LinkedIn 的聯合創辦人 Reid Hoffman 及 AI 科技公司 DeepMind 的成員 Mustafa Suleyman 在近期出資 2 億美元,投資了一間到目前為止並未有突出表現的 AI 科技公司 – AI Inflection。

儘管 AI Inflection 不像其他崛起的科技公司有優秀的財務報表,但 AI Inflection 所創造的新技術,卻是非常貼近於一般民眾的生活。

到目前為止,人類與電腦溝通的方式主要是依靠指令、設計過的程式語言等,這些電腦熟悉的溝通方式,其實跟人們一般的交流方式有很大的不同。也因此 AI Inflection 的首要目標,就是發明更貼近一般人溝通方式的電腦語言。

而要設計出能以人類語言溝通的電腦程式語言,依目前的科技來說,最直觀的方式就是利用 AI 收集人類語言及指令的內容,進行大數據機器學習過後再產出可能的結果。

其中一項訓練 AI 的方式,就是收集人們平常在電腦上進行的活動,包含鍵盤及滑鼠的移動和指令等,以模仿人類的活動及思考方式,例如讓 AI 觀察人們如何利用網路訂機票。

電腦不僅會作畫還會聽人的指令?

除了進行溝通之外,電腦在學會了人類語言之後,還可以衍生出其他有趣的功能。OpenAI 團隊的 Dall-E 2 模型,是一款根據指令創作圖像的 AI 模型,如今因語言訓練的進展,Dall-E 2 已經能根據非常口語的指令來創作出令人信服的結果。

然而,如此的訓練方式卻不一定盡如人意。AI 模型的訓練需要大量的數據才能讓電腦學會指定的內容,而目前最容易的收集數據的方式就是透過網路,但透過網路收集的數據,卻不免的一定會有些偏頗。

例如,如果請 Dall-E 2 創作出一幅「律師」的圖像,十次中有十次會創作出白人男性,而若命題為「護理師」,則結果全是面帶笑容的女性。

在創作文字圖像方面,也是 Dall-E 2 的不擅長科目。如嘗試讓 Dall-E 2 創作「抗議中的人民」,圖像中不免會出現抗議用的文字標語,然而創作出來的圖像上,這些標語上的文字卻一點意義都沒有。

人工智慧發展雖還未成熟,但長路漫漫未來可期

AI 的發展確實還有很長的路要走,要設計出這些 AI 勢必需要許多熟悉機器學習及大數據訓練的研究員,然而,如此的人才在市場上卻非常稀少。甚至連大型的科技公司中,也都只有少部份的人在進行 AI 的研究。

且根據 Suleyman 長達 15 年的團隊組織經驗,他認為一小群人比起一間大公司,在開發新的 AI 模型上是更有效率的

因此,對於研究 AI 的科技公司來說,接下來的課題不僅僅是找到興趣相投的夥伴、相關領域的人才,如何好好利用數據,不讓訓練結果因數據偏頗而產生不該有的傷害,也是需要關注的重點。

參考資料:TechCrunchThe Guardian;首圖來源:Flickr