作者：高煥堂
一般在介紹ChatGPT中有一點說明，借助了維琪百科的資源——這是很專業的知識庫（專家）。專家經驗直覺提供果因推理，例如，中醫師就是大家熟悉的專家。醫師專家觀察病狀（果），然後把其病源（因）告訴AI 。AI擅長從觀察（望聞問）症狀（果）中進行歸納。但AI 的天生缺點是：沒有果因推理能力。
發揮行業（及企業）的專家直覺知識力
剛好專家的「切」，斷出其因，把專家果因推理真覺，添補進去AI 模型裡。
於是AI就具備了「對症下藥」的「切」能力了。然後再依因果推理，而預測對症下葯之後的健康復原狀態了。如果沒有專家直覺的注入，AI只是一個統計回歸分析演算法而已！
每一道科技新潮流的湧現之際，誰能更精確掌握「科技」的「人」之間的關鍵銜接點，就會是大贏家。最典型的「人」群是一般不知而亦能用的族群，通稱為：用戶。所以，大家熟知的UI/UX，一直是一項關鍵點。
AI與傳統IT（資訊）最大的差別在於：AI需要大量、高質量的專家經驗直覺，來協助AI將其擅長的大資料歸納性推理，有效轉化、串聯出強大的因果性邏輯推理。因之，掌握AI與企業領域專家（Domain Expert）族群之間的銜接點，將會是未來10年新科技潮流的大驘家。
例如，ChatGPT 掌握了AI科技與人的關鍵銜接點：NLP的Attention 機制。一般在介紹ChatGPT中有一點說明，借助了維基百科的資源——這是很專業的知識庫（專家）。
試想：廚房美食的專家直覺存在那裡呢？ 答案是：從大廚作品中學習，就是ML（機器學習）。想讓AI畫出驚人畫作，則要從畢卡索等大師的作品中去學習，也就是學習大畫家的經驗直覺（如畫作風格）。
一般而言，口口聲聲都說AI是演算法的人，有所不懂ML。ML演算法幾乎都是「歸納推理」的演算法，而沒有「果因推理」的演算法。例如，今天張總很快樂（果），因是什麼？AI知道嗎？高老師把其經驗直覺告訴AI：因為中彩票了。AI就會因果推理了：我們輸入文字「張總中頭彩」，AI就從因推論出「張總很樂」，就畫出一隻手足舞蹈的企鵝圖像，這就是所謂的AIGC。
關於Graph AI，我們來問問ChatGPT，聽聽它的建議。
Q：如何學習Graph AI呢？
ChatGPT的回答
學習圖 AI 需要理解圖論（Graph Theory）和機器學習（ML）概念。以下是您可以遵循的入門步驟：
- 從圖論開始：要瞭解圖 AI，首先瞭解圖論的基礎知識很重要。研究圖術語，例如節點、邊、度、鄰接等。熟悉不同類型的圖，例如有向圖和無向圖、加權圖和未加權圖等。
- 學習機器學習基礎知識：對機器學習的深刻理解對於學習 Graph AI 也很重要。研究監督學習、非監督學習和強化學習的基礎知識，以及線性回歸、決策樹等常用演算法。
- 瞭解圖神經網絡：這是圖 AI 的關鍵組成部分，涉及將神經網絡應用於圖結構數據。研究圖卷積網絡、圖注意力網絡等。
- 實踐：親自動手做一些項目。您可以使用 PyTorch Geometric、Deep Graph Library (DGL) 等熱門庫開始使用。
- 保持更新：Graph AI 是一個快速發展的領域，讓自己瞭解該領域的最新研究和發展是很重要的。閱讀該領域領先研究人員的論文和博客，並參與在線論壇和討論。
除了上述步驟，您還可以考慮參加在線課程或註冊結構化課程來學習 Graph AI。
關於專家直覺與AI之間的關係，我們來問問ChatGPT，聽聽它的建議：
Q：為什麼AI需要專家經驗直覺呢？
ChatGPT的回答
人工智慧 （AI)）系統旨在自動執行通常由人類專家執行的任務。為了有效地做到這一點，人工智慧系統需要深入瞭解它們所工作的領域。這種理解通常需要領域專家的直覺和專業知識，他們對特定領域的細微差別和微妙之處有深刻的理解場地。
例如，醫療 AI 系統可能設計用於根據症狀和患者病史診斷疾病。為了做出準確的診斷，系統需要深入理解醫學專家的知識和直覺，例如醫生和專家。這包括瞭解不同疾病的成因和機制，以及不同症狀和潛在病症之間的關係。
