AI智能體（AI Agents）在今年2025年爆發AI大潮，在教育界，自主學習（Autonomous Learning）被視為人工智能實現通用智能（AGI）的核心挑戰。其目標是使AI系統能像人類一樣，透過與環境互動、反思經驗並持續優化行為，最終在毋須人工干預下完成複雜任務。近年來，深度學習、強化學習與多模態大模型的突破，為自主學習奠定了技術基礎。筆者在本文嘗試探討AI智能體實現終極自主學習的技術路徑、未來應用案例，以及須克服的科學與倫理挑戰。
一、感知到元推理的躍升
自主學習的關鍵在於智能體的架構能否整合多種學習範式。例如，Meta的Llama系列模型雖標榜「開源」，但其複雜的參數規模與黑箱性仍限制透明性。相比之下，Arklex框架提出「混合控制」架構，允許智能體根據任務需求切換集中式規劃與分散式執行，並透過「任務組合」把複雜問題拆解為可重複使用的模塊。此類模塊化設計不僅提升靈活性，也降低對單一算法的依賴。
傳統強化學習（Reinforcement Learning）須依賴大量試錯與獎勵訊號，效率有限。近期研究提出「元學習」（Meta-Learning），使智能體能快速適應新任務。例如，DeepMind的MEDAL-ADR框架結合記憶網絡（LSTM）與自動領域隨機化（ADR），讓智能體在3D導航任務中僅需少量示範即可模仿專家行為，並在未知環境中泛化應用。
自主學習須擺脫對標註數據的依賴。自監督學習（Self-Supervised Learning）透過從原始數據中提取內在結構，例如把圖像切割並預測缺失部分，已成功應用於語言模型訓練。對比學習（Contrastive Learning）則透過區分正負樣本增強特徵表示，如Google的SimCLR框架在圖像識別中的表現超越監督學習。這些方法使智能體能從未標註數據中自主建構知識。
二、科研助手到社會協作
未來的教育智能體將基於知識圖譜（Knowledge Graph）構建動態學習路徑，並透過情感計算（Affective Computing）識別學生情緒，提供即時反饋。例如，當學生解題受挫時，智能體可自動調整題目難度或切換教學策略。
最近中國團隊DeepSeek推出的推理模型DeepSeek-R1，能以低成本解決科學問題，其性能媲美OpenAI的GPT-o1。研究人員利用此模型輔助生成假設、設計實驗，甚至在48小時內完成一篇SCI論文的撰寫與投稿。未來，AI智能體可整合多模態數據（如基因序列、天文觀測），自主發現新藥靶點或天體現象，加速科學創新周期。
AI在醫療中的自主學習體現於兩方面：一是透過穿戴裝置即時監測生理數據，並動態調整治療方案；二是虛擬醫護助手，如科大訊飛的「智醫助理」能分析病歷、推薦診療路徑，並透過強化學習優化決策。例如，在癌症治療中，智能體可模擬腫瘤演化，預測藥物組合療效，實現精準醫療。
DeepMind的3D導航智能體證明，AI可從人類示範中快速學習並泛化至新任務，此能力被稱為「文化傳播」（Cultural Transmission）。未來，智能體或能參與人類社會的知識傳承，例如協助保存瀕危語言或工藝技術。在工業場景中，具身智能體（Embodied Agent）可與工人協作，透過觀察與反饋優化生產流程。
三、挑戰與倫理
前AI智能體的自主性仍受限於特定領域，例如DeepSeek-R1雖在科學推理表現優異，但其訓練依賴數百萬美元的算力資源。此外，模型「湧現」（Emergent）行為難以預測，可能導致決策偏差。解決方案包括開發輕量化模型（如知識蒸餾）與分散式學習框架，降低對集中式算力的依賴。
自主學習系統的「黑箱」特性引發監管難題。例如，醫療診斷AI若出錯，責任應歸咎於開發者、運營方還是智能體本身？歐盟《人工智慧法案》要求高風險系統須具備可解釋性，但如何平衡透明度與商業機密仍是爭議焦點。此外，自主學習可能加劇數據壟斷，如Meta的Llama模型雖開源，其訓練數據與算力仍由少數企業掌控。
AI智能體的普及將重塑勞動市場。根據麥肯錫報告，至2030年，全球約30%的工作任務可能被自動化取代，尤其是重複性高的製造與服務業。另一方面，智能體也可能創造新職業，如「AI倫理審查師」或「人機協作培訓師」。文化層面上，如何確保AI的價值觀與人類社會相容，將是跨學科研究的核心議題。
四、邁向共生智能的未來
終極自主學習的終點，或許不是創造完美的工具，而是見證新的認知物種誕生。就像三十億年前，原核生物在熱泉口顫動着邁向真核演化。此刻的我們，正站在數位與生物的十字路口。需要保持的不是控制，而是敬畏——對未知的敬畏，對可能的敬畏，對生命形態無限性的敬畏。
未來某天，當我的孫女與AI夥伴爭論量子力學時，我希望她會說：「媽媽說你們這代AI小時候，還要人類幫忙調整參數呢！」那將是對這個時代最好的註解：不是人機對立，而是一場跨越物質形態的文明接力。
撰文︰馮穎匡博士
香港教育評議會執委-AI教學工作組副組長，現為香港理工大學人工智能研究員、香港大學建築學院博士後研究員（人工智能）、西南石油大學土木工程及測繪學院客座教授（安全自動化），曾任城大建築學及土木工程系助理教授及博士生導師。創新科技署香港認可處評審技術專家，科技園公司及數碼港研究人才庫博士專才等