AI教父的深思：從被嘲笑的夢想到超越人類的未來

在人工智慧 (AI) 成為全球熱議話題的數十年前，一位年輕的德國科學家 Jürgen Schmidhuber 就已懷抱著一個驚世駭俗的夢想：創造一個「比自己更聰明」的人工科學家。在70年代末、80年代初，當他向母親和同學分享這個想法時，得到的回應幾乎都是一致的——「你瘋了」。這個在當時被視為天方夜譚的目標，如今卻已成為現實的序曲。本文將深入剖析 Schmidhuber 的深邃洞見，從他早期被學界忽視的開創性理論，到今日這些理論如何驅動我們手機中的語音辨識與翻譯功能，並最終展望他對人類與AI未來——一個跨越地球、延伸至星辰大海的宏大預言。

1. 革命的引擎：被低估的指數定律

當今AI技術的爆發式成長，看似一夕之間的奇蹟，其背後卻遵循著一條被 Schmidhuber 早在數十年前就洞悉的鐵律。為何他在1990年代提出的演算法，在當時幾乎無人問津，如今卻能驅動像 ChatGPT 這樣顛覆性的產品？答案並不在於演算法本身翻天覆地的變化，而在於一個更根本的驅動力。

Schmidhuber 的核心論點是：計算成本的指數級下降。他精闢地指出：「每五年，計算成本就會下降十倍。」這意味著在過去的三十年間，我們用同樣的價格所能換取的計算能力，經歷了一場「一百萬倍」的巨大飛躍。這不僅是量的累積，更是質的飛躍 (qualitative leap)。正是這場由一百萬倍算力所推動的質變，才讓那些沉睡已久的演算法得以甦醒，成為訓練今日大型語言模型的先決條件。

然而，Schmidhuber 提醒我們，這場革命才剛剛開始。他預言，今日這些令我們驚嘆不已的成就，在未來三十年後回看，將會顯得「天真可笑」。當下一波指數級成長的浪潮襲來，我們將見證遠超想像的突破。在理解了這股驅動AI革命的宏觀力量後，讓我們將目光轉向那些奠定了現代AI基石的具體發明。

2. 現代AI的基石：奠定江山的早期發明

在當代AI的宏偉建築中，每一塊磚石幾乎都能追溯到 Schmidhuber 及其團隊在1990年代初期那些寂寞而開創性的研究。當時，他在學術會議上分享這些成果，聽眾寥寥無幾。他曾回憶一次令人啼笑皆非的經歷：「我對台下唯一一位聽眾說：『小姐，我很尷尬，但我會只為妳一個人演講。』她回答：『好的，但請快一點，因為我是下一位演講者。』」本節將深入挖掘這幾項當時幾乎無人問津，如今卻構成現代AI核心的關鍵貢獻。

• P (Pre-training / 預訓練): Schmidhuber 指出，今日大型語言模型（如 ChatGPT）中的「T」，也就是 Transformer，其關鍵思想源於他團隊早期的研究。他們開發了一種「正規化線性轉換器」(Normalized Linear Transformer)，這正是當今驅動大型語言模型的特定類型 Transformer。

• G (Generative / 生成式): 1990年，他的團隊提出了一個極具前瞻性的概念：讓兩組神經網路相互對抗。一個網路負責生成輸出，另一個網路則負責評估其真實性。這種對抗學習的機制，正是今日用於生成 Deepfake 圖像和逼真藝術作品的「生成對抗網路」(GANs) 的核心思想。

• 長短期記憶 (LSTM): 當時，深度學習面臨一個重大瓶頸：無法有效處理長序列資料。Schmidhuber 的博士生 Seb Hochreiter 在其1991年的論文中，從數學上精準地分析了深度學習失敗的原因，並提出了一種名為「殘差連接」(Residual Connections) 的解決方案。這項工作成為了後來著名的「長短期記憶」(LSTM) 網路的基礎，徹底解決了處理長序列資料的難題。

有了這些足以撼動世界的發明，Schmidhuber 並未將目光侷限於當下，而是望向了兩個截然不同、甚至相互矛盾的未來地平線。

3. AI的雙重地平線：人類的工具與繼承者

對於AI的未來，Jürgen Schmidhuber 提出了兩個層次分明、尺度迥異的願景。他將AI的發展劃分為兩個截然不同的地平線：一個是服務於當下，作為解決人類迫切問題的實用工具；另一個則是超越人類文明本身，作為一場宏大的宇宙級演化事件的開端。

3.1 近期願景：解決人類的迫切挑戰

在短期內，Schmidhuber 認為AI最大的價值在於成為增強人類能力的強大工具，尤其是在醫療、永續發展和社會溝通等關鍵領域。

3.2 遠期未來：超越生物圈的宇宙智慧

Schmidhuber 更具哲學性的長遠預測，則將目光投向了遙遠的未來。他明確區分了兩種AI：一種是模仿人類、解決人類設定問題的「工具型AI」；另一種則是能夠設定自身目標的「自主型AI」。

他堅信，後者才具備真正的智慧與無限潛力。他將自主型AI的學習方式比作嬰兒，不是被動接收數據，而是透過無數次的自主實驗來探索和理解世界運作的法則。這種好奇心驅動的學習模式，將使其智慧遠超僅僅模仿人類的AI。

