Perbualan global mengenai kecerdasan buatan (AI) sering kelihatan tertumpu pada perlumbaan senjata yang tidak henti-henti – siapa yang boleh membina model bahasa besar (LLM) yang terbesar dan paling berkuasa? Kemajuan terkini, seperti keupayaan mengagumkan yang ditunjukkan oleh model seperti DeepSeek di China, pastinya menyemarakkan naratif ini. Di tengah-tengah landskap ekonomi yang mencabar, baik di peringkat global mahupun domestik, lonjakan teknologi sedemikian menawarkan gambaran potensi masa depan yang menggiurkan dan mungkin, pemangkin pertumbuhan yang amat diperlukan. Namun, untuk memberi tumpuan semata-mata kepada LLM yang menarik perhatian ini adalah seperti terlepas pandang gambaran yang lebih besar. Kecerdasan buatan, dalam cara yang kurang menonjol tetapi sangat berkesan, telah lama terjalin secara mendalam dalam fabrik kehidupan digital kita selama bertahun-tahun.
Pertimbangkan platform di mana-mana yang mendominasi interaksi dan perdagangan dalam talian. Bolehkah TikTok, atau rakan sejawatannya di China, Douyin, mencapai jangkauan global yang begitu mengejutkan tanpa algoritma cadangan canggih yang sentiasa menyesuaikan suapan kandungan? Begitu juga, kejayaan gergasi e-dagang, sama ada pemain antarabangsa seperti Amazon, Shein, dan Temu, atau kuasa domestik seperti Taobao dan JD.com, dibina atas lebih daripada sekadar penyumberan dan logistik yang cekap. AI bertindak sebagai tangan ghaib, secara halus mengemudi pilihan kita. Daripada buku yang kita pertimbangkan untuk dibeli kepada trend fesyen yang kita ikuti, tabiat penggunaan kita semakin dibentuk oleh sistem yang menganalisis pembelian masa lalu, sejarah pelayaran, dan corak klik kita. Jauh sebelum AI perbualan dapat mencipta puisi yang elegan atas permintaan, syarikat seperti Amazon dan Google telah mempelopori penggunaan AI untuk memahami dan meramalkan tingkah laku pengguna, secara asasnya mengubah pasaran. Bentuk AI yang lebih senyap dan lebih meluas ini telah membentuk semula perdagangan dan penggunaan media selama beberapa dekad, sering beroperasi di bawah ambang kesedaran.
Pedang Bermata Dua Model Bahasa Besar
Kemunculan LLM berkuasa seperti DeepSeek tidak dapat dinafikan mewakili satu pencapaian teknologi yang signifikan. Keupayaan mereka untuk menjana teks seperti manusia, menterjemah bahasa, dan juga menulis kandungan kreatif seperti puisi adalah luar biasa. Alat ini menjanjikan potensi besar sebagai pembantu peribadi, alat penyelidikan, dan rakan kongsi kreatif. Bayangkan memanfaatkan model sedemikian untuk merangka e-mel, meringkaskan dokumen panjang, atau sumbang saran idea – potensi untuk meningkatkan produktiviti individu adalah jelas.
Walau bagaimanapun, kuasa ini datang dengan kaveat yang signifikan, berakar umbi dalam sifat bagaimana model ini beroperasi. LLM dibina berdasarkan kaedah statistik yang kompleks dan rangkaian neural yang luas yang dilatih pada set data yang sangat besar. Mereka cemerlang dalam mengenal pasti corak dan meramalkan urutan perkataan yang paling mungkin, tetapi mereka tidak memiliki pemahaman atau kesedaran sebenar. Asas statistik ini membawa kepada kelemahan kritikal: halusinasi. Apabila berhadapan dengan topik di luar data latihan mereka atau pertanyaan yang memerlukan pertimbangan bernuansa, LLM boleh dengan yakin menjana maklumat yang kedengaran munasabah tetapi sama sekali salah atau mengelirukan.
