從圖靈測試到微軟小冰：人工智慧的演進與展望

講師／林守德（台大資工系教授）｜彙整／葉珊瑀
整理自2018.09.29〈CASE探索系列講座第20期．當人類智慧碰到人工智慧〉

鑑往知來：AI發展史的起落

不同於某些研究領域的進展是不斷普及，人工智慧的發展過去曾紅極一時，卻也一度進入寒冬。每一次的興起，都伴隨著新技術的開發，然而受限於當時的環境因素，一旦技術碰上瓶頸，無法突破，即變得冷門。

人工智慧的進展以圖靈測試為起點，將對話能力作為判斷機器智慧的標準，至今無人攻克，但卻遭人提出對話未必是智慧的唯一標準。

Herbert A. Simon、J. C. Shaw、Allen Newell 將人工智慧作為搜尋目標的工具，認為不同的演算法就是不同的解方，只要答案在搜尋空間內就有解，但某些解法較迅速。但當問題所斯的搜尋空間過大，將耗時許久。當訊息不完全，需要猜測時，更是困難。

一派學者將人工智慧視為玩遊戲的電腦，遊戲具有特定規則、有限環境變數，且能重複玩。在此又分作完全訊息與部分訊息：前者如西洋棋、圍棋，能夠看到所有的環境線索，後者如德州撲克、星海爭霸，只能掌握自己周遭的訊息，但無從得知對方的資訊；前者對電腦而言比較容易，後者有猜測的成分，難度較高。然而遊戲是人生的簡化，日常中更多的是開放式問題，難以類推，且人生不如遊戲，無法重來。

將智慧視為連結的學者，一派如沃倫•麥卡洛克（Warren McCulloch）、唐納德·赫布（Donald Olding Hebb），認為知識藏在網路連結裡，例如今日 Facebook 的社會網路；一派如語意連結（semantic network），將字義關係製成有親疏遠近的網絡系統；一派將之視為類神經網路，內部的每個節點都是訊息，彼此相連。

將人工智慧視作專家系統者，以此來協助知識密集的任務，例如醫生、法官。系統內部有知識庫與推論器，把過往的所有案例化作電腦可理解的邏輯符號輸入，爾後遇到新事件時，即可透過固有的知識推論出好的解方，例如醫療診斷、司法判決。但是當新穎的問題出現，舊有的資料庫便無法回答。

Cyc 希望建造知識工程，將全世界的知識輸入電腦。然而手動輸入的知識，永遠比不上新知識生成的速度，且知識的品質沒有驗證機制，無從判斷好壞。海量搜尋而沒有目標，使其應用不明確。

寒冬過後春暖花開：AI發展快速起飛

專家系統、知識工程紅極一時，後續發展卻遇到瓶頸，整個產業也陷入停滯。林教授以自身經驗分享當時AI發展低潮的氛圍，他曾告訴教授未來想往AI領域發展，教授雖未直接勸阻，卻說 Dangerous。後來林教授返國教書時，曾被人提醒不要提自己的實驗室是從事AI，否則可能收不到學生，這與今日人工智慧成為產業趨勢的現況形成強烈對比。

AI崛起的主要原因有三：網路便利資料搜集、電腦演算能力上升、確立評估機制。前兩者較為人所知，後者是林教授認為的關鍵。透過確立目標，例如競賽，科技進步的方向明確，DeepBlue、AlphaGO都是知名案例。

現今AI可分為三種：「強人工智慧」、「泛人工智慧」、「弱人工智慧」，前者希望AI和人一樣思考，有心靈、自我意志；第二希望AI能有種類多樣、程度簡單的智慧；後者要求AI在特定領域表現傑出。限於目前人工智慧的基礎都是機器學習，需要特定的訓練，難以面對新穎難題，因此目前的發展還是以弱人工智慧為主。

哲學家 John Searle 曾用 Chinese room argument 來諷刺AI看似可以解決問題，但是終究沒有如同人的理解能力。這雖然是限制，但只要能滿足人的需求、回答人的問題，即便機器無法思考又何妨？人工智慧是電腦做出智慧行為，而不是做出和人一樣的行為。

林教授提到，有些人接觸AI領域時，是直接從最新的趨勢開始了解。然而了解發展的歷史也很重要，因為歷史是可能重複的。今日帶領AI起飛的多層類神經網路、深度學習過去曾因發展受限遭到揚棄，如今因技術成熟而東山再起。林教授提醒，歷史有其重要性，未來的科技革命，可能就是以往被捨棄的知識重回主流。

人工智慧與人類智慧的異同：以微軟小冰作詩為例

一首詩的誕生可以是這樣：一張風景圖輸入電腦，程式透過資料庫中的現代詩句計算字詞相關，評比字詞流暢度及原創性，一句句詩句完成，作品匿名投稿經過編輯審查，刊登在刊物上……它，就是微軟小冰，目前還出版了創作集《陽光失了玻璃窗》。

微軟小冰雖能創作，卻有局限，例如某些特定的字詞出現頻率較高、創作題材受限於資料庫、圖片辨識可能錯誤。相較於人類寫詩是情感抒發，能夠體悟詩詞意涵，小冰是以資料庫的機率計算，以程式執行出詩句。正如莫拉維克悖論所述，人工智慧能夠根據資料演算，做出決策，甚至在遊戲中贏過人類的棋王，但人類智慧的心智、意識、思考，即便是孩童般的簡單能力，都是目前AI難以做到的。

(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)