大語言模型與ChatGPT

大語言模型與ChatGPT

大語言模型（LLM）以 2017 年 Transformer 為骨幹，靠預測下一個 token 從海量文本湧現對話、摘要與推理能力。2022 年 11 月 ChatGPT 上線兩個月破億用戶；其後 GPT-4o、Claude 4、Gemini 2.5 競逐長上下文與工具呼叫，把「會說話的 AI」從實驗室推入搜尋、辦公與創作入口。

為什麼熱門

每次 GPT、Claude、Gemini 重大更新都牽動股價與媒體版面；語言模型已變成新一代作業系統介面，決定誰掌握流量、生產力與知識入口。搜尋、辦公套件與客服入口都在爭誰先把對話變成預設介面，API 價格與速率限制也同步牽動新創成本。

超級圖書館員

把 LLM 想成讀遍網路卻不善於「查證」的圖書館員：它極擅長依上下文猜下一個最合理的詞，卻不保證事實正確。2017 年 Google 論文《Attention Is All You Need》以自注意力取代 RNN，開啟並行訓練時代。參數自 GPT-2 的 15 億躍至 GPT-3 的 1750 億，規模法則讓少樣本學習湧現；ChatGPT 再以對話框把這股能力交給任何人，兩個月用戶破億，改寫人機互動劇本。規模法則讓少樣本學習與指令跟隨成為可預期的產品能力，而不只是實驗室驚喜。

預訓練、對齊與推理

旗艦模型多經三階段：海量語料預訓練、指令微調，再以 RLHF 或憲法式 AI 對齊偏好。2024–2025 年 GPT-4o、Claude 3.5/4、Gemini 1.5/2.5 在多語、百萬級 token 上下文與函式呼叫上纏鬥；o1、o3、Claude 推理模式則用「多想一會兒」換正確率。溫度與 top-p 調創意，系統提示定人格與安全紅線——產品化勝負常在這些細節，不在紙面基準分數本身。長上下文讓整本手冊與整段程式庫摘要成為日常操作，工具呼叫則把聊天接上真實系統。

從實驗室到全民工具

Microsoft 把 GPT 接入 Bing 與 Microsoft 365 Copilot；Google 以 Gemini 守搜尋與 Android；Anthropic 用 Claude 主打長文與安全；Meta 則以 Llama 開放權重攪局。API 讓新創數行嵌入對話；企業以私有部署與 RAG 控知識外洩。MMLU、GPQA、HumanEval 成軍備賽記分板，但採購更盯延遲、每百萬 token 成本、幻覺率與合規——Demo 驚喜抵不過上線後的穩定與可審計。

語言成為操作系統

當自然語言變成呼叫軟體與知識的介面，搜尋、文件、客服與寫程式的邊界被重劃。OpenAI、Google DeepMind、Anthropic、Meta 的開閉源雙軌加速創新，也放大能源、著作權與就業爭議。對個人：會提問、會驗證、會把模型當協作者，比死記提示詞更值錢。LLM 不是萬能神燈，而是需監督的認知槓桿——用得好是加速器，用得盲是放大器。能源消耗與著作權爭議提醒：普及之後，治理與使用素養都不能缺席。對社會而言，能源與就業衝擊必須與能力軍備同步治理。把查證與引用寫進個人工作流，比死背最新型號更能在下一輪產品迭代裡站穩。

重點整理

大語言模型把「預測下一個詞」放大成全民認知引擎。ChatGPT、Claude、Gemini 證明語言介面能重寫工作流，但幻覺、成本與合規邊界仍在。學會當提問者與查核者，比追逐版本號更有長期報酬——把查證寫進工作流，比死背型號更能保值；未來屬於善用模型、而非被其取代的人。未來屬於善用者。