人工智慧的過去、現在與未來

人工智慧的過去、現在與未來

講者/陳宜欣(國立清華大學資訊工程學系副教授)|彙整/葉珊瑀
整理自2020.03.18AI報你知.同名〉

什麼是人工智慧

人工智慧(Artificial Intelligence,AI),也就是「人造的智慧」這種概念,其實並不新穎。例如:西元前四世紀的希臘神話中,保護克里特島免受海盜或其他入侵者侵害的青銅製巨型機器人;或《列子.湯問》中,一名名叫偃師的工匠將自己所造、能歌善舞的人偶進獻給周穆王。在在顯示AI縱使最初只是以神話、傳說的方式存在,但早已深植在人類共同的想像中。

然而一直要到近代,1945年大型電腦ENIAC問世、1950年圖靈提出著名的「圖靈測試」、1956年「達特茅斯會議」(Dartmouth workshop)召開,一連串的事件後,AI一詞才正式被定下來,並成為一門獨立的研究學科。人們對AI的期望也由與人類相當,能夠透過觀察作出回應、找出最佳策略、推論與規劃、學習與調適等「有智慧」行為的強AI(strong AI),轉變為僅在特定任務上表現出色的弱AI(weak AI)。

人工智慧的興衰

1950~1960 萌芽期:AI第一次興起是在圖靈測試剛被提出之際,科幻小說家艾西莫夫更在短篇中提出了著名的「機器人學三大定律」,反映了當時人們對機器人的陌生與恐懼。也是在這個時期,有了第一場AI西洋棋比賽與日後常被用於AI開發的程式語言──LISP。

1960~1970黃金年代:AI研究因為美國政府投入大量經費而成為一時顯學。Herbert Simon曾預測機器在20年內就能完成人類力所能及之事,Marvin Minsky更大膽預測AI相關的問題可以在10年內得到解方。

1970~1980第一個寒冬:將人類知識系統化的工程過於浩大,進展比期望緩慢而無法及時回應大眾對AI的種種期望,於是陷入低潮。1980年,哲學家John Searle更提出了著名的「中文房間論證」(Chinese Room Argument),主張一台電腦可以只是盲目地遵從指令、給出合乎情理的中文回應,而完全不懂中文,凸顯了圖靈測試的侷限。學者們發現過往太小看人類智慧,決定縮小範圍,以「專家系統」為目標。

1980~1990專家系統:專家系統是指將人類專家所擁有的知識規則、條列化,成為電腦可以搜尋、推論的形式。最初的構想是建造出一套能協助醫學疾病診斷的系統。然而因為人類專家為避免被取代而藏私,建置不易的專家系統在80年代末期漸漸淡出,AI於是又進入了第二個寒冬。

1997第二波人工智慧:多數學者改變策略,放棄強AI,向弱AI靠攏。當時有兩大推進力:網際網路的崛起使得資料的分享與蒐集變得容易;另一方面,GPU(Graphics Processing Unit,圖像處理器)的發展,也令電腦的運算能力大幅躍進。

電腦與人的競賽

AI再度興起之後,屢屢跌破人類的眼鏡。如1997年,IBM所開發的「深藍」(DeepBlue) 打敗當時的西洋棋世界棋王Garry Kasparov;2005年,二度舉辦的美國「國防高等研究計劃署自駕車競賽」(DARPA Grand Challenge)由史丹佛大學的團隊奪冠,其所開發出的自駕車成功在沙漠中自主行駛240公里;2007年,同樣的競賽升級為「郊區挑戰賽」(DARPA Urban Challenge),由卡內基梅隆大學的團隊奪冠,成功在六小時內於鄉間道路上自主行駛96公里;2011年,IBM設計的「華森」(Watson)機器人打敗人類挑戰者,贏得益智電視節目《危機邊緣》(Jeopardy!)的冠軍。

這些競賽展現了AI的實力,但一直到2016年,AlphaGo擊敗人類圍棋冠軍後,方才引起世人的關注。因為圍棋有著比西洋棋等棋類遊戲更複雜的規則與可能性,一直被認為是人類最後的堡壘。2017年,Google Duplex生活助理已經可以協助使用者處理各種生活中常見的瑣碎雜事,並在應對上已經與人類互動相仿。2018年,IBM的機器人 Project Debater已經能與人類辯論,不僅聽得懂人類的論述、在有限的時間內表達欲表達的內容,還能語帶幽默地回應,讓許多人感到吃驚。

至此,我們或許能注意到:AI不僅只是演算法的研究,還必須與其他領域或研究相互連結。例如:穿戴式裝置、電腦視覺與自然語言的處理,攸關機器如何感知外在世界;機器學習、資料探勘與大數據分析,決定了機器是否能由過往資料中學習。

人工智慧與未來

綜觀AI的發展歷程,目前的AI發展已經重新定位在非取代性的人機合作,透過弱AI的代勞,讓人類專注在那些更需要原創性的事物上。舉個與時事相關的例子:台籍AI科學家,同時也是美國AI公司Graphen執行長的林清詠,在今年初便利用AI自動搜尋20多萬篇與COVID-19相關的學術論文,將文中提及的基因變異位點標示出來,畫出各支病毒的演化樹,確認社區感染、境外移入個案之間的關係。

陳教授勉勵身在這個世代的莘莘學子,應該致力成為AI應用的「轉譯者」,從日常生活中看見需求,並想想AI可以如何幫上忙。讀書不只是讀所屬領域的教科書,還要讀我們所處的世界,塑造一個更美好的未來。

(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)

views