當人類智慧碰到人工智慧
當人類智慧碰到人工智慧。(示意圖／達志影像shutterstock提供)
★ 辨識一張圖片居然比訓練出AlphaGo還要難？
★ AI不止可以下棋，還能做法律諮詢？
★ AI也能當個稱職的批踢踢鄉民！
人工智慧一詞首度於1955年被提出，在二十一世紀的今天已普遍被認爲是影響未來人類社會發展的關鍵技術。
人工智慧之父圖靈認爲人工智慧可藉由模仿人類智慧，從符號邏輯的推導與知識結合達成，但這個方向的人工智慧並沒有獲得巨大的成功。而進化至今的人工智慧，是建構在以巨量資料和統計爲基礎的機器學習與深度學習之上，二十一世紀的人工智慧早已聰明地滲透在你我生活中。
本書收錄臺大科學教育發展中心「探索基礎科學講座」的演說內容，主題圍繞「人工智慧」，將從機器學習、資料探勘、自然語言處理及電腦視覺重點切入，並重磅推出「AI嘉年華」，深入淺出人工智慧的基礎理論、方法、技術與應用，且看人工智慧將如何翻轉我們的社會，帶領我們前往智慧新世界。
【精彩書摘】
彙整／葉珊瑀
人們將1950年圖靈(Alan Turing)提出圖靈測試(Turing testing)，視爲人工智慧（artificial intelligence，簡稱AI）的研究開端，圖靈也被視爲人工智慧之父。當今人工智慧蓬勃發展，和當初圖靈所想的已有落差，差距究竟何在？林守德教授以三個大問題切入：
1.人工智慧是什麼？至今走了多遠？
2.人工智慧離終點還有多遠？人類智慧是否接近人工智慧？
3.人工智慧能帶人類走多遠？走向哪種未來？
▲圖1-1 AI的三起二落。隨着軟體與硬體的發展，目前正在不斷地起飛。(圖/三民出版提供)
人工智慧是什麼？至今走了多遠？
AI是個很有趣的學門，跟網路、半導體等等，發展起飛以後停滯的領域不同，AI有起有落，可歸納爲「三起二落」。之所以有這樣的變化，是因爲人們一直沒有完全探索完畢這個領域，每一次的「起」都是因爲有新的技術開發，做得小有起色，給大家很高期待，覺得AI這個題目應該破關了；然而過了一陣子發現這個技術僅能解決部分問題，熱度就會削減。當新的技術再起，討論度又會上升。林教授認爲，在人類還沒有辦法做出跟人類很像的人工智慧前，這個起落會一直下去。
林教授首先回歸AI歷史來看，探討不同時代對AI各有不同詮釋。
電腦時代前的形式推理
在十七、十八世紀，萊布尼茲(Gottfried Wilhelm Leibniz)、笛卡爾(René Descartes) 、霍布斯(Thomas Hobbes)、羅素(Bertrand Arthur William Russell)等人心中所想的AI爲形式推理(formal reasoning)，重要的哲學家思考把數理邏輯機械化、系統化描述的可能。有些部分是成功的，包含後來的哥德爾不完備定理(Gödel's incompleteness theorem)。但這也受到質疑，例如智慧不只是推理。
1950年代的圖靈測試
到了1950年代，圖靈提出的「智慧」是通過圖靈測試的電腦：
假設有個人正在跟終端機對話，但此人不確定對話對象是誰。人打了一些字，獲得一些回饋，若此人無法判斷現正與之對話的是人或是電腦，那麼這個電腦就通過圖靈測試，算是擁有智慧。
這是一個目前尚未成功攻克的目標，例如人們和Siri講話，講不到幾句就可以猜到它不是真人。對話這件事，聽來簡單，但其實對於文字、語意需要很深的理解。圖靈曾預言在2000年之前電腦發展就可以達成這個目標，如今，我們離這個門檻還有一段距離。當然，漸漸有人質疑「與人對話」作爲判斷智慧的方式是否適合，畢竟智慧還有其他的表現方式。
語言理解到底多奧秘？林教授分享一個網路流傳的笑話：
老師說：我不許你這樣說自己。
故事中，學生指的是授課內容，老師指的卻是學生。根據情境，同樣的語句可能有不同的詮釋，即使是人，要理解語言背後含意並不容易，對於AI而言更是困難的。
