在人工智慧（AI）領域，近期研究顯示，AI 模型不再只依賴人類指導，而是開始透過自我提問來學習，這項突破可能為「超智慧」的實現奠定基礎。
來自北京清華大學、北京通用人工智慧研究院（BIGAI）與賓夕法尼亞州立大學的研究團隊，開發出名為「絕對零推理器」（Absolute Zero Reasoner，AZR）的系統。該系統能生成具挑戰性的 Python 程式設計問題，並透過自我檢查來解決這些問題。
AZR 系統會先利用大型語言模型生成可解決的程式設計問題，再用同一模型來解題，並透過執行程式碼檢查結果。這個流程讓模型能依據成功與失敗持續改進，進而提升提問與解題能力。研究團隊指出，這種方法顯著提升開源語言模型 Qwen 的程式設計與推理能力，甚至超越部分仰賴人類資料訓練的模型。
研究人員指出，這種學習方式類似人類的學習歷程：從模仿開始，最終得學會提出自己的問題。他也提到，這種「自我提問」的學習方式，早在幾年前就已被部分 AI 先驅（如 Jürgen Schmidhuber、Pierre-Yves Oudeyer）討論過。
另一個值得關注的面向是，隨著模型能力增強，題目難度也會跟著提升。儘管目前系統僅能處理易於檢查的問題（如數學或程式設計），但隨著專案推進，未來可能擴展到更複雜的任務，例如網頁瀏覽或辦公自動化。
這種自我提問的學習模式，理論上可能讓模型逐步超越人類教學，為實現超智慧提供另一條路徑。近期，Salesforce、史丹佛大學與北卡羅來納大學的 Agent0 專案，也在探索類似的自我提升技術，顯示此方法在 AI 實驗室可能帶來的影響。
隨著傳統資料來源日益稀缺、成本上升，AI 學習的新方法可望成為 2026 年科技產業的重要主題。像「絕對零推理器」這類專案，可能讓 AI 系統不再只是模仿者，而更接近人類的學習方式，具備更強的自我精進能力。
（首圖來源：AI 生成）
科技新報粉絲團
加入好友
訂閱免費電子報
