「抱歉,我說錯話了!」AI正努力向人類學習對話

■舉微軟的對話系統為例,當機器接收到了一則訊息,它將會產生數千個可能的回應,並根據各個句子接近人類對話的相似度做排序,再從中選擇最接近正確的回答。在一次的Demo中,使用者問了機器「誰是Adele?」,系統羅列出了許多可能的回應,前五個最適合的句子依序是「她是歌手」、「我不知道她是誰」、「她就是歌手」、「Lana Del Rey(拉娜德雷,同為美國著名歌手)」以及「我不知道她是誰,但她是歌手」。我們大概可以看出機器對於世界應有相當的了解,而能認識到這邊講的Adele正是美國那位名為Adele的歌手。

Read more

再現性危機:人工智慧的下一場冰河期?

■你或許聽過,人工智慧的發展曾經歷兩次嚴冬。如今,人工智慧研究似乎已進入穩健且快速成長的階段,以致我們每隔幾個月就能在新聞媒體上看到重大突破。例如2016年橫空出世,陸續擊敗不只一位國際級頂尖棋手的圍棋程式Alpha Go、2017年登場的寫詩機器人微軟小冰(甚至出版了個人詩集!),乃至於後來誕生的Alpha Go終極版本--不需預先寫入任何圍棋相關知識的Alpha Go Zero。
然而,你是否知道,當今看似疾速發展的人工智慧研究,其實隱伏著不小的危機?

Read more

機器人能作畫和演奏嗎?

■如果問哪些能力是人類最可貴的,相信許多的人都會回答「創造能力」。透過聲音和色彩,人類能創造出引發共鳴的音樂和繪畫;透過文字,人類能創造出感動好幾個世代的文學作品。就像是小說中科學怪人也能學習語言和感情等抽象表達,透過人工神經網路,現在機器人能夠學習畫畫和音樂!

Read more

面對如同黑盒子的神經網路,AI科學家如何解釋內在機制?

■位在加州的Uber總部,Yosinski像許多AI科學家一樣,想辦法要把深度學習(Deep Learning)應用在他們的自駕系統上。將大量已標記的影像,像是斑馬線、消防車、安全帶等拿來訓練出一個能夠辨識物體的模型之後,他在想這樣的模型是否也能夠認出鏡頭前的自己?Yosinski將攝影機轉向自己一看,令人意外的是,某幾個神經網路(Neural network)的節點(Neuron)上還真能看到自己臉的輪廓。

Read more

科學家必看!AI正在改變科學研究的方式

■你是否覺得在新聞、臉書、廣告和你的朋友都在討論人工智慧、深度學習和大數據?沒錯!因為它們就是這麼重要!人工智慧除了應用在「傳統人工智慧領域」,他也席捲了直覺上跟人工智慧毫不相干的許多科學領域。包括尋找新的基本粒子、憂鬱程度的預測、從書寫風格判斷個性、古文鑑定、找出自閉症根源、去除天文雜訊和研發製藥,這些都和AI有關。讓我為你一一介紹!

Read more

這樣太危險?AI加上核能?

■機器人打敗了西洋棋和圍棋的世界冠軍、影像辨識超越人類,甚至還能入籍沙烏地阿拉伯。人工智慧再做出什麼舉動好像都不奇怪了。知名的電動車公司董事長甚至在推特上表示:國家級的人工智慧可能會導致第三次世界大戰。除了超越人類表現所導致的假想災難情節外,人工智慧確確實實地製造了許多美好的東西。例如:X光片肺炎判斷率超越醫生,使更多病人能獲救。本文要介紹的是另一個例子:核融合。

Read more

物理學中的人工智慧

■提到人工智慧,可能會想到下圍棋、預測股市等功能導向的應用。對於偏創造性的工作,例如科學研究,直覺上來說人工智慧好像無用武之地。但其實,人工智慧在科學研究中正扮演逐漸重要的角色。本文介紹在量子力學和相對論研究中使用的人工智慧。

Read more

機器學習與人工神經網路(三):AlphaGo 怎麼下棋?

■Google 的圍棋人工智慧 AlphaGo 是第一支能戰勝職業棋士的電腦程式。其實早在1997年,IBM 超級電腦深藍(Deep Blue)就打敗當時的西洋棋冠軍。人工智慧在棋藝上擊敗人類已經不是新鮮事,為什麼 AlphaGo 的勝利仍震撼全球呢?除了圍棋和西洋棋複雜度的差異外,另一個原因在於讓電腦自己學習下棋。

Read more

機器學習與人工神經網路(二):深度學習(Deep Learning)

■戰勝圍棋九段的 Google AlphaGo 正是以深度學習作為核心。比起一般的機器學習,深度學習是如何有深度呢?廣泛地說,深度學習是指具有層次性的機器學習法,能透過層層處理將大量無序的訊號漸漸轉為有用的資訊並解決問題。但通常提到深度學習,人們指的是一種特定的機器學習法─「深度神經網路」(Deep Neural Network)。

Read more