1960 年代的通用解題器
有人認爲AI是用特定的方式來搜尋答案，1960年代西蒙(Herbert A. Simon)、蕭(J. C. Shaw)及尼威爾(Allen Newell)提出通用解題器(general problem solver)，認爲用搜尋的演算法幾乎可以解決所有問題，這個發展也的確解決了一些原本看起來不容易證明的數學問題。
林教授現場透過一個互動網頁展示了不同演算法的運用，畫面中的綠點、紅點，可以搭配不同的演算法搜尋，有直線搜尋的、也有以中心輻射擴散尋找點的，不同的解法會因應不同情境的問題。這些相異的演算法，都是找答案的機制。有的專精在某一方向，有的地毯式檢索，有的盲目地搜索。只要答案在空間內，總會搜尋到解答，差別在於花的時間長短。
在現實生活中，搜尋空間通常都很大，如果沒有好用的方法，恐怕無法在有限的時間內解決問題。以圍棋爲例，搜尋空間爲10360，以全球所有的電腦從宇宙起源就開始計算至今也沒有辦法算完。
人工智慧就是擅長遊戲的電腦
有人將AI視爲擅長遊戲的電腦，而AI進展有很大一部分正是因爲這些遊戲產生的。從事AI的人喜歡玩遊戲，原因有三：
1.遊戲規則容易系統化
2.遊戲的環境以及變數有限
3.遊戲可以重複玩
在這樣的情境下，電腦可以一直學習、一直嘗試錯誤，變得愈來愈厲害。
並非所有遊戲難度都相當，遊戲可以區分爲兩種類型：完全訊息遊戲，指可以看到整個遊戲牌面者，例如西洋棋、圍棋；部分訊息遊戲，只能看到自己（或者附近環境），卻無從完全得知對手情況，例如德州撲克、星海爭霸。這類的遊戲因爲還有猜測成分，所以更困難。林教授不久前在英國與DeepMind團隊交流，就得知AlphaGo目前已經不會繼續從事圍棋的突破，改以星海爭霸爲目標。在這個遊戲上AI 已經可以達到跟專業玩家同等的程度。
用遊戲評價AI 好壞作爲判斷AI 聰明與否的定義仍然有人質疑，遊戲只是人生的簡化版，下棋是在給定的空間中完成，但日常生活中的決策常常是更開放的，並沒有遊戲那麼侷限，而且人生無法如遊戲一般重來，例如自動駕駛在應用上，若是因爲失誤撞到人，也沒有重來的機會。在實務運用上，沒有那麼多失敗的機會可以重新訓練AI。僅用遊戲評價聰明與否，可能太過簡化。
在AI發展的第一波起落過後，接下來將進入第二部分。
(本文摘自《智慧新世界──圖靈所沒有預料到的人工智慧》/三民出版)
【作者簡介】
【臺大科學教育發展中心探索基礎科學系列講座】
自1825年起，英國皇家科學院舉辦了「皇家科學耶誕講座」，以富有教育性、趣味性的方式，將科學知識介紹給社會大衆，提升英國學子、民衆的科學素養。無數的學者曾在此講座中講授科學知識，而除了在第二次世界大戰時曾暫停舉行外，這一具有古老傳統的科普講座，至今仍持續不斷。
臺灣大學科學教育發展中心自2009年起，師法「皇家科學耶誕講座」，舉辦「探索基礎科學講座」，借重學養與教學俱佳的科學大師們開講，與有志探索科學世界的朋友們共聚一堂。講座的主題與基礎科學知識緊密相連，每期輪流就數學、物理、化學、生命科學、地球科學各學門開闢講題，講師們仔細清楚的解說科學原理，許多非科學背景的聽衆們，也能迅速的進入科學世界，體會探索知識的樂趣。
本講講師羣是臺灣學術界關於「人工智慧」研究的各方翹楚：
林守德▸臺灣大學資訊工程學系教授
林軒田▸臺灣大學資訊工程學系教授
陳信希▸臺灣大學資訊工程學系特聘教授
莊永裕▸臺灣大學資訊工程學系教授
李宏毅▸臺灣大學電機工程學系副教授
李政德▸成功大學數據科學研究所副教授
張智威▸HTC健康醫療事業部總經理．史丹佛大學電腦系客座教授．日本SmartNews人工智慧顧問
陳倩瑜▸臺灣大學生物產業機電工程學系教授
楊奕軒▸中央研究院資訊科技創新研究中心副研究員
《智慧新世界──圖靈所沒有預料到的人工智慧》/三民出版