科技界一般都认同“第四次工业革命”大约是从2016年开始的，当时支撑科技宠儿人工智能（AI）的工具如深度学习、卷积神经网络（CNN）和循环神经网络（RNN）等，成了电脑视觉、语音和图像识别，以及部分自然语言处理任务的主导。AI也开始进入制造业与工业、物流与供应链、农业与医疗、金融能源以及科学研究等领域，进展循序缓慢。2022年后，由于大语言模型以及相关科技的突破，一瞬间，AI以廉价普及的方式飞快走入市场，其中翘楚“生成式AI”突然间广泛地令几乎每个人都可以随意应用它，也打开AI可能失控的潘朵拉之盒。
现在坊间应用最多的，是利用AI与大语言模型的功能，通过代码、文本、图像、音频和视频等的生成，为个人或公司处理各种以文本为基础的作业。AI在这方面的应用，肯定会节省资源，提高作业流程的效率和生产力，不过在应用之前，我们应注意用生成式AI创作的几个固有限制，以免无意中踩踏红线。
首先是有关版权和知识产权的问题。当我们指示AI生成作品，如文章、图像、音频和视频的时候，不可能知道AI之前是从什么时候、什么地方和什么资源，学习了多少技巧，才替我们生成这个作品的。如果没有关于这内容的专业知识，或者没有专人审查，也或者根本不熟悉知识产权的法律涵盖，就算踩到红线也不自知，就等着面对日后法律诉讼的风险。虽说我们也可以指示AI，不要抄袭某某人或某某风格，但我们不知道个别AI的机器学习模式，所以这样的指令没有什么实际作用。
第二个局限是刻板的固定人设。AI模型反映并放大训练数据中存在的偏见，所以生成的内容会默认，将某些场景和职业或其他活动与特定族裔关联，或偏向某种文化。大家可以试用AI生成一些专业人士如医生、律师、工程师、秘书甚至劳工的图片，又或者典型的恐怖分子、匪徒、盗贼，就可发现它出现特定性别、种族和样貌的偏见。这可怪不得AI，因为它在网络里学习到的是早前存在的资讯，所以已被过去的世界定型了。大家或许还可以叫AI生成一张“在法国旅游不受欢迎的游客的怕输（Kiasu）行为”，生成的图片定会令你莞尔。
第三是生成式AI的共情性与幻觉问题。AI会很自信地生成虚假信息，捏造引用不存在的信息来源，或将不正确的事实，虚构成仿真内容。最危险的是AI不会告诉你或指出哪一部分是它的幻觉，不去小心求证，每一部分就可能触动地雷。AI的“共情性”是另一个陷阱。AI那似真的情感共鸣和深度个人化，可以错误地影响和引导受众的情绪、认知和思绪，让人对实际情况产生误判。如最近发生的庆祝国庆海报的大疏漏，就贻笑大方。
其实，人类的创作过程与AI的没有什么不同。人类在创作前也经过学习各种知识，包括有版权保护的知识和内容，只是不及AI的数量之多罢了。但区别在于我们在生成内容前，知道雷区和陷阱，会拿捏分寸，除非是刻意而为，一般不会踩到版权红线。我们同样对各种事物和文化有刻板人设和偏见，不过人类比较圆滑，知道什么是“政治正确”，会在不同场合选用适当的内容。不过，人类的共情和幻觉不及AI的细致，人类的胡扯一般很容易被觉察。
回想40多年来电脑科技的发展道路，从工商业慢慢成熟成长。AI的发展过程也是如此，只不过电脑科技用了将近40年的进展，AI却在不到10年就完成。这一波革命来得太快太猛，令人类措手不及，狼狈地摸着石头过河。这或许就是人类对未来的AI的无奈。
作者是电子工程师
