人工智慧（Artificial Intelligence, AI）的出現成為現代數位轉型的主要驅動力之一，加速各行各業和不同領域的變革。AI的興起和快速發展為企業、政府和個人帶來了前所未有的機會，同時也帶來了挑戰。在商業方面，AI幫助企業優化供應鏈、改善客戶服務、提高市場營銷效果；在政府方面，可以利用AI來改進城市規劃、交通管理和公共安全，促進社會共融。生成式人工智慧正在引領我們的世界進入一個創新的革命時代。然而，AI的使用也伴隨著隱私和安全風險，以及倫理和法律問題。人們有可能會洩露機密資料到人工智慧上，或者管理者很容易選擇未經安全、資料治理和其他合規性評估的資訊管道。因此，確保AI的可信任性和合規性非常重要。人工智慧將繼續在未來的數位轉型中扮演關鍵角色，並需要不斷的技術創新和政策支持，以實現更具包容性和可持續的發展。
一、英國聯合國際夥伴加速人工智慧發展
人工智慧的興起其中一個關鍵的轉折點是開源語言模型ChatGPT的推出，這標誌著人工智慧新時代的到來。基於大型語言模型的生成式智慧逐漸被融入到各產業之中，生成式人工智慧正處於飛躍變革的邊緣，準備重塑產業的數位轉型的新樣貌。
為了探討全球人工智慧的未來，並讓人工智慧重塑整個社會和加速經濟發展，英國集結各國的人工智慧專家一同討論人工智慧的全球未來，並努力達成對風險的共同理解。英國政府也規劃與國際盟友共同利用人工智慧幫助解決發展中國家的一些緊迫挑戰。例如藉由投資非洲地區的人工智慧，支持非洲本土的人工智慧專業知識和運算能力的發展，幫助非洲大陸的人工智慧創新者促進成長。為消除不平等並促進非洲大陸的繁榮關係，英國與美國、加拿大合夥資助 8,000萬英鎊（1億美元）的人工智慧項目[1]。英國政府制定人工智慧促進發展計畫，並將重點關注撒哈拉以南非洲地區，該計畫的主要目標包括：
- 讓講46種不同非洲語言的7億人口受益於人工智慧。
- 使5個或以上的非洲國家在全球人工智慧對話中具有全球影響力，包括利用人工智慧來幫助實現永續發展目標。
- 在非洲大學創立或擴大至少8個負責掌管人工智慧的研究實驗室。
- 幫助至少10個國家為「負責任、公平和安全的人工智慧」（responsible, equitable and safe AI）創立健全的監管框架。
- 幫助私部門降低非洲人工智慧創新者的進入門檻。
人工智慧促進發展計畫原本設定的目標是確保讓撒哈拉以南的非洲地區的所有人都能使用人工智慧這項突破性技術。人工智慧的使用可以對產業產生變革性的影響，包含加速藥物的發現、幫助身障人士取得教育資源、使再生能源的獲得管道改善等。在未來的五年期間，英國與其合作夥伴將透過以下四點項目來利用人工智慧所創造的機會並確保將其用作正義的力量[2]。
- 資助非洲大學的人工智慧研究生培訓和提供獎學金。
- 投資創新者，利用當地的技能和運算能力、準確運用具有非洲大陸代表性的數據來建構模型。
- 促進負責任的人工智慧治理，幫助非洲國家降低人工智慧的風險並使其經濟適應的技術變革。
- 幫助撒哈拉以南的非洲國家在如何利用人工智慧來推動聯合國永續發展目標方面擁有更大的發言權和影響力，而這些目標旨在讓世界到2030年變得更健康、更公平和更繁榮。
透過這個高峰會，提供了一個讓各國確保擁有足夠專業知識的人員的機會，共同討論如何減輕未來的這些風險[3]。在非洲，當地的生產和增值能力較為缺乏，因此在歷次技術革命中一直處於落後狀態，使得這項合作倡議對於非洲的發展顯得重要，因為它使非洲國家能夠在人工智慧革命中成為生產者，而不僅是消費者，讓其處於塑造自己的未來並推動整個非洲大陸可持續進步的最前沿。有鑒於此，各個國家才能以在這波AI發展的浪潮下以負責任的方式獲得這項變革性技術的好處。
二、現今前沿人工智慧的能力
人工智慧的當前的目標是創造「能夠執行原本需要人類智慧才能執行的機器人」，而在過去的十幾年期間，人工智慧的進步是透過大量的機器學習（Machine Learning, ML）來實現，越來越多的運算跟資料是透過複雜的訓練方法所開發。隨著深度學習和卷積神經網路（Convolutional Neural Networks, CNN）的出現，開發人員可以用預訓練的ML模型進行遷移學習。基礎模型（Foundation Models, FM）可以是生成式AI，也可以被開發為能夠執行有限範圍特定任務的系統。隨著發展的沿革，基礎模型的模式也越來越多樣化，自然語言介面的進步使得廣泛的佈署和使用者互動化為可能，一系列新興功能也逐漸被推出。另外同時也發現生成式智慧「生成」的能力可以透過模型遵循訓練資料中的指令和模式匹配來解釋。前沿人工智慧（Frontier AI）現今的功能包括內容創造、電腦視覺、規劃推論、心智理論、記憶能力、數學能力、準確預測真實世界、機器人技術、自主代理、可信賴的人工智慧（表1）。
表1、前沿人工智慧（Frontier AI）現今的功能
|
內容創造
|
可以透過多種模式，包含圖片、影片、文字，來協助產出更高品質的內容，甚至可以提升人工智慧的生產力。但缺點是評估的能力有限，因此會發生錯誤或是無法檢查工作的情況。
