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》 查爾斯．費德／亞莉西斯．布萊克／羅比．泰勒／珍妮特．史雷辛斯基／凱蒂．鄧恩
►延伸閱讀：打破認知！那些你常用的學習方式其實都是錯的？！丹尼爾．威靈漢：《你可能學錯了》
►延伸閱讀：如何不被AI取代？科技未來學家友村晉：掌握這5項技能！