通過結合領域專家的知識和直覺，人工智慧系統可以做出更明智和準確的決策。這可以改善醫學、金融和刑事司法等領域的成果。然而，需要注意的是，人工智慧系統並不能替代人類的專業知識，領域專家必須始終參與各自領域人工智慧系統的開發和部署。
知識圖（Knowledge Graph）以圖形格式表示結構化資訊，其中節點表示實體，邊表示它們之間的關係。知識圖譜中的資訊通常是從文本或資料庫等各種來源自動提取的，可用於各種任務，例如問答、推薦系統和資訊檢索。
另一方面，領域專家直覺（Expert Intuition）是指個人在特定領域積累的經驗和知識。這是專家根據他們對特定領域的理解做出明智決策和得出見解的能力。
知識圖（KG）和領域專家的直覺之間的關係是互補的，因為兩者都可以用來為決策提供資訊並提供見解。知識圖提供資訊的結構化表示，可用於自動執行某些任務，而領域專家的直覺可以提供知識圖可能無法捕獲的額外上下文和理解。
例如，領域專家可能能夠使用他們的直覺來識別知識圖中未明確表示的實體之間的關係，或者提供關於圖中實體的額外資訊，這些資訊可能無法從自動化來源獲得。相反，知識圖可用於支援和驗證領域專家的直覺，提供額外的資訊和證據來支援他們的決策和見解。
AI建模師的「藝術&美學」素養
過去數十年來，台灣的IC（半導體）科技產業蓬勃發展，但是並沒有培育兼具「科技工程」與「美學設計」的跨領域人才。因而產生兩項缺陷：
- 台灣強勢的IC科技產業未能帶動文創設計領域的成長。這項缺憾，從台灣與韓國的比較就很清晰了。
- 同時，美學設計人才也未能有效增值IC硬體產業，來維持IC硬體相關企業的持續繁榮。
縱觀過去70年來電腦科技產業的發展，一直致力於「把設計美學投射在科技上」的Apple公司 ，仍然綠葉長青、繼續繁榮茂。於是，我們將在AI建模師培育中，努力促進：「發揮科技美學跨領域人才，把設計美學投射在科技產品上」。
AIGC潮流就如同一個巨大的海流，我們就能水漲船高：積極培育台灣「科技美學」人才。在剛才所說的人才再教育（培訓）的契機，建立一個人才輔導平台，來促進AI工程師（含IC硬體工程師）與美學設計師，融合交流，逐漸孕育出台灣新一代的「科技與美學」跨領域人才（簡稱：科技美學人才）。如下圖：
圖片來源：google
如上所述，一方面AI技術連結到文創領域，形成AIGC的風潮。另一方面AI連結到IC硬體領域，也帶動了AI硬體加速晶片的蓬勃發展。於是，迎來一個絕佳的軟硬整合機會：整合台灣強勢IC晶片產業，保護AIGC文創的IP(著作權)。如下圖：
這項美好商業效益，包括：透過AIGC文創作品的無限複製及傳播，將能大幅提升台灣IC晶片銷售和營收。
回顧過去，我們大多習慣於：「把科技用來表現設計美學」。如今，反向融合，積極推動：「把設計美學投射到科技產品上」，可望成為一條鳥語花香之路。如下圖：
關於AI建模師的藝術&美學素養，我來問問ChatGPT，聽聽它的建議：
Q：AI建模師需要藝術美學素養嗎？
ChatGPT的回答
藝術和美學素養可以通過多種方式對 AI 建模師有益。美學素養有助於理解設計和視覺藝術的原則，這有助於創造具有視覺吸引力和美感的人工智能生成的圖像、視頻和動畫。
例如，了解藝術過程和技術可以幫助開發能夠產生符合預期風格或流派的創造性輸出和輸出的 AI 模型。例如，具有美學素養的 AI 建模師可以訓練 AI 模型生成特定風格的藝術品，例如印象派或立體派。
此外，藝術和美學素養可以幫助 AI 建模師了解不同藝術風格和運動的文化和歷史背景，這有助於創建具有文化敏感性和文化意識的 AI 生成輸出。
總之，雖然藝術和美學素養並不是 AI 建模師的基本技能，但它們可以提供有價值的觀點和見解，從而提高 AI 生成的輸出的質量和創造力。
綜上所述，藉助AI潮流，一方面以AI晶片來連結到半導體IC產業。另一方面則以AIGC來連結到文創&美學設計行業，逐漸融合出更多科技美學跨領域人才。
AI架構師需要AI晶片的知識嗎?
