专访杜奕瑾：人工智能浪潮来袭，哪些想象和担忧正在变为现实？ 

感謝美國之音製播優質節目，感謝邀請杜奕瑾先生來，每次聽到他的發言，都得到很的資訊，謝謝！

感谢杜先生和主持人，喜欢你们的节目。。。也传递，让更多的人知道。。

赞👍平章

談的很好，也很有意義！ 🎉🎉🎉

感谢分享❤

喜欢主持人，很棒

平小姐智慧优雅瑞庄可爱

兩位都表現互重謙卑，尊貴的學者。❤

永遠支持主持人

非常感謝收看到此集。 主持人及被訪者的互動合作🏆🏆🏆

chat GPT剛問世時，我曾經嘗試向它提問：中國和美國，哪個國家國民對政府的支持率高？它的回答竟然是中國（93%），而美國只有39%；我追問：1936年纳粹党在德国的支持率98.8%，1938年为99.1%，就算93%是真實的，也不能證明这个政權就不是一個暴政，它的回答竟然是：“我理解你的問題，但無法回答你的問題”，哈哈哈！事實上，它第一個回答就是錯誤的：僅僅就執政黨的支持率來講，中美沒有任何可比性，中国一党专政，美國多黨競選，兩黨執政，假设民主黨執政時民调显示其支持率93%，那麽共和黨只有7%（實際還不到，因為有第三黨），那麽共和黨豈不是永遠選不上了？結果變成民主黨一黨執政了？在多黨執政的民主國家，執政黨不可能有很高的支持率，因為在野黨或者反对党要分一部分，還有第三黨也要分一點，臺灣就是一個典型的實例。

Part 1): 任何一條神經網路也是一個多變數廻歸分析，也是統計學迴歸分析的一環。我在40年前攻讀數理統計就涉及這些人工智能及多變量（含時間變量）的廻歸分析（向量/ 矩陣/ 線性代數/ 機率/ 取様….）, 以便對一些事件做出精准智能的預測。 所謂自我學習或機器學習也只是用後面收集或模擬出的更新的資料去修正原先迥歸分析的杈重或係數參數而已。 而深度學習也只是處理巨量變數時，為了避免僅用單層機器學習進行巨量變數而需要解大矩陣導致對巨量平行計算的需求，進而變換設計成每層適量變數，建立多層次的機器學習修正。 40 年前人工智慧就是數理統計的一大課題。馬斯克說得一點都沒錯-目前的人工智慧全部建立在數理統計的基礎上。從那時開始就不斷有各行各業的數據分析專業人士來我們數理統計這參與並學習迥歸分析。他們回去後就不斷建立了屬於他們行業內的多條神經網絡（行業內的迥歸模型）。 在那時從事這類研究工作的數理統計的博士生全部被限制在晚上12 時過後才能使用國家級的超級計算機，否則我們兩三𠆤人一上線全部就大當機。我們那時也發展出一套類似挖礦機的方式，利用所有大量閒置的𠆤人電腦來提供其微小的算力，進而整合這些龐大的所謂分散型算力，但受限那時網路的不發達，很難把規模擴大。 近幾十年隨計算機能力不斷提升，目前市面AI 所謂大模型，主要是著力於面對”服務大衆需要”的所謂生成式/ 語言等等的智能協作服務。就是把百行百業各個領域等等數以千萬千億計資料進行迥歸模型的建立及修正（所謂自我深度學習）而形成龐大的神經網絡。 因此也不用太誇大眼下的AI , 這些早在40 年以前都已建構了理論基礎，而智能恊作早在各專業領域都已發展的非常完善，只是因過去算力不足只能在各自專業領域進行中小規模（變量數較少）的神經網絡建構。例如氣象預報就是早期最明顯的利用氣象專用超高速大電腦發展為成熟預測能力（AI)的例子，股票買賣決策也是智能恊作(AI/CIC)的典型。 ”把簡單數學上使用即存的規模資料或電腦模擬資料進行所謂的㢠歸分析/模型建構並藉此模型做可行的智能預判或恊作，包裝成醫學上複雜尚未完全掌握的神經網路的機制及作用原理”，不但瓢竊了數理統計在AI 發展的絕對地位，實在也是在誤導整𠆤AI 的發展。也會造成眼下一般人的過度期待和焦慮。應將AI 改稱作” CIC:Computer Intelligent Collaboration , 電腦智能恊作， 更為恰當。 何謂知識？ 由經驗總結後（ 抽象具體化） ，就形成知識（用數字分析的表達方式就是去建構知識模型）。 形成知識後就可複製/ 傳承/ 預測/ 擴展。因此目前的AI 發展，就是在循人類文明發展至為重要的其中的一𠆤過程-只是採用了數位化的方式，將經驗知識化了。 目前的AI 只是以數理統計為手段及方法論，以資訊及計算機工程為工具，進行數位型的經驗知識化的過程。 人類有許多其他不同型態非常複雜的知慧，這種僅止於知識數位化的智慧， 其實離人類多型態的智慧還有非常巨大的距離。 另外， 眼下AI 服務於大衆的大模型的各種數學理論及所謂的機器學習（參數修正）及深度學習（參數及變數的多層次增加及修正）。 早在40 年前相應的數學理論都已完備（但落實到實際應用上，如何解1 億 by 1 億的聯立方程組( 行列式計算）， 這需要極其龐大的平行計算能力，在那時期是完全不可能的） 。 其實AI 最重要最關鍵的是各行各業各領域的專家組，而不是這些AI 編程的公司（ 他們只是依需求用已完善的數學統計理論加以電腦編程後，利用巨大算力去幫忙找出合適的模型並不斷予以完善）。 只有各行各業各領域的專家組才知道在茫茫大海中的資料及訊息中，那些因素才是其所涉領域的関鍵變數，那些變數資料才是可做為他們收集分析建立模型的。例如氣象學/經濟學/股票買賣智能決策/ 醫學/ 藥學/ 農業生產/ 基因工程/ 化學工程/自動駕駛/飛彈防空系統/圖像識別及處理/ 建築結構力學/小樣品模擬模型（核爆/飛機失事）………..等等。 此外服務大衆的語言學也是極度複雜的一門學課，其可能的變量變因會高達幾千萬𠆤， 再加上多層級過濾學習修正的模式，因此其涉及的變數算力就以億計， 所以才稱做大模型。 要取那些因素進行那一層分析，主要都是語言學家在主導。 而這些眼下的AI 應用的公司， 只是利用已發展完備的數學統計理論在不同領域專家組的指導下，去有效的進行數拈收集整理分析並進而建立一個特定領域的模型，作為該特定領域的電腦智能恊作工具。

