AI都能做,那外語系還有存在必要嗎?40年台大教授點出「必修三能力」:AI可以像人,但人別像機器!
AI都能做,那外語系還有存在必要嗎?40年台大教授點出「必修三能力」:AI可以像人,但人別像機器!

AI 浪潮以驚人的速度滲透我們的日常生活與工作場域。面對這股劃時代的變革,我們該如何應對,以確保人類的核心價值不被取代?

台灣大學人文社會高等研究院前院長、外文系特聘教授廖咸浩本身寫詩寫文章、教西洋文學和科技人文學逾 40 年,也曾擔任台北市文化局長。他將以其橫跨文學、文化與科技人文的深厚背景,及在史丹佛大學親身見證矽谷發展的經驗,解析他在新著《AI 與人性:跨領域的對話》中所探討的核心議題:AI 時代中,人類應該加強哪三種能力,才能站在 AI 的肩膀上,而非被其碾壓?

以下 Q 為數位時代總編輯王志仁提問,A 為廖咸浩教授的回答。

Q1:您擁有史丹佛大學文學博士的背景,但外界普遍認為史丹佛是科技與理工的重鎮。從您的角度觀察,當時矽谷與史丹佛的氛圍是怎樣的?

A:史丹佛大學雖然在普羅大眾的認知中偏向理工科,但實際上它是一所非常完整的綜合性大學,文科領域如文學、歷史、哲學都相當強大。當然,由於地緣關係,史丹佛與矽谷的連結非常密切。

在 1980 年代,我在那邊唸書時,常有機會接觸到矽谷的華人工程師,像威盛電子創辦人陳文琦、晨星半導體創辦人梁公偉等,我們甚至會在週末一起打籃球。當時的氛圍是,非當地出身的工程師感覺發展空間有限,升任主管的機會不大。因此,許多優秀人才後來選擇回到台灣,開啟了台灣科技產業的新階段。

當時AI 的發展甚至還處於「符號式 AI」(symbolic AI)的瓶頸期,沒人能預料到今日 AI 發展的火熱盛況,特別是它從矽谷與史丹佛大學湧現出新的發展邏輯與動能。

Q2:當 AI 全面滲透生活,甚至出現用 AI 進行心理諮商的現象,我們該如何應對以不被 AI 取代?

A:一個非常明確的趨勢是,未來生活的每一個層面都會被 AI 大量滲透,AI 將介入我們與生活的關係。所以在這個時候,「如何使用 AI 」就成了非常關鍵的能力。過去的科技只能取代人類部分功能,並可為我們帶來幫助,包括穿戴的眼鏡、鞋子,這些都是科技。

然而,假使使用、發展 AI 的方式不對的話,那 AI 的出現便很可能會對人類存在本身造成威脅。目前也觀察到伴隨 AI 發展而起的趨勢:科技越來越像人,而人卻越來越像機器,當人的訓練傾向於模仿機器,甚至主動轉變為機器,兩趨勢相乘下,將加劇人被 AI 全面取代的危機。

面對這個危機,簡單的回答就是:人必須更聰明地使用 AI 。我們必須加強對人的「共感能力」和「創造能力」的開發。當生活與 AI 無法切分的時候,那你的 Prompt(提示詞)是最重要的。Prompt 本身有創意時,你就是如同站在巨人(AI)的肩膀上,可以往前看;反之,若沒有創意,你連 AI 都不如,就會被它淘汰。

(延伸閱讀|你的工作真的安全嗎?AI 來勢洶洶致美國軟體開發職缺指數驟減近 70%!未來職場必備核心競爭力全解析

Q3:您提到「創造力」與「共感能力」是一體兩面,能否具體解釋兩者?以及如何透過訓練培養這些能力?

A:理論上,共感能力跟創造力是一體兩面,我們可以混在一起談。創造力主要有三個層次,它們都不可或缺,而共感能力則是貫穿始終的基礎。

必修能力一:創造力

● 階段一、知識吸收的能力: 廣泛、深刻、細膩地吸收知識。這仰賴於細膩的語言能力,否則無法區分知識的層次與色彩。

● 階段二、批判思考的能力: 在吸收知識的過程中懂得篩選、判斷是非,進而發現現狀中的問題,如此也才不會胡亂的累積知識。

● 階段三、提出解決方案的能力: 針對問題提出前所未有、足以改進或取代現狀的解決方式。

這三個階段的訓練基礎都在於細膩的語言,並牽涉到個人經驗的吸收與組合。首先,語言的細膩度必須從文學閱讀開始培養。文學作品的語言是精緻的,它一貫在做的事情就是:看到常人看不到的問題並提出來,經過說服的過程,最終引導你思考解決方案。其次,當語言越細膩,個人於經驗的儲存也會越豐富,從而創造越大的機會。因此,透過文學作品、任何「講故事」的作品,甚至是歷史進行訓練,是開發整體創造力的最理想途徑。

