《Life 3.0：人工智慧時代，人類的蛻變與重生》書摘

本文摘自《Life 3.0》P.66-72

什麼是智慧？

我太太和我前不久有幸出席一場關於人工智慧的研討會，主辦單位是瑞典諾貝爾基金會。其中一場專題演講中，頂尖的人工智慧專家被問到要怎樣定義智慧時，花了很長的時間交換意見，結果沒有取得共識，這讓我們倆覺得滿有趣的：就連研究智慧的聰明專家也都沒辦法定義什麼叫做智慧！這就表示智慧的定義並沒有「標準答案」，而是有各種不同的說法，其中包括邏輯的強度、理解能力、規劃能力、情緒控管、自我意識、創造力、解決問題的能力、學習力等等，不一而足。

在進入探討智慧之前，我希望先提出一個最廣義、最籠統的定義，而且不要被現有的智慧形式定型了。這就是我在第一章曾經提過，而且會貫穿全書維持不斷的廣義定義：

智慧 ＝ 達成複雜目標的能力

這樣就可以滿足種種不同的定義，因為不論是理解能力、自我意識、解決問題的能力和學習力，都可以算是複雜目標。這個定義也與《牛津字典》的講法：取得與運用知識和技能的能力，並行不悖，只要把運用知識和技能設定成複雜的目標就行了。

由於複雜目標多到族繁不及備載，所以就會有各種可能的智慧。依照我們的定義，用智商*這樣單一的數字量化人類、動物或是機器的智慧高低，就會變成沒有意義。只會下西洋棋的電腦跟只會下圍棋的電腦，哪一台比較聰明？這個問題的答案不會有意義，因為這兩者擅長的項目不同，無法直接比較，不過如果有第三台電腦，能以同樣的水準達成所有目標，而且會有一項表現得比其中一部電腦更好（像是能下贏西洋棋），那麼說第三台電腦比較聰明，就沒有多大爭議了。

(* 這並不難理解，想像你能否認同以下的說法就夠了。假定有人宣稱站上奧運殿堂的能力，可以用叫做「運動商數」（簡稱AQ）的數字量化，則所有單項賽事的冠軍一律頒給選手中運動商數最高的那位就對了。)

用一刀兩斷的方式判定有沒有智慧也是沒有意義的，因為能力指涉的範圍如同光譜，未必都符合全有或全無的特徵。新生兒跟電台主持人，誰能夠達成說話的目標？當然是後者。不過，如果是能講十個單字的嬰兒，或能講五百個單字的嬰兒呢？你有辦法劃出那條界線嗎？我刻意在定義中選用「複雜」這個語意不清的詞，因為要以人為方式劃出有無智慧的界線，實在很沒意思，而且把簡單的量化，改為呈現達成不同目標的能力，更為有用。

對不同的智慧分類時，區分有限或廣泛智慧也相當重要。IBM深藍電腦專門用來下西洋棋，在1997年還擊敗過世界棋王卡斯帕洛夫（Garry Kasparov），不過它只能達成下西洋棋這麼有限的目標—別看深藍電腦的軟硬體設施有多麼厲害，事實上它就連跟四歲的小朋友玩井字棋都會輸。Google旗下DeepMind開發的DQN人工智慧系統，可以達成稍微廣泛的目標：它可以在數十種雅達利（Atari）古董級電動遊戲中，跟人類拚得不相上下，甚至有機會贏過人類。人類的智慧與之相比就廣泛得太多了，熟練幾十種令人嘆為觀止的技巧都不是問題。只要給頭好壯壯的小孩子夠多的訓練，別說任何遊戲都能來上一手，還有能力開口說任何語言、從事任何運動跟職業。

以現階段人類和機器的智慧相互比較，如圖2.1所示，我們輕而易舉就能大獲全勝，機器只能在少數有限的範圍內贏過人類，只是項目正持續增加。研究人工智慧的終極目標是打造「通用人工智慧」，盡可能擴大廣泛的範圍：幾乎可以達成任何目標的能力，包括學習在內，相關論述將在第四章呈現。由於雷格（Shane Legg）、葛貝德（Mark Gubrud）和格吉爾（Ben Goertzel）三位人工智慧專家特別強調人類水準通用人工智慧是，「起碼能和人類一樣達成任何一種目標的能力」，「通用人工智慧」一詞才流行了起來，所以除非是特別強調〔比方說以「超人工智慧」代表「超越人類的通用人工智慧」（superhuman AGI）〕，否則我會依照定義，直接用「通用人工智慧」（AGI）代表「人類水準通用人工智慧」）。*

(*有些人喜歡把「人類水準人工智慧」或是「強人工智慧」（strong AI）視為「通用人工智慧」的同義詞，不過這兩種說法都會有點問題，一是口袋型電子計算機也能算是一定程度的人類水準人工智慧，二是「強人工智慧」的反義詞是「弱人工智慧」（weak AI），但是如果把有限人工智慧系統如深藍電腦、華生電腦和AlphaGo 當成是弱的，也滿奇怪的。)