平章女士谈论任何话题都游刃有余，她是怎么做到的？

温文尔雅的 top scientist!!

嘉賓緩慢的語調好催眠😵‍💫

他们很忙真的很幽默啊

这个是安装到机器人上的，当然脑机接口技术成熟了还能安装到人脑里面，以后机器步兵都能抗12MM口径以下的武器了，个个都是机枪手+狙击手，对面只能拿PBR或者步兵战车打机器人步兵

能訓練反洗錢AI嗎？如果訓練不出來，生成式AI實在沒有太大用處。

😁

《我爱平章》

01:11平章 02:13杜奕瑾

我是來勸的，要用害人那是違法的

好问题

現在就有人主張要判斷AI有無創作力？就看AI能否創作貝多芬交響曲第十號？ 我覺得如果AI做得到的話，那不但證明AI有創作力，而且是極高的創作力。自貝多芬死後，不知有多少作曲家做這樣的嚐試，都未能成功，如果AI辦得到的話，AI將是第一流的作曲家。😮

这个专家的意见是建立在电脑的产生和发展之上的，完全就是生搬硬套，强AI这种东西一旦出现，这跟之前的所有事物都是不一样的，你根本没法依靠过去的经验判断

听着挺好。有趣又有吸引力。遗憾….

声音太小了！

以后人要干的就是学习如何发展人工智能，如何使用人工智能，如何驾驭人工智能。

平章的声调如果再稍微压着点就更有美国之音的感觉了

应该把柯文哲的粉丝数据好好分析一下！

声音累

这位一直笑眯眯的专家可能是个技术高手。 但他的语言表达能力。。。其实我听不懂他说的每一句话

没有。限制了，

貴頻道應該更注重聲音的專業，主持人都是受過訓練的，聲音穿透力很強，如果來賓發聲較小或不清楚，你們又不做收音或後製的調整，聽眾就很痛苦：調小聲了來賓說的聽不清，調大聲了，主持人發言時有如雷鳴，在中間，就一直維持一個有點聽不清又有點刺耳的狀況，需要一直調整。

你们在美国担心个毛，IT基础设施普及都还得个小十年吧，贸易自由和言论自由做好了，才可能有AI冲击你们这种相对高级别的经济矛盾。。。。。真服了

工作与否，当或不当生产者，本就是人之为人的自由选择。 失业之为失业，是劳动价值论、不劳者不是人、不劳者不得食……撒但魔咒控制人类的结果。 人，生而为人，劳动与否都是人，人都要消费，劳动与否，人都得食。 工作或不工作，有业或无业（包括失业），岂不是很正常吗？

女主持是陈晓楠么？长得太像了

很可惜!一位科技學者,竟然被政治立場鮮明的訪問者用話語誘導出政治偏見的言語. 科技學者還是持中性立場,才不會失去科技應有的客觀性...

test

扭扭捏捏不敢正面回答。实在是很反感。

老共最擅長用這種新技術幹這種缺德的事

这个所谓的人工智能专家完全言之无物啊，都是车轱辘话屁话

非常精彩的一期访谈，尽管受访者面对一些问题有所回避

他一定在某方面很辛苦，因为有气无力的声音听起来好累。

没吃饭吗湾湾 这么温柔😊

老师应该先被取代

穿这身儿显得没脖子

去年 11/26馬英九在台中替國民黨立委站台時 批蔡英文論文不存在,　比林智堅更嚴重 !

这个杜完全没有认知的混子😂

test