人机共处的新世界(1-2)

人機共處的新世界(1/2)

未来的人机合作,是让电脑去处理它擅长的事,让人类继续处理自己擅长的事。


重点提要

我们一方面讚赏人工智慧带来的便利与商机,却也同时担心过度自动化可能带来的问题,包括失业、人工智慧威胁人类安全。深度学习看似潜力无穷,实际上仍局限于「弱人工智慧」的领域,亦即利用电脑的快速运算与记忆能力,达成「看似有智慧」的任务。人工智慧未来的发展方向之一,是跨领域合作。例如给予机器不同领域的资料,输入到深度学习的模型,以突破统计式学习的瓶颈。

2006年,当加拿大多伦多大学机器学习研究室的辛顿展开深度学习计画时,人工智慧(AI)几乎已沦为科幻名词,他们是连研究生都招不太到的团队。10年后,微软研究院首席科学家霍维兹直言:「资讯科技业界的下一个战场是人工智慧。」今年春天,脸书(Facebook)执行长祖克柏在公司开发者大会F8上发表,要在未来10年全力发展人工智慧与虚拟实境。一星期后,Google执行长皮蔡(Sundar Pichai)也跟进,在公司第一季财务会议上表示:「运算世界的重点将从行动优先(mobile first)走向人工智慧优先(AI-first)。」

当年参与深度学习的团队成员今日已在学界与业界各据山头。美国史丹佛大学的吴恩达先在2011年进入Google,成立专门研究深度学习的Google Brain计画,并在2014年担任百度首席科学家,领导百度深度学习研究院。纽约大学的拉昆与辛顿则学产两栖,拉昆担任脸书人工智慧研究室负责人,辛顿加入Google。

放眼这三年来资讯科技龙头公司推出的服务与产品,几乎全看得到深度学习的身影。Google语音助理Google Now、苹果语音助理Siri、微软Windows 10与手机平台的语音助理Cortana、亚马逊的语音控制喇叭Echo等交谈式机器人问世、Youtube的自动字幕、苹果iOS最新的语音留言转文字等,皆得力于深度学习训练出来的语音辨识模型。脸书相簿更精确的人脸辨识、Google地图的街景分析、自动驾驶系统的障碍物侦测分析等,是机器视觉大幅改善的成果。让围棋程式下棋功力一举进步10年的AlphaGo,也是得到深度学习的加持,以4:1的比数击败世界顶尖的围棋选手。

走出科幻世界、步入我们日常生活的人工智慧,首先引起了科学界的担忧。

2014年在BBC新闻的访谈中,物理学家霍金首先开砲,认为完全成熟的人工智慧可能发展出自我演化的能力,甚至超过生物的演化速度,最终导致人类毁灭。微软创办人比尔盖兹一方面讚赏人工智慧带来的便利与商机,也不讳言能力强过人类的机器可能导致大量失业,人类最终可能无法控制机器。特士拉与SpaceX计画执行长马斯克不但谆谆告诫「人工智慧是人类生存最大的威胁」,更在2015年底与志同道合者成立非营利组织OpenAI,确保人工智慧的发展不会威胁到人类安全。

深度学习到底有何能耐,引发科学界这幺大的回响?人工智慧是人类的好帮手,还是披着羊皮的狼,伺机佔领人类世界?

此人工智慧非彼人工智慧

说到人工智慧,第一时间跃我们入脑海的,通常是涂林测试与机器人。涂林测试是人工智慧学者一直想要摘取的圣杯,机器人的种类更是多样,诸如「星际大战」系列中钢皮铁骨的R2D2与C3PO、「2001:太空漫游」中非人形的电脑哈儿(HAL)、「魔鬼终结者」系列以毁灭人类为目标的机器人大军、「银翼杀手」中短命却能力超强的生化人、「A.I.人工智慧」中真假难辨的仿生机器人大卫、「机械公敌」引人津津乐道的画画机器人,甚至到最近「人造意识」里引诱工程师以帮助自己脱困的人造美女。

