談AGI使用心得
2024上半年因為恢復在台藝大的課程，學習到一些AGI的工具應用在藝術創作上。
包含mdjourney、runway、pika、suno AI、adobe express，以及stable diffusion等，都是非常實用的工具。
前幾個月，Nvidia CEO黃仁勳提到，「通用人工智慧(AGI, Artificial General Intelligence)五年內即將問世。」
我認為這句話並非只是為了炒作該公司的顯示卡(雖然很多AI工具都已被CUDA架構綁架)。而是AGI這件事情其實是大部份民之所望，且能夠真的實現無條件基本收入的未來願景。
但我認為這不會由這些財團去實現，更不會是OpenAI這樣的公司去完成；在慾望面前人是絕對的渺小；從歷史的軌跡我們可以發現，人因夢想而偉大，卻也因實現夢想後的貪婪而墮落；有Linux的創造者的理想主義，也就有Microsoft的務實累積個人財富；即便放到現在，用電用水要錢，用電話用網路也要錢，也未曾朝向人們原本想像的烏托邦。
據了解現在有些平台與企業，有提供小額度免費的AGI運算服務，但要運算比較複雜的圖片、分鏡圖，或者比較長的影片，則需要付費。比如:
Hugging Face, Inc. is a French-American company based in New York City that develops computation tools for building applications using machine learning.
Replicate AI can run, fine-tune open-source models and deploy custom models at scale on cloud through an API.
雖然看似小的運算服務可以免費，但最終這些工具的依賴會反噬回消費者。因為，這背後必然存在的是盤子大的雲端機器費用。
以致於人們開始相信，任何事情都可以利用算力去暴力解決。
但是，不可否認資源的消耗是巨大的。
在真實世界裡，人類解決一個複雜問題所需要腦中的算力，產生功率不到20瓦；但與AI解決一個複雜問題所需要的算力，最起碼產生2000至3000瓦，這差距甚大。以致於AI的成本居高不下。
或許一開始就是錯的，我們只是走入看似解決目前問題，卻不知道背後產生無數問題的solution。
現在AI使用大型語言模型仍是顯學，即使不透過重新訓練，使用RAG(Retrieval-Augmented Generation)增強模型，或者透過Reinforcement Learning做出更好的決策。都是還在演進階段。
或許未來GPU算力的依賴會改變，會有更經濟效益的演算法出現。
我常告訴我的學生，除非以後要成為資料工程師或AI演算法工程師，可以去整理與tag資料，尋找feature與調整參數，並反覆讓電腦自動訓練出model，產生最好的模型。概念很重要沒錯，但這過程其實是很繁瑣的，且有可能就像上述所說，是過渡期的一種求解方式。
今年在SITCON聽到的lighting talk內容提到，現在光是透過科技裝置要有AR/VR/MR的體驗，要穿戴的裝備就像變形金剛一樣。如今，AI工具的發散就像這樣。
但不代表我不贊成通用AI的實現。
其實應用面的AI需求量是最大的，尤其在藝術領域已經大量使用在，實際的場演與作品上。
通用AI的需求仍然存在，並會像都市網路一樣，無聲無息的活在我們周圍，而小部份可隨時免費取用，當然就像網路一樣會lag，如果願意付更高額的費用，就能享用更好的服務。
即使未來有了免費並且更方便使用的服務，然水能載舟、亦能覆舟，重要的是身而為人的我們，如何去看待它。
You can easily judge the character of a man by how he treats those who can do nothing for him.