫時不擔心工作被搶走。但是那個「至少看來還得再過個好幾年」,是幾年呢?到底是機器學習得快,還是人類學得快?
關於科技會搶走「人類工作」的議題,已經吵了幾百年。雖然這次有關AI的爭論,更多是關於「人類」本身,但是不可諱言,隨著人工智慧看似愈來愈貼近人類原本自以為無可取代的智慧,探討關於人與機器的關係,只會愈來愈迫切。
我安撫自身焦慮的方式,可以用我分別在2本書裡看到的段落說明。在《變動思維》提到,「在瑞典,國家的政策要保護的是人,不是工作。」在《5000天後的世界》裡,針對人工智慧將會衝擊沒有創造力,只能憑生產力存活的人這個問題,答案則是,「沒有人只能專門追求生產力和效率。」
人類具備學習的能力,可以learn,relearn和unlearn,如果機器可以幫我們做掉制式、機械、枯燥、乏味的工作,甚或協助我們發揮創造力,那這真的是一個好的時機去思考:我們到底要做什麼?還可以做些別的什麼?
總編輯
齊立文
Back to Basics_主題學習
生成式AI將如何影響你我的工作
從「競爭心理」轉「協作心態」,
聰明又不累的最佳助理報到!
採訪.整理.撰文|林庭安 編輯|張玉琦
在2022 年11月30日,一個劃時代產品誕生,由美國人工智慧研究實驗室OpenAI打造的ChatGPT橫空出世,成為人工智慧(AI,artificial intelligence)領域最受歡迎、最普及的應用。上線2個月,月活躍用戶數就突破1億,成為史上用戶量成長速度最快的服務。
這個速度有多驚人?Facebook超過4年、Instagram過了2年、短影音平台TikTok用了9個月才達成。
ChatGPT能迅速普及,一大原因是容易上手,使用者只要跟它對話,它就能「聽懂」問題,給出有意義的「回答」,得到你過去可能要花很多時間完成的結果。比方說,它能根據要求產出各種文本,如產品計畫書、文案、詩歌、笑話、程式語言、劇本等。它具備了邏輯、溝通,和一定的記憶力,能進行連續對話。
立基於大型語言模型,
只要對話,就能生成文本
這種可用於文章、影像、音樂生成等創造性工作的AI,被稱為生成式AI(AIGC,artificial intelligence generated content),ChatGPT、Midjourney、Stable Diffusion、DALL.E等都屬於此。根據CB Insights統計,2022年ChatGPT、AIGC相關領域的新創募資超過26億美元,一共誕生6家獨角獸企業(指成立不到10年且估值達10億美元的未上市公司),估值最高的就是OpenAI。
根據OpenAI過往推出的GPT系列(生成式預訓練模型,generative pre-trained transformer),可以大致理解生成式AI是如何學習的。《都問AI吧!ChatGPT上手的第一本書》指出,GPT-3採用了Transformer架構,並在大量文本資料上預先進行訓練,因此能處理廣泛的自然語言任務。
Transformer是Google在2017年提出的模型,它們將自我注意力機制(self-attention)運用在自然語言處理(NLP,natural language processing),簡單來說,就是讓模型閱讀大量文本資料,學習豐富的知識和文本生成技巧後,在被人們詢問時,就能分析、理解詢問,最終生成回答。設計者餵的資料愈多,大型語言模型獲得的素材就愈豐富,生成結果就愈精確。這也是為什麼這一波AIGC浪潮,會引起全世界的關注,因為它能用比人類快上10倍或20倍的速度產生內容。
實現「AI民主化」,
=「鍵盤白領」噩夢?
台灣微軟(Microsoft)365事業部營運暨行銷事業群副總經理朱以方表示,生成式AI之所以會引起這麼多討論,是因為它實現了「AI民主化」。過去,AI「可遠觀而不可褻玩焉」,必須是專業人士,才可應用;但現在,「AI的力量,賦權給每一個人。」
如果從歷史的角度來看,這次的AIGC大躍進,令人想到15世紀印刷術的發明。在中世紀的歐洲,書籍很稀少,只有少數人可以接觸知識。然而,當第一本印刷書《古騰堡聖經》問世後,世界面臨巨大轉變。《AI世代與我們的未來》寫道,當印刷書籍愈來愈容易取得,人和知識的關係就改變了。
當所有人都可以用AI寫程式、創作、繪畫,即使成果仍不及專業人士,但至少可以有60分,人類的未來會走向何處?