电影工业创造的机器人形象,模糊了我们对人工智慧的认知。研究自然语言处理、长期任职资讯科技业的林玉柱指出,脍炙人口的科幻电影如「机械公敌」、「A.I.人工智慧」中的用语虽然是机器人(robot)、人工智慧,讲的其实是仿生机器人(android),兼具人类外形与智慧内在。社会大众自然而然把这些概念混在一起,听到「鸿海要用机器人取代工人」,脑海浮现的是仿生机器人,听到「人工智慧」,也是想到仿生机器人。其实人工智慧的重点,是电脑运算的设计展现「智慧」,而非科幻电影里机器人的「人模人样」。即使长得不像人,甚至没有长相(例如聊天软体),也是人工智慧的展现。

中央研究院资讯科学研究所所长许闻廉从学术角度来看,他认为人工智慧的研究始于对人的关心,希望用电脑系统模拟人脑的运作,协助科学家了解人如何解决、思考问题。能够达到这种目标的系统称为「强人工智慧」,但是它需要对人脑有更多理解,目前认知科学对人脑的理解与神经运作过程的认识还很浅薄,难以在强人工智慧的研究上有所进展。在此困境下,人工智慧学者开始往「弱人工智慧」靠拢,不强求电脑能有「像人类一样思考的智慧」,而是善用电脑的快速运算与记忆能力来达成「看似有智慧」的任务,例如下棋、翻译。弱人工智慧只要电脑表现的行为或能力跟人类一样就好,并不需要使用与人类相同的方式来完成目标。

深度学习是应用类神经网路发展出来的统计式机器学习演算法,在多项语音辨识与机器视觉竞赛中,能够把机器判断的正确率提高10~25%,进入实用範围。台湾大学资讯工程学系教授林守德认为,深度学习儘管看似潜力无穷,还是在弱人工智慧的範围。电脑要变成完全人的智慧,在短时间内几乎不可能。

真正的敌人是自己

机器觉醒统治人类的戏码儘管不会在现实世界上演,人工智慧研究的成果却早已渗透我们的生活,林玉柱说:「产业界拥抱人工智慧,着重在开发新应用,提升生产力与获利。」Google应用机器学习演算法在Google AdSense广告服务上已经10年了,亚马逊产品的配送、仓储流程,是经由机器学习演算法计算出来,而非人工安排;微软网站上的产品支援页面也是机器翻译的成果。除非完全不碰资讯产品,不然可说只要用到电脑就会用到机器学习。更多的产品,只是扩大人工智慧应用的层面,让我们更贴近Google的皮蔡所说的AI-first,也就是对人工智慧的依赖超过对行动装置的依赖。

面对人工智慧,我们要担心的不单是机器在近期内发展出来的智能,而是机器可能永无止尽地藉由自动学习增强自己的能力。与其列举诸如客服、理财专员、组装人员、技术手册翻译等预期将由机器取代的工作,不如从本质来看机器学习。许闻廉指出,机器学习是由人类控制,电脑只有计算速度与记忆体,全看人类怎幺使用这些模型。以这个角度来讲,如果掌握某项特定技巧,与这个技巧相关的知识又可以做成模型,加上机器学习演算法输入的资料越多、学习成果越好的特色,苦练之后就可以胜过人类。这样的机器,理解力可能连三岁儿童都不如,却可以在特定工作上赢过人类,是勤能补拙的最佳榜样。

面对这样强大的职场竞争者,许闻廉认为,工作被取代是一定会发生的。人们要思考的是做什幺工作比较不容易被取代。应付这种结构性失业的问题,是政府的工作,教育体系不是去训练固定的技术性能力,而是训练获取新知识的能力。林玉柱强调,人的创意、探索未知事物的动机与好奇心,是人工智慧难以实现的。林守德指出,电脑的强项就是记忆力与计算能力超好,可以做很特定的工作,但不表示有全面的智慧,例如生活智慧就是电脑很难掌控的部份。人类的强项是可以即时接收不同种类的讯息,根据收到的讯息即时反应,对于电脑而言,凡是需要长时间与人互动、沟通的任务,会造成它的「搜寻空间」过大,以致无法找出最佳的做法。

人机合作的世界,是让电脑去处理它擅长的事,人类继续处理自己擅长的事。(待续)

上一篇:
下一篇: