第20期：智慧新世界：圖靈所沒有預料到的人工智慧

■近幾年來以人工智慧(artificial intelligence, AI)為代表的第四次工業革命一直是科技界熱門的話題。現在的機器人可以進行精細的製造作業，某種程度上已經替代了部分傳統上必須經過人類加工的過程；AI在重複的、大範圍蒐集分析資料上也有更好的表現，因此機器會取代掉部分的人工是未來的趨勢。
在產業面上，相較於傳統製造業每多製造一個產品，必定需要投入一定的成本，科技公司如果掌握了數據、技術、人才技術，運作上是零邊際成本的，例如搜尋引擎就是一個很好的例子，開發出一個搜尋引擎之後，用戶的增加基本上不會帶來成本上的負擔，這種模式使得高科技產業的發展更有優勢，也代表AI的出現將會改寫我們的經濟秩序，讓社會進入一個新的時代。

■深度學習於1985年被開發，但直到2014年才起飛。張教授2007年起在google進行數據導向大規模機器學習開發時，被當時的同仁合理質疑。因為較複雜的算法譬如SVM或深度學習太過耗時，跟不上搜索引擎和廣告推薦系統的即時需求。在2012年AlexNet利用ImageNet數據取得革命性的圖片辨識的準確率後，學界業界同時驚艷，也才願意投資大規模運算GPU平台，接受了數據導向大規模機器學習的典範。而在2016年AlphaGo又告訴了全世界：如果你的算法能自行生產出無限多且多元的數據，那你便能造就IQ等同於300的機器。但這波的AI革命其實只推進了深度學習，而發展的面向也只限於模擬人腦的知覺(perception)功能。至於如何使用人腦知覺之外的能力，譬如知識，記憶，計畫，邏輯思考，以便從小數據演繹出等同於無限多且多元大數據的能力，還沒有跟上。所以今年四月AI界的巨擘Michael Jordan甚至宣稱：「AI革命尚未到來。」

■就像人類的文字世界是由一個個詞彙組成的，機器的學習可以先從詞彙的理解開始。今天，我們可以利用Word Embedding的技術，讓機器去閱讀文本，透過上下文之間的關係來推論出每個詞彙之間的意義。舉例來說，如果機器在閱讀新聞時，看到「馬英九在520宣誓就職」和「蔡英文在520宣誓就職」這兩個條目，那麼雖然沒有人告訴過機器「馬英九」與「蔡英文」是什麼意思，但是機器能推論出這兩個詞在某種程度上是相關的，因此如果我們讓機器讀越多的書，機器就越能理解這些詞彙之間的關係，猜出他們代表什麼意思。

■全球資訊網(WWW)的誕生，讓我們與世界更緊密的連結在一起。無論是平時生活中的臉書社群，電影界演員之間的合作關係、或者是專家學者們在學術論文的引用，如果我們把每一個人都設定成點(Node)，人與人之間的各種關係視為邊(Edge)，那麼真實世界的網路經過視覺化呈現後，就會宛如人類大腦裡神經元，神經元彼此之間連結時所構成的圖像，看似一團混亂的網絡，實際上存在著某種規律與秩序。

■從音樂檢索到音樂生成，人工智慧的角色由被動化為主動，立足於對音樂規則的理解，持續燃燒作曲魂。人工智慧眼中的音樂世界呈現什麼樣貌？演講中，楊奕軒老師向我們介紹Music AI Lab目前的四大研究主題，帶領我們認識音樂科技的不同面向以及AI扮演之角色。

■在認識人工智慧如何協助心理學知識之前，必須先了解心理學。心理學是一門探究人類心智行為的科學，心智的認知運作機制，如同手機的應用程式 APP 之於手機，無法抽離主體觀察，虛無飄渺難以掌握，卻存在於人類智能中。記憶、學習、知覺、策劃等抽象的概念無法像實體一樣拿來剖析，只能從外向內逼近。楊立行教授在此介紹了四種方式：行為實驗、眼動軌跡、事件相關電位、磁振照影。

