文／趙林緯 智能系統研究所碩士生

紀懷新博士是人工智慧領域中備受推崇的研究者，他的一篇關於「Chain-of-Thought 提示語在大型語言模型中的效用」的論文被引用次數超過八千次。他目前擔任 Google DeepMind 的研究副總裁，並在過去十年中深度參與推薦系統的發展，涵蓋 YouTube、廣告、新聞以及其他 Google 搜尋相關功能，因此對推薦系統的未來有許多見解可分享。

演講一開始，他介紹了推薦系統的三大組成要素：使用者、情境與物品。當這三者中的任何一項或全部被移除時，就會產生不同的推薦情境。例如，若三者皆無，那就屬於「大眾行銷」的範疇，也就是不考慮誰接收資訊、推薦什麼給誰，而是對所有人推薦相同的內容。

目前，上述各種推薦情境皆已使用神經網路處理，且每次皆使用相同的模型。紀懷新博士強調這種推薦方式的重要性，但他隨即提出一種顛覆性的轉變：由大型語言模型（LLMs）所帶來的新時代。他提到 Transformers 正是這場變革的核心技術，驅動著 Google 的 Project Astra —— 一個能夠辨識情境的多模態助理。演講中展示了該系統的實時操作影片，能夠辨識使用者所處位置、手繪草圖，並記得之前看過物品的位置。他稱這是推薦系統的下一世代技術，能夠辨識你附近的餐廳、營業時間，甚至依照你最近的搜尋紀錄判斷你是否有特定口味偏好等。

當這種概念應用在如 YouTube 這樣的平台時，推薦系統將不再只是預測你最可能觀看的影片並推送，而是每部影片都會反映出你當下的心理與情境狀態，並即時調整推薦內容。雖然從傳統推薦系統轉向基於大型語言模型的推薦系統會需要一段時間適應與不斷調整，紀懷新博士認為最終它會大幅提升系統的效能與準確度。

在演講的結尾，紀博士以一段令人感同身受的話語收尾：他指出台灣年輕人對於提出新想法普遍較為保守，也許與我們教育體系過度強調「正確答案」而非「創新思維」有關。在整場演講中，他多次鼓勵學生發言，並發送貼紙作為互動的獎勵。他也提到，儘管台灣目前缺乏從事大型語言模型推薦系統研發的環境，他仍希望大家對未來充滿信心。

演講結束後，許多學生圍上講台，詢問關於大型語言模型現況的問題，特別是關於「人工通用智慧」（AGI）的相關議題。紀懷新博士的回應是：專注於創造出一個優秀的產品，其餘的交由時間與社會共識去定義。作為一名研究者，這樣的思維相當值得學習，因為歷史的演進需要時間與集體的共識，而非單靠個人之力。或許有一天，我們回顧人工智慧的歷程時，會驚覺我們早已達成當初所追尋的目標。