圖靈獎得主楊立昆：LLM 非通往AGI之路

30 秒看重點

• 事件：圖靈獎得主楊立昆直指大型語言模型(LLM)無法達至AGI。
• 意義：這對當前AI主流發展路徑提出質疑，促使學界思考AI進化新方向。
• 影響：台灣AI相關產業和研究機構，需重新評估技術佈局與未來投資。

AI的下一步，真的是LLM以外的什麼？

大家對ChatGPT這類大型語言模型（LLM）並不陌生，它們展現了驚人的文字生成、理解能力，彷彿變得無所不知。然而，楊立昆教授認為，儘管LLM非常強大，它們本質上仍是基於「預測下一個字」的模式，就像是一個超級複雜的「填字遊戲高手」。這種能力雖然能模仿人類的對話和寫作，但卻缺乏真正的理解、推理和獨立解決新問題的能力，也就是AGI所強調的「通用性」。

楊立昆教授的觀點，就好比我們教一個學生死記課本內容，他可以流暢地背誦，甚至寫出類似的作文，但他並沒有真正「懂」這些知識，也無法在面對課本以外的新情境時舉一反三。他指出，未來的AI發展，不能只專注在不斷放大模型參數、餵更多數據，而是需要更根本性的突破，例如發展能夠進行深度推理、建立因果關係、甚至擁有自我意識的AI模型。他認為，真正的AGI，應該具備更像是人類一樣，能夠透過觀察、實驗、反思來學習和適應。這意味著，我們可能需要跳脫當前以LLM為核心的思維框架，去探索更多元的AI架構和演算法，像是結合符號邏輯、神經網路，或是更注重「因果推理」和「世界模型」的AI研究。

台灣怎麼看這件事？

台灣在AI領域，尤其是半導體、硬體製造以及系統整合方面，扮演著關鍵角色。目前全球AI發展，很大程度上依賴台灣的晶片製造實力，像是輝達（NVIDIA）的AI晶片，以及其他大廠的AI伺服器組件，台灣都是供應鏈上的要角。如果AI發展的重點真的要從LLM轉向其他更根本性的研究，這對台灣的科技產業來說，既是挑戰也是機會。

挑戰在於，目前許多企業和研究機構已經在LLM的應用和優化上投入了大量資源，像是許多AI伺服器的設計、優化，都緊密圍繞著大型模型的運算需求。如果未來AGI的實現路徑與LLM不同，這些投入是否會打水漂？機會則在於，如果台灣能夠提早佈局、掌握下一代AI技術的關鍵，例如在新的AI架構、演算法、或是更高效能的專用晶片開發上取得領先，就能再次鞏固並提升台灣在全球AI產業鏈中的地位。這也意味著，台灣的研究單位，如中研院、大學等，需要關注楊立昆教授這類意見領袖的論述，並思考在基礎研究上如何做出差異化，培養能夠引領下一波AI浪潮的跨領域人才。

編輯觀點

楊立昆教授的直言，無疑是對當前AI發展過度聚焦於LLM的一記警鐘。雖然LLM帶來了革命性的應用，但若要實現真正意義上的通用人工智慧，顯然還有漫長的路要走，甚至路徑可能截然不同。台灣科技產業向來以彈性和韌性著稱，此刻正是檢視自身AI戰略、並思考佈局下一世代技術的絕佳時機，我們不能只當AI硬體的代工廠，更要積極參與AI創新的前沿。

常見問題

什麼是通用人工智慧 (AGI)？

AGI是指擁有與人類同等智慧，能理解、學習並應用於廣泛任務的AI，而不僅限於特定領域。

大型語言模型 (LLM) 是什麼？

LLM是一種AI模型，透過訓練海量文本數據，能生成、理解人類語言，並進行對話、寫作等任務。

楊立昆教授為什麼不看好LLM通往AGI？

他認為LLM本質是預測下一個詞，缺乏真正的理解、推理和解決新問題的能力，與AGI所需的通用性不同。

這對台灣科技業有什麼影響？

台灣在高階AI晶片與硬體製造佔有重要地位，需關注AI發展路徑轉變，提早佈局新一代AI技術，以免既有優勢被取代。

台灣有哪些研究機構在AI領域活躍？

包括中央研究院、國立大學（如台大、清大、交大等）的相關系所，以及部分企業的研發中心，都在積極投入AI研究。

名詞小教室

通用人工智慧 (AGI)

想像一下，一個AI不只會下棋，還能寫詩、開飛機、做科學研究，而且在哪方面都做得跟人類一樣好，這就是AGI的境界。

大型語言模型 (LLM)

就像一個超級厲害的「鸚鵡」加上「超級電腦」，它聽了超多書（網路上的文字），所以能說出聽起來很厲害的話，但未必真的「懂」。