本書榮獲日本2016年商業書大賞評審團特別獎
知識轉移新浪潮,深度學習大爆發。
一本書,解答你我對於人工智慧的所有疑問。
人工智慧翻轉世界的產業革命,
摩爾定律之後的新聖杯!
2016年3月,Google開發具有深度學習(deep learning)的人工智慧AlphaGo,以四勝一敗擊敗圍棋好手李世石(Lee Sedol, 李世乭 )。軟體銀行(SoftBank)機器人Pepper也開始進入人類職場,開始擔任大廳接待工作。
然而,對於一般人來說,無法分辨機器人(robot)和人工智慧(AI,artificial intelligence)究竟有什麼不同。
事實上,人工智慧是抽象的思考,不需要有形體。機器人則有形體,而他們的「腦」其實就是人工智慧。
機器人與人工智慧一步步入侵你我的生活與工作,讓人感到驚慌失措的是,人工智慧繼續發展下去,到了2045年,人工智慧即將超越人類智慧,這就是Google工程總監雷‧庫茲威爾(Ray Kurzweil)預測的「奇點問題」(singularity problem)。
不過,與其擔心自己的工作是否被機器人與人工智慧取代,不如先深入了解它們,這是本書作者松尾豐(Yutaka MATSUO)撰寫本書的出發點。
松尾任教於東京大學,是日本研究人工智慧的第一把交椅,他也是日本人工智慧學會(JSAI,The Japanese Society for Artificial Intelligence)倫理委員會主任。
日本人工智慧學會為什麼要成立倫理委員會?源於2014年1月該學會出版的雜誌,使用一位看似女性的仿真機器人做家事的插圖當成封面,引發「歧視女性」和「機器人不是奴隸」的爭議,論點有二,一是把做家事和女性劃上等號,形同歧視女性;二是就算真的是仿真機器人,但「它」並不是人類用來使喚做做粗活(例如打掃)的奴隸。
因此,倫理委員會一開始討論的議題,是「機器人的外貌該如何設計,才能讓人接受?」但是,背後潛藏人類擔心且深刻的議題是,如果機器人和人工智慧取代人類的那一天來臨,你我應該如何是好?
本書中,松尾豐歸納人工智慧的過去、現在與未來,說明「現在的人工智慧,能做什麼又不能做什麼,以及未來能做什麼」。
人工智慧能否取代人們的存在價值?答案就在本書。
【機器人與電腦軟體戰勝人類年表】
1997年,IBM電腦軟體深藍戰勝西洋棋世界冠軍蓋瑞・卡斯巴羅夫(Garry Kasparov)。
2012年,IBM超級電腦華生(Watson)在益智問答節目中戰勝歷屆冠軍。
2012年日本第一屆將棋電王戰中,前一年的世界電腦將棋軟體Bonkras,戰勝永世棋聖米長邦雄。
2013年,Amazon自動無人駕駛飛機(drone)專案正式啟動。
2014年,第三回將棋電王戰電腦軟體取得四勝一敗,維持電腦戰勝人類的優勢。
2015年,Google自動駕駛技術實地實驗。
2016年,Google深度學習專案電腦圍棋AlphaGo戰勝棋王李世乭 。
2021年,機器人東Robo君(Todai Robot Project)有可能考上東京大學,證明人工智慧可以考進日本最高學府。
2045年,奇點(singularity)逼近,人工智慧開始自我進化。
【得獎記錄】
本書在日本榮獲的獎項包括:2016年商業書大賞評審團特別獎、2016年日刊工業新聞社獎、2016年IT工程師書籍大獎(商業書類別)、2015年度公益財團法人大川情報通信基金大川出版獎。
【作者簡介】
