AI焦點｜Rich Sutton on AI creativity a・Ranking the Market’s Bets on 3・德國法院判決：Google須對AI Overviews的錯誤

📰 1. Rich Sutton on AI creativity and discovery

TITLE:Rich Sutton談AI創造力與發現：監督式學習真的能創新嗎？

嗨，各位工程師朋友，最近AI圈又有人出來丟震撼彈了！強化學習之父Rich Sutton在X上發了一則貼文，附上一段演講影片，直接挑明：「監督學習訓練的生成式AI，在嚴格意義上是無法做出新發現的。」這話一出，想必很多人心裡都「咯噔」一下——我們每天用的ChatGPT、Midjourney，難道只是在拼貼舊東西？來，我們好好聊聊這回事。

原文摘要：Sutton的核心論點

Sutton在影片中解釋了他所謂的「有爭議的新觀點」：監督學習本質上是在模仿訓練資料的分佈，模型學到的只是「從輸入到輸出的映射」，而無法真正跳出訓練資料的框架去創造從未出現過的概念或模式。他強調，真正的發現（discovery）需要探索未知的狀態空間，而不是在已知樣本中插值。舉例來說，你讓GPT寫一首關於「第七感」的詩，它可能會組合出合理的句子，但那個「第七感」的定義其實早就藏在資料裡了——它只是重組，並非原創。

我的觀點：我贊成Sutton的診斷，但不完全同意他的結論

Sutton點出了核心問題：純監督學習的生成模型，本質上是「高級複製貼上」+「統計平滑」。這確實是事實。我們開玩笑說AI「一本正經地胡說八道」，其實就是它學到了模式卻沒有真正理解因果與新奇性。但我認為，這不等於生成式AI「無法」促成新發現。人類的創造力很多時候也是在既有元素中重組，達文西的飛行器靈感也來自鳥類。關鍵在於：我們如何定義「新」？ 如果「新」是指脫離訓練資料機率分佈的尾巴，那Sutton是對的；但如果「新」是指使用者從未見過的組合，那生成式AI已經在幫人類做「發現加速器」了——例如藥物分子設計、材料科學中的候選結構生成，人類再從中篩選驗證。

延伸思考：強化學派與監督學派的終極對決？

Sutton作為強化學習的開創者，這個發言帶有明顯的學派色彩。他認為真正的發現必須透過與環境互動、試錯、獲得獎勵來產生，就像AlphaGo下出「第37手」那樣驚世駭俗的棋步——那不是從人類棋譜裡學來的，而是自己玩出來的。這提醒我們：如果AI的終極目標是自主發現宇宙定律、新數學定理，那麼光靠餵資料是不夠的。我們需要混合架構：用生成模型做創意發散，用強化學習做探索驗證，再用人類專家做最終裁決。畢竟，人類科學史上最偉大的發現——從相對論到青黴素——哪一個是閉門讀書讀出來的？都是「實驗+意外+靈感」的結果。

📝 編輯說：:這則貼文在X平台引發超過五千則轉發與討論，筆者認為最有價值的觀點是：它迫使我們重新審視「AI創造力」的定義，而不是盲目崇拜大模型的輸出。

📰 2. Ranking the Market’s Bets on 3 Blockbuster IPOs: OpenAI, Stripe, and Consensys

🔗 原文連結

TITLE:排名市場對三個重磅IPO的賭注：OpenAI、Stripe和Consensys

原文摘要

這篇來自雅虎財經的報導，企圖分析市場對三家備受矚目的準上市公司——OpenAI、Stripe和Consensys——的「賭注」排名。報導指出，這三家分別代表AI、支付和區塊鏈三大賽道，各自擁有數十億甚至上千億美元的潛在估值。OpenAI靠ChatGPT掀起全球AI熱潮，Stripe是線上支付基礎設施王者，Consensys則是以太坊生態的關鍵推手。市場預期它們會在今年或明年啟動IPO，但各自面臨不同障礙：OpenAI的營利模式與非營利起源衝突，Stripe的競爭對手（Block、Adyen）虎視眈眈，Consensys則得說服投資人忽略加密熊市的陰影。報導透過分析私募市場交易、次級市場報價以及分析師預測，給出「誰最有可能成為下一個爆款IPO」的排序——但細節嘛，抱歉，原始碼裡只塞了一堆JavaScript跟Cookie設定，真正的內容被埋沒了（笑）。

我的觀點

從這三家公司目前的私募估值來看，一個關鍵矛盾是：OpenAI的營收成長驚人（據傳年化營收已破30億美元），但它的成本結構（GPU租賃、研究人員薪水）同樣嚇人，這讓它相對於Stripe那種穩定獲利的業務模式顯得「不確定性極高」。我的判斷是：短期內Stripe的IPO會是最「穩」的選擇，因為它已有成熟的現金流，投資人不需要賭AI技術路線。Openai的賭注更大，但天花板也更高——如果你能接受它可能估值翻倍或腰斬的波動。至於Consensys，我認為它必須等到以太坊生態出現明確的「殺手級應用」或監管框架落地，才有機會真正吸引傳統資金。說白了，這三家根本不是同一個量級的比賽：一個是衝擊千億的明星，一個是穩定成長的中堅，另一個則是還需要時間驗證的先行者。

