一個知識凍結在1930年的AI照出的問題｜專家論點【張瑞雄】
作者：張瑞雄（台北商業大學前校長）
Talkie是一個由GPT與GPT-2的原始創作者Alec Radford，與兩位合作夥伴共同開發，於2026年4月公佈的「古董」AI模型，所謂的「古董」的意思是其訓練素材全部來自1931年以前的資料。選擇這個截止日期並非偶然，美國著作權法規定，1930年出版的作品自2026年1月1日起進入公共領域，換言之，這是一個在法律上乾淨且無版權爭議的訓練資料庫。
這個看似古怪的設計，觸碰到了整個AI產業最敏感的一根神經。
過去幾年，幾乎所有大型語言模型都在一個共同的陰影下運作，那就是版權問題。無數作家、記者、學者的心血被大量抓取入訓練資料，而那些開發語言模型的企業，往往以「合理使用」為由，迴避正面回應創作者的質疑。紐約時報告OpenAI、多位作家控告Meta的訴訟，至今仍在各地法院糾纏。Talkie的出現是為了突顯了一個令人不安的現實，那就是現代AI的知識體系，是建立在對版權體制的系統性漠視之上的。
更多科技工作請上科技專區：https://techplus.1111.com.tw/
科技社群討論區：https://pei.com.tw/feed/c/tech-plus
不過Talkie的技術挑戰遠比版權問題更為棘手，由於1930年以前的文本根本不存在數位原生版本，所有資料都必須從實體掃描件中以光學字元辨識(OCR)技術轉為數位，這個過程引入了大量雜訊。使用標準OCR系統轉錄的文本，正確性只有人工轉錄文本的三成左右，即使經過清理，也頂多達到七成。
Talkie最引人深省之處，在於它提出了一個根本性的問題，那就是語言模型究竟是在「理解」，還是只在「統計地重複」？
批評者多年來以「隨機鸚鵡」這個比喻，形容大型語言模型的本質，主張它們只是從訓練資料中拼接語言形式，而非真正掌握意義。反之，要準確預測下一個詞，就必須在某種程度上理解語句的脈絡，這本身就是一種智識能力的展現。Talkie的設計，恰好為這場論戰提供了一塊試金石。如果一個對電腦、核能、現代醫學一無所知的模型，在某些情況下仍能推理出相關概念，那「隨機鸚鵡」的指控就必須重新審視。反過來說，如果它只能在已熟悉的文本框架內打轉，那所謂的「理解」可能只是「幻覺」。
Google DeepMind的執行長Demis Hassabis曾提出一個想法，若將一個語言模型的訓練資料截止在1911年，它能不能自行推導出廣義相對論？這個問題背後的野心，不僅是測試預測能力，而是在探問人工智慧是否具有真正的科學直覺，是否能在既有知識的體系中，發現連當時的人類都尚未看見的規律。Talkie的團隊顯然受到這個問題的啟發，計畫持續擴大模型規模，希望造出一個能夠知道從遠古到1930的世界所有知識的AI模型，然後看這個模型能否預測到1930以後人類文明的發展。
問題是，這條路走得通嗎？
這讓人想起另一個更古老的哲學爭論，決定論究竟成不成立？如果一個系統對某一時刻世界的初始狀態有完整的了解，能否預測此後所有的發展？答案幾乎可以確定是否定的，不是因為預測本身不可能，而是因為沒有任何系統能真正掌握「完整」的初始狀態。Talkie的侷限，本質上也是人類認識能力侷限的一面鏡子。
在這個AI大廠競相以龐大算力和天量資料彼此角力的時代，Talkie的實驗值得讓人類思考，一個只知道1930年以前的事物的AI，是否可以描繪出2026年的世界？正如現在我們依賴AI所描繪的未來，又有幾分是真實的洞見，幾分只是AI的胡言亂語？
