從社會學角度看Sophia騙局與人工智慧的「自我意識」
從社會學角度看Sophia騙局與人工智慧的「自我意識」

去年年底才風光獲得公民身分的Sophia,卻在前幾天被「卷積神經網絡之父」Yann LeCun斥為一場騙局。這讓關於AI到底是否能夠「成為人」或「形成自我意識」的爭論再度成為焦點。

這不是騙局,什麼才是騙局?

先不論給予Sophia人類公民身分的,是沙烏地阿拉伯這個女性人權與公民權仍受壓迫的國家,這件事本身就荒謬地令人發笑(一個連「人」的權利問題都還搞不定的國家,反倒搶著給「非人」公民身分)。

如果你也看過那些Sophia與人互動的影片(例如她去Jimmy Fallon的Tonight Show),我想就算你不是什麼AI專家,應該也會懷疑Sophia真的「夠格」成為人類公民嗎?

我得先說,我不見得如李開復所說的,將Sophia獲得公民身分這件事視為是對人類最大的羞辱。但如果說Sophia的每次登台「演出」都得事先設定,否則其對話與互動的能力就會大失水準,而她卻又被「包裝」地彷彿跟人沒什麼不同,那麼,這不是騙局,什麼才是騙局?

總之是已經被騙了,至少我們得藉這個機會再想想,AI真的能「成為人」或「形成自我意識」嗎?當然,上述這個問題本身可能已經是一種化約,也就是將「形成自我意識」等同於成為人。不過,在有限的討論空間下,且讓我先這樣提問。

AI能形成自我意識嗎?

AI的發展之所以老是與「人」扯在一起,套一句Sophia的話,恐怕也是電影看太多的緣故。有太多的科幻電影都以AI與人的關係為題材,探討著理性、感性、身體、生命、情感、支配、自由等等重要的問題。

而認真說來,在我看過的有限的科幻電影中,特別處理了「自我意識」這個問題的,大概就是《奧圖瑪塔》跟《成人世界》這兩部。前者透過AI機器人開始會自我修復受損的身體,凸顯出它們開始有了自我意識;後者則是一位天才科學家開發出一套有著類似人類學習能力的AI,並實驗性地將其灌進某具本該報銷的機器人後,它卻陰錯陽差地「成長」為街頭混混的故事。

絕非湊巧地,這兩部電影裡的AI都是「有身體的」,《奧圖瑪塔》裡的機器人突破了設計原則開始維修「自己的」身體,《成人世界》的機器人查皮甚至會因為被火燒身、失去手臂,表現出(或感到)恐懼與痛苦。如果對照來看的話,一方面Sophia也有她的身體,但另一方面,Sophia的身體卻顯然笨拙,或者說了無生氣。

是的,雖然說科幻電影經常讓人不切實際地幻想高科技的未來,但許多時候它卻也精準地掌握了一些問題。在形成自我意識這個問題上,我們可以看到,「身體」至關重要。從社會心理學的角度來看,「自我」的形成是幾個過程作用下的產物。首先得有一個能夠想像地預演下一步行動的心智過程,而這意味著這個心智過程能夠理解「外在」的資訊進而「內在」地預想可能的行動後果;其次,「自我」形成於與他人的互動中。也就是說,在互動中,心智過程可以處理外在他人針對「自身」所釋放出的描述與評價訊息,進而心智過程便能夠形成關於「自我」的意識與想像。

換言之,正是因為有一個身體,他人的眼光、評價與描述才會在互動中指向同一個所在。因此,「自我」的形成就好像是一個迴旋的弧線一般,從「這裡」發射出去再從他人回返至原初起始的所在。這一迴旋的弧線讓「自我」得以從身體中誕生。說穿了,我們經常在說「要注意自我形象」時,為何總是第一直覺地看看自己的裝容打扮、言行舉止,正是這個原因。

