超越人類閱讀能力，阿里巴巴、微軟AI創紀錄，搶攻客服導覽工作|數位時代 BusinessNext

超越人類閱讀能力，阿里巴巴、微軟AI創紀錄，搶攻客服導覽工作

人工智慧又有新的突破，在具權威性的史丹佛大學閱讀理解測驗(SQuAD)上，阿里巴巴與微軟的AI機器學習模型的測驗成績首度超越人類，讓AI在「閱讀理解」項目再攻下一城。

阿里巴巴AI閱讀能力首度超越人類

由史丹佛大學研究人員所開發的史丹佛大學閱讀理解測試（Stanford Question Answering Dataset，簡稱SQuAD），被業界認為是最具權威與公信力的機器閱讀理解測驗，包括Google、IBM、Facebook、卡內基美隆大學等企業機構都曾參與。

人類過去在SQuAD測驗拿下最高的成績是82.304分，這次中國阿里巴巴所開發的人工智慧（AI）機器學習模型，在回答完一份由10萬條題目所組成的題目庫問題後，以82.44分的分數首度超越人類，接著微軟在相同的測驗中以82.650分同樣超越人類記錄。

消化大量資訊、模擬人類閱讀理解行為

SQuAD比賽由一個10萬條問題組成的機器閱讀理解題目庫組成，這些題目以500篇維基百科文章為基礎，主要用來測試機器是否能透過自然語言處理模仿人類對單字、句子的理解，在消化大量資訊後，精準地回答出問題。

AI在閱讀完題目庫中的一篇短文後，需要回答關於文章的幾個問題。例如，讓AI閱讀影集《異世奇人》資料，然後問「博士的飛船叫什麼名字？」；或是閱讀成吉思汗的歷史後，問「成吉思汗是哪年去世的？」

阿里巴巴研究團隊提出的「基於分層融合注意力機制」的深度神經網絡模型，是這項技術的重大突破，這款模型可以模擬人類在閱讀理解時的行為，包括串聯不同篇章的內容、帶著問題反覆閱讀文章、在閱讀時標註避免遺忘資訊等。

客服、導覽都派得上用場

阿里巴巴自然語言處理首席科學家司羅（Si Luo）表示，目前AI只能回答有明確答案的問題，如果問題表達的方式太模糊不清、不合語法、沒有預先準備好資料，AI有可能無法正常運作。

不過測驗結果還是相當振奮人心，「2018年有了一個強勁的開始。」SQuAD負責人Pranav Rajpurkar興奮地在Twitter上這麼寫下。

透過AI閱讀理解的精進，未來將可以幫助人類處理大量資料、更加準確回答問題，「像是『為什麼會下雨？』這類客觀的問題就可以透過機器高度精準的回答。」首席科學家司羅（Si Luo）說：「這項科技可以應用在客服、美術館導覽，甚至是回答病患的醫療問題。」

成為第一家在閱讀理解測驗分數超越人類的科技公司，阿里巴巴近年加入騰訊、百度等公司的行列，積極在AI領域求突破，希望能借助AI發展社群媒體、廣告以及自動駕駛技術，中國也喊出要在2030年成為AI領域的領頭羊。

若將生成式人工智慧（GenAI）技術視為改變人與資訊互動的重要分水嶺，Physical AI（實體AI）則讓 AI 真正理解並介入真實世界：從機器人、自駕車到智慧製造，AI 正從「理解內容」走向「理解物理世界」，其中，自駕車被公認是 Physical AI 最具代表性的落地場域，也是目前最能驗證 AI 感知、推理與決策能力的應用，因為，不僅要控制車輛，還必須即時與人流、車流、道路設施及各類載具互動，需要極高的 AI 感知、推理與執行能力。

對深耕智慧移動多年的勤崴國際而言，Physical AI不只是 AI 技術演進，而是自駕車產業邁向下一個世代的重要轉折：從依賴規則控制（Rule-based）的自駕系統，逐步升級為具備感知、推理、學習與持續優化能力的智慧移動平台，讓全球自駕車產業競爭從單一技術比拚，走向資料、場域、生態系與 AI 能力的全面競賽。

Physical AI讓自駕車從「照規則開車」走向「理解世界」

過去，自駕車依靠高精地圖、光達（LiDAR）、攝影機等感測器，以及大量預先設定好的規則進行判斷，這種作法能處理相對固定的情境，但一旦遇到複雜且快速變化的交通環境，例如大量機車穿梭、行人突然穿越、不同國家的交通規則，系統很容易受到限制。

