「夠好的知識」最強大：別因為AI會犯錯，而放棄它能為你帶來的好處

幻覺引發關注的另一原因，是它的確會帶來新的潛在危害。如果是一個充滿自信的聊天機器人教人們如何偷車，比起設計過時的呆板網頁，前者當然更能激勵人們依指示行動。人們的擔憂並非毫無根據。但是，當我們思考大型語言模型的利與弊時，我想特別討論：

1. 在某些情況下，「夠好的知識」就可以發揮非常強大的影響力。

2. 在我們認定大型語言模型出現太多錯誤、無法容忍之前，我們應該實際理解它們製造了多少錯誤，以及我們在其他來源容許的錯誤程度。

以維基百科為例，光是維基百科英語版，現在每月就會吸引來自8.5億台不重複裝置、超過100億次瀏覽。不論它存在多少錯誤，我認為我們可以肯定地說，人們已經學會接受它，現在我們經常性地仰賴維基百科，幫助我們探索與理解世界。

但是在維基百科發展初期，它也曾被視為不可靠的機器。創辦人威爾斯（Jimmy Wales）經常提到一個觀點：「它能提供足夠好的知識，就看你的目的是什麼。」這也正好呼應了我一直提倡的原則。我依據這個原則做出各種投資、政治與慈善事業的決策：建立好的分銷管道，比提供好的服務更能決定產品的成功。沒有好的分銷管道，就很少人有機會試用你的產品。

維基百科是免費的網路資源，比從前任何百科全書都更容易取得。透過網路發行的模式也讓維基百科得以省下印刷與運送成本，表示它可以涵蓋非常多主題，讓大英百科全書等實體出版品顯得，呃，不像百科，甚至可以說內容相對貧乏。

最後一點，維基百科透過數位發行，可以立即、持續地編輯與更新資訊，將資訊不準確的缺點，轉變成很容易被修正的問題。

另外，當大規模發行的產品在內容品質上出了問題，使用者會立即反映。這也是為什麼制訂優秀的分銷策略，也等於是擁有優秀的產品開發策略。我常說，如果你對自己的第一版產品不會感到丟臉，就代表你太晚推出了。你的目標是盡早獲得使用者回饋。

維基百科的眾多使用者發現，群眾共同產出的「夠好的知識」很實用，所以他們持續使用。另一方面，由於使用者頻繁地使用，又進一步提升了維基百科的實用性，更多的使用者回饋，讓維基百科變得更好。

如今，維基百科是美國人最常造訪的十大網站之一，它傳遞的準確資訊量很可能超過任何新聞組織、百科全書、研究機構。不論維基百科存在什麼錯誤，它所提供的優質資訊量遠遠超過它的錯誤。這就是「夠好的知識」的力量。

我看到GPT-4和其他相關科技也呈現類似走向。比起維基百科或其他來源，我相信大型語言模型有能力回答更廣泛的問題，而且可以更快速回答。我相信它們可以透過符合直覺的介面，讓更廣大的使用者輕鬆找到需要的資訊。

這代表什麼？正因為大型語言模型在廣度、效率與可取得性方面具有優勢，我認為儘管會有幻覺，它們已經達到「夠好的知識」的程度。更重要的是，我非常有信心，事情只會愈來愈好。

所以，當有人呼籲應該像管制其他產業一樣管制大型語言模型時，我們也應該記住，現在的汽車和藥物管制也並非一次到位，而是依據多年實際使用經驗，考量各種附帶產生的、可衡量的問題與負面後果之後，逐步制訂而成的。

當然，我不是說應該要等到發生「夠多」與聊天機器人有關的悲劇，再開始草擬有意義的AI安全規則。但我同時也認為，我們現在還沒有足夠的資訊與脈絡，可以決定需要制訂哪些規範。所以很重要的關鍵是，我們必須獲得更量化、更系統性的資訊，應對大型語言模型引發的問題與挑戰。

發生問題時，企業通常有充分的誘因去修正它們。微軟因為倉促推出聊天機器人Bing而受到批評，Bing後來出現另一個人格Sydney，會以明顯不當的方式與使用者互動。幾天後，微軟採取了簡單粗暴的補救措施，限制使用者與Bing每回合對話不得超過六個問題。我認為這也凸顯了線上軟體的另一優點。正因為這個特性，我認為管制這項科技，將和管制汽車或藥物有很大不同：在數位世界需要召回產品時，可以非常快速、全面地做到。