ChatGPT的出现开启了各行各业对於AI应用的想像，许多企业积极利用内部资料尝试透过API串接不同服务。不过，台湾智慧云端服务股份有限公司副总经理黄世民提醒，OpenAI虽然开放ChatGPT的API，却没有公开模型内容，也就是使用者「只能接受别人已经训练好的大脑。」
在提到ChatGPT背後的模型时，不能忽略Transformer这个关键的模型架构，许多知名的模型像是BERT与GPT-3等，都是奠基在这个架构上，也是在这个架构被提出後，才掀起对於「算力」的讨论。「在Transformer这个模型出现之後，它既可以看过去所有的历史，又可以平行化，」中央研究院资讯科学研究所研究员古伦维解释，过往模型必须仰赖周围或上一步的讯息才能进行下一步的判断，而Transformer的厉害之处，在於它能全盘地掌握全局，也因此有越来越多的算力投入，并且不断建立出越来越大的模型。
Transformer的模型又可以分为BERT及GPT两大语言模型系列，而这些语言模型中的参数量也急剧增加，古伦维形容：「参数量增加的功能，有点像是我们可以记住很多东西。」但是，直到ChatGPT的出现，GPT系列才开始受到关注，最大的原因就是掌握了与人沟通的能力。随着後续模型的能力越来越强，当中的参数量也越来越大，对於算力的需求也就逐步升高。
AI的发展就是一场军备竞赛
台湾智慧云端服务股份有限公司副总经理黄世民认为，这些大语言模型的出现，就像是建构了一个可以处理多样且复杂事物的脑袋，甚至对於各行各业以AI内部的从业人员带来许多变动。在过去几年，甚至可以发现与AIGC（Artificial Intelligence Generated Content）人工智慧生成内容相关的公司越来越多，甚至在短短两个月内，ChatGPT注册使用者就超过一亿，并且吸引许多企业尝试，以推出更多如文书处理、智慧客服相关的应用。
「OpenAI只有Open API，并没有Open Model让大家可以调整模型的表现，你只能接受别人已经训练好的大脑，」黄世民提到，OpenAI虽然提供了目前最好的服务，但有许多具有特定领域知识的行业，以及在地化语言与法规的需求没有办法被满足。因此，台智云便利用Bloom这个开源模型，在强化其繁体中文能力後提供商业服务，让企业可以利用自己的资料做出对应的应用与模型。但由於大型语言模型的训练牵涉到算力，必须用到许多GPU，并且以超级电脑的运算架构丛集起来。目前全球的超级电脑，多半集中在美中以及多数石油公司手上。
那麽，台湾目前的算力资源是否充足？黄世民坦言，虽然目前台湾杉2号的算力在对内市场使用上，透过聪明的管理模式仍够使用，但再过一段时间很可能就不足。他同时也透露，已有东南亚国家前来探问，想要建造自己的基础模型。由於基础模型的训练是场马拉松，如果我们持续投入，势必不足。
新时代的来临，要学习快速适应环境与技术的能力
除了算力，人才也是关键的资源。古伦维提到，人才一直都是缺乏的，由於过往台湾这方面的产业链并不大，许多厉害的人才都会选择到国外大公司就业，因此，也期待能有更多人才能投入NLP等高阶技术发展的领域。
面对越来越多的生成式内容的出现，古伦维建议，目前已有许多专家提出技术方法来判别，但是，「机器产生的不一定的是假的。」因为很多人利用AI作为创作工具，真假与否和是不是机器写的并没有关系，关键在使用者的意图。较需要担心的是，做坏事的速度会因为工具而加快。
随着AI的能力越来越强，未来的学生又该具备哪些能力？古伦维指出，目前AIGC主要有三个关键问题，第一是资料透明度问题，因为无法掌握模型背後的资料来源为何；第二则是安全性问题，透过破解系统，取得其他公司的机密，也可能因为上传公司的资料而泄露机密；第三则是道德问题。而这些问题都要仰赖教育，让学生能有辨别是非的能力，同时，也要学习快速适应环境与技术的能力，培养持续学习的动机与方法。