人類須守住慢想優勢

以Google Bard、OpenAI ChatGPT、Meta LLaMA及百度（09888）文心一言等為代表的大型語言模型，是基於大規模數據集進行預訓練，以理解人類語言的一種人工智能（AI）模型。在不同語境下，有不同的底層技術和具體應用，又被稱為生成式人工智能（Generative AI）或人工智能生成內容（AI Generated Content, AIGC）。儘管其側重點有所差異，但指向的技術光譜大致相同。隨着算力、演算法、數據的不斷更新，大語言模型還在快速演進，受萬眾矚目的同時，亦自然引起國家立法者及監管人士的密切關注和快速反應。 綜觀全球已出台或正在進行的立法和監管規則中，有一個比較明顯的「公約數」，就是對大型語言模型提出的訊息披露要求。 在內地大語言模型的監管被置於「生成式人工智能」這一概念下，《生成式人工智能服務管理暫行辦法》（下稱《辦法》）涵蓋任何具有文字、圖片、音頻、影片等內容生成能力的模型及大型語言模型的相關技術。 《辦法》強調生成式人工智能服務提供者應依法履行企業責任，具體要求企業履行演算法備案、變更及登出備案手續。除備案外，如有關部門展開監督審查，生成式人工智能服務提供者亦應該對訓練數據來源、規模、類型、標注規則、演算法機制等予以說明。說白了，就是希望增加透明度。 目前全球大型語言模型訊息披露的監管要求，大致要點均從公司主體、演算法模型及產品應用這3個不同維度提出，既對責任主體與使用者直接交互的產品延續監管，亦關注底層演算法模型的安全。 其中，特別關注數據來源本身的合法性，例如非法獲取個人資料可能侵犯個人訊息主體的私隱權；非法使用他人的作品訓練模型或侵犯其著作權；或者由於訓練數據本身的品質，與大型語言模型的產出有問題。使用的訓練數據本身有機會導致歧視或含有不良訊息，也會影響大型語言模型輸出內容的合規合法性。 值得一提的是，別以為AIGC還是剛開始不久、遙遠得很的事，不少企業已在使用。有專家形容，這場科技革新可能比互聯網的影響來得更猛烈，亦將引發人類的一次思想及工作方式的重大蛻變。試想想，當思考成本被大大降低時，用《快思慢想》作者丹尼爾．卡尼曼（Daniel Kahneman）的說法，我覺得系統一（快思）的思考方式快將被機械人取代，人類必須盡快學會守住系統二（慢想）的暫時優勢！ 車品覺_香港科技園有限公司董事、香港大學中國商學院客座副教授