香港電腦學會：學習駕馭AI提升使用效能

近一兩年，人工智能(AI)大語言模型(LLM)的訓練，從基於人類反饋的強化學習(RLHF)，演變成了結合基於可驗證獎勵的強化學習(RLVR)，再加上檢索增強(RAG)、思維鏈(CoT)和監督微調(SFT)等方法，使現在的生成式AI大模型可以像人類一樣會反思、會糾錯、甚至會停下來想一想，令生成式AI降低了模型幻覺的概率，在解決複雜數學問題和代碼生成等方面，有很大的能力提升。即使如此，AI仍會在語義理解上，表現出不可預測性。

OpenAI創始成員Andrej Karpathy，在對《LLM 2025年回顧》一文中，用「鋸齒狀智能」(Jagged Intelligence)一詞形容此現象──現在的AI，既是博學多才的通才，但在某些基礎常識上，卻又可能會犯低級錯誤；根本原因在於LLM訓練，是現有訓練數據分布與優化目標驅動的概率擬合，而非像人類一樣，形成連貫的認知體系。幻覺會隨着技術進步不斷降低，但不會消失。

鋸齒狀智能為一大弱點

雖然鋸齒狀智能是當前LLM的本質屬性，這對極度重視合規與精準的香港某些行業，例如銀行業與法律界，是個巨大的挑戰。但人們也要意識到，將之優化的方向，不是抹平鋸齒，而是學會駕馭，用工具和流程補全其能力和缺口，提升其可靠性。以下是兩個簡單的例子。

例如，你可以把LLM當成專業顧問，用其負責創意和複雜推理，把算帳、驗證對錯這些簡單工作，交給常見的工具，例如計算機或Excel軟件，發揮其長板，避開其認知盲區。又例如，你可把LLM當成自己的助理，遇到複雜的需求，不追求一次性解決問題，而是拆分成多個簡單任務，用重複的指令並行執行。例如要處理幾百頁的文字校對，或須匯總幾十個不同來源的網上內容，採用分段或拆分加重複指令的效果，遠比你一次性輸入，並期待準確輸出要好得多。

這些簡單任務，不需要用昂貴的萬億參數模型，而變成了精準、廉價的小模型疊加，甚至可以在公司的筆記簿電腦上運行的「局部代理」(Local Agents)，這樣能更安全地處理涉及公司私隱的核心帳目，既省錢又保密。

更深層的變革發生在商業模式上。過去10年軟件即服務(SaaS)的黃金定律，是「賣人頭」(Per Seat Pricing)，但AI代理(AI Agent)的出現，正在摧毀這個模式。如果AI能在一分鐘內自動完成採購單生成、比價、合規檢查，你還會按月付費嗎？相信你會轉為要求按「完成的採購單數量」或者「節省的成本」付費。美國風險投資公司a16z的報告顯示，愈來愈多的企業要求「結果定價」(Outcome-based Pricing)。

令「天才」成企業可用工具

這是一種「產出型經濟」的強勢回歸。如果你還在靠「賣人頭」來賺取服務費，在今年，你的競爭對手，將會用近乎零邊際成本的AI代理，以你十分之一的價格、10倍的速度搶走你的客戶。所以現在要做的，就是利用香港在法治、金融合規上的優勢，將那些「鋸齒狀」的AI天才，封裝成企業敢用、能用、會用的「可靠員工」。所謂「數碼鴻溝」，將不再是「懂不懂用AI」，而是「敢不敢授權AI」。

試想像，當兩家香港進出口貿易商競爭時，一家還在靠人手，甚至已開始應用ChatGPT輔助寫電郵、對匯率、查關稅；而另一家則擁有一群「24小時在本地運行的AI代理」，能在兩秒鐘內，自動完成從全球詢價、風控評估到支付指令的所有流程，就已不再是效率高低的問題，而是降維打擊了。

香港電腦學會企業架構專家小組執行委員會成員 陳曉煒