「AI」的實與虛：Run or Walk？ 「潤」或「窩」？

輝達執行長黃仁勳自稱是「台灣囝仔」，據說身價340億美元（約新台幣1.04兆元），名列全球億萬富豪榜。近日在台大111學年度畢業典禮致詞時表示「Run, don't walk！ Either you're running for food, or running from being food.」一句話涉及身處AI時代的凶險，媒體將之翻譯成「成為獵食者，不覓食就會被當食物」，不過有人認為翻譯曲解原意，不論翻好翻壞，黃富豪人稱「AI教父」沒講話，誰搞得清楚他弄什麼玄虛？

最近有個消息，很能對照他的這句英文的情境。儘管美中緊張局勢升溫，黃仁勳卻有意前往中國訪問，媒體傳出他將與騰訊、字節跳動等科技公司，電動車廠理想、比亞迪及小米等高層會晤。

黃仁勳在日前輝達財報公布前受訪表示，「美國在對中國實施禁令時必須深思熟慮，否則美國科技業將承受龐大損失。」他還語出驚人說，「台灣晶片製造地位理論上是可以轉移，但中國這個巨大市場，在全球都無法找到替代者。」「中國企業在美國禁令下，開始著手自研生產晶片，成為輝達等公司的對手。」所以他有可能是一個投機的逐利商人，他可能搞不清楚，美國「晶片禁令」背後的價值觀，哪一天他被美國國會特別調查委員會請去「聽証會」，他到時才會知道，他「不知道自己不知道」。

不過，這幾天，黃仁勳已有修正說法，「輝達下一代晶片還是會交由台積電代工，」如果以美國的代工環境和台灣相比，他說「供應鏈分散至少需要十年時間才能建立完整生態系，在台灣生產晶片有很多優勢，整個供應鏈架構也很完整」，更不要談「中國自研晶片」未來有何可期待。」黃仁勳台灣行還未結束，有趣的是，6月1日受訪時表示，已經與張忠謀吃過飯了，「尚未決定是否前往大陸」，顯然有人提醒他了。

最近他接受訪問時提到：「…中國現在就有一大堆的GPU公司。…我們有很多競爭者，而且到處都有優秀的工程師，因此我們盡最快的速度奔跑。Run, don’t walk」。原來他心中仍然幻想著「中國巨大市場」，所以他在台大講的那句英文，就有著落了。在中國這個野蠻市場中，走的是叢林法則，「Run, don't walk! 」用跑的，不要慢步。「Either you're running for food, 」你不是去追獵物，「or running from being food.」」就是要跑快點，避免被當獵物追。這是「中國化科技」的粗暴規則。問題是幹嘛去玩這個「野蠻遊戲」？過去，全球自以為聰明的人很多，進入中國這個「老鼠會經濟」本質的國家級「賭場」，詐騙集團當權，去”Run, don't walk”？跑哪去？說抓就抓，除非去當共產政權的「企業走狗」，否則哪裡有「獵食」的機會？在共產政權統治下，所有產業最後都成了「獵物」，今後投資中國必然血本無回，不是斷頭就腰斬。

有句英文成語說The early bird gets the worm . 早起的鳥兒有蟲吃。注釋說，It emphasizes the importance of starting something early to maximize the potential outcome.（強調早點動手可以極大化潛在收益的重要性）。不過，這要先確定你是鳥（獵食者），而不是蟲（獵物）。因為有句相對的成語說「早起的蟲兒被鳥吃」（the early worm gets eaten by the bird）。所以「早點動手」（去中國）可能變成別人（中共）的「早點」。

「Run, Don't Walk」其實是一句反話，原本的「Walk, Don't Run」是1966年以1964年東京奧運競走為背景的電影片名，同名的主題曲是經典名作，編奏的投機者樂團 （The Ventures）也紅到日本。因為競走時「跑」起來就犯規出局，所以是「Walk, Don't Run」。這個片語，當然也有很多詮釋，就像幾天來多方對「Run, Don't Walk」的解讀。不過，成語的運用，有時是隨不同時空而有不同意涵，不一定適用於所有人，且翻譯成另一種語言常會失去其中奧妙，就像台語的“空氣在郎嗝”，只能「To Each His Own」，無法勉強。

既然大家譯論紛紛，我們只好也就Run or Walk作些聯想。黃執行長以「Run, Don't Walk」為人生哲學激勵年輕人，和他的職業生涯應有極大關係。明顯的事實是，黃執行長以AI颳起台灣旋風炒高輝達股價沒幾天，同為台南人的AMD蘇姿丰執行長就宣布了他們處理AI的系統。難怪黃執行長必須一直跑，不能慢下來走。

類似的情況，中國的有錢人，要維持生活方式，就想到「潤（Run）」。起步後就不能慢下來「窩（Walk）」著，不然被攔下的後果不堪設想。但是，「Run, Don't Walk」是放之四海皆準的圭臬真理嗎？光是急著趕，沒有優化時機的選擇或好的運氣，是無法成功的。1980年代的電腦巨擘王安和顯卡先驅Trident，並沒放慢腳步，卻因方向沒被大眾接受，跑入了死胡同。

日本戰國時代甲斐的大諸侯武田信玄以「風林火山」戰無不勝，可惜運氣不好，因病最終沒能進京當幕府大將軍。運氣沒法控制，打勝仗而生存的「其疾如風，其徐如林，侵掠如火，不動如山」取自孫子兵法戰爭篇，要求的是隨著人地時，選擇節奏力道的改變。選擇，就是邏輯的推衍，智力的表現。AI的極致，就是如何讓電腦永遠做正確的選擇。

