當機器擁有意識(1/2)

當機器擁有意識(1/2)

撰文/George Zarkadakis|譯者/王怡文
轉載自《BBC知識》2017年3月第67期

(圖片來源:Science Photo Library, Null0/Flickr, Getty, Florida Highway Patrol)

1956年夏季,人工智慧(AI)之父齊聚在美國新罕布夏州的達特茅斯學院,為這門新科學命名並設定目標。當時他們的「人類智慧」概念相當狹窄而有限:讓電腦的行為像個理性、受教育的成熟男士(在這些AI之父的心目中,它是男性而非女性),且會運用知識與邏輯解決複雜問題。這個目標超越了當時電腦的主要用途,不再是純粹的數值處理。

人工智慧這門新科學需要一種不同的電腦,它要能創造、儲存及取用知識,並將邏輯規則套用到事實與資料,它會問問題、推演新的真相、做決策,以及解釋它的推理與行動。在這門新科學成立的數年前,英國數學家圖靈就想像過一種智慧機器,能以人類語言溝通,並讓我們相信它是人。儘管如此,最初科學家想追求的機器智慧,與人類感覺、道德或意識毫無關係。雖然早期的AI目標也包括理解語言,但用意並非以機器複製人類心智,而是模仿某些實用的面向。況且在1950年代末期,我們對人腦與心智的知識才剛起步。

然而,人們的野心打從一開始就顯而易見。早在1943年,走在時代尖端的神經科學家Warren McCulloch和邏輯學家Walter Pitts就論證過電子元件和神經元的相似處。要是我們能用電子計算機重現整個人腦,以及它裡面錯縱複雜的連結,會怎麼樣?要是我們不告訴電腦如何思考,而是讓它們自己去發展思考,最後演化出自己的「心智」呢?要是我們做出更像人的人工智慧呢?

隨後在1956年,也就是達特茅斯學院研討會那年,美國心理學家Frank Rosenblatt發明了「感知器」,這是一種在模擬神經元的硬體上執行的演算法,能夠像神經網絡般,藉由加強或減弱鄰近互相連接的神經元來學習。感知器是人工類神經網路及深度學習的始祖,也就是60年後的今天,我們所知「人工智慧」背後的主要概念。

像人類一樣思考

起初用來製作AI的邏輯方法,多年來產生了一些有趣的成果,最後卻走進死胡同。Rosenblatt的開創性發明提供了另一種選擇,讓電腦能超越邏輯,並冒險解決困難的知覺問題。有陣子他的成果幾乎被遺忘,所幸到1990 年代,新一代聰明絕頂的科學家讓它復活了。隨著平行運算的硬體成本下降,設計出模仿人腦的演算法也變得可行。新的科技突破,重新定義了人工智慧和它的目標。

我們現在生活的時代,幾乎每天都有智慧型機器打破紀錄。隨著數十億美元投入AI研究,機器也變得越來越聰明;這其中的關鍵,正是機器的學習能力。人工類神經網路(類似人腦裡與生俱來的神經網路)能以內部連結處理資料,並學會辨識事實。比方說,它能處理影像中的畫素,辨識其中的人臉、動物或物體。一旦人工智慧學會如何從資料中推論事實,就能以遠比人腦快的速度,一再重覆做這件事。這種機器需要透過大量資料來學習,過程中通常要由人類訓練員監督。但機器也能藉由一種叫「強化學習」的方式,自行學習。英國DeepMind公司所研發的AlphaGo演算法,就是這樣打敗世界圍棋棋王的。圍棋技藝出了名的複雜,而AlphaGo就是靠著不斷與自己對弈,練成九段大師。

AlphaGo 是人工智慧進化的分水嶺,因為它讓我們略窺終極目標:像人類一樣的通用型智慧。想在圍棋這種複雜的比賽中獲勝,需要創意思考及運用「直覺」,也就是要能提取過去的學習經驗,有效運用至意想不到的新問題上。但電腦還做不到,它們尚在辨識型智慧的階段,只能夠藉由辨識影像、聲音或人類語言,從資料庫中推論出事實,並依據它們對資料的了解來做預測。

機器要更「人類化」,下一步必須能運用它們所知,做出即時決定及自主反應。比方說,一台無人車光能辨識前方一團畫素為正在緊急減速的白色廂型車還不夠,它必須能推論此時要採取哪種避難行動,做出攸關人命的抉擇。換句話說,AI進化的下個階段,就是機器要進入人類充滿爭議的道德領域。(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)

views