圖片來源：canva 圖庫
當今世界，身為人的意義何在？AI迫使我們思考這個世代的核心問題，而教育是最根本的解方

DeepMind 與圍棋世界冠軍李世乭對弈時，想出一步人類棋手無法理解的「天才、超人」走法，結果贏得了比賽。

但人類根本不會考慮這種看似天才的策略：因為 DeepMind 能計算接下來 50 ∼ 60 步棋，還能計算獲勝的機率（即使機率微乎其微），因此可以承擔人類無法承擔的風險。

人類在下圍棋時，通常傾向透過「占領更多地盤」來確保自己的優勢，而非險中求勝。

AI 也使用同樣的策略來對付戰鬥機飛行員：AI 朝那位飛行員俯衝，計算出自己可以「更快瞄準並射擊」，而這樣的動作沒有人類敢執行。

在上述兩種情況中，AI 都運用「非人類中心」策略，這是人類不會做的事，因為人類傾向規避損失（講白一點就是怕死）。AI 可以引述法國飛行員紀堯姆（Guillaumet）的話來說嘴：「我所做的事，沒有人類會做。」

但 AI 也不是我們所謂的「勇敢」，只是缺乏恐懼（「無恐懼感」不等於「無所畏懼」）。

 

在這些情況下，AI 只是計算自己成功的最佳機會，並且在極限邊緣按照計算來行動。 

▌ AI 可以突破人類對語言的限制？

斐南達．費雷拉（Fernanda Ferreira）曾說過：「語言夠好，但不完美。」

人類語言有其限制，因此，英語在描述創造力、好奇心、心理韌性等有細微差別的特質時，語彙相當有限。

上述詞語意義豐富，每次人們使用時都必須解釋說明，找出對於其中細節的共同理解。

描述這類抽象術語的詞彙通常較少：舉例來說，芬蘭放牧馴鹿的薩米人對雪和冰的描述，擁有許多精準的詞彙（多達 1,000 個詞素！）。

但英語中討論創造力的不同形式，很難像薩米人那樣有諸多精準字詞。

由於詞彙量的限制，針對 AI 能力為何，公共論壇和學術期刊中常有困惑和爭論，從使用過時概念（圖靈測試） 到使用錯誤詞彙（用出現﹝emergence﹞ 而非跨越閾值﹝thresholding﹞；用幻覺﹝hallucinations﹞而非胡說八道﹝confabulations﹞；用遷移﹝transfer﹞而非廣泛應用﹝generalization﹞等〕。

▌ AI 的四個級別

AI 可以分成四個不同的級別，每跨一個級別，都代表功能有了大躍進。
 
　　1.  人工狹義智慧（Arti­cial Narrow Intelligence，簡稱 ANI）

又稱「機器學習／深度學習」。這些系統是設計用以出色執行特定任務或發揮特定功能。這類 AI 的功能相當專精，無法處理指定目的以外的事情。

當今一些常見的 AI 應用程式遊戲（圍棋、Stratego 策略遊戲等），或者像是可以加入藝術風格轉換、蛋白質摺疊分解、藥物配方設計等功能，都屬於此級別。

　　2.  人工能幹智慧（Arti­cial Capable Intelligence，簡稱 ACI）

擁有更廣泛、更強大的影響能力，因此本章和本書大部分內容討論的都是這級別。

在全球討論中，從 ANI 進展到 AGI 是相當大的變革，很多人往往沒有強調中間關鍵的 ACI 階段，就直接大躍進。這兩個級別的差距很大，教育研究者卻沒有意識到。

AI 領域多位備受尊崇的人物，都已經挺身支持關注 ACI：

．穆斯塔法．蘇萊曼（Mustafa Suleyman），DeepMind（Google） 與 Inception.AI 的共同創辦人，就是他將當前階段稱為 ACI。

