自OpenAI推出ChatGPT後，不但顛覆了人們對人工智慧（AI）想像，也令人擔心自己的工作機會被剝奪。OpenAI曾估計，受ChatGPT影響最嚴重的工種包括翻譯、作家、公關、數學家、稅務人員、區塊鏈工程師、會計師及新聞工作者等等，這不禁令人擔憂，AI技術會否最終取代人類的工作？本社為此專訪嶺南大學協理副校長（策略研究）兼計算智能講座教授鄺得互教授，暢談AI技術發展對人類的影響和它潛在的風險，以下為經編輯的對話錄。
問：大家都覺得AI科技最近出現突破性發展，但也擔心人類有可能被淘汰，尤其是它們可以模仿人類的思考方式。你怎麼看現在AI的發展情況？對我們社會的影響又是怎麼樣？
鄺：我嘗試盡我的能力去解釋，現實來說，沒有人看得通人工智慧（AI）。AI技術，或是大家看到的OpenAI的ChatGPT，技術發展的時間不算很長。我覺得可能來到這一點，就是以前發展出來的很多東西，因為ChatGPT的出現，目前AI技術到了突破點或是收成期。
早期OpenAI開發的是一個語言模式（language model），但AI應用實際不限制於語言方面，它的範疇是很闊的。AI（Artificial Intelligence）這個詞，應該是195幾年在美國一個學術會議上出現。當時還沒有AI的叫法，更多是在Cybernetics（控制論）、Control、數學等範疇內，嘗試對Intelligence（智慧）或者叫AI進行探索。
AI探索早見於50年代美國學術會議
究竟大家認識的AI是什麼樣呢？我想，不同的人可能有不同的想法。現在坊間普通人都將AI近乎誇大了，它是否有這般強的能力呢？
我相信大家都不知道答案。如果知道，就不會有現在的情況。若要我答這問題，我反而覺得，大家應該持一個開放的態度去看AI技術的發展。
問：以前互聯網或者火藥等技術的出現，都會對人類的生產力帶來大躍進的影響，但同時都會有一些工種被淘汰。
鄺：在我個人看來，這件事未必是壞事。回顧工業革命開始的時候，都說自動化（automation）會淘汰很多東西。但其實你淘汰一樣東西，會生產另一樣東西出來，社會的適應能力是很強。
就算現在來講，很多人覺得AI首先淘汰的是一些比較常規（routine）的工作，這個可能性似乎都挺高，但另一方面，世界人口最近跌幅頗為急遽，那我們是不是應該在技術上來補足呢？這又是值得思考的一個問題。
首批被淘汰工種極可能是常規工作
問：最近上網已發現關於AI的新工種，就是「提示工程師」，它是幫助訓練AI更容易明白人類所下的指令，AI帶來的新工種是否循着這個方向走呢？
鄺：如果AI真的循着這個方向來走呢？那麼工種就應該循這個方向產生，其實這也是很自然的事。很多工種隨時都有很大改變，尤其是語言方面，又或者我們經常提的法律界，據稱法律前線工作已經受到很大的挑戰，因為前線工作性質比較常規，例如在搜尋資料方面，你不可能快過機器，所以在可見將來，這一類工種最有可能被AI取代。
儘管AI一定會取代某些工種，但話說回來，這些行業裏面都可能要多一些技術性的技巧，去提升生產力，究竟有多大的提升程度？機器又是否可以做到同樣水平？在這方面，我們不敢說是或不是。
現在AI平台上，有所謂interpretable AI，就是我們可以解釋的AI。與以往傳統數學的不同，以前我們證明一條公式，無論你證明100次，還是1萬次，都會得出同一結果，但你找AI做1萬次，有可能得出1萬次不一樣結果。某個程度而言，你可以說這是AI可愛的地方，也是它可怕的地方，而人類有可能會接受這1萬個解釋，究竟我們如何去接受箇中的uncertainty（不確定性）呢？