松尾豐(MATSUO, Yutaka):現任東京大學工學系研究所副教授。1997年畢業於東京大學電子資訊工程系,2002年取得工學博士學位,於同年起擔任產業技術綜合研究所研究員。2005年擔任史丹福大學客座研究員,2007年起擔任現職。兼任新加坡國立大學客座副教授、經營共創基盤公司(IGPI)顧問、日本人工智慧學會(JSAI,The Japanese Society for Artificial Intelligence)倫理委員會主任。專長領域為人工智慧和大數據分析等,是日本頂尖的人工智慧研究者之一。獲選《日經商業周刊》「創造新時代的100人」(2015年12月28日出刊)。
【《了解人工智慧的第一本書》目次】
推薦序 打造有智慧的機器/于天立 5
前言 人工智慧的春天 17
序章 人工智慧的範疇正在擴大:人工智慧會毀滅人類嗎? 23
人工智慧開始超越人類 24
汽車會變,機器人也會變 27
超高速處理的破壞力 29
人工智慧能否成為科幻小說家? 31
全球對於人工智慧的研究投資都在加快 33
人類面臨失業 35
人類的危機來臨 38
如何閱讀本書 40
第一章 何謂人工智慧:專家與社會大眾的認知落差 45
人工智慧尚未實現 46
基本命題:人工智慧「沒理由實現不了」 48
何謂人工智慧:專家們的定義 51
人工智慧與機器人的區別 55
何謂人工智慧:社會的認知 57
打工族、一般員工、課長、經理 61
強人工智慧與弱人工智慧 63
第二章 「推論」與「探索」的時代:第一次人工智慧熱潮 67
熱潮與寒冬時代 68
「人工智慧」一詞誕生 72
運用探索樹走出迷宮 74
河內塔(Hanoi Tower) 78
機器人的行動規畫 80
對手的存在會讓組合變得龐大 82
在西洋棋與將棋戰勝人類 84
祕訣一:找出更好的特徵量 87
祕訣二:以蒙地卡羅法改變評鑑機制 88
窘境在於無法解決現實問題 90
第三章 只要輸入「知識」就會變聰明:第二次人工智慧熱潮 93
與電腦交談 94
以專家系統取代專家 97
專家系統的課題 99
何謂表達知識 100
為求正確記述知識而做本體論研究 103
重量級本體論與輕量級本體論 106
華生 108
機器翻譯的困難之處 112
框架問題 114
符號接地問題 116
過於前衛的「第五代電腦」 118
第二次人工智慧熱潮就這樣結束了 120
第四章 「機器學習」悄悄地在擴大地盤:第三次人工智慧熱潮(1) 123
資料的增加與機器學習 124
所謂的「學習」就是「分類」 126
有老師的學習、沒老師的學習 128
「分類方式」也分很多種 130
透過神經網路辨識手寫文字 139
「學習」固然花時間,但「預測」只要一瞬間 144
機器學習時的難題 147
為何至今未能實現人工智慧? 151
第五章 打破寂靜的「深度學習」:第三次人工智慧熱潮(2) 155
深度學習開啟了新時代 156
自動編碼器將輸入等同於輸出 161
根據日本全國的天氣推敲地區天氣 164
手寫文字中的「資訊量」 169
往深處多挖掘好幾層 172
谷歌(Google)的貓臉辨識 176
大幅發展的關鍵在於「強固性」 180
如何提升強固性 184
回到基本命題 186
第六章 人工智慧會超越人類嗎:深度學習之後還有什麼 191
深度學習帶領技術進展 192
人工智慧不具有本能 203
電腦有創造力嗎? 208
智慧的社會意義 210
奇點真的會出現嗎? 213
假如人工智慧征服人類 215
人工智慧必須造福大眾 219
終章 逐漸轉變的世界:對產業與社會的影響以及戰略 223
逐漸轉變的事物 224
對產業造成的漣漪效應 226
人工智慧的影響慢慢擴增 232
不久的將來會消失與留存的職業 237
人工智慧催生的新事業 243
人工智慧與軍事 248
「知識轉移」改變了產業結構 250
人工智慧技術遭獨占的可怕之處 254
日本人工智慧發展的課題 256
人才充沛是逆轉的王牌 259
要對偉大的前輩們抱持謝意 261
