魏澤人/任教於國立東華大學,創立花蓮——py 社群及實做數學粉專。
人工智慧在無數科幻作品和文學作品中出現過,如《駭客任務》、《復仇者聯盟》等。其基本技術原理以可以推導未來科技發展的路徑。人工智慧發展依賴於龐大的數據。近年來,大數據與人工智慧有了不同的升級,可以更高效的使用數據去發現新問題和新商機。通過對應用技術進行更多的補充。大數據將使得人工智慧落地和規模化。 ──GPT2 |
上述的段落是從語言深度學習模型 GPT2 產生的文字中,所挑選出來的。雖然我們暫時還無法完全仰賴 GPT2 來騙稿費,但將來想必會在各種媒體上看到大量由機器輔助生出的文字。仔細想想,智慧型手機的出現也不過 13 年,而深度學習和人工智慧(artificial intelligence, AI)的這一波復興,則更晚才出現在大眾的視野。但我們現在生活中已經充滿著許多人工智慧產品與服務,比方導航路線規畫、語音助理、聊天機器人(chatbot)、自動翻譯軟體、商品的自動推薦及文法自動檢查等。
可以說,人工智慧是科幻的未來進行式。
人工智慧的出現是好是壞?
當然,若說以上的產品屬於人工智慧,有人可能會不以為然,甚至認為這些產品並不具有真正的智慧,這反映了現在充斥著各種關於人工智慧的訊息與意見。大眾傳播媒體中的專家們一方面描繪一個因人工智慧而更加便利、美好的未來;另一方面,又警告我們一個因大量人力被機器人取代而失業,貧富不均的未來;「現在是大人工智慧時代的序章」與「泡泡就要破滅,下一個人工智慧寒冬即將到來」兩種論點的專家不曉得誰比較多。你可能還聽過「人工智慧近年發展迅速」、「深度學習只是 30 年前技術的重新包裝」、「深度學習會加深偏見、充滿問題」、「技術是中性的,只要良好規範執行就不會有問題」等說法。
真相到底是什麼?哪一個才是對的?美好或崩壞、飛越或停滯,只能有一個是對的吧?那你來對地方了,《科學月刊》在 2018 年籌組的 AI 專輯,集結許多對領域有深刻了解的專家,能釐清你所有的疑惑。但如果我們只是提供更多的專家意見,不過就是在眾多混亂的意見之中,再多添幾筆罷了。
真相還是只能靠自己獲得。在這個專輯中,專家提供了人工智慧與深度學習的科普知識與相關議題思路,希望讀者能利用這些材料,進行思辨與探索。
先釐清什麼是人工智慧
讓我們先回歸原點,什麼才是人工智慧?人工智慧一詞於 1956 年出現,但人造智慧機械的本質概念,以及何謂智能的問題,其實在更早之前就已經被提出。舉例來說,電腦的出發點也可以視為人造智慧機械及探討智慧本質的產物。在 1930 ~ 1950 年電腦理論發展初期,就有人在探討何謂計算及何謂智能,像是涂靈測試(Turing Test)與邱奇—涂靈猜想(Church-Turing thesis)等;而在故事和小說中,也早有科學怪人及機器人等想法,例如古希臘的金屬巨人(automaton)塔羅斯(Talos)神話故事;古代中國的《列子》中也出現過與真人無異的跳舞人偶。但這樣的界線似乎有點模糊,如果可拆開與組合的跳舞人偶算是幻想中的機器人,那神話中的泥人偶等傳說也算嗎?而有些早期的玩具、自走車或時鐘等自動機械具有智慧嗎?
也許,在釐清「什麼是真正的人工智慧?」之前,要先弄清楚被稱為是人工智慧的東西實際上是什麼?它能做到什麼?又為什麼能做到?在〈機器是如何學習與進步?人工智慧的核心技術與未來〉文章中,概述了現今我們稱為是人工智慧的整體發展脈絡,也描述了一些不同程度與等級定義下的人工智慧,以及技術上的概觀。
擊敗人類的電腦棋王和自己會跑的車子
回到前面所說的機器人,歷史上有一個著名的土耳其行棋魁儡(The Turk),它是一個十八世紀晚期的下棋機器人,在當時擊敗了許多棋手。以現在的角度來看,這個下棋機器人頗有蒸氣龐克的神秘風格,但謎底一點也不浪漫,其實機器中躲著一個侏儒西洋棋高手。時至今日,昔日的騙局已經能被實際製造出來。1996 年的超級電腦「深藍」擊敗了西洋棋冠軍,而 2016 年的 AlphaGo 則擊敗了人類的圍棋冠軍,成為當代科技奇蹟的表徵。這次的謎底該不會又是躲在機器中的圍棋高手吧?在〈電腦如何擊敗頂尖棋士?淺談 AlphaGo 人工智慧系統〉中,就會告訴你 AlphaGo 是怎麼辦到的。
而古代的機器玩具方面,其中一種常見的形式是會自己行走的自走車。傳說中的指南車及木牛流馬等神奇的機械,現代科技早已實現甚至超越。汽車、飛機與導航系統已經是日常的一部分,而近年無人機、自走車也不罕見。但真正能上路的自駕車,仍是目前的研發課題。自駕車到底有哪些種類?原理是什麼?哪些技術已經成熟,哪些仍有進步空間?都是很有趣的問題,可以看〈不需駕駛也能輕鬆上路淺談自駕車與高精地圖〉。
從數學函數解析深度學習
深度學習是這一波人工智慧的主流,要理解其原理和結構會需要一點微積分和線性代數,這對大眾來說是相對較艱深的數學,如果要更深入的探討則會需要更多數學工具。在〈函數、神經網路與深度學習〉一文中,先將神經網路與數學中的函數做對比,再深入淺出介紹各種常見網路結構和學習類別,可以讓你非常快速且正確理解深度學習到底是什麼。
而既然深度學習是當代顯學,各領域也都有大量的跨領域應用研究,這對我們的教育方向是否也會有影響呢?由於數學是理解深度學習原理的重要工具,從中小學到大學的數學教育,也應該對這種變化有所回應。以應用範例和例題來說,除了在物理與社會領域的應用外,也可以把機器學習上的應用當成例子。畢竟,人工智慧可能是未來學生的日常生活。而在內容安排上,也應該考量「理解人工智慧原理」。由筆者撰寫的〈人工智慧浪潮下的數學教育〉就有一些簡單的探討,說明數學和深度學習有密切的相關性。
人工智慧也有自己的創意嗎?
如果真的想要釐清各式人工智慧的爭議,其中一個重要的問題就是,機器是否會取代人類?常見的觀點是,機器思考邏輯雖強,但無法取代需要創意的活動。事實真的是如此嗎?在電腦科學領域中,有很多技術可透過電腦來創作,有時電腦甚至會產出讓我們驚艷的作品,其中「生成對抗網路(generative adversarial network, GAN)」就是一個熱門的技術。大家最熟悉的,可能就是這項技術能生出栩栩如生、難分真假的圖片和人物。讀者可以在〈機器透過互相砥礪來學會如何創造─—對抗式學習〉中了解其原理及直覺。但即使如此,人工智慧的輸出可以算是藝術創作嗎?或許真正能讓你滿意的答案,還是要靠自己思考決定。
由於人工智慧的範疇很廣,尚有很多重要的內容沒有出現在這個專輯中,但希望本專輯能提供讀者一些基礎的材料,成為一段思考旅程的開始。
⇠上一篇:顛覆金融業的區塊鏈