EP5 | 關於AI沒人說的秘密 支援AI背後的硬體配置 Feat. Vito

在 AI 熱潮下🤖 🌊，每隔一陣子就不斷推出的新興AI工具，都需要對應的硬體配置來協助支援 AI 進行運算，這集節目中帶你了解 AI 背後需要有哪些硬體來支援👀 

本集主題 
🔹 GPU/CPU 差別 
🔹 AI 伺服器目前的進展、趨勢 
🔹 AI 伺服器的記憶體新技術 
🔹 AI 伺服器目前研發的困難 
🔹 Vito 哥給未來想從事 AI 工作同學的建議 

歡迎留言跟我們分享你的想法以及心得回饋歐~ 

Transcript

Hello 大家好 歡迎收聽Take a Bite 科技咬一口 在這節目中 我們會用輕松聊天的方式 討論IT 網通技術以及產業大小事 OK 那上一節我們主要討論 AI 應用的部分 有淺淺的理解 大概AI是什麽樣的概念 但實際上呢 AI 背後它是一個巨型剛剛Vito哥也有講巨型電腦很多巨型電腦在做運算 那這些電腦設備它包含了什麽 為什麽需要那麽多的硬體設備呢 老實說我個人不是很清楚 所以在這一集我們要討論的是 AI背後的巫術是什麽 剛剛講很像魔法一樣那它背後是什麽樣的波數呢稍微基礎了解一下 AI是什麽樣的概念 但是硬體方面呢 通常會支援AIML 這樣子的一些任務 它需要怎樣的硬體配置呢 OK 講到AI的硬體配置 其實這有點在上課的感覺了 計算機概論又要開始了老師我們今天可能大家都是麻婆因為我說得清楚 盡量簡單 裏面會有一個核心中的核心 就是GPU GPU其實以前叫做顯示卡 它負責的就是 你以前一個螢幕 要顯現出來的時候 它是很多像素組成的 我們常聽到什麽1920x1280 這種解析度 也就是說 它總共會有 1920x1280 個小點點 組成一張熒幕 那每秒鐘 我們聽到60F Fran 也就是說 一秒鐘它有60張 會處理 那你可以算算看 我數學不好 1920x1280x60 也就是說 它一秒鐘要處理 這麽多的RGB的訊號在其中 那GPU最重要的 就是一張一個圖片 它這麽多像素在這邊 它是要做同時間處理 那GPU最重要的就是 並行運算 同時間去運算它的算數那GPU在AI Server上 其實GPU的數量 並沒有一定的規範 大家都稱為 AI Server AI Server 覺得跟AI扯上邊 就是Server 但也有人提出來 AI Server 至少要搭配兩張GPU卡 才能稱之為 AI Server 這沒有一定的規範那一般我習慣看你的需要處理的資料量有多少我們來決定它是不是AI Server 那我們平常會聽到另外一個 這是CPU 長電壓CPU 因為我想問一下 GPU跟CPU差別是什麽 我剛才有聽到 GPU它是做平行運算 那GPU走的叫序列運算 也就是說它一個指令處理完它才能處理下一個它跟GPU不一樣GPU是同時間可以比如說你有640個核心 就同時間處理640件事情 但是GPU沒辦法處理覆雜的事情 我舉個例子來說好了 今天我在YouTube上開一個直播 旁邊有留言板 也要按讚 那處理畫面 直播 聲音這些是GPU擅長的事情它要同時間把畫面顯現出來 但是它不擅長於處理留言 點讚 甚至donate 有的沒有的這些事情 那個是CPU擅長的事情 所以CPU跟GPU各自負責不同的領域 CPU會把這個運算所需要的指令 發散下去給所有GPUGPU負責運算 然後再回饋給GPU 所以這個是個 趨於不可相似的東西嗎 沒錯 那當然它也 整個AI Server裏面 也需要有大量的記憶體 因為你每次GPU的運算 就是要有地方儲存 所以我們需要大量的記憶體以外記憶體是速度比較快的device那你也有可能用你的儲存裝置 像SSD之類的 幫忙做一些資料儲存的動作 萬一你記憶體不堪負荷的時候 除了有GPU CPU 記憶體還要有你的儲存裝置 再來就是我們前面有提到的假如我可以改變AI Server的話我會想要往哪一個方向發展那個就是網通 它需要一個資料傳輸的網路通道 去把你的資料傳輸到 不同的AI Server之間 去做交互的運算 所以這五個要件 是一個AI Server必要的條件 剛剛講到一個所謂的交互運算 