結語 盡情想像尚未問世的人工智慧 265
圖表索引
譯名對照
【前言】人工智慧的春天
「人工智慧」(AI,artificial intelligence)這個詞,在很多地方都看得到,與短短十年之前有很大的不同。
一九九七年到二○○二年,我還是研究所學生時,每當我提及我在研究人工智慧,很多人都會露出訝異的表情。就算去問周遭的研究者:「為何人工智慧尚無法實現?」得到的也只是苦笑。因為,在那個時候,「人工智慧」這個詞,或者說主張「人工智慧能夠實現」這件事,依然算是某種禁忌。
有一段往事,到現在我都還印象深刻。那是我完成研究所課程,以新手研究者之姿申請研究費、接受審查時發生的事情。對新手研究者來說,是不是能獲得每年幾百萬日圓的研究費,可以說事關自己的研究者生涯能否繼續下去,也決定了研究者的人生是黑白還是彩色的。那時我絞盡腦汁,擬出了申請研究費的提案書。
在二○○二年那時,我最早著手研究網路上既有的資訊。我能夠透過分析大量的網頁,大量找出足以表達字詞(關鍵字)相關的網路(network)。只要利用這樣的網路,就算是乍看之下並無相關的字詞,應該還是可以在找出其相關性後,推出切中需求的廣告。由於在那時尚無任何人研究網際網路上的廣告技術,我對於自己的提案相當有信心。
我順利通過了書面審查,意氣風發地進入面試階段。在面試的會場裡,坐了好幾位其他領域的泰斗級老師,我就在他們面前一個人做簡報。在針對研究內容接受他們鉅細靡遺的提問後,老師們講出來的話,對我造成很大的衝擊。
「不要搞什麼廣告這種無聊的玩意。」
「不要輕易說出你可以輕鬆建立字詞網路這種話。」
最後,他們丟給我的話最為不客氣:「你們這些研究人工智慧的人,總是愛這樣撒謊。」
想當然爾,那次的提案沒有通過。雖然如今靠搜尋引擎或廣告賺錢已經司空見慣,但是現在想起來,在那時,我的研究還是領先時代,應該是個還不壞的提案才對,卻遭受到那樣的對待。對於學生時代以來就研究人工智慧的我來說,那一刻,我才真正嘗到了這個社會瞧不起人工智慧研究的冷漠。
「不可以使用人工智慧這個字眼。」
「很多人光是聽到人工智慧這個字,就會產生敵意。」
那時受到的衝擊,到現在都還深深地銘刻我心。那是我第一次為了爭取研究費而接受面試的不堪回憶。
然而,時代改變了。
現在,這個世界正掀起一股人工智慧的熱潮。無論網路新聞、報章雜誌,乃至於電視,都看得到人工智慧一詞現身其中。我可以大方地說:「我在研究人工智慧。」很多人也會說:「今後將會是一個人工智慧的時代。」對於我們這些人工智慧的研究者來說,就像是教人愉悅的春天到來一般。
種子發芽、開枝散葉、開花結果。然而,與此同時,這卻也造成人們的憂鬱。因為,這教人想起了昏暗漫長的寒冬時代。
其實,過去人工智慧已經掀起過兩波熱潮了。第一波是一九五六年至一九六○年代;第二波是一九八○年代。我還在就學時,恰好是第二波人工智慧熱潮退去之後。
在過去的兩波熱潮中,研究人工智慧的人,都曾極力宣傳過人工智慧的潛力。不,或許他們並無宣傳的意圖,但這個社會卻大力渲染這件事,研究者們則跟著搭上了這股熱潮。諸多企業紛紛競相研究人工智慧,政府也投入了龐大的國家預算。
每次都是一樣的模式。「人工智慧快要實現了」,就是這句話讓大家隨之起舞。但技術的進展卻不如原本的預期,當初描繪的未來,並沒有成真。人工智慧四處碰壁、原地踏步、停滯不前。就在這樣的過程中,人潮散去、預算遭到刪減,這個社會也對它失去興趣,認為「什麼人工智慧,根本無法實現嘛」。正因為期望很高,失望也就很大。
在快樂的時光之後,等待著的是冷酷的現實。對研究人工智慧的人來說,一段極其難受而漫長的寒冬到來了。
在第二次的寒冬時光裡,就在連講出「人工智慧」一詞都教人有所顧忌的氛圍中,是什麼支持著人工智慧的研究?
