人工智能未來的突破，將不再倚賴人類提供的資料，而是靠機器自身的探索與學習。Google DeepMind科學家在新書《Designing an Intelligence》中的文章〈歡迎來到經驗時代〉（Welcome to the Era of Experience）中指出，人工智能的發展正從「人類資料時代」轉向「經驗時代」，未來AI將像人類一樣，從做中學、從環境回饋中不斷改進自身能力。
文章由強化學習（Reinforcement Learning, RL）領域的先驅薩頓（Richard Sutton）與推廣者希爾弗（David Silver）撰寫，指出過去依賴人類資料的大語言模型（LLM），如GPT-3，已漸達極限。高品質的網路資料即將枯竭，AI在常識與判斷上仍存在根本缺陷，推動通用人工智能（AGI）無法再僅靠餵養更多資料。
兩位作者將AI演進劃分為三階段：以模擬為主的「模擬時代」、仰賴人類資料訓練的「人類資料時代」，以及現正開展的「經驗時代」。DeepMind開發的AlphaGo代表模擬時代高峰，GPT系列象徵人類資料時代，而結合自學與推理能力的AlphaProof，則是經驗時代的前哨。
強化學習 自主探索
核心轉變在於，人工智能不再依賴人類知識輸入，而是透過強化學習，自主探索世界、從經驗中優化決策。例如AlphaZero未借助人類棋譜，僅靠自我對弈即超越前輩AlphaGo，證明人類資料非必要條件，反而可能限制AI發展。
薩頓在2019年提出的〈苦澀的教訓〉（The Bitter Lesson）亦指出，真正推動AI進步的，不是人類智慧，而是大量算力與有效演算法。他主張AI應如人類般從環境中學習，而非由人類引導模仿。
在經驗時代的AI架構中，模型能透過與現實互動，不斷獲取新資料並即時學習。舉例而言，一個健康照護AI不只根據用戶主觀感受給予建議，還能觀測生理數據如睡眠、心跳、體溫，從而做出更精準決策。這類能力若靠人類資料訓練，難以實現。
不受人類偏好束縛
這類「終生學習」的AI，將不再被人類偏好所限制，也更能發現人類未及的解法。DeepMind執行長哈薩比斯（Demis Hassabis）近期亦表示，公司所定義的AGI目標在於科研能力，而非單純模擬人類，並預測五至十年內可望實現。
他強調，AGI若能協助人類攻克核融合、電池技術等難題，將帶來前所未有的資源充足社會。他想像的是一個「不再是零和博弈」的世界，但也坦言，這可能需要全新政治哲學來支撐。
不過，這樣的進展也引發對AI是否能對齊人類價值的疑慮。隨著人工智能逐步脫離人類控制，自主進化是否仍能維持與人類的信任與合作，將是未來關鍵挑戰。
DeepMind正積極投入通用型AI助理Project Astra等產品開發，並擴展多模態感知能力，為AI開拓更廣泛的應用場景，也為「經驗時代」的來臨打下基礎。隨著演算法、算力與硬體持續進步，人工智能下一階段的主導權，將由機器親自接手。 （編輯部）
下載APP