LinkedIn 的聯合創辦人 Reid Hoffman 及 AI 科技公司 DeepMind 的成員 Mustafa Suleyman 在近期出資 2 億美元，投資了一間到目前為止並未有突出表現的 AI 科技公司 – AI Inflection。

儘管 AI Inflection 不像其他崛起的科技公司有優秀的財務報表，但 AI Inflection 所創造的新技術，卻是非常貼近於一般民眾的生活。

到目前為止，人類與電腦溝通的方式主要是依靠指令、設計過的程式語言等，這些電腦熟悉的溝通方式，其實跟人們一般的交流方式有很大的不同。也因此 AI Inflection 的首要目標，就是發明更貼近一般人溝通方式的電腦語言。

而要設計出能以人類語言溝通的電腦程式語言，依目前的科技來說，最直觀的方式就是利用 AI 收集人類語言及指令的內容，進行大數據機器學習過後再產出可能的結果。

其中一項訓練 AI 的方式，就是收集人們平常在電腦上進行的活動，包含鍵盤及滑鼠的移動和指令等，以模仿人類的活動及思考方式，例如讓 AI 觀察人們如何利用網路訂機票。

電腦不僅會作畫還會聽人的指令？

除了進行溝通之外，電腦在學會了人類語言之後，還可以衍生出其他有趣的功能。OpenAI 團隊的 Dall-E 2 模型，是一款根據指令創作圖像的 AI 模型，如今因語言訓練的進展，Dall-E 2 已經能根據非常口語的指令來創作出令人信服的結果。

然而，如此的訓練方式卻不一定盡如人意。AI 模型的訓練需要大量的數據才能讓電腦學會指定的內容，而目前最容易的收集數據的方式就是透過網路，但透過網路收集的數據，卻不免的一定會有些偏頗。

人工智慧發展雖還未成熟，但長路漫漫未來可期

AI 的發展確實還有很長的路要走，要設計出這些 AI 勢必需要許多熟悉機器學習及大數據訓練的研究員，然而，如此的人才在市場上卻非常稀少。甚至連大型的科技公司中，也都只有少部份的人在進行 AI 的研究。

且根據 Suleyman 長達 15 年的團隊組織經驗，他認為一小群人比起一間大公司，在開發新的 AI 模型上是更有效率的。

因此，對於研究 AI 的科技公司來說，接下來的課題不僅僅是找到興趣相投的夥伴、相關領域的人才，如何好好利用數據，不讓訓練結果因數據偏頗而產生不該有的傷害，也是需要關注的重點。