近 10年來隨著訓練成熟的人工智慧神經網路(ANN)模型逐漸增多，邊緣(Edge)推論專用的<AI晶片>也日益受到重視，這種晶片簡稱為：Edge AI晶片。
AI晶片可以針對某些特定功能而進行優化，例如刪除不需要的部分，來達到高效、省電低功耗的特性，因此適合於各領域的Edge AI應用。例如，智慧型手機、多功能機器人、區塊鏈(NFT)及串流影片或遊戲等等，都將需要一個重要的共同元件，就是：Edge AI晶片。
勤業衆信聯合會計師事務所(Deloltte Insight)發表了一份名爲2020高科技、媒體與電信產業趨勢預測。此報告裡提到：
Edge AI 晶片在2020年的銷售量預估突破7.5億組，較2017年高出一倍，平均每年成長36%。2024年預計超過15億組，平均每年成長20%，相對於半導體產業平均預估年成長率9%還要高出許多。Edge AI晶片相較於傳統晶片有效率及速度提高、體積較小、成本較低、用電量及廢熱産生較少的優點。
過去比較複雜的運算必須要在雲端處理，對企業來說資料上傳或下載的過程中可能有資料外泄的安全性問題，而Edge AI晶片可以讓裝置本身進行複雜的運算工作，因此提高了企業的安全性。
茲以台灣耐能（Kneron）公司的AI晶片為例。耐能現在有KL520、KL720 兩種晶片，都可以用堆叠的方式購入晶片加强算力，尤其KL520耗能較少（低功耗），非常適合應用於AIoT裝置上。如下圖：
於是，將帶來美好的商業效益。這項美好商業效益，包括：透過AIGC文創作品的無限複製及傳播，將能大幅提升台灣IC晶片銷售和營收。
AIGC 的特點是自動化生產、高效。隨著自然語言生成技術 NLG 和 AI 模型的成熟，AIGC 逐漸受到大家的關注，目前已經可以自動產生文字、圖片、音訊、影片，甚至 3D 模型和程式碼。而AI晶片與AIGC又是息息相關的。
關於AI建模師的IC晶片知識方面，我來問問ChatGPT，聽聽它的建議：
Q：Edge AI晶片的知識對AI建模師有幫助嗎？
ChatGPT的回答
作為 AI 建模師，瞭解 Edge AI 晶片在某些情況下會有所幫助。邊緣人工智慧是指將人工智慧模型部署在位於網絡邊緣的設備上，而不是在雲端或數據中心。邊緣人工智慧晶片是專為在邊緣設備上運行人工智慧模型而設計的專用晶片，具有低功耗、體積小和實時處理能力。以下是 Edge AI 晶片的知識如何對 AI 建模師有益：
瞭解邊緣設備的限制：與雲服務器相比，邊緣設備的計算能力、內存和存儲空間有限。瞭解 Edge AI 晶片的 AI 建模師可以設計針對這些限制進行優化的模型，從而帶來更好的整體用戶體驗。
提高部署靈活性：邊緣 AI 晶片允許將 AI 模型部署到各種設備上，從智能相機和無人機到工業機器。具有邊緣AI 晶片知識的 AI 建模師可以設計可部署在各種邊緣設備上的模型，從而提高部署靈活性。
改進延遲：通過在邊緣設備上部署 AI 模型，與在雲中部署模型相比，可以減少延遲。瞭解邊緣 AI 晶片的 AI 建模師可以設計模型，利用邊緣設備提供的低延遲優勢，從而改善用戶體驗。
總之，瞭解邊緣 AI 晶片在某些情況下對 AI 建模師有幫助，尤其是在邊緣設備上部署 AI 模型時。但是，它並不是所有 AI 建模任務都必不可少的，而是取決於特定的用例和要求。
小結
綜上所述，藉助AI潮流，一方面以AI晶片來連結到半導體IC產業。另一方面則以AIGC來連結到文創&美學設計行業，逐漸融合出更多科技美學跨領域人才。同時，台灣是AI晶片的肥沃土地，而AIGC技術如同雨水般灌溉這片土地，台灣的科技美學應用，將蓬勃發展。
（責任編輯：謝嘉洵。）
近5年來，從事於AI普及化教育工作，目前擔任銘傳大學AI課程、長庚智慧醫療研究所AI課程授課老師。也擔任永春國小、東園國小、立志中學、君毅中學、永春高中等學校的AI師資培育工作。
- 為什麼Gemma採取Decoder-Only Transformer架構呢? - 2024/04/08
- 如何從0訓練企業自用Gemma模型 - 2024/04/03
- 運用BF16與NHWC技術實現進階版LLM微調訓練最佳化 - 2023/12/18
