科學家共識：現行AI技術難達人類等級智慧

最新調查顯示，高達76%的科學家認為，單純擴大語言模型的規模「不太可能」或「極不可能」實現人工通用智慧（AGI）。這項針對475位AI專家的研究指出，當前人工智慧發展路線已遭遇瓶頸，即便投入再多資源也難以突破。

這項發現直接挑戰科技業自2022年生成式AI爆發以來的樂觀預期。美國人工智慧促進協會（AAAI）調查發現，隨著近期模型表現停滯，多數學者認為科技巨頭已走入死衚衕。加州大學柏克萊分校電腦科學家Stuart Russell直言：「從GPT-4發布後就很明顯，擴大規模帶來的效益越來越有限，成本卻高得驚人。」

現行大型語言模型的進步，主要奠基於2017年Google科學家開發的「Transformer」架構。這種深度學習技術透過吸收人類生成的訓練資料，使神經網路能根據提示產生機率性回應。然而持續擴張需要驚人資源——光是2024年，生成式AI產業就獲得560億美元創投資金，相關資料中心的碳排量更比2018年暴增三倍。

更嚴峻的是，專家預測人類產生的訓練資料將在本世紀末耗盡。屆時開發者可能被迫使用使用者隱私資料，或讓AI「自產自銷」合成資料，這將導致錯誤累積的系統性風險。Russell教授指出根本問題：「現行方法都建立在訓練大型前饋電路上，這種架構本質上就像個華麗的查詢表，需要海量資料才能勉強模擬概念。」

這些限制已造成實際影響：評估分數停滯不前、OpenAI傳說中的GPT-5遲未現身。有趣的是，中國深度求索公司今年以極低成本達成矽谷昂貴模型的效能，更凸顯單純「堆資源」的謬誤。因此79%受訪者認為，社會對AI能力的認知與現實存在落差。

不過這不意味AI發展終結。研究顯示，專注於推論的模型能產出更精準結果，與其他機器學習系統結合後尤其有效。專家也看好機率程式設計比現行電路模型更接近AGI。奧勒岡州立大學榮譽教授Thomas Dietterich表示：「就像過去重大科技突破需要10到20年發酵，當前多數生成式AI新創可能會失敗，但其中必會出現改變遊戲規則的贏家。」