是研究者認為「希望總有一天能開發出人工智慧」「希望解開智慧之謎」等等的想法。多數研究人員改為研究較為實際的主題,他們竭力隱藏起自己對於知識的好奇心,表面上不再研究人工智慧,實際上卻還是繼續研究下去。
現在,正逢人工智慧的第三個春天再次到來,我深深以為,不能再重蹈覆轍。熱潮是危險的,無論什麼時候,都應該要特別小心,不要有超出實力水準的過度期望。這個社會沒有理解人工智慧技術的潛力到哪裡,極限到哪裡,只一味地大舉讚揚,是一件十分可怕的事。
正因為一直以來有那些研究人員踏實地努力著撐過寒冬時代,才得以有今天。所以我希望,各位讀者能夠盡量對於人工智慧目前的實力、目前的狀況,以及它的潛力到哪裡,有正確的理解,這是我撰寫本書的一大目的。
請各位務必讀到最後,才能真正理解我希望藉由這本書告訴各位的事。重點是,我們應該如何看待「深度學習」(deep learning)這種新技術的意義,它或許能帶來睽違五十年出現的大突破。不過,我可以在這裡先粗略講個大概,要想正確理解現今的人工智慧,就必須知道以下幾點:
一、順利的話,人工智慧將有急速的進展。因為,研究者現在已經開拓出「深度學習」,也就是「特徵表達學習」的領域。它顯示出,人工智慧有「大幅突破的潛力」。
搞不好,在幾年到幾十年以內,人工智慧的技術就會應用到社會上的許多地方,在經濟上為我們帶來莫大的影響。如果以彩券來講的話,或許就像是中了大獎、贏得五億日圓獎金一樣。
二、相對的,只要我們冷靜看待人工智慧,就會知道它目前能夠做到的還是有限。基本上,它現在只能照著我們定好的方式去做既定的處理,即使是稱為「學習」的技術,也只是在固定的範圍內找出適切的數值而已。依然不擅於處理例外、缺乏通用性與彈性。不過,像是「打掃」或是「下將棋」(日本象棋)這種極為固定的領域,人工智慧有時候會比人類厲害(但這和好久以前,人類在加減乘除上就比不過電子計算機到底有什麼兩樣?)。「人工智慧可以統治人類」之類的說法,還只是笑話而已。總之,若以彩券來形容的話,目前手邊握有的十張彩券,平均可以兌換到的獎金(也就是現況的期望值)只有三百日圓而已。
也就是說,我希望各位把上限值與期望值分開來看。假如買了一張彩券就期待會中第一特獎,那是無可奈何的人之常情。但真正中頭彩的情形,事實上少之又少。
人工智慧或許會有急速的發展,也或許不會。至少,大家對於現在的人工智慧所抱持的期望,已經變得遠超過它的實力。
我希望各位讀者能夠先正確理解這件事,再來賭賭看人工智慧會有什麼樣的未來,繼而為人工智慧的技術發展加油。現在的人工智慧,正處於一個適合在「有大幅突破的潛力」一事上賭一把的階段,我認為是值得購買的彩券。至於原因,我會在本書依序說明。我寫這本書由於是希望能有更多人弄懂人工智慧,因此會從基礎的部分寫起。
為何過去會有二次的寒冬時期?為何第三次的春天教人懷抱希望呢?
這是人類的希望,還是一大危機呢?
只要讀過本書,答案應該自然而然非常清楚。
二○一五年二月
松尾豐
【購買連結】
【圖表索引】
【圖表1】專家對人工智慧的定義 52
【圖表2】機器人研究與人工智慧研究 54
【圖表3】第三次 AI 熱潮的大浪潮 69
【圖表4】人工智慧研究的分類圖 71
【圖表5】達特茅斯的傳奇四人組 73
【圖表6】探索樹 75
【圖表7】河內塔 79
【圖表8】最小最大法(minimax,預測下下步) 85
【圖表9】與 ELIZA 交談的實際例子 95
【圖表10】MYCIN的診斷 97
【圖表11】表達知識 102
【圖表12】輕量級本體論 107
【圖表13】問答系統 109
【圖表14】將報紙上的新聞報導予以分類 131
【圖表15】神經網路模型化 137
【圖表16】手寫文字辨識 140
【圖表17】機器學習二階段:學習階段與預測階段 145
【圖表18】預測年收入 148
【圖表19】符號具與符號義 152
【圖表20】ILSVRC 2012年的比賽結果:任務1(分類) 157
【圖表21】自動編碼器 162
【圖表22】把自動編碼器弄成兩層 173
【圖表23】增加深度輸入 175
【圖表24】藉由深度學習學會圖像辨識 177
【圖表25】深度學習之後的研究 195
【圖表26】我對於人工智慧研究的想像 201
【圖表27】人工智慧技術的發展以及對社會的影響 227
【圖表28】十至二十年之後可能消失與留下的職業 239
【圖表29】機器智慧的產業分布概況 244
【圖表30】知識轉移 251
【圖表31】日本的主要課題與對策 257
【譯名對照】
◎英文:依照字母順序排列
App(application,應用程式)
DNN研究公司(DNNResearch)
IBM超級電腦「華生」(Watson)
IBM超級電腦「深藍」(Deep Blue)
NCSA瀏覽器馬賽克(NCSA Mosaic)
NTT(日本電信電話株式会社)
Pepper(軟體銀行〔SoftBank〕推出的服務型機器人)
S型函數(sigmoid function)
Siri(speech interpretation and recognition interface,內建在蘋果﹝Apple﹞iOS系統中的人工智慧語音助理軟體)
◎中文:依照筆畫順序排列
‧1~4劃‧
《二〇〇一太空漫遊》(2001: A Space Odyssey)
《二十一世紀資本論》(Capital in the Twenty-First Century)
