近年 AI 的發展一日千里。不過，AI 並非新鮮事物，十年前已有 AlphaGo 及成熟的人臉識別技術，為何近年的 AI 發展會突飛猛進，展現出遠超以往的智能水平？關鍵在於研究人員找到了「壓縮即智能，語言即世界」這一突破口。
近年突破：由專才到通才
欲理解 AI 的進步，須先釐清它與傳統程式的本質區別。
在編程的世界，工程師與機器的關係猶如將軍與士兵。工程師負責制定詳盡、明確的規則，機器百分百遵從指令執行任務。這種模式雖然可靠，但缺乏靈活性，一旦遇到未被規則覆蓋的場景，便會束手無策。
在 AI 領域，工程師的角色更像是教師。他們負責準備教材（數據），設定學習目標與課程（訓練機制），然後讓機器自行從海量資料中發掘規律，並利用這些規律靈活應對新情況。這個過程稱為「機器學習」。機器學習訓練出的神經網絡，便是我們常說的 AI。相較於傳統程式的僵化規則，AI 的最大優勢在於其處理未知場景的靈活性。
在大型語言模型問世之前，最著名的神經網絡應用當屬 2016 年的 AlphaGo。它通過學習頂尖人類棋手的棋譜，掌握了圍棋的深層規律，最終擊敗世界冠軍，震驚全球。然而，儘管機器學習技術潛力巨大，但早期模型多偏向單一任務，訓練一個模型下圍棋，它便只懂圍棋；訓練它識別人臉，它也僅能處理圖像識別。每個模型只能執行單一任務，但訓練成本卻極為高昂，導致其經濟效益受限。
GPT 的革命性突破，在於找到了一種名為 Next Token Prediction 的通用訓練機制，成功以單一訓練模式，構建出能夠處理多元任務的神經網絡。
該訓練機制的原理其實相當直觀：首先蒐集海量文本，然後抽取資料，然後要求 AI 預測該資料之後下一個字是甚麼。預測正確則給予獎勵，錯誤則進行懲罰。例如，如果它錯誤地預測「我吃了」下一個詞語為「飛機」，系統會給予負反饋。 降低 AI 未來在類似語境下輸出「飛機」的概率。重複訓練無數次後，最終訓練出一個極其擅長文字接龍的神經網絡。
壓縮即智能，語言即世界
一個看似只會文字接龍的系統，為何處理如此多元的任務，甚至能編寫程式、分析數據？這涉及 OpenAI 團隊所倡導的兩個核心觀念。
第一個觀念是「壓縮即智能」。提升智能的關鍵在於發現資訊中的規律與模式，並以更簡潔、高效的模型描述。
以電腦壓縮圖像的過程為例，一張未經壓縮的圖片，僅是逐一記錄每個像素的顏色數據。壓縮演算法（如 JPEG）會主動尋找圖像規律：它看到大片藍天，便將「藍色、藍色、藍色……」的冗長記錄，壓縮成「在此區域重複該藍色」的簡潔指令，檔案體積得以大幅縮減。
一個系統若能將數據大幅壓縮，意味著它在一定程度上「理解」了數據背後的結構與模式，才得以用更精煉的方式表達同等信息量。而智能的本質，正是學習世界的運行規律，並利用這些規律進行預測。掌握的規律越多，預測越準確，智能水平就越高。
另一個關鍵洞見是「語言即世界」。該理論認為，人類使用語言描述世間萬物的規律， AI 通過學習語言的結構與規律，便能學習世界的運作法則。
例如，當模型學會了在「我吃了」之後絕不接「飛機」，它便某程度上理解了「人類不會吃飛機」這一常識。當一個語言模型能夠持續且準確地預測下一個詞彙時，這表明它已經成功壓縮了訓練文本中的知識，掌握了其中包含的世界規律。
通過 Next Token Prediction 這一大道至簡的訓練方式， AI 得以從海量語言數據中提煉出對現實世界的深刻理解，從而具備了執行廣泛任務的通用能力。這裡所指的「語言」，不僅包括中英文等自然語言，也涵蓋程式語言、數學語言等。因此， AI 亦能做好編寫程式、分析數據等任務。這解決了過往 AI 模型能力單一的困境，也揭開了通用人工智能時代的序幕。
結語：迎接 AI 發展的「下半場」
「語言即世界」的成功，為通用人工智能奠定了堅實基礎。然而，下一步該往何處去？OpenAI 研究員姚順雨的觀點是， AI 的發展正進入「下半場」。上半場的核心是「提升考試成績」，不斷優化模型攻克各種 AI 基準測試，證明 AI 在各領域上的智能水平，正如一個聰穎的學生在求學階段專注於應付各類考試；下半場的關鍵，則已從單純提升模型能力，轉向「在現實社會創造更大價值」。這如同畢業生投身職場，真正的考驗不再是試卷上的分數，而是解決實際問題、創造實質貢獻的能力。
這意味著， AI 領域的焦點不再是如何讓模型更聰明，而是應該訓練 AI 去做什麼。未來的突破，關鍵未必是算法框架的再次革新，而更多地來自能否為 AI 找到正確的目標，發掘出能創造巨大社會或商業價值的應用場景。
如何將 AI 不斷提升的「智商」，轉化為讓社會變得更好的影響力，將會決定下一階段科技浪潮走向，也是整個社會必須共同面對的挑戰。
本文原刊於明報，刊登日期為 2025 年 7 月 24 日。