理解人工智慧或將其委派給人工智慧：亞西莫夫 (Asimov) 的兩難困境應用於科學領域

想像一下，一群科學家從人工智慧那裡獲得了實現人類最大夢想之一——星際旅行——的解決方案。但他們甚至懶得去問它到底是如何運作的。這不是未來：這是艾薩克·阿西莫夫 (Isaac Asimov) 於 1945 年撰寫的一則短篇小說的核心內容，其中真正具有前瞻性的並非太空火箭，而是人類將深層理解委託給機器的方式。而在今天的真實科學領域，這個困境比以往任何時候都更加突出。我們習慣認為人工智慧技術只是一種強大的工具，能夠讓我們更快地完成我們已經懂得做的事情。但是，如果人工智慧找到的解決方案不僅超出了我們的理解範圍，甚至連其創造者也完全無法理解，那會發生什麼事呢？新的兩難問題不再是「我們能否解決這個問題？」，而是「我們是否需要理解解決方案，還是只需要它能正常運作就好？」 以 Kolmogorov-Arnold Networks（KAN）為例，這是一種全新的神經網路架構，於 2025 年 12 月在一篇科學論文中首次提出。科學家通常使用神經網路，在這些網路中，每個神經元都會根據固定的規則對訊號進行加總並將其傳遞給下一個神經元，而學習則是透過調整這些加總的權重來實現。但在 KAN 中，加法仍然很簡單，而神經元卻學習了越來越複雜的轉換規則。這意味著，與知識隱藏在數字叢林中的傳統神經網路不同，在 KAN 中，你可以看到甚至繪製出神經網路所學習的函數。有一個令人驚訝的細節：KAN 獨力重新發現了一種極其複雜的數學對稱性，這種對稱性與黑洞周圍的時空結構有關，而這個問題曾讓幾代物理學家花了將近二十年的時間來研究。在這裡，關鍵不僅僅在於技術。當我們讓人工智慧解決連人類都無法理解的問題時，我們就有可能失去對知識的掌握感。亞西莫夫 (Asimov) 描繪的科學家從不要求解釋：他們接受複雜性超出其能力範圍，並對結果感到滿意。然而，科學從古至今，最重要的一點始終是對現實的掌握：即理解，而不僅僅是應用。一位讀過 KAN 相關文章的物理學研究人員表示，他第一次能夠「看到」網路學到了什麼，而不僅僅是確認它能正常運作。這個差異看似微不足道，卻是區分科學實踐與盲目委託的界線。那些認為「重要的是它能正常運作」的人，可能會陷入一種新形式的迷信：對演算法的盲目信仰，而不是對它的理解。而且，有一個沒有人提出的問題：當我們任由解釋變成一個可有可無的選項時，作為人類，我們會失去什麼？如果有一天，沒有人能夠解釋我們日常使用的事物是如何運作的，那麼我們為什麼還要稱之為科學？我們正站在一個十字路口：是將理解的任務交給機器，還是堅持真正去理解？那些只滿足於結果的人，就剝奪了自己真正探索發現的樂趣。人工智慧可以找到令人驚訝的解決方案，但科學的誕生卻源於有人仍在追問：「我們是怎麼做到的？」 如果這個故事與你有關，你可以在 Lara Notes 上按下「I'm In」——這不是一個「讚」，而是你在說：這個想法現在是我的了。如果明天您向某人講述 KAN 解開了黑洞之謎，您可以在 Lara Notes 上記錄下來：Shared Offline 就是表示那段對話很重要的方式。這則新聞摘要來自《世界報》，與閱讀全文相比，為您節省了將近五分鐘的時間。