Anggaplah LLM bukan sebagai oracle yang tidak pernah silap, tetapi mungkin sebagai pakar yang sangat berpengetahuan luas, fasih, namun kadang-kadang mereka cerita. Walaupun DeepSeek mungkin menggubah soneta yang mengagumkan, bergantung padanya untuk tafsiran undang-undang yang kritikal, diagnosis perubatan yang tepat, atau nasihat kewangan berisiko tinggi adalah sangat tidak bijak. Enjin kebarangkalian statistik yang membolehkannya menjana teks yang lancar juga menjadikannya terdedah kepada mencipta ‘fakta’ apabila ia kekurangan pengetahuan yang pasti. Walaupun seni bina dan model penaakulan yang lebih baru (seperti R1 DeepSeek atau o1/o3 yang dikhabarkan oleh OpenAI) bertujuan untuk mengurangkan isu ini, ia belum menghapuskannya. LLM yang kalis gagal, dijamin tepat dalam setiap keadaan, masih sukar dicapai. Oleh itu, walaupun LLM boleh menjadi alat yang ampuh untuk individu, penggunaannya mesti diseimbangkan dengan penilaian kritikal, terutamanya apabila keputusan berdasarkan outputnya membawa kesan yang signifikan. Mereka menambah keupayaan manusia; mereka tidak menggantikan pertimbangan manusia dalam domain kritikal.
Menavigasi Pelaksanaan AI Korporat dan Kerajaan
Walaupun terdapat batasan yang wujud untuk pertanyaan berisiko tinggi dan terbuka, LLM menawarkan proposisi nilai yang besar untuk perusahaan dan badan kerajaan, terutamanya dalam persekitaran terkawal. Kekuatan mereka bukan terletak pada penggantian pembuatan keputusan yang muktamad, tetapi dalam memperkemas proses dan mengekstrak pandangan. Aplikasi utama termasuk:
- Automasi Proses: Mengendalikan tugas rutin seperti kemasukan data, pra-penyaringan perkhidmatan pelanggan, peringkasan dokumen, dan penjanaan laporan.
- Pengoptimuman Aliran Kerja: Mengenal pasti kesesakan, mencadangkan penambahbaikan kecekapan, dan mengurus garis masa projek yang kompleks berdasarkan analisis data.
- Analitis Data: Memproses set data yang luas untuk mendedahkan trend, korelasi, dan anomali yang mungkin terlepas dari pengesanan manusia, membantu dalam perancangan strategik dan peruntukan sumber.
Aspek penting untuk kegunaan kerajaan dan korporat ialah keselamatan dan kerahsiaan data. Ketersediaan model sumber terbuka seperti DeepSeek memberikan kelebihan di sini. Model ini berpotensi dihoskan dalam infrastruktur digital kerajaan atau korporat yang berdedikasi dan selamat. Pendekatan ‘on-premises’ atau ‘private cloud’ ini membolehkan maklumat sensitif atau sulit diproses tanpa mendedahkannya kepada pelayan luaran atau penyedia pihak ketiga, mengurangkan risiko privasi dan keselamatan yang signifikan.
Walau bagaimanapun, perkiraan berubah secara dramatik apabila mempertimbangkan aplikasi kerajaan yang berhadapan dengan awam di mana maklumat yang diberikan mestilah berwibawa dan tepat tanpa keraguan. Bayangkan seorang warganegara bertanya kepada portal kerajaan berkuasa LLM tentang kelayakan untuk faedah sosial, peraturan cukai, atau prosedur kecemasan. Walaupun AI menjana respons yang betul 99% sepanjang masa, baki 1% jawapan yang mengelirukan atau tidak tepat boleh membawa akibat yang teruk, menghakis kepercayaan awam, menyebabkan kesusahan kewangan, atau bahkan membahayakan keselamatan.
Ini memerlukan pelaksanaan perlindungan yang mantap. Penyelesaian yang berpotensi termasuk:
- Penapisan Pertanyaan: Merancang sistem untuk mengenal pasti pertanyaan yang berada di luar skop jawapan yang selamat dan boleh disahkan yang telah ditetapkan.
- Pengawasan Manusia: Menandakan pertanyaan yang kompleks, samar-samar, atau berisiko tinggi untuk semakan dan respons oleh pakar manusia.
- Pemarkahan Keyakinan: Memprogram AI untuk menunjukkan tahap kepastiannya tentang jawapan, mendorong pengguna untuk mendapatkan pengesahan bagi respons keyakinan rendah.
- Pengesahan Jawapan: Merujuk silang respons yang dijana AI terhadap pangkalan data yang disusun rapi yang mengandungi maklumat yang diketahui dan tepat sebelum menyampaikannya kepada orang ramai.
