會思考、會運算、會推理的AI還有什麼做不到？「女人的第六感」，是演算法都搞不定的事

AI日益發展，能力甚至凌駕在人類之上，人類從好奇、期待AI的發展，到開始擔心自己未來的飯碗是否將不保……。「教育」看似答案，然而透過怎麼樣的教育，才能培養出人工智慧絕對取代不了的能力呢？

本文摘自《修復未來》，大塊文化出版

人們總是說教育是答案，特別是那些未從事教職、也不在學校工作的人對此堅信不疑。教育是人們應該如何為在新經濟工作重新受訓的方式。教育是孩童發展溫格的「心理自由」、破除網路成癮的地方。教育是——借用斯托布的話——我們學會當人類的地方。雖然以上說法都沒錯，但教育成了每一件事的預設解答。當我們不知道該如何解決某個大問題時，總是把它丟進教室，讓那些低薪超時的老師負責修復。 問題越大、越不定型，我們就越常把它丟給學校來處理。

例如，MIT經濟學家艾瑞克．布林優夫森（Erik Brynjolfsson）和安德魯．麥克費（Andrew McAfee）合著的《第二次機器時代》（The Second Machine Age），探討摩爾定律的經濟衝擊，他們在這本精彩的暢銷書中，將教育列為解決美國未來的頭號政策建議。「把小孩教好」，是布林優夫森和麥克費的結論，並提出調高老師待遇，讓他們教學更負責，尤其是那些「像創造力和非結構式問題解決等難以評量的技巧」。兩人還建議，老師應該利用磨課師（MOOCs）這類新科技，「以低成本來複製優秀老師、內容和方法」。

AI的限制：電腦沒有「瘋狂地帶」

然而，事實是，孩童並沒有被教好，至少在美國是如此。2017年5月皮尤研究中心報告《未來工作和工作訓練》（The Future of Jobs and Jobs Training），向1408名美國資深主管、大學教授、AI專家提出，一連串關於在自動化世界裡教育人們的挑戰。報告結果發現，百分之三十的受訪者對於中小學、大學和工作訓練內容會迅速進化、跟上下一世代的勞工需求表示「沒有信心」。「老闆認為你的工作技能很快就毫無用處」，《華盛頓郵報》對於這份報告結果下了殘酷的結論。

該報告的合著者、同時也是皮尤研究中心主任李．雷尼（Lee Rainie）針對這份報告指出：「人們一直在苦思這個基本的形而上問題：人類擅長什麼？找出這個問題的答案很重要，因為機器與人類混合的世界已經到來，而且將加速發展。」

那麼，人類到底擅長什麼呢？特別是，和那些李．雷尼口中「正在吃掉人類工作」的智慧機器相比。

我把這個問題拿去問尼古拉斯．卡爾（Nicholas Carr），他是美國專門探討數位革命中人類成本極受敬重的作家，著有被提名普立茲獎的《網路讓我們變笨》（The Shallows），以及其他關於科技的重量級著作。我來到卡爾的家鄉，科羅拉多州的波德市，與他在一間古怪的塔吉克斯坦餐廳吃著中亞食物，他對我高談形而上學。

儘管他承認當人們給他貼上「人本主義者」的標籤時他會生氣，但他還是生動地區分出人類和智慧機器的不同之處。「電腦沒有瘋狂地帶，它們不能矛盾，也無法設計去處理模稜兩可的情形，它們也沒有直覺，」 他解釋道。

之前提到過，史帝芬．沃爾弗蘭不認為電腦會有「目標」，卡爾也一樣，認為要讓智慧機器變得有自覺、有意識，「簡直難以置信」。「和機器人相比，人類意識最偉大的地方，」他喝口啤酒，說，「是我們可以同時做不同的事情。」

可是，我們該如何把孩童教好呢？我問他。我們該教孩子哪些技巧，讓他們不只有工作可做，還能適應李．雷尼所說的「機器和人類混合的世界」呢？

培養直覺、模稜兩可和自我意識，為人類獨有

卡爾談到豐田汽車最近宣布，在日本某些工廠將以資深技術人員取代機器人。豐田發現這些員工有多年的經驗，能處理工作上不願遇到的模糊地帶。有多年診治病患實務經驗的醫生也具有這樣的直覺。他說，這種直覺絕不可能被演算法取代。卡爾特別提到另一位美國人氣作家馬修．柯勞佛（Matthew Crawford）筆下的「摩托車修理店的未來工作哲學」。卡爾也像湯瑪斯．莫爾一樣，認為人類獨特的價值在於實行，因此，卡爾認為，教育不應該光是知道，還要包括動手去做，這一點和蒙特梭利不無類似。

所以，根據尼古拉斯．卡爾的說法，這就是人類在智慧機器日益當道的時代所擅長、能發揮的地方。因此，教育工作者面臨的挑戰（或契機），就是教會學生機器人或演算法做不到的每一件事情，在卡爾看來，這包括培養直覺、模稜兩可和自我意識，而他認為電腦的局限性很大。曾在蒙特梭利學校教書的斯托布認為，人類擅長的是自覺和「感召」的觀念。而有三個在家自學的青少年子女的艾伯特．溫格則認為是「心理自由」成就的自我駕馭。

