113 年 國立清華大學外國語文學系碩士班乙組《英文閱讀與寫作》

此為考試規則說明，非正

本題為考前注意事項，旨在提醒考生檢查試

此為考試規則說明，非正

此為考試規則說明，非正

此為考試規則說明，非正

此為考試規則說明，非正

好的，各位同學，我們來看看這份清大外文系 113 年的考題。這題 Instructions 部分，看似簡單，但其實是整個考題的「靈魂」所在。它直接點出了這份考題的核心目標，也就是評量同學在學術寫作、摘要、改寫以及批判性思考方面的能力。這份考題並非單純的閱讀理解，而是要你展現你對文章的深入掌握，並能將其轉化為具備個人觀點且論述清晰的學術產出。

這題 Instructions 的解題關鍵在於理解它所設定的「評量指標」。它明確列出了四個面向：

1. Academic writing skills (學術寫作能力)：這意味著你的回答需要結構清晰、邏輯嚴謹、用詞精準，並符合學術寫作的規範。
2. Summarization abilities (摘要能力)：你需要能夠從長篇文章中抓取核心論點，並用簡潔的語言呈現。

好的，各位同學，我們來仔細解析這道關於 Noam Chomsky 文章的題目。這題主要考驗大家對 Chomsky 在這篇文章中，對於人工智慧（AI）如何影響語言和人類心智的主要論點的理解與歸納能力。

題目核心觀念

本題的核心在於理解 Noam Chomsky 對於當前主流 AI 技術（特別是機器學習）的批判性觀點。Chomsky 認為，儘管這些 AI 技術在處理大量數據、生成看似人類的語言和思考方面表現出色，但它們本質上是「統計引擎」，與人類心智在語言理解、知識建構和解釋能力上存在根本差異，並可能對人類的科學和倫理觀念產生負面影響。

解題過程

要回答這題，我們需要仔細閱讀 Chomsky 的文章，並從中提取他關於 AI、語言和人類心智之間關係的核心論述。以下是解題的關鍵步驟：

1. 識別 Chomsky 的主要論點開頭： 文章開頭就點出了作者的擔憂：「Concern because we fear that the most popular and fashionable strain of A.I. - machine learning - will degrade our science and debase our ethics by incorporating into our technology a fundamentally flawed conception of language and knowledge.」這句話直接點出了 Chomsky 對於機器學習（machine learning）的擔憂，認為它會因其對語言和知識的「根本性缺陷觀念」而損害科學與倫理。

2. 區分機器學習與人類心智的差異： 文章中不斷強調兩者之間的根本區別。

   • 機器學習 (ChatGPT 等)： 被描述為「lumbering statistical engine for pattern matching, gorging on hundreds of terabytes of data and extrapolating the most likely conversational response or most probable answer to a scientific question.」它們擅長從海量數據中尋找模式並生成統計上最可能的輸出。
   • 人類心智： 被描述為「a surprisingly efficient and even elegant system that operates with small amounts of information; it seeks not to infer brute correlations among data points but to create explanations.」人類心智能夠基於少量資訊，尋求解釋，而非僅僅是推斷相關性。文章以兒童學習語言為例，強調人類擁有內在的、複雜的語法系統（innate grammar），這是機器學習所缺乏的。

3. 闡述機器學習的「缺陷」： Chomsky 指出機器學習的「deepest flaw is the absence of the most critical capacity of any intelligence: to say not only what is the case, what was the case and what will be the case - that's description and prediction - but also what is not the case and what could and could not be the case. Those are the i

好的，這是一份針對國立清華大學外國語文學系碩士班乙組 113 年英文閱讀與寫作考古題第 2 題的詳解。

這題的核心在於要求考生結合 Noam Chomsky 的文章觀點，以及自身對人工智慧（AI）在理解人類語言方面的知識，闡述個人對此議題的看法，並分析 AI 在此領域的潛在優勢與劣勢。這是一道結合文本理解、批判性思考與個人論述的寫作題。

解題過程

本題要求撰寫一篇不超過 800 字的短文，探討 AI 在理解人類語言的角色，並從 Chomsky 的文章及其他相關知識中汲取觀點，同時包含個人對 AI 在此情境下潛在優勢與劣勢的看法。

