如何看待當下被AI輔助的世界？
.
如果你問 ChatGPT 或其他 LLM 是如何推論因果關係的，可以得到它們誠實的回答：基本上對於事情的原因與結果分析，LLM 提供的是”相關性”和大量資料訓練的知識(?)，而非真正的因果推理。
.
如果就《因果革命》作者 Judea Pearl 的洞見來說，人類是建立在原因與結果的生命，對事物追問其原因，會問 “Why?” 一直是人類的特別標誌。可惜現在的 LLM 還沒到達那一步(倒是讓我很艱難地在研究 AI causal inference，做為今年的目標。)
.
但這不是完全否定 LLM 的功能，至少，現在LLM可以幫助我們消化大量文本、做出摘要，而且AI整理出的各種”高度相關性”結論中，必定存在許多”因果相關性”的因素在裡面，只是無法保證而有待進一步論證。而對於醫療、社科、法律、經濟等依賴因果推論更優於相關推論的領域來說，應該投入更多資源來使這個領域發展。
.
我還記得大一上過的哲學概論是人生中重要的課程之一，其中一位已經仙逝的哲學教授負責形上學導讀，在課堂上介紹了休姆以及當時頂尖的因果哲學，不出所料地曲高和寡。但作為養分，causality成為縈繞一生的主題。對於統計以過分小心的相關性建立起來的學科的確當時有點排斥。不過因為AI第三次浪潮的興起，這項永恆的課題又再次浮現，托福學習了MCMC這個有趣的統計方法。
Feb, 2025