交互運算的概念是什麽今天我在Server A算的資料可能是Server B需要用的資料 那我可能 Server B就必須得等 Server A算完 才會給他 那這就是 一個交互運算 有可能他們就是 一整個任務 被切成好幾次的 然後其中 A是負責一塊B負責一你解釋得非常好我記得你有說過像GPU還是專註在運算 對 因為我之前曾經看過AWS 他們有講過一個比喻 他說CPU像是一個大廚 他什麽都會 但是今天如果你要他說 你同時要翻500個漢堡 大廚可能沒辦法一次翻500個 所以GPU就是500個助手 他可以一次把漢堡飯碗但是你要他說你要來做出500個美味蟹飽他可能做不出來 是 沒錯 他知道蟹飽秘方 蟹飽秘方 GPU不知道蟹飽秘方 他只知道 要怎麽翻那個 漢堡肉 漢堡肉 有一個GPU 是專門就放那些 lettuce然後那因為有一段時間其實GPU很紅吧 甚至還斷貨 是Data Mining的那段時間 就是挖礦那個時候 那個時候用的GPU 跟現在是不一樣的東西 我想挖礦用的GPU是 因為其實現階段 人比較重視所謂的CP值 也就是說你的能源消耗 跟你的最後獲得利益要取得平衡 那你用現在 我們所認知的AI Server 那個GPU太高等了 完全不劃算 他們用的大部分都是 所謂的消費型等級的GPU 就是比我們電腦裏面 消費者的 沒錯電競類的GPU就夠了就夠挖礦但是沒辦法去run一個AI server 它其實所謂的AI server 剛有強調 看你的資料量多大 那就類似你提到 為什麽會有crash的狀況發生 你當然也可以用簡單的顯卡 去架成你所謂的AI server 但算力夠不夠 要跑什麽東西看你可能就跑你自己個人使用的的模組是OK的 如果要算恰GPT 全世界人在用就 那沒辦法 那差太遠了 你組成十萬台都不夠 了解 剛剛講CPU跟GPU 有一個叫TPU 是什麽東西 TPU我們一般我習慣把它歸在SmartNIC類的它是幫忙在做資料 一進來的時候檢索 哪些是我必要的 一定要馬上處理的資料 會馬上去做 那哪些是我不需要 現在馬上處理的資料 丟給其他地方去處理 所以它有點像是一個 證物分派的一個 是它也是一個硬體設備是它的T是什麽是哪個字啊我有點忘記了 因為TPU是Google的 那像NVIDIA是DPU Intel是IPU 每個都有自己的 Tensor Processing Unit Tensor 基本上TPU裏面會有兩個東西 它還是會有網路 網路進來的資料 那它一般會含一個簡單的不管是X86還是ARM Server 不是Server Processor 它會去做 簡單的解鎖 現在還沒有 沒有很流行是嗎 現在很流行 但其實資料量 要夠大到 需要用到 我所謂的XPU 因為每家命名不一樣 但都是PU 所以我什麽對XPU什麽處理器我稱這些 你會用資料量大到 需要用到XP的 我想客人並沒有很多 所以一般我們會認識到的 像Data Center 不管Amazon Microsoft Google Facebook Tencent這些 他們才會用到 那我們一般的企業用戶相對來說用的量就沒有那麽大了 那TPU它有什麽缺點嗎 像那個GPU它的缺點 就是它沒辦法一次 像CPU一樣去處理很多事情 那TPU TPU一樣啊 它其實就只能做 資料進來的初步檢索你要它去做覆雜運算它有運算力因為它有CPU在裏面你要它做覆雜的事情它沒辦法去做 它只能就簡單的 先做資料檢索 這些芝麻蒜皮的小事 這樣子而已 但其實這樣就已經 幫忙很大了 因為CPU的loading 就整個下降了 那VTOL哥對於最近AI在AI領域上接下來會有怎樣的一些進展或是它的現在的趨勢是什麽 可以跟觀眾分享一下 其實結合前面我們討論的 幾個大趨勢方向 包含節能 包含網絡通訊 包含我們剛剛提到的 所謂的倫理法律相關的問題 我想再多提一個 就是資料保密 因為其實AI Server 目前來說 它的資料來源 通常是不保密公開的 會有很多各自上的問題 我之前就聽說有公司 他們就是員工 可能就像我們這樣想要翻譯他們內部的文件就不小心被別人抓到說 原來這個公司在研發什麽東西 