任何生物的行為，離不開經驗、記憶、學習、分析、歸納、實證、和適應。無腦的生物，還是可以把經驗透過突變記在DNA裏，實證並適應存活於新環境。有腦的生物，在這些程序中，大腦的複雜度越大，能做的選擇越多，智力也就越高。以統計學來說，這是用Bayes’ Theorem來解釋的。簡單的說，如果一件事的發生是隨機的，發生的機率（probability）是不變的。如果有另一個事件的發生影響了前一事件，原事件的機率就會改變，從“前機率（prior probability）”變成“後機率（posterior probability）”。換言之，有足夠智力的生物，經由感官，記取經驗，選擇另一事件發生的結果，可以使原事件的機率適合自己。不選擇，只有隨機碰撞，聽天由命。正確的選擇越多，得到正確的結果的機率就越高。在無生命的電腦建構AI，就是要用記憶體、運算處理器、電路硬體、軟體程式等造出精準快速的人工神經網路（artificial neural network），複製這些程序，在短時間內幫人類完成費時費力的工作。

黃仁勳所論述的AI，並未超過其他人。他指出AI「應用的部分，主要是將人類無法預測和分析的複雜問題，透過轉寫軟體程式來解決」，他的興趣在開發新藥及氣象預測。其他是金融、零售，與工業中的應用，包含汽車、製造業、倉庫和電池工廠等。

重點是什麼是「人類無法預測和分析的複雜問題」？為什麼？用AI做就可以嗎？這𥚃留下許多疑問。

他的答案與其他人一樣，目前的方法是「訓練AI模型並拿來推論」，讓資料中心變成AI工廠。

也就是，使用超級電腦進行推論。他說「不過根據內容不同，AI推論的對象可能會從圖像、文字、蛋白質到影像，而根據不同的推論任務，也會需要不同種類的處理器。」總之AI算力（computing power）要強。問題是，「訓練、深度學習與推論」有沒有無法突破的臨界？當然有！

所謂「推論」指的是AI Inference ,（ it is achieved through an “inference engine” that applies logical rules to the knowledge base to evaluate and analyze new information. ）藉用「推論引擎」應用邏輯法則在知識基礎上評估分析新訊息。

在機器學習的程序中，有兩大界面，第一是訓練，在此「智慧」在紀錄、儲存、標記訊息中成長。第二是「推論」界面，機器利用已經蒐集儲備的「智慧」去了解新數據。（In the process of machine learning, there are two phases. First, is the training phase where intelligence is developed by recording, storing, and labeling information. Second, is the inference phase where the machine uses the intelligence gathered and stored in phase one to understand new data.）

依照這個定義，機器學習的功能旨在「舉一反三」。在同一邏輯運算下，不必完全記憶，就可以延伸理解力，甚至可以對人類決策提出辯証（argument）挑戰。

問題是，機器的訓練、記憶、學習都來自人類經驗，推論也是集其大成，或在演算法設計下延伸，頂多還是「人類經驗」的外插（Extrapolation），不會有「創意」。有人會覺得AI很神奇，給的答案很「超乎預期」，那只是因為讀書不够多而已。不過，科學發展到今天這個程度，AI若綜合了全球知識庫，未來說出一些令人驚嘆的答案，大概也不是難事。

問題來了！這樣的AI能夠處理「人類無法預測和分析的複雜問題」嗎？答案是：Yes and No。「人類無法預測和分析的複雜問題」很多是因為，從前人類的「工具」還不足夠，所以做不到。這部份答案是Yes。可是有些問題，人類根本就毫無頭緒，無處下手，在「人類經驗」之外的之外，頂多有「科學幻想」，並非真實。AI一樣一籌莫展。比如說，宇宙有多大？形狀如何？宇宙之外是什麼？宇宙怎麼開始的？生命是怎麼開始的？人類的大腦很聰明，卻想不出為什麼自己這麼聰明？回到Bayes’ Theorem，後機率的解答，必須先有前機率。也就是說，沒有經驗的事件無法預測。要不然，為什麼證劵行都有股市無法預測的但書？「新數據」超出經驗的範疇，人只能臆測，還能要求AI嗎？

現在在AI領域中，有CPU、GPU，更有最核心的NPU（Neural Processing Unit），號稱是模擬人類神經元（neurons）與突觸（synapses）之間的生理機能，經由「突觸權重」整合儲存及算力（integrate storage and computation through “synaptic weights”）。這個「NPU」恐怕仍然言過其實，人類大腦的灰質、白質及其中神經元、突觸、及軸突之間利用生化能量的方式，及其傳遞、記憶訊息的細胞生理學都仍然有奧祕未解。怎麼可能就可以「模擬」了呢？

黃仁勳最終還是說出他的「生意經」。他說：「AI就是我最愛的機器人，它其實是一個遊戲」，他預測，禁操控角色NPC（non-playable character: a character in a computer game that is not controlled by someone playing the game），將有大發揮。「未來世界上將有數十億、數萬億的NPC，NPC他們將會很聰明，會有自己的故事、遊戲的情境在腦海裡，而且他們會互相互動。他們可以很容易地前往各地。另外，他們都會說不同的語言，也有不同口音，所以你將能夠輕鬆地互動，創造虛擬世界也會容易得多。」也就是說，AI最大商機是在「科幻遊戲」。的確，這是可以天馬行空的領域。真實生活中，Run or Walk，「潤」或「窩」，AI可以解答嗎？That is the question！

專欄屬作者意見，文責歸屬作者，不代表本報立場。