隨著 2024年台灣國際電腦展 Computex 揭開序幕，科技晶圓界的大佬們紛紛現身，無論是 NIVIDA 黃仁勳、AMD 蘇姿丰⋯⋯台灣這幾天對於 CPU GUP 晶圓世界的關心正在熱頭上，而其中我們如何理解 AI 深度學習，以及可能迎向的 AGI (Artificial General Intelligence) 世代呢？
先來聊聊幾個專有名詞，什麼是深度學習（Deep Learning）深度學習是是機器學習 Machine Learning 的分支，是以人工神經網路為架構，對資料進行表徵學習的演算法，深度學習中的形容詞「深度」是指在網路中使用多層（資料來源：Wikipeida 深度學習定義）
（圖片來源：TURING）
（圖片來源：天下雜誌）
AI 開始進行深度學習，ChatGPT 一代一代更新，越來越能進行龐大資料分析解讀、如 LLM 大型語言模型分析，利用函數與學習不斷推演更聰明的對話與回覆，無論是特斯拉執行長 Elon Musk 抑或 NIVIDA 黃仁勳都宣稱 AGI (Artificial General Intelligence) 將於近年實踐，通用人工智慧有類似人類智慧與自學的能力，甚至大膽預測會超越人類智慧。
AGI 時代到底會不會如 Elon Musk 與黃仁勳預測的 2025-2029 年實踐呢？早在 1989 年提出 Deep Learning 深度學習架構的圖靈獎得主、Meta AI Chief 楊立昆（Yann LeCun）有不同的看法：
「 AGI 根本不存在，因為人類智慧「遠非通用」。
楊立昆列出：推理、規劃、持久記憶和理解物理世界等四大認知挑戰「這四個特質是人類智慧的基本特徵，現有 AI 系統都做不到。」
LLM 與人類主要透過感官與世界互動獲取知識的學習方式有所出入。他估計，一個 4 歲孩童所獲得的感官資訊，就是全球最大 LLM 的 50 倍。也因此提出「目標驅動型 AI」(Objective-driven AI) 的全新架構，有別於 LLM 從文字獲取知識，目標驅動型 AI 利用感應器和視訊資料，建構一個「世界模型」以理解物理世界。（資料來源：inside.com)
（圖片來源：INSIDE）
無論是 LLM 還是 Objective-driven AI ，共通特點就是當人工智慧可以比人類頭腦更迅速與大量進行資料處理與分析時，哪些才是人類頭腦的關鍵技能？「推理、規劃、長久記憶和理解物理世界。」這些確實是人類智慧的基本特徵，而黃仁勳在世界政府峰會上的一段發言也讓我們有所學習（下段中文翻譯引用至 GavinChiata.Lee 臉書貼文）
「過去幾乎所有站在這個台上的人，都會叫你的小孩一定要去寫程式，但事實上，這完全是錯的，因為讓大家不用再去學程式語言，是我們 (科技人) 的責任。我們要讓這個世界上每個人都是程式設計師，而這個共通的程式語言，就是人(human)。」
AI 的運算能力會持續突飛猛進，在這樣的未來裡，如何與 AI 協作才是關鍵的技能：如何拆解問題、問對問題、解讀數據、甚至分析、辨識關鍵參數、提供與眾不同的見解與洞見將會越趨重要。
這樣的趨勢太陽實驗室在 2019 年即開始提倡，我們不是要孩子會寫程式語言，當然我們也教 coding，然而我們更重視的是「思考」不同層面不同層次多元多變的思考。
思考力如何培養？為什麼要會拆解問題？分析甚至是解讀資訊？為什麼要學習設計思考？同理心、設計與創意的重要性是什麼？
因為未來的關鍵不再是「多會寫程式語言、如何快速運算」而是我們用多少維度、如何多元感知與理解世界、去解讀人、進而與 AI 或是其他人類智慧協作。
世界在變，每天每天都有新的 Hype（熱潮）出現，然我們相信核心能力不會變，核心能力是什麼呢？那就是人類的多層次與前瞻性思考，是太陽實驗室在提倡與盡力教育的「解決問題能力」「設計思考養成」甚至是「影像視覺創作的刺激」
打好底子、養好土壤，至於上方會開出什麼花、長出什麼植物與樹木，那會是孩子們帶給未來世界的驚喜。