所以我們公司其實 在team上面 其實有copilot的功能 它不讓我們用 OK 我發現 它team上面有一個 旁邊有app 你可以去install這個copilot 但是install copilot 你問他什麽問題 他都跟你說就是You need the permission from your administration OK I see 但只能局限在你自己電腦嘛 其他就沒辦法了 對啊如果你去問ChatGPT 他也幫不了 是 我覺得這是目前的應用 跟資料來源的資料保密 我想是一個很重要的議題 確實 這樣怎麽防範 這需要從腦袋好一點 想教你這種的 我還想我並沒有 我並沒有 我覺得其實我們有聊到 簡單聊到 對 好像真的很難防 因為有一些人他們會擔心 之前剛開始就是 那叫什麽 大型數據你是Big Data嗎Big Data那年代的時候大家都很在意自己的個資 大家很排斥 就像我爸媽 那個時候一定 很排斥輸入自己的賬號 對他們來說非常的困擾 是 對 那我覺得 是不是跟現在一樣 大家還沒有去習慣 AI這件事情 我想個人的隱私權的 關註程度跟使用AI這本來就是息息相關的因為其實就像 有些新科技 以往的 就像導航剛出來的時候 其實也不是所有人都會用 但需要時間 其實我現在還是不太會 往什麽前 什麽圍靠右走 什麽叫圍靠右走 還叫什麽圍靠右走 一開始導彈的時候要跟你說往東南是我根本就不知道 哪邊是北 對啊 那我現在方向是什麽 我都不知道 你根本就說往東南 我覺得就是一個 很好的例子 沒錯 習慣的問題 那想法AI也一樣啊 那先把隱私權解決了 我想會有越來越多人會願意用AI的對不過我覺得這件事情最後還是要回到你使用者本身就是你要有這個概念 就是說 你今天丟出去的資料 就像是我們跟Google講說 我問Google事情 其實你也是在幫Google 搜集Big Data 是 他就可以慢慢勾勒出 你這個人是誰 那AI某部分來講其實也是在是怎麽樣的人我常常在查那個海綿寶寶海綿寶寶的東西裏面的那是屬於他迷因的 對 之類的 對 之類的 對 所以有可能還是得 回到自己身上 因為這個也無法用 所謂的法律去約束他 難不成我公司就說 以後你們員工只可能吧對不對確實而且它也是幫助我們提升效能的一個工具對 非常中籌 就因為我使用它 難道你要失去這個人才 就陰陰廢食 然後又失去效能 我想這個是雙向的 因為你user願意用 相反的 就像我們會要求 越來越多所謂的軟體提供相對的反饋就像Facebook現在的隱私學設定越來越多我覺得是雙向的 那這有點類似 我們一開始提到 以前Nine沒那麽風行的時候 然後人家也不太用 現在用的多high啊 像我媽都在滑reels 她會滑reels 她會滑YouTube shorts 很先進耶 很棒耶太厲害三四年前沒營養 自己家都要滑 但相反的 像我就會設了 在這些 設計上設了很多 隱私權設定 大部分人就可能 找不到我會幹嘛 iPhone iPhone它 這方面真的做得很好 它就是 你下載打開一個app 它第一個一定會先跳出來 Ask App Not To Use Your Data 還是什麽的 它會有一個permission prompt 這樣跳出來 然後就跟你說 你願不願意讓這個APP 去收集你的使用習慣 是 沒錯 它才不會就是 我們常常會講說 被竊聽了 我剛好在心裏想說 要買一個LV包包結果那個廣告 就會一直打LV包包出來 那像iPhone它這方面 它App跟App之間的 隱私權 這Data的互相傳輸 是你可以自己去決定 要開還是要開 沒錯 我想ChartGPG 未來也會有方式出現了讓user去決定你的資料要不要被公開其實有時候 我覺得說歐盟 因為歐盟之前 都會定義一些 比較跟個人隱私 法規有關的法案 說不定我覺得 歐盟來天就開始規定 確確必定以後 有什麽敏感的東西 你應該要把它遮蔽掉就是現在學校教育類沒有人在用AI當作教育的工具 那因為隱私權 或是這種敏感話題 如果在教育上面 有發生什麽問題的話 應該會蠻麻煩的 蠻麻煩的確實 那它對於教育有什麽影響力 AI嗎 AI對教育有什麽影響力 