勤崴國際認為，Physical AI 的出現正改寫自駕車的發展模式：透過更強大的 GPU 算力，結合世界模型（World Model）、數位孿生（Digital Twin）與模擬器（Simulator），AI 能先在虛擬世界完成大量交通情境模擬，再將學習成果快速部署到真實道路，不僅大幅縮短訓練與驗證時間，也讓自駕系統持續學習與進化。

「在 Physical AI 賦能下，自駕車將從依照規則開車轉變成能理解環境、預測意圖，再做出最佳決策。」勤崴國際副總經理林映帆表示，例如當系統看到路邊有人揮手，不只是辨識動作，而是能推論對方有搭車需求；當機車快速切入車道，也能提前預測可能路徑，而非等事件發生後才反應。

這也意味著，自駕車的競爭已從「規則設計」走向「AI學習能力」的競爭：自駕車不僅是智慧移動的新載具，更是觀察 Physical AI 是否真正成熟的重要指標；換言之，Physical AI比拚的不是演算法，而是誰能持續累積真實場域、建立與完善資料庫，讓 AI 在每一次行駛中不斷學習、持續進化，形成下一波智慧移動競爭的關鍵。

七年累積三十個場域，勤崴國際打造台灣智慧移動新能量

相較於 Waymo、Tesla 的優勢來自數百萬輛車持續累積道路資料，勤崴國際的策略是透過不同場域的長期營運，建立屬於台灣的智慧移動資料庫。

自2019年投入自駕車商業化應用以來，勤崴國際不僅持續深耕高精地圖、自駕系統、車聯網及自駕運輸技術、於全台完成超過30個自駕場域部署，累積自駕行駛里程突破38萬公里、服務超過80萬人次，更逐步建立台灣少數具規模的智慧移動資料庫；為進一步加速自駕車產業價值鏈發展，勤崴國際也攜手車廠、路側設備，感測器、AI 平台、車聯網、客運與場域業者打造完整的自動駕駛生態系。

以台積電南科園區的自駕巴士服務為例，由於路線涵蓋園區內外道路，自駕車不僅要與物流車、叉車及一般車流共存，離開園區後更須面對台灣特有的高密度機車交通環境，對 AI 的感知與決策能力形成高度挑戰；截至今日，該服務已累積超過92,435人次搭乘、自駕行駛里程超過83,542公里，接駁率高達96.7%；此外，勤崴國際也於廠區內導入自駕接駁車與自駕載貨車，累積服務超過216,794人次，驗證自駕技術在智慧工廠場域的落地能力。

除了工業場域，勤崴也將自駕技術延伸至觀光應用，例如今（2026）年6月在南投埔里福興溫泉區推出「啡嚐咖心」觀光自駕車服務；林映帆指出，相較於工業場域重視效率，觀光應用更重視人車互動與乘車體驗，遊客只需一鍵即可啟動自駕接駁，系統除了安全辨識行人與周遭環境，也能透過語音互動提升搭乘安心感，證明自駕車不僅適用於產業應用，更可成為偏鄉觀光與高齡化社會的新一代公共運輸解決方案。

接下來，勤崴國際將憑藉著在南部科學園區、南投與新北市的落地運行經驗，攜手產業夥伴、針對未來對自駕公車有需求的城市，協助客運業者解決公車缺工等議題。

林映帆說：「我們的目標是提供自駕全方位解決方案。」在累積物流、廠區接駁、觀光、無塵室搬運等多元場域經驗後，勤崴逐步發展出「一個平台、多種載具、多種場域」策略：將共通技術平台模組化，再依不同客戶需求進行客製化調整，讓每新增一個場域，都成為下一個場域快速且安全部署的重要養分。

勤崴國際副總經理林映帆表示，將以「一個平台、多種載具、多種場域」策略，攜手自駕車產業鏈夥伴，協助AI自駕車等智慧移動落地應用，以及打造「國家隊」前進海外市場。

圖／數位時代

隨著Physical AI的成熟與落地，未來智慧移動的競爭，不再只是比誰擁有更大的模型，而是比誰能持續累積場域、建立完整資料庫，以及串聯完整生態系；在這個關鍵時刻，勤崴國際除因應不同場域客戶需求提供自駕車解方，也希望攜手更多產業夥伴，共同打造具有國際競爭力的智慧移動國家隊，讓台灣在全球自駕與 Physical AI 的新賽局中，占有一席關鍵位置。