步驟一：仔細閱讀 Chomsky 的文章，理解其核心論點。

Chomsky 在文章中主要批評了以機器學習為基礎的 AI（如 ChatGPT）在理解人類語言和知識方面的局限性。他的核心論點包括：

• AI 的本質是「統計引擎」而非真正理解： Chomsky 強調，目前的 AI 擅長從大量數據中搜尋模式，生成「統計上可能」的輸出，但這與人類的理解方式截然不同。人類理解語言是基於「解釋」，而非單純的「相關性推斷」。
• AI 缺乏「解釋」能力： Chomsky 認為，真正的智慧在於能夠說明「為何如此」（解釋），而不僅僅是描述「為何發生」（描述）或預測「將會發生」（預測）。AI 無法理解因果關係、物理定律或反事實（counterfactuals），這是其最深的缺陷。
• AI 的「學習」是模仿而非內化： AI 透過大量數據「學習」，但這種學習是機械式的，無法區分「可能」與「不可能」，也無法像人類一樣內化語言的生成規則（如普遍語法）。
• AI 的道德和倫理局限： 文章最後指出，AI 缺乏道德判斷能力，無法在創造力與約束之間取得平衡，可能產生偏見或道德冷漠。

步驟二：思考 AI 在理解人類語言方面的潛在優勢。

儘管 Chomsky 持批判態度，但我們仍需思考 AI 在此領域可能帶來的益處。這些優勢可能包括：

• 處理海量數據與模式識別： AI 能夠快速處理和分析遠超人類能力的數據量，從中識別出複雜的語言模式、趨勢和關聯，這在語言學研究、文本分析、機器翻譯等領域有巨大潛力。
• 輔助語言學習與教學： AI 可以提供個人化的語言學習體驗，例如語法糾錯、詞彙推薦、發音練習等，並能分析學習者的弱點，提供針對性指導。
• 提升溝通效率與可及性： 機器翻譯、語音辨識、文本摘要等 AI 技術，能夠打破語言隔閡，讓資訊傳播更廣泛，並為有溝通障礙的人士提供協助。
• 生成創意內容（有限範圍內）： 在某些特定領域，如詩歌創作、劇本構思等，AI 能夠基於現有模式生成新穎的內容，作為人類創意的靈感來源。

步驟三：思考 AI 在理解人類語言方面的潛在劣勢（結合 Chomsky 的觀點與自身知識）。

除了 Chomsky 指出的核心問題，還可以從其他角度思考劣勢：

• 缺乏真正的語義理解與常識： AI 依賴統計關聯，可能無法真正理解詞語的深層含義、隱喻、諷刺或語境，導致產生不合邏輯或荒謬的輸出。
• 偏見與歧視的放大： AI 的訓練數據可能包含社會偏見，導致 AI 在語言生成或判斷時，無意間複製甚至放大這些偏見，造成不公平的結果。
• 創造力與原創性的限制： 如 Chomsky 所言，AI 的「創造」是基於現有數據的組合與變換，而非真正意義上的原創思考或深刻洞察。
• 道德與倫理風險： AI 可能被用於傳播虛假資訊、操縱輿論，或在道德決策中產生不可預測的後果，尤其當其本身缺乏道德判斷能力時。
• 對人類認知能力的潛在影響： 過度依賴 AI 可能削弱人類自身的語言理解、批判性思考和創造能力。

步驟四：構建文章結構，整合觀點。

一篇結構清晰的文章通常包含以下部分：

1. 引言 (Introduction)：

   • 簡要介紹 AI 在理解人類語言領域的發展現狀及其重要性。
   • 引出 Chomsky 的觀點，並點出本文將探討 AI 在此領域的潛在優勢與劣勢。
   • 提出自己的核心論點或立場。

2. 主體段落一：Chomsky 的批判性觀點 (Chomsky's Critique)

   • 闡述 Chomsky 對現有 AI（特別是機器學習）在語言理解方面的核心批評，例如缺乏解釋能力、僅是模式匹配等。
   • 引用文章中的關鍵概念（如「統計引擎」、「解釋」vs.「描述與預測」）。