Langkah-langkah ini menonjolkan ketegangan asas yang wujud dalam teknologi LLM semasa: pertukaran antara kuasa generatif mereka yang mengagumkan dan keperluan mutlak untuk ketepatan dan kebolehpercayaan dalam konteks kritikal. Menguruskan ketegangan ini adalah kunci kepada penggunaan AI yang bertanggungjawab dalam sektor awam.
Menuju AI yang Boleh Dipercayai: Pendekatan Graf Pengetahuan
Pendekatan China kelihatan semakin tertumpu pada menavigasi ketegangan ini dengan mengintegrasikan AI ke dalam aplikasi khusus yang terkawal sambil secara aktif mencari cara untuk meningkatkan kebolehpercayaan. Contoh yang menarik ialah inisiatif bandar pintar yang sedang berjalan di Zhuhai, sebuah bandar di Kawasan Teluk Besar. Kerajaan perbandaran baru-baru ini membuat pelaburan strategik yang signifikan (sekitar 500 juta yuan atau US$69 juta) ke dalam Zhipu AI, menandakan komitmen untuk menerapkan AI canggih ke dalam infrastruktur bandar.
Cita-cita Zhuhai melangkaui automasi mudah. Matlamatnya ialah pelaksanaan AI berlapis yang komprehensif yang bertujuan untuk penambahbaikan nyata dalam perkhidmatan awam. Ini termasuk mengoptimumkan aliran trafik melalui analisis data masa nyata, mengintegrasikan aliran data yang berbeza merentasi pelbagai jabatan kerajaan untuk pembuatan keputusan yang lebih holistik, dan akhirnya, mewujudkan persekitaran bandar yang lebih cekap dan responsif untuk rakyat.
Pusat kepada usaha ini ialah model bahasa umum GLM-4 Zhipu AI. Walaupun mahir dalam mengendalikan tugas Bahasa Cina dan Inggeris serta memiliki keupayaan pelbagai mod (memproses maklumat selain teks sahaja), pembeza utamanya terletak pada seni binanya. Zhipu AI, sebuah syarikat terbitan daripada Kumpulan Kejuruteraan Pengetahuan (Knowledge Engineering Group) Universiti Tsinghua yang terkenal, menggabungkan set data berstruktur dan graf pengetahuan ke dalam proses pembelajarannya. Tidak seperti LLM konvensional yang belajar terutamanya daripada kuantiti besar teks tidak berstruktur (seperti laman web dan buku), Zhipu AI secara eksplisit memanfaatkan graf pengetahuan berketepatan tinggi yang disusun rapi – perwakilan berstruktur fakta, entiti, dan hubungan mereka.
Syarikat itu mendakwa pendekatan ini mengurangkan kadar halusinasi model dengan ketara, dilaporkan mencapai kadar terendah dalam perbandingan global baru-baru ini. Dengan mengasaskan inferens statistik AI dalam rangka kerja pengetahuan berstruktur yang disahkan (seperti yang tersirat oleh asal usul ‘Kejuruteraan Pengetahuan’), Zhipu AI bertujuan untuk membina enjin kognitif yang lebih boleh dipercayai. Ini mewakili langkah praktikal menjauhi model statistik semata-mata ke arah sistem yang mengintegrasikan asas fakta, meningkatkan kebolehpercayaan untuk aplikasi khusus seperti yang dibayangkan dalam projek bandar pintar Zhuhai.
Pencarian Integrasi Neuro-Simbolik
Contoh Zhipu AI membayangkan peralihan yang lebih luas dan lebih asas yang dijangkakan dalam evolusi kecerdasan buatan: integrasi rangkaian neural statistik dengan penaakulan logik simbolik. Walaupun LLM semasa terutamanya mewakili kejayaan rangkaian neural – cemerlang dalam pengecaman corak, pemprosesan data deria, dan menjana output yang berkemungkinan secara statistik – peringkat seterusnya mungkin melibatkan penggabungan keupayaan ‘intuitif’ ini dengan penaakulan berasaskan peraturan yang berstruktur yang menjadi ciri AI simbolik tradisional.
