英伟达执行长黄仁勋2日曾在演讲中构建大愿景，引发热议。近日英伟达市值更超越苹果、突破3万亿美元，产品及股票都炙手可热。但精神科医师沈政男指出，目前语言学习的本质，跟人脑思考方式不同，只能模仿人类，而无法像人一般创作，这不是所能解决。

沈政男6日发文指出，形成记忆的脑区，为什么不是位于枕叶，视觉中枢旁边，而位于听觉中枢旁边？他的解释是：记忆是思考的基础，思考的前身是语言，而语言跟听觉有关，于是演化上就绑在一起了。人类的语言与思考是为了适应演化而出现，这是人脑跟人工智能最大的差别之一。第二：人脑是幼儿从牙牙学语开始，几年之间，在跟爸妈的互动中学习而来，等于有一个发展的历程，跟人工智能的学习与训练有很大不同。

沈政男表示，一个13岁人类，学会使用一个单字，只需听过或看过一万次，而人工智能，现行的大语言模型，需要一万亿次，等于是人类的一亿倍。为什么？妈妈怎么教的？拿文字给小孩看吗？当然是口说！就好像数万到数百万年前，第一个人类拍拍身旁的另一个人类，抬头说：「日头！」然后人类的语言就此出现了。出现语言，要做什么？对生存有帮助！一来可以沟通，再者也可以记忆，让自己与大家避开危险。

沈政男提到，语言是一种序列讯号，因为声音是一种时间的讯号，也因此，「鸟在飞」会被拆成「鸟」与「飞」两个元素，才能理解与沟通。以当代语言学始祖乔姆斯基的理论来说，这是一种普遍文法，也就是人类的语言就一定必须存在这样的结构才能理解与使用。但人工智能，尤其是大语言模型的出现，挑战了他的理论：大语言模型并无先天存在的文法，完全是后天学习而来，但也能理解与使用人类语言。

沈政男指出，人工智能目前有几个主要的神经网络模型，一个是卷积神经网络（CNN），主要用于图像辨识，一个是递归神经网络（RNN），乃用于进程列讯号，比如语言，而最新的就是大语言模型（LMM），乃RNN的改良，也是进程列讯号，但不必递归，而是使用自我注意（self-attention），透过平行运算，一次处理一整排的序列讯号。

沈政男表示，ChatGPT不是真的看懂人类的文字，就只是把文字化成向量，透过一万亿次的学习，学会了猜测「这是」之后，很大的机会是「苹果」。也就是说，以LLM为基础的Transformer架构（ChatGPT），不一定要把「这是苹果」拆成「这」、「是」、「苹果」，也不是只能理解人类语言，即使是火星语，也能透过分词（tokenization）与句法分析，以及巨量学习，而学会任何一种语言规则。

沈政男强调，人类的语言是为了生存，而且是成长过程点滴累积而来，一开始是听觉的语言，后来才迭上了文字，但即使使用了文字，仍免不了在看字的时候浮现语音，也就是默念。看到「鸟在飞」的图片，一目了然，但说出来，就必须说成「鸟」、「在飞」两个动作，否则人家听不懂。人类讲或想「鸟在飞」的时候，脑海会浮现一只不像鸟的鸟，与不像飞的拍翅动作，就只是一个视觉遗迹，乃用来帮助思考。

沈政男直言，人类的思考这件事，大致就是听觉的序列处理与视觉遗迹在脑海跟着出现，顶多加上其他感官数据，一起形成思考的动作。因为这样的学习方式，只需要很少的练习，就能形成语言，跟人工智能有很大的不同。人工智能的语言学习是一种暴力式穷尽法，可以模仿人类，但绝对无法形成真正的创作，这是逻辑上的不可能，而不是科技用时间，或者多么先进的芯片可以解决的问题。