其實我覺得AI是就我們前面提的 是幫助你提高效率的好東西 所以我覺得它可以在 教學助手這一塊 幫助蠻大的 因為其實老師準備很多題材 真的有點麻煩 有時候圖片影像的吸引力 比文字還強烈文字又比聲音更強烈對 所以其實某方面 我覺得AI可以在教學上 幫助應該是蠻大的 其實多一點想的話 學生就可以用AI寫作業 交報告 我站在教育者的角度來想 我不站在學生的角度來想 你知道有AI在專門破解 你是用AI寫的東西嗎 真的 對 有趣 但是又有另外一層 是專門幫你把你AI生成出來 第一手的文字 再轉換成 像是人寫的 幻覺化的什麽 幻覺化的什麽 然後可能就比較偵測不到 可能原本是80%是ChopGPT寫出來的你轉換一下變成是 ChopGPT寫的有機可循 對 比較起來的東西 其實讀起來的文章 就沒有那麽的捧損 它都是人家一段一段 空下來 以我自己寫了很多paper來說其實上網比對就全部都知道了你只要有設定一個ground rule 比如說連續七個字一樣 那很容易就比對出來 所以V同哥也有在寫論文 以前以前 因為大概寫過查過 那ChadGBT 我一開始在用他的時候 我會再把它回答文 再重新上網搜尋 你就會發現很多地方 它copy很多地方出來 會有很生硬的問題 因為轉的不好 因為畢竟它這也是 參數集合上的東西 沒錯 沒有消化過 沒錯 它根本就不知道那什麽 完全知道那什麽意思 所以這還是人 還是比AI還要再更高一層的關系沒錯那在AI在教育方面其實我個人 第二個面向 我覺得他可以在 幫忙老師做自動化評估 跟所謂的客制化教學 因為其實每個人 程度確實不太一樣 那從你的學生的反饋 跟你的最後的 不管是從考試 或什麽各種反饋回來 一定會有 那AI可以在這方面 給予很多加強跟補助 那比較差的 是不是要特別 尤其是他不擅長的領域 是不是有可以 特別的加強 什麽樣的課程 他會給 可以去分析 對沒錯 不過是某部分來講 還是有資訊落差的問題 因為假設我家的資源沒有你那麽多AI分析出來但是我還是沒辦法用這些利用這些工具來讓自己更好所以是得這樣子對我記得好像某一個CEO 好像在 看一個新聞 在印度就是 創辦一個AI學院 那他是怎麽 老師是AI嗎 還是教學 就是專門在研究AI領域 就會有非常多 夏威夷頭哥這樣子不是電影嗎還是真的嗎沒有是真的OK你去查一下 我一點忘記是誰 前陣子突然 有跳出來過 因為剛好跟教育有關 OK 就還蠻厲害 他投資在印度 就是一個 大家都知道 印度人對於這種 計算方面 非常的厲害他們軟體特別厲害對沒錯其實城市都很厲害我們公司也蠻多 印度的夥伴對不對 對是沒錯 OK 那我想要繼續 問一個問題 在AI伺服器 在研發當中 你會不會遇到 有沒有曾經運過 什麽樣的挑戰 或瓶頸 太多了有沒有印象深刻的就是讓你覺得說哇天啊這個實在太痛苦了把你折磨很久但是你後來是 其實最痛苦 是在一開始 每個世代的規格 都不太一樣 在定義規格的時候 一定是最痛苦的 就像你要 我們剛剛提到寫論文 你根本就不知道 paper一開始你要寫完結果發現主題不對 有可能 那相反AI Server 在一開始 Maker Generation 在做研發開發的時候 我們都常常碰到同樣問題 到底規格符不符合 未來的軟體發展 這是軟體想要發展方向 因為那個相當昂貴的東西一旦錯了就前功盡棄了 對啊 所以萬事其仇的 是 那你覺得就是 每一代跟每一代 最主要可能我們在講說 比如說 現在以前是H100 A100 那現在是H200 B100 對 那我們通常在講 這種時代差異我們會用什麽標準去比較其實以同一家公司來說的話 現在的科技公司都蠻聰明的 他們會盡量的 把同一個規格往後延伸 那我們要做到在能源使用上 有一定的效率 第二個 就是說下一個世代 盡量同一個規格 可以繼續沿用也就是說要定好大架構比如說好了 你剛剛提到A100 也許它這個A100的GPU 整個重量是在40公斤 下一個世代H100 可能到60公斤 我的機構設計 就是要考慮這些 把它是加大 加寬 加厚 加規格那你就可以持續的沿用下去了就不需要 每次都要特別 為他們做修改 做重新設計 所以就減少客制化 