Integrasi neuro-simbolik ini sering digambarkan sebagai ‘cawan suci’ dalam penyelidikan AI tepat kerana ia menjanjikan yang terbaik dari kedua-dua dunia: keupayaan pembelajaran dan penyesuaian rangkaian neural digabungkan dengan ketelusan, kebolehpercayaan, dan penaakulan eksplisit sistem simbolik. Bayangkan AI yang bukan sahaja mengenali corak dalam data tetapi juga boleh menjelaskan penaakulannya berdasarkan peraturan, undang-undang, atau prinsip logik yang mantap.
Mencapai integrasi yang lancar memberikan banyak cabaran kompleks, merangkumi rangka kerja teori, kecekapan pengiraan, dan pelaksanaan praktikal. Walau bagaimanapun, membina graf pengetahuan yang mantap mewakili titik permulaan yang nyata. Pangkalan data fakta dan hubungan berstruktur ini menyediakan asas simbolik yang diperlukan untuk menambat inferens rangkaian neural.
Seseorang boleh membayangkan usaha berskala besar yang ditaja oleh negara di China, mungkin mengulangi usaha monumental menyusun ensiklopedia Yongle Dadian semasa dinasti Ming. Dengan mengkodifikasikan secara digital sejumlah besar maklumat yang disahkan dalam domain kritikal di mana ketepatan tidak boleh dirunding – seperti perubatan, undang-undang, kejuruteraan, dan sains bahan – China boleh mencipta struktur pengetahuan asas. Menambat model AI masa depan dalam pangkalan pengetahuan berstruktur yang dikodifikasikan ini akan menjadi langkah penting ke arah menjadikannya lebih boleh dipercayai, kurang terdedah kepada halusinasi, dan akhirnya, lebih dipercayai untuk aplikasi kritikal, berpotensi memajukan sempadan bidang ini dalam proses tersebut.
Pemanduan Autonomi: Kelebihan Ekosistem China
Mungkin arena yang paling menarik di mana China kelihatan bersedia untuk memanfaatkan tumpuannya pada AI bersepadu yang boleh dipercayai ialah pemanduan autonomi. Aplikasi ini berbeza daripada model bahasa tujuan umum kerana keselamatan bukan sahaja diingini; ia adalah terpenting. Mengendalikan kenderaan dalam persekitaran dunia nyata yang kompleks dan tidak dapat diramalkan menuntut lebih daripada sekadar pengecaman corak; ia memerlukan keputusan sepersekian saat berdasarkan undang-undang trafik, kekangan fizikal, pertimbangan etika, dan penaakulan prediktif tentang tingkah laku pengguna jalan raya lain.
Oleh itu, sistem pemanduan autonomi memerlukan seni bina neuro-simbolik yang sebenar.
- Rangkaian neural adalah penting untuk memproses limpahan data deria daripada kamera, lidar, dan radar, mengenal pasti objek seperti pejalan kaki, penunggang basikal, dan kenderaan lain, serta memahami persekitaran terdekat.
- Logik simbolik adalah penting untuk melaksanakan peraturan lalu lintas (berhenti di lampu merah, memberi laluan), mematuhi batasan fizikal (jarak brek, jejari pusingan), membuat keputusan yang telus dan boleh disahkan dalam senario kompleks, dan berpotensi juga menavigasi dilema etika (seperti pilihan kemalangan yang tidak dapat dielakkan, walaupun ini kekal sebagai bidang yang sangat kompleks).
Kenderaan autonomi mesti secara berkesan menggabungkan ‘intuisi’ dipacu data dengan penaakulan berasaskan peraturan, bertindak secara konsisten dan boleh diramal untuk memastikan keselamatan adaptif dalam situasi dinamik. Ia tidak mampu menanggung jenis ‘halusinasi’ atau ralat kebarangkalian yang boleh diterima dalam aplikasi AI yang kurang kritikal.
Di sini, China memiliki pertemuan faktor unik yang mewujudkan ekosistem subur untuk pembangunan dan penggunaan pemanduan autonomi, boleh dikatakan mengatasi kuasa global lain:
- Rantaian Bekalan EV Terkemuka Dunia: China mendominasi pengeluaran kenderaan elektrik dan komponennya, terutamanya bateri, menyediakan asas industri yang kukuh.
- Infrastruktur Pengecasan Luas: Rangkaian stesen pengecasan yang berkembang pesat mengurangkan kebimbangan jarak dan menyokong penggunaan EV yang meluas.
