【教發中心提供】中山大學舉辦諾貝爾獎系列科普講座，物理學場次講座由理學院邀請清華大學物理系教授王道維分享本屆諾貝爾物理獎獲獎內容，他以「當人造虛擬進入物理真實」為題，詳談機器學習演算法與類神經網路領域的建構，以及AI應用於物理研究領域的一些可能性，講座深化了與會者對AI與物理學的認識，還激發了學生探索科學前沿的熱情與責任感，體現出中山大學推動跨學科教育與前瞻性學術討論的價值與努力。

王道維專長於凝態物理理論、機器學習、人工智慧應用相關研究，跨界研究AI的他對於人工智慧在現今的多元發展有相當的認識。王道維先以「為何人工智慧與物理學有所相關？」點破此次講座的主題，並以四個層次逐步深入探討AI的本質與其影響。他指出人工智慧的核心技術：「機器學習」和「類神經網路」與物理學有密不可分的關係，並由此次諾貝爾物理獎得主John Hopfield與Geoffery Hinton的生平背景切入主題。John Hopfield於1981年與其他學者開創了「計算物理學」並發表了著名的「Hopfield Network 模擬記憶問題」，是跨領域的代表性學者，並以類神經網路的研究奠定了人工智慧中「聯結學派」的基礎。而Geoffery Hinton則是長期改進類神經網路的演算法並提出「深度學習」，將反向傳播等技術引入其中，讓深度學習自1980年代後期開始逐漸崛起，成為今日人工智能領域中最成功而廣為應用的演算法之一。深度學習透過多層次網路結構的特徵提取，使AI系統在語音辨識、影像處理、自然語言理解乃至於醫學、化學、材料科學等方向均取得前所未有的成果。

「AI何以在自然科學領域有顯著成功，卻在人文社會領域面臨挑戰？」王道維說明，類神經網路本質上只是以數值近似的方式處理問題，對於傳統方法無法輕易解答的科學問題而言，AI的擬合能力不僅能增加研究效率，也讓研究者有機會在理論與實驗的鴻溝中找到橋梁，突破先前無法克服的瓶頸。但在人文與社會科學領域中，收集和驗證訓練用資料並非易事。現實人類社會極其複雜，對意義的詮釋多元且主觀，還涉及倫理價值觀的多重考量，這些不是單靠模型擬合就能深入掌握的。儘管大型語言模型可以生成流暢且看似合理的文本，但缺乏真正的理解能力，也無法對事實和價值進行準確的判斷。相反地，可能在資訊傳遞過程中引入誤導、偏見甚至謠言，因此，AI尚未對人文與社會科學研究帶來實質性的革命性貢獻。

王道維表示，AI被廣泛應用的當下，人類已經來到後知識時代，研究者與教育者在享受科技發展的同時也需注意潛藏危機。Geoffrey Hinton於2023年因對深度學習的潛在風險感到憂慮而離開Google，並呼籲減緩AI競賽，警告技術快速發展可能顛覆知識結構、社會秩序和價值觀；John Hopfield也於同年與其他3萬名科學家簽署暫停大型語言模型相關發展的需求書。2024年諾貝爾物理獎不僅表彰類神經網路和深度學習的科學突破，也突顯了AI帶來的深層挑戰。人工智慧正改寫科學與人文的界線，以不可預測的方式重塑我們對世界、知識和人性的理解。他表示，現今世代的學生應與時俱進，僅有追求突破且不斷學習新知的人才可以不受人工智慧威脅，為世界帶來貢獻。

（公共事務組編修）