生成式 AI 至今在全球引发狂潮，现在，不论是科技业还是一般行业的主管，都把 AI 相关议题挂嘴上，常常讨论。想谈话像个内行人，或在公司数位转型创新会议的简报上显得更专业吗？以下这 10 个关键字是矽谷许多人工智慧科学家，讨论此话题时常常提及的名词。只要正确掌握，就能大致了解人工智慧的入门知识，也能提升你和企业高层讨论此议题的深度。
AGI（Artificial General Intelligence, 通用人工智慧）
通用人工智慧，或可称为强人工智慧，相较於AlphaGO等弱人工智慧，或说专家型人工智慧，AGI 能理解与学习多元知识，较接近一般人类；不像 AlphaGO 只能执行学习下棋的特定任务，其它都不会。而去年至今爆红的生成式人工智慧，例如 ChatGPT、Bard，也是朝 AGI 的方向去发展的应用，只是目前还不算全面成功。
Deep Learning（深度学习）
深度学习是机器学习的其中一种，它起源於模仿人类大脑的结构，特别是脑神经网络，它实际上是采用具有多层节点的人造神经网络来分析资讯与学习。由 OpenAI 开发出的聊天机器人ChatGPT，背後所使用的大型语言模型，正是采用了深度学习，特别是其中一种称为「变换器」（Transformer）的模型，来生成近似人类的文本内容。
LLM, Large Language Model（大型语言模型）
大型语言模型（LLM）是一种人工智慧模型，它是根据所收到的输入生成类似人类的文本来训练出来。之所以能称为「大型」，是因为它有大量的参数，通常是数十亿，才足以让这些模型来学习资料中更复杂的模式。
LLM 通常是从多元的互联网内容中训练出来的。然而，这些模型不知道训练中的具体档或来源，也没有能力去搜寻外界网页，除非在对话过程中与它们分享。包括 OpenAI ChatGPT 的 GPT-3和GPT-4；以及 Google Bard 的 LaMDA（Language Model for Dialogue Applications），都是一种 LLM。这些模型可以生成创意写作，回答问题，翻译语言，甚至编写软体代码，以及其他任务。
Unsupervised Learning（非监督式学习）
训练人工智慧学习的方式，可分为监督式与非监督式。所谓非监督式学习，是使用没有经过标注与分类的资讯，来训练人工智慧，并允许它在没有经过指导的方式下自行理解掌握知识。ChatGPT 正是由非监督式学习的方式训练出来。
非监督式学习的问题是，它回答同一个问题不会有固定答案，因为它是按照相似度分类得来答案，也因此，许多人常因为 ChatGPT 回答同个问题，可以出现多种答案而感到困惑，事实上仍需要人类去自行验证正确性。
Supervised Learning（监督式学习）
监督式学习则和非监督式学习不同，它是采取标注过的数据来训练人工智慧，因此问一个问题会有固定答案。同时，人工智慧也会透过对照误差，逐步修正去达到愈来愈精准的预测。
像是目前广泛被使用的垃圾信侦测模型，就是用监督式学习方式训练出来。至於监督式学习的缺点是需要仰赖大量人工，事前去做标注，耗费时间与成本较高。
Reinforcement Learning（强化式学习）
是除了非监督式与监督式学习之外，第三种常见用来训练 AI 的机器学习方式。简单来说，强化学习是让机器在和一个动态环境互动过程中，让自己从一次次的试错中学着进步。
例如之前引起围棋界轰动的 AlphaGO，正是透过强化学习，来习得可以超越人类棋圣的强大下棋能耐。而 ChatGPT虽然主要是用非监督式学习来训练，如今也正尝试用强化学习来优化它的能耐。
Paperclips（回纹针）
当愈来愈多人讨论起人工智慧的安全风险，回纹针一词总被提起。就连 OpenAI 执行长奥特曼（Sam Altman），也曾在今年 2 月个人推特上做了网路投票：「请问大家认为人工智慧是想要做很多的小回纹针，还是一个大回纹针就好？」结果竟来引来超过 2 万网友热烈讨论与投票，也让行外人更摸不着头绪，到底人工智慧和回纹针有何关系？
其实，回纹针这个象徵在人工智慧界相当重要，它源自於哲学家博斯特罗姆（Nick Bostrom）提出的一个思想实验，该实验认为，一个超级强大的人工智慧，有可能被赋予一项任务，即制造尽可能多的回纹针，由於为了不断制造回纹针，人工智慧会不断掠夺人类资源，甚至最後决定杀死人类，再将人类遗体制作成回纹针，以完成被下达的任务。但是人类届时已无法控制它。
因此，许多 AI 专家以回纹针警惕自己，不要打造过度强大的人工智慧。其实，如果你有注意到 OpenAI 的企业标志，会发现它正是由许多回纹针所组成。虽然 OpenAI 执行长奥特曼，从未针对企业标志背後的意义做完整说明，许多网友推测可能是发想於这个思想实验。
Hard Takeoff/Soft Takeoff （硬起飞/软起飞）
人工智慧又不是开飞机，为何要讨论「硬起飞（Hard Takeoff）」或「软起飞（Soft Takeoff）」？原来，这是专家用来评估人工智慧该如何开发，才不会过度冲击人类的行内术语。「硬起飞」指的是人工智慧太快开发成超级智慧，人类有可能适应不及甚至反被宰制。「软起飞」则就是相对缓慢的开发，让人类社会有足够时间适应。
Guardrails（护栏）
最近许多企业热衷导入 AI，但是也发生了不少个资与企业机密疑似外泄的事件；另外 AI 随机乱达，可能造成假讯息风暴也被不少人担忧。人工智慧是否需要有「护栏」来防治各种 AI 不按牌理出牌的状况？这是近期矽谷企业在发展人工智慧时，已经正视的议题，这些公司也正积极研究各种护栏，来改善现有软体。
另外，包括 Nvidia 等许多企业，也正打造创新的 AI 护栏软体，提供给有需要的客户来顺应新趋势。
Stochastic Parrots（随机鹦鹉）
许多人在和生成式AI聊天机器人沟通时，会觉得它只会顺着自己语意，随机回答一些模棱两可的答案，似乎它没有真的懂过？不过是只鹦鹉。「随机鹦鹉」要探讨的，正是这个现象。
随机鹦鹉一词最早源於 2021 年由班德（Emily M. Bender）等人发表「语言模型有可能太大？」为主题的论文中，他们认为，虽然复杂的人工智慧模型，可以生成看似真实的文本，但软体本身其实并不理解语言背後的概念，那就像是一只鹦鹉。
（本文转载自《远见》）