徐作聖觀點：從探索到生成─AI 正在改寫科技創新文明的進程

AI 技術的全面擴散，正推動一場跨越學術、產業與治理模式的深層科技創新變革。這場變革不是單純的技術升級，而是知識生產方式的根本位移：從「探索式」（Exploratory）科學走向「生成式」（Synthetic）智能。兩者差異之大，足以重塑未來科技文明的地標。

兩百多年來，人類科技建立在「探索式」方法論上。這套模式以科學實證（Positivism）為基礎，依循觀察—假設—驗證—模型—理論的線性流程，在追求「普遍性」與「可重複性」的道路上累積知識，這是牛頓力學、量子物理、材料科學乃至生醫科技的黃金紀律，也是現代大學STEM系統、科技創新體制與專業分工的核心。

然而，生成式 AI 的興起衝擊這套百年體制。「生成式」科技創新，不僅是生成內容，而是一種新的科技創新邏輯：以知識合成、任務導向、多樣性應用與快速實作為主，更接近服務業與工程模擬的哲學；「活在當下、「理論在於實踐」，而非過去專注於抽象推衍的科學方法。

這種轉變，恰可用《論語》中的一句話來概括：「學而不思則罔，思而不學則殆。」探索式偏「學」：累積、歸納、建構普遍原則；生成式偏「思」：組裝、創造、針對情境的實務推理。在 AI 的加速效應下，全球科技創新正從「學」轉向過度依賴「思」，兩者之間的平衡正向後者推近。

尤其在大語言模型時代，LLM 主要建立在「文字接龍」與海量語料統計上，其跨領域推理必然受到語意結構(Semantic)、「因果關係」及異質性（heterogeneity）限制，特别是在醫療、能源、國防等高風險領域。現雖有本位智能（Ontological AI）的興起，試圖修補現代 AI 的結構性缺陷，但其實只是強化「語意結構」與「邏輯一致性」，從「文字接龍」走回「理解世界」的嘗試。

在海量資料氾濫的年代，全球科技創新正從「通用科學」轉移到「應用拼裝」、從基礎研究轉向到技術合成、從定律與模型滑向 prompt 與 workflow。這不僅是方法的轉換，更是文明層級的轉向。探索式科學追求「真理」，生成式智能追求「解決方案」；前者尋求普遍性與永續性，後者強調效率、實作與場景適用性。面對全球科技創新與產業發展，正在以驚人的速度偏向後者，當知識生產從「建立理論」變成「數據重組」，從「推演自然」轉變為「生成結果」，我們是否仍能確保科學的效率與可靠性？

生成式 AI 所引發的文明轉折，不僅是科技革命，更是知識秩序與認知方式，甚至是文明轉型的革命。真正的挑戰與機遇在於： 能否同時掌握生成能力與理解能力，將知識湧現化為可驗證、可落地、可掌控的文明資本。

人類文明正面臨關鍵的問題：AI 大幅壓縮了創新門檻，但也在悄悄削弱科技創新界賴以維生的基礎。當一切都可以由 AI 來生成，未來科技創新或將不再是單一範式，而是一座混合體，包括底層原理、數據拼裝、語意邏輯、工程優化等。

科技創新的範式在變，保留文明的理解深度，才能同時駕馭生成世界的速度與可能性。台灣的科技創新轉型，應該聚焦在生成與探索之間找到新的平衡，以「小井深掘」策略，專注深度而非廣度，發揮專業化及客製化優勢、累積核心能力，降低風險與資源消耗、並長期價值創造。

當科技創新正從製造業掛帥與供應鏈治理，高速移轉到以知識服務為基礎的智能創新，此乃大勢所趨不該延宕，未雨綢繆才是明智之舉。台湾産業何去何從，望主事者三思！

＊作者為陽明交通大學退休教授
（相關報導： 徐作聖觀點：台灣失序的教育與科研政策 ｜ 更多文章 ）