文／揭彼得
在數學與物理學中，「奇點（Singularity）」一向不是科幻詞彙，而是一個冷靜而嚴肅的警告。代數裡奇點指的是：原本看似平滑、連續、可預測的系統，會在某一點突然失效。例如函數 f(x)=1/x，在 x趨近於0 的位置時， f(x)趨近於無限大，這並非「誤差變大」，而是整個模型無法發散而無法被定義。數學奇點理論研究的，正是為何在長時間穩定運作的結構中，會突然出現無法延續的斷裂與突變。
物理學中的奇點亦然。黑洞中心、宇宙大爆炸起點，都是理論預測中密度與時空曲率趨近無限的地方。物理奇點理論追問的，不是末日，而是：為何我們賴以理解世界的物理法則，會在某些極端條件下全面失效。
這些理論共同指向一件事：真正的危險，往往不是劇烈變化本身，而是人類仍試圖用舊有的理解框架，去解釋一個性質已經改變的世界。
當「奇點」被引入人工智慧（AI）的討論中，它真正提醒的，正是這一點。
奇點不是某一天，而是一段已經展開的加速期
在《 奇點已近：當人類與AI融合一體 》書中，被《華爾街日報》稱為「永不滿足的天才」的作者雷．庫茲威爾(Raymond Kurzweil)，他反覆修正一個常見誤解：科技奇點並不是某一天突然降臨的事件，而是一段已經開始、且仍在加速中的歷史過程。
書中指出，真正值得警覺的，不是那個尚未到來的臨界點，而是「奇點之前的加速階段」——科技仍然可以被理解，但理解的成本迅速提高；社會仍然可以討論，但討論愈來愈跟不上實際發生的變化。
換句話說，我們正身處一個「尚未失控，但已高度不穩定」的過渡時期。這個時期的特徵不是災難，而是節奏的失衡：技術更新的速度，開始全面超越教育、法律、倫理與公共討論的調整速度。
這正是數學與物理中「奇點逼近」時會出現的典型現象——系統表面仍在運作，但原有模型已逐漸失效。
AI 改變的，能力＋速度與回饋結構
許多關於 AI 的公共討論，仍停留在「它有多聰明」、「能做多少事」，但真正顛覆性的，其實是速度與回饋結構的質變。
AI 能自動學習，且優化速度前所未有地快。一旦進入真實世界，系統便能透過實際使用數據持續修正模型；模型稍微變好，就能吸引更多使用者；更多使用者，又帶來更多數據，進一步加速優化。
這是一個典型的正回饋飛輪。即便每一次優化只帶來 1% 的提升，反覆累積後，成果仍會呈現爆炸式成長。更關鍵的是，在 AI 時代，這樣的優化不是一年一次，而是每天、甚至每小時都在發生。
當「進步」變成一種高速自我強化的機制，理解若無法同步，就會迅速被甩在後面。當科技跑得比理解快：知識溝正在擴大知識溝理論早已指出，當資訊供給快速增加時，社會並不會自然趨向平等，反而更容易出現理解能力的分化。
AI 正是最清楚的例證。對工程師與科技產業而言，AI 是模型架構、資料品質與算力配置；對多數民眾而言，AI 卻常被簡化為「會不會搶工作」、「會不會失控」。資訊表面上無所不在，理解卻高度不對稱。
更值得警惕的是，這種理解落差，並不只影響個人選擇，而會逐步轉化為政治判斷、制度信任與公共決策的分歧。當一部分人能理解技術邏輯，另一部分人只能感受到後果，社會共識便會變得愈來愈脆弱。
一場專題訪問，嘗試修補理解斷層
也因此，近期一場圍繞《奇點已近》的專題訪問，格外值得注意。
在這場訪談中，台大電機系副教授 于天立 提到，當前 AI 發展最值得關注的，已不只是技術能做到什麼，而是人類是否真正理解自己正在加速推動什麼樣的系統。