雖然「智慧」一詞通常有正面意涵，但請注意，我們是採取中性的角度看待：著重的是達成複雜目標的能力，不管這個目標是好是壞。也就是說，聰慧之人有可能樂善好施，也有可能專門害人，這部分留待第七章再討論。我們也有必要釐清所謂的目標，指的到底是誰的目標；假定你將來擁有做為個人助理的全新機器人，這個機器人沒有自己的目標，完全依照你的吩咐行事，而你要求它準備一頓豐富的義大利佳餚。收到指令的機器人開始上網搜尋義大利食譜、找出最近的超市去採買、學習怎樣做義大利麵，如此這般。最後它順利買回食材弄出大餐，酒足飯飽的你想必會認為它聰明得可以。實際上，這頓飯原本就是你設定的目標，機器人則是在你提出要求後，接收了你的目標，然後井然有序替自己設定了好幾個子目標，包括超市結帳和磨碎帕馬森起司都算在內。在這個案例中，能否使命必達是判定智慧行為與否的必要條件。對我們人類而言，工作的困難度理所當然會跟我們要付出多大代價去完成有關，如圖2.1所示。但是將這種標準套用到電腦上就不適當了。要我們算出314,159乘以271,828可比認出照片中的朋友難多了，但是電腦早在我出生以前，就展現出遠遠超出人類的算術能力，但直到最近才開始有辦法像人類一樣辨識圖像。莫拉維克悖論（Moravec paradox）指的就是這種看似簡單的感受能力，背後其實卻需要耗費龐大運算資源的現象，也說明了為什麼人類的大腦能輕鬆完成辨識工作，因為我們投注了龐大的客製化硬體設施在這個領域—確切的規模超過我們腦容量的四分之一。

我很欣賞莫拉維克這個論點，然後加以延伸成圖2.2的概念：

電腦是萬用的機器，擁有完成任一種工作項目的潛力，人類的潛力相較之下，會在需要長期維持重要性的領域表現得比較強，小事當然沒打算放在心上。想像一張「人類能力地貌圖」，我們可以在低窪地區標上「算術」和「死記硬背」，在山腳處標上「定理證明」和「西洋棋」，在高山頂標上「劇烈運動」、「手眼協調」和「社交互動」，那麼電腦的進展就會像是慢慢淹過地表的洪水。半世紀以前，電腦從低窪處開始，淹過了徒手計算和記帳的工作，不過那時我們大多數人都還是站在陸地上，現在洪水已經抵達山腳，我們得認真看待此地失守的問題。站在山頂上看似安全，不過，如果洪水氾濫的速度維持不變，這些陣地大概再過半世紀以後，也會無一例外的淪陷。我想，在那天到來之前，我們要先準備好諾亞方舟，早點習慣在海上的生活才行！

自從他留下這段文字後不過幾十年，如他所預期，海平面加速上升，彷彿遇到強力的全球暖化，當年他筆下的山腳處，有些（好比說是西洋棋）早就已沉到海水裡一段時間了。海平面以後會怎麼發展，我們又該如何因應，就是這本書後續的幾個主題。

隨著海平面持續上升，或許有一天會淹過某個引爆點，引發翻天覆地的變化。對機器而言，這個關鍵海平面，就是學會自行設計人工智慧之時。在海水漫過這個標高位置之前，海平面的上升都是人類改善機器的緣故，超過這個高度以後，海平面的上升就會是機器改善機器的結果，而且極有可能以破紀錄的方式，超越過去人類改善機器的速度，在短時間內吞沒所有地表。這個神奇又眾說紛紜的概念叫做「人工智慧爆炸奇點」，是第四章會探討的有趣課題。

電腦先驅圖靈提出一個有名的說法，只要電腦可以完成最基本的操作指令，之後只要給予夠多的時間和記憶容量，電腦就能透過輸入新的程式來執行任何其他電腦都能處理的工作。跨過這項基本要求的電腦稱做通用電腦（也稱為通用圖靈機），現在舉目所及的智慧型手機、筆記型電腦都足以符合通用標準。仿照這個說法，

我會把跨過自行設計人工智慧此關鍵標準的智慧，稱為通用智慧（universal intelligence）：只要給予夠多的時間和運算資源，它就有辦法讓自己像任何其他智慧型代理人一樣達成任何目標。譬如說，只要它決定要加強社交互動、預測未來或是設計人工智慧的能力，就有辦法說到做到；如果它想弄清楚如何建立機器人工廠，它就會有能力興建一座這樣的工廠。換句話說，通用智慧極有可能發展進入生命3.0。

人工智慧的專家習慣上認為，智慧說穿了不過就是資訊和運算而已，跟是不是血肉之軀、有沒有由碳原子組成毫不相干。意思是我們實在沒理由認定，將來機器的智慧不會追上人類。

但是物理學告訴我們，所有東西到頭來都是質能互換的產物，因此認真說起來，資訊跟運算到底是什麼？抽象無形、虛無縹渺的資訊和運算，到底是怎樣附著在有形的物體當中？講得更具體一點，一堆單調的粒子依照物理定律變來變去以後，到底是如何展現出我們稱之為智慧的行為？

如果你覺得這些問題的答案顯而易見，而且也認為機器的智慧有可能在這個世紀追上人類的水準（或許你恰巧是人工智慧專家），請略過這一章接下來的部分，直接進入第三章；如果你不曉得上述問題的答案，希望我特別為你準備的這三個小節能夠讓你收穫滿滿。

 
 

--書籍資訊
書名：Life 3.0：人工智慧時代，人類的蛻變與重生
作者：Max Tegmark
出版社：天下文化
ISBN：9789864794096

 

▶▶快來參加：CASE週週送好書活動