AI帶來「認知債務」

最近，MIT學者寫了一篇論文，有關利用AI寫作與大腦思維的關係。( 相關連結 ) 他們提出了一個新的名詞，叫「認知債務」 ( cognitive debt)。

-----------------------------------------------------------------

MIT的研究人員用腦波掃描發現，當我們只靠自己去完成寫作，我們的大腦皮層高度活躍，負責創造、整合、監控等多種高級功能的區域都在協同工作。一旦我們開始用AI輔助，這些區域的活動量就顯著下降，大腦進入了一種低投入的狀態。

研究者請三組不同人去做一個實驗： 第一組用AI寫作；第二組用搜尋引擎幫助；第三組只靠自己寫作。寫完後，讓他們複述自己文章裡的內容。

結果顯示：用AI的那組，百分之八十的人連一句完整的話都複述不出來，百分之百的人無法完美複述。而只靠自己的那組，只有百分之十一的人有困難。

----------------------------------------------------------------------------

寫作這個過程毫不簡單，需要人腦多功能的協調才能完成這類任務，特別是一篇長文，所需的大腦功能更多。寫作要求的能力如：組織文章結構、建構文章組織的邏輯順序、或腦內找尋詞語和造句等等，這些能力協調必須日積月累，從小持續的訓練。完全依賴AI的話，長期下去，我們把本該由自己完成的思考過程讓給AI。

持續依賴人工智能而不是自己去寫作，我們大腦中負責深度思考的能力，沒有得到足夠的練習。長久下去，無論如何大腦的功能都會受到影響，這是我個人的看法。

很多人對現在坊間流行的LLM底層邏輯完全不了解，它所謂的「思考」，其實是利用統計學去了解大數據，從而去造出預測。粗略去說，AI本質上是一個機率機器，它永遠會給你最常見、最平均、最安全的答案。長期依賴AI，思想和表達會變得格式化，向最平凡，最普遍的方向走，失去了一丁點的人性化。

如多用人工智能，便發現其擅長的長文分析，表面上全面而且很有理性與邏輯，但其實沒有一點點人性化的東西。未來AI普及後，肯定是更有人性化空間的東西或工作變得更稀缺，也更有價值，不涉及人性的東西或工種，會全給AI搞定。

在這個Blog，所有Blog文都是自己寫作，數年前已說過，寫作這過程可給我空間去訓練大腦與中文寫作能力，另外，也把這Blog當成多年來在生活與投資上的個人記錄。直至現在，從未有用過AI去修改任何文章。

用AI的話，沒錯，可減少文法上的錯誤，避免錯別字，或直接提高寫文的效率，但這Blog沒商業性質，效率這二字對我而言沒什麼意義。如我真的想多人看這Blog，或宣傳什麼，其實完全沒必要定期（過去數年基本上是一個月兩篇或三篇，從不間斷）寫長文，現在這年代沒人會多花時間在長文，只會花時間在短文 / 短留言 / 短視頻等地方。

我沒說過所有人都應避免AI，事實上在不少行業中，大語言模型已見其效用，特別是需要寫code的人，相信已離不開AI的幫助，效率提升太大了。我自己比較常用AI的地方主要把它當成強化版search engine，工作上一些繁瑣的機械化程序 (如做powerpoint開會)，也交給AI去提高效率。最近也多用AI去分析或了解不同股票，但當然，最後投資決定完全掌握在我的腦中。

善用AI提升工作或生活上的效率 ; 同時間，避免對AI產生必要的依賴，也同時堅守我個人的價值：強調大腦不停訓練與深度個人思考的重要性。這兩者需要一個很微妙的平衡。

談DeepSeek

近兩周，DeepSeek成為全球討論熱話。整個大模型open source，deepseek同時間公開發報一篇論文，提到模型算法內的技巧枝節。

對於寫代碼或編程，我的了解有限。對於跟數學原理有關的算法，我還算略知一二。下載他們發表的論文一看，部分粗略看懂。結合美國AI大廠工程師的解釋，大概明白多一點。

在訓練模型流程的細節位，極端優化算力與存儲能力的運用。例如整個運算到達某一個階段時，模型會自動砌割成數個細分小模型，各模型處理的參數與擅長的數據範圍不同，從而減少消耗無謂的算力。在運算方面，模型學習過程涉及大量大型矩陣乘法，技巧地活用不少線性代數原理，把巨型矩陣分解成不同因子，各因子是體型更小的矩陣，乘法運算上節省不少時間與存儲空間。其他的細節特別是有關RL的，我便不懂了。

