AI創作追上人類？名醫斷言不可能：先進芯片也解決不了

英偉達執行長黃仁勛2日曾在演講中構建AI大愿景，引發熱議。近日英偉達市值更超越蘋果、突破3萬億美元，產品及股票都炙手可熱。但精神科醫師沈政男指出，目前AI語言學習的本質，跟人腦思考方式不同，只能模仿人類，而無法像人一般創作，這不是先進芯片所能解決。

沈政男6日發文指出，形成記憶的腦區，為什么不是位于枕葉，視覺中樞旁邊，而位于聽覺中樞旁邊？他的解釋是：記憶是思考的基礎，思考的前身是語言，而語言跟聽覺有關，于是演化上就綁在一起了。人類的語言與思考是為了適應演化而出現，這是人腦跟人工智能最大的差別之一。第二：人腦是幼兒從牙牙學語開始，幾年之間，在跟爸媽的互動中學習而來，等于有一個發展的歷程，跟人工智能的學習與訓練有很大不同。

沈政男表示，一個13歲人類，學會使用一個單字，只需聽過或看過一萬次，而人工智能，現行的大語言模型，需要一萬億次，等于是人類的一億倍。為什么？媽媽怎么教的？拿文字給小孩看嗎？當然是口說！就好像數萬到數百萬年前，第一個人類拍拍身旁的另一個人類，抬頭說：「日頭！」然后人類的語言就此出現了。出現語言，要做什么？對生存有幫助！一來可以溝通，再者也可以記憶，讓自己與大家避開危險。

沈政男提到，語言是一種序列訊號，因為聲音是一種時間的訊號，也因此，「鳥在飛」會被拆成「鳥」與「飛」兩個元素，才能理解與溝通。以當代語言學始祖喬姆斯基的理論來說，這是一種普遍文法，也就是人類的語言就一定必須存在這樣的結構才能理解與使用。但人工智能，尤其是大語言模型的出現，挑戰了他的理論：大語言模型并無先天存在的文法，完全是后天學習而來，但也能理解與使用人類語言。

沈政男指出，人工智能目前有幾個主要的神經網絡模型，一個是卷積神經網絡（CNN），主要用于圖像辨識，一個是遞歸神經網絡（RNN），乃用于進程列訊號，比如語言，而最新的就是大語言模型（LMM），乃RNN的改良，也是進程列訊號，但不必遞歸，而是使用自我注意（self-attention），透過平行運算，一次處理一整排的序列訊號。

沈政男表示，ChatGPT不是真的看懂人類的文字，就只是把文字化成向量，透過一萬億次的學習，學會了猜測「這是」之后，很大的機會是「蘋果」。也就是說，以LLM為基礎的Transformer架構（ChatGPT），不一定要把「這是蘋果」拆成「這」、「是」、「蘋果」，也不是只能理解人類語言，即使是火星語，也能透過分詞（tokenization）與句法分析，以及巨量學習，而學會任何一種語言規則。

沈政男強調，人類的語言是為了生存，而且是成長過程點滴累積而來，一開始是聽覺的語言，后來才迭上了文字，但即使使用了文字，仍免不了在看字的時候浮現語音，也就是默念。看到「鳥在飛」的圖片，一目了然，但說出來，就必須說成「鳥」、「在飛」兩個動作，否則人家聽不懂。人類講或想「鳥在飛」的時候，腦海會浮現一只不像鳥的鳥，與不像飛的拍翅動作，就只是一個視覺遺跡，乃用來幫助思考。

沈政男直言，人類的思考這件事，大致就是聽覺的序列處理與視覺遺跡在腦海跟著出現，頂多加上其他感官數據，一起形成思考的動作。因為這樣的學習方式，只需要很少的練習，就能形成語言，跟人工智能有很大的不同。人工智能的語言學習是一種暴力式窮盡法，可以模仿人類，但絕對無法形成真正的創作，這是邏輯上的不可能，而不是科技用時間，或者多么先進的芯片可以解決的問題。