ChatGPT在全球工商業界掀起狂潮，文職人員使用此人工智能工具書寫報告、記者撰寫新聞、學校老師編寫教材、音樂家作曲作詞、電腦工程師編寫電腦程序等應用日見普及。無可否認，若妥善使用ChatGPT的話，可以大大提升工作效率。
基於這信念，市場對投資ChatGPT技術的公司都非常看好，例如微軟於今年初公布其搜尋器Bing將會採用ChatGPT技術，消息出街之後公司股票價格便節節上升。然而，ChatGPT是否會類似元宇宙般，是另一團市場虛火，有頭威無尾陣呢？答案現時仍然言之過早。
逐步追近機器代人目標
ChatGPT背後廣泛採用生成式人工智能（GenAI）技術。GenAI是一項顛覆性的創新科技，突破了人工智能的傳統應用。回顧人工智能發展歷史，第一代人工智能（AI1.0）於上世紀50年代面世；在達特茅斯會議中，科學家預言：「與人類具有同等智能水平的機器將會出現」。
今天該目標雖然還未完全達到，但經過多年全球電腦科學家的努力，成果（以ChatGPT為例）已漸漸成熟，逐步追近機器代人的終極目標。
AI於1.0時代的技術基於規則為主，但由於規則不足的原因，AI 1.0系統所能覆蓋的問題偏少，不夠全面，特別是未能應付一些新鮮的現象。為此，科學家在第二代人工智能（AI 2.0）引進機器學習技術，以數據驅動人工智能。比如，假設有一套AI 2.0系統曾事先「看」（學習）過大量與狗相關的照片，它之後便能從一張新輸入的動物照片中，識別出當中內容是否含有狗隻。隨着互聯網的飛速發展，促使大數據的產生。除了數量大之外，大數據變動快及多樣化，因此令到原始的機器學習算法力有不逮，大大影響AI 2.0技術的發展。
有見及此，再加上人工智能硬件技術的進步（如GPU），科學家利用深度神經網絡技術來提升機器學習效率，學界稱之為「深度學習」；因此，在第三代人工智能（AI 3.0）時代，人工智能的實用價值廣泛地提升，可以用作解決一些規模龐大的應用（例如AlphaGo）。AI 3.0開放了工商業界對人工智能功能的要求，不過它的應用局限於特定領域，例如AlphaGo只懂下圍棋，而不擅於其他棋盤遊戲。
人工智能建基機器學習
2016年美國AI科技公司OpenAI推出GPT大模型，提供多元化人工智能服務，開啟第四代人工智能（AI 4.0）之門，而生成式人工智能正是GPT大模型背後的「使能技術」。相比之下，第三代主要是預測式人工智能，例如識別動物照片的種類（是狗、貓、馬或其他），其他常用功能包括分類、聚類等。而顧名思義生成式人工智能接受用戶的「提示」，生成文字、語音或錄像等媒介表達輸出內容，例如用戶提出「中國首都是……」，GenAI系統便輸出「北京」。又例如，用戶提出「畫一隻在公園裏的小狗」，系統便以「公園」圖案作背景，加上「小狗」圖案，生成一張組合的圖畫。
由上述例子可見，第四代人工智能技術比第三代的先進。許多商人便利用這特點大肆吹噓，誇大生成式人工智能的功能，形容GenAI可具備自己的個性，自主創新創作，充當全自動的「AI藝術家」。但事實上，不論是第三或第四代，人工智能都是建基於機器學習。學習時所採用的訓練數據決定系統的「智能」，所謂「學什麼懂什麼」，系統是不會無中生有的，只會像鸚鵡學舌而已。
因此，嚴格而言，利用生成式人工智能開發的工具（例如ChatGPT、Midjourney）充其量只是一台拾人牙慧的「機器鸚鵡」。
原刊於《星島日報》，本社獲作者授權轉載。