這正是五百年前莫爾在《烏托邦》裡陳述的人本主義教育理想，著重的是無法量化的知識：如何與同儕說話、如何領會自律、如何享受休閒、如何獨立思考、如何當個好公民。然而，這種創新教育如今真的存在嗎？或者，也像莫爾的想像之島一樣，只是個無法實現的虛構想法？

我和馬丁．福特在桑尼維爾的希臘餐廳用餐結束後，往北開上美國一○一號公路，來到帕洛奧圖高中。這間公立學校和史丹佛大學位於同一條路上，坐落於世界冒險之都——矽谷的中央。像史蒂夫．賈伯斯這樣的科技巨擘都會把子女送到這間學校。

2017年皮尤中心公布一項令人不安的報告結果，指出美國教學品質惡劣，儘管如此，還是有一些勇於創新的學校老師成功地幫助學生為智慧機器主導的未來做好準備。我來帕洛奧圖高中找一位馳名加州的老師，想了解她的教學方法。

當GPU不再是唯一主角，記憶體為何躍上AI舞台中央？

過去，半導體的焦點多圍繞在晶片，例如CPU、GPU跟AI加速器等，市場普遍認為，晶片運算能力是左右科技產業發展速度的關鍵，但在進入生成式AI世代後，產業逐漸發現另一個事實：真正限制AI效能的瓶頸不是運算，而是資料能否快速被存取與傳輸。

從大型語言模型訓練，到AI推論、代理式工作流程（Agentic Workflow），甚至未來的機器人與自駕車，龐大的資料流量正持續推升對高頻寬、低延遲、高容量記憶體的需求，讓記憶體產業從過去相對標準化、以價格競爭為主的市場，逐漸轉變為AI基礎建設的重要核心。

「仔細觀察AI應用服務會發現，大多數工作負載都被頻寬限制。」美光科技全球業務執行副總裁Mike Cordano認為，記憶體是突破（頻寬）瓶頸的關鍵，也讓AI競賽從晶片算力升級到記憶體與儲存架構的系統級競爭。這樣的產業洞察，也正是Mike在歷經二十餘年的儲存產業資歷，加上四年半的創投生涯後，選擇加入美光的核心原因之一：在AI重塑產業結構的浪潮下，記憶體將成為這波成長最直接的動能所在。

從零組件供應商到策略夥伴，記憶體共創時代來臨

AI的崛起，正在改變記憶體廠商與客戶的關係。

過去，記憶體產品多是標準化元件，客戶關注的是價格、供貨與規格；合作模式也偏向短期採購與交易導向。然而隨著AI系統規模愈來愈大，從資料中心、雲端平台到終端裝置，記憶體已經成為決定系統效能的重要關鍵，也因如此，越來越多企業將記憶體視為「策略性資產」，而非單純零組件。

Mike表示：「現在，我們跟客戶合作的時間跨度改變了，在產品正式上市前三到四年便開始合作，從系統架構階段就共同規劃未來需求。」例如，美光科技與NVIDIA共同研發的資料中心所使用的低功耗記憶體，便是雙方提前多年展開深度合作（co-design）的成果。

值得特別注意的是，美光科技除從技術層面與晶片製造商等夥伴共創產品，也在需求層面與客戶進行密切合作，例如，將過去較無約束力、期限僅一年的長期協議（LTA）轉變成為期五年、條款更具約束力的策略性客戶協議（SCA），藉此掌握客戶的未來需求，進而在技術層面做更深度的合作。Mike坦言，深度協同設計是高成本的投入，美光的做法是先廣泛進行市場感知，理解不同場域的需求方向，再與生態系統中的夥伴們展開客製化合作。

從裝置導向轉為Token導向，AI浪潮重寫記憶體成長模式

除了合作模式改變，更大的典範轉移是需求的改變。

Mike解釋，過去記憶體需求跟PC、手機跟伺服器出貨量息息相關，但在AI新世代，推動記憶體需求成長的核心不再是設備數量，而是AI模型所產生的運算與資料消耗量。「AI產業逐漸走向以『Consumption』或『Token』為主的新經濟模式，每一次的模型運算都需要消耗大量的記憶體跟儲存資源，這意味著，即使設備銷量成長趨緩，記憶體需求仍可能持續上升。」

更重要的是，AI應用正從資料中心外擴至手機、PC、自駕車與機器人等場域，儘管不同場域對記憶體的需求不盡相同，但是，Mike認為：所有AI裝置都存在三項共同需求：更快的速度、更大的容量，以及更高的能源效率。

正如Mike在受訪時提到的：「我們最大的挑戰，是如何與客戶和整個生態系保持高度一致，一方面創造供給與產能，另一方面持續推動技術創新。」可以預期，在接下來的五年，記憶體產業面臨的挑戰不僅僅是擴展產能，而是如何與客戶共同規劃需求、同步投入技術創新，而這也是美光科技積極經營AI生態體系的原因。

總的來說，AI帶來的改變，不只是算力提升，而是重新定義整個運算架構：過去，記憶體被視為支援運算的基礎元件；現在，則是決定AI效能、能源效率與創新速度的關鍵資源；當產業競爭從晶片性能延伸到資料流動效率，從裝置數量轉向Token消耗量，記憶體的重要性也將隨之水漲船高，對美光科技來說，這將是其從供應商走向AI生態系核心夥伴的關鍵角色轉變。