文／朱玉昌

上周介紹未來產品AI PC，點出其和傳統電腦最大的差異，便是傳統電腦的核心是CPU處理器，而AI PC的核心，則同時內建GPU圖像處理器和NPU神經網路處理單元，本周再請專家釋疑所謂「神經網路」，並非模仿大腦，而是向數學看齊……



聽到「神經網路」一詞，大家腦中浮現的是什麼畫面？

很多人可能會想：這應是一種模仿人類大腦的系統，裡面有無數神經元彼此連接，像人一樣思考、理解，甚至逐步產生意識。電影和科幻作品也常常強化這種印象，彷彿AI之所以強大，是因為它正在慢慢變得像人……

但真實情況，跟這個想像有很大的差距。在閱讀下文前，請先思考一個問題：如果一套系統能表現得很像人類，它是否就真的擁有與人類相同的理解方式？

原始構想源自腦神經

「神經網路」這個名字，確實來自人類大腦的啟發。早期研究者注意到：大腦中的神經元會彼此傳遞訊號，於是產生一個想法，如果能用數學方法模擬這種連結結構，是不是也能讓電腦具備某種學習能力？

問題在於，當這個名稱被保留下來之後，一分誤解也跟著被保留下來，許多人會因此認為，AI真的就是某種電子大腦，已逐漸在接近人類的智慧中，可事實上，當下被激活的神經網路，與真正的人類大腦，仍然有極大的距離。

無思考無意識無感受

當下的它，不知道自己在做什麼，也不理解輸入內容的意義，更沒有情緒、自我意識或主觀感受，此時此刻，它還不能像人類一樣思考，它只是一套極其龐大的數學調控系統。

亦即，假設將人類大腦，比喻作一座真正活著的城市，那麼神經網路便是一張由數字組成的地圖，或許，它能呈現出某些結構上的相似性，但那並不代表它就真的擁有生命。

僅處理龐大數學運算

既如此，神經網路究竟是什麼？最簡單的理解方式，是把它想成一個不斷進行「加權判斷」的系統。

當AI接收到資訊時，它不會像人類一樣理解內容，它只會把資訊拆解成大量數值，再經過一層又一層的數學運算，最後產生結果。

例如，當AI看見一張猴子的照片，人類會直接知道那是一隻猴子，甚至聯想到牠可能會跑、會跳、會吱吱叫，但AI並不會產生這種理解，對它而言，那只是一大堆像素數值，數值中，某些區域比較亮、某些區域比較暗，某些線條經常一起出現，這些特徵在統計上，會與「猴子」這個標籤同時存在。

節點會接收計算轉傳

神經網路真正做的事情，就是在這些龐大的數值關係中，不斷調整哪些特徵比較重要，哪些特徵比較不重要，這也是神經「網路」一詞真正的意思。只不過，此網路並非網際網路，而是指一層又一層彼此連接的數學節點，每一個節點都會接收數值、進行簡單計算，再把結果傳遞給下一層。

事實上，單獨一個節點幾乎沒有能力，但當數百萬、數十億個節點一起運作時，就能形成非常複雜的模式辨識能力。

微小調整累積成結果

關鍵在於，這些節點其實非常簡單，一個「人工神經元」不會思考，它只是持續問一個問題，這個訊號重要嗎？如果重要，就提高其影響；如果不重要，就降低其影響，整個AI的學習，本質上就是數十億次這種微小調整累積出來的結果，這也是為何AI常被稱作規模的產物。

而它厲害的原因，也經常被誤解成是工程師忽然發明了像人類一樣思考的方式，實際呢？那是因為電腦已具有能力處理極其龐大的運算量，只要給它更多資料、更大模型，以及更多次修正，它就能逐漸降低錯誤，並在統計上表現得愈來愈像「理解」──只是這種理解，並不等同真正（人類思維的）理解。

AI的理解源自運算力

當人類看見一隻猴子，人類不只是辨識圖像，還知道猴子是一種生命，知道牠可能會受傷、會感到害怕，也知道牠與現實世界存在真正的連結，這種理解，來自人類長期與世界互動所累積的經驗。

然而，AI沒有這種經驗，它不知道什麼是生命，更不知道什麼叫做真正存在，它只是從海量資料裡發現，某些圖像特徵，經常與猴子這個詞一起出現，換句話說，它學到的是相關性，並無意義，這也就是為什麼神經網路雖然強大，卻依然脆弱。

小雜訊會干擾正確性

研究人員曾發現，只要稍微改變圖片的角度、光線，甚至加入一些人類幾乎察覺不到的細微雜訊，AI的判斷結果就可能出錯，人類可以一眼認出那是隻猴子，但AI卻可能完全誤判，這是因為它抓取的重點，和人類理解事物的方法並不相同，很多時候，它依靠的是資料中大量重複出現的細微特徵，而非對「猴子」本身的認識。

這也讓我們看見，AI能力雖然強大，但它的穩定性和人類智慧仍有差別，人類即使在昏暗環境、模糊畫面，甚至只看見局部特徵時，可依循生活經驗做出判斷，AI則會因為一些微小變化而受到干擾，它的判斷，比較是在龐大資料中逐漸逼近答案，而不是真正理解世界的運作。

AI永不疲勞且能優化

也正是這種龐大計算能力，讓神經網路可以在極短時間內分析數百萬筆資料，持續修正錯誤，並不斷提升辨識能力，它不會疲倦，不會因情緒起伏而分心，只要持續提供資料與運算資源，系統就能不斷優化。反之，人類大腦再靈活，卻難以在短時間內處理海量資訊。

因此，神經網路展現的，其實是一種與人類完全不同的能力方向，它沒有變成人類的大腦，它是朝另一種它擅長處理大量數據的方式發展，一套能從龐大資訊裡，快速找到規律的數學系統而已。

當理解這一點後，下一個問題自然會出現，如果神經網路只是由大量數學節點組成，那麼，它是怎麼一步步形成辨識能力的？那些經常被提到的「層」，又扮演了什麼角色？接下來的內容，將會進入「深度學習」的概念。

（作者為富瑜文教基金會執行長）



關鍵概念

˙神經網路並不是真正的人類大腦

˙現代AI的核心是數學運算與權重調整

˙AI學到的是統計相關性，而不是意義

˙神經網路由大量簡單節點組成

˙AI的能力主要來自規模與資料量

˙像理解，不等於真正理解



學習重點

「神經網路」這個名稱，容易讓人誤以為AI正在複製人類大腦的運作方式，但當下的AI，仍與人類思考有著極大差距。AI處理資訊時，會把影像、文字和聲音轉換成大量數值，再透過層層計算找出其中規律，它能快速辨識模式，也能在龐大資料中持續修正錯誤，所以能在許多任務上展現驚人效率。然而，AI並不知道自己看到的是什麼，也沒有人類面對世界的生活經驗，它所掌握的，都是資料間的統計關聯，並不是事物本身的意義，理解這個差異，就是認識AI的重要起點。