研究AI超過30年、前Google董事總經理簡立峰曾說,生成式AI衍生出的內容生產工具,是「鍵盤白領」的噩夢。換句話說,只要工作需要用到鍵盤、滑鼠的人,都會受到它的影響。
這句話聽起來很嚇人,但《5000天後的世界》作者、曾精準預測科技趨勢演變的凱文.凱利(Kevin Kelly)表示,「人工智慧會奪走還是創造工作」的議論,會一直延續下去,不過他認為整體而言會出現更多工作。
以健康的恐懼面對,
盡快熟悉你的「新同事」
資料視覺化公司李慕約共同創辦人李慕約認為,這波浪潮,一開始大家會覺得它可怕,但恐懼無法阻止事情發生,我們能做的,就是早點準備。也就是說,要以「健康的恐懼」面對AI,不要逃避現實,而是找到現在可以採取的行動。
接觸、學習AI工具,就是我們現在能做的事。不過,生成式AI的技術演進,不像過去的新技術是以「年」為單位,更新周期加速到周、月,「現在進入一個快速學習的時代,要不斷練習,就像慢跑需要肌肉,我們必須練習到長出『AI肌肉』。」
每當有新生產力工具出現時,電腦玩物站長Esor都是第一波使用者。他認為,很多人在面對新工具時,會有一種競爭心理,因為害怕被取代,所以只注意它出錯、不及人的地方,但是「這種心態,沒辦法發現ChatGPT的好。」
Esor強調,我們應該轉換成「協助者心態」,認知它可以幫助我們跳過瑣碎的工作,加速產出,提升內容品質。不過,這就回到你是否理解工作流程的本質,「當你平常就有生產力,就表示你知道如何分析自己的工作,也才會知道在一個任務裡,哪些環節可以請AI幫忙、哪些環節需要自己執行。」
這也是《經理人》企畫專題的初衷,我們挑選了數十種你可以應用的情境,希望你能嘗試、體驗AI工具的能力,也能藉此思考如何與它結盟,站上這波浪頭乘浪而起。
發展70年,
AI迎來
大爆發時代!
1956
萌芽期
電腦科學家約翰.麥卡錫(John McCarthy)提出「人工智慧」(AI,artificial intelligence)一詞。
麥卡錫與電腦科學領域學者,在「達特茅斯會議」定義4大AI目標:1.懂得使用語言;2.解決只有人類可以處理的高難度問題;3.能將資料抽象化和概念化;4.可以自我改進。
1965
第一次寒冬
史上首見能與人類對答的機器人ELIZA,但只能在非常有限的框架下運作,沒辦法處理「規則外」的問題。
1970
美國、英國政府取消AI研究經費。科學界觀察到,有些對人類來說輕而易舉的事,對計算能力優於人的機器卻非常困難,稱之「莫拉維克悖論」(Moravec's paradox)。
1980
1980年初
「專家系統」為具有專門知識的運算系統,它讓AI能推論特定領域的邏輯,進而回答問題,被用在某些疾病的診斷、龍捲風預測等面向。
第二次寒冬
1980年代末期~1990年代
把人類的專業編寫成規則輸入AI系統,但翻譯和影像辨識等領域,沒辦法抽象化和系統化。發現AI表現遠不及人類,應用有限,發展開始變慢。
1990
快速發展期
網路資訊爆炸,加上半導體晶片技術進步,降低設備成本,提高計算速度。神經網路(neural network)、機器學習(machine learning)相繼開發成功。
1997
IBM的超級電腦Deep Blue打敗世界西洋棋冠軍。
2009
生成式AI的3波浪潮
浪潮1:小型模型主導(2015年以前)
微軟(Microsoft)推出Azure,Google為Google Platform,雲端大戰開打。
2011
IBM的人工智慧系統Watson在益智節目《危險邊緣》(Jeopardy!)中打敗人類奪冠,展現機器已能理解人類語言。
2013
Google發表自然語言處理技術Word2vec,能分析詞彙上下文關係與語意。
2013
AI公司DeepMind讓演算法用深度學習與強化學習去玩遊戲,在6場比賽中贏過人類3場;特斯拉(Tesla)發布第一版自動駕駛技術AutoPilot。
圖片提供|維基百科、YouTube、Bing官網、ChatGPT官網
2014
Google收購DeepMind,成為世界領先的人工智慧實驗室之一。
DeepMind
2015
浪潮2:規模化戰爭(2015 〜2021年)
非營利組織OpenAI成立,成立使命是實現通用AI,打造一個能夠像人的心智一樣,具有學習和推理能力的機器系統。
2016
DeepMind的AIphaGo擊敗世界圍棋冠軍李世乭;Google推出AI虛擬助理Google Assistant。