問：以往工業革命被歸類為技術革命，近代資訊革命導致很多資訊的出現，但也具有技術革命的屬性。你認為今次OpenAI的技術進步，怎樣去定義它是一個資訊革命還是技術革命呢？
鄺：首先，現在的AI和早期的AI有很大不同。早期AI是Rule-based或者Knowledge-based，就是將一些既有事實存放於一個知識庫去搜尋，但是現在AI是data-driven，它將所有資訊放進去，然後由AI決定如何搜尋東西。當然，也可以中間落墨，如果我們知道想要搜尋哪一類東西，例如技術性問題，ChatGPT提供attention module，就是對某些信息加重關注，某些沒用的信息便予以忽略。
AI在醫學診斷表現不輸人類
ChatGPT 3.0、4.0至5.0版本之間最大的分別，在於用來訓練的大數據規模，數據多的時候可能搜尋到好東西，但也可能找到不中用的東西，為何能相信它搜尋的方案是最優呢？
沒有人能斷定這是最優方案，因為這不同於精密科學（Exact Science）。我用一個簡單例子，在醫學診斷（Diagnosis）的用途上，AI表現不錯，看X光片分分鐘較人類更準確，但是否可以由AI完全代勞？這是不可能，最後還是要醫生確認。
回答你原來的問題，目前的AI是數據和技術的交匯點。現在ChatGPT 5.0程式的參數以數十億計，若回放到80年代、90年代，根本不可能有這些機器能夠進行如此複雜的運算，如今我們有了這麼強大的機器，可以應付巨量資訊，加上「開放」模式就會鼓勵更多東西出現，造就了今天AI技術快速發展，這是我對AI的看法。
問：AI系統是Data-driven，我們還沒搞清楚它背後的操作，但它思考的方式愈來愈接近人類的，這是否讓人擔心？
鄺：我們可以將問題看遠一點，首先AI的好處，是可以收細問題範圍，然後將它能見到的東西放大，相對效果更佳，而且這個精煉（refine）可以循環不斷地進行。若循這思路，那麽AI對人類福祉是有好處。
AI未聰明到如人類心靈溝通
從宏觀層面看，智慧（intelligence）最底層是數據（Data），其對上一層是資訊（information），接着我們希望有些知識（knowledge）去辨識這些資訊，有了知識後，當它與人類對話時，能否展現它的智慧（wisdom），這裏涉及多層面的進化。現在的AI充其量是不停使用同一資料庫，還未聰明到可以像你我之間的即時溝通，如果ChatGPT沒有新數據，它只會給你千篇一律的答案。
目前對AI看法有兩大流派，有些人說我們要擁抱AI，有些則說先觀望，反正差不了很多時間，正反兩邊都是AI界內頂尖的人才。
ChatGPT或者這類框架是否真的可以代替人類呢？大家不如先將AI作為一個應用工具，如果適當運用這個工具，可以省卻很多重複且無謂的工序，對社會也有裨益。現代小朋友不喜歡重複做一些東西，但有些工作例如建造房屋，就算AI也幫不了太多忙，但它可以幫你簡化工序。至於未來AI會如何演變，對我來說，暫時是個問號。
問：《施政報告》中，特首李家超提出將香港發展為國際創科中心。究竟香港有沒有發展AI的潛力呢？或者是有些局限呢？
鄺：無論是排名或研究成果，香港學術界都有很多頂尖的研究學者，但涵蓋學術領域不算闊，近期這情況已有所改善，這是得益於AI的發展，很多小朋友被吸引修讀計算機科學，起碼未來會多些這方面的人才庫，當然政府更加主導會是好事。
過往每一次科技浪潮達峰時驟然爆破，那些爆破前衝進去的人就會很慘，雖然難以判斷周期的升跌，但顯然這些技術性東西在香港很有需求，希望香港在這方面能栽培多一些人才。
人腦構造本複雜 教育何需文理分科
