跳到主要內容

LLM 與佛學的對話：從向量解釋到人類角色的深刻再思

首次接觸 LLM 的 CrossOver,  感謝台大文學院舉辦這樣的活動，

從謝老師和耿老師的分享，對於大型語言模型對於佛學的觀點，闡述了許多變與不變，以及可能性的延伸討論。

其中讓我印象最深刻的部分是，謝老師提到，大型語言模型解釋和 Embedding 能力其實有其應用化和場域化。

例如，『空』

向量和空間化後的，『空』，這個字！

此時的向量解釋，這個字的解釋，更超越語意的意義，透過 LLM 的理解力，讓人類有新的不同視野，看到更多可能性，以及連接性，這只是其中一個例子。

而其中，很有可能，透過 RAG 的方式，可以將佛經以及經過語料分析，讓現代的人可以透過現代的語言，直接與過去千年的語料進行互動的直接的過程，而不再是以艱澀難懂的方式讓人更容易親近，人類，可以透過 LLM 了解更多古往今來的史料經典。

同時，耿老師也提到，結合 LLM 理解的方式，他可能還是處在人們可能理解的範圍內處理，但是透過 LLM 能夠更有效率的在 CBETA 裡面找到關聯與相異性，找出更多千年以前的譯者團，譯者群所過去經歷的過程，過去的脈絡...

結論

人類的角色始終還是會在，

短期內，可能還是很難透過 LLM 直接超脫，不過這次的 Cross Over，可以看到 LLM 在不同領域上的確都是個震撼，也短短就發生在這兩年多，從語料上，到知識性上，到系統性上，到多模態上，大家正在不斷地從變動中，找到許多不變的，也從變動中，找到許多共時性的項目出來。

而這些正是人存在的價值，善用 LLM，創造且使用更多不同的 AI，重新組合出更多可能性的價值。

#正信不迷信
#我佛慈悲

  1. CBETA, https://www.cbeta.org/
  2. Humanistic Buddhism Corpus https://www.fgstranslation.org/hbc/
  3. 臺大文學院跨領域論壇：佛學研究與AI https://liberal.ntu.edu.tw/web/news/news_in.jsp?dm_id=DM1639553959015&np_id=NP1729819383333

工商服務

JSDC 2024  JavaScript Developer 年度盛會 售票中。

JSDC 2024 網站：
https://2024.jsdc.tw/

JSDC 2024 售票連結：
https://www.accupass.com/event/2411191318271681933268

留言

張貼留言

這個網誌中的熱門文章

RAG 和 Prompt 原理超簡單解說！想知道 AI 怎麼找答案看這篇

這篇文章是給對於你已經開始使用所謂的 ChatGPT / Claude / Gemini 之類的 AI 服務，甚至是 Siri (嘿丟，他也是一種 AI 應用服務喔） 簡單來說是非 技術人員， PM，小白，想要趕快惡補的人 ，直接花十分鐘可以看完的一篇科普業配文章。 或者是概念僅止於，AI 這東西會幻想，會有誤差，會對於生活有些幫助但沒有幫助的人們，做個簡單又不是太簡單的介紹，希望用一個非常入門的方式讓你們有個了解。 當然，這篇文章目的很簡單， 就是引流 ，如果你身邊有已經對於 Web 技術開發的人員，歡迎報名分享給他，年末出國不如學一技在身，參加今年我們舉辦最後一場 RAG 實作工作坊，報名連結 ， https://exma.kktix.cc/events/ai-for-dev-course-rag-2 注意： 接下來每個大段落結束都會有一段工商導入，但文章絕對精彩，請注意！ 為了讓各位容易想像，我們將整個世界的資訊，先濃縮到這本『西遊記』的世界觀當中，我們整個世界都在這個 『西遊記』 ，而 大型語言模型 我們用 『書精靈』 來描述。 PS. 我們先預設各位，應該都有聽過，西遊記！如果沒有聽過西遊記的，請右轉出去，謝謝！ 先來談談向量 在《西遊記》的世界裡，我們可以把 向量想像成一種「內容座標」 ，讓系統知道每個角色、場景、法術等的 「位置」和「距離」 。向量幫助語言模型知道不同內容之間的關聯程度。 向量就像內容的「距離」和「位置」 比方說，唐三藏的 「位置」（向量）會接近「佛經」和「取經」 的概念，因為他一路上都是為了取經而前進。孫悟空的 向量位置則會更靠近「金箍棒」和「七十二變」 這些概念，因為這些是他的特徵。 相似內容靠得更近：像「佛經」和「取經」會靠近唐三藏的向量，因為它們彼此有很強的關聯。 相差較大內容會離得較遠：像「取經」和「妖怪」「妖怪的寶藏」就距離比較遠，因為妖怪的寶藏和取經的目標關聯性不大。 是誰決定的這些位置？ 簡單來說，這些位置和關係是模型自己學出來的。語言模型會閱讀大量的資料和這世界觀的資訊，觀察哪些詞語經常一起出現，根據「共同出現的頻率」來決定它們的關係，並且自動生成向量。例如： 如果模型看到 「唐三藏」 總是和 「取經」 一起出現，它就會讓「唐三藏」的向量靠近「取經」。 ...
2 則留言
繼續閱讀>>