可以這樣理解 沒錯 那如果我們是以 比如說速度 或是運算速度 什麽這些來看的話 我們會用什麽標準 去看說 這個所謂的前一代我們都是可以預期的其實我說的網路速度我們從400G要變800G 都是有規則可循的 那這個其實只要 follow每個世代的roadmap 我想就不會碰到 什麽太大問題 所以基本上 我們可以預期 接下來應該就1.6TB出現了 是 沒錯 大概要多久 好難回答 這個如果我裏頭有講的就是預言家預言家沒有查莎預言家我預期AMD的MI400 跟NVIDIA的B200 B100 它其實是兩張H100合在一起 它沒有什麽新的技術可言 它只是把它堆疊在一起 那它的這下一個世代 我認為就差不多到800 那以MI400 應該是在2026年 哪一塊 2026到2027 也就是說你想1.6T 這可以說 這可以講 OK的 覺得1.6T應該快要退休了吧 2030前後了 這麽快就要退休了 沒有 其實剛剛還有講到另外一個 就是一樣在講瓶頸的問題 剛剛我們就有提到 跟隱私有關系 是 像剛剛Johnny有講 透過一些法是一種 異性規定 或者是一個 這種就算是 科學素養的培養 我覺得有點像這樣子 是 就像是以前大家在讀文章的時候你要如何判別假新我覺得我們部分人其實也是要告訴人家說你用AI 你不能全然相信它 它搞不好講出來 是胡說八道 對 沒錯 我們之後 在我們的IG上面 也會分享 就接下來生成是AI 還可以就是生成影片 那它是非常逼真的 很像是電腦動畫做出來的上個對就是SORA嘛是對OpenAI的SORA當它普及化的時候 你在網路上看到 在抖音上面看到的東西 已經很少是真的了 我不知道你們有沒有辦法判斷 我個人有辦法判斷 但是我相信很多老人 尤其是老人家 會沒辦法判斷 對你看像今天還是昨天 那個Eclipse 那個是日全時嗎那個很容易造假不需要生成的 也可以造假 你可能用電腦動畫 去做一個 就有人會相信 一顆月球要飛過去 其實真的有流傳 這樣子的影片 然後還真的很多人相信 我之前那個台北101 像鼓動鳴 在這邊晃那個 那你到底會拿出來用嗎那個就特但是還是有人會覺得真的假的我想這有兩個層面 第一個 其實這些所謂造假 會不會影響到 我們真的日常生活 這是我們第一個要判斷 那第二個 假如真的會造成影響 那影響程度到底有多大 這有時候 每個人的觀點面向 都不太一樣 所以我覺得這個議題 永遠不太可能會有解答的一天今天政治人物 假如你造假他 他覺得他傷害很大 他可能就采取法律行動 各種方式來捍衛他權利 但是你剛剛講的是權利事實 太陽明明就沒事 那要不要相信是你的事 對不對 我想到是之前那個deepfake 對很多deepfake對很多deepfake就是名人然後被接到一些色情相關的是沒錯 或是政治人物 他們明明就沒有 講這句話 然後被引發揭幕 對引發揭幕 直接套用他們 整個臉部表情 都跟那個聲音 都完全模仿的 一模一樣 其實科技有一個 最大的隱憂常常看到我們的立法速度永遠跟不上科技就像電子錢包 出來的時候一樣 那我想 未來科技越來越發達 越來越進步 尤其是AI 這麽方便的時候 相關的問題 一定還會持續發生 那我們只能 真的期望我們政府 能夠加快 立法速度 真的是要全世界各國 一起全部就像現在加密貨幣 到現在還是不普及 因為太多問題 但是會回到我剛剛提的 有沒有碰觸到我們的核心利益 因為加密貨幣是貨幣 我想問一下就是 Vito哥對AI Server的技術方面 之後有沒有什麽新的技術 還是什麽可以透露一下 其實以現在 這回到上面有一題 就是目前的 AI Server的 所有的零組件 我們剛剛有提到 CPU GPU相關的 那其實以目前來說 我相信未來技術發展 都是為了解決 所謂的瓶頸而存在科技始終來自於人心 人心 是intel還是 別的公司的slogan 沒有透露自己的經驗 科技始終 intel沒有 不要來告我們 他們的產權 我想科技真的是 當你這個技術發展的時候 總是在某個地方會碰到瓶頸瓶頸是會移動的可能這次解決這個瓶頸瓶頸就跑到別的地方去了 那以目前的 AI Server的瓶頸來說 是記憶體的頻繁跟容量不夠 