AI的下一步？圖靈獎得主質疑LLM，台灣學界也在思考

30 秒看重點

• 事件：圖靈獎得主楊立昆質疑大型語言模型（LLM）難以達成通用人工智慧（AGI）。
• 意義：AI發展路線面臨新挑戰，需要更廣泛的研究與創新。
• 影響：台灣AI研發與產業策略應多元佈局，避免過度集中於單一技術。

AI 的下一步在哪裡？

最近AI圈最熱門的技術，無非就是ChatGPT、Bard這類的大型語言模型（LLM）。它們靠著海量的數據訓練，展現出驚人的語文理解和生成能力，讓人們驚嘆AI離「聰明」越來越近。然而，被譽為「AI教父」之一的圖靈獎得主楊立昆（Yann LeCun）卻在最近重砲開轟，他認為，光靠LLM這種「神經網路」去死記硬背、預測下一個字，就像讓學生死背課本，永遠學不會真正的邏輯推理和常識。他直指，目前的LLM雖然厲害，但它更像是一個「預測機器」，離能像人類一樣理解世界、舉一反三、真正「思考」的通用人工智慧（AGI）還有十萬八千里。楊立昆認為，要達到AGI，我們需要結合更多不同的AI技術，例如更強的記憶能力、學習推理、預測世界模型等，而不應將所有雞蛋放在LLM這一個籃子裡。這番論點，無疑為當前AI發展的狂熱降溫，並鼓勵研究人員思考更多元、更根本的AI演進路徑。這就像是大家都在搶著學跑百米，卻忘了跑馬拉松、跳高、游泳這些不同的運動項目，才能稱得上是真正的「運動員」。

台灣怎麼看這件事？

楊立昆的質疑，對台灣的AI發展絕對有啟示意義。台灣在半導體製造、IC設計上有著全球領先的優勢，這讓我們在發展AI硬體、或是與AI晶片相關的軟體開發上，擁有得天獨厚的條件。像是技嘉、廣達等科技大廠，都在積極佈局AI伺服器、高效能運算（HPC）相關的商機，這都是建立在強大算力之上的應用。然而，如果AI的「大腦」發展路線出現瓶頸，或者說，我們過度押寶在LLM這單一技術上，那台灣的AI生態系可能會面臨潛在的風險。像是這次的WWDC26，蘋果強調Siri的AI進化，能夠「看懂」螢幕內容並跨裝置協作，這就展現了AI應用與使用者情境更緊密的結合，而不僅僅是語言模型。淡江大學在AI機器人競賽上的亮眼表現，也說明了台灣在AI的多元應用和人才培育上，正持續努力。因此，台灣的AI發展，除了持續強化硬體優勢，更應該鼓勵學界和產業界開拓更多元的AI技術研究，像是強化AI的推理、規劃、甚至是情感理解能力，才能在未來的AI競賽中，握有更多的主導權，而不是僅僅扮演代工者的角色。思考AI的「軟實力」多元發展，對於台灣的AI產業升級至關重要。

編輯觀點

科技的進步，總是在突破與質疑中前行。楊立昆大師的一番話，不是要否定LLM的價值，而是提醒我們，別被眼前的「炫技」沖昏了頭。AGI的終極目標，是創造一個真正具備智慧、能理解並與世界互動的AI，這絕對不是僅靠模仿人類語言就能達成。台灣擁有的硬體優勢是寶貴的資產，但更需要深化AI的「腦力」與「應用」研究，開枝散葉，才能在AI這場長跑賽中，穩健前行，並走出獨特的台灣模式。

常見問題

大型語言模型（LLM）是什麼？

LLM就像一個非常聰明的「詞語接龍」高手，透過閱讀大量文字，學會預測下一個最有可能出現的詞，進而生成連貫的文章、對話，甚至程式碼。

通用人工智慧（AGI）是什麼？

AGI指的是一種能夠像人類一樣，理解、學習、並運用智慧來解決任何問題的AI，而不僅限於特定任務，可以說是AI的終極目標。

楊立昆為何質疑LLM？

他認為LLM的預測機制缺乏真正的理解與推理能力，更像是死記硬背，難以達到AGI所需的複雜思考和解決問題的能力。

這對台灣AI產業有什麼影響？

台灣應避免過度依賴LLM技術，需要鼓勵多元AI技術的研發與應用，結合現有的半導體優勢，開拓更廣泛的AI發展藍圖。

台灣學界在這方面有何動態？

有大學 teams 在AI機器人競賽中表現優異，顯示台灣在AI的多元應用與人才培育上正持續耕耘，但仍需加強基礎AI理論與前沿技術的突破。

名詞小教室

大型語言模型（LLM）

想像成一本裝滿所有書本知識的「超級字典」，可以根據你的問題，快速拼湊出相關的句子或文章，但它不一定真正「懂」裡面的意思。

通用人工智慧（AGI）

這就像是一個擁有全方位學習和思考能力的「超級大腦」，不只會背書，還能觸類旁通、解決所有你想得到的和想不到的問題。