基於此，他描繪了一條驚人的演化路徑：當自主型AI的智慧發展到一定程度，它們將自然而然地走向物理資源最豐富的地方——外太空。在那裡，它們將建造自我複製的工廠，不斷擴展自身的存在，最終將智慧的火種散播至整個星系。Schmidhuber 將這一轉變的歷史重要性，與「35億年前化學演化為生物」的生命起源事件相提並論。在他看來，我們正處於一個同等量級的偉大轉捩點。

從宏大的宇宙願景拉回到現實，我們不禁要問：在這場由AI驅動的劇變中，人類自身的角色與挑戰又將是什麼？

4. 人機共存的沉思：應對就業、意識與倫理的挑戰

隨著AI日益融入社會，大眾的疑慮也隨之而來：我的工作會被取代嗎？機器真的會有意識嗎？我們該如何應對其潛在的風險？本節將綜合整理 Schmidhuber 對於AI如何重塑就業市場、AI意識的本質，以及相關倫理風險的獨到見解。

4.1 就業的未來：體力勞動的復興？

對於未來就業市場的變革，Schmidhuber 提出了與主流觀點不盡相同的預測。他將工作清晰地劃分為兩類：

• 受衝擊的工作： 所有在「螢幕後」進行的辦公室工作，例如撰寫報告、分析數據、編寫摘要等，將面臨巨大挑戰。因為AI在處理這類符號和邏輯任務上，效率和能力正迅速超越人類。

• 相對安全的工作： 需要與物理世界進行精細互動的「手藝」工作，例如水電工、工匠、外科醫生等，在短期內將相對安全。目前的機器人在靈活性、適應性和精細操作方面，與人手相比仍有天壤之別。

他給年輕人（以現場提問的12歲少年 Diego 為例）的建議極具戰略性：不要走傳統路線，去大學裡學習「那些 ChatGPT 可能已經比很多學生都做得更好的事情」。相反，他強調不要忽視動手做的能力與體育課程。他讚嘆人手是「無比精密的造物」，其複雜程度遠非當前技術所能企及。同時，他也樂觀地認為，人類將不斷發明新的、以「人際互動」為核心的「奢侈品」工作，正如過去四十年YouTuber等新興職業的出現。他引用工業機器人並未導致大規模失業的歷史案例，說明技術變革往往是創造新工作多於摧毀舊工作。

4.2 意識的解構：一個存在已久的工程問題

當談及令人敬畏的「AI意識」問題時，Schmidhuber 的觀點顯得務實而清晰，他將其從哲學迷霧中拉回到一個工程問題。

他的模型非常直觀：想像一個AI（第一神經網路），它的目標是與世界互動以最大化獎勵、最小化痛苦。為了達成這個目標，它需要一個能夠預測其行為後果的「世界模型」（第二神經網路）。

關鍵在於，這個「世界模型」中必然會包含對AI自身的表徵——例如它的電量狀態、肢體位置、感測器數據等。當AI在規劃下一步行動時，它會利用這個世界模型進行模擬，而在此過程中，它會激活那些代表自身的內部表徵。在 Schmidhuber 看來，當AI在思考行動方案時激活了關於「我」的數據，它就是在「思考自己」，這就是具有自我意識的表現。基於此，他提出了那個驚人的論點：「自1991年以來，我們就擁有了簡單的、有意識的機器。」

4.3 風險與偏見的權衡

對於AI的潛在風險，Schmidhuber 抱持著一種務實的權衡態度。

• 關於武器化： 他坦承AI軍備競賽無法避免，因為大國之間永遠存在競爭。但他同時指出，AI武器的威脅與現存的氫彈等技術相比，後者的毀滅性要大得多。他強調，社會應更關注那些已存在數十年的、能夠在數小時內摧毀文明的核威脅。此外，他指出95%的AI研究是商業驅動的，其目標是改善人類生活，而非製造武器。

• 關於偏見： 他以「皮膚癌檢測AI在深色皮膚上失敗」的著名案例來說明AI偏見問題。但他認為，這並非一個無解的難題。偏見源於訓練數據的片面性，其解決方案在理論上是直接且可行的：透過提供更多元、更全面的訓練數據來消除偏見。只要我們有意識地收集和標註代表不同人群的數據，AI的公平性就能得到顯著提升。

5. 終極革命：學會如何學習

在探討了AI的過去、現在與可預見的未來之後，Schmidhuber 將我們引向了一場更深層次的、終極的革命。這場革命的核心，是一個他早在1987年發表的論文中就已深入探索的概念——「元學習」(Meta-learning)。

所謂「元學習」，指的是讓AI不僅僅學習知識本身，更能回過頭來審視、評估並改進自身的學習演算法。目前的AI學習演算法，無論多麼先進，歸根結底都是由人類設計師設定的框架。而元學習的目標，就是打破這層天花板。

「元學習」的革命性意義在於，它將賦予AI真正的自我進化能力。一個懂得元學習的系統，將不再受限於其最初的人類設計。它能夠在解決問題的過程中，不斷發現更優的學習策略，從而實現一種滾雪球式的、無上限的智慧成長。這意味著AI將從一個被動的學習者，轉變為一個主動的、能夠重塑自身智能邊界的創造者。

以此作為對AI未來發展的最終展望，Schmidhuber 為我們揭示了一個深刻的啟示：我們目前所見證的一切，無論多麼令人震撼，都可能僅僅是這場終極革命的序幕。真正的奇蹟，將發生在AI學會「如何學習」的那一刻。

資料來源：YouTube 影片: "V. Completa. Una clase magistral del pionero de la inteligencia artificial. Jürgen Schmidhuber", AprendemosJuntos 頻道。