人機共處的新世界(1/2)

撰文／翁千婷｜轉載自《科學人》2016年7月第173期

重點提要

• 我們一方面讚賞人工智慧帶來的便利與商機，卻也同時擔心過度自動化可能帶來的問題，包括失業、人工智慧威脅人類安全。
• 深度學習看似潛力無窮，實際上仍局限於「弱人工智慧」的領域，亦即利用電腦的快速運算與記憶能力，達成「看似有智慧」的任務。
• 人工智慧未來的發展方向之一，是跨領域合作。例如給予機器不同領域的資料，輸入到深度學習的模型，以突破統計式學習的瓶頸。

2006年，當加拿大多倫多大學機器學習研究室的辛頓展開深度學習計畫時，人工智慧（AI）幾乎已淪為科幻名詞，他們是連研究生都招不太到的團隊。10年後，微軟研究院首席科學家霍維茲直言：「資訊科技業界的下一個戰場是人工智慧。」今年春天，臉書（Facebook）執行長祖克柏在公司開發者大會F8上發表，要在未來10年全力發展人工智慧與虛擬實境。一星期後，Google執行長皮蔡（Sundar Pichai）也跟進，在公司第一季財務會議上表示：「運算世界的重點將從行動優先（mobile first）走向人工智慧優先（AI-first）。」

當年參與深度學習的團隊成員今日已在學界與業界各據山頭。美國史丹佛大學的吳恩達先在2011年進入Google，成立專門研究深度學習的Google Brain計畫，並在2014年擔任百度首席科學家，領導百度深度學習研究院。紐約大學的拉昆與辛頓則學產兩棲，拉昆擔任臉書人工智慧研究室負責人，辛頓加入Google。

放眼這三年來資訊科技龍頭公司推出的服務與產品，幾乎全看得到深度學習的身影。Google語音助理Google Now、蘋果語音助理Siri、微軟Windows 10與手機平台的語音助理Cortana、亞馬遜的語音控制喇叭Echo等交談式機器人問世、Youtube的自動字幕、蘋果iOS最新的語音留言轉文字等，皆得力於深度學習訓練出來的語音辨識模型。臉書相簿更精確的人臉辨識、Google地圖的街景分析、自動駕駛系統的障礙物偵測分析等，是機器視覺大幅改善的成果。讓圍棋程式下棋功力一舉進步10年的AlphaGo，也是得到深度學習的加持，以4:1的比數擊敗世界頂尖的圍棋選手。

走出科幻世界、步入我們日常生活的人工智慧，首先引起了科學界的擔憂。

2014年在BBC新聞的訪談中，物理學家霍金首先開砲，認為完全成熟的人工智慧可能發展出自我演化的能力，甚至超過生物的演化速度，最終導致人類毀滅。微軟創辦人比爾蓋茲一方面讚賞人工智慧帶來的便利與商機，也不諱言能力強過人類的機器可能導致大量失業，人類最終可能無法控制機器。特士拉與SpaceX計畫執行長馬斯克不但諄諄告誡「人工智慧是人類生存最大的威脅」，更在2015年底與志同道合者成立非營利組織OpenAI，確保人工智慧的發展不會威脅到人類安全。

深度學習到底有何能耐，引發科學界這麼大的回響？人工智慧是人類的好幫手，還是披著羊皮的狼，伺機佔領人類世界？

此人工智慧非彼人工智慧

說到人工智慧，第一時間躍我們入腦海的，通常是涂林測試與機器人。涂林測試是人工智慧學者一直想要摘取的聖杯，機器人的種類更是多樣，諸如「星際大戰」系列中鋼皮鐵骨的R2D2與C3PO、「2001：太空漫遊」中非人形的電腦哈兒（HAL）、「魔鬼終結者」系列以毀滅人類為目標的機器人大軍、「銀翼殺手」中短命卻能力超強的生化人、「A.I.人工智慧」中真假難辨的仿生機器人大衛、「機械公敵」引人津津樂道的畫畫機器人，甚至到最近「人造意識」裡引誘工程師以幫助自己脫困的人造美女。