《人工智慧:現代方法》(Artificial Intelligence: A Modern Approach)
人工智慧(AI,artificial intelligence)
人本原理(anthropic principle)
人才收購(acqui-hire)
人機介面(HCI,human computer interface)
《大腦比天空更遼闊:揭開大腦產生意識的謎底》(Wider than the Sky: The Phenomenal Gift of Consciousness)
小眾行銷/微觀行銷(micromarketing)
大數據(big data)
大阪大學(Osaka University)
三井住友銀行(Sumitomo Mitsui Banking)
山川宏(YAMAKAWA Hiroshi)
山口高平(YAMAGUCHI Takahira)
川人光男(KAWATO Mitsuo)
川上量生(KAWAKAMI Nobuo)
中文房間(Chinese room)
天網(Skynet)
中央處理器(CPU,central processing unit)
支援向量機(support vector machine)
日本人工智慧學會(JSAI,The Japanese Society for Artificial Intelligence,人工知能学会)
日本國立資訊學研究所(NII,National Institute of Informatics,国立情報学研究所)
公立函館未來大學(Future University Hakodate)
牛津大學(University of Oxford)
太空探索科技公司(SpaceX,Space Exploration Technologies)
中島秀之(NAKASHIMA Hideyuki)
比爾.蓋茲(Bill Gates)
丹尼爾.丹尼特(Daniel Dennett)
‧5劃‧
本體論(ontology)
北陸尖端科學技術研究所大學(JAIST,Japan Advanced Institute of Science and Technology)
史丹福大學(Stanford University)
史丹福研究中心問題解決系統(STRIPS,Stanford Research Institute Problem Solver)
加州大學柏克萊分校(University of California, Berkeley)
甘利俊一(AMARI Shun-ichi)
史丹利.庫柏力克(Stanley Kubrick)
史提凡.哈納德(Stevan Harnad)
史蒂芬.霍金(Stephen W. Hawking)
‧6劃‧
《自私的基因》(The Selfish Gene)
《危險邊緣》(Jeopardy!)
自然語言處理(natural language processing)
名稱(signifiant;符號具)
回饋式類神經網路(RNN,recurrent neural network)
自動編碼器(auto encoder)
多倫多大學(University of Toronto)
多玩國(Dwango)
多玩國人工智慧實驗室(Dwango A r t i f i c i a l Intelligence Laboratory)
全球資料探勘大會(SIGKDD,The Association of Computing Machinery's Special Interest Group for Knowledge Discovery and Data Mining)
全球視覺辨識大賽(ILSVRC,ImageNet Large Scale Visual Recognition Challenge)
百度(Baidu)
百度深度學習實驗室(IDL,Institute of Deep Learning)
全錄(XEROX)
池上高志(IKEGAMI Takashi)
西田豐明(NISHIDA Toyoaki)
艾倫.圖靈(Alan M. Turing)
艾倫.紐厄爾(Allen Newell)
安德魯.派克(Andrew Parker)
安德魯.麥克費(Andrew McAfee)
艾瑞克.布林優夫森(Erik Brynjolfsson)
托瑪.皮凱提(Thomas Piketty)
伊隆.馬斯克(Elon Musk)
‧7劃‧
即時競價(RTB,real time bidding)
作業本體論(task ontology)
決策樹(decision tree)
貝氏分類法(Naive Bayes)
谷歌(Google)
吳恩達(Andrew Yan-Tak Ng )
李世石(Lee Sedol, 李世乭 )
‧8劃‧
具身化(embodiment)
長短期記憶(LSTM,long short-term memory)
表達學習(representation learning)
奇點(singularity)
奇點問題(singularity problem)
玩具問題(toy problem)
東京大學(The University of Tokyo)
京都大學(Kyoto University)
阿爾德巴蘭機器人公司(Aldebaran Robotics)
亞馬遜(Amazon)
