孔祥重院士主講關於人工智慧與科技共進的深度觀察。內容首先回顧了計算機科學的演進，強調當前生成式AI正處於一種遞迴式的自我進化階段，不僅降低了技術門檻，也對傳統教育與就業市場帶來衝擊。孔院士深入淺出地解釋了嵌入向量（Embedding）與推理機制（Reasoning）等核心原理，藉此探討如何透過系統設計與問題架構化來維持人類的競爭力。最後，講座昇華至國家戰略層面，分析了AI主權、開源模型的競爭力以及算力資源分配等政策議題，呼籲社會應積極培養具備解決複雜問題能力的關鍵人才。
根據中央研究院孔祥重院士的演講內容，他對於「你與人工智慧：與科技共進」的主題提出了深刻的觀察。以下是重點摘要，涵蓋了技術演進、對人類的影響、台灣的戰略機會以及人才培育的關鍵。
1. AI 發展的獨特性：自我加速與遞迴改進
孔院士指出，AI 的發展與過去的網路或行動通訊革命不同，具有「遞迴式自我改進」（Recursively Self-improving）的特性。
- 良性循環：更好的 AI 可以生成更好的數據，進而訓練出更好的模型，甚至協助設計更強大的硬體晶片。這導致技術進步的速度只會越來越快，不會停下來。
- 低門檻與高影響：生成式 AI 讓任何人都能透過自然語言使用強大的運算能力，這帶來了科學與工程上的新機會，但也加劇了社會的數位落差（Digital Divide）。
2. 從「直覺」到「推理」的技術轉向
孔院士分析了 AI 技術的演進方向，從單純的模式識別轉向深度推理：
- 直覺 vs. 思考：過去 20 年的 AI（如卷積神經網路 CNN）擅長「直覺式」反應（如辨識物體）。現在的 AI（如 OpenAI o1）開始具備「思考」（Reasoning）能力，透過花更多運算時間來進行邏輯推演（Chain of Thought），能解決更複雜的數學證明或程式碼生成問題。
- 推論（Inference）成本超越訓練：過去認為訓練模型最貴，但現在發現模型部署後的「推論」成本可能佔總成本的 90%。這意味著，能夠讓推論變快、變便宜的硬體（Inference Hardware）是巨大的新機會。
3. 對人類能力與就業的衝擊
AI 的普及是一把雙面刃，對人類的認知能力和就業市場帶來挑戰：
- 用進廢退的風險：孔院士警告，過度依賴 AI 可能導致人類「變笨」。例如學生若不再練習寫作、醫生若只靠 AI 看片，幾年後核心能力將會退化。如果不持續訓練大腦，批判性思考能力將會喪失。
- 中介角色的消失：AI Agent（代理人）的興起將取代許多中間人產業（如旅行社、顧問）。AI 可以直接規劃行程、比價並完成訂購，這類基於資訊整合的服務業將面臨巨大挑戰。
- 初階工作的消失：大公司可能不再願意聘請初階的電腦科學畢業生，因為基本的程式撰寫工作 AI 就能完成。這導致年輕人學習和累積經驗的傳統路徑被切斷。
4. 台灣的戰略：AI 主權與開源模型
面對美中兩強主導的 AI 競賽，孔院士對台灣提出了具體建議：
- AI 主權（AI Sovereignty）：台灣不能完全依賴國外的閉源模型（Closed Models），因為一旦被斷供或對方改變規則，將無計可施。擁有自主訓練或微調模型的能力至關重要。
- 擁抱開源（Open Source）：對於無法投入巨資開發最頂尖模型的國家或企業，使用並優化開源模型（如 Llama）是最佳策略。這不僅能避免被鎖定，還能根據自身需求進行修改。
- 供應鏈優勢：台灣擁有強大的硬體供應鏈（台積電、伺服器廠），這是巨大的優勢。但除了硬體，台灣應該利用現有的製造與設計強項，結合 AI 讓其更強（例如智慧製造）。
5. 未來人才的需求：系統設計與問題定義
在 AI 能寫程式、能回答問題的時代，教育與人才的定義必須改變：
- 關鍵技能轉移：單純的寫程式（Coding）已不再是護身符。未來最需要的人才是具備 「系統設計」（System Design） 和 「問題形式化」（Problem Formulation） 能力的人。也就是知道如何定義問題，並將大問題拆解成 AI 可以解決的小步驟。
- 教育的挑戰：目前的教育體系難以規模化地教授這些高階思維。孔院士觀察到，現在的學生反而因為競爭壓力和 AI 的輔助，被迫學得更努力（Work Harder），因為標準變高了。
總結
孔祥重院士強調 "Compute Rules"（算力為王） 與 "Talent"（人才為本）。只要有足夠的算力，AI 的準確度與能力就會提升；但最終能駕馭這些算力、設計出有價值系統的「人」，才是將技術轉化為實際應用的關鍵。台灣應善用硬體優勢，培養能駕馭 AI 工具進行系統設計的高階人才，以在 AI 時代保持競爭力。