神仙、老虎、狗

圖片出處：網路

于昇華  臉書  

于昇華
預備班11期，陸官校42期，步兵雜學科。足跡踏遍本外島大部分地區，三個月兩次500公里，摸熟北部山區，主管師對抗兩次，所有中南部的大溪全下去穿插砂石車進出道，方便用兵。70年金馬自衛隊回台閱兵少校總教官【前後，都是上校級擔任】。編寫解嚴後海岸巡防班哨手冊，成全國範本。上過外傘頂洲。中壢事件時，中壢師戰情官、第一次抗議時，台北衛戊師中興橋守備營長。澎湖漢光一號演習，正規登陸及空降地武德守備指揮官。30年前的馬祖，澎湖，台灣地形瞭若指掌。有在駐地留下工程奇事。北竿的軍魂發電廠進出道、中壢雙連坡重慶八號大炮掩體、金門二士校改建戰鬥營洗滌工程、澎湖山水高地參觀台。

寫作經史：幾乎，寫作的作品，總是以多面向，大視野的俯視開場，又用同時報導方式呈現，使讀者既錯身在兩個甚至多種動機迥異，撲朔迷離的事件裏，又浸淫於詭譎懸疑，緊張刺激的小說情節中，背景更是都以發生在台灣和所有外島的軍旅，以及當今和歷史的真人真事貫穿，讓讀者有著似曾相識的臨場感以及不可思議的真實感！烴爆的連串事件導火線，直接引燃了故事的烈焰。每個故事高潮迭起的熱力和天馬行空的想像力，讓讀者再也「無法享受」看結尾就知事件的快閃感！如果讀者照著書上所述，上網查看，更會驚訝很多資料的正確性。恍惚間不禁要問，真有這回事嗎？！從無意中因為（疑青峰命案【抱歉不能直書】）奇異，又正逢農曆年，於是趁機振筆疾書，寫下了【誰殺了上校】一書。蒙書華書局約稿，三個月完成了四十萬字的【戰計畫～～攻略澎湖】一書，開創了台灣軍事預言書的先河。在香港和北美多種文字出版，也隱隱然成了研究台灣戰爭的軍事工具書。之後戲作【軍中求生手冊】更獲年青朋友喜愛，當成軍中摸魚的教科書。事隔十年，同時出印了【殺戮戰場台北101（誰殺了上校第二集）】，【野戰之狼成吉思汗】，【活棺人（穿越小說）】，再印【台灣阿甘（書局要的名字）】，【奔襲台灣救國軍】編成【玄機圖】（誰殺了上校第三集，310000字）未付印。承網路 曾彥霖 朋友幫忙，在臉書開了［于昇華軍史讀書會~奔襲台灣救國軍］，變成寫作貼文之處。常敍軍旅心得和軍事未來發展淺見。承蒙網友不棄，貼出的像樣作品都有幾千的讀者涉獵，上萬的也不在少數。

