啟發日記D301『飛行』

親愛的，你今天過得好嗎？ 今天想和你分享的啟發關鍵詞是：「飛行」。 人類仰望天空，大概已經幾千年了。 看見鳥兒展開翅膀，自然而然會產生一個想法： 如果我們也做出一雙翅膀，是不是就能飛？ 這個想法非常合理。 鳥有翅膀，鳥會飛；所以想飛，就模仿鳥。 文藝復興時期，達文西仔細研究鳥類， 也設計過利用人力拍動巨大翅膀的飛行器。 可是，人類努力了很久， 始終沒有真正飛起來。 問題出在哪裡？ 17 世紀，義大利學者博雷利研究動物肌肉與骨骼後指出： 人的肌肉力量相對於體重， 根本不足以像鳥一樣， 靠拍動巨大翅膀飛行。 真正重要的轉折，出現在19世紀初。 英國航空先驅喬治・凱利開始把飛行拆解成不同的力量：升力、阻力、推力與重量。 人類這才逐漸明白： 飛行真正需要的，不是「拍翅膀」，而是找到產生升力與推力的方法。 一旦理解這件事，思路突然打開了。 翅膀可以固定，推進可以交給另一套系統，飛行器也完全不必長得像鳥。 後來萊特兄弟實現動力飛行時，他們造出來的東西，早已不像一隻巨大的機械鳥。 很有意思的是： 人類真正學會飛行，恰恰發生在我們不再執著於「像鳥一樣飛」之後。 這個故事讓我們聯想到今天另一場正在發生的探索： 人工智慧，需要像人類一樣思考，才能擁有智慧嗎？ 早期人工智慧與自然語言研究中，有一條很自然的思路： 如果希望電腦理解人類語言，是不是應該先把語言的規則教給它？ 什麼是名詞、動詞？一句話的文法結構是什麼？一個詞代表什麼意思？甚至能不能把人類的知識與推理規則，一條條寫進電腦？ 這條路產生過許多重要成果，卻也碰到一個巨大困難： 人類語言實在太複雜了。 「你真厲害。」 可能是稱讚，也可能是諷刺。 同一句話放進不同情境，意思可能完全不同。 後來，另一條道路慢慢變得重要。 研究者開始想： 也許我們不需要先把「理解」完整教給電腦。 我們可以給它大量人類真正使用過的文字，讓機器從資料裡尋找規律： 哪些詞容易一起出現？在這段上下文裡，下一個詞最可能是什麼？ 統計、機率與機器學習的道路一路發展，成為今天大型語言模型的重要基礎。 大型語言模型在預訓練時，反覆進行一件表面上很簡單的事情： 預測下一個詞。 可是當資料夠多、模型夠大、訓練夠充分之後，為了把下一個詞預測得愈來愈準，它逐漸掌握許多語言結構、知識與模式，甚至表現出某些推理能力。 它究竟算不算真正「理解」語言，直到今天仍值得討論。 但至少，它真的可以和我們對話、翻譯、摘要、寫程式與解決問題。 這和飛行的歷史何其相似。 我們曾經以為： 要飛，就得像鳥一樣拍翅膀。 今天我們也開始思考： 要有智慧，真的一定得像人一樣思考嗎？ 飛機不像鳥，卻可以飛。 AI不像人的大腦，卻可以完成許多原本需要人類智慧的工作。 而自然界本身，其實早就提醒我們： 智慧可能不只有一種形態。 人類的個體智慧很強。 一個人可以閱讀、寫作、開車、下棋、談判，同一個大腦能處理許多不同的問題。 螞蟻與蜜蜂卻走了另一條路。 單獨一隻螞蟻掌握的資訊非常有限，也沒有哪隻螞蟻知道整個蟻巢的完整計畫。 但成千上萬隻螞蟻依照簡單規則互動，卻能找到食物、建立路徑、分工，甚至築起複雜的蟻巢。 蜜蜂也是如此。 單獨一隻蜜蜂並不了解蜂群的全貌，但透過個體交換資訊，蜂群甚至可以共同尋找、選擇新的巢穴。 我們把這類現象稱為「群體智能」。 這也讓我想到： 未來的人工智慧，會不會在某些方面反而更像蜂群？ 當然，今天一個大型AI模型本身已經非常複雜，不能簡單把它比成一隻螞蟻。 但現在的AI系統，愈來愈常出現另一種樣貌： 一個負責搜尋，一個分析資料，一個寫程式，一個檢查答案；許多不同的模型、工具與AI代理彼此合作。 每一個部分未必掌握全貌，組合起來卻能完成非常複雜的任務。 所以未來的AI，也許不只是打造一個愈來愈像人的「超級大腦」。 它也可能像蜂群一樣： 讓許多不同能力的智能彼此合作，最後產生超越單一個體的結果。 想到這裡，「飛行」給我的啟發，好像已經不只是飛行。 我們生活中也經常在「模仿翅膀」。 看到成功人士每天五點起床，我們也開始早起。 看到一家成功公司每天開晨會，我們也開始晨會。 看到成績好的孩子做很多題目，我們也買很多題庫。 這些模仿未必錯。 只是我們還可以再多問一句： 真正讓它有效的，究竟是什麼？ 親愛的你呢？ 生活中有沒有什麼事情，是我們一直努力模仿別人的做法，卻很少停下來問： 「為什麼這樣做會有效？」 鳥讓我們知道，飛行是可能的；但鳥並沒有規定飛行器一定要長什麼樣子。 人類讓我們知道，智慧是可能的；但人類的大腦，也未必是智慧唯一的樣子。 也許學習真正有意思的地方，不只是問： 「他是怎麼做的？」 而是繼續追問： 「讓這件事情成立的原理，到底是什麼？」 從模仿翅膀，到理解飛行。 有時候，一個新的世界，就藏在這一個問題之後。 ——企鵝不捨小書房 -- Hosting provided by SoundOn