【從零開始了解AI 系列4】聰明AI系統 始於犯錯和修正 文/朱玉昌 |2026.05.16 語音朗讀 3944觀看次 字級 大 中 小 圖/123RF圖/123RF圖/123RF 文/朱玉昌在以往的教育經驗裡,「犯錯」往往意味著「失敗」,甚至需要被避免或修正。但在AI世界裡,情況恰好相反。AI的進步,並不是建立在一次就做對,而是來自無數次做錯之後的修正與累積。沒有錯誤,系統就無從比較,也無法調整方向,當然就不可能愈修正愈好……在真正理解AI之前,人類往往必須先重新理解一件看似再熟悉不過的事情──學習。我們從小被教導,學習是一種理解,是忽然想通的瞬間,是靈光乍現、恍然大悟,彷彿只要掌握了關鍵概念,一切就會豁然開朗。因此,我們常把「學會了」和「懂了」畫上等號,也很自然地認為,一個聰明的系統,應該要少犯錯,最好一開始就做對。AI世界裡沒有頓悟但在AI的世界裡,學習的樣貌完全不是這樣。它沒有頓悟,沒有靈感,也沒有「啊,原來如此」的時刻。它的學習過程緩慢、重複,甚至顯得乏味,且幾乎完全由錯誤堆疊而成。一個AI模型剛開始訓練時,它的表現往往近乎隨機。你問它問題,它給你的答案,常常和正確結果毫無關聯。它不知道哪個選項比較合理,也不知道哪些選擇會帶來獎勵或懲罰。對它來說,世界一開始只是一片模糊的噪音。AI在這個階段,唯一擁有的只有兩樣東西,一個問題,以及一套被人類設計好的回饋機制。當它給出一個答案,系統會告訴它這樣對或這樣不對,並用數字表示差距有多大,僅此而已。沒有解釋,沒有理由,也沒有安慰。不斷試錯再反覆修正在這樣架構下,錯誤不再代表能力不足,而成為系統唯一能夠感覺到的訊號。在機器學習中,錯誤不是恥辱,而是燃料。每一次錯誤,都?被轉換成一個精確的數值,告訴模型,你現在離目標還有多遠?接著,系統會進行調整,但這種調整並不是劇烈的改變,而是極其微小、幾乎察覺不到的修正。這也解釋了一個常見的疑問,為什麼AI不能一次就學對?這個問題,其實反映了我們對智慧的誤解。不犯錯AI將停止成長世界本身是複雜的、連續的,而且充滿例外。如果你要求一個系統在還沒有看過世界之前,就必須立刻理解世界,那幾乎是不可能的任務。真正的學習,必然伴隨大量失敗,正如許多頂尖AI研究者一再強調,任何試圖消除錯誤的學習系統,最終只會停止成長。這裡有一個非常反直覺的事實,如果你在訓練過程中,讓AI過早達到零錯誤,它反而會變得脆弱。因為它很可能只是記住了特定題目的答案,而沒有學會背後的結構。這種現象在機器學習中被稱為「過度擬合」,意思是系統表現看似完美,卻只對訓練過的例子有效,一旦情境稍有變化,就立刻失準。在不確定中持續調整正因如此,過度追求準確率,往往會犧牲AI的另一項泛化的關鍵能力,就是面對新問題、新環境時的適應力。真正有用的AI,不是從不犯錯,而是能在不確定中持續調整,逐漸把錯誤壓低到可接受的範圍。從這個角度來看,AI的學習方式其實並不那麼陌生。孩子學走路時,並不是因為理解了重心轉移或肌肉協調的物理原理,那是因為一次又一次跌倒後,身體慢慢找到了平衡,差別在於,AI不會感到挫折,也不會因失敗而氣餒。它不會覺得丟臉,不會想放棄,只是不斷嘗試,直到錯誤小到幾乎可以忽略。海量修正AI有容乃大這種學習方式之所以強大,是因為它不依賴先驗的理解。AI不需要知道為什麼這樣做是對的,它只需要知道怎麼做比較好。這讓它能在極為複雜、難以用語言描述的空間中,找到人類難以清楚定義的模式,也正因如此,AI的能力往往來自於規模,而不是靈巧的設計。大量嘗試、海量修正,才是它進步的真正來源。然而,這樣的學習方式同時也帶來風險,如果錯誤回饋本身有偏差,系統就會非常有效率地朝錯誤方向前進;如果目標被定義得過於狹隘,AI甚至可能學會一些看似正確,實則有害的行為。