松原仁(MATSUBARA Hitoshi)
長尾真(NAGAO Makoto)
武田英明(TAKEDA Hideaki)
‧9劃‧
《皇帝新腦:有關電腦、人腦及物理定律》(The Emperor's New Mind: Concerning Computer, Minds, and the Laws of Physics)
河內塔(Hanoi Tower)
突觸(synapse)
侷限型玻耳茲曼機(RBM,Restricted Boltzmann Machine)
重量級本體論(heavyweight ontology)
計算機協會(ACM,Association for Computing Machinery)
紅木神經科學研究所(Redwood Center for Theoretical Neuroscience)
美國國防高等研究計畫署(DARPA,Defense Advanced Research Projects Agency)
美聯社(AP,Associated Press)
英特爾(Intel)
約翰.希爾勒(John Searle)
約翰.麥卡錫(John McCarthy)
星新一(HOSHI Shinichi)
‧10劃‧
框架問題(frame problem)
核方法(kernel method)
特徵量設計/特徵工程(feature engineering)
特徵量(feature)
修正線性單元(rectified linear unit)
高頻交易(HFT,high frequency trading)
弱人工智慧(weak AI)
神經網路(neural network)
神經元(neuron)
財星千大企業(Fortune 1000)
特斯拉汽車(Tesla Motors)
夏服特公司(Shaft)
倫巴(Roomba,掃地機器人)
馬文.明斯基(Marvin Minsky)
修伯特.德雷佛斯(Hubert Dreyfus)
泰瑞.維諾格萊德(Terry Allen Winograd)
晏.路坎(Yann LeCun)
栗原聰(KURIHARA Satoshi)
‧11劃‧
《第一隻眼的誕生:透視寒武紀大爆發的祕密》(In the Blink of an Eye : How Vision Sparked the Big Bang of Evolution)
《與機器競賽》(Race Against the Machine)
第一層敘述邏輯(first-order predicate logic)
現實世界運算(RWC,real world computing)
深度學習(deep learning)
通用圖靈機(universal Turing machine)
專家系統(expert system)
強人工智慧(strong AI)
問答系統(Question answering system)
啊哈體驗(a-ha experience)
梯度消失問題(vanishing gradient problem)
假說(hypothesis)
國際人工智慧協會(AAAI,Association for the Advancement of Artificial Intelligence)
深度思維技術公司(DeepMind Technologies,現為 Google DeepMind)
軟體銀行(SoftBank)
理查.道金斯(Richard Dawkins)
堀浩一(HORI Koichi)
淺田稔(ASADA Minoru)
國吉康夫(KUNIYOSHI Yasuo)
‧12劃‧
《創智慧:理解人腦運作,打造智慧機器》(On Intelligence)
最小最大法(minimax)
最鄰近法(nearest neighbor)
應用程式介面(API,application programming interface)
無人機(UAV﹝unmanned aerial vehicle﹞或drone)
寒武紀(Cambrian period)
彭博資訊公司(Bloomberg)
萊特兄弟(Wright brothers)
黑橋禎夫(Sadao KUROHASHI)
斯圖亞特.羅素(Stuart Russell)
費爾迪南‧德‧索緒爾(Ferdinand de Saussure)
賀伯.西蒙/司馬賀(Herbert A. Simon)
‧13劃‧
《電腦無法做什麼》(What Computers Can’t Do; A Critique of Artificial Reason)
過度學習(over-fitting)
新認知機(Neocognitron)
群集(clustering)
概念(signifié;符號義)
資料科學(data science)
瑞穗銀行(Mizuho Bank)
電氣通信大學(The University of Electro-Communications )
電氣通信基礎技術研究所(ATR,Advanced Telecommunications Research Institute International,国際電気通信基礎技術研究所)
瑞銀集團(UBS)
微軟(Microsoft)
益基譜管理諮詢公司(IGPI,Industrial Growth Platform, Inc.)
