人类快被超越？加速中的人工智能

2017年初的Beneficial AI会议上，特斯拉（Tesla）CEO伊隆．马斯克（Elon Musk）说：「我们若不是正走向超级人工智能，就是在迈向人类文明的终结。」物理学家史蒂芬．霍金（Stephen Hawking）也曾说过，人工智能可能成为人类最大的敌人。

为何他们对人工智能如此忌惮？因为随着搜集的数据量愈来愈大，人工智能的演算能力就会加强，未来可能进化出超越人类的智慧。

AI的基础：三个层次的分析

人工智能重要的基础之一，就是分析数据的能力。而分析又可分为三个层次：第一层为「叙述性分析（Descriptive analytics）」，侦测和描述数据资料；第二层为「预测分析（Predictive analytics）」，根据大量过去的资料，运用演算法找出模式，预测未来；第三层为「处方性分析（Prescriptive analytics）」（编注：又译作「规范分析」、「建议分析」、「指导性分析」），也就是根据预测的未来，建议行动方针。

以智能制造的情境来说，就好比系统侦测出制造机台出现杂音，或是震动频率异常，运用这些征兆，就能预测接下来可能会出现偏误。若预期会出现偏误，系统就能先行校正，以降低可能造成的误差，提升良率，这就是「精度补偿」。

换言之，人工智能拥有杰出的分析能力，更有自我诊断、自我校正的能力。

AI的特性：自我学习、自我进化

电脑的强项，就是能迅速处理庞杂的资料，快速进行逻辑推理，从数据中解读出人力无法产生的洞见。而人工智能的强大之处，即是透过搜集的大数据，加上演算法运算能力、领域专业知识（Domain knowledge）的know-how，进行自我诊断、学习，再自我进化。

例如，语音助理Siri和Alexa，一边以对谈提供使用者服务，一边从对谈中学习，进而改善其自然语言处理技术。又如，广泛运用在影像、语音识别的深度学习（deep learning），就是将大量资料放进输入层，经过数个隐藏层中的演算法处理，再从输出层产生预测结果；其中经过越多个隐藏层，就代表学习得越深层，学得更细腻，也可能达成更佳的自我改进。

搜集的资料愈多，愈加速AI学习

早期的「专家系统」（ Expert systems），为何没有成功发展为如今的人工智能？除了软、硬体技术没有到位，缺乏功能够强的演算法、晶片来处理资讯，还有一个重要原因：以前的数据量，远不如现今大量。

人工智能要有效学习，就需要大量的资料，让它能够自我训练。接触的资料愈大，愈具体，人工智能的学习、成长速度就愈快，就越能处理更多资料。而随着科技突飞猛进，人们过去三年新增加的数据资料，就超过了人类过去累积的所有资料总量。也就是说，未来我们将以更快的速度产生更多资料，进而加速了人工智能的成长。

当人工智能进化到一定程度，甚至能在学习过程中，发展出自己的语言与逻辑。例如，Facebook曾进行测试，让聊天机器人互相沟通，学习谈判协商，过程中竟发现AI发展出人类无法理解的语言，引起了热烈讨论。

AI还不足以威胁人类，但需谨慎发展

究竟人工智能能否超越人类，取而代之？可以断言的是，目前还无需担心。

因为生命是一种开放式系统，电脑却必须在封闭式系统运作。因此，电脑若要在实体环境中运行，就必须把开放式系统数位化，记录系统的每个角落、环节，再将资讯呈现出来。

而目前的人工智能，还未频繁暴露于实体环境中，没有充分撷取、纪录、理解大量的活体特征（feature），仍无法像人类一样，处理实体环境、开放系统中的资讯。

简单来说，也就是目前的数据量仍不够大，不足以让人工智能发展出超越人类的智力。再者，人工智能的相关人才，也还相当稀少，限制了人工智能的发展。

但无可否认的是，人工智能已带来冲击，最直接的，即是开始取代人类的工作。而且它学习、进化的速度，只会大幅加速。我们除了积极发展人工智能，追求创新，也必须积极调适，以免被轻易取代。

转载自：https://www.hbrtaiwan.com/article_content_AR0007287.html