而Sophia雖然有著令人驚豔的表情控制技術,但她的身體卻沒有表現出「自我」。這不是在說Sophia沒有「個性」(事實上她的言行還挺有的),而是在說,除了「有反應」的表情(但有時也會延遲反應)外,她的肢體動作往往是呆滯且無法相應於互動他者有所進退的。

換言之,你可以想像,上述我所謂形成自我的那道迴旋的弧線,在Sophia這裡,就算不是全然不存在,恐怕也是模糊不清的。因此,進一步說,AI是否可能形成自我意識?那就得看AI何時既能有進行想像預演的心智(運算)過程,又能有一個同時作為認知與行動起始點,及他人描述與評價回返原點的身體。

跳出人類中心思維

不過,我得再多說一點的是,這些老是把AI跟「人」扯在一起的討論,除了受科幻電影影響外,也不免是由於「人類中心主義」所致。

簡單來說,一方面有些人會認為這種比人更強大的科技,總應該是要以人(這個過去自視為萬物的頂點)為範型的放大與增強。另一方面,人類中心主義也表現在,我們焦慮於如果AI「不像人」,那我們可能控制它或與它「溝通」的可能性就更低了。當然更不用說,如果它「不像人」,人類未來又該如何承認其存在?

但是如果我們能先跳出人類中心主義的思維,想像AI發展的未來時,相較於有沒有「自我意識」,我反倒覺得AI是否能夠及是否應該「自主」的問題更為重要。在這裡,「自主」可以簡單定義為,能自行選擇目標、提出問題並尋求解答及採取行動。

換言之,當AI的發展實現「自主」時,這也意味著人類終於才切實地看清了科技不再(或說從未)受自己控制。至於之後的故事就沒人能知道了。

《機械公敵》的「人類保護計畫」會真實上演?還是會如《奧圖瑪塔》那樣,AI機器人將集體遠離終將自我毀滅的愚蠢人類?

《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

關鍵字: #人工智慧
往下滑看下一篇文章
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設
從模型競爭走向算力經濟,INFINITIX 助客戶打造軟體定義 AI 基礎建設

過去兩年,人工智慧技術以史無前例的速度翻轉企業營運與競爭態勢,從客服、知識管理到軟體開發,越來越多企業將大型語言模型(LLM)導入企業營運流程,隨著應用程度的深化與廣化,越來越多發現,真正的挑戰早已不只是「選擇哪個模型」,而是如何管理算力、控制成本、確保資料安全,以及讓不同世代GPU、模型與AI應用可以持續共存與調度。

代理式AI崛起後,AI應用從回答問題進展為執行任務、操作系統以及串接流程,連帶拉升對AI基礎設施的需求與架構複雜度,而這意味著,想要發揮AI綜效,光只有模型與技術尚不夠,必須將整體IT環境逐步升級為AI基礎建設(AI Infra)。

深耕AI管理領域多年的數位無限(INFINITIX),近年積極布局軟體定應AI基礎建設(Software Defined AI Infrastructure)市場,除持續深化與GPU、伺服器與AI硬體生態系的合作關係,如於2021年取得NVIDIA Solution Advisor全球夥伴資格,2025年亦獲AMD GPU生態建設夥伴獎,也因應市場需求推出AI-Stack與ixCSP兩大產品線,協助企業、雲端服務供應商(CSP)與新世代AI雲端業者,更有效率地管理跨世代AI算力資源。

數位無限執行長陳文裕表示:「我們的目標是協助客戶打造軟體定義AI基礎架構,讓其可以視需求向下整合不同世代GPU、儲存與網路設備,同時,向上鏈結模型、Token跟AI應用,加速企業的AI創新轉型腳步。」

數位無限執行長陳文裕.JPG
數位無限執行長陳文裕
圖/ 數位時代

從AI模型到AI經濟,企業競爭焦點轉向算力與Token調度能力

過去市場談AI,焦點多半放在模型參數、推論效能與模型能力,但在大型語言模型推論需求暴增的現下,AI Infra早已從單純GPU採購演變成涵蓋機櫃、網路、儲存、散熱與電力的整體工程;企業真正需要的,不是更多GPU、而是如何更有效率地調度與利用算力。