若不是高端芯片短缺的話，正常思維路徑的模型建設者不會去考慮相關的技巧優化細節。只能說是高端芯片受限這個大環境下，才會去建構這種大模型。美國大量頂尖工程師不是能力不足，而是在優越大環境下，硬件軟件絲毫不缺，養尊處優，當然不會想盡辦法做出極端優化。

再次印證necessity is the mother of innovation。

在算力成本大大縮減的狀況下，模型性能卻不比美國頂尖的大模型差，這是第一個關鍵。第二個關鍵是整個模型開源，則全球的軟件工程師都可在這模型上進行更細緻的優化，更新或改進，或直接從中開發中更有應用性的產品。

在發展AI進程中的突破性進展，少不免有質疑聲音與造假的說法。整個模型open source，美國各大廠的工程師已細閱當中細節，基本上可看成第三方權威評估，各大廠(Dell, Amazon, Microsoft, etc...)已把deepseek模型陸續上線在自己的平台，造假可能性很低。其次，已有小規模的AI團隊如美國UC Berkeley博士生，利用deepseek上傳的模型編碼，自行建構自己的模型，發現模型確實可節省大量成本，但性能依然超卓。

當中最不透明的地方大概是deepseek需要的芯片量與種類，有陰謀論說它用了大量違規得到的英偉達最高階GPU芯片進行開發，這可能性當然不能排除。但deepseek模型當中的原創性想法得到業界AI工程師核實，它著實節省大量成本。即使不是坊間所說的50-100倍，節省成本是至少10倍，這是現階段業界人士的理解。

至於Open AI早陣子的指控，指deepseek團隊運用蒸餾法，把Open AI得出的數據蒸餾製作出自身模型，更是令人啼笑皆非。數據蒸餾法是業界常用的手法，Open AI的AI團隊不可能不知吧 ? 利用一個AI的數據或訓練結果去訓練另一個AI，已是很普遍的做法。

至於Open AI指控的所謂侵權行為更是可笑，Open AI的模型不是開源，根本不能抄襲或參考。其次，Open AI製造出的LLM本身是建基於偷竊全球數十億網民發報的資訊。如媒體在網上公開的文章全都有版權，內容創作者在不同平台發出的資訊全都有版權，Open AI私自運用這些海量數據製作LLM模型，過程中完全不開源，營收源自用家的月費，引入大量投資者投資而自肥，企圖狀大自己至龐然大物壟斷市場。若Open AI完全守法守規，所有網上資源都先申請得到創作者或機構同意才運用，成本增加萬億元也不止，Chatgpt誕生前公司已破產。

美國數個科技巨頭近年大量投資AI項目，搞軍備競賽，築高牆，營造一個必須年花數百億美元才有條件搞AI的大氛圍，不讓中小企或個人設計開發者有突出重圍的機會（即使他們有力突圍，也需要向巨頭們大量付費，利用巨頭的數據中心，數據或雲端運算服務，去建立他們自身的系統），由一開始便沒有造福全人類的想法，一心只搞數個寡頭壟斷。美國的資本體制下，巨頭們需要對投資人負責，一向都極度追求利潤。

近兩年美股炒起不少AI股，一間三萬億市值的芯片龍頭，但面向應用端的產品完全沒出現，估值明顯不合理。業界過去數年信奉為鐵律的Scaling Law，利用大量高端GPU芯片做運算，把LLM模型越做越大，算力愈來愈猛，便可處理更多大數據，這才能開發出應用AI。這個遊戲到了現在或許值得反思。

AI經過過去數年的快速發展，世上遺留下來還未訓練的數據已不多（對比數年前的狀況），這樣的話，市場早晚都會問一個問題：到底什麼時候才會出現消費者願意付費的AI消費產品？

從過去百年的科技各細分行業發展規律去看，首階段的領先者都不能持續壟斷到最後，中後段有中小型創業者利用前人走過的路，再另找路徑去突破巨企的圍堵，反撲巨頭成功的例子屢見不鮮。若現在便有人斷言，AI走到成熟應用的階段，領先的企業依然是現時最大的科技龍頭霸佔（Nvidia / Amazon / Meta / Microsoft / Google），這才算是天大奇事。