Vibe Coding：為什麼 Junior 更快上手？Senior 要如何追趕？

現象層面（市場觀察） 最近有篇文章討論 junior & senior 開發者在 AI 時代的角色轉變，非常熱門。 身為 Cympack 產品開發團隊 ，我們也一直關注這個議題，在閱讀這篇文章時觀察到一些有趣的現象，對我們來說，這正好反映出 AI 正在改變開發生態，junior 借力 AI 快速成長、senior 則需要在 「架構思維」 與 「多 agent 協作」 中找到新定位，其中有些啟發（insight) 可以跟大家分享。 為什麼 Junior 更容易上手 vibe coding？ 心智負擔低 → Junior 沒有太多傳統 code workflow 的框架包袱 敢於嘗鮮 → Gen Z / 年輕工程師天生習慣用 prompt-based 工具、跟 LLM 互動 少「優雅程式設計」的束縛 → 不太糾結「這樣寫會不會不夠優雅」，反而 embrace 快速迭代、快速出成果 反觀 Senior： 熟悉大型系統設計 有豐富的「工程正統流程」知識（架構設計、測試策略、效能優化、設計模式） 對 AI 生成 code 的品質 / 維護性通常比較保留 部分 10+ 年資深工程師，對 prompt engineering 沒那麼熟練，還在觀望 技能面（未來的關鍵能力） Vibe coding 本質上 = prompt engineering + AI co-pilot 管理能力 能力項目 誰目前比較有優勢？ Prompt 撰寫 / AI 互動 Junior 較強（熟悉 chat-based 流程） 系統設計 / 架構把關 Senior 較強 AI 生成 code 驗證 / Bug 察覺能力 Senior 較強（能看出潛在問題） 快速疊代 / Hackathon 式開發 Junior 較強 長期維護性 / 穩定性 Senior 較強 總結 Junior 確實更快適應 vibe coding，並且更習慣以 「chat-based coding」 的工作流開發。 Senior 擁有驗證 AI 產物與系統設計的深度能力，但若不主動練習 vibe coding，長期會逐漸落後於新一波開發潮流。 就如同在 GAI 技術年會分享，希望帶給各位的感受， 『與 AI 協...
張貼留言
繼續閱讀>>

v0 API 是什麼？怎麼用？一篇教你搞懂功能、價格，還能搭配 Cursor 玩出 vibe coding！

Vercel 的 v0 是一款 AI 驅動的前端開發工具，能夠將自然語言描述轉換為可部署的 React 元件和 UI 介面，支援 Tailwind CSS，並可直接部署至 Vercel 平台。此外，v0 提供 API 介面，讓開發者能將其整合至其他工具，如 Cursor IDE，進一步提升開發效率。 Vercel v0 API 介紹 v0 API 目前處於 Beta 階段，主要提供 v0-1.0-md 模型，具備以下特點： 多模態支援：接受文字與圖片（base64 編碼）輸入。  快速串流回應：提供低延遲的串流回應。  OpenAI 相容：遵循 OpenAI Chat Completions API 格式，易於整合至現有工具。  前端開發優化：特別針對 Next.js 和 Vercel 等現代前端框架進行優化。 要使用 v0 API，需訂閱 Premium 或 Team 方案 ，並啟用使用量計費。 使用方式 API 端點： POST https://api.v0.dev/v1/chat/completions 請求標頭： Authorization: Bearer YOUR_V0_API_KEY Content-Type: application/json 參數範例： { "model": "v0-1.0-md", "messages": [ { "role": "user", "content": "建立一個具有身份驗證功能的 Next.js AI 聊天機器人" } ], "stream": true } 您也可以使用官方的 AI SDK 進行整合： npm install ai @ai-sdk/vercel 範例程式 javascript import { generateText } from 'ai'; import { vercel } from '@ai-sdk/vercel'; const { text } = await generateText({ model: vercel...
張貼留言
繼續閱讀>>