．弗朗索瓦．肖萊（François Chollet），知名 Google AI 研究員，曾說：「即使你透過尺度定律推斷出遙遠未來 AI 所具備的能力，也不存在任何可能代表人類滅絕風險的 AI 模型。」

．楊立昆（Yann LeCun），Meta 公司 AI 研究的總監，他曾表示人類高估了當代 AI 系統的成熟度：「在人類等級 AI 出現前的好幾年，社會比較可能得到『貓等級』或『狗等級』的 AI。」

．蒂姆尼特．格布魯（Timnit Gebru），前 Google 員工，她認為對 AGI／ASI 的關注，讓人們沒注意到企業使用自動化系統所產生的立即危害，包括剝削勞工、侵犯版權、合成訊息的傳播，以及權力日益集中。

．蓋瑞．馬庫斯（Gary Marcus），頂尖的 AGI 評論家與備受尊崇的「理性之聲」，他曾打趣說：「任何關於 AGI 的幻想，一碰到真實世界都不復存在。」

．李飛飛，史丹佛大學教授，她受訪時曾說：「我尊重有人擔心 AI 對人類存續有威脅。我並不是說這擔憂很愚蠢或我們不該擔心，但是就急迫性而言，我更關心如何改善此時此地的風險。」

．比爾．蓋茲最近承認：「GPT-5 不會比 GPT-4 好多少。」（而且完全沒提到 AGI）。

．就連山姆．奧特曼（Sam Altman）也終於承認：「想要實現 AGI，還需要很多突破。」
 
對於 AI 的過度炒作有三種可能：

　　a. 大型語言模型（Large Language Models，簡稱 LLMs）專家「熱切希望」看到他們的作品無所不能，畢竟歷經數十年克服重重困難進行研發⋯⋯

這種想「獻寶」的心情蒙蔽了他們的判斷力，有時甚至會抓住未經證實的觀點不放。

　　b. 人類強烈傾向將 AI 人格化，因此連專家都「過度模式化」（很諷刺吧！）

　　c. 為了籌措大量資金導致思維偏差⋯⋯。

儘管佩德羅．多明戈斯（Pedro Domingos）希望有個「大統一演算法」（Grand Unification Algorithm），但他明白 AI 家族必須合作。

 

演化已經把大腦塑造成有多個專門區塊共同合作，為何 AI 界對這樣的比擬還是難以接受？

 

或許是因為對研究人員來說，這結果令人失望，意味著他們需要自己不擅長的其他類型演算法。
 
　　3.  人工通用智慧（Arti­cial General Intelligence，簡稱 AGI）

旨在模仿完整的人類認知能力。這些系統將能理解、學習和執行任何人類做得到的智力任務。

AGI 會比 ANI 或 ACI 更多才多藝，能和人類流暢互動、解決問題，以及適應新情況。

Google 的 DeepMind 最近發表一篇論文，描述 AGI 的水準為何，但在本書看來，把當今的 GPT／ LlaMa ／Bard 稱為「新興的 AGI」，似乎是過譽了⋯⋯

AGI 在大眾媒體上受到的關注也會影響學術討論，把注意力引至更廣泛、哲學層面的擔憂：憂心機器具有類人智慧的世界。

誠如蓋瑞．馬庫斯所言，AGI 要成熟，還得「經歷好幾次根本變革」。
 
　　4.  人工超級智慧（Arti­cial Super Intelligence，簡稱 ASI）

想像 AI 可以譜出精湛的交響樂、提出突破性的科學理論，並且以超越所有人類能力的方式展現同理心與體諒。

ASI 代表最先進的 AI 發展，也引出有關 AI 對社會與人類未來潛在影響的存在問題。

ASI 不僅能模仿人類思考歷程，還能大幅超越人類的效能。

ASI 可以擁有原創的藝術創造力、無可匹敵的問題解決能力，以及老練的 EQ；ASI 展現的智慧超越人類的理解。

本文摘自　親子天下《AI時代的教育》