真的沒有想到電腦進化到，大家都快變成阿諾或是母體的養子了。

看一看「我們是最後一代」人工智能的演變，才會想到，當中美爭5G到6G時代掌舵時，人工智能已開始接收人類的成果。

看看大師級的分析吧。我的引言，就算人類在和人工智能的和平共處演進好了。

★ ★ ★ ★

我運氣很好~~~我們是最後一代。

在校，學了點計算機概論，弄了電子鐘萬年曆。

然後為了寫和編筆記，在陸院自己買了當時最流行的紙邊有洞的記事硬紙片，只要剪洞，就可分類自己的筆記，像我用一針插進陣地防禦，另幾針插進步，炮，戰，工等分類處

就會掉下所有經過分類而有用的資料。

那是民國六十七年，在最休閒的學校，當著上將軍踩滑輪板的日子，將準則和筆記整理的結果。

這前後，就開始吸收和接收資料處理類的書籍，各有所長。甚至開始看系統分析類雜書，就是不務正業。

到民國71年，宏碁的「小教授」出現了，真正的8位元電腦附帶中文。

於是我開始學習BASIC行列式語言。

我的營部文書及政戰官張大鈞先生都幫我入門

夜深人靜時，我就練打倉頡。

同時，預官後勤官也依我要求，將全營槍隻號碼輸進卡帶，沒錯，就是聽音樂的卡帶，不是5.25軟片。

這在雙哨命案建了功效！當師部要求徹查槍枝號碼時，我立刻得到答案而且馬上向師長反應：「相關槍枝號碼及其前後碼，都不在本營。」

「你怎麼查的？你可是分散橋哨營！」

「報告師長，我全營的武器號碼都在電腦中。一查就知。」

在學程式語言時，我認為，我不應當寫程式的，大軍統率在於明事理！於是，我改看系統分析的書，慢慢瞭解圓形的，三角形的，四方形的，橢圓形的各種符號代表的意思。也在腦海中增加印下了浮水印。（又不務正業，問題是，正業是什麼？營長不再管部隊作息，是指導連隊了。）

一晃轉眼，打了兩次師對抗，看了三數次（隨習他師對抗）的陸總計畫署的微電腦，和龐大的所謂資訊預官輸入官。

我只管演習後的師作戰簡報，根本沒聽有關兵棋報導。

我也趁機去了裝甲兵指揮部，看了他們所謂的桌上型個人電腦兵棋，都很有心。

又過數年，我挑起了作簡報的工作，不瞞您說，這時個人電腦沒有向量化的字體，不管打字或電腦鋸體字的大銀幕簡報，字都很難看。

看電腦展，有了畢昇排版系統，於是，每次簡報在定案後，我的左右手就直接下山，找了這家，打出了我要的簡報字數A4紙，然後送照相館配合做投影片。

所以，上層拿到的簡報一本都是兩三百頁A4紙版，包括彩色圖表或是照片。一般人就是像書印的。這又是一家影印公司24小時配合裝訂。

有一天，某某裁編大案到期了，沒人寫。這屬計劃署非作戰，我不管。

宋川強參謀長找我去（處長他同學，不能哀！）（伊呀呀，一位處長是我在陸院時的隊上輔導老師，現在這位叫我同學，73年在戰研班混過。），要我晚上編出來！

幹！我是說~~幹了。

我建議，我用電腦打，這樣上邊要改就方便，不必文書重新清稿。

「你會打電腦？！！」不可置信！

「哦，在軍中沒事混出來的。」

單位在74，5，6年吧，有人買了兩台20MB硬碟286，不屬我，所以上去玩了玩，連列表機都能用，還有列表紙。知道了。

那一夜，我在打電腦，從只敢偷看的小兵到少將，都來看，並問，這中文怎麼出來的？

唉呀呀，我是一指神功啦，看金庸小說練出來的！（不瞞您，除了在北竿當連長給司令官表揚我看天龍八部外，都只看科幻軍事，推理小說及史記故事書。）

第二天，一疊電腦計劃就這麼上去了。

是今天就要發出，所以，高官都只是蓋章，問的都是，這電腦好不好學？要怎麼弄出中文字？

掛保証！作戰計劃看多了，但，這是他們第一次看到中文電腦字弄出的計劃。

呈到毛司令手上，我坐對面，翻翻看看，直接就在簽，稿上畫可和批發。

於是乎，中華民國陸軍第一份的電腦字計劃，就送上了陸軍總部和參謀本部。

反正，玩的越來越大，最後差點玩出人命，反正真正的286，40MB當伺服器的電腦兵棋出台了，共快400台，相距200多公里的兩實兵師對抗兵棋系統，裁判系統和命令格式上百種，都完美加入演習。

