第二件要談的事情，想必大家已經心中有數，就是ChatGPT的發布。它是使用強化學習訓練模型來生成的一個聊天軟件，其回應方式比一般AI來得人性化，應用場景也更為廣泛。客服人員可以找它生成一段簡短的投訴回覆，作家可以指示它來寫故事、寫詩，翻譯人員可以簡單地獲得有專門風格的翻譯文本，開會人士又可以更快地收到已被歸納重點的會議記錄，程序開發人員更可以通過它來容易地生出代碼。其實，它的功能還遠遠不止於此。他可以按照使用者的指示，來提供具體的決策建議，例如應該往哪裡旅行，應否接受醫生診治等。

然而，根據用家所述及專家測試，該人工智能聊天機械人確實有著種種局限。如果用家所提出的要求是牽涉小眾領域的知識，或者是互聯網上難以直接找到的知識，或者是訓練材料以外的知識，例如關於2021年之後發生的事情，那麼，該軟件的回應就有可能變得非常糟糕，更甚者，在簡單的使用中，它更可能會產生所謂的人工智能幻覺，即答案看似十分合理，但內容實際上卻是虛假的，這使得用家極難分別。

這些因為訓練材料不足所產生出的問題，看似在現今的知名人工智能模型中頗為普遍，但是否真的如此呢？要知道，在現實世界中，我們面對完整資訊的機會，其實不多。井字遊戲、象棋、鬥獸棋等，是一些例子。但一般涉及他人的行為，就通常會或多或少有一些部分的資訊是不完整的。在這些情況下，人類可以如何獲得人工智能的協助？相關的理論基礎為何？

LSCM – David Chung