人工智慧與對話式機器人
講者/溫明輝(國立台北商業大學商業設計與管理系副教授)|彙整/葉珊瑀
整理自2020.06.02「AI報你知」校園講座.同名
人工設計的智慧
依據「狀態察覺理論」,人們在接收到外界刺激時,會歷經察覺、理解、預測、決策與行動五大階段,以「開車時聽到救護車聲」為例:駕駛人會先判斷聲音來源、評估自己的車輛是否擋到救護車,再依照以上判斷來決定是否讓路,每一個階段都需要大腦與其他感官的參與。若要讓電腦有「智慧」,便需要做到讓電腦能夠模仿上述的人類認知歷程。
察覺
就像人有眼睛來產生視覺、皮膚來產生觸覺,機器可以透過感知器來察覺外界情況,以辨識貓的圖像為例,機器透過分析演算法攝影機做出顏色區隔,將貓從背景區別出來,先是感知環境,再來察覺物件。這就像是人們常用的修圖軟體自動去背功能,透過AI分別出前景。察覺與拆解元素、萃取資訊並且呈現或推論有關,以瞇牌為例,首先透過特徵提取找出線索,接著以特徵辨識進行比對,就能找到可能性最高的解答。
理解
你在使用Facebook上傳照片時,有沒有對人臉自動辨識功能感到震驚?這是Facebook分析過去用戶自行上傳、標註的照片後,幾經校正過後的結果。如瞇牌的過程,電腦一一排除錯誤的組合,慢慢找到最佳的答案。中國曾將AI臉孔辨識技術用在演唱會現場,最後真的在現場抓到通緝犯,凸顯了AI可以同時處理大量資料(一一檢視所有入場者)與驚人的記憶力(記下所有通緝犯臉孔)兩大優勢。
預測
機器學習可以讓電腦完整吸收人類想要賦予它的知識,常見的監督式學習就如同學生在正式上場考試前勤加練習考古題庫。AI需要解決的問題可以分為兩類:離散的分類型問題與連續的迴歸型問題。前述介紹的例子大多是要AI進行「分類」,屬於前者;但若要預測明日的氣溫或金價走勢,則屬於後者。至於像報明牌這類沒有規則、完全隨機的事件,目前AI無法做到。
另一種學習方式稱為「非監督式學習」。不預先告訴機器規則與答案,而是讓機器自主摸索。
決策
決策的種類很多,以單一目標決策為例,可分為:是非型決策、好壞型決策、選擇型決策、取捨型決策、不確定型決策,目前機器只擅長前兩種。尤其簡單、明確的決策,例如停車場的車牌辨識,AI目前已經超越人類。但對於如協同決策、零和決策,由於決策者不只一人、目標多樣、有多種結果的複雜決策,則還遠超出AI的能力所及。
行動
機器的優勢在於持久、專注、運算強大、記憶容量大、訊息即時,但人類在推理、想像、協調、合作、使用工具上的能力目前仍是難以被取代的。若能結合機器的優勢來輔助人類,將會讓生活更為便利。中國阿里巴巴的AI設計師魯班,能在一秒內產出8千版廣告海報;還有能寫文章的機器,25秒便可迅速結合地震位置、空拍照、過去發生過的歷史數據、各局回報傷亡人數,生成一篇新聞稿。
AI如同二十年前的網路,在當時是新科技,現在已經成為日常生活不可或缺的一部份。在溫教授看來,不論什麼領域的人,都應該認識它,才能因應新的生活型態。AI究竟會不會威脅人類呢?有人認為它終究是人造物,可以人為控制、關閉。然而過往早有人造科技威脅人類的紀錄:戰鬥機、飛彈,被人生產用以殺害彼此。若這些科技被居心叵測之人用作不當用途,後果難以設想。最後是隱私問題,在當代使用網路服務,常常在填寫資料過程就已經暴露在隱私受侵犯的威脅之下,極具爭議。
未來工作很可能因著AI的興起而消失,過往的高速公路收費員在臺灣已經不復見,加油站也有越來越多自助加油的服務。機器做得比人類還好的工作,很明顯地將被取代。用當代科技發展去衡量未來想要就讀的科系,未必是個好選擇,因為將來出社會時所需的職能,可能已經與當時選擇科系時的情況不同,競爭對手不只是同儕,還有AI。溫教授希望同學們能夠衡量將來可能出現的新趨勢,切莫將當今社會發展視為恆定不動的,現在的熱門科系,在將來未必如常。
(本文為教育部「人工智慧技術及應用人才培育計畫」成果內容)