尤其在NVIDIA提出Token Factory概念後,全球AI產業正逐步從模型競賽轉向「AI經濟」,亦即,影響企業AI決策的再也不是使用哪個模型、部署多少GPU,而是消耗多少Token、產生多少AI服務,以及算力是否能被有效共享與調度。

換言之,在AI新世界,算力調度能力的重要水漲船高。對此,陳文裕十分認同的說:「企業想要提升AI競爭力,不僅要掌握模型與應用,還必須進一步思考如何有效切割GPU資源、讓不同部門甚至集團子公司共享算力、延長舊世代GPU的使用壽命,甚至是如何將閒置算力轉變成可交易的資源等。」

事實上,這也是大量AI資料中心(AIDC)跟新世代AI雲端服務(Neo Cloud)業者出現的原因,包括CoreWeave、Nebius、Lambda Labs、GMI Cloud等業者皆試圖以更具彈性的方式,提供企業所需的GPU服務與AI算力平台。

看準這波趨勢,數位無限除透過AI-Stack提供GPU切片、模型部署、模型管理與MLOps等服務,協助客戶提升GPU使用率,更進一步推出ixCSP平台,讓雲端服務供應商與新世代AI雲端業者,能從過去單純販售GPU資源轉型為提供GPU as a Service、Token as a Service與Model as a Service等創新AI服務。

以Software Defined AI Infrastructure助企業以「通用化、鬆耦合」迎戰瞬變AI世代

因應AI新世代帶來的挑戰:模型快速升級、算力需求攀升、GPU世代交替迅速,企業在追逐AI落地的同時,勢必得面臨基礎建設更新速度過快、硬體投資壓力升高,以及資源利用效率難以最佳化等挑戰。

為協助企業在AI快速演進與基礎建設投資之間取得平衡,數位無限的作法是,透過AI-Stack將底層硬體抽象化,以Token或模型服務形式提供,讓企業客戶、AIDC與Neo Cloud業者可以延長不同世代與不同品牌的AI硬體設備的生命週期、創造更高的使用價值、甚至是展開更多元的營收模式。

例如,高雄醫學大學附設中和紀念醫院便透過數位無限的AI-Stack解決GPU資源調度效率不彰問題,加速39項AI模型進入臨床應用階段,成功建立起「從模型開發到臨床落地」的完整生態系統。而日本精密製造大廠–Union Tool Co.–則是透過AI-Stack簡化GPU資源共享、加速AI模型的開發與測試腳步,為提升生產效率做最佳準備。

「如果大型企業或AIDC業者擁有閒置資源,也可以透過ixCSP平台,把算力共享或調度給集團內部團隊、子公司,甚至上下游合作夥伴使用,進一步提升整體資源利用率。」數位無限執行長陳文裕如是說道。

隨著AI從工具演變成企業核心基礎建設,企業真正需要的,也不再只是單一模型,而是一套能持續適應AI快速演進的AI Infra,而這與數位無限近年來的重要轉型方向一致:從AI管理軟體提供者轉型為軟體定義AI基礎建設供應商,更好協助客戶打造具備「通用化」與「鬆耦合」特性的AI基礎建設。

除以AI-Stack與ixCSP協助客戶提升算力使用效率與價值,數位無限亦計畫與硬體合作夥伴推出Agentic AI一體機方案,協助企業快速建立可驗證、可部署、可切割、可共享的AI運算環境,降低企業從PoC走向實際導入的門檻,加速AI落地。

總的來說,隨著AI競爭從模型能力延伸到算力治理,企業比拚的不僅是導入速度,而是能否建立一套足夠彈性、可持續演進的AI Infra,而這與數位無限的發展目標一致,將持續不斷優化產品服務,化身企業搶進AI新世代的關鍵合作夥伴。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
代理式商務連動百兆商機
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