他指出，真正的風險不在於 AI 是否「超越人類」，而在於社會是否仍能跟上技術決策的速度。當理解落後於應用，制度與倫理往往只能事後補救，而非事前設計。
這樣的提醒，正是奇點之前最關鍵、卻最容易被忽略的聲音。
看不懂，才是真正的恐懼來源
回顧歷史，每一次重大技術變革都伴隨焦慮。但 AI 的特殊之處在於，它觸及的不只是勞動或工具，而是判斷與認知本身。
當系統可以做出決策，卻無法被多數人理解其邏輯時，不安自然擴散。這也是為什麼近年來，從詐騙、假訊息到認知作戰，AI 迅速成為公共恐慌的核心。
恐懼，並非源自技術本身，而是源自「無法理解卻必須承受後果」。
當 AI 進入制度核心，風險不再抽象
類似的警訊，也已出現在司法、行政與治理領域。當 AI 開始被用來輔助判斷、排序、分流，效率確實提升，但若缺乏透明與問責機制，錯誤與偏差也會被放大。
這些案例共同指向一個現實：在奇點之前的加速階段，最大的風險不是技術太快，而是理解、治理與監督跟不上。
台灣此刻面對的，何僅是是技術選擇
對台灣而言，這個問題尤其迫切。
台灣高度擁抱科技，也高度依賴技術產業，但在教育、公共溝通與制度設計上，是否已為「理解落差擴大」做好準備，仍是一個未解的問題。
如果社會只剩下「會用」與「不會用」的區別，而沒有「理解」與「不理解」的公共對話空間，那麼知識溝最終將轉化為信任危機。
結語：奇點之前，是一場理解與治理的雙重競賽
如果說奇點之前的加速階段，像數學與物理中的臨界狀態，那麼真正值得警惕的，不是技術本身，而是理解與治理是否同步進化。
當 AI 技術開始滲透到日常生活、公共安全與制度核心，它帶來的風險早已不再停留在抽象層次。近年台灣社會所面對的詐騙升級、假訊息擴散與認知作戰，正是這場加速失衡的具體後果之一。正如社會觀察者魏權隆所指出，AI 正在顯著降低犯罪與操縱認知的門檻，使原本需要高度組織、資金與技術門檻的行為，變得更廉價、更快速，也更難被即時辨識。這並不是因為社會突然變得脆弱，而是理解與防線尚未跟上技術演進的速度。
同樣的問題，也正在司法與治理領域浮現。當 AI 被期待用來輔助判決草擬、案件分流或行政決策，效率的確可能提升，但台灣人權團體已明確提醒，若缺乏透明、可解釋與可問責的制度設計，AI 很可能在減輕人力負擔的同時，放大偏見、侵蝕程序正義，甚至削弱人民對司法的信任。這些風險，並非反科技的想像，而是奇點之前加速階段中，制度尚未準備好的現實警訊。
回到知識溝的問題，真正令人不安的，並不是少數人「太懂科技」，而是多數人只能承受後果，卻無法參與理解與討論。當社會中一部分人能掌握 AI 的運作邏輯，另一部分人只能感受到被改變的生活、被重寫的規則，這道理解落差，最終會轉化為信任裂縫，甚至民主治理的壓力源。
這也是為什麼，奇點之前最重要的投資，或許不是算力、晶片或資本，而是公共理解能力。教育是否能培養基本的科技素養？媒體是否能扮演知識翻譯者，而非恐慌放大器？政策討論是否能在導入技術之前，先建立理解、對話與監督的空間？
雷．庫茲威爾在《奇點已近》中保持對未來的樂觀，但這種樂觀並非盲目。他一再強調，奇點之前，人類仍握有選擇權；只是，選擇的前提是理解。如果理解缺席，選擇便會被技術速度取代。
或許，真正的奇點，不只是 AI 是否超越人類，而是社會是否還能理解自己正在做什麼決定。當理解落後於加速，奇點尚未到來，社會卻可能已先一步失序。
奇點之前，是一場科技的競賽，更是一場理解與治理的競賽。而這場競賽的結果，將決定我們迎向的，是擴展的未來，還是失控的轉折。