- Rangkaian 5G Termaju: Komunikasi jalur lebar tinggi, kependaman rendah adalah penting untuk komunikasi kenderaan-ke-segalanya (V2X), membolehkan penyelarasan antara kenderaan dan infrastruktur.
- Integrasi Bandar Pintar: Inisiatif seperti di Zhuhai menunjukkan kesediaan untuk mengintegrasikan sistem pengangkutan dengan rangkaian data bandar yang lebih luas, mengoptimumkan aliran trafik dan membolehkan ciri AV termaju.
- Perkhidmatan E-panggilan Meluas: Penerimaan pengguna yang tinggi terhadap aplikasi e-panggilan mewujudkan pasaran sedia untuk perkhidmatan teksi robot, menyediakan laluan yang jelas untuk mengkomersialkan kenderaan autonomi.
- Kadar Penerimaan EV Tinggi: Pengguna China telah menerima kenderaan elektrik dengan lebih mudah berbanding di banyak negara Barat, mewujudkan pasaran domestik yang besar.
- Persekitaran Kawal Selia yang Menyokong: Walaupun keselamatan kekal sebagai kunci, nampaknya terdapat sokongan kerajaan untuk menguji dan menggunakan teknologi autonomi, dibuktikan oleh operasi teksi robot yang sudah berjalan di bandar-bandar seperti Wuhan.
Bandingkan ini dengan rantau lain. Amerika Syarikat, walaupun usaha perintis Tesla, ketinggalan dengan ketara dalam penerimaan EV keseluruhan di kalangan negara maju, satu trend yang berpotensi diburukkan lagi oleh perubahan dasar. Eropah mempunyai penerimaan EV yang kukuh tetapi kekurangan kepekatan pengeluar EV domestik yang dominan atau gergasi AI terkemuka global yang sama yang memberi tumpuan kepada integrasi ini.
Oleh itu, kelebihan strategik China nampaknya kurang terletak pada memiliki LLM tunggal yang paling berkuasa dan lebih kepada mengatur ekosistem kompleks ini. Kepingan-kepingan itu sedang tersusun – daripada kehebatan pembuatan kepada infrastruktur digital dan penerimaan pengguna – untuk berpotensi membolehkan kenderaan autonomi beralih daripada ujian khusus kepada penggunaan arus perdana dalam dekad ini, mungkin juga menyaksikan lonjakan signifikan tahun ini. Kuasa transformatif penuh akan dibuka apabila kenderaan ini berintegrasi dengan lancar dengan infrastruktur bandar pintar yang berkembang.
Mengalihkan Fokus: Daripada Kuasa Pengkomputeran kepada Ekosistem Bersepadu
Walaupun Amerika Syarikat dan pemain lain sering kelihatan terperangkap dalam ‘perlumbaan pengkomputeran’, memberi tumpuan kepada keunggulan cip, infrastruktur pelayan besar-besaran, dan mencapai kepimpinan penanda aras dengan LLM yang semakin besar, China nampaknya sedang mengejar strategi pelengkap, mungkin akhirnya lebih berkesan. Strategi ini menekankan integrasi AI ke dalam aplikasi nyata yang transformatif secara sosial, mengutamakan kebolehpercayaan dan sinergi ekosistem, terutamanya dalam domain seperti pemanduan autonomi dan bandar pintar.
Ini melibatkan langkah sengaja ke arah pendekatan neuro-simbolik, menyasarkan domain khusus bernilai tinggi dan kritikal keselamatan di mana model statistik semata-mata gagal. Kelebihan daya saing sebenar mungkin tidak terletak pada mana-mana algoritma atau model tunggal, tanpa mengira kuasa atau keberkesanan kosnya, tetapi pada keupayaan untuk menjalin AI ke dalam landskap fizikal dan ekonomi melalui ekosistem bersepadu yang komprehensif. China secara senyap-senyap membuat kemajuan ke arah integrasi neuro-simbolik praktikal khusus domain, melihat melangkaui daya tarikan semasa dengan LLM ke arah aplikasi yang boleh membentuk semula kehidupan bandar dan pengangkutan secara asas. Masa depan impak dunia sebenar AI mungkin kurang terletak pada kefasihan chatbot dan lebih kepada fungsi yang boleh dipercayai sistem kompleks terbenam AI ini.