電影工業創造的機器人形象，模糊了我們對人工智慧的認知。研究自然語言處理、長期任職資訊科技業的林玉柱指出，膾炙人口的科幻電影如「機械公敵」、「A.I.人工智慧」中的用語雖然是機器人（robot）、人工智慧，講的其實是仿生機器人（android），兼具人類外形與智慧內在。社會大眾自然而然把這些概念混在一起，聽到「鴻海要用機器人取代工人」，腦海浮現的是仿生機器人，聽到「人工智慧」，也是想到仿生機器人。其實人工智慧的重點，是電腦運算的設計展現「智慧」，而非科幻電影裡機器人的「人模人樣」。即使長得不像人，甚至沒有長相（例如聊天軟體），也是人工智慧的展現。

中央研究院資訊科學研究所所長許聞廉從學術角度來看，他認為人工智慧的研究始於對人的關心，希望用電腦系統模擬人腦的運作，協助科學家了解人如何解決、思考問題。能夠達到這種目標的系統稱為「強人工智慧」，但是它需要對人腦有更多理解，目前認知科學對人腦的理解與神經運作過程的認識還很淺薄，難以在強人工智慧的研究上有所進展。在此困境下，人工智慧學者開始往「弱人工智慧」靠攏，不強求電腦能有「像人類一樣思考的智慧」，而是善用電腦的快速運算與記憶能力來達成「看似有智慧」的任務，例如下棋、翻譯。弱人工智慧只要電腦表現的行為或能力跟人類一樣就好，並不需要使用與人類相同的方式來完成目標。

深度學習是應用類神經網路發展出來的統計式機器學習演算法，在多項語音辨識與機器視覺競賽中，能夠把機器判斷的正確率提高10~25%，進入實用範圍。台灣大學資訊工程學系教授林守德認為，深度學習儘管看似潛力無窮，還是在弱人工智慧的範圍。電腦要變成完全人的智慧，在短時間內幾乎不可能。

真正的敵人是自己

機器覺醒統治人類的戲碼儘管不會在現實世界上演，人工智慧研究的成果卻早已滲透我們的生活，林玉柱說：「產業界擁抱人工智慧，著重在開發新應用，提升生產力與獲利。」Google應用機器學習演算法在Google AdSense廣告服務上已經10年了，亞馬遜產品的配送、倉儲流程，是經由機器學習演算法計算出來，而非人工安排；微軟網站上的產品支援頁面也是機器翻譯的成果。除非完全不碰資訊產品，不然可說只要用到電腦就會用到機器學習。更多的產品，只是擴大人工智慧應用的層面，讓我們更貼近Google的皮蔡所說的AI-first，也就是對人工智慧的依賴超過對行動裝置的依賴。

面對人工智慧，我們要擔心的不單是機器在近期內發展出來的智能，而是機器可能永無止盡地藉由自動學習增強自己的能力。與其列舉諸如客服、理財專員、組裝人員、技術手冊翻譯等預期將由機器取代的工作，不如從本質來看機器學習。許聞廉指出，機器學習是由人類控制，電腦只有計算速度與記憶體，全看人類怎麼使用這些模型。以這個角度來講，如果掌握某項特定技巧，與這個技巧相關的知識又可以做成模型，加上機器學習演算法輸入的資料越多、學習成果越好的特色，苦練之後就可以勝過人類。這樣的機器，理解力可能連三歲兒童都不如，卻可以在特定工作上贏過人類，是勤能補拙的最佳榜樣。

面對這樣強大的職場競爭者，許聞廉認為，工作被取代是一定會發生的。人們要思考的是做什麼工作比較不容易被取代。應付這種結構性失業的問題，是政府的工作，教育體系不是去訓練固定的技術性能力，而是訓練獲取新知識的能力。林玉柱強調，人的創意、探索未知事物的動機與好奇心，是人工智慧難以實現的。林守德指出，電腦的強項就是記憶力與計算能力超好，可以做很特定的工作，但不表示有全面的智慧，例如生活智慧就是電腦很難掌控的部份。人類的強項是可以即時接收不同種類的訊息，根據收到的訊息即時反應，對於電腦而言，凡是需要長時間與人互動、溝通的任務，會造成它的「搜尋空間」過大，以致無法找出最佳的做法。

人機合作的世界，是讓電腦去處理它擅長的事，人類繼續處理自己擅長的事。(待續)

(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)