我很早以前的參三科長崔將軍，跟我開玩笑說：「有了這套，以後中央機動裁判組就可以不要了！」

一語成籤！

當時和這些手邊的碩博士晚上半夜討論時（白天我管的作戰很累呢！師對抗是訓練管。），就聽到了許多電腦新知，有關類神經已經是前瞻性的理論。

好了，我同學傳給我一封人工智能的現有成品，大家就看看吧

真正資訊大家所言要看，這些人工智能已在我們身邊了！

美國和中共爭的就是

人工智能！

我回同學的，就當另個推薦文吧。

愛恩斯坦是用了40億個腦神經，我們一般人只用了20億個

說人腦子短路和少根神經其實都對。

人的腦細胞有個神經元觸角或觸腳

我們看讀寫的都存在腦子中

當使用的時候，這個單細胞腦神經就會伸出觸腳去連結。叫神經元。

所以多用，就會立刻得到要得的資料

這個觸腳以電腦講就是連線

會佔空間，所以電腦都往類神經元走。

$$$$$$$$$$$$$$$

【我們是最後一代】

Yi-Jing Lin 林宜敬     〔1987年畢業於台大資訊工程系，1995年取得美國布朗大學電腦科學博士學位。曾任台大棒球隊三壘手、美國IBM華生研究中心博士後研究員、趨勢科技新產品研發部協理。2002年創辦艾爾科技（MyET），目前擔任該公司執行長。〕

一、

如果三年前有人跟我說，人工智慧將會變得比人類還聰明，那我一定會認為他在胡說。

但是隨著ChatGPT、MidJourney、DALL·E等大型類神經網路（Neural Net）的高速發展，現在我也開始擔心了。

也許幾年內人工智慧就會變得比人類還聰明，而我們將會是「最後一代」。

二、

類神經網路的運作方式，跟以前傳統的電腦程式很不一樣。

傳統的程式，靠的是加減乘除以及邏輯運算，一切都是程式設計師「設計」出來的，所以對於傳統程式的運作原理，程式設計師們自己當然是一清二楚。

但類神經網路是模仿人類大腦而建造的，他的能力是「訓練」出來的，而不是「設計」出來的。

所以就像身為老師的人，往往搞不懂自己的學生是怎麼想的一樣，身為類神經網路訓練者的工程師們，往往也搞不懂自己做出來的類神經網路究竟是怎麼運作的。

三、

人腦的思考能力，來自於一些透過突觸（Synapses）互相連結的腦神經元細胞（Neurons）；

而人工智慧類神經網路的思考能力，也是來自於一些透過參數（Parameters）互相連結的人造類神經元。

人類在學習的時候，腦神經元的突觸連結方式會發生改變；而人造的類神經網路在學習的時候，參數的數值也會發生改變。

動物的腦，突觸的數量越大，思考學習能力越強；而同樣的，類神經網路的參數越多，思考學習的能力也越強。

四、

早期的類神經網路所包含的類神經元數目，了不起也不過是幾萬個，恐怕比一隻蟑螂的腦神經元數量都還要少。

所以早期的類神經網路都只能專注於某種特殊功能，像是下圍棋、幫照片著色、或是將語音轉換成文字等等。

五、

但是近幾年，許多大型的科技公司野心變大了，開始去訓練一些稱作 Foundation Models 的超大型類神經網路。

像是 ChatGPT 以及 DALL·E 背後的 GPT-3，就是一個擁有1750億個參數的超大型的類神經網路 。

而科學家們估計，人腦大約有100兆個突觸。GPT-3 的 1750億個參數跟人腦的100兆個突觸相比，只有五百分之一左右，所以GPT-3的思考記憶能力，終究還是比不上人腦。