必修能力二:共感能力

● 情感為本: 人性最重要的部分是情感,而非理性。理性的部分機器也有,但情感是人唯一的特質。

● 理解與表達: 共感能力讓我們能理解故事中人與人之間的細節互動,理解並懂得如何表達自己的情感,以及處理別人的情感。例如,許多心理健康問題,都與不懂得如何表達或處理情感有關。

共感能力是講好故事的基礎,也是人性的最核心部分。只有發展出良好的共感能力,才能懂得如何講出一個能說服別人的故事。因為說服力本質上是一個情感的過程,而非純粹的理性過程。我們必須懂得別人的情感是如何表達、如何被刺激,才能在創造任何產品或服務時,思考如何讓別人喜歡或產生共鳴。

Q4:利用 AI 翻譯已非難事,是否仍需重視外語學習?尤其對於兒童教育,您認為應該如何安排?

A:我認為未來一切將會回歸母語。因為 AI 時代就是一個翻譯的時代,機器可以做得更好。其次,語言天分與數學天分一樣,並非人人皆適合高強度學習外語。根據明確的實驗研究證明,在母語尚未穩定、也就是 10 歲之前太早學習外語,會干擾母語的學習,且外語也學不好。

10 歲才是母語穩定、抽象能力發展成熟的時候,這時學習外語才比較有效。因此,我強烈反對在母語基礎未打好之前就學習外語。如果你母語不夠好,就算翻譯技術將外語作品精準譯成中文,你也會因為語言細膩度不足而無法理解。

Q5:當學習外語不再是普世需求,那麼外文系等相關科系在 AI 時代存在的價值與目的是什麼?

A:應該這樣講,外文系的存在會變得更為重要,但外語教育的方向須轉向「精英教育」。如同數學一樣,只針對有興趣、有天分的人進行高強度培訓,而非像現在這種普遍性、強迫性的教學。在 AI 翻譯工具持續演進下,預計在五年之內,普遍的外語學習很可能就會失去意義。

未來,人文學科如外文系、中文系、歷史系、哲學系等都必須健康地存在,甚至應該擴增學生數。但我要強調的是,在 AI 時代,人文素養的重要性不在於培養專業人才,而在於如何透過專業人才進行普及的共感與創造力培養。 這也是為什麼教育體系必須從第一天開始就提供學生足夠的「創意訓練」,而教創意的師資,就是教文學、教國文的人。

外文系未來將著重於培養大量能以中文教授外國文學作品的創意師資,他們需要具備探討、研究、批判和提出問題的能力,並將此能力普及給大眾。

Q6:除了創造力和共感能力,還有什麼是我們在面對 AI 衝擊時,必須要加強的能力?

A:當一切生活都有 AI 介入參與時,我們喪失與世界進行「實體社交與溝通」的能力,以及容易陷入將物當作神來膜拜的「拜物主義」(Fetishism)情況,如將 AI 視為諮商對象。極端的依賴與投入情感,將導致個人存在感虛幻化,甚至失去獨立思考的能力。因此,第三個最重要的能力是:回到身體,回到一個比較獨立思考的狀態。

必修能力三:注重獨立思考能力,回到實體

● 實體社交: 讓人回到線下,與他人親自見面交流,破除因網路與 AI 助長所形成的「資訊繭房」或「同溫層」。

資訊繭房:指個人在網路或媒體環境中,因為演算法根據其過去的點擊、瀏覽、購買等行為偏好,不斷推送高度客製化、過濾過的內容,使其接觸到的資訊越來越單一和局限。
同溫層:人們在社群媒體或其他網路空間中,聚集於由相似觀點、信念或政治立場構成的群體,並與群內成員進行交流互動。

● 獨立思考: 回到自己獨立思考判斷的狀態,不隨時依賴 AI 做出決策。

● 非數位學習: 在學校應提倡用筆、在教室內完成作業,透過記憶、書寫等方式,讓人運用自己的身體和腦力,而不是讓訓練將人轉化為機器。

正如蘋果執行長庫克所言:「我一點都不擔心機器越來越像人,我比較擔心人越來越像機器。」我們必須努力讓自己持續像人,才能在 AI 主導的時代裡,保有競爭力與人性價值。

PodcastEP260. 聽讀説寫AI都能代勞,40年台大名師認為哪三件事你我更該做好? ft.台灣大學人文社會高等研究院前院長廖咸浩

延伸閱讀:ChatGPT濫用破折號怎麼改?如何避免飄出超油膩「AI味」?實用指令教學快收藏!

往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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
台達電全解讀
© 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