- 精選文章
文章專區
2018-08-01AlphaGO 稱霸後的第三波 人工智慧革命
584 期
Author 作者
趙軒翎／本刊副總編輯。
2016年3月，由Google DeepMind團隊開發的人工智慧（AI）圍棋軟體AlphaGO，以 4：1 的成績擊敗 韓國職業棋士李世乭；隔年，又以更強大的運算能力， 打敗世界排名第一的棋士柯潔。這兩場AI與人類在圍 棋上的世紀對決，讓更多人實際見識到AI已能進行複雜的運算與判斷，並能透過與自我學習來強化能力。
AlphaGO雖然退役，但它帶起的AI潮流才正揭開序 幕，未來AI 會怎麼走？我們又能怎麼好好利用這強大的科技？
人工智慧發展
為了解這一波AI的浪潮，臺灣大學資訊工程學系教授 林守德首先帶著我們回顧AI的發展歷史。在 80年代 前後，人類想方設法將專家的知識用電腦語言輸入，希望電腦能運用這些規則來為人類解決問題，例如找一群頂尖的醫師，將他們對於疾病的瞭解、診斷方式輸入電腦，由電腦為病人診斷病情。也就是說，這個 時期的AI性能取決於現有知識的多寡，沒有自我學習 能力，只要超出知識編碼範圍就無能為力。
90年代以後進入AI第二波革命，搭著電腦記憶體運 算能力增強、網際網路開始發展的順風車，AI有了更 多可能。一來，網路使資料取得更容易，能提供給電腦的資訊增加；二來，硬體設備、技術的進展，擁有高速運算能力，讓機器學習變成可能。
「機器學習與第一波人工智慧不同之處，在於我們不再直接寫規則教電腦什麼是對的什麼是錯的，而是讓電腦藉由搜集到的資料自己去學、去判斷。」林守德說。因此，電腦有可能自己從資料中歸納出人類從沒想過的新準則。
深度學習締造 AlphaGO 巔峰
其中，機器學習中最受矚目的「深度學習」， 就像是人類的神經網絡一般，由一層又一層的非線性函數組成，這些網絡透過訓練與學習，在面對以往未曾經歷的狀況時，能夠透過運算來判斷最適當的反應。這樣的技 術其實早已發展2~30年之久，但礙於先前於資料訊息 量過於龐大，導致硬體技術還未跟上。
要了解近幾年深度學習的發展，NVIDIA解決方案架 構經理康勝閔以2010年開始的「ImageNet大規模視 覺辨識挑戰賽」舉例。ImageNet的資料庫中有1500 萬張圖片，分類在超過2.2 萬個類別中，比賽時會從 中取出部分圖像，讓參賽團隊開發的演算法做辨識。最初參與的團隊沒有應用深度學習，單純以程式擷取 圖像特徵作辨識，正確率只有大概70％左右。然而， 加入深度學習的概念後，辨識的正確度逐年攀升，到 2017 年最後一屆挑戰賽的冠軍隊伍，已經可達97％ 左右的準確率，勝過人類的95％。
深度神經網絡的運作，得先從「訓練」（training） 階段開始。一開始會透過輸入大量的資訊訓練神經網絡，以圖像辨識來說會輸入圖像以及每個圖像的標籤，告訴神經網絡圖中有隻貓，讓它學習如何辨識貓這個元素。每個神經元會依照要執行的工作，對輸入內容的正確或錯誤程度給予一個權重值，逐漸建構起一個資料架構，並以學習到的內容對各項權重值進行微調。完成訓練的神經網絡，就可開始應用在「推論 （inference）」上，也就是面對從未見過的資料，進 行辨識與分類。
康勝閔舉例，深度學習神經網路在目前已有貼近生活的應用，包括手機上的人工智慧助理Siri或是Ok Google，都具有語音辨識與搜尋的能力；YouTube 影片即時翻譯字幕；或是網路行銷透過使用者的瀏覽歷程、消費經驗推薦相關商品，也都包含了或多或少的人工智慧應用。
未來，這些深度學習神經網路也可望成為醫療產業的幫手，協助醫師判讀醫學影像；在高科技製造業中成為品管必備的工具，幫忙在產品出廠前進行仔細的瑕 疵檢測。這些應用發展將為人類打造未來AI 城市、 生活更進一步。
康勝閔表示，NVIDA致力於推動AI領域的發展，特 別是透過發展圖形處理單元（GPU）加速運算，平行 圖形處理的運算方式加快處理速度，讓深度學習的訓練速度加快。除此之外，也透過開設網路課程、分享原始碼和開研討會的方式，將資源公開給其他研究者參考。並贊助相關的新創公司，讓他們有資源能夠作持續性的研究。
「我們得開始思考好的方法，讓學界和業界能夠合作， 相信會有更多很好的AI應用產生。」康勝閔說。
第三波革命的五大難題
2017年 AlphaGO締造了近期深度學習發展的高潮， 在此之後AI 為求突破得面臨了第三次的革命。林守 德認為AI 接下來要面對5 個難題，而且並不完全是 技術上的問題。
首先，他認為得從「弱人工智慧」進到「強人工智慧」，也就是從以往只能狹隘處理單一功能，進步到能夠擁有更全面的智慧。我們期許強人工智慧能夠更像人，不是只會下圍棋或回答問題的單一能力，還能與人溝通互動、推理辨識、創作發明，甚至跑跳遊戲等能力。
再者，AI所獲得的成就是單打獨鬥的結果，還無法與 人合作。林守德表示，人與人之間的合作牽涉到溝通、觀察、說服等多元能力，是個需要有同理心、信任感、 溝通技巧的複雜工作，目前的AI 還不具備這樣的能 力，但未來人與AI合作勢在必行。
而AI的安全性一直是各界關心的問題。最近的研究已 經顯示深度學習的系統的判讀，其實是有漏洞可以被愚 弄的。很容易想像的是，當AI被大量應用在生活中時， 隨即得面對第一個以AI為目標的病毒進攻，如何防範 這樣的攻擊，也當是發展AI的同時需要思考的問題。……【更多內容請閱讀科學月刊第584期】