■電腦在DNA片段中尋找鑰匙孔的過程和進行影像辨識很像，陳教授以乳房攝影的影像判讀為例，說明AI工程師如何利用卷積神經網路（Convolutional Neural Networks, CNN）自大型的影像中尋找潛在的腫瘤。過往電腦判斷總不精準，多是透過經驗老道的放射科醫師來分辨。如今透過專家標注、深度學習，機器也能辨識出潛在的乳房腫瘤。同理，含氮檢基的四個字母可以轉換成四維資料，放入卷積神經網路中，讓電腦學習這些模式（pattern），學習成功以後，可以得知鑰匙孔的模樣，之後得以透過數學模型來評估人體的變異是否影響鑰匙孔的功能。

■智慧製造跟自動化與電腦網路整合息息相關，最初被認為和三個面向有關：第一個面向是機台的能力，包含維修保養，以及Troubleshooting除錯；第二個面相是製造執行系統，包含排程、存貨管理等等製造過程；第三個面向則是自動化物料運輸系統，這個面向一般是希望運輸活動越少越好的，簡單來說，就像是一枝筆從左手換到右手還是一支筆，運輸傳送發生了，但這個過程裡產品沒有價值提升，所以希望越少越好。
有了AI之後，我們可以進一步改善自動化製造的流程。比如在傳統上，我們對於機器採取預防保養的方式，摩托車、轎車的保養就是一個很生活的例子，我們習慣以一定量的里程或者時間進行預防保養的工作。在AI的幫助下，我們可以進行預測保養，只要在適當的時間進行保養就好，這和過去的預防保養是有所不同的。

■電腦知道我們在說什麼嗎？電腦不是人，怎麼會知道人的語言呢？我們知道「聽、說、讀、寫」是「智慧」的重要指標，今天的演講將在此範疇議題之下，討論電腦是否具有智慧，若需要這些智慧的應用，又需要哪些技術呢？陳信希老師選擇與生活層面有關係的領域，以淺顯易懂的方式解釋各別的發展。

■1969年圖靈獎的得主，人工智慧之父Marvin Minsky，在MIT任教期間曾經招募學生進行一場暑期的研究計畫，功課是「將攝影機連上電腦，讓電腦描述所看到的東西」。這個預計在一個暑假、由一群大學生就能完成的暑假作業，如今卻成了數以萬計的科學家耗時五十年都無法企及的目標。這就是電腦視覺給我們的歷史難題：我們從來沒有想過要怎麼教一個嬰兒如何去「看」，他就天生會了，但現在又該如何去教會一台電腦呢？

■老師對機器學習軟體的第一印象是「電腦嘛會撿土豆喔？」，打開林智仁導師的實驗室網頁，可以發現一款「會撿土豆」的機器學習軟體，大家可別因為簡易的外觀而小看它，看似簡單的二維圖，實際上是可以對顏色加以分類的，而這款機器學習軟體在Google Scholar 裡面的引用次數，更是多達37,370次呢！

■隨著人工智慧（Artificial Intelligence, AI）的發展，當代心理學也被捲入了這場漩渦之中。然而，數學模型是否能完全表現出人類的真實心智？心理學家在利用人工智慧的時候，如何連結到心理學的意涵，而不是單純利用大數據的預測而已？這些問題，楊立行老師都將在AI嘉年華的短講中，一一解答。

■隨著科技變遷，真實生活中的人際網路幾乎都被放上了網路世界中的社群平台，社群網站幾乎成為了現代人生活中必備的APP——吃飯時上臉書（Facebook）打卡可以送小菜，若要圖文並茂的貼文可以點開Instagram，想要心情小語連發則是要靠推特（Twitter）。不論是在臉書、IG或是推特上，「好友」都是不可或缺的角色。一般人可能沒有想到的是，社群網站上的「好友關係」跟人工智慧其實是大大有關係的。今天我們訪問到的是成功大學數據科學研究所的教授李政德，讓我們來一窺人工智慧與社群網絡之間的關聯。

■陳教授綜合在臺灣、美國中求學、研究、就業的經驗，體悟到個人的表現並不會因女性身份減損光芒，且自身的細膩程度在跨領域的合作上，更能柔性、緩和地溝通，使得合作更為流暢。這是否為女性特質？她不下此定論，但她深信女性同樣適合工程科學領域。女性於此領域，反而因比例少，在爭取機會時更易脫穎而出，在工作場域也更受珍惜。她也歡迎更多女性後輩進入工程科技領域，發揮自身所長。