【《了解人工智慧的第一本書》推薦序】打造有智慧的機器
News98【財經起床號】訪問台灣大學電機工程學系副教授于天立談《人工智慧的未來》 @ 2015.11.13
News98【財經起床號】訪問台灣大學電機工程學系副教授于天立談《了解人工智慧的第一本書》 @ 2017年2月17日
大家可能還記得電影《模仿遊戲》(The Imitation Game)中,電腦科學之父同時也是人工智慧之父艾倫.圖靈(Alan M. Turing),想要建一個可做任何事的機器。
首先,圖靈機有無窮多個而且可被編號,而所有的圖靈機定義了所有可被計算的函數。你可以想像有個一號圖靈機可以做加法,有個二號圖靈機可以做開平方根等。圖靈證明了通用圖靈機(universal Turing machine)的存在:只要你輸入某個號碼,它就可以「模仿」其相對應的圖靈機。在上
面的例子中,對通用圖靈機輸入2,它就會做開平方根的工作。
說穿了,圖靈機其實就是可程式化機器,所謂輸入的號碼其實就是程式,而現在的電腦就是通用圖靈機的一種不完美(因為沒有無窮的記憶體)的實作成品。這種想法在現今電腦充斥的年代看來可能稀鬆平常,但當年在許多人看來是件瘋狂不可行的事情。
事實上,從發展圖靈機開始,圖靈就一直在思考「機器的智慧是什麼」。
如果我們再進一步的思考,把人視為一個函數:以環境所有歷史紀錄(從有感知開始一直到現在的時間點)作為輸入,而輸出動作或回應。就這個觀點來看,通用圖靈機應當可以模仿一個人的所有行為,也就是產生出人造的智慧。人工智慧此一學科由此誕生。
對於機器可以模仿人的想法,許多人抱持著懷疑的態度。本書作者的研究所學生時期是1997∼2002年,而我則是2000∼2006年,所以對書中作者提到的挫折很有感受。2000年左右,當時電腦中最熱門的領域是網路及多媒體應用。當有人聽到我想投入人工智慧及機器學習領域時,常見的反應
是「為什麼不去研究網路多媒體,做點實際的東西出來」,一副好像人工智慧就是在打高空,不切實際的樣子。然而當時誰又能想到才沒十幾年的時間,人工智慧已經發展到了現在的樣貌。
在AlphaGo戰勝李世石(Lee Sedol)後,有許多人認為AlphaGo靠的是大量的運算,而並非真的了解圍棋。這類聲音正如IBM開發的超級電腦「華生」(Watson)在益智問答競賽中勝過人類後,被認為並非真正了解問題本質。這裡我想引用一段電影《模仿遊戲》中的台詞:
“Of course machines can't think as people do. A machine is different from a person. Hence, they think differently. The interesting question is, just because something, uh... thinks differently from you, does that mean it's not thinking?”
人類常常習慣性的本位主義思考,認為電腦就算能得到答案,但它並不了解問題的本質,也沒有所謂的思考。其實反過來想想,其實可能只是人類並不了解電腦「思考」的方式(現今機器學習中許多的演算法,就算是開發者自己也無法完全預測電腦最後的行為)。若以圖靈測試這種操作型的方向來思考,當電腦可以在某些問題上表現的比我們還好,我們卻說電腦並未真正了解問題本質是否過於武斷了呢?
本書很完整地回顧了人工智慧的興衰史,作者認為,目前人工智慧的第三次熱潮源自大數據上的機器學習及深度學習。我也非常同意,其實這兩者的時機真的是結合的很好。
深度學習由於使用了非常多層的神經網路架構,再加上大量採用修正線性單元(rectified linear unit),使得整個學習概念變成簡單到像是用多個線段來逼近一個函數而已。不過,這件事配合上大量的學習資料卻是恰到好處。舉例而言,若我們要學的概念是一個圓,早期的做法可能是給圓周上的十幾個點,然後靠著複雜的演算法理解這可能是一個圓。現在的做法則是給圓周上十萬個點,則基本上只要把這十萬個點用線段連起來就夠像個圓形了。
近年來,這樣的趨勢愈來愈明顯,研究的重心已經漸漸從原先的演算法轉移到資料本身,而形成了資料科學(data science)。雖然要解決的問題本質還是一樣,但看事情的出發點已經不同了。
關於目前人工智慧的現狀,我很喜歡本書作者利用彩券來做比喻。
目前人工智慧就像是大樂透上看十億。要中十億的路途艱難,但許多人願意一試。當然最後仍然可能沒有任何人中大獎,但硬要說人工智慧根本不可能實現似乎也過度悲觀。
相對的來說,我們似乎也不用過度擔心人工智慧取代人類。
拜 AlphaGo 所賜,最近我常受邀演講,最常被問到的就是「人類會被AlphaGo取代嗎?」即使我以為不該武斷地認為 AlphaGo 不會思考,但目前我們的確還沒發展出有「自我意識」的機器(即使我們也搞不懂自我意識是什麼)。也就是說,我們叫AlphaGo下一千盤棋,它就會照下,不會說
「我累了,想吃冰淇淋。」所以,等到 AlphaGo 不想下圍棋時再說吧!
人工智慧到底會發展到哪裡呢?本書對於常見的奇點問題(singularity problem)也有論述。姑且撇開智慧能否無限增長不談,人類可能造出比本身更有智慧的機器嗎?看法很分歧。像雷.庫茲威爾(Ray Kurzweil)就是極端的樂觀派,而我則更傾向本書作者的看法:不是不可能,但應該還
有好長一段路要走。而且與其擔心人工智慧本身,可能更需要擔心的是人工智慧技術與資訊的獨占,及其對產業的衝擊。
本書對於上述面所提到的技術都有深入淺出的介紹,作者能把許多艱深的技術用生動的例子說明,實在令人佩服。
對於人工智慧的歷史、目前發展,作者參考了許多看法,提供完整的資訊。在我看來,本書算是市面上關於人工智慧科普書籍中意見較為中肯不偏頗的。透過閱讀本書,讀者應能夠更全面地理解人工智慧給人類帶來的便利以及潛在的危險。而且本書所呈現的,不僅僅是歷史、技術,還包含了對人類社會的影響、價值衝擊。就讓本書作者帶領著我們一起對人工智慧做個較為理性、全方面的探索吧!
【《了解人工智慧的第一本書》目錄】
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
留言列表