延伸思考

這三家的IPO時間點，很可能也是科技市場「分水嶺」的訊號。如果OpenAI真的上市，AI泡沫會不會被戳破？還是會帶動整個AI供應鏈上市潮？另一方面，Stripe的支付業務已經被大量新創（如Fintech、BNPL）挑戰，它靠什麼維持護城河？還有，Consensys作為區塊鏈基礎設施公司，美國SEC對以太坊的態度（特別是ETH是否被視為證券）將直接決定它的估值模型。我個人覺得，投資人現在不必急著押注，可以先觀察美國大選後的監管風向，以及AI應用能否真正進入企業付費階段。

📝 編輯說：:這篇文章在Hacker News和Twitter上引發Tech圈熱烈討論，大家對於OpenAI、Stripe誰會先上市看法兩極，筆者認為最有價值的觀點是：別只看估值，要看現金流與監管風險的賽跑。

📰 3. 德國法院判決：Google須對AI Overviews的錯誤答案負責

🔗 原文連結

原文摘要

根據《The Decoder》報導，德國一間地方法院做出一項極具指標意義的判決：Google 的 AI Overviews（AI 搜尋摘要）內容被視為「Google 自己的言論」，而非只是轉貼第三方網站的摘要。這代表 Google 不能再像傳統搜尋結果那樣，用「我只是提供連結」的理由來迴避責任。如果有人因為 AI 給出錯誤答案而受害，Google 必須直接承擔法律責任。

判決的關鍵在於：傳統搜尋引擎會顯示超連結，讓使用者自己點進去看原始來源；但 AI Overviews 直接把資訊整理成一段文字，使用者很可能只看這幾句話就當作答案。法院認為，這種行為本質上等同於 Google 自己在「說話」，不再是中立的第三方資訊彙整者。這道判決書雖然是針對特定案例，但法律圈普遍認為它會對整個生成式 AI 搜尋服務產生連鎖效應。

我的觀點

你有沒有過這種經驗：某天在 Google 上問「某某感冒藥能不能跟咖啡一起喝」，AI Overviews 直接跳出一段「可以，沒問題」，結果你照做後身體不舒服？如果當下你相信了那段摘要，卻發現根本是錯的，你第一個念頭是怪 Google，還是怪那個摘要背後的原始網站？

說穿了，我們早就知道 AI 會「一本正經地胡說八道」，問題是責任歸誰。以前搜尋引擎可以推說「我只是幫你找到資料，資料對不對我不管」，但現在 AI 直接幫你整理、改寫、歸納，使用者根本沒機會去檢查原始來源（很多人也不會去點）。法院這刀切得很漂亮：既然你選擇用 AI「講話」給使用者聽，那這些話就是你說的，出錯了當然你負責。

當然啦，執行上還有不少坑。像是「什麼叫錯誤答案」？法律事實跟醫療建議的標準完全不同。而且 Google 會不會因此過度保守，乾脆把 AI Overviews 關掉或把所有回答都加上免責聲明？這也不是不可能。但至少這個判決逼大家正視一個核心問題：AI 產出的內容，平台不能只當作「技術展示」，而是要當作「產品」來負責。

延伸思考

這個判決對整個產業的衝擊，絕對不只 Google 一家。微軟的 Bing Chat、Perplexity 那種 AI 搜尋引擎，甚至未來 Apple Intelligence 的搜尋功能，都可能被各國法院用同樣邏輯審視。歐盟的《AI 法案》本來就對高風險 AI 有嚴格規範，德國這判決等於補上「個人民事責任」這一塊。

有趣的是，台灣這邊呢？我們的《數位通訊傳播法》草案一直卡關，也沒有針對生成式 AI 的專法。如果有一天有人在台灣因為 Google AI 給出錯誤的金融資訊而賠錢，能不能告贏？目前可能還是得回歸《民法》或《消費者保護法》。但德國這判決很可能成為亞洲法院參考的重要案例。

另外，這個消息也提醒我們：作為使用者，不要過度信賴任何 AI 摘要。即使以後 Google 會因為害怕被告而更小心，但 AI 本質上還是機率統計，不可能 100% 正確。養成「看完全文、交叉比對」的習慣，永遠是保護自己的最好方式。

📝 編輯說：:這則判決在國際科技法律圈引發熱議，筆者認為最有價值的觀點是，它打破了「平台免責」的慣例，為AI時代的責任歸屬立下非常明確的標竿。

📚 本日原文來源

本文由JK Space News自動彙整，不代表任何投資建議。