所以我比較 所以我比較傾向 看好的是未來會有一些特殊的像CXL基礎的顯一個記憶體讓它在不同的server之間 data可以互相傳輸 而不需要透過 不用透過 不用透過一些protocol轉換 就可以直接的互相傳輸 了解 所以現在是沒有這樣子的技術 這才剛出來 那目前還沒有很新的應用 我們還在看看 還是或者是這個是以後大家真的會 都轉去用這個技術 目前來說 我看NVIDIA不太支持 他們想要用自己的 對 那我們還在看 它的競爭對手 假如願意的話 其實這個是一個 蠻大的利器 因為其實 你的預算速度 資料流的速度假如時間越短的話 其實是效能越好 就是我們在講 RDMA這些東西 對加速 沒錯 那它其實就是這種功能 CX和補充一下 它是叫Compute Express Link 有興趣的觀眾 可以自己上網 Google一下 或是問ChatGPT 不知道會不會準可能不會準2011年搞不好在美國 有啦 他2019出來到現在 還蠻久的 是 還沒普及化 還沒 那就是Vito哥這邊對於 如果剛開始要從事這個產業 或是還在讀書的學生 有沒有什麽樣的建議我想就不同科系給不同的建議吧 因為假如像電子電機 比較偏向硬體方面的 其實多學一下 多看一些計算機概論的東西 那因為畢竟AI Server 還是計算機延伸嘛 假如你是比較偏向資訊工程 寫software寫軟體的那就是多學一下 AI相關的 軟體應用 像是一些 Python啊 之類的 那假如你是跟 資料比較 因為其實我們剛剛提到 AI大部分是 資料分析嘛 對 你對資料 Data Mining一些比較有興趣就是去找資料的關聯性我想那個科系叫什麽有點忘了 那像我們這種文組 就是文字人文學科的話 你的建議是什麽 其實你們是最好的資料來源 因為我們工程師電腦都是實時的 但是文科的東西 像一些像心理學 社會學 其實是幫助我們在做資料分析 很重要的一個領域所以各行各業都可以去 去通到AI的邊 像剛剛講的教育領域 那醫學應該 它是不是就是來幫你分辨病癥 讓醫生在看那些病例的時候 是可以啊 沒錯 相信大家 對 以前大家有時候都會在那邊說什麽站著說你看那個文理組怎麽樣怎麽樣現在看起來大家都可以在這個領域上 各有所長的發布 所以不用擔心被AI取代 一定要好好的運用 不是利用 運用 但是有個前提 就是文組還是要對資訊科技 有一定的人士 所以大家一開始在學這些的時候這就是為什麽現在各行各業需要各種 真的要導入AI的時候 需要找各種領域的人進來 因為其實只有人才能夠判斷 一開始我需要什麽樣的資料 你這些資料對不對 比如說心理學 我們剛剛提到心理學 那你一直在強調思覺失調但是你忽略了遭遇癥的就你已經自動的 已經幫他們 做分門別列 那其實資料 也就不太 不太正確了 對 非常期待 之後AI AI伺服器 AI這個領域 可以帶給我們 未來更多的便利性 會的我最後有沒有什麽用一段話來勉勵一下勉勵一下 要踏入這個領域的好朋友們 我想AI是一個 相當廣泛的領域的科學 那其實需要 像還有很長一段路要走 因為其實從AI的理論發表到現在 應該有50年了 那整道真的AI成就到 我們可以想象那個世界 我相信還需要另外一個 50年以上的時間 那我想AI是一個次世代的顯學 理論上需要各位更多的投入 跟更多的去學習 所以我可以說 其實我們不用太畏懼它 不用太畏懼說 AI一定會對我們不好 或怎麽樣 而是要把它當成一個好的工具 讓我們生活更便利但是我們同時 也不要完全說 AI講的都一些對的 因為它是機器人 它的機器算出來 好像比我們聰明 或怎麽樣 也不要這樣 不要太無知 還是要用一下自己的腦 沒錯 現在來到 Question of the Day的時間 你對生活改變了嗎A 沒錯AI 好讚哦好棒棒B 不我才不愛AI C 如果你還有其他想法 可以在下方留言 謝謝大家收聽今天的 Take a bite 科技咬一口 還沒訂閱關註的朋友們 請花一秒鐘的時間 揍爆那個訂閱的按鈕 你也可以到各大Podcast平台 收聽我們的節目 點擊下方鏈接 追蹤我們的IG 或搜尋takeabyte BYTE 就能找到我們哦 好嘞 期待下次見面 拜拜