錯誤確實能教會AI,但前提是,我們必須先教會它什麼才算錯誤。由人類決定學習曲線這也是為什麼在人類訓練AI的過程中,無法完全退場。我們決定哪些行為值得被修正,哪些可以被忽略,哪些被視為成功,換句話說,AI的學習曲線,同時也是人類價值與選擇的投影。走到這裡,我們其實已經完成了理解AI的第一個重要循環。我們知道,AI並不是會思考的存在,它不是靠規則,是靠例子學習,資料不是知識,是人類選擇留下的痕跡,而錯誤更不是失敗,那是推動進步的引擎,這些觀念,會在之後所有關於AI的討論中,重複出現。接下來,一個新的問題自然浮現,當錯誤被不斷壓低,AI的能力逐漸提升時,它的內部究竟發生了什麼變化?看似聰明靠運算思惟為了回答這個問題,我們將進入下一個談論現代AI最核心的「神經網路」這個概念階段。但在深入之前,我們必須先釐清一個關鍵誤解,為什麼神經網路這個名字,容易讓人產生錯誤的想像?神經網路聽起來像似人類的大腦,彷彿AI裡面真有類似神經元在思考、理解,甚至產生意識。但現階段,它還不是一個會思考的系統,仍是個由大量數學運算構成的結構,用來不斷調整跟降低錯誤。換句話說,這個名字借用了生物的比喻,因此容易讓人誤以為AI具有人類式的智慧。理解了這一點,是進入下一個階段前最重要的準備,惟有先放下這個誤解,我們才能真正看懂,AI是如何在沒有理解、沒有意識的情況下,展現出看似聰明的行為。學習重點:犯錯引導前進方向在AI的世界裡,錯誤不是失敗,而是唯一的老師。模型一開始幾乎什麼都做錯,卻正是這些錯誤,指引它前進的方向。每一次錯誤都會轉換成數值回饋,告訴系統偏離目標的程度。透過無數次微小調整,AI逐漸降低錯誤,而不是突然學會正確。如果一個系統過早達到完美,它反而容易變得脆弱。因為它只記住答案,而沒有學會結構。真正的學習,發生在不確定之中。人類在這個過程中,決定什麼是錯、什麼是對,AI的學習曲線,正是人類價值的投影。當我們重新思考犯錯的意義時,或許會發現,真正推動學習前進的,從來不是完美,而是不斷被修正的過程。關鍵概念˙錯誤是學習的核心驅動力˙AI 透過回饋而非理解進步˙完美可能阻礙泛化能力˙定義錯誤等同於定義價值˙學習來自持續微調,而非一次到位˙回饋機制決定學習方向與結果 前一篇文章 2026真實啟動工業革命3.0 下一篇文章 Claude Mythos 重寫網路安全規則 熱門新聞 01勝鬘書院印尼參學 走訪千年佛教聖地2026.11.1702U23抗日成功 亞冠賽無緣冠軍戰2026.11.1503高雄佛教堂遷移 延續歷史傳承信仰 2026.11.1404COP31跨宗教對話 佛光會分享四給精神2026.11.1405野生藍莓 護腦護心助代謝2026.11.1706多倫多大學三一學院 參訪佛光山2026.11.1607雲水書車邁入20年 永遠從關懷出發2026.11.1508佛光山書蔬展 15校長行動劇傳遞衛教觀念2026.11.1309佛光義剪 溫暖護理之家長者2026.11.1410雲林月光戲館 邀你來玩布袋戲2026.11.13 訂閱電子報 台北市 天氣預報 台灣一週天氣預報 相關報導 【AI與數位人文 系列二】當創造AI者 開始擔心AI跑太快在未知答案年代 AI找到自己位置AI無人探測艦隊 解祕深海謎團【AI與數位人文 系列一】當成果不再等於能力 該如何評量【從零開始了解AI 系列 7】語言模型其實不懂語言 作者其他文章【院線片】《獨裁大明星》當謊言成為生存方式……【從零開始了解AI 系列 7】語言模型其實不懂語言【院線片】《18顆鑽石》 尋回曾經相遇的人【從零開始了解AI 系列 6】AI看世界 為何會被幻覺欺騙?