|
|
電腦視覺
|
從影像標記到物件分類的一系列任務。大型多模型資料集促進能夠回應文字和圖像的適應性模型。
|
|
規劃推論
|
前沿模型具有有限的規劃和推理能力，例如通過問題解決的測試。
然而事實上是它經常在簡單的問題上發生錯誤，因此抽象推理能力的呈現或是呈現出與訓練資料的模式匹配程度還處在爭論中。
|
|
心智理論
|
前沿模型輸出具備一定程度的心智理論推理能力。然而，測試的方法有其限制，因為沒有判斷基準可以說明基於學習的模型可以準確推斷他人的心理狀態。
|
|
記憶能力
|
前沿模型不會在每次使用者查詢系統時更新，而且大多數模型無法存取或更新至最新的訊息。雖然讓模型能夠查詢最新的資料庫或增加使用者輸入的長度可以賦予記憶體一些有用的屬性，但經常提示可能會導致準確性和成本問題。
|
|
數學能力
|
現在的模型在處理數學問題時的表現通常相當良好，但並非完全不會出錯，還是有可能會在簡單的題目上發生錯誤。
|
|
準確預測真實
世界
|
在使用需要透過推理真實物件的查詢結果進行探索時，目前的前沿模型顯示出一些功能。
|
|
機器人技術
|
最近開發的功能旨在控制機器人系統，以及讓使用者透過自然語言輸入控制機器人。但這其中仍然存在許多問題，包括運算使用、延遲和適應動態環境等。
|
|
代理自主
|
已建立在給定目標時間內完成任務的能力和代理的系統，包括 AutoGPT，但很難驗證它是否已成功完成任務。
|
|
可信賴的人工
智慧
|
結合了技術和非技術方法，涵蓋人工智慧模型開發的所有階段，從資料準備到部署。
|
資料來源：本研究整理自Government Office for Science (2023).
三、未來前沿人工智慧的能力和潛能
任何的技術發展與訓練都存在著不確定性，人工智慧也不例外。隨著前沿人工智慧的技術進展，有希望使得下一代人工智慧的時間尺度和能力有更多的確定性。模型開發的過程無法存取，使得監控前沿人工智慧的功能和影響仍然有難度。 除了這種資訊不對稱之外，有效監控的障礙還包括：（1）發展的絕對速度、（2）資料訓練缺乏透明度、（3）專家們對於衡量進展的方法存在分歧、（4）缺乏可解釋性、（5）評估的工具有限[4]。不同的人工智慧模型在不同的能力上也有所差異，例如Open AI的模型語言技能的開發早於數學的技能。前沿人工智慧在近幾年的發展和能力備受矚目，而且也被賦予更具挑戰性的任務。過去幾年期間的人工智慧發展趨勢是增加模型的大小和運算量，進而提高準確率和性能。前沿人工智慧的能力和潛能主要有：執行經濟上的任務、透過工具提升自主性、能力超出評估預期（表2）。
表2、前沿人工智慧（Frontier AI）的能力和潛能
|
執行經濟上的任務
|
◆ 訓練資料中包含的大量訊息，以利人工智慧學習進行流利、深入的交談。
◆ 根據自然語言指令編寫和運行長序列程式碼，也包括製作新應用程式。
◆ 在不同的項目測試中取得高分。
◆ 產生可信任的新聞文章。
◆ 透過創造能力將不同領域的想法結合在一起。
◆ 推理、規劃和控制機器人的行動。
◆ 總結冗長的文件。
|
|
透過工具提升自主性
|
◆ 透過網路尋找特定資訊。
◆ 在模擬市民的虛擬環境中組織聚會。
◆ 解決開放世界生存遊戲中的複雜問題。
◆ 透過在網路上搜尋相關資訊並編寫程式碼來操作機器人硬體來支援化學品的合成。
|
|
能力超出評估預期
|
◆ 更好的提示：鼓勵模型逐步思考答案，可顯著提高數學和邏輯能力的表現。
◆ 更好的工具：透過訓練、使用網頁瀏覽器、計算機、資料庫等，再提供使用這些工具的文字說明，可以讓人工智慧使用全新工具。
◆ 更好的架構：好的架構可以使模型本身保持不變，也可以幫助代理人工智慧在犯錯時進行自我糾正，有助於改善其長期的行為。
◆ 新的微調資料：進行微調可以顯著提高既定領域的人工智慧能力。
◆ 人工智慧系統間的合作：多個不同的人工智慧系統，包括狹義模型和通用模型，可以相互協作執行任務。
|
資料來源：本研究整理自Department for Science, Innovation & Technology (2023).
四、小結
人工智慧目前的進展是靠運算、數據和演算法的系統推動的，若要提升人工智慧的能力，應考慮三個關鍵因素：運算能力、數據和基層演算法的改進。運算能力和硬體的提升可以使得機器模型以較少的資料和運算達到和之前相同的成果，好的演算法可以讓視覺和語言的運算模型需求減半。透過「尺度定律」（Scaling laws），可以讓人工智慧隨著運算和數據的增加，提升效能的可預測性，在給定特定數量的運算和數據的情況下預測下一個可能發生的數字。
在未來，可以進一步幫助人工智慧加速的方法有：（1）提供豐富的資料訓練：將人類專家和人工智慧產生的回饋綜合並進行資料修飾，可以提高數據效率；（2）多模型訓練：多模型訓練會增強不同模式之間的合作以及前沿人工智慧處理和生成文字、圖片、音訊和視訊的潛力；（3）訓練前沿人工智慧充當自主代理：學習像人類一樣瀏覽網路並自主執行長序列的操作。