香港教育界有一個很有趣的思維，就是文理科之分，我對這個想法也感到奇怪，教育是否一定要分文理科，還是文理可以一體呢？人腦構造是很複雜的，比如，一些人就算讀完心理學，都可以做一些很理科的事情，有很多理科的人是很文學的。為什麼在很小時候要將自己定格呢？他能計算兩條數就一定是理科的人，他寫兩篇好文章就一定是文科的，我認為這方面的教育性可以兼容一點。
問：ChatGPT暫時都是一些語言大模型LLMs，是用GPU晶片做一個計算單元，但美國加強限制這類GPU晶片出口往香港和中國大陸，會否窒礙中港AI技術的發展？
鄺：我覺得這是個技術性的問題，早晚都可以解決，反而從大方向來看，目前支援大模型背後的硬件愈來愈巨大，這是不是唯一的方向呢？例如我們從事研究，會問不用那麼多的晶片能否做到相同效果。
我們現在研究AI interpretable，若然它不需要解釋，AI便要不停地運轉，但是如果我們可以解釋，是否整個背後的東西可以收窄，我可能加一些東西讓它不用不停運轉，就好像你為它找出一條路徑，它不用繞了所有路才去，未來發展會否朝這個方向呢？我覺得是有可能的。
目前大家見到AI學習沒有停下步伐，究竟它到哪裏才會停呢？是否不會停？大家對這些都不知道。當它學了走到歪路，它應該是可以調整的，只要你給與它時間及機器（算力），它就可以根據你給它的指標調整，進而得出最佳答案。
AI不但自學 還能傳承其他AI
問：一個訓練機器人踢波的示範，它輸入指令很簡單，就是將球踢入龍門，機器人就會根據這指令發展出一套踢足球的技術，過程令人大開眼界。
鄺：AI機器人不但可以發展自己一套動作，還會相互學習，我們稱之為聯盟式學習（federated learning）。以無人飛機為例，它不會單一行動，更多的是集體行動，如何協調其他無人機去做事。它學習的知識不單自用，還可以傳承到其他無人機同伴，在相互交換知識下，可以更加有效率完成工作。
問：舉個例，很多年前DeepMind設計出AlphaGo，最初與韓國頂尖棋手對弈，後來AlphaGo推出更強大版本，結果是AI棋手相互對弈，借此提升棋力，如此類推，AI可能發展出類似人的意識？
鄺：暫時無人能忽略這個可能性，因為它確實做了很多我們未想過的東西，直到見到其所作方知道原來是可行。下棋就是最有趣的例子，棋手都是靠經驗的，能夠預估往後30步、40步，棋力已經很厲害。但是機器可以預估可能200步甚至更多。
問：中美兩國都在AI技術賽道激烈競爭。你覺得哪一方會跑出來呢？
鄺：AI技術發展方面，我不敢說誰領先誰落後，但舉簡單例子，在學術界裏面有幾個大型會議如CVPR或AAAI，你會發現中國人或中國的技術投稿比率是很高的，在美國以公司名義的技術投稿較多，要看哪一類投稿更為有效，ChatGPT當然是西方做出來。
我覺得教育可以走得更前，可以培養更多敢於創新的人才。自ChatGPT出現之後，大家都很努力想出很多方法提升它的效率，但是能否再拓闊一些創新空間呢？這需要大膽一點去假設你想的東西。
受訪者簡介：
鄺得互教授是進化演算法、人工智慧解決方案和圖形/視頻編碼領域的頂尖學者，他於2022年榮獲史丹福全球頂尖 2%頂尖科學家、Clarivate全球高引學者（據該網站定義，援引比例相當於每千名學者僅有一名符合資格）。鑒於鄺教授在智慧計算及視頻編碼等領域的傑出貢獻，他於2014年當選為電機電子工程師學會（IEEE）Fellow，並擔任IEEE SMCS分會主席（2021-2023），2022年當選為亞太人工智慧學會會士。作為一名高產學者，鄺教授在國際權威期刊上發表學術論文350多篇，重要學術會議160多篇，谷歌學者h指數高達79。鄺教授擔任多個IEEE Transaction期刊的副主編。