有關科技歷史發展，我建議Engines that move markets (by Alasdair Nairn)，這絕對是一本好書。

DeepSeek的出現給不少中小型開發者帶來希望。或許，做到應用型的產品，根本不需要數百億投資在芯片上，LLM可大規模縮小，只需處理精專細分業務的工作，便足以做到滿足大眾需求的產品。簡單的例子如手術室內的AI機械人不需要處理有關自動駕駛的數據，或建築應用的AI機械人不需懂歷史知識等等。這樣的話，不需要最高階的芯片或許已可做到相關產品。

行業規模化生產落地，相宜的人力成本如頂尖工程師的分紅與工資，市場找到足夠大的應用需求，再加上數據中心需要大規模配搭電網（美國的電力基建系統完全不能接收用電量的大幅提升），當中需要政府有效率地配合，再加上各AI子行業需要的大數據也需要政府配合調配數據資源。綜觀全球，只有中國能滿足所有條件。

本年剛開始，AI界出現這個大突破，我相信對AI行業的進展是好事，向AI普遍性應用踏前一大步。

網上課程與人工智能

數星期前，利用睡前的空檔，登入Coursera看看。(噢，對了，很多香港的年輕人完全未聽過Coursera。) 好奇心驅使下，試看了有關人工智能的課程片段。。。哇，不得了，驚世大發現，課程內容實在引人入勝。 雖然我對研究股票，其他投資產品，世界性經濟政治，什至一些人文科學也有不同程度的興趣，但若論有趣程度，當然遠比不上此課程吧。

  
近數天，差不多所有晚上都在看教程，做當中的功課，測驗等，著實好玩。

網上課程是一個偉大發明，參與者可在任何時間或地點學習，費用全免。 對一個有好奇心的成人而言，可把它看成一個活寶貝。 當然，對世事沒好奇心的成人，例如一些「強調自己已經財務自由，身家以億計的文化乞丐」，他們的看法可能是: 「這一些無聊東西，只有「工資奴」才有興趣去看吧。」

先旨聲明，小弟純理科出身，所以人工智能中運用的數學或電腦技巧，個人很快便可到達一定的理解程度。(其實，以難度而言，當中所用的數學或電腦知識，只能算是大學Year1/Year2的東西吧。) 當然，人人能力，背景，或興趣不同。 不過，個人相信，有求知慾的成人都會對不同課程感到一些好奇的。 有一些跟人文類有關的課程，當中的習作似會安排跟世界各地的學生分組討論。 有趣有趣。

其實課程短，內容中有不少技巧性的細節，由於時間關係，講者只能簡單概述。 令人感到此類網上課程，似是專為學生打開「好奇的心靈」，有心力去研究的人自然會自學更多。 小弟將來也會認真多看有關的東西。

當然，人工智能的研究已有數十年歷史，近十年電腦運算能力大增以致此領域發展神速。 大趨勢走不了。 此領域的眾多應用還未普及，更可說是，整個潮流未正式開始，身為這個年代的人，當然期待後續進展。

世界上有一些地方或國家，政府大力推進有關研究。 近數年迪拜政府已多次強調要變身為Smart City。 政府大小不同部門都有自己的智能手機應用程式，銀行基本服務櫃台愈來愈少，差不多由電子交易全面取代。

對於新科技，他們自然支持官方機構或私人企業進行研究，下一個月舉行的人工智能展覽會，將會展示不同參與者的新制品。 我是鐵定會到場支持的，好好研究參觀一下。

雖然本地人中，有部份確是「好食懶做」。 但近一兩年，已看到部分年輕一代的求知慾大增，上進勤力，再加上本地政府在教育和科技上投入和推動，實在是一個充滿活力的地方。

在此，不得不說出個人心聲，俗語說: 「後生仔，90後或2000後，最緊要去嘗試做自己喜歡的事，起碼將來不會後悔。 同後生仔傾計，梗係想講多d有關一帶一路，人工智能，電子貨幣，無人機，眾籌，唔通開口埋口都係買樓收租同財自咩?」