電機電子工程師學會(IEEE,Institute of Electrical and Electronics Engineers)
路透社(Reuters)
愛德華.費根堡(Edward Feigenbaum)
雷.庫茲威爾(Ray Kurzweil)
道格拉斯.雷納特(Douglas Lenat)
傑夫.霍金斯(Jeff Hawkins,Jeffrey Hawkins)
傑弗瑞.辛頓(Geoffrey Hinton)
傑拉德.愛德蒙(Gerald M. Edelman)
溝口理一郎(MIZOGUCHI Riichiro)
‧14劃‧
蒙地卡羅法(Monte Carlo method)
輕量級本體論(lightweight ontology)
認知運算(cognitive computing)
語意網路(semantic network)
誤差倒傳遞(error back propagation)
圖形處理器(GPU,graphics processing unit)
圖靈測試(Turing test)
綠膿桿菌(Pseudomonas)
遞移率(transitive law)
蓋瑞.卡斯巴羅夫(Garry Kasparov)
‧15劃‧
模式辨認/圖形辨識(pattern recognition)
模因(meme)
暴力破解法(brute force)
慶應義塾大學(Keio University)
德國耶拿大學(Friedrich Schiller University Jena)
‧16劃‧
機器學習(machine learning)
機器人考上東大計畫(Todai Robot Project,東ロボくん)
頻繁樣式探勘(frequent pattern mining)
賴利.佩吉(Larry Page)
諾姆.杭士基(Noam Chomsky, 喬姆斯基 )
‧17劃以上‧
優比克公司(UBIC,現為幅銳態科技公司〔FRONTEO〕)
臉書(Facebook)
謝爾蓋.布林(Sergey Brin)
應用程式介面(API,application programming interface)
豐田汽車(TOYOTA Motor)
鏈結開放資料(LOD,linked open data)
羅傑.潘洛斯(Roger Penrose)
《魔鬼終結者》(The Terminator)
《魔鬼終結者:未來救贖》(Terminator Salvation)
《魔鬼終結者:創世契機》(Terminator: Genisys)
邏輯理論家(logic theorist)
【延伸閱讀】
《了解人工智慧的第一本書》書中引用的外文資料,有興趣的讀者請參考。
◎德勤(Deloitte)研究報告指出,英國有三分之一的工作即將被機器人與人工智慧取代: One-third of jobs in the UK at risk from automation. Deloitte, 2014.
◎Carl Benedikt Frey 與 Michael A. Osborn共筆〈未來十至二十年即將消失與留下的工作〉(The future of employment: how susceptible are jobs to computerisation?)2013年9月17日,牛津大學工程科學系(Department of Engineering Science, University of Oxford)。關鍵字:Occupational Choice, Technological Change, Wage Inequality, Employment, Skill Demand
◎史蒂芬.霍金(Stephen Hawking)表達對於人工智慧的憂慮(出處:2014年12月接受BBC採訪) :Stephen Hawking warns artificial intelligence could end mankind: http://www.bbc.com/news/technology-30290540
◎比爾.蓋茲(Bill Gates)、伊隆.馬斯克(Elon Musk),對於人工智慧的憂心:http://goo.gl/ZWygJq
◎路透社(Reuters)新聞資料集:Reuters-21578
由於資料真實且量大,屬於文件探勘(text mining)的領域,是資料探勘(data mining)機器學習(machine learning)的測試基準(benchmark),也是許多研究人員、資料探勘初學者幾乎都會接觸到的資料集,一般用來當成文件索引的測試。
***以下更新於2019年6月***
2019年6月22日,軟銀集團(SoftBank)
孫正義以英語發表演說,
例如叫車服務可藉由人工智慧和演算法預測需求,
他也提到 Cruise(自駕車) 和 Nuro(無人車送貨),是正在發生的典範轉移(pa
至於人工智慧和智慧型機器人是否會取代人類工作,孫正義建議,
對於孫正義首度在台公開演講有興趣的朋友,請從 https://www.youtube.com/watch?
另有孫正義演講英文發音、中文字幕的版本(來源:非凡電視)
上集:https://www.youtube.com/
下集:https://www.youtube.com/
|延伸閱讀|
《人工智慧的未來》
《自駕車革命》
《科技選擇》
留言列表