Google Assistant
2017
Google提出Transformer模型,在翻譯、英語句法分析等評分都達到了業界第一,成為當時最先進的大型語言模型。
2018
OpenAI
OpenAI公布第一代GPT(generative pre-trained transformer,生成式預訓練模型),將Transformer結合無監督的預訓練技術,效果比當前的已知演算法要好,為大語言模型的探索性先驅。
Microsoft
2019
7月,重組後的OpenAI獲得微軟10億美元投資,加速AGI(artificial general intelligence,通用人工智慧)開發與商業化。微軟的Azure為OpenAI獨家雲端運算供應商。
2019
2月,OpenAI宣布GPT-2模型,用15億參數訓練。3月,山姆.阿特曼(Sam Altman)出任OpenAI執行長,因應資金需求,將組織轉型成兼具營利與非營利性的「利潤上限」實體。強調如果OpenAI完成使命,投資者和員工可獲得有上限的報酬。
GPT-2
2020
微軟買斷基礎技術的獨家許可,獲得技術整合的優先授權,將GPT-3用於Office、搜尋引擎Bing等產品中。
Bing
2020
5月,GPT-3問世,是當時全球最大的預訓練模型,參數高達1750億。相比GPT-2,它在文案寫作和總結、翻譯、對話等任務中表現更加優異。
GPT-3
2020
在圍棋博弈演算法AlphaGo後,DeepMind轉向蛋白質結構預測,提出AlphaFold深度學習演算法,並在國際蛋白質結構預測比賽CASP13中取得優異成績。
2021
1月,OpenAI發布了DALL.E模型,可從文字描述中生成圖像;8月,發布Codex,訓練資料包含自然語言及數十億行公開的原始程式碼。
2021
5月,Google在I/O大會發布人工智慧系統LaMDA,與人對答更流暢自然。
GLaMDA
2022
浪潮3:運算更快、更便宜(2022年以後)
1月,OpenAI發布InstructGPT,加入人類協作訓練,讓回答更加精準;4月,發布第二版DALL.E,效果更逼真、細節更豐富、解析度更高;9月,OpenAI發布Whisper語音辨識預訓練模型,支援多種語言,且完全開源;11月,OpenAI公布ChatGPT系統,能幫助人類寫程式、解釋技術、多輪對話、寫劇本或文件等。
ChatGPT
2023
Microsoft Teams
2月,微軟在Teams裡嵌入ChatGPT功能,可自動生成會議筆記、推薦任務和個性化重點等。2月8日,微軟推出由ChatGPT和GPT-3.5提供支援的全新搜尋引擎Bing和Edge瀏覽器,市值一夜暴增逾800億美元。
2023
ChatGPT在2個月內月活躍用戶達到1億。;3月,Open AI推出GPT-4,能辨識圖像。
GPT-4
2023
2月4日,Google Cloud與Anthropic建立合作夥伴關係。2月7日凌晨,推出由LaMDA模型支援的對話式AI,名為Bard。但在線上Demo時Bard出錯,Google市值蒸發千億。
資料來源|《瘋ChatGPT》,博碩;《寫給中學生看的AI課》,三采;《AI世代與我們的未來》,聯經;
〈生成式AI〉(暫譯,原文為Generative AI:A Creative New World),紅杉資本
電子書閱讀方式
您所購買的電子書,系統將自動儲存於「我的電子書櫃」,您可透過PC(Windows / Mac)、行動裝置(手機、平板),輕鬆閱讀。
注意事項:
使用讀冊生活電子書服務即為同意讀冊生活電子書服務條款。
下單後電子書可開啟閱讀的時間請參考:不同的付款方式,何時可開啟及閱讀電子書?
因版權保護,您在TAAZE所購買的電子書/雜誌僅能以TAAZE專屬的閱讀軟體開啟閱讀,無法以其他閱讀器或直接下載檔案。
退換貨說明:電子書、電子雜誌商品,恕不提供10天猶豫期退貨,若您對電子書閱讀有疑慮,建議您可於購買前先行試讀。並於訂購本商品前請務必詳閱電子書商品退換貨原則。
※ 二手徵求後,有綁定line通知的讀者,
該二手書結帳減5元。(減5元可累加)
請在手機上開啟Line應用程式,點選搜尋欄位旁的掃描圖示
即可掃描此ORcode
|
||||||||||||||||||
|
||||||||||||||||||
|