人工智慧的名稱政治學
汽車跑得快,不叫「人工馬」;飛機飛得高,不叫「人工鳥」。怎麼計算機本領大了,就要稱作「人工智慧」(Artificial Intelligence,AI)?
撰文/李國偉(中央研究院數學所兼任研究員)
轉載自《科學月刊》2018年4月第580期
●人工智慧一詞的創造
故事要由麥卡錫(John McCarthy)講起。麥卡錫早年就顯露很高的數學天賦,24 歲從普林斯頓大學(Princeton University) 拿到數學博士並在萊夫謝茨(Solomon Lefschetz)指導下,寫出學位論文《射影算子與偏微分方程》(Projection Operators and Partial Differential Equations)。1955 年, 麥卡錫獲聘為達特茅斯學院(Dartmouth College)的助理教授,9 月向洛克菲勒基金會提出一份申請書,希望獲得「達特茅斯人工智慧夏季研究計畫」(Dartmouth Summer Research Project on Artificial Intelligence)的經費補助。計畫書裡出現的「人工智慧」名稱,是公認麥卡錫首創的新詞。
麥卡錫放棄微分方程轉往全新領域, 其實有端倪可循。1952 年夏季,他到貝爾實驗室擔任大名鼎鼎夏農(Claude Shannon)的助理,協助夏農編輯有關「自動機(automata)」的論文集。也正是夏農後來幫他跟洛克菲勒基金會牽線,在申請經費補助時當共同提案人(雖然此事多被後人淡忘)。根據麥卡錫在紀念研討會50周年時回憶,舉辦這項活動的主要目的就是要「豎立鮮明旗幟(nail the idea to the mast)」。研究計畫的主題沒有採用自動機,因為他嫌夏農太偏抽象數學理論。他也迴避使用另外一個火紅的名詞,就是維納(Norbert Wiener)發明的「控制論」(Cybernetics)。一方面嫌控制論研究對象還牽扯類比機制,另一方面不願與好辯的大老交手。為了想凸顯自己研究發展路徑的特色,他拒絕重複別人用過的名稱,像「複雜訊息處理」、「機器智能」等。他豎立的人工智慧這面鮮明旗幟,非常能激發人的想像,從而抓住人的眼球。命名要「性感」,可謂「名稱政治學」巧妙的第一步!
名稱雖性感,但是如何替內容畫界呢?麥卡錫在經費申請書裡開宗明義說:「從事本研究的基礎立足於以下的臆測:關於學習的每個方面,或者智慧的任何其他特徵,只要原則上能精確地給予描述,那麼就能使機器做出模擬。」所以麥卡錫勾勒出的範圍幾乎是沒有範圍,因為一切都仰仗預設「只要原則上能精確地給予描述」須成立。似有還無的界線使得攻守兩宜,這是「名稱政治學」巧妙的第二步。
●人工智慧的發展
在著重商業行銷的美國,即使是學術領域的興衰,也經常與帶頭人的行銷技巧密切相關,由前兩步可看出麥卡錫顯然深得其中三眛。但是,不管1956 年夏季的研究活動多麼新穎,如果沒有研究基地、經費與人員的持續投入,新的學科也很難健康茁壯,這當兒麥卡錫剛好得到天時眷顧。在美國毫無預警的狀況下,1957 年10 月蘇聯成功地把史普特尼克人造衛星放上太空。因為警覺到國家安全遭受嚴重威脅,美國把大量經費投入高校,積極推動強化國防的研究工作。
在達特茅斯經費申請書上排名第二的是閔斯基(Marvin Minsky),1958 年他與麥卡錫都到了麻省理工學院。有一天他們倆在走廊上碰到部門主管,麥卡錫伺機向主管表示想成立人工智慧實驗室。當主管問他們需要什麼的時候,麥卡錫提出實驗室空間、一位秘書、一台打卡機、兩位寫程式的技術員。主管不僅馬上答應,還同時奉送他們六位研究生。原來新增經費多養了六位數學系研究生,主管不知該怎麼安排,索性叫他們去搞新花樣吧!人工智慧號稱能產生機器自動翻譯,幫美國軍方閱讀蘇聯的各種文件,從而得到國防經費的長年挹注。其實自從冷戰時期開始,很多重要科技進展的研發經費,都直接或間接受到軍方的支持。而這有效引起國防軍工當局的青睞,也是「名稱政治學」的重要撇步。
將新學科命名「人工智慧」是非常成功的策略,甚至可能有點過於成功,導致對於人工智慧產出的期望過高。當大量金錢投進研發,而成效往往達不到原先宣傳的願景時,熱潮就不可避免會衰減。人工智慧的發展有過幾回戲劇性的起伏,還歷經兩次所謂的「人工智慧的冬天」,到1980 年代末幾十億美金的相關產業逐漸蕭條。人工智慧烏托邦的泡沫化,留下了「名稱政治學」辯證發展的軌跡。
●人工智慧的現在與未來
自從2016 年AlphaGo 打敗圍棋高手李世乭之後,新一波人工智慧的浪頭簡直勢不可擋。2005 年數位時代預言家庫茲威爾(Kurzweil)在《奇點臨近》(The Singularity Is Near: When Humans Transcend Biology)書中曾說:「許多觀察家仍然認為人工智慧的冬天就是故事的終結,自此之後人工智慧就毫無創建了。其實今天成千上萬的人工智慧應用程式,已經深入包含在每種工業的基礎建設裡。」為什麼這種類似「隱姓埋名」的策略會發生呢?道理就在於這些發展本來就是計算機該做的事,人工智慧標籤好用的時候就拿出來用,不好用的時候就打出其他招牌,像什麼「機器學習」、「以知識為基礎的系統」、「認知系統」、「智能系統」、「深度學習」,不一而足。
這一波人工智慧的振興,主因之一是克服大量增加類神經網路層次的難關。模擬神經網路的研究早已有之,但是閔斯基與派普特(Seymour Papert)在1969 年出版了影響力極大的《感知器》(Perceptron)一書,暴露了類神經網路處理非線性問題本質上的不足。所以今日人工智慧的核心方法,曾經被人工智慧領袖幾乎掃地出門。今昔對比,可說是「名稱政治學」裡借殼上市鹹魚翻身的一章。
現在飽受矚目的人工智慧應用,其實都是在特定範圍裡增廣人的能力,因此顯現超越人力的結果本應在預期之內。像涂林測試(Turing test)所瞄準的不限範圍的機器智能,目前距離最終目標還相當遙遠。我們預期當人們對各個領域五花八門的人工智慧產品習慣後,「人工智慧」在「名稱政治學」的場域裡,終將完成其階段性任務,從而退隱為歷史名詞。
(本文由教育部補助「AI報報─AI科普推廣計畫」取得網路轉載授權)