訊息公告

【人工智慧跨域研究中心訊】
國立政治大學人工智慧跨域研究中心（下稱 AI 中心）邀請矽谷資深技術長 Dinesh Maheshwari，於9月26日在本校人偉講堂以「AI ≠ 通用智慧？AI 時代的人類學習與創業機會」為題進行全英談話，吸引逾百位師生到場，挑戰時下人工智慧（Artificial Intelligence, AI）是否等同於通用智慧（Human General Intelligence, HGI）的主流敘事，以實際案例說明兩者差異，並以數理、人文與制度性的觀察，探討AI時代下的教育、決策與創業的機會與展望。

Maheshwari技術長坦言，人工智慧雖然知道過去2500年來人類寫下的一切，不只歷史，還包括我們對未來和史前時代的預測，但這不代表人工智慧具有真正的「智慧」，充其量只能定義為一個「能在任何領域、任何規模的數據中找出統計規律的超級計算工具 (function and dimension agnostic statistical computing)」，看似無所不知，卻並非「智慧」本身。

Maheshwari技術長提醒 AI、AGI 不可與 HCI 混為一談。現行的 AI 確實能在大量已知數據與歷史資料上做出前瞻推測，但面對需要重新構築概念空間、或幾乎沒有先例可循的「未知領域」，機器能力就會被大打折扣。Maheshwari技術長以兩個經典科學發現為例，凸顯兩者的差異：牛頓運動定律源自於對慣性現象的觀察發生，機器容易從重複模式中歸納學習；反之阿基米德浮力定律的的發現是在沒有預設問題框架，靈光一閃的概念突破，這種需要無中生有重構思想的創新，正是機器難以達到的部分，這說明人類的直覺與洞見依然不可或缺。

而在教育學習場域，Maheshwari技術長亦批判傳統DIKW（Data-Information-Knowledge-Wisdom）流程在AI時代下的崩解。Maheshwari技術長主張一個新的學習路徑：學生先需獲得概念性理解，利用 AI 進行大範圍的思想實驗，最後必須由學生自身以第一性原理與批判性思考來完成驗證，「驗證必須由學生完成。」這句話點到現代教育與學術倫理的核心。AI 雖能幫助人類學生快速生成假設情境，但最後進行檢驗假設、承擔結論與修正錯誤的責任，還是無法外包給機器。

在政經層面，Maheshwari技術長明確反對人們在高風險決策上完全仰賴機器學習。人類的思維瞬息萬變，在高度不確定、框架尚未建立的複雜決策情境下，往往需要同時權衡數百萬個變數，如果量子運算技術不能突破這個瓶頸，AI 便將永遠無法與 HGI 匹敵。儘管 AI 取代工作在所難免，但 Maheshwari技術長表示也將會有新機會的催生：例如在地化、客製化服務為核心的 AI 新創潛力。以臺灣為例，Maheshwari技術長建議企業若能深度結合對當地語言、文化、需求與供給鏈的理解，便能透過 AI 演算能力，將在地商品與服務精準放大到全球市場。這種本土洞察結合 AI 的模式，正能凸顯台灣新創在全球競爭中的優勢。

「我們需要從謙卑開始。」對談的最後，Maheshwari技術長 語重心長地提醒在場師生，理解並承認知識與技術的局限是 AI 轉型最重要的前提。科技發展必須始終以人為本，決策與判斷的責任不能推託給機器，淪為無人需要負責的黑箱。綜觀本次對談，Maheshwari技術長 不僅以其深厚的工程背景與創業經驗闡明技術邊界，亦以對教育與公共倫理持續扣問：「何為人類中心價值」？這個問題的答案需要教育者、產業界、政府與公民社會共同承擔，「人工智慧」從不只是技術問題，其根源深植於跨域理解、歷史感知，唯有正視這份集體責任，才能真正將科技轉化為提升人類社會福祉的力量。

Maheshwari技術長以其獨特見解，分析人工智慧是否等同於通用智慧等議題。（照片來源：AI中心）

綜觀本次對談，Maheshwari技術長不僅以其深厚的工程背景與創業經驗闡明技術邊界，亦以對教育與公共倫理的關注，時刻思考「何為人類中心價值」。（照片來源：AI中心）

本場演講吸引逾百會師生到場，現場學生發言踴躍。（照片來源：AI中心）