六、

但是GPT-3所受的訓練跟人腦所受的訓練一樣，已經是多方面的。

它閱讀過無數關於天文、地理、歷史、物理、化學、音樂、以及程式設計的網路文章，

所以它就像一個精通數十種語言，同時還上過天文、地理、歷史、物理、化學、音樂、程式設計等各種課程的傢伙一樣，什麼都能聊。

七、

科學家們訓練 GPT-3 的方式，是讓GPT-3大量閱讀各種從網路上蒐集來的文章，然後叫 GPT-3 寫短文給真人老師批改。

然後科學家們為了省事，又去設計訓練出一個「人工智慧家教」（Reward Model），用他來替代真人，專門幫 GPT-3 批改作業，進行訓練。

八、

而 GPT-3是個好學生，他不會死讀書，他會消化吸收，他會把它學到的知識內化（Internalize），轉化成類神經元上面的參數數值。

ChatGPT 很老實，當我們問 ChatGPT 問題的時候，它並不會臨時抱佛腳，偷偷上網去找資料，它也不會偷看小抄，把預先寫好的答案整段背給我們聽。

ChatGPT 的回答真的都是「GPT-3 自己想的」，「GPT-3 自己記得的」。

所以每當有些人埋怨，說ChatGPT 的回答往往不盡正確，我都會覺得他們是苛求了。

因為 GPT-3 的年紀還不到一歲，他已經算是個博聞強記的天才兒童了。一般人絕對記不得那麼多的事情。

九、

而更厲害的是，像 GPT-3 這樣的類神經網路之所以被稱為 “Foundation Models” （基礎模型），

就是因為創造它們科學家們，把它們類比為受過基礎語文訓練及通識教育的「通才」。

只要我們把 GPT-3 複製一份，然後對它進行密集的天文學訓練，那它就會變成一個天文學家；

只要我們再把 GPT-3 複製一份，然後再對它進行密集的經濟學訓練，那它就會變成一個經濟學家；

只要我們再把 GPT-3 複製一份，然後再對它進行密集的物理學訓練，那它就會變成一個物理學家。

十、

如果這還不夠讓你覺得驚恐的話，那科技界盛傳，繼GPT-3之後，下一代的 GPT-4 馬上就會在今年推出了。

據說 GPT-4 的參數數量會是 GPT-3 的 500 倍，也就是100兆個，跟人腦的突觸數量相當。

很顯然的，GPT-4 的設計者就是要做出一個跟人腦腦容量相當的人工腦，一個名副其實的「電腦」。

然後GPT-4絕對不會是人工智慧研究的終點站，接下來很可能會有人腦 500 倍容量的 GPT-5、人腦 25 萬倍容量的 GPT-6。

十一、

所以順利的話，一年之後，研究所的學生都不用再自己寫論文了，因為論文可以交給 GPT-4 寫，而且寫的絕對比大部分的研究生都好；

同樣的，大學的教授們也不用再浪費時間上課、指導論文了，因為反正學生的作業跟論文都是 GPT-4 寫的，

教授們不如把 GPT-4 複製一份，直接去教 GPT-4 做研究、寫論文；

然後教授們訓練出來的 GPT-4、GPT-5、GPT-6會越來越厲害，厲害到他們青出於藍，總有一天會比當初訓練出他們的教授們還厲害，

可以自己做研究、自己訓練下一代的 GPT-7 、而且去跟 Google、百度訓練出來的類神經網路進行學術討論了。

十二、

所以我們很可能是最後一代。

我們可能是最後一代的真人研究生、最後一代的真人指導教授、最後一代的真人學者。

至於人類接下來會怎麼樣？很抱歉，請不要問我，因為一年之後，我的臉書應該都是由 GPT-4 或是 GPT-5 代寫，

而且它們會是經過我特殊訓練過，寫作風格跟我完全一樣的類神經網路寫手。

而當然，各位也不用自己留言提問了。因為到時候，各位自己訓練出來的類神經網路網友們也會自動留言提問，自動幫我的臉書文章按讚。

我們是最後一代的真人臉友。

上文承蒙 于昇華 先生同意，引用他的「臉書」系列文章，特此致謝！

https://youtu.be/7uljoeHgN4g
若網頁無法觀看，則請點選